克里斯蒂娜·提克瓦 埃夫西米澳斯·坦布里斯

摘 要：通過編程培養(yǎng)計算思維引起了越來越多的關注，該領域的學者認為，計算思維是發(fā)展21世紀技能的理想媒介，因此，世界各地都提倡K-12，相關研究迅速增加。然而，研究表明，關于計算思維的研究與教育實踐中存在諸多挑戰(zhàn)。此外，由于缺乏整體規(guī)劃，人們尚未全面理解計算思維領域存在的挑戰(zhàn)及計算思維課程的發(fā)展。因此，本研究的目的是在系統(tǒng)文獻綜述的基礎上開發(fā)一個概念模型，繪制K-12教育領域中通過編程培養(yǎng)計算思維的導圖?；趯?01項研究的綜合分析和對計算思維領域的識別，本研究提出K-12教育中通過編程培養(yǎng)計算思維的概念模型。該模型包括6個計算思維領域（知識庫、學習策略、評估、工具、因素和能力建設）及其相互關系。該概念模型有助于了解計算思維領域，并為未來研究打下基礎。此外，該模型支持將計算思維整合進K-12教育實踐中，為教育政策制定者和研究人員提供資料，并使研究、實踐和政策結合得更加緊密。

關鍵詞：計算思維；編程；K-12教育

中圖分類號：B812.2 文獻標識碼： A 文章編號： 1004-8502（2023）01-0101-28

譯者簡介：胡多嬌，華東理工大學碩士研究生，研究方向為翻譯實踐；宋帥，上海外國語大學賢達經濟人文學院講師，研究方向為英語教學和翻譯；趙靜潔，華東理工大學碩士研究生，研究方向為翻譯實踐；曲穎，華東理工大學碩士研究生，研究方向為翻譯實踐；李巖，華東理工大學外國語學院講師，研究方向為英語教學。

一、引言

計算思維（Computational Thinking，CT）起源于20世紀80年代，由派珀特向年輕學生介紹編程時提出[1]。后來在2006年，溫將計算思維定義為“通過借鑒計算機科學的基本概念來解決問題、設計系統(tǒng)和理解人類行為 ”的過程[2]。如今有學者認為，計算思維是每個人必備的技能[2]，是發(fā)展21世紀技能的理想媒介[3][4]。

過去約15年來，計算思維再度受到學界關注，該研究領域開始走向成熟。近年來，大量關于計算思維的研究發(fā)表[5]。許多研究表明，計算思維的一些特定領域存在諸多挑戰(zhàn)，包括：第一，開發(fā)能夠涵蓋計算思維復雜性并能被廣為接受的評估方法和框架[6-13]；第二，設計基于理論的方法，使學習策略與計算思維相匹配[14]；第三，確定教授計算思維所需的知識以及為教師提供支持的方法[15-17]。計算思維領域的全面導圖可以使人們更好地理解現(xiàn)存挑戰(zhàn)，并為未來的研究提供指導。

一些文獻綜述從不同角度審視了整個計算思維領域，并提出相關框架與定義。研究人員回顧文獻，旨在通過K-12課程的編程深入了解計算思維 [4]，了解計算思維在教育中的發(fā)展和應用[5]，促進K-12課程中的計算思維學習和評估[18]，并支持教育者開發(fā)計算思維任務和程序[19]。盡管研究人員已做了許多努力，但仍缺乏計算思維領域的全面導圖。

此外，為滿足社會對21世紀技能的需求，世界各地都在努力將計算思維融入學校教育[20-22]。同時，許多正在實施的倡議通過提供課程建議[23]、計算思維和編程的工具與資源[24]促進計算思維的發(fā)展。然而，目前在K-12教育領域并沒有通過編程培養(yǎng)計算思維的完整導圖幫助教育工作者設計計算思維課程。一些研究強調，教師缺乏對如何將計算思維有效整合到K-12教育實踐的清晰理解[3][8][17]。

推進計算思維領域研究并促進計算思維教育實踐的一個方法是系統(tǒng)地研究現(xiàn)有文獻，并創(chuàng)建一個該領域導圖的概念模型。開發(fā)概念模型是“為了理解和交流而對我們周圍物質世界和社會世界某些方面的活動進行理論描述”[25]。概念模型還有助于對相關領域進行推理，交流領域細節(jié)，記錄領域信息以供將來參考，從而幫助人們加深對該領域的理解[26]。此外，概念模型可以為該領域知識的發(fā)展提供堅實基礎，成為人們在已知和需知之間的有效指引[27]。K-12教育中通過編程培養(yǎng)計算思維的概念模型可以作為基礎，幫助研究人員從整體上更好地理解該領域及其面臨的挑戰(zhàn)，并識別出已研究領域和尚需進一步研究的領域。此外，概念模型可以作為契合點[25]，通過為教師提供參考協(xié)助K-12教育中的計算思維教學。

本研究的目的是在系統(tǒng)性回顧文獻的基礎上開發(fā)一個K-12教育中通過編程培養(yǎng)計算思維的概念模型。這一模型有助于理解計算思維領域，并為未來研究提供參考，也有助于支持研究人員關注計算思維研究中的重大研究空白，擁有最新的相關文獻整合資料。此外，它還支持將計算思維融入K-12教育實踐，為教師和政策制定者提供資料，使研究、實踐和政策結合得更加緊密。

概念模型的開發(fā)包括計算思維領域中的概念和關系識別及其可視化呈現(xiàn)[28]。對此，研究人員系統(tǒng)地回顧了有關文獻，并記錄了研究人員感興趣的所有主題，如評估、支持教師的專業(yè)發(fā)展、相關工具等，這些在相關發(fā)表成果中已有討論。然后，根據(jù)研究人員定義的計算思維領域將這些主題進行分組。最后，構建CTPK-12概念模型以呈現(xiàn)上述計算思維領域及各領域間的關系。

二、研究背景

計算思維是一種思維過程，涉及利用計算機科學（Computer Science， CS）的核心概念解決問題和設計模型系統(tǒng)[29]。計算思維借鑒了計算機科學的概念，但它是每個人的基本技能。溫認為，“除了閱讀、寫作和算術，我們還應將計算思維植入每個孩子的分析能力中” [2]。阿霍將計算思維定義為“闡述問題時所涉及的思維過程，因此，問題的解決方案可以表示為計算步驟與算法” [30]。相關文獻中還有許多對計算思維的不同定義。

計算思維的定義可分為兩大類：一類是通用定義，側重于將計算思維視為一種思維過程[31]，另一類是描述計算思維所包含內容的定義模型。后者包含計算思維要素模型的開發(fā)過程。例如，巴爾和斯蒂芬森的模型是在多學科背景下提出了計算思維的概念和能力[32]。安杰利等人開發(fā)了一個描述計算思維技能的概念框架[15]。美國計算機科學教師協(xié)會和美國國際教育技術協(xié)會提供了計算思維的操作定義，描述了計算思維的特征和看法[33]。塞爾比的定義模型描述了計算思維的思維過程[34]。溫托賓等人開發(fā)了一個呈現(xiàn)計算思維實踐的模型[35]。布倫南和雷斯尼克的計算思維框架描述了計算思維的概念、實踐和觀點[6]。舒特等人開發(fā)了一個可用于評估計算思維的能力模型[18]?？欣麏W格魯?shù)热藰嫿艘粋€描述計算思維技能的框架，并認為計算思維是一個解決問題的過程[19]。張和努里擴展了布倫南和雷斯尼克的框架，將計算思維技能納入其中[6][36]。一些定義模型對計算思維要素的描述摘要如下（見表1）。由于文獻中引用了大量模型，這些模型時間跨度較大，且采用的研究方法各不相同（例如，系統(tǒng)的文獻綜述、作者既往研究、文獻綜述、會議論文集等），因而本研究將有選擇地對具體模型進行介紹。

雖然有關文獻不只探討了編程這一種方法，但編程與計算思維緊密相關[37]。然而，二者之間的具體關系并不明確[22]?；谝阎娊?，一方面，編程為執(zhí)行計算思維的概念和實踐提供了必要的機制[6][38]，是完成有關計算思維認知任務的關鍵工具[3]；另一方面，計算思維也為編程提供了一個新的方向，使其成為理解數(shù)字世界的一種手段，同時促進K-12教育環(huán)境中的編程教學[4][39]。計算思維和編程之間這種雙向關聯(lián)可以描述為：編程支持計算思維的發(fā)展，而計算思維也賦予編程全新的作用。

將計算思維融入課程是世界上許多國家的一個重要目標[40]。在美國，大多數(shù)計算機科學課程涉及計算思維概念，如問題分解、調試、抽象和算法[10]。以色列的課程讓學生接觸計算思維，目的是向學生介紹邏輯和算法思維[41]。其他國家也在推動將計算思維融入課程，比如波蘭、新西蘭、愛沙尼亞、芬蘭、瑞典、挪威和韓國[40]。

近年來，有關計算思維的文獻綜述越來越多，這也表明人們對計算思維的濃厚興趣。其中一些綜述側重于計算思維領域的某個特定主題（比如技術或評估[42][43]），而另一些則涉及多個主題。涵蓋多個主題的綜述可分為三類：第一類，旨在開發(fā)定義模型的研究（如卡列利奧格魯?shù)热薣19]）；第二類，通過文獻綜述為計算思維教學提供見解的研究[3][4][20]）；第三類，旨在分析計算思維的研究[5]。盡管這些文獻回顧了在K-12教育中通過編程培養(yǎng)計算思維的各個方面，但依然沒有建立起計算思維領域的概念模型。

三、研究設計

（一）研究目標與研究問題

本研究的目標是開發(fā)一個反映K-12教育中通過編程培養(yǎng)計算思維的概念模型。該模型旨在描述計算思維領域以及各領域之間的關系。關于國家課程的政策和問題等將計算思維融入K-12教育的條件不屬于該模型的范圍。

研究問題包括：

問題1. 在K-12教育領域中，通過編程培養(yǎng)計算思維的領域有哪些？

問題2. 每個計算思維領域有哪些子領域？

問題3. 各計算思維領域之間是如何相互關聯(lián)的？

（二） 研究方法

為了開發(fā)反映K-12教育中通過編程培養(yǎng)計算思維的概念模型，本研究采用了萬德和韋伯提出的兩個步驟：第一，獲取領域知識；第二，將領域知識可視化[28]。圖1為研究方法，展示了研究步驟和相關研究結果。研究人員采用韋伯斯特和沃森[27]的系統(tǒng)文獻綜述法來獲取領域知識（計算思維領域及各領域間關系），包括識別計算思維來源的結構化方式和以概念為中心的結果呈現(xiàn)方法。首先，研究人員在研究選擇階段采用PRISMA聲明（系統(tǒng)綜述和元分析優(yōu)先報告規(guī)范）[44]。然后，在編碼方案確定階段確定計算思維領域，作為在數(shù)據(jù)提取階段的編碼方案。數(shù)據(jù)提取階段的目的是確定每個計算思維領域的子領域以及各計算思維領域之間的關系。最后對數(shù)據(jù)提取階段的結果進行可視化操作。整個研究過程演變?yōu)榈A段，過程中產生了許多尚在分析中的新研究，從而對計算思維領域、子領域及其相互關系進行修訂。下文將進一步闡述本研究所遵循的步驟。

1. 獲取領域知識

（1）研究篩選

本研究采用PRISMA聲明進行研究選擇（見圖2）。具體來說，本研究按照韋伯斯特和沃森的提議[27]，通過考察選定研究進行識別，據(jù)此調整PRISMA流程圖（圖2），將額外記錄歸進納入階段。

對納入綜述的研究的選擇是決定綜述有效性的一個關鍵因素。為此，研究人員共同確定了搜索關鍵詞和標準，但各自獨立進行研究篩選及應用文獻納入和排除標準。這一過程中出現(xiàn)了一些問題，但都通過討論得以解決，并最終達成一致。該階段的研究結果在補充材料中有詳細介紹（所有補充材料都列在附錄B中）。

以下內容對研究選擇階段的子步驟進行了概述。

①識別。利用科學數(shù)據(jù)庫Web of Science和Scopus中的關鍵詞檢索相關研究。具體來說，本研究搜索了“計算思維”這一短語（包括引號），并將時間限制在2006年以后。選擇2006年這一時間節(jié)點是因為溫在2006年重新提出了“計算思維”這一術語。在Scopus中，本研究的搜索范圍包括標題、摘要和關鍵詞；在Web of Science中，本研究將類別限定為教育研究。在Web of Science和Scopus數(shù)據(jù)庫中，本研究只搜索了文章和述評。保持上述搜索條件，搜索工作從2018年3月持續(xù)到2019年10月，共計3次，篩選出759項研究，其中499篇文章來自Scopus數(shù)據(jù)庫，260篇文章來自Web of Science數(shù)據(jù)庫。

②篩選。刪除173個重復研究后，對上一子步驟檢索得到的研究進行篩選。研究人員閱讀了所有的標題和摘要，并刪除了非英語研究或無法獲得全文的研究，同時排除了短篇論文。該子步驟結束后，還剩下308項研究。

③資格審查。這一子步驟檢查全文并采用以下文獻納入和排除標準，進一步檢閱了篩選步驟中檢索到的研究。

文獻納入標準如下：第一，研究應發(fā)表于期刊；第二，研究可以是概念性論文、觀點性文章和實證研究，因為除實證研究外，概念性論文包括理論框架和未來方向，納入此類論文可以擴大綜述的范圍；第三，研究重點應為K-12教育中的計算思維，且涉及編程；第四，如果是實證性計算思維研究，參與者應為K-12學生、K-12職前教師或K-12在職教師。

文獻排除標準，即應排除有如下情況的研究：第一，沒有專門關注K-12教育中的計算思維，如關注高等教育的研究；第二，沒有專門關注通過編程培養(yǎng)計算思維，如研究方法側重于有形工件、桌游、展品等；第三，只在引言或研究背景部分提到計算思維，而在研究結果中并未提到計算思維，或測量的是其他東西而非計算思維。

④完成收集。隨后，通過審查其引文（向后）和確定引用過它們的文章（向前）進一步篩選這些研究。通過這一研究步驟，又收集了14項額外研究，包括2份灰色文獻資料。最后，共有101項研究被納入此次研究范圍（附錄A）。

（2）確定編碼方案

為確定K-12教育中通過編程培養(yǎng)的計算思維作為本研究的編碼方案，我們使用了傳統(tǒng)內容分析法。當現(xiàn)有的理論有限且不采用預設的編碼方案，而是通過文本分析導出編碼方案時，建議采用傳統(tǒng)內容分析法[45]。本研究選擇傳統(tǒng)內容分析法，正是因為缺乏描述計算思維領域的概念模型。一開始，我們通讀了所有文獻，以便從整體上了解計算思維領域。然后仔細閱讀了每一篇文獻，并關注指代某個概念/領域的關鍵詞。接著將關鍵詞進行組合，提供編碼方案的類別。例如，對關鍵詞“評估計算思維的發(fā)展”“評估”“評估和評價”“評估”進行歸類，最終在編碼方案中加入了“評估領域”。最后，我們根據(jù)這些類別將研究進行分類，通過增加新的類別或合并與拆分現(xiàn)有類別，不斷完善編碼方案，以確定最終編碼方案的類別。此后，這些類別被稱為計算思維領域，并作為編碼方案和概念模型的概念。

因此，我們編制了一個概念矩陣，也稱計算思維領域矩陣，該矩陣列出了每篇文獻所對應的計算思維領域。正如韋伯斯特和沃森所建議的那樣，我們通過這種方式使研究方法從以作者為中心過渡到以概念為中心（見表2）。

（3）數(shù)據(jù)提取

在這一階段，我們將所選的研究按編碼方案進行分類，并使用表格記錄補充材料中的每個計算思維領域（附錄B）。在將一項研究插入表格時，我們也記錄了該研究中出現(xiàn)的領域要素（見圖3）。隨后，將每個要素與其他所有要素進行比較，與其他要素明確匹配的要素又可以構成一個子領域。例如，在評估領域中，“項目分析”與“檢查工件的計算思維模式”兩個要素包括在“工件分析”這一子領域中。只包含一個要素的子領域和低頻（<2項研究）子領域僅在補充材料（附錄B）中列出，未被納入模型中。

隨后，我們針對每個計算思維領域建立表格，記錄能夠證明各子領域（見圖4）和各領域間關系的證據(jù)。然后，對記錄數(shù)據(jù)進行分組，最終總結出各領域間的關系。

2. 領域知識可視化

在這一步，我們采用錫奧和譚提出的概念導圖[46]，將概念（計算思維領域）和領域間的關系可視化，其確定過程已在“獲取領域知識”部分詳述。我們創(chuàng)建了一個可視化的概念模型，將計算思維領域設定為節(jié)點。在每個節(jié)點上，我們會關注前一階段所確定的各計算思維領域的子領域。最后，將計算思維領域之間的關系用鏈接表示，然后對每個鏈接進行標記以解釋它們之間的關系。

（三）研究的局限性

本研究存在一定局限性。第一，本研究所提出的模型只以對英文文獻的分析為基礎。第二，本研究只在兩個科學數(shù)據(jù)庫中進行了搜索，即Web of Science和Scopus。第三，本研究的搜索只包括在期刊上發(fā)表的文章。盡管我們最終納入了一些會議論文和灰色文獻（我們對所選研究的參考文獻進行人工檢索，確定了這些灰色文獻），但大部分入選文獻仍然是期刊文章。第四，本研究搜索設置的時間范圍限制在2006年以后。因此，該模型完全基于2006年至今的研究，并未考慮計算思維研究的初始階段。第五，本研究沒有納入所有符合質量標準（見“資格審查”部分）的研究，因此無法對所有已開展的研究進行詳盡介紹。最后，本研究帶有主觀性，且參與研究者數(shù)量較少（只有兩位）。盡管本研究采用了系統(tǒng)的方法（詳見“研究方法”部分），但仍需在以下方面作出主觀選擇：例如，對要素進行分組、根據(jù)記錄的證據(jù)定義關系、為計算思維領域和子領域命名以及確定最終包含在模型中的子領域的排除標準。

四、研究結果

（一） 確定計算思維領域

在編碼方案確定階段，我們對101項研究進行了分析，確定了6個計算思維領域（見表3）。補充材料（附錄B）中提供了計算思維領域矩陣，我們在其中記錄了各計算思維研究包含的領域。計算思維研究試圖解決K-12教育中通過編程培養(yǎng)計算思維所面臨的問題，重點關注在所選研究中反復出現(xiàn)的領域。

計算思維各領域研究所占的百分比見圖5。我們將這些研究按照時間分為2006—2014年和2015—2019年兩個組。如圖5所示，“評估”和“工具”是兩個最受歡迎的領域，學者在這兩個時期均對其有濃厚的研究興趣。評估領域在兩個時期中都排在第1位（2006—2014年期間為27.9%，2015—2019年期間為25.6%），其次是工具領域（兩個時期均為20.9%）。在2006—2014年期間，知識庫領域排在第3位（18.6%），而在2015—2019年期間，旨在定義計算思維的研究比例降至8.5%，知識庫領域成為學者最不感興趣的領域。相反，專注于學習策略的研究比例從2006—2014年期間的9.3%增長到2015—2019年期間的17.1%，學習策略領域成為所選研究中第三大受歡迎領域。對于能力建設領域，專門針對該領域的研究比例從2006—2014年期間的9.3%增長到2015—2019年期間的14.7%，能力建設領域的受歡迎度位于第4位，其次是因素領域。這些結果表明，隨著計算思維領域的發(fā)展，相關研究仍然集中在“評估”和“工具”領域，但關注的重點已不僅限于計算思維的定義，而是轉向更具體的問題，如學習策略、能力建設和因素。

（二） 計算思維領域

1. 知識庫領域

知識庫領域是計算思維領域的核心，101項研究中有57項屬于這一領域。在這些研究中，研究人員或提出一個框架或定義來識別和分類計算思維的可測量要素，或簡單地評估計算思維要素以評估計算思維。本研究基于計算思維框架考察了所選研究中的計算思維要素，并將知識庫領域分為5個子領域：概念、技能、實踐、觀點和態(tài)度（見表4）。

在選定的研究中，計算思維知識庫分析結果包括各種計算思維要素和描述計算思維要素分類的術語，例如技能、能力、觀點、態(tài)度、實踐、特征、概念、方面和思維過程。其中，一些術語通常有不同的含義。

此外，若干計算思維要素，如抽象、算法、分解、數(shù)據(jù)表征、測試、評估、調試、概括、迭代，似乎具有多種分類方式，包括計算思維技能、計算思維概念、計算思維實踐或思維過程。例如，抽象分別被歸為“抽象思考能力”的思維過程[34]、“決定保留和忽略關于實體/對象的哪些信息的技能” [15]，以及抽象和模塊化的實踐，即“通過將較小部分的集合放在一起構建較大的事物” [6]。

根據(jù)布倫南和雷斯尼克的框架，對選定研究的分析揭示了以下計算思維實踐：測試與調試、再混合和再利用代碼、增量與迭代、抽象與模塊化。此外，登納等人提出的可用性設計、代碼組織和文檔以及編程效率等要素也很明顯是進行計算思維的關鍵能力[7]。

布倫南和雷斯尼克定義的計算思維概念在本研究中反復出現(xiàn)，包括序列、條件、環(huán)路、事件、并行化、變量（數(shù)據(jù)）和操作符。布倫南和雷斯尼克的框架中未包含的功能、同步塊和用戶交互塊也在本研究中有明顯體現(xiàn)。在選定的實證研究中，研究人員經常將這些計算思維概念與其他計算思維要素相匹配[12][47]。例如，馮·瓦根海姆等人將Snap中多個腳本的使用和自定義塊的定義視為抽象化[47]。

通過回顧這些研究，我們發(fā)現(xiàn)了邏輯、協(xié)作、合作、問題解決、創(chuàng)造力、溝通、批判性思維、自我效能等要素。這些要素出現(xiàn)過1～2次，沒有被納入計算思維框架中。這些要素的存在是可以解釋的，因為有研究人員采用一些經過驗證的通用評估方法對其進行了評估[12][48]。也有其他研究采用了這些通用評估方法[49-55]，導致這些要素大量存在于我們回顧的實證研究中。

計算思維態(tài)度和觀點在回顧的研究中出現(xiàn)的頻率較低，主要包括布倫南和雷斯尼克所述的“連接”和“表達”[6]。

2. 評估領域

有53項研究對計算思維評估領域進行了考察。在所選研究中，研究人員開發(fā)并驗證了評估方法，提出框架或測量學生的計算思維水平，以便通過各種評估方法深入了解學生的學習情況[9]。本研究將評估領域分為5個子領域：自我報告法、測驗、工件分析、觀察和框架。其中，測驗、工件分析和觀察直接測量計算思維，與通過記錄自我反思來間接測量計算思維的自我報告法相反。表5列出了評估的分類。

所選研究中的計算思維評估方法主要基于每項研究的具體內容。然而，也有學者致力于開發(fā)通用評估方法，比如開發(fā)和驗證用于計算思維評估和自動工件分析工具的測驗和自我報告量表[12][31][48][56-59]。工件分析通過檢查學生的程序來檢測計算思維存在的證據(jù)。自動工件分析能讓教師和研究人員將重點放在觀察和訪談等評估方法上，以便更全面地獲知學生的理解水平[43]。

評估框架通常能夠給出評估方法的最佳組合。已經提出的框架涉及數(shù)據(jù)挖掘技術、假設驅動的方法和以證據(jù)為中心的設計方法[10][60][61]。

3. 學習策略領域

回顧發(fā)現(xiàn)，有37項研究涉及學習策略。研究人員將最常見的學習策略領域分為6個子領域：基于游戲的相關策略、基于建模和模擬的相關策略、問題解決相關策略、基于項目的相關策略、腳手架相關策略和協(xié)作相關策略（見表6）。腳手架相關策略被分為一個單獨的子領域，因為選定的研究特別強調腳手架相關策略。其他策略還包括動手實踐、通過媒體設計進行美學設計、講故事和引導發(fā)現(xiàn)。

另外，研究顯示，關注學習策略的研究或提出了計算思維的教學框架，或通過應用學習策略激發(fā)學生培養(yǎng)計算思維。其中許多策略都與基于皮亞杰建構主義理論的建構主義和/或維果茨基的“最近發(fā)展區(qū)”[62][63]有關。此外，學習策略在傳統(tǒng)課堂環(huán)境、遠程或混合環(huán)境中實施[11][38]，利用了教師指導和虛擬學習環(huán)境提供的服務。在選定的研究中，研究人員經常同時使用多種學習策略以充分發(fā)揮各策略的優(yōu)勢。在關注學習策略這一領域的37項研究中，有15項應用提出了一種以上的學習策略。

4. 因素領域

有22項研究討論了與計算思維相關的因素。我們將因素領域分為2個子領域：人口因素及認知與非認知因素（見表7）。人口因素在所選研究中最為突出，22項研究中，有17項討論了學生的性別，7項討論了學生的年級。

有幾項研究探討了計算思維和學生年級之間的關系。其中一些研究表明，計算思維習得與年級（或年齡）無關[64][65]。另外幾項研究認為，計算思維習得與年級（或年齡）之間存在顯著相關。然而，這些研究對二者關系類型的結果卻存在著矛盾。一方面，一些研究表明，年級或年齡與計算思維之間存在著正相關關系。更具體地說，羅曼·岡薩雷斯等人使用計算思維測驗評估了1251名學生的計算思維水平并得出結論：計算思維水平隨著年級的增加而提高，因此表明這一發(fā)現(xiàn)可能與計算思維在認知問題解決方面的作用有關，與杜拉克等人報告的研究結果一致[31][49]。另一方面，也有研究證明，年齡（年級）和計算思維之間呈負相關關系。更具體地說，杜拉克和薩里特佩奇發(fā)現(xiàn)，年級對計算思維呈負向預測關系，即隨著學生年級增加，他們的計算思維水平會受到負面影響[66]。然而，他們指出，這一發(fā)現(xiàn)可能與研究參與者之前的經歷有關，年級不同，經歷也不同?？住⑶窈唾囈矆蟾媪擞嬎闼季S（編程授權要素）與年級之間的負相關關系[57]。然而，作者強調，其他因素（如個性化教學的減少和難度水平的差異）可能會影響學生的計算思維習得。以色列·菲舍爾森和赫爾什科維茨進一步比較了不同年級學生在特定計算思維要素上的成績[67]。他們強調，不同年級的學生擅長的概念不盡相同，這表明計算思維方法的設計應該考慮“計算思維概念和年級之間的匹配” [67]。

關于性別與計算思維關系的研究結果也相互矛盾。其中一些研究表明，計算思維習得與性別有關，而另一些研究發(fā)現(xiàn)性別和計算思維學習之間沒有顯著關聯(lián)[64][65]。同樣，認為計算思維與性別顯著相關的研究也得出了相互矛盾的結論。其中一些研究發(fā)現(xiàn)，計算思維水平的分化對女性學生有利[49][66]，而其他研究則表明計算思維水平的分化對男性學生有利[31][57]。研究還討論了與人口統(tǒng)計學因素（如性別、社會經濟）有關的挑戰(zhàn)，如在計算機科學方面表現(xiàn)不佳以及學習動機不強的問題[16][68][69]。

另外，所選研究中對創(chuàng)造力的探討包括兩種不同的研究角度。一些研究將創(chuàng)造力與其他要素一起歸為計算思維的核心要素[13][48][59][70][71]，而其他研究將創(chuàng)造力作為一個獨立的結構，單獨研究其與計算思維的關系。參與努里、張和馬尼拉等人研究的教師稱，創(chuàng)造力是計算思維學習過程中出現(xiàn)的技能之一[72]。金姆發(fā)現(xiàn)，在參與計算思維干預后，學生的創(chuàng)造力有所提高[71]。相反，赫斯科維茲等人發(fā)現(xiàn)，計算思維和創(chuàng)造力之間沒有關系，但他們認為這可能與所用學習平臺的具體特征有關[73]。

所選研究對自我效能感的探討也分為上述兩種研究角度。羅曼·岡薩雷斯、佩雷斯·岡薩雷斯和莫雷·諾萊昂等人發(fā)現(xiàn)，計算思維與計算思維自我效能感呈正相關[74]。此外，他們認為，通過積極的個人學習體驗培養(yǎng)學生的自我效能感或許是習得計算思維的有效途徑。杜拉克等人也報告了計算思維和編程自我效能感之間的顯著關系[49]。

所選研究中涉及的其他因素包括個性、毅力、對編程的態(tài)度和興趣、對合作的態(tài)度、學業(yè)成就和對各學科的態(tài)度、學習編程遇到的挑戰(zhàn)及教師的教學目標[57][66][67][74-76]。

所選文獻還研究了認知因素，如語言、空間、推理、數(shù)字、解決問題的能力及思維方式和反思性思維[31][49][66]。

5. 工具領域

在47項研究中，研究人員使用或開發(fā)了計算思維教學和學習工具。本研究將K-12教育中通過編程進行計算思維教學的工具分為3個子領域：編程工具和社群、機器人和微控制器以及專為計算思維開發(fā)的工具。表8列出了工具分類。

在所選研究中，學生主要通過編程工具學習編程概念和實踐。根據(jù)布倫南和雷斯尼克的觀點，學生在編程過程中遇到的概念和實踐也可以被認為是計算思維的概念和實踐[6]。所選研究中記錄的大多數(shù)工具都是可視化編程工具。此外，即使使用文本編程，也通常會用動畫使其結果可視化?；诖淼木幊谭妒揭脖粡V泛應用。此外，有研究人員提出社群這一工具，認為計算思維和編程是社會實踐[39][77]。所選研究中的學生分享他們的程序并利用社群的社會化特征，按照邢的說法，社會化功能又可促進學生的計算思維發(fā)展[78]。

在部分所選研究中，機器人被用于計算思維教學，學生在編程機器人與環(huán)境互動的過程中會接觸到計算思維的概念和實踐。在其他工具中，教育機器人套件最為普遍[64][79]。在包含學生對自動化或復雜機器人設備編程的研究中，微控制器也是常用工具[49][80]。

一些研究通過開發(fā)工具支持計算思維理論框架或輔助課程。大多數(shù)開發(fā)的工具都是可視化編程工具，并涉及游戲玩法和/或建模[76][77][81-83]。

6. 能力建設領域

19項研究討論了為教師提供指導和支持的問題。本研究將能力建設領域分為3個子領域：計算思維教學知識、教師教育和專業(yè)發(fā)展（見表9）。

規(guī)范計算思維教學知識是為教師提供幫助的前提條件[15][16]，因此，我們將其劃為能力建設領域中一個單獨的子領域。所選研究中的學者提出，要將技術教學內容知識（Technological Pedagogical Content Knowledge， TPCK 或TPACK）用于具體規(guī)范計算思維教學知識[15][84]。TPCK將技術知識（knowledge of technology， TK）、內容知識（knowledge of content， CK）和教育學知識（knowledge of pedagogy， PK）交織在一起[85]。安杰利等人將計算思維的TPCK定義為“使教師能夠識別創(chuàng)新的、真正的計算思維項目的知識；能夠識別為整個計算思維領域的實踐/教學提供必要技術手段的技術；以及采用表征幫助所有人理解計算思維的知識”[15]。其他研究者將計算思維納入技術知識中，建議教師應理解技術知識，并將其與教育學知識和數(shù)學、語言、藝術等學科內容知識建立聯(lián)系[84]。

教師教育可將修訂版教育技術課程作為基礎，為職前教師提供習得計算思維的機會和方法課程。這些課程以教和學為重點，能夠促進計算思維融入職前教師未來的教育實踐[17]。根據(jù)這些研究思路，教師教育這一子領域的研究通過技術課程和方法課程向職前教師介紹計算思維[15][50][84][86]。例如，阿德勒和金姆將計算思維納入為職前教師開設的科學方法課程[87]。大部分在模擬條件下感受計算思維的參與者（90%）認為，計算思維和模擬條件可以融入課堂中。例如，在加布里爾等人的研究中，參與者在Scratch中開發(fā)了項目，隨后在實習期間將該項目運用到其教學實踐中[50]。

專業(yè)發(fā)展旨在支持教師理解計算思維并將其融入教學實踐中[88][89]。?？四睾推樟型小ち_德里格斯提出，專業(yè)發(fā)展應該：第一，提供與計算思維學習工具和計算思維學習策略相關的活動；第二，包括循序漸進的練習和自我指導的項目；第三，考慮教師已有的知識；第四，提供可直接融入教學實踐的資源；第五，通過直接評估方法評估教師的知識獲取情況[90]?？ㄈR、阿克卡奧格魯和卡倫等人認為，當專業(yè)發(fā)展側重于計算思維在不同領域和問題解決中的應用時，教師可從中認識到計算思維的重要性并將所學知識融入教學中[91]。持續(xù)的專業(yè)發(fā)展包括研討會、嵌入式輔導、行政支持、共同規(guī)劃課程和共同教學，也可以為在職教師提供寶貴的幫助，從而擴展他們在計算思維中的參與[92]。

五、K-12教育中通過編程培養(yǎng)計算思維（CTPK-12）的模型

K-12教育中通過編程培養(yǎng)計算思維（CTPK-12）的概念模型（見圖6）以提取的計算思維領域（如“計算思維領域”部分所述）及各領域間的關系為基礎（見表10）。CTPK-12模型的關系體現(xiàn)了綜述所選研究中發(fā)現(xiàn)的計算思維各領域間的主導關系。

R6和R7模型中的關系被認為是合理的，并在“計算思維領域”部分所描述的各計算思維領域的研究中有廣泛體現(xiàn)。R1模型的情況也是如此，但R1模型中的關系未在所選研究中得到廣泛的實證檢驗。本節(jié)將進一步闡述其余模型中計算思維各領域間的關系。

R2.一些研究將所提出的干預措施的成功歸因于應用的策略。格羅佛等人特別強調了其策略的教學設計，最終促進了學生理解計算思維概念（算法結構） [11]。雷佩寧等人還發(fā)現(xiàn)，涉及游戲設計、模擬和腳手架的可擴展游戲設計策略提升了學生的計算思維技能，突出了教學法在設計策略中的重要作用[69]。賽斯·洛佩茲、羅曼·岡薩雷斯和巴斯克斯·卡諾則采用了一種積極的教學方法，結論是參加研究的小學生在計算思維概念、邏輯和實踐方面提高了自身的計算思維水平[93]。此外，還有一些研究結果支持這樣一種假設，即游戲設計、利用軟件敏捷方法促進的項目學習和建模與模擬等學習策略能夠促進計算思維習得[9][51][52]。

R3.研究還討論了學習策略在人口統(tǒng)計學因素（如性別、社會經濟背景）帶來的挑戰(zhàn)中的作用，如在計算機科學方面表現(xiàn)不佳和學習動機不強[16][68]。研究認為，計算思維教學能激勵學習者，尤其是女性和代表性不足的學生。更具體地說，雷佩寧等人[69]和約阿尼杜、貝內特等人[94]認為，可擴展的游戲設計學習策略有助于擴大計算機科學的參與范圍。在參與可擴展游戲設計項目的4000多名學生中，56%是少數(shù)民族學生，45%是女生，女生中64%的人有興趣繼續(xù)參加計算思維活動。此外，少數(shù)民族因素并不影響學生繼續(xù)參與計算思維的興趣[69]。參與以色列等人研究的教師通過協(xié)作解決問題、建模、給予明確指導、同伴協(xié)作和引導發(fā)現(xiàn)來教授計算思維，以便貧困生和殘疾學生能夠學習計算機科學[92]。

R4.學習策略由工具支持。在32項以學生為中心的實證研究中，有21項利用工具來支持學習策略，幫助學生了解計算思維。各工具各有特點，可以用于支持不同的學習策略。例如，CTSiM等包括建模環(huán)境的工具可支持涉及建模的策略[76][82]。在所選研究中，游戲設計策略通常由Scratch等工具支持[95]，該工具能夠讓所有年齡的學生通過其營造的低階環(huán)境體驗游戲開發(fā)過程。

此外，有證據(jù)表明，在沒有學習策略的情況下使用工具是無法習得計算思維知識的。登納等人分析了108款由中學生在Creator中創(chuàng)作的游戲，發(fā)現(xiàn)這些游戲缺乏代碼組織、程序文件和可用性設計[7]。他們認為，這是因為學生在設計游戲和理解一些編程概念方面面臨困難，因此，他們建議，適當?shù)闹笇ぐl(fā)學生的學習動機至關重要。布倫南和雷斯尼克指出，利用Scratch開發(fā)項目的學生盡管已經集成一些編程結構，但有時仍無法解釋自己的程序[6]。趙和舒特通過學生開發(fā)的游戲環(huán)境檢測其計算思維的發(fā)展，指出學生計算思維水平的提高很大程度上可歸因于對環(huán)境熟悉程度的提高[96]。

R5.也有證據(jù)表明，工具可以提高代表性不足的學生對編程和計算機科學的參與度。在一項研究中，小學女生在參加計算思維課程并在應用程序Inventor中設計游戲后，對軟件教育的負面態(tài)度有所下降[71]。

此外，一些研究強調，某些工具的功能（如可視化界面）消除了與編程本質相關的挑戰(zhàn)（如學習復雜編程語法的困難）[4][9][24][76][97]。

六、研究討論

對知識庫領域的分析表明，近年來，為確定計算思維的可測量要素，研究人員使用各種術語來描述計算思維要素的分類，如概念、實踐、技能、態(tài)度、觀點。這些術語通常有不同的含義。此外，框架提出的幾個計算思維要素似乎也有多種分類方式。例如，抽象分別被歸為運用“抽象思考能力”的思維過程[34]，“決定保留和忽略關于實體/對象的哪些信息的技能” [15]，以及抽象和模塊化的實踐，即“通過將較小部分的集合放在一起構建較大的事物” [6]。

在分析所選研究的過程中，我們記錄了60多種不同的計算思維要素，這些要素有的由框架和定義提出，有的僅經過實證研究的評估。其中一些要素沒有包括在定義框架中，這一點可以用計算思維領域的演變來解釋。隨著計算思維領域研究的進展，除了各個框架提出的要素外，實證研究在其評估中引入了更多的計算思維要素。其中一些要素在綜述的研究中大量出現(xiàn)，這是因為其他研究采用的評估方法[12][48-55]。

許多回顧的實證研究將計算思維視為一種技能，例如溫在介紹計算思維時將其定義為一種技能和態(tài)度，而該定義被廣為接受[2]。此外，術語“計算思維技能”一詞來源于安杰利等人、美國計算機科學教師協(xié)會和美國國際教育技術協(xié)會的定義和框架[15][33]。布倫南和雷斯尼克描述的編程結構或計算思維概念也經常受到評估。這一發(fā)現(xiàn)與張和努里提出的結果一致[36]。這可能是因為計算思維概念可以通過直接評估方法進行評估，此外，其中一些方法還具備自動化的優(yōu)點，能給評估過程帶來便利。相反，觀點和態(tài)度很難通過直接評估方法考察，這很可能導致觀點和態(tài)度的評估在綜述的研究中出現(xiàn)的頻率較低。

計算思維評估的有關方法主要包括通過前測/后測、自我報告和工件分析對計算思維進行評估。為全面了解學習過程，一些研究在評估的同時還進行了觀察。盡管研究人員在努力開發(fā)通用的評估方法，但計算思維評估方法的選取很大程度上取決于每項研究的具體內容。這些評估方法大多是間接評估計算思維的自我報告法，提出了定義模型中不存在的計算思維要素。因此，我們可以得出這樣的結論：學界在評估計算思維的內容和方法問題上尚未達成一致意見。這一結論與幾項強調計算思維評估所面臨挑戰(zhàn)的研究一致[6][8-13][65]。

研究還表明，最常見的學習策略是基于游戲的相關策略以及利用腳手架和協(xié)作策略進行建模與模擬的相關策略?；谟螒蛟O計的相關策略提高了學生的動機水平，而建模和模擬相關策略促進了計算思維的核心過程（如抽象和評估）。有證據(jù)表明，能夠促進學生計算思維學習的學習策略至關重要，因為向年輕學生介紹計算思維而不采取適當?shù)膶W習策略會導致學生難以習得計算思維。

綜述研究中的工具提供了相關編程環(huán)境和社群，讓學生參與到編程建構和實踐中。其中大多數(shù)工具都具備可視化編程的特征。Scratch是最常用的工具，通常用于游戲和媒體設計。這可能要歸因于以下幾點：第一，Scratch的設計者提議將其作為支持計算思維開發(fā)的工具[95]；第二，在布倫南和雷斯尼克的框架中，計算思維要素是根據(jù)Scratch定義的，便于研究人員在其研究中使用Scratch[6]；第三，在Scratch中開發(fā)的項目可以運用Scratch等自動評估方法對計算思維進行評估[12]。

有幾項研究探討了計算思維相關因素，包括認知因素、非認知因素和人口因素。確定這些因素與計算思維的關系后，就可以根據(jù)這些因素為每種具體情況指出最合適的方法。大多數(shù)研究考察了性別和社會經濟因素以及由此產生的挑戰(zhàn)（如學生代表性不足、性別差異和社會差異）。對所選研究的回顧表明，雖然一些因素可能會影響計算思維的發(fā)展，但計算思維教學可以解決計算機科學參與度低的問題，并能提高代表性不足學生的興趣。布伊特拉戈·弗洛·雷斯等人[20]討論了由于編程的性質產生的可能影響計算思維習得的挑戰(zhàn)，所選研究中的學者和教師對此并不特別關注，這可能是因為這些困難可以用工具解決。

能力建設在2015年后受到廣泛關注。教師教育、專業(yè)發(fā)展和教師教授計算思維所需的知識是本文所選研究討論的主要問題。其中很多研究主要討論了教師面臨的挑戰(zhàn)，其他研究則提出了框架或討論了專業(yè)發(fā)展和教師教育的干預措施。

研究提出的CTPK-12概念模型旨在為理解領域和交流領域的細節(jié)提供幫助，并記錄K-12教育通過編程培養(yǎng)計算思維的信息，以供未來研究參考。CTPK-12概念模型可以擴展到包括高等教育或編程以外的其他方法（如動覺方法）。因此，隨著計算思維領域的發(fā)展，CTPK-12概念模型納入計算思維領域或子領域可能會成為未來研究的基礎。

此外，CTPK-12模型可以作為提出假設研究模型的基礎，在理論和統(tǒng)計估計之間建立直接聯(lián)系。如圖7所示，在該模型的部分計算思維領域之間提出研究假設，包括H1（學習策略領域和知識庫領域之間）：游戲設計能夠幫助人們習得計算思維技能；H2（學習策略領域和因素領域之間）：游戲設計可以激勵女性學生，解決性別差異問題；H3（工具領域和學習策略領域之間）：Scratch提供了體驗游戲開發(fā)的機會，支持游戲設計；H4（工具領域和因素領域之間）：Scratch可以激勵女性學生，解決性別差異問題；H5（因素領域和知識庫領域之間）：女性和男性學生習得的計算思維技能水平不同。

我們建議使用CTPK-12概念模型設計實證干預措施，旨在通過K-12教育中的編程訓練教授和學習計算思維，以盡可能多地研究計算思維領域。此外，我們認為，實證研究應明確定義計算思維知識庫的目標要素、應用的學習策略、使用的評估方法、使用的工具、參與者自身可能影響計算思維水平的因素及相關教師的能力建設，這樣有利于全面了解正在試驗的干預措施。

此外，CTPK-12概念模型可以與計算思維活動的模型相結合，例如自主范圍模型 [80]和建構主義矩陣[98]。CTPK-12模型可用于指導設計教師課程，通過K-12教育中的編程訓練，為教師提供實證結果和關于計算思維的詳細信息，并幫助教師將計算思維融入教學實踐中。在課程設計及計算思維教學過程中，可以考慮模型涉及的領域和這些領域之間的關系，以提高有效性。此外，CTPK-12模型也可以為決策者提供有關計算思維和融入K-12教育的決策信息。值得注意的是，在實際應用CTPK-12模型時，應考慮到模型將被納入的環(huán)境，這些環(huán)境包括一些參數(shù)，如課程類型（選修或必修），或計算思維是與課程體系中的其他學科結合，還是作為一門單獨課程。對這些環(huán)境的進一步闡述超出了本研究的范圍。

七、研究結論和未來研究方向

本研究開發(fā)了一個在K-12教育中通過編程培養(yǎng)計算思維的概念模型（CTPK-12）。該模型以系統(tǒng)的文獻綜述和對計算思維領域及其關系的確定為基礎。正如在科學出版物中所討論的那樣，計算思維領域源于研究者感興趣的所有主題的記錄。CTPK-12模型提供了計算思維領域的總體導圖，有助于對計算思維領域的理解，并可作為未來研究的基礎，促進計算思維與K-12教育實踐的結合。

CTPK-12模型表明，在K-12教育領域中通過編程進行的計算思維訓練包括以下6個相互關聯(lián)的領域：知識庫、學習策略、評估、工具、因素和能力建設領域。這些領域之間的一些關系還沒有得到充分探討，包括：第一，哪些工具支持哪些學習策略；第二，哪些學習策略能夠幫助習得計算思維；第三，哪些因素影響計算思維的發(fā)展；第四，能力建設如何影響學生的計算思維水平。

CTPK-12模型還顯示，盡管學界對評估、工具和因素領域的關注度隨著時間的推移大致保持不變，但對學習策略和能力建設領域的關注度有所增加，而對知識庫領域的關注度有所減少。這表明研究重點發(fā)生了變化，即轉向更具體的教育實踐問題。研究結果還指出了關于模型中各計算思維領域及其關系方面的差距和未來的研究方向。

根據(jù)所選研究，評估領域處于計算思維研究的前沿，是研究人員最感興趣的領域。然而，所選研究中的計算思維評估方法主要包括基于特定活動和課程的方法，因此在不同環(huán)境下使用上述方法存在困難。研究人員已在努力開發(fā)通用的經過驗證的方法，以便能夠根據(jù)有效的研究工具來記錄他們的研究結果。這些方法大多是自我報告法，因此，需要使用額外的、經過驗證且可適用于各種環(huán)境的方法，使基于除自我報告法以外的其他計算思維評估方法標準化。

工具領域也是所選研究關注的主要主題之一。一些研究的重點是開發(fā)專門用于支持計算思維教學和學習策略的環(huán)境。這些環(huán)境雖然是在計算思維框架的基礎上設計的，但未被廣泛用于旨在開發(fā)計算思維的實證研究或教育實踐中。相反，這些環(huán)境只在介紹它們的研究文獻中出現(xiàn)過一次。因此，除計算思維工具的理論基礎和技術特性外，研究人員還需要考慮可用性、學生動機、通過可用資源和框架為教師提供的便利，以及通過內置自動評估方法進行評估的便利性等問題。此外，未來的研究應探索工具和計算思維發(fā)展之間的關系，提供關于哪些工具可以更好地支持哪些計算思維學習策略的見解。

近年來，學習策略領域受到越來越多的關注。但是，一些選定的研究僅僅提到了應用的學習策略，并未進一步描述學習策略的實施方法。關注學習策略、介紹相關的背景以及如何實施學習策略，有助于更全面地了解所提出的計算思維干預措施的條件和背景。研究還可以提出支持利用計算思維學習策略的框架。此外，未來的研究可以探索學習策略和計算思維發(fā)展之間的關系，并就哪些學習策略最適合學生獲得哪些計算思維要素提供見解。

能力建設是教育環(huán)境中計算思維的一個關鍵領域，也是計算思維研究中的一個新興領域。盡管如此，諸多研究仍然認為，教師在將計算思維納入教學實踐方面面臨重大挑戰(zhàn)，如缺乏技術基礎設施、缺乏時間制訂課程計劃和準備材料、教學時間有限[41][87][92][99][100]。最重要的是，教師的計算思維內容知識水平較低且缺乏如何教授計算思維知識的經驗[15][79][88][89][92][101]。因此，需要更多的能力建設干預措施和框架來支持在職和職前教師將計算思維納入他們的教學實踐。此外，能力建設和計算思維發(fā)展之間的關系可以在未來的研究中進一步探討。

選定的研究中有一些也對因素領域進行了考察。然而，一些研究結果是相互矛盾的，因此尚不清楚這些因素是否以及在何種程度上導致更高或更低的計算思維水平。正如安杰利和吉安納科斯所指出的，關于計算思維技能（如抽象、問題分解和數(shù)據(jù)結構）如何映射不同的能力、年級、學科、性別和受教育程度，文獻中仍缺少相關內容[102]。在這個方向上進一步研究可以明確可能影響計算思維習得的因素。關于如何利用計算思維激勵代表性不足的群體，很少有研究專門針對激勵女孩和代表性不足的少數(shù)民族[71][103][104]。因此，需要更多的研究證明因素、學習策略和工具之間的關系，并就學習策略和工具是否以及如何擴大參與計算思維和解決與因素相關的挑戰(zhàn)提供見解。

最后，未來的研究工作可以充分探索CTPK-12模型在教育實踐和研究中的潛在用途，例如對該模型在教學實踐和課程設計中的應用進行研究。此外，未來研究工作可以將該模型的應用擴展到高等教育，以開發(fā)一種全面的方法，涵蓋從幼兒期到研究生的計算思維教學和學習。

【參考文獻】

[1] PAPERT S. Mindstorms： Children， Computers， and Powerful Ideas[M]. New York： Basic Books， 1980.

[2] WING J M. Computational thinking[J]. Communications of the ACM， 2006， 49（03）： 33-35.

[3] GROVER S， PEA R. Computational thinking in K-12： A review of the state of the field[J]. Educational Researcher， 2013， 42： 38-43.

[4] LYE S Y， KOH J H L. Review on teaching and learning of computational thinking through programming： What is next for K-12？ [J].Computers in Human Behavior， 2014， 41： 51-61.

[5] HSU TC， CHANG SC， HUNG YT. How to learn and how to teach computational thinking： Suggestions based on a review of the literature[J]. Computers and Education， 2018， 126： 296-310.

[6] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]//American Educational Research Association. Proceedings of the 2012 Annual Meeting of the American Educational Research Association （AERA）， 2012： 1-25.

[7] DENNER J， WERNER L， ORTIZ E. Computer games created by middle school girls： Can they be used to measure understanding of computer science concepts？[J] Computers and Education， 2012， 58（01）： 240-249.

[8] DENNING P J. Remaining trouble spots with computational thinking[J]. Communications of the ACM， 2017， 60（06）： 33-39.

[9] FRONZA I， EL IOINI N， CORRAL L. Teaching computational thinking using agile software engineering methods： A framework for middle schools[J]. ACM Transactions on Computing Education， 2017， 17（04）：1-28.

[10] GROVER S， BASU S， BIENKOWSKI M， et al. A framework for using hypothesis-driven approaches to support data-driven learning analytics in measuring computational thinking in block-based programming environments[J]. ACM Transactions on Computing Education， 2017， 17（03）：1-25.

[11] GROVER S， PEA R， COOPER S. Designing for deeper learning in a blended computer science course for middle school students[J]. Computer Science Education， 2015， 25（02）： 199-237.

[12] MORENO LEóN J， ROBLES G， ROMáN GONZáLEZ M. DR. Scratch： Automatic analysis of Scratch projects to assess and foster computational thinking[J]. RED： Revista de Educación a Distancia， 2015 （46）： 1-23.

[13] ZHONG B， WANG Q， CHEN J， et al. An exploration of three-dimensional integrated assessment for computational thinking[J]. Journal of Educational Computing Research， 2016， 53（04）： 562-590.

[14] DOLGOPOLOVAS V， DAGIENE? V， JASUT? E， et al. Design science research for computational thinking in constructionist education： A pragmatist perspective[J]. Problemos， 2019， 95： 144-159.

[15] ANGELI C， VOOGT J， FLUCK A， et al. A K-6 computational thinking curriculum framework： Implications for teacher knowledge[J]. Educational Technology and Society， 2016， 19（03）： 47-57.

[16] COOPER S， GROVER S， GUZDIAL M， et al. Education： A future for computing education research[J]. Communications of the ACM， 2014， 57（11）： 34-36.

[17] YADAV A， STEPHENSON C， HONG H. Computational thinking for teacher education[J]. Communications of the ACM， 2017， 60（04）： 55-62.

[18] SHUTE V J， SUN C， ASBELL-CLARKE J. Demystifying computational thinking[J]. Educational Research Review， 2017， 22： 142-158.

[19] KALELIOGLU F， GULBAHAR Y， KUKUL V. A framework for computational thinking based on a systematic research review[J]. Baltic Journal of Modern Computing， 2016， 4（03）： 583-596.

[20] BUITRAGO FLóREZ F， CASALLAS R， HERNáNDEZ M， et al. Changing a generation’s way of thinking： Teaching computational thinking through programming[J]. Review of Educational Research， 2017， 87： 834-860.

[21] HSU YC， IRIE N R， CHING YH. Computational thinking educational policy initiatives （CTEPI） across the globe[J]. TechTrends， 2019，63：260-270.

[22] PASSEY D. Computer science （CS） in the compulsory education curriculum： Implications for future research[J]. Education and Information Technologies， 2017， 22（02）： 421-443.

[23] CSIZMADIA A， CURZON P， DORLING M， et al. Computational thinking： A guide for teachers[EB/OL].（2015）. https：//community.computingatschool. org.uk/resources/2324/single

[24] GARCíA-PE?ALVO F J， MENDES A J. Exploring the computational thinking effects in pre-university education[J]. Computers in Human Behavior， 2018， 80： 407-411.

[25] MYLOPOULOS J. Conceptual modelling and telos[M]//Loucopoulos P， Zicari R. Conceptual Modeling， Databases， and Case an Integrated View of Information Systems Development. New York： Wiley， 1992： 49-68.

[26] GEMINO A， WAND Y. A framework for empirical evaluation of conceptual modeling techniques[J]. Requirements Engineering， 2004， 9（04）： 248-260.

[27] WEBSTER J， WATSON R. Analyzing the past to prepare for the future： Writing a literature review[J]. MIS Quarterly， 2002， 26（02）： 13-23.

[28] WAND Y， WEBER R. Research commentary： Information systems and conceptual modeling-a research agenda[J]. Information Systems Research， 2002， 13（04）： 363-376.

[29] WING J M. Computational thinking and thinking about computing[J]. Philosophical Transactions of the Royal Society A： Mathematical， Physical and Engineering Sciences， 2008， 366（1881）： 3717-3725.

[30] AHO A V. Computation and computational thinking[J]. Computer Journal， 2012，55（07）： 832-835.

[31] ROMáN-GONZáLEZ M， PéREZ-GONZáLEZ J-C， JIMéNEZ-FERNáNDEZ C. Which cognitive abilities underlie computational thinking？ Criterion validity of the computational thinking test[J]. Computers in Human Behavior， 2017， 72： 678-691.

[32] BARR V， STEPHENSON C. Bringing computational thinking to K-12： What is involved and what is the role of the computer science education community？[J]. ACM Inroads， 2011， 2（01）： 48-54.

[33] CSTA & ISTE. Operational definition of computational thinking[EB/OL]. （2011）. https：//www.iste.org/explore/Solutions/Computational- thinking-for-all.

[34] SELBY C. Computational thinking： The developing definition[C]//SIGCSE. ITiCSE Conference， 2013： 5-8.

[35] WEINTROP D， BEHESHTI E， HORN M， et al. Defining computational thinking for mathematics and science classrooms[J]. Journal of Science Education and Technology， 2016， 25： 127-147.

[36] ZHANG L C， NOURI J. A systematic review of learning computational thinking through Scratch in K-9[J]. Computers and Education， 2019， 141（June）： 103607.

[37] VOOGT J， FISSER P， GOOD J， et al. Computational thinking in compulsory education： Towards an agenda for research and practice[J]. Education and Information Technologies， 2015， 20（04）： 715-728.

[38] BASOGAIN X， OLABE M á， OLABE J C， et al. Computational thinking in pre-university blended learning classrooms[J]. Computers in Human Behavior， 2018， 80： 412-419.

[39] KAFAI Y B. From computational thinking to computational participation in K-12 education[J]. Communications of the ACM， 2016， 59： 26-27.

[40] HEINTZ F， MANNILA L， FARNQVIST T. A review of models for introducing computational thinking， computer science and computing in K-12 education [C]//IEEE. Proceedings - Frontiers in Education Conference （FIE）， 2016.

[41] BARGURY I Z， HABERMAN B， COHEN A， et al. Implementing a new computer science curriculum for middle school in Israel[C]//IEEE. Proceedings - Frontiers in Education Conference （FIE）， 2012.

[42] CHING Y-H， HSU Y-C， BALDWIN S. Developing computational thinking with educational technologies for young learners[J]. TechTrends， 2018， 62： 563-573.

[43] DA CRUZ ALVES N， GRESSE VON WANGENHEIM C， HAUCK J C R. Approaches to assess computational thinking competences based on code analysis in K-12 education： A systematic mapping study[J]. Informatics in Education， 2019， 18： 17-39.

[44] MOHER D， LIBERATI A， TETZLAFF J， et al. Preferred reporting items for systematic reviews and meta-analyses： The PRISMA Statement[J]. BMJ， 2009， 339 （7716）： 332-336.

[45] HSIEH H F， SHANNON S E. Three approaches to qualitative content analysis[J]. Qualitative Health Research， 2005， 15（09）： 1277-1288.

[46] SIAU K， TAN X. Improving the quality of conceptual modeling using cognitive mapping techniques[J]. Data & Knowledge Engineering， 2005， 55（03）： 343-365.

[47] VON WANGENHEIM C G， HAUCK J C R， DEMETRIO M F， et al. CodeMaster - Automatic assessment and grading of app inventor and snap！ Programs[J]. Informatics in Education， 2018， 17（01）： 117-150.

[48] KORKMAZ ?， ?AKIR R， ?ZDEN M Y. A validity and reliability study of the computational thinking scales （CTS）[J]. Computers in Human Behavior， 2017， 72（JUL.）： 558-569.

[49] DURAK H Y， YILMAZ F G K， BARTIN R Y. Computational thinking， programming self-efficacy， problem solving and experiences in the programming process conducted with robotic activities[J]. Contemporary Educational Technology， 2019， 10（02）： 173-197.

[50] GABRIELE L， BERTACCHINI F， TAVERNISE A， et al. Lesson planning by computational thinking skills in Italian pre-service teachers[J]. Informatics in Education， 2019， 18： 69-104.

[51] GARNELI V， CHORIANOPOULOS K. Programming video games and simulations in science education： exploring computational thinking through code analysis[J]. Interactive Learning Environments， 2018， 26： 386-401.

[52] GARNELI V， CHORIANOPOULOS K. The effects of video game making within science content on student computational thinking skills and performance[J]. Interactive Technology and Smart Education， 2019，16（04）： 301-318.

[53] GüNBATAR M S. Computational thinking within the context of professional life： Change in CT skill from the viewpoint of teachers[J]. Education and Information Technologies， 2019， 24： 2629-2652.

[54] KORKMAZ ?， BAI X. Adapting computational thinking scale （CTS） for Chinese high school students and their thinking scale skills level[J]. Participatory Educational Research， 2019， 6（01）： 10-26.

[55] MARCELINO M J， PESSOA T， VIEIRA C， et al. Learning computational thinking and scratch at distance[J]. Computers in Human Behavior， 2018， 80： 470-477.

[56] CHEN G， SHEN J， BARTH-COHEN L， et al. Assessing elementary students’ computational thinking in everyday reasoning and robotics programming[J]. Computers and Education， 2017， 109： 162-175.

[57] KONG S-C， CHIU M M， LAI M. A study of primary school students’ interest， collaboration attitude， and programming empowerment in computational thinking education[J]. Computers and Education， 2018， 127： 178-189.

[58] KUKUL V， KARATAS S. Computational thinking self-efficacy scale： Development， validity and reliability[J]. Informatics in Education， 2019， 18： 151-164.

[59] YA?C? M. A valid and reliable tool for examining computational thinking skills[J]. Education and Information Technologies， 2019， 24（01）： 929-951.

[60] DE SOUZA A A， BARCELOS T S， MUNOZ R， et al. Data mining framework to analyze the evolution of computational thinking skills in game building workshops[J]. IEEE Access， 2019， 7： 82848-82866.

[61] SNOW E， RUTSTEIN D， BASU S， et al. Leveraging evidence-centered design to develop assessments of computational thinking practices[J]. International Journal of Testing， 2019， 19： 103-127.

[62] PIAGET J. Genetic Epistemology[M]. New York： Columbia University Press， 1970.

[63] VYGOTSKY L S. Mind in Society： The Development of Higher Psychological Processes[M]. Harvard University Press， 1978.

[64] ATMATZIDOU S， DEMETRIADIS S. Advancing students’ computational thinking skills through educational robotics： A study on age and gender relevant differences[J]. Robotics and Autonomous Systems， 2016， 75： 661-670.

[65] WERNER L， DENNER J， CAMPE S， et al. The fairy performance assessment： Measuring computational thinking in middle school[C]//SIGCSE. SIGCSE’ 12- Proceedings of the 43rd ACM Technical Symposium on Computer Science Education， 2012： 215-220.

[66] DURAK H Y， SARITEPECI M. Analysis of the relation between computational thinking skills and various variables with the structural equation model[J]. Computers and Education， 2018， 116： 191-202.

[67] ISRAEL-FISHELSON R， HERSHKOVITZ A. Persistence in a game-based learning environment： The case of elementary school students learning computational thinking[J]. Journal of Educational Computing Research， 2019，58（05）： 891-918.

[68] FLETCHER G H L， LU J J. Education： Human computing skills： Rethinking the K-12 experience[J]. Communications of the ACM， 2009， 52（02）： 23-25.

[69] REPENNING A， GROVER R， GUTIERREZ K， et al. Scalable game design[J]. ACM Transactions on Computing Education， 2015， 15（02）： 1-31.

[70] ALLSOP Y. Assessing computational thinking process using a multiple evaluation approach[J]. International Journal of Child-Computer Interaction， 2019， 19： 30-55.

[71] KIM Y-M， KIM J-H. Application of a software education program developed to improve computational thinking in elementary school girls[J]. Indian Journal of Science and Technology， 2016， 9.

[72] NOURI J， ZHANG L， MANNILA L， et al. Development of computational thinking， digital competence and 21st century skills when learning programming in K-9[J]. Education Inquiry， 2020， 11（01）： 1-17.

[73] HERSHKOVITZ A， SITMAN R， ISRAEL-FISHELSON R， et al. Creativity in the acquisition of computational thinking[J]. Interactive Learning Environments， 2019， 27： 628-644.

[74] ROMáN-GONZáLEZ M， PéREZ-GONZáLEZ J C， MORENO-LEóN J， et al. Extending the nomological network of computational thinking with non-cognitive factors[J]. Computers in Human Behavior， 2018， 80（MAR.）： 441-459.

[75] WITHERSPOON E B， SCHUNN C D. Teachers’ goals predict computational thinking gains in robotics[J]. Information and Learning Science， 2019， 120： 308-326.

[76] SENGUPTA P， KINNEBREW J S， BASU S， et al. Integrating computational thinking with K-12 science education using agent-based computation： A theoretical framework[J]. Education and Information Technologies， 2013， 18： 351-380.

[77] CLARK D B， SENGUPTA P. Reconceptualizing games for integrating computational thinking and science as practice： collaborative agent-based disciplinarily-integrated games[J]. Interactive Learning Environments， 2020， 28（03）： 328-346.

[78] XING W. Large-scale path modeling of remixing to computational thinking[J]. Interactive Learning Environments， 2021， 29（03）：414-427.

[79] CHALMERS C. Robotics and computational thinking in primary school[J]. International Journal of Child-Computer Interaction， 2018， 17： 93-100.

[80] CARLBORG N， TYRéN M， HEATH C， et al. The scope of autonomy when teaching computational thinking in primary school[J]. International Journal of Child-Computer Interaction， 2019， 21： 130-139.

[81] WEINTROP D， HOLBERT N， HORN M S， et al. Computational thinking in constructionist video games[J]. International Journal of Game-Based Learning， 2016， 6（01）： 1-17.

[82] BASU S， BISWAS G， KINNEBREW J S. Learner modeling for adaptive scaffolding in a computational thinking-based science learning environment[J]. User Modeling and User-Adapted Interaction， 2017， 27（01）： 1-49.

[83] KYNIGOS C， GRIZIOTI M. Programming approaches to computational thinking： Integrating turtle geometry， dynamic manipulation and 3D space[J]. Informatics in Education， 2018， 17： 321-340.

[84] MOUZA C， YANG H， PAN Y-C， et al. Resetting educational technology coursework for pre-service teachers： A computational thinking approach to the development of technological pedagogical content knowledge （TPACK）[J]. Australasian Journal of Educational Technology， 2017， 33： 61-76.

[85] KOEHLER M J， MISHRA P. Technological pedagogical content knowledge： A framework for teacher knowledge Punya Mishra[J]. Teachers College Record， 2006， 108（06）： 1017–1054.

[86] YADAV A， MAYFIELD C， ZHOU N， et al. Computational thinking in elementary and secondary teacher education[J]. ACM Transactions on Computing Education， 2014， 14（01）：1-16.

[87] ADLER R F， KIM H. Enhancing future K-8 teachers’ computational thinking skills through modeling and simulations[J]. Education and Information Technologies， 2018， 23： 1501-1514.

[88] ALFAYEZ A A， LAMBERT， J. Exploring Saudi computer science teachers’ conceptual mastery level of computational thinking skills[J]. Computers in the Schools， 2019， 36： 143-166.

[89] BOWER M， WOOD L N， LAI J W M， et al. Improving the computational thinking pedagogical capabilities of school teachers[J]. Australian Journal of Teacher Education， 2017， 42（03）： 53-72.

[90] HICKMOTT D， PRIETO-RODRIGUEZ E. To assess or not to assess： Tensions negotiated in six years of teaching teachers about computational thinking[J]. Informatics in Education， 2018， 17： 229-244.

[91] KALE U， AKCAOGLU M， CULLEN T， et al. Contextual factors influencing access to teaching computational thinking[J]. Computers in the Schools， 2018， 35： 69-87.

[92] ISRAEL M， PEARSON J N， TAPIA T， et al. Supporting all learners in school-wide computational thinking： A cross-case qualitative analysis[J]. Computers and Education， 2015， 82： 263-279.

[93] SáEZ-LóPEZ J M， ROMáN-GONZáLEZ M， VáZQUEZ-CANO E. Visual programming languages integrated across the curriculum in elementary school： A two-year case study using “scratch” in five schools[J]. Computers and Education， 2016， 97： 129-141.

[94] IOANNIDOU A， BENNETT V， REPENNING A， et al. Computational thinking patterns[C]//American Educational Research Association. Proceedings of the 2011 Annual Meeting of the American Educational Research Association （AERA）， 2011.

[95] RESNICK M， MALONEY J， MONROY-HERNáNDEZ A， et al. Scratch： Programming for all[J]. Communications of the ACM， 2009， 52（11）： 60-67.

[96] ZHAO W， SHUTE V J. Can playing a video game foster computational thinking skills？ [J]. Computers and Education， 2019， 141（July）： 103633.

[97] REPENNING A， BASAWAPATNA A R， ESCHERLE N A. Emerging Research， Practice， and Policy on Computational Thinking[J]. Emerging Research， Practice， and Policy on Computational Thinking， 2017： 291-305.

[98] CSIZMADIA A， STANDL B， WAITE J. Integrating the constructionist learning theory with computational thinking classroom activities[J]. Informatics in Education， 2019， 18： 41-67.

[99] OZTURK Z， DOOLEY C M M， WELCH M. Finding the hook： Computer science education in elementary contexts[J]. Journal of Research on Technology in Education， 2018， 50（02）： 149-163.

[100] SENTANCE S， CSIZMADIA A. Computing in the curriculum： Challenges and strategies from a teacher’s perspective[J]. Education and Information Technologies， 2017， 22（02）： 469-495.

[101] KALE U， AKCAOGLU M， CULLEN T， et al. Computational what？ Relating computational thinking to teaching[J]. TechTrends， 2018， 62： 574-584.

[102] ANGELI C， GIANNAKOS M. Computational thinking education： Issues and challenges[J]. Computers in Human Behavior， 2020， 105：106185.

[103] LEONARD J， MITCHELL M， BARNES-JOHNSON J， et al. Preparing teachers to engage rural students in computational thinking through robotics， game design， and culturally responsive teaching[J]. Journal of Teacher Education， 2018， 69： 386-407.

[104] PINKARD N， MARTIN C K， ERETE， S. Equitable approaches： opportunities for computational thinking with emphasis on creative production and connections to community[J]. Interactive Learning Environments， 2019（06）： 1-15.

Abstract： Computational Thinking （CT） through programming attracts increased attention as it is considered an ideal medium for the development of 21st century skills. This intense attention leads to K-12 initiatives around the world and a rapid increase in relevant research studies. However， studies show challenges in CT research and educational practice. In addition， the domain has not been mapped to facilitate comprehensive understanding of the domain challenges and development of CT curricula. The purpose of this study is to develop a conceptual model based on a systematic literature review that maps the CT through programming in K-12 education domain. The proposed Computational Thinking through Programming in K-12 education （CTPK-12） conceptual model emerges from the synthesis of 101 studies and the identification of CT Areas. The proposed model consists of six CT Areas （namely Knowledge Base， Learning Strategies， Assessment， Tools， Factors and Capacity Building） and their relationships. The model could aid domain understanding and serve as a basis for future research studies. In addition， it could support the integration of CT into K-12 educational practices， providing evidence to educational stakeholders and researchers as well as bringing closer research， practice and policy.

Keywords： Computational Thinking; Programming; K-12 Education

（責任編輯：邱天敏）