大學生計算思維能力培養水平實證研究

何彤宇 孟曉倩

摘 要：計算思維是當前計算機教育重點研究方向之一，培養大學生計算思維能力是計算機教育的一項重要內容，通過鼓勵大學生參加計算機大賽等綜合實踐活動，有利于啟發和培養學生的計算思維能力。對大賽獲獎數據進行分析，得到大學生計算思維能力培養現狀。選取近5年參賽數據為樣本，運用SPSS軟件對我國高校大學生計算思維培養水平現狀進行研究。結果發現，我國在大學生計算思維培養方面取得了積極成果，相關高校表現突出，經驗值得借鑒和學習。

關鍵詞：計算思維;計算機大賽;實證研究

DOI：10. 11907/rjdk. 191935 開放科學（資源服務）標識碼（OSID）：

中圖分類號：G434文獻標識碼：A 文章編號：1672-7800（2020）005-0267-04

0 引言

計算思維作為計算機領域廣為關注的一個重要概念， 1996年由 Seymour Papert[1]首次提出，逐漸成為計算機教育重點研究方向之一。而計算機科學中的計算思維概念于2006年3 月由Jeannette Wing[2]提出，他認為“計算思維是運用計算機科學的基礎概念進行問題求解、系統設計以及人類行為理解等涵蓋計算機科學之廣度的一系列思維活動”，并將計算思維應用引申到非計算機專業的計算機教育及智力養成和科學計算思維化兩個領域;國防科技大學朱亞宗教授[3]認為，計算思維是與實驗思維、理論思維齊名的三大科學思維之一。

2010 年發布的《九校聯盟（C9）計算機基礎教學發展戰略聯合聲明》是高校計算機教學的一個指導性文件。針對如何培養計算思維，浙江大學的何銘欽教授[4]在對九校聯盟（C9）聯合聲明解讀中提出，計算思維的培養不僅要通過課堂講解，使學生逐步掌握相關領域問題求解的核心思路與基本方法，還要強調通過參與小規模的應用系統設計，逐步啟發和培養學生的計算思維能力，最終理解問題的求解方式。他特別強調“計算思維能力的培養不僅僅局限于大學的計算機課程，更應貫穿于計算機課程設計、計算機大賽等綜合實踐活動中” [4-5];陜西師大曹菡教授認為，通過計算機設計大賽，可以讓“學生在作品的設計開發過程中，逐步培養運用計算機科學的知識、方法和對模型進行抽象、自動化的計算思維能力”; 王永全等[6]則對“互聯網+”背景下計算思維導向的計算機基礎教學改革進行了探討;還有諸多學者圍繞各自所在專業或課程，對基于計算思維方式的人才培養模式和教學改革提出了許多建議 [7-8]。

當前有關培養計算思維能力的研究成果很多，但運用實證研究法對計算思維能力培養現狀進行比較研究的文獻相對較少。尤其是運用數理實證分析的文獻，無論是描述性統計還是運用數理計量分析的文獻均相對匱乏。缺乏實證挖掘和效果評價是當前計算思維研究面臨的主要問題。因此，如何結合教學實踐探索計算思維教學模式、檢驗計算思維教學效果值得研究 [9]。

本文在眾多學者研究基礎上，嘗試以“全國大學生計算機設計大賽”參賽數據作為樣本，運用SPSS軟件，對我國高校大學生計算思維培養水平現狀作探索性研究。

1 數據來源與研究方法

1.1 數據來源和預處理

數據來自“中國大學生計算機設計大賽”官網，將其作為數據來源主要原因有：①主辦單位層次高;②參賽高校覆蓋面廣;③參賽專業類別豐富;④參賽作品數量眾多。中國大陸有半數以上的本科大學、半數以上的211大學、半數以上的985大學參加了這一賽事（后改稱雙一流院校）。本文從官網上收集2013-2017年以來數百所地方院校各類參賽作品的獲獎數據（不含軍警院校），并根據參賽類別（大類）設置了軟件外包、計算機音樂等9個變量。由于選取數據是獲獎作品，因此能較全面地反映當前大學生計算思維培養現狀。

1.2 研究思路和方法

多元統計分析方法可以處理多個變量的觀測數據，以及研究多個隨機變量之間的相互依賴關系與內在規律，在自然科學和社會科學領域得到廣泛應用。常見的方法有相關分析、回歸分析等。

在本案例中，利用探索性因子分析（EFA）提取對各高校比賽水平影響較為明顯的因素，在此基礎上進行歸納和總結，了解和分析各高校計算思維培養特點以及發展趨勢，找出教學中存在的問題或相關規律，幫助學校改進教學手段和方法，為高校教育和管理提供參考和建議，以促進高校計算思維培養水平進一步提高。

2 模型構建與數據分析

2.1 分析條件判定

探索性因子分析（EFA）的優點是“化繁為簡”，在盡可能不損失信息或少損失信息情況下，將多個變量減少為少數幾個潛在因子或主成分，最終達到減少變量個數同時再現變量之間內在相互關系的目的。由于眾多變量中存在相關性，測量數據可能存在一定的重復，采用因子分析必須先進行以下工作：

首先進行信度檢測，然后檢測KMO。因此，經過計算，Cronbach's α系數是0.816，顯示變量設置合理有效;其次，通過SPSS對 KMO和Bartlett進行分析，得出KMO值為0.804，表示當前數據表中9個變量自檢的相關性非常適合進行因子分析。同時，Bartlett球形度檢驗設為相關系數矩陣，sig值為0.000，小于顯著水平0.05，表示建立的數據結構滿足因子分析條件，如圖1所示。

2.2 主要技術指標計算與分析

2.2.1 公共因子提取

公因子方差給出在提取公共因子前后各變量的共同度，根據統計學定義，它描述的是公共因子對于變量Xi的總方差所作的貢獻，并計算全部公共因子反映出原變量信息的百分比。在該表中，提取公共因子之后，有數媒設計專業組、軟件應用與開發等多個變量的總計提取共同度數值接近0.8。變量數媒設計專業組的共同度為0.793，即提取的公共因子對變量參賽高校數量的方差作出了79.3%的貢獻，接近最理想的狀態0.8。從提取的一列數值可以看出，絕大部分變量的共同度比較大，在0.6以上，說明變量空間轉換為因子空間時保留了較多信息。因此，從中提取的公因子對各變量的解釋能力較強，見表1。

2.2.2 公共因子貢獻率計算

在方差解釋表中，顯示了成分、初始特征值、提取平方和載入等數據。在初始特征值合計列中的方差百分比，提供了各個特征值的方差貢獻率以及累計貢獻率。在未旋轉平方和載入時，相關系數矩陣有兩個最大特征值，分別為4.083、1.330。本案例提取兩個公共因子，降維比例較高，累計貢獻率達到60.134%。其中成分1方差貢獻率是45.361%，是方差貢獻最大的主成份，見表2。“旋轉平方和載入”一欄顯示了旋轉以后因子的提取結果，與未旋轉之前的差別不是太大。

2.2.3 成分得分系數矩陣

因子變量的命名解釋是因子構造之后的一項重要工作。原有變量都是物理含義變量，在命名解釋之后可對系統構成的主要因素和系統特征作進一步說明。從表3可以清楚看出各個變量的因子歸屬，各因子含義是比較明確的。對因子進行旋轉，以更方便解釋因子含義，表4給出了旋轉后的因子載荷值在因子載荷矩陣中的第一因子，數媒設計類民族文化組和設計專業組具有較高的因子載荷，這些指標相關性最強，因此第一因子主要由以上變量決定;第二因子軟件應用開發具有較高載荷，最為相關。

2.2.4 得分系數矩陣構建

因子模型將變量表示成公共因子的線性組合，因此可將公共因子理解成各原始變量具有的共同因素。對公因子對變量作線性回歸，得到系數的最小二乘估計就是所謂的因子得分系數。根據估計出來的得分系數計算出因子得分，這些值可為最終的結果排名和分類提供參考，見表5。

3 分析與總結

3.1 因子提取

因子抽取需要考慮旋轉之后因子載荷量較大的變量，本文選取的數值大于0.7，以此為基礎進行整理并加以命名，并進行信度檢測，見表6。

3.2 結論與展望

根據上述分析結果得出以下結論：

（1）國內高校計算思維能力培養效果顯著。因子一和因子二的計算結果表明，國內非常重視計算思維培養并取得豐碩成果，在數媒設計和軟件開發等領域競爭激烈。在此基礎上可得出各高校因子一和因子二的分值，在此分別列出兩類因子排名前10的學校，僅供參考，見表7和表8。

此外，還可利用因子得分進行加權綜合，得到綜合得分，然后在此基礎上進行排名[10]。盡管一些學者認為，這種綜合評價方法由于產生的主因子特征向量的各級分量符號不一致，用于排序計算存在不足，但作為一種促進教學質量提升的手段，向表現優異的高校學習，從而不斷提升教學水平，促進學生計算思維能力提高，仍不失為一種簡單高效的方法。

（2）創新教學模式，使學生不僅成為工具的使用者，也成為工具的創造者。計算思維培養注重學生的實踐操作技能。在提升學生理論素養的同時，通過引導學生接觸計算機科學，了解相關知識和原理，提高學生應用信息技術思考問題、應用信息技術解決實際問題的能力，從而進一步通過發展計算思維，支持學生使用一系列計算概念和方法處理數據，建構模型，創造現實作品，使學生從單純的工具使用者，完成知識內化和遷移，最終成為工具的創造者、新知識的生產者。

例如，倡導“任務驅動教學”朝著 “項目學習”教學模式發展。以信息處理與交流為主線，強調技術工具應用，掌握信息獲取、加工、管理、表達與交流的基本方法，提高利用信息技術解決問題的綜合能力。同時，突出用學科方法解決問題學科特征，即形式化（抽象）、模型化、自動化、系統化，逐漸培養學生遵循學科體系知識架構，實現“數據—算法—信息系統—信息社會”的轉化。

（3）促進學科融合，提升學生跨學科解決問題能力。計算思維概念雖然源于計算機科學，但其本身是一個交叉學科概念，涉及的學科包括認知科學、計算機科學、教育學等。因此跨學科整合是計算思維的一個重要內容。華東師大任友群提出的“計算思維培養”模型認為，計算思維不僅僅是程序設計，還要有意識地嘗試運用計算機程序解決實際問題，促進不同學科專業領域知識技能融合，提升學生跨學科思維能力和解決復雜問題的綜合能力，最終理解數字社會的運作過程。

本文僅利用因子分析展開探索性分析，沒有利用聚類、最有尺度等方法展開更深入和細致的探討，也未對可能存在的其它干擾因素，如參賽年限等進行分析。同時，因子值本身是一種觀測變量[11]，存在一定誤差。此外在樣本方面，應將其它計算機大賽，如“互聯網+”等賽事納入其中，以得出更全面、更科學的結論。

參考文獻：

[1] SEYMOUR PAPERT.A beautiful person，a beautiful mind[EB/OL]. http：//v.youku.com/v_show/id_XNjQ2MDg2NjI4.html.

[2] JEANNETTE WING.Computational thinking[J]. Communications of the ACM，2006，49（3）：33-35.

[3] 朱亞宗. 論計算思維——計算思維的科學定位、基本原理及創新路徑[J]. 計算機科學，2009，36（4）：53-55，93.

[4] 何欽銘，陸漢權，馮博琴. 計算機基礎教學的核心任務是計算思維能力的培養[J]. 中國大學教學，2010 （9）：5-9.

[5] 曹菡. 計算機設計大賽與計算思維能力培養探析[J]. 工業和信息化教育，2015 （5）：65-69.

[6] 王永全. “互聯網+”背景下計算思維導向的計算機基礎教學改革[J]. 軟件導刊（教育技術），2019 （2）：51-53.

[7] 饒國政. 基于計算思維方式的啟發式軟件工程教學[J]. 軟件導刊（教育技術），2018（1）：61-63.

[8] 韋娜. 非計算機專業C語言程序設計課程教學改革研究[J]. 軟件導刊（教育技術），2018（1）：51-53.

[9] 甘茂華. 我國計算思維能力培養的研究熱點與趨勢—基于CiteSpace的可視化分析[J]. 計算機應用與軟件，2019 （6）：1-6.

[10] 簡小珠，戴步云. SPSS23統計分析在心理學與教育學中的應用[M]. 北京：北京師范大學出版社，2017.

[11] 陳文沛. 市場營銷研究與應用—基于SPSS[M]. 北京：電子工業出版社，2013.

（責任編輯：杜能鋼）