高校软件工程专业学生计算思维评价指标体系的构建

谭翔纬 黄耿生

【摘要】    随着我国高校对学生计算思维能力培养的日益重视，如何有效地评价高校学生计算思维发展状况，逐渐成为高等教育教学研究的热点。针对高校教师在教学实践中缺乏评估学生计算思维发展状况的测量工具这一棘手问题，本文提出了由7个维度的计算思维评价指标体系，并通过两轮在线问卷调查采集的数据进行统计分析，构建了具有较好信效度的计算思维评测量表。综合研究结果表明，本文提出的研究结论可以为高校软件工程专业计算思维能力培养的教学实践，提供有效的测量工具支持。

【关键词】    软件工程    计算思维    评价体系    构建

引言：

随着我国科教兴国、创新驱动发展的国家战略不断深入实施，以人工智能、大数据、区块链等为代表的高新信息技术行业需要大量具备良好计算思维能力的高素质人才，因此加强高校学生计算思维能力的培养成为了高校教育的重要内容。本文对计算思维培养的相关理论梳理并总结，通过对调查问卷、数据统计分析得出的数据进行量化分析，得出符合高校软件工程专业学生计算思维能力构成的关键指标，并形成相关的评价体系，为验证各种教学模式对计算思维能力的培养有效性提供理论支持。

一、计算思维能力的内涵

卡内基-梅隆大学的周以真教授2006年在《Computational Thinking》文中提出，计算思维是一系列思考活动，能够使用基本的计算机概念系统解决问题与理解人类的行为[1]。这一说法认为计算思维能力是问题形成及寻求问题有效解决方案时的必备思维能力之一，属于对计算思维能力的广义定义范畴[2];狭义上的计算思维能力定义是指在不同学科领域内通过计算机编程、专业算法和数据分析来解决问题的能力，突出强调计算思维能力与具体学科之间的关系 [3]。无论是广义还是狭义，计算思维的本质都是问题的抽象与寻求问题最优化解决方案的思维过程，区别只是在实践中是以去计算机化为侧重点，还是依托计算机工具为侧重点。

二、计算思维能力关键指标设计

2017年土耳其学者Korkmaz等人编制了可以量度大学生计算思维能力的量表CTs，该量表从创造能力、批判思维能力、问题解决能力、算法思维能力、协作能力等五个维度来量度高校学生的计算思维水平 [4]。但CTs量表中的部分题项与我国高校教育背景不符，且计算机思维能力在高校不同专业、不同年级阶段会具有独特的表现，故本研究采纳了CSTA（美国技术科学教师协会）和ISTE（美国国际教育技术协会）共同发布的《CSTA计算机思维教师资源手册》中的部分观点[5]，对CTs的五个维度进行分解，确定更具体的7个关键指标，如图1所示。

三、高校软件工程专业计算思维量表编制

为了明确定义高校软件工程专业学生的计算思维能力，本研究将量表编制工作分为三个阶段实施：

首先为问卷设计阶段，主要工作内容为确定问卷维度与题项;

接着为预调研阶段，通过发放与回收在线问卷，进行信度与效度分析，删除不符合标准的题项;

最后为正式调研阶段，发放正式的在线调研问卷，进行反复的效度检验，直到题项与维度对应清晰且符合专业意义，得到具有较好效度的量表。

第一阶段笔者依照图1所示的计算思维结构图，每个维度根据其关注点设计3到4道问题。其中在抽象维度主要关注学生把事物的本质与主要内容提取形成可理解的概念的能力;算法维度主要关注学生是否具有将某一具体问题的解决方案用于解决一系列类似问题的能力;分解维度主要关注学生将问题整体分解为若干部分进行研究的能力;态度维度主要从学生的求真、开放思想、认知成熟度、自信心等角度进行评价;协作维度主要关注学生在团队合作完成任务时，所体现的人際交往社交能力;评估维度主要关注学生是否能选择一个最恰当的方案来解决问题的能力;概括维度主要关注学生识别共性情景，可以根据不同情景进行方案迁移的能力。依据以上七个维度，在经过专家论证后，设计了包含23题预测问卷，计分方式采用李克特五点计分法，选项分为从不、极少、有时、经常、总是，分别计分为1-5，预测问卷的题项如表1所示。

第二阶段随机挑选了软件工程专业大一与大二的两个班级的学生为研究对象，采用问卷星进行在线填答，回收有效问卷97份。对回收的预测问卷采用临界比值法进行分析，将所有被调查者的问卷得分总和按高低顺序排列，得分前27%者划分为高分组，得分后27%者划分为低分组，对高分组和低分组的总分进行独立样本T检验，分析结果显示各题项的相关系数在0.452—0.821之间，p<0.001，证明题项具有良好的鉴别力，故全部予以保留。

第三阶段采取整群抽样的方式，挑选修读《面向对象设计与编程》课程的软件工程专业学生作为样本实施正式调研。共回收有效问卷314份，将样本数据随机平分为两半，其中一半157份的样本数据用于探索性因素分析，结果显示KMO=0.914，Bartlett球形检验达到显著，采用成分分析法与最大方差法抽取各个维度的因子，总解释方差计算值为62.014%，特征根大于1，说明七个维度对应的因子对于计算思维的影响力较大，说明由评估、概括、抽象、算法、分解、态度、协作这七个维度因子构成的计算思维指标体系具备较好的结构效度;

另外一半的157份样本数据用于验证性因素分析，统计检验结果表明：卡方自由度比值χ2/df小于5，标准化残差均方根SRMR小于0.06，比较拟合指数CFI大于0.9，Tucker-lewis系数TLI大于0.9，近似误差均方根RMSEA小于0.08，说明量表的结构模型拟合良好，设计合理，信度属于可以接受的范围。

综上，本研究在编制预测问卷的基础上，通过两轮在线问卷调研，结合探索性因素与验证性因素的分析方法，最终确定了包含七个维度，适用于高校软件工程专业学生计算思维能力评价体系，形成了包含23个题项的计算思维评价量表。

四、结论

本研究从广义的计算思维概念出发，最终确立了包含评估、概括、抽象、算法、分解、态度、协作这七个维度的计算思维评价体系，并得出了具备较好效度与信度的量表。不过构建准确的计算思维评价指标是复杂的系统性工程，评价对象的知识水平、心理变量对计算思维的量度会产生较大影响，例如大学高年级的学生因其计算思维水平远高于低年级学生，导致这些样本数据的测量结果的可靠性较高;另外本研究的样本均来自工科学科软件工程专业的学生，会导致研究成果在其他群体的适用性较差。因此，研究成果今后需要在高校不同专业与年级的样本数据分析实践中进行进一步的迭代优化，以便为高校学生计算思维发展状况评估提供更准确的判断工具。

参  考  文  献

[1] Jeannette J M.Computational Thinking[J].Communications of the ACM， 2006 （3） ：33-35.

[2] Maciej M.Sys?o， Kwiatkowska A B . Informaticsfor all high school students： a computational thinking approach[C]// International Conference on Informatics in Schools：， Situation， Evolution， & Perspectives. 2013.43-56

[3]周宏仁.信息化：從计算机科学到计算科学[J].中国科学院院刊，2016，31（6）：591-598.

[4] Korkmaz ?，?akir R，et al.A validity and reliability study of the Computational Thinking Scales（CTS） [J].Computers in Human Behavior，2017，（72）：558-569.

[5]凌伟. 美国《CSTA计算机科学教师标准》评介[J].中国信息技术教育， 2020（8）：82-84.

谭翔纬（1982-），男，硕士研究生，副教授，主要研究方向为大数据技术应用、数据挖掘、web应用开发。

黄耿生（1984-）， 男，硕士研究生，讲师，主要研究方向为电子商务、大数据技术应用

基金项目：2019年广州大学华软软件学院教学研究和改革项目-“以学生计算思维能力培养为目标的软件工程专业核心课程实验教学改革与实践”（项目编号JYJG201908） 2019年广东省普通高校青年创新人才类项目--“深度学习在应届生就业服务的应用研究”（项目编号2019GKQNCX022）