中小学人工智能教育中计算思维的培养与评价研究*
杨明欢
（广东省电化教育馆，广东广州 510245）
计算思维(Computational Thinking)这一概念最早出现于20世纪50年代[1]。2006年3月，美国周以真（Jeannette M.Wing）教授首次明确提出计算思维的系统性定义，指出计算思维是运用计算机科学的基础概念开展问题解决、系统设计以及人类活动认知等涉及计算机科学之广度的一系列思维活动[2]。自此，计算思维广受关注，并获得各级部门的广泛重视。例如，中央电化教育馆自2000年起开展的全国中小学生信息素养提升实践活动（原中小学电脑制作活动），于2021年将原设置的“程序设计”活动项目正式更名为“计算思维”活动项目。又如，由全球计算思维联盟组织的“国际计算思维挑战赛”（International Challenge on Informatics and Computational Thinking）于2017年6月在国内赛区正式拉开序幕，对于促进中小学生深度参与计算思维教育，发挥了重要作用。
近年来，教育部先后启动了高中和义务教育阶段的信息技术课程标准的修订工作，重构了信息技术课程的内容与模块，明确了学生的核心素养[3]。李艺、钟柏昌等认为核心素养从基础知识与技能、问题解决和科学思维三个层面具体把握，并强调素养的生成是一个从知识学习、问题解决，再到学科思维的内化过程[4]。同时，钟柏昌等人指出，计算思维是一种全新的、具有普遍含义的思想方法，可以将计算思维融入基础教育的信息技术课程内涵中，有利于将计算思维塑造成一种基础的学科专业素养[5]。最新发布的《义务教育信息科技课程标准》（2022年版）（以下简称“新课标”）明确提出其核心素养由信息意识、计算思维、数字化学习与创新、信息社会责任四个核心要素组成[6]。“计算思维”正式纳入国家课程培养体系，成为中国每一位中小学生在当下信息社会重点发展的关键能力之一，表明计算思维的重要性。有效促进学生有关思维、行为和习惯的形成，将是基础教育不可推卸的责任担当。中小学人工智能教育作为信息科技课程的重要组成部分，纵贯了中小学基础教育全学段和全过程，其主体内容涵盖了知识、活动、资源等方面[7]，其发展学生关键能力“点”的内涵很丰富，教学方式上需要从“传授工具、技术”上升为“思维传导”，核心就是培养学生的计算思维，并对学生开展长期、系统的训练。教师只有对“计算思维”的内涵和培养路径清晰、明了、简化操作，才能结合人工智能教育创造性地建构起自己的“师本课程”，从而更从容地将目光投向“人性”和“道德”，真正落实立德树人根本任务和学科核心素养培养。本研究基于中小学人工智能教育实践，聚焦研究计算思维培养的目标定位、学习设计和评价设计。
表1《农田绿化率统计系统设计》课程中计算思维的培养设计
根据新课标对计算思维的界定：个体运用计算机科学领域的思想方法，在问题解决过程中涉及的抽象、分解、建模、算法设计等思维活动。具备计算思维的学生，能对问题进行抽象、分解、建模，并通过设计算法形成解决方案；
能尝试模拟、仿真、验证解决问题的过程，反思、优化解决问题的方案，并将其迁移运用于解决其他问题[8]。高中的人工智能初步模块，涵盖了“人工智能基础”“简单人工智能应用模块开发”“人工智能技术的发展与应用”等内容，需要结合人工智能系统作品，通过学生系列的计算思维活动，来实现智能技术的应用实践。观察计算思维的内涵，可以看出计算思维是概念化的，不仅仅是让学生学会编程，更是要让学生学会在多个抽象层次上思考，是学生可以利用其解决社会生活问题的一种思想、一种方式、一项技能，而不是让学生像计算机那样去思考。对应学生的系列思维活动和新课标关于计算思维的内涵界定，本研究将人工智能系统作品的计算思维培养，概括为“抽象和建模”“模拟与验证”“优化与迁移”。抽象和建模，即学习者在人工智能系统的设计与开发过程中，通过设计算法形成解决方案；
模拟与验证，即学生在人工智能系统制作和测试的过程中，能尝试模拟、仿真、验证解决问题的过程。优化与迁移，即学生能将自身在人工智能系统作品开发、优化过程中的知识与技能迁移运用于解决其他问题。例如《农田绿化率统计系统设计》课程设计（如表1）。
1.以跨学科主题项目式的学习方式促进计算思维的系统性发展
计算思维源于计算机科学，同时它可以连接计算机科学与其他学科领域，包括科学、技术、工程和数学[9]。从这个意义上说，计算思维具有明显的跨学科特性。在培育学生核心素养的引导下，跨学科主题项目式的学习活动越来越受到基础教育界的重视。跨学科主题学习是体现义务教育学科的综合性、实践性的课程活动，是基于本学科内容与目标、围绕学生发展核心素养培育，落实素养导向的课程理念学习活动[10]。课程标准中，也提出将跨学科学习渗透到教学的过程与方法中去，如新课标强调，设立跨学科主题学习活动，加强学科间相互关联，带动课程综合化实施，强化实践性要求[11]。这要求信息技术教师紧紧围绕学科核心素养，把项目整合于课堂教学中，重构教学组织方式。刘景福等人认为项目学习是一种新型的探究性学习模式，要以学科概念原理为基准，借助资源开展探究活动，在限定时间内的以推销作品为目的的问题解决过程。并提出项目学习模式的步骤流程，主要包含选定项目、制定计划、活动探究、作品制作、成果交流和活动评价等步骤[12]。信息技术课程的大单元教学以数据、算法等学科大概念为脉络统领和组织教学内容。本研究的中小学人工智能教育基础课程，以智能系统作品开发应用导向的主题项目活动为依托，创设有利于学生开展学习的数字化环境、资源和条件，促进学生计算思维等关键能力培养（如表2、表3）。
表2 果实分拣人工智能系统课程设计
表3 人工智能部分主题项目案例
上述案例的主题项目均属于大单元，体现的是大概念、任务单、问题链、聚类化等特征。其中，《果实分拣人工智能系统课程》通过将大单元拆分为“果园成熟情况监控”“拍摄与果实照片读取”“果实大小测量”“果实生熟识别”等四个概念，让学生利用相应的理论知识进行任务学习，并进行相关子系统的作品创作，再利用问题解决的进阶，指导学生综合使用各种概念，设计与制作果实分拣综合系统作品，从而有效保障了每一个概念的学习，都围绕培养学生的学科核心素养和问题解决来展开。第一方面促进了计算思维发展的真实情景性。真实问题、真实任务和真实情境，打破既有的知识编排顺序，重构了符合学生认知水平及教学实际的新知识结构，促进学生践行发现、探究、解决真实问题的创中学、做中学。第二方面促进了计算思维培养的系统性。学生在一项完整的项目任务中，通过小组交流与合作，尝试使用结构分析、模型设计、程序开发和调试完善等学科方法，有利于对“分解思维、抽象思维、算法思维和优化思维”等能力的系统性培养。第三方面促进了计算思维能力的优化与迁移。学生的主题项目学习成果是完整的成果作品，甚至还能转化为有知识产权的发明，既体现了学生知识、能力、品格、思维的融通和应用，又促进学生个体反思和迁移应用，建立个人自信心。
2.基于学历案的设计促进计算思维体的深度性发展
课程标准的教学建议是紧紧围绕学科核心素养，突出“学主教从、以学定教、先学后教”的专业路径[13]。学历案是指教师在班级教学的背景下，为了方便孩子独立或社会建构经验，围绕某一相对独立的学习单位，对学生学习过程进行专业化预设的方案[14]。本研究的人工智能课程，以学历案的形式进行设计（如表4）。
表4 《彩色灯笼的设计与制作》学历案设计
整个课程学习方案，通过任务单，每个任务单，设置若干问题，形成学习支架，同时通过学生利用点阵笔在学历案上每项任务的问题作答，并结合平台空间留存的学生创造作品的数字化展示文档和展示视频，完整地记录学生的学习与思考过程，推动学生知识与能力的有效整合与迁移，促进学生计算思维体的深度发展和核心素养培养。
新课标的教育方法更注重过程性评价和结果性评价的统一。本研究根据问题解决的基本步骤，同时结合证据导向的多模态评价数据采集方法，来设计计算思维的评价工具。
在计算机科学研究领域中（含人工智能研究），学界对于计算思维主要关注点在于：问题解决（25%）、抽象（12%）、过程（11%）、计算机（10%）、算法（7%）、数据（7%）、科学（6%）、有效（5%）、概念（5%）、能力（5%）、分析（4%）和工具（3%）[15]（结合计算思维描述中的关键词统计）。可以发现，在解决问题过程中，产生的问题抽象、算法思维等思考方式是使用计算思维过程中重点关注的内容，这些重点内容同样适用于人工智能创意制作的问题解决，同时也是课程中计算思维评价的对象。一些计算思维过程性与总结性评价工具和方法包括：
1.计算思维评价测评
对于以程序设计语言为中心的计算机教学，总结性评价主要包括基础的编程能力测试和计算思维（算法）有关的内容知识测评；
对于以计算思维本质为核心的计算机教学，一些计算思维测评工具以测试学生对于基础的算法概念，包括序列、方向、循环/循环嵌套、简单/复杂条件的条件语句、函数等的理解。
这类计算思维的总结性评价主要集中在对于上文（如表5）中计算思维的第一个评价维度—抽象与建模的评价，通过对相关的算法概念和应用进行评价，描述学生对于计算机科学领域的算法思想的理解程度。
2.计算思维形成测评
计算思维的形成测评方法是通过利用学生在编程环境中的成绩来评价学习者对计算思维的掌握程序，如Dr.Scratch平台根据计算思维能力的“抽象与问题分解、逻辑思维、同步、并行、顺序控制、用户交互、数据表示”这七个维度进行评价，每个维度包括“基础、中等与熟练”三个等级，来描述学生的计算思维能力掌握程度，从而随着不同的学习阶段提供学生计算思维的形成性评价。
这类计算思维的过程性评价工具主要集中在程序类的过程性与总结性评价，通过对于学生在问题解决过程中的算法设计进行评价，体现出学生发展计算思维的过程。这种工具适用抽象与建模、模拟与验证、优化与迁移三个评价维度，再将评价与教学过程结合起来，“观察”学生在问题解决过程中的表现与过程性或阶段性成果，从而评价学生的计算思维发展[16]。
3.计算思维技能应用测评
鉴于学界对于计算思维的关注重心在于问题解决，一些研究人员开发出了关注学生在特定情景中使用计算思维的能力的工具。如国际计算思维测试就是通过测评学生解决一些现实生活中问题的思维，反映学生的计算思维能力。不同于使用程序解决问题，这种测试对于学生的编程经验没有要求，主要聚焦在学生的问题解决能力上。
这类计算思维的评价工具适用于计算思维评价的三个维度，随着学生解决问题的过程发生，他们会先后经历抽象与建模、模拟与验证、优化与迁移的过程，结合对于项目的主要问题和可能产生的其他问题的解决过程，可以通过对过程中问题解决方案的评价来评价这些计算思维的不同方面。
综上，计算思维的这三个维度及其细分领域可以分别在过程性和总结性中发生，结合不同维度的评价场景，进行多模态数据证据的收集（如表5），开展自评、他评和师评相结合的过程性和总结性评价。其数据收集方法包括用点阵笔收集学习历程性数据，上传平台做自动标注统计；
引导学生在平台上传作品展示汇报PPT文档和汇报视频或汇报交流等。
表5 计算思维评价场景及多模态证据收集
人工智能教育中的计算思维培养，需要培养教师提升课程的项目设计和学历案设计等能力，并结合评价工具、评价技术的综合应用，真正体现课程的育人性，以促进深度学习的真正发生和计算思维的有效培养，让每一位学生在一定的经验与知识基础上，实现新的成长。作为基础教育实践的一部分，本研究抛砖引玉，随着新课标的广泛实施，望广大专家学者和一线教师有关的研究更广泛深入，以共同推动基础教育的高质量发展。
猜你喜欢 人工智能素养思维 思维跳跳糖小哥白尼(野生动物)(2022年6期)2022-08-17思维跳跳糖小哥白尼(野生动物)(2022年4期)2022-07-16思维跳跳糖小哥白尼(野生动物)(2022年2期)2022-06-01思维跳跳糖小哥白尼(野生动物)(2022年1期)2022-04-26必修上素养测评 第四测新世纪智能(高一语文)(2020年10期)2021-01-04必修上素养测评 第三测新世纪智能(高一语文)(2020年10期)2021-01-04必修上素养测评 第八测新世纪智能(高一语文)(2020年12期)2020-06-01必修上素养测评 第七测新世纪智能(高一语文)(2020年12期)2020-06-012019：人工智能商界(2019年12期)2019-01-03人工智能与就业IT经理世界(2018年20期)2018-10-24