陳興冶 馬穎瑩 楊伊

[摘? ?要] 信息時代呼喚深度學習，它與計算思維存在著深刻且本質(zhì)的關(guān)聯(lián)。在信息技術(shù)學科教學中，如何發(fā)展學生計算思維是諸多中小學教師面臨的教學困境。在此背景下，本研究建構(gòu)了“面向計算思維發(fā)展的深度學習模型”，以知識建構(gòu)、混合式學習理論和CTCL研究范式為指導(dǎo)，將課堂教學活動分為教師行為、學生行為、思維過程和評價總結(jié)四個方面，基于上述模型進行教學實驗。實驗以可視化編程課程為載體，歷時18周，通過對三階段兩維度作品的評價，比較分析實驗組和對照組學生的計算思維發(fā)展狀況。結(jié)果表明：三個階段實驗組學生的計算思維能力優(yōu)于對照組學生，計算思維能力提升水平高于對照組，實驗組和對照組的計算思維各維度的發(fā)展水平比較均衡。由此可得出結(jié)論，該學習模型可以有效提升學生的計算思維水平并促進深度學習的發(fā)生。

[關(guān)鍵詞] 深度學習; 計算思維; 可視化編程; 教學模式

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 陳興冶（1979—），男，上海人。高級教師，博士研究生，主要從事中小學信息技術(shù)教學、教育信息化研究。E-mail：chenxy@sesedu.cn。楊伊為通訊作者，E-mail：839011560@qq.com。

一、引? ?言

信息時代呼喚更好的思維模式和意義建構(gòu)方式，以面對日新月異的技術(shù)和瞬息萬變的知識，實現(xiàn)對知識內(nèi)容更深層次的理解，這種對知識的綜合、評價及遷移的深度理解就是深度學習（Deep Learning）。作為信息時代產(chǎn)物的計算思維（Computational Thinking）的培養(yǎng)也成為各國關(guān)注的重點。國務(wù)院2017年7月印發(fā)并實施的《新一代人工智能發(fā)展規(guī)劃》明確提出：在中小學階段設(shè)置人工智能相關(guān)課程，逐步推廣編程教育?；诳梢暬幊涕_展計算思維的培養(yǎng)在國內(nèi)外有著較為廣泛的研究基礎(chǔ)，但以深度學習為目標進行計算思維培養(yǎng)的研究并不多見。本研究以計算思維為視角，提出促進深度學習的學習模型，并將其與可視化編程教學實踐進行對接，對基于模型教學的有效性進行理論分析和實證研究，以完善學習模型。

二、研究背景

1976年，F(xiàn)erence Marton和Roger Saljo在《學習的本質(zhì)區(qū)別一：結(jié)果和過程》中，首次提出了深度學習的概念，而后Biggs、Ramaden、Entwistle[1]、Eric Jensen[2]等側(cè)重認知策略和認知技能，提出運用多樣化的學習策略并通過對學習過程和高水平的分析與加工來實現(xiàn)對知識的深度理解。2005年黎加厚率先將其引入我國，指向“與原有的認知結(jié)構(gòu)相融合”和“將知識遷移到新的情境”[3]，何克抗[4]、胡航等[5]則聚焦于深度學習理論體系的建構(gòu)，通過概念、過程、作用等的系統(tǒng)研究，提出深度學習是催生高階思維和深層認知能力的過程?？傮w上，深度學習內(nèi)在地包含三個要點：其一，在既有經(jīng)驗的基礎(chǔ)上理解、歸納、運用的學習，結(jié)合原有的認知結(jié)構(gòu)，接收和學習新知識，即“新知理解”;其二，建立知識間的相互聯(lián)系，即“內(nèi)部關(guān)聯(lián)遷移”;其三，通過分析做出解決問題的決策并拓展新知識，即“外部拓展遷移”。

“計算思維”源于算法思維和程序思維，自2006年美國卡內(nèi)·基梅隆大學周以真教授首次提出完整定義起，國內(nèi)外學者先后對其進行了探索，擇其共識：計算思維是解決問題過程中多種思維技能的交互，其中蘊含了不同的思維要素。它與計算機教學的結(jié)合最為緊密，《普通高中信息技術(shù)課程標準》（2017版）明確指出，計算思維包括界定問題、抽象特征、建立結(jié)構(gòu)模型、合理組織數(shù)據(jù)等要素以及運用算法形成問題解決的方案并能將其遷移到與之相關(guān)的其他問題解決中[6]。如若將課標進一步映射、聚焦到可視化編程教學領(lǐng)域，則與計算思維三維框架[7]默契呼應(yīng)，即“問題的界定及抽象”對應(yīng)“計算概念”（Computational Concept），“方案的建模及自動化”對應(yīng)“計算實踐”（Computational Practices），“方法總結(jié)及遷移”對應(yīng)“計算觀念”（Computational Perspectives）。計算思維三維框架即為計算思維的三種思維水平，分別指向概念理解、編程行為以及編程素養(yǎng)，故在可視化編程教學時可使用該框架進行設(shè)計、實施和評估。

深度學習與計算思維存在著深刻且本質(zhì)的關(guān)聯(lián)，開展促進學生深度學習的教學研究兼具較強的理論和實踐意義。從認知視角分析，問題解決過程可分為“低階認知能力”和“高階認知能力”。高層次的計算思維水平（即計算實踐、計算觀念）是問題解決中“高階認知能力”的集中體現(xiàn)，而“高階認知能力”又可等價為高階思維能力[8]。諸多研究表明，發(fā)展高階思維有助于促進深度學習[9]，由此可知，提升問題解決能力同樣是促進深度學習的有效途徑，而發(fā)展計算思維是促進學生深度學習的內(nèi)生動力。表1提煉了認知領(lǐng)域、深度學習和計算思維三者之間的關(guān)系并與“問題解決”進行了關(guān)聯(lián)。

三、深度學習模型的構(gòu)建

計算思維的本質(zhì)就是通過信息采集、信息處理、建模和自動化等過程進行問題解決的思維活動。Fessakis[10]、Urquiza-Fuentes[11]等研究表明，編程教學是促進計算思維能力提升的有效途徑，但常態(tài)化、長周期的實證研究較少，故而從計算思維的視角出發(fā)構(gòu)建促進深度學習模型來支持一線教師開展可視化編程教學實踐迫在眉睫。

（一）理論基礎(chǔ)

1. 知識建構(gòu)理論

知識建構(gòu)的過程按照主體層次的不同可分為個人知識建構(gòu)和協(xié)作知識建構(gòu)[12]，前者強調(diào)學習者對外界信息主動地選擇和加工，在個人知識經(jīng)驗基礎(chǔ)上的創(chuàng)新認知，建構(gòu)自己的認識與理解，原有知識又因為新知識的進入而發(fā)生調(diào)整和改變[13];后者則強調(diào)協(xié)作、共享和討論形成新知識或集體認知共識。每個學習者都是一個認知源，要使學生互換信息，“交流”必不可少，而“意義建構(gòu)”則是教學過程的最終目標。本研究的教學實踐中將關(guān)注學生知識的發(fā)展，利用思維導(dǎo)圖關(guān)注學生個人知識建構(gòu)過程，同時關(guān)注學生協(xié)作知識建構(gòu)中遇到的問題和困難，并為學習者提供協(xié)助其知識建構(gòu)的學習支架。

2. 混合學習理論

混合學習（Blending Learning）是基于線上線下融合的學習方式，在e-Learning的基礎(chǔ)上發(fā)展起來的。今天教育學界普遍將其視為網(wǎng)絡(luò)學習與傳統(tǒng)學習的融合[14]，既具備了網(wǎng)絡(luò)學習打破時空的特點，也具備傳統(tǒng)教學師生面對面討論學習問題的特點[15]。本研究以面對面的方式授課，在作品創(chuàng)作和練習過程中借助于LearnSite在線網(wǎng)絡(luò)學習平臺，學生在線完成和保存各項編程作品，在分享樂園中進行共享和評價，在討論區(qū)進行異步的協(xié)作問題交流，在緊緊把握混合學習內(nèi)涵的同時，回應(yīng)其關(guān)鍵特征。

3. CTCL研究范式

董玉琦教授2012年提出教育技術(shù)學研究新范式——CTCL（Culture，Technology，Content，Learner）[16]，核心理念是針對具體學習內(nèi)容，以問題解決為導(dǎo)向，將文化、技術(shù)、學習內(nèi)容、學習者等因素相統(tǒng)合來開展研究。CTCL研究有三重境界，即學習方式轉(zhuǎn)變、學業(yè)水平提升和綜合素質(zhì)改善，目前，研究主要聚焦在學業(yè)水平提升方面。尹相杰等[17]、畢景剛等[18]、陳興冶等[19]以認知為切入點，在不同學科檢驗并證實其在學科教學中具有可推廣的理論價值。計算思維屬于高階思維，其作為學科核心素養(yǎng)體現(xiàn)了學生的學業(yè)水平，而作為問題解決的思維方法逐漸成為學習者終身發(fā)展的核心技能。因此，在信息技術(shù)學科教學時，CTCL范式可以作為問題解決的理論框架。

（二）模型的構(gòu)建

深度學習是高階思維的過程，是對知識的高度組織和深度加工，映射到可視化編程教學活動，這種高階思維指向計算思維。深度學習模型以真實情境的問題為載體，橫向由教師行為、學生行為、思維過程（包括設(shè)計維度）和評價總結(jié)四個維度組成，縱向以“教學設(shè)計—學習發(fā)生—學習評價”為主線。其中，教學設(shè)計對應(yīng)于教師行為，意在為學生的學習提供支撐。學生是學習的主體，故學習發(fā)生是核心部分，對應(yīng)于學習行為和思維過程，其中學生行為以在線或離線的協(xié)作學習為主，包括利用思維工具和學習支架進行思維呈現(xiàn)，利用可視化編程工具進行思維的表達，圍繞問題解決進行討論分享和實踐等;思維過程則主要對教學進行整體定位，即將問題解決、深度學習及計算思維三者關(guān)系融入教與學的活動。最后，學習評價屬評價總結(jié)維度，確保計算思維的反思與強化（如圖1所示）。

1. 教師行為

教師須完成真實情境的創(chuàng)設(shè)，幫助學生實現(xiàn)基于問題驅(qū)動的深度學習，主要通過教學設(shè)計、教學組織、課堂答疑及支架提供等為學習活動提供支持。教學設(shè)計分為問題情境和教學過程的設(shè)計。問題情境除符合學生認知特點外，還需要充分考慮到問題本身的開放性;教學過程的設(shè)計則應(yīng)充分關(guān)照學習者與學習內(nèi)容的交互關(guān)系，以此為基點設(shè)計教學。教學組織以“教+學”并進方式展開。可視化編程教學中，“教”主要針對知識與技能的講授和鞏固，教師針對課堂教學狀況及時調(diào)整教學過程和策略;“學”既包括同伴協(xié)作，綜合運用知識技能完成項目，還包括自主學習，即聯(lián)系生活實際，獨立創(chuàng)設(shè)項目、評估項目，使技能得到遷移，思維得到發(fā)展。課堂答疑方式分為面對面答疑和在線協(xié)作平臺答疑，教師一是要從學生回答中發(fā)現(xiàn)錯誤或偏差，后續(xù)面對所有學生進行糾正;二是學生在協(xié)作學習中遇到困惑并求助時，教師通過個別輔導(dǎo)加以解決。在促進深度學習的可視化編程教學中，教師共設(shè)計了資源支架、個人學習支架、協(xié)作學習支架、評價學習支架和反思支架五種。通過這五種學習支架，讓學生經(jīng)歷有經(jīng)驗的學習者（如教師）所經(jīng)歷的思維過程，有助于學生對于知識，特別是隱性知識的體悟與理解[20]。

2. 學生行為

學生是問題解決的主體，基于真實情境的各種問題是客體，通過計算思維視角來促進深度學習是結(jié)果。因此，學生行為處于模型內(nèi)環(huán)，模型中的思維過程和設(shè)計維度均屬于學生行為。本研究以討論、分享和實踐等學習方式，通過在線協(xié)作學習平臺/線下的學習、思維呈現(xiàn)、思維表達三個方面的學習活動，實現(xiàn)在問題解決過程中計算思維的可視化、高階化。學習內(nèi)容主要通過教師講授、學生協(xié)作、學生交流分享等途徑獲得，經(jīng)過線下/在線協(xié)作學習平臺兩種途徑進行知識建構(gòu)和認知結(jié)構(gòu)的改善。學習方式包括個體學習和同伴互助學習，前者強調(diào)對知識技能自我認知能力，后者則強調(diào)基于真實情境的問題分析、方案設(shè)計及問題解決等群體協(xié)作能力。學生思維呈現(xiàn)處于問題情境、深度學習框架及計算思維三者的最底層，主要任務(wù)是將問題分析、方案確定的過程顯現(xiàn)出來。學生主要采用思維工具和學習支架并基于計算思維實現(xiàn)問題分析和方案制定的可視化。學生思維表達屬于問題情境、深度學習框架以及計算思維視角三者的上位維度，主要任務(wù)是將思維呈現(xiàn)的內(nèi)容利用可視化編程工具進行模型化和自動化。學生一方面采用可視化編程工具解決問題，另一方面從編程實踐中歸納問題解決的一般路徑，實現(xiàn)計算思維的遷移。

3. 思維過程

設(shè)計維度是學生活動的基礎(chǔ)，是思維過程的一部分，而思維過程主要包括了問題驅(qū)動、深度學習和計算思維三個方面的設(shè)計和實施。問題驅(qū)動的任務(wù)是設(shè)計具有現(xiàn)實意義的問題情境并分析、解決這些問題，指向問題分析、方案綜合和方案評估并實現(xiàn)三個要素，學生需進行充分討論、分工協(xié)作，開展互相之間認知分享。深度學習主要包括新知理解、內(nèi)部關(guān)聯(lián)遷移和外部拓展遷移三個維度，每個維度又與問題驅(qū)動三個要素相對應(yīng)。新知理解既包括問題涉及的新知識，還將問題分析能力視作新知識;內(nèi)部關(guān)聯(lián)遷移不僅包括問題所涉及的知識技能之間的聯(lián)結(jié)，還包括協(xié)作過程不同方案的“取長補短”中的分析綜合;外部拓展遷移除方案評估與實現(xiàn)外，還涉及運用相同方法完成同類問題的能力與思維遷移。計算思維通過三維框架與深度學習三個維度所形成的對應(yīng)關(guān)系實現(xiàn)了隱性思維顯性化、顯性思維模型化和高效思維自動化，進而與問題驅(qū)動三個要素建立了關(guān)聯(lián)，同時計算思維三個維度又為學生行為中的思維呈現(xiàn)與表達提供支撐。

4. 評價總結(jié)

評價總結(jié)以計算思維發(fā)展作為評價指標，對學生的深度學習狀況進行評價，具體可拆分為“評價”和“總結(jié)”。評價包括過程性和終結(jié)性評價，前者主要以完成教師所提供的學習支架作為評價載體;后者則主要將學生完成問題解決的程序作品作為評價載體。總結(jié)主要以學生個人或小組交流為主，分享及反思在問題解決過程中認知過程、計算思維等有效策略，從而實現(xiàn)一般問題解決時計算思維的模式化。

四、研究設(shè)計

（一）研究問題及對象

實驗圍繞“面向計算思維發(fā)展的深度學習模型”對于學生計算思維能力培養(yǎng)的作用進行設(shè)計。以上海市S學校初中二年級兩個班為研究對象，共計69人（男生35，女生34）。為排除無關(guān)因素的干擾采取隨機分組（對照組34，實驗組35），由同一位教師承擔兩組的教學任務(wù)。

（二）教學內(nèi)容

將“Scratch可視化編程”課程中8個項目主題作為本研究的載體，課程內(nèi)容分為概念學習、項目創(chuàng)作以及綜合運用三種類型，學習進度遵循課程內(nèi)容由易及難的原則加以安排。

（三）評價工具

本研究學生完成的作品分為項目進行前的思維導(dǎo)圖及每個項目主題完成后的Scratch作品。針對思維導(dǎo)圖作品采用以經(jīng)典的霍夫[21]評價模式為基礎(chǔ)的評價框架：將學生的思維導(dǎo)圖作品分為7個要素，對7個要素分別打分，計算每個維度的得分，再將三個維度成績總和作為計算思維的總體評價，見表2。針對Scratch作品則采用Dr.Scratch計算思維評價工具：學生將完成的Scratch作品上傳至Dr.Scratch專用網(wǎng)站，點擊“分析”后出現(xiàn)包括流程控制、數(shù)據(jù)表示、抽象、用戶交互、同步、并行和邏輯七個計算思維指標的得分及總分。對兩個工具進行內(nèi)部一致性信度分析。思維導(dǎo)圖評價框架和Dr.Scratch評價工具的峰度偏度的絕對值均在1以內(nèi)，且漸進顯著性概率（雙側(cè)）均大于0.05，說明樣本數(shù)據(jù)呈現(xiàn)正態(tài)分布，評價工具有效。此外，思維導(dǎo)圖評價框架和Dr.Scratch評價工具的克隆巴赫α系數(shù)分別為0.731和0.795，信度較好。

（四）研究實施

實驗歷時18周，實驗組采用深度學習模型，對照組則遵循傳統(tǒng)講練結(jié)合的教學方式，教學設(shè)計的具體操作步驟見表3。實驗完成后，借助經(jīng)過驗證的評價工具對兩組學生的作品進行檢測。

（五）數(shù)據(jù)收集

本研究在學期初期（T1）、中期（T2）、末期（T3）各抽取了1份思維導(dǎo)圖和Scratch作品，共計收到兩種作品各207份。Scratch作品的評價由Dr.Scratch工具完成，思維導(dǎo)圖作品則由兩位教師根據(jù)評價框架獨立打分形成兩組數(shù)據(jù)，對兩組數(shù)據(jù)進行相關(guān)性分析得到相關(guān)系數(shù)為0.892，說明針對同一個標準的評分具有較好的穩(wěn)定性，故每個作品取兩次評分的平均值作為最終得分。最后，使用SPSS 21.0對數(shù)據(jù)進行信度分析及多維度的數(shù)據(jù)比較。

五、結(jié)果分析

（一）實驗組學生的計算思維能力優(yōu)于對照組學生

T1階段兩組學生在思維導(dǎo)圖和Scratch作品上呈現(xiàn)的計算思維水平基本相當（p>0.05）;T2階段實驗組學生在思維導(dǎo)圖和Scratch作品上的成績分別高于對照組2.111和2.595，且p值均小于0.05，計算思維水平呈現(xiàn)出顯著性差異。比較兩組平均成績的差值：Scratch作品上呈現(xiàn)的計算思維水平增幅要明顯高于思維導(dǎo)圖;相比T2階段，T3兩組學生的計算思維水平得到進一步的發(fā)展，且均存在顯著性差異。對兩組兩種作品的不同階段計算思維水平兩兩進行配對樣本t檢驗發(fā)現(xiàn)，p=0.000（<0.05），說明兩組實驗前后計算思維水平存在顯著性差異，見表4。

實驗組和對照組在T1階段兩種作品的計算思維水平存在顯著正相關(guān)（r=0.648和0.622，p<0.01）;實驗組在T2階段兩種作品的計算思維水平存在高度正相關(guān)（r=0.895，p<0.01），對照組存在顯著正相關(guān)（r=0.446，p<0.01）;實驗組在T3階段兩種作品的計算思維水平存在高度正相關(guān)（r=0.788，p<0.01），對照組存在顯著正相關(guān)（r=0.574，p<0.01）。

基于數(shù)據(jù)發(fā)現(xiàn)，（1）實驗初期，兩種作品呈現(xiàn)的計算思維相關(guān)性相當;（2）T2、T3階段，實驗組計算思維水平增長幅度明顯高于對照組，說明基于模型的教學效果優(yōu)于傳統(tǒng)教學。

（二）實驗組計算思維能力的提升水平高于對照組

在T1與T2過程，實驗組兩個作品上的差值顯著性要高于對照組，其中，實驗組的差值之間存在顯著正相關(guān)（r=0.730，p<0.01），對照組的差值之間存在顯著正相關(guān)（r=0.378，p<0.05）;在T2與T3過程，對照組兩個作品上的差值顯著性要高于實驗組，其中，實驗組的差值之間相關(guān)性不顯著，對照組的差值之間存在顯著正相關(guān)（r=0.374，p<0.05）;在T1與T3過程，實驗組兩個作品上的差值顯著性又高于對照組，實驗組的差值之間存在顯著正相關(guān)（r=0.498，p<0.01），對照組的差值之間存在顯著正相關(guān)（r=0.456，p<0.01），見表5。

基于數(shù)據(jù)發(fā)現(xiàn)，（1）不同階段，兩組學生兩種作品上呈現(xiàn)的計算思維提升水平都有提高;（2）與其他階段相比， T2至T3階段兩組學生的計算思維提升水平較低;（3）實驗組計算思維提升水平整體上高于對照組。

（三）實驗組的計算思維發(fā)展水平優(yōu)于對照組，在計算觀念維度的表現(xiàn)更為突出

以思維導(dǎo)圖作品為基礎(chǔ)，對計算思維三個維度在三個階段成績進行兩組間的獨立樣本t檢驗，見表6。從計算概念上分析，T3階段P小于0.05，表示兩組計算概念水平在T3階段存在顯著性差異，但T1階段P值大于0.05，T2的P值接近0.05且小于T1的P值，說明計算概念在三階段兩組間存在差異擴大的顯著性趨勢。從計算實踐上分析，T2、T3階段P值均小于0.05，表示兩組計算實踐水平在T2、T3階段存在顯著性差異，但T1階段的P值大于0.05，說明后兩階段計算實踐水平兩組間存在顯著性差異擴大較快。從計算觀念上分析，T2、T3階段P值均小于0.05，表示兩組計算觀念水平在T2、T3階段存在顯著性差異，但在T1階段的P值大于0.05，說明兩組間計算觀念水平在T2、T3階段增長較快?？傮w上，T3階段兩組間計算思維三個維度都存在顯著性差異。

六、討? ?論

基于深度學習模型的教學實踐，學習者實現(xiàn)了包括動機、方法、態(tài)度等學習文化的改變，在“變”的過程中進行計算思維的培養(yǎng)，進而提升了學習品質(zhì)，促進深度學習的發(fā)生，而對學習效果的測量則是驗證模型可靠性的重要環(huán)節(jié)。

（一）學習文化與計算思維發(fā)展之間的關(guān)系

本研究模型始終將學習者置于核心位置，不僅關(guān)注學生的學習行為，還特別強調(diào)對學生思維發(fā)展過程的引導(dǎo)與支持，學生、活動以及人際等要素交互形成了“以學習者為中心”的學習文化。前人研究表明，學習系統(tǒng)的迭代發(fā)展可以提升學生的學習效益與品質(zhì)[22]。本研究實驗組在“以學習者為中心”文化的氛圍中，T2及T3階段呈現(xiàn)出顯著性差異，且基于思維導(dǎo)圖的計算思維差值擴大到6%（T2）和23.9%（T3），基于Scratch作品的計算思維差值擴大到12.4%（T2）和25.5%（T3）。其中蘊含了學習文化對提升學生的學習品質(zhì)，促進認知發(fā)展和提升計算思維水平的意義。

（二）計算思維發(fā)展與深度學習效果之間的關(guān)系

在本研究教學模型中，問題驅(qū)動是教學活動的基石，三個層次的問題解決思維過程對應(yīng)著深度學習的三個維度，因此，計算思維一定程度上可以揭示學生深度學習的總體水平，而計算概念、計算實踐和計算觀念則在微觀層面表征了學生深度學習發(fā)展趨勢。研究結(jié)果表明，起點相同的學生經(jīng)過18周學習，計算思維水平都得到了提升，但實驗組的發(fā)展水平更優(yōu)。T3階段計算觀念差異性的顯著性最大，計算實踐次之。由此表明，基于真實情境的問題解決，由項目分析引導(dǎo)思維結(jié)構(gòu)的優(yōu)化，使學生在問題解決過程中不斷做出分解、抽象、概括以及方案制定等學習反應(yīng)，并使之發(fā)展成為一種能力，形成計算思維的發(fā)展，進而促進深度學習的發(fā)生。

（三）評價工具的選擇及評價的有效性

由于課程內(nèi)容的局限導(dǎo)致評價工具選擇余地較小，Scratch專用評價工具Dr.Scratch的評價指標主要指向計算實踐，僅有的計算概念及計算觀念的評價指標均為描述性評價，難以量化。為使計算思維評價更客觀全面，本研究還評價了學生作品完成前的項目分析和設(shè)計階段的思維導(dǎo)圖作品，其框架由深度學習、計算思維以及認知領(lǐng)域的理論演繹而來，形成了兩種評價工具的交叉互證關(guān)系。從效果看，評價工具的信度和相關(guān)性都較好。在對兩組部分學生在線討論內(nèi)容分析后發(fā)現(xiàn)，實驗組學生從T1階段關(guān)注探討項目解決的操作方法到T2階段相當一部分學生關(guān)注解決方案的優(yōu)化再到T3階段有學生開始討論解決方案是否適用于其他問題情境，這一變化過程與學生計算思維評價的結(jié)果也較為一致。

七、結(jié)? ?語

研究結(jié)果表明，相比傳統(tǒng)教學，基于“面向計算思維發(fā)展的深度學習模型”的教學更顯著地提升了學生計算思維水平，且高水平的計算思維可幫助學生完成更高質(zhì)量的作品并促進深度學習。這將為中小學教師采用可視化編程工具開展促進計算思維和深度學習發(fā)展的教學實踐提供了強有力的證據(jù)支撐。然而，目前計算思維的評價工具處于研究初期，還沒有一個經(jīng)嚴格論證且本土的、通用的工具出現(xiàn)，加上受時間和樣本等因素所限，本研究還存在一定的局限性。因此，通過計算思維視角來審視學生深度學習的狀態(tài)難免會產(chǎn)生一定誤差，期待在后續(xù)實踐過程中不斷優(yōu)化評價標準來加以完善。

[參考文獻]

[1] SMITH T， COLBY S. Teaching for deep learning[J]. The clearing house， 2007，80（5）：205-210.

[2] ERIC J， LEANN N.深度學習的7種策略[M].上海：華東師范大學出版社， 2010.

[3] 何玲，黎加厚.促進學生深度學習[J].現(xiàn)代教學， 2005（5）：29-30.

[4] 何克抗.深度學習： 網(wǎng)絡(luò)時代學習方式的變革[J]. 教育研究， 2018，460（5）：113-117.

[5] 胡航，董玉琦.深度學習內(nèi)容及其資源表征的實證研究[J]. 中國遠程教育， 2017（8）：57-63.

[6] 中華人民共和國教育部.普通高中課程方案（2017年版）[M].北京：人民教育出版社， 2018：6.

[7] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]//Proceedings of the 2012 Annual Meeting of the American Educational Research Association， Vancouver， Canada， 2012.

[8] 龔靜，侯長林，張新婷.計算思維能力發(fā)展模型與教學程序研究[J].現(xiàn)代教育技術(shù)，2018（4）：48-54.

[9] 樊雅琴，王炳皓.深度學習國內(nèi)研究綜述[J].中國遠程教育，2015（6）：27-33.

[10] FESSAKIS G， GOULI E， MAVROUDI E. Problem solving by 5-6 years old kindergarten children in a computer programming environment： a case study[J]. Computers & education， 2013（63）：87-97.

[11] URQUIZA-FUENTES J， VELAZQUEZ-ITURBIDE J. Toward the effective use of educational program animations： the roles of student's engagement and topic complexity[J]. Computers & education， 2013， 67（9）：178-192.

[12] 莊慧娟，柳嬋娟.基于解釋的協(xié)作知識建構(gòu)過程模型[J].現(xiàn)代教育技術(shù)，2008（9）：19-22，31.

[13] 楊伊，夏惠賢.項目學習：課程與教學改革熱點新透視[J].現(xiàn)代基礎(chǔ)教育研究，2019，34（2）：36-43.

[14] 王國華，俞樹煜，黃慧芳，胡艷.國內(nèi)混合式學習研究現(xiàn)狀分析[J].中國遠程教育，2015，（2）：25-31.

[15] 黃榮懷，馬丁，鄭蘭琴，等.基于混合式學習的課程設(shè)計理論[J].電化教育研究，2009（1）：9-14.

[16] 董玉琦，王靖，伊亮亮，邊家勝. CTCL：教育技術(shù)學研究的新范式（1）——基本構(gòu)想與初步研究[J]. 遠程教育雜志，2012（2）：3-14.

[17] 尹相杰，董玉琦，胡航. CTCL視野下的小學數(shù)學概念轉(zhuǎn)變的實證研究——以“相交與垂直”為例[J]. 現(xiàn)代教育技術(shù)， 2018（2）：47-53.

[18] 畢景剛，董玉琦，韓穎.促進批判性思維發(fā)展的在線學習活動模型設(shè)計研究[J].中國遠程教育，2019（6）：33-40.

[19] 陳興冶，王昌國.高中信息技術(shù)學科計算思維培養(yǎng)的實證研究[J].電化教育研究，2019 （12）：97-102.

[20] 閆寒冰.信息化教學的學習支架研究[J].中國電化教育，2003（11）：18-21.

[21] HOUGH S， NANCY， O'RODE， et al. Using concept maps to assess change in teachers' understandings of Algebra： a respectful approach[J]. Journal of mathematics teacher education， 2007，10（01）：23-41.

[22] 胡航，董玉琦.技術(shù)促進深度學習：“個性化—合作”學習的理論構(gòu)建與實證研究[J].遠程教育雜志， 2017，35（3）：48-61.

Deep Learning Model Construction for the Development of Computational Thinking： Taking Visual Programming Teaching as An Example

CHEN Xingye1，? MA Yingying1，? YANG Yi2

（1.Shanghai Experimental School， Shanghai 200125;? 2.College of Education， Shanghai Normal University， Shanghai 200234）

[Abstract] The information age calls for deep learning， which is deeply and intrinsically related to computational thinking. In the teaching of information technology， how to develop students' computational thinking is a teaching dilemma faced by many primary and secondary school teachers. In this context， this study constructs a "deep learning model for the development of computational thinking". Guided by knowledge construction， blended learning theory and CTCL research paradigm， classroom teaching activities are divided into four aspects： teacher behavior， student behavior， thinking process and evaluation summary. Based on this model， an eighteen-week experiment is conducted in a visual programming course. Through the evaluation of the works of three stages and two dimensions， the development of computational thinking of students in experimental group and control group is compared and analyzed. The results indicate that in the three stages， the computational thinking ability of the experimental group is better than that of the control group， and the improvement level of computational thinking ability is higher than that of the control group. The development level of each dimension of computational thinking in the experimental group and the control group is relatively balanced. It can be concluded that this learning model can effectively improve students' computational thinking level and promote the occurrence of deep learning.

[Keywords] Deep Learning; Computational Thinking; Visual Programming; Teaching Model