基于教學勝任力的師范生計算思維評價量表開發

房敏 孫穎 呂慎敏 曾鵬軒 劉倩 傅晨

[摘? ?要] 計算思維現已成為數字化生存的核心能力之一，針對當前師范生計算思維測評工具匱乏等問題，研究以斯滕伯格成功智力理論、思維教學理論和國際上已開展的若干計算思維教學能力培訓項目的經驗為依據建構評價模型，以3所免費師范生培養院校的12個師范專業的1223名師范生為樣本，借鑒心理學量表編制方法開發了基于教學勝任力的師范生計算思維評價量表。量表包含32個測量題目，涵蓋問題界定與分析、問題認知與解決、教學策略與實施、教學興趣與設計、創造力等5個維度。經復測驗證，量表克隆巴赫系數為0.955，各擬合指標理想，表明量表具有良好的適用性和推廣性，可作為我國師范生計算思維自我評價工具使用。

[關鍵詞] 師范生; 計算思維; 量表; 教學勝任力; 問題解決

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 房敏（1987—），男，山東濟南人。博士研究生，主要從事信息技術教育、教師專業發展和兒童心理發展研究。E-mail：fm_tju@163.com。孫穎為通訊作者，E-mail：wyssying@126.com。

一、引? ?言

計算思維（Computational Thinking）是源于計算機教育特別是編程教育活動的能力概念，最早由派珀特（Papert）提出，將其作為一種借助具象化編程媒介建構認知和解決沖突的思維方法[1]，后經發展逐漸成為一種與現代信息社會生存發展相適應的，包含算法、創造、批判、合作、執行、修正等要素的復合能力，并被視為適應信息社會發展所應具備的基本素質和核心能力。近年來，世界掀起計算思維教育熱，培養具備計算思維的人成為國際社會的教育共識。斯滕伯格（Sternberg）指出，思維教學存在必然的方法，但在此之前，教師首先要掌握這種思維能力[2]。2015年至今，英國、瑞典等國家著手開展教師計算思維培養與教學指導工作[3-5]，并嘗試在多個學科師范專業教育和中小學課程中引入“計算參與”（Computational Participation）概念[6]，使計算思維成為一種基礎、泛在、普適的教育要素。讓廣大教育者具備一定的計算思維知識與技能，形成牢固的“計算參與”觀念，打破傳統學科知識藩籬與教學范式以開展跨學科計算思維教育創新，成為當前計算思維教育研究熱點。縱觀國內外，對教師特別是未來的教育從業者——師范生能否勝任計算思維教育工作的評估研究近乎空白。基于此，我們希望從教師職業能力角度出發，通過研究，形成一套可用于學科師范生計算思維評價的量表工具及操作方法。

二、計算思維的內涵演變與評價發展

（一）計算思維的內涵演變

自1980年計算思維首次在計算機教育著作中出現至今，其內涵經歷了三個階段的演變。

第一階段為仿計算機程序化學習階段，從1980年到2010年，以派珀特一系列兒童編程教育著作對計算思維的描述以及周以真于2006年界定的計算思維概念為代表[7]，帶有明顯的計算機學科的專業化和系統化傾向。這一時期對計算思維的描述較為抽象，重點放在仿計算機的程序化認知上，強調對計算機問題處理模式的理解、模仿與再現。例如：派珀特在反駁一些心理學家所持有的程序學習可能造成機械思維的看法時，提出了仿計算機思維在問題解決上具有高效率優勢等觀點，這些觀點反映了這一時期計算思維內涵的特點[8]。

第二階段為仿計算機信息處理階段，從2010年到2014年，這一時期對計算思維的學科溯源逐漸突破計算機傳統領域，將信息科學與心理科學相結合以進行內涵詮釋，并嘗試從對計算機運行理解的宏觀界定轉向對問題解決心智活動的信息處理過程的描述，以計算機信息處理方法如算法、分解、概括、模式、表征等作為計算思維的能力框架。受到廣泛關注與認同的有周以真于2010年提出的修正定義[9]、美國計算機科學教師協會（CSTA）與美國國際教育技術協會（ISTE）于2011年聯合提出的操作定義等[10]，這些定義都反映了這一時期計算思維界定的明顯特點。出現這一變化的根本原因在于，隨著計算思維教育研究的進一步發展，迫切需要有一個內部結構相對完整、概念邊界相對清晰的能力框架以支撐實踐研究中的操作邏輯，以解決計算機、信息技術等學科教育活動對計算思維培養的價值研究困境。

第三階段為融合與泛化階段，從2014年至今，這一時期計算思維發展進入全新的階段，創造、批判、社交等非智力要素被廣泛引入到計算思維概念和能力結構中。ISTE于2015年對計算思維概念進行更新，指出計算思維涵蓋了創造力、算法思維、批判性思維、問題解決以及建立溝通與合作的能力，是高于問題解決的復合能力[11];科爾克馬茲（Korkmaz）指出，計算思維是一種在合作的環境下使用算法方法創造性解決問題的能力[12];阿科約爾（Akyol）認為，當前對計算思維成分的描述與評價過于封閉，應當進一步發展到具體的行業領域及職業生涯中[13]。筆者認為，計算思維培養的目的是使被培養者能夠將計算機領域解決問題的方式泛化到一般情境中，同時還要規避應用過程中出現的機械思維定式、慣性等負面效應，非智力要素特別是創造、合作、批判等能力具有關鍵作用，應當歸于計算思維內涵且具有重要的培養價值。因此，本研究借鑒ISTE和科爾克馬茲的界定思路，將計算思維描述為：在一定情境下，借助合作形式，使用算法方法，創造性地解決問題，并能對這一過程進行績效改進和策略泛化的能力。

（二）計算思維的評價發展

早期依附于計算機、信息技術等學科教育而受到關注的計算思維，其評價方式也更多采用傳統課程評價形式，如課程試題測試、作品評價、態度問卷等，這與初始階段對計算思維整體特性的理解偏好是相適應的。伴隨著計算思維內涵的不斷擴展、框架的逐漸清晰以及多樣化教育測量工具的出現，關注過程表現的語義評價、行為評價以及面向特定能力評價模型的標準化試題等評價方式開始得到應用[14-16]。此后，借鑒心理學的標準化計算思維評價量表開始出現，嘗試將計算思維中的非智力因素納入評價體系并通過主觀測評的形式予以體現，這種方法反映了計算思維內涵的發展趨勢以及當前計算思維教育對多種能力培養的關注。

我國評價工具研究相較國際上存在一定滯后性，筆者以中國知網為檢索工具，全面統計了自2011年首篇涉及計算思維評價的文獻發表以來的研究情況，并對評價方法與評價應用階段進行編碼分析。評價方法編碼的名稱標識對應關系依次為：M1—課程測試、M2—問卷調查、M3—訪談對話、M4—作品分析、M5—行動分析、M6—計算思維測試（CTt）、M7—計算思維量表（CTs）。評價階段編碼的名稱標識對應關系依次為：PRT—前測、POT—后測。納入統計的文獻具備以下三個條件：（1）以研究計算思維培養或測量為目的;（2）使用了一種以上的方法測量計算思維水平，或研究開發了一種以上的測量方法工具;（3）進行了實證研究，并對測量結果進行了描述、總結或評論。

對統計結果與文獻內容進行分析，可以得出國內關于計算思維評價研究的特點：（1）在計算思維教育活動中對計算思維水平前測實施較少，缺乏有效的診斷性評測工具;（2）早期評價方式以課程測試、主觀問卷為主，形式單一，隨意性強，信效度水平低，后隨著評價工具的不斷開發，評價工具使用由單一走向混合;（3）計算思維測試（CTt）、計算思維量表（CTs）、作品分析、行動分析逐漸成為主流評價方式;（4）國內標準化測量方法以直接使用國外工具為主，尚未出現本土化、經心理學標準化的CTt、CTs。可以看出，立足國內社會需要和學情特點，面向“計算參與”意識與教育能力培養，開發適合我國師范生使用的CTs，進一步擴展計算思維測量評價工具，特別是可供前測使用的工具，具有緊迫的現實意義和較高的實用價值。

三、理論框架

從內涵來看，計算思維可以被視作一種以問題解決為核心的高級能力綜合體，其框架結構具有一般思維共性和專業思維特性。目前，國內外學者從一般思維結構出發，整合計算機學科的思維特性而形成一種專業思維框架。然而一部分學者對計算思維能力框架提出質疑，認為用準確的定義及有限的要素概括計算思維內涵并窮盡計算科學知識不現實，脫離學習者特點、職業生活和社會情境探討計算思維能力亦不現實[13，17]。因此，我們嘗試從關注情境與表現的斯滕伯格成功智力理論和思維教學理論中挖掘并搭建支點，結合現有的教師計算思維培訓項目實踐經驗，基于職業需要構建師范生計算思維評價體系。

（一）從一般到特殊：作為成功智力的計算思維

斯滕伯格關注智力在不同情境中的應用，提出了著名的成功智力理論，將人的智力劃分為分析、創造與實踐三種不同類型的成分[18]。他反對“天賦智力”，認為以解決問題為目標、以思維力為核心的智力主要通過后天的系統教育和訓練獲得，必然存在一種方法能夠幫助發展這些思維力，并進一步提出了思維教學理論[2]。在三種思維成分（對應三種智力成分）中，分析性思維涉及問題分析、評價和制定策略的能力，是有意識地規定心理活動以找到問題的解決方法，主要表現在習得、分析、判斷、評價、對比和檢驗等方面;創造性思維是在已有知識內容基礎上進行超越并產生新想法的能力，主要表現在興趣、想象、冒險、合作、模糊容忍等方面;實踐性思維涉及具體情境中解決問題的實踐調控因素，是使抽象的思想方法轉化為具體的實踐活動的能力，表現在動機、經驗、責任感、行動力等方面[2，19]。通過以上分析，結合前文對計算思維內涵的論述，可以看出斯滕伯格成功智力理論可以作為計算思維能力框架的構建理論，這一論斷的基礎是計算思維與成功智力的內涵共性，具體表現在以下四個方面：（1）二者均以情境中的問題作為出發點和最終歸宿;（2）二者皆從過程視角對能力成分進行描述，所包含的成分類型可以統一于成功智力理論三種成分的劃分;（3）二者都強調后天活動對思維能力形成的作用效果;（4）計算思維完全可以被視為為了適應信息化、數字化工作生活而由計算機科學基礎上發展起來的人的“成功智力”。因此，可以按照成功智力理論將計算思維劃分為分析性、創造性和實踐性的計算思維。

（二）從生活到職業：作為教學素質的計算思維

斯滕伯格認為，承擔某種思維訓練任務的教師需要有兩種與該思維相關的品質，一是要有這種思維的能力，二是要有以問題解決為目標的該思維的教學能力。如果說某種思維能力本身是教師作為個體人適應生活所必需的，那么與此能力緊密相關的教學能力則是教師作為社會人適應職業所必需的。斯滕伯格認為，應通過第一種能力發展第二種能力，生活情境、對話策略、小組合作、討論以及洞察力訓練在思維教學活動中至關重要，并發展出熟悉問題—組內解決—組間解決—個人解決的思維訓練四步模型[2]。在（準）教師計算思維教學能力培訓方面，不少國家地區的培訓項目提供了經驗，瑞典林克平大學（Link？觟ping University）聯合當地政府開展了面向1～9年級10個不同學科課程教師的計算思維教學培訓項目，得出以下結論：（1）即使是不同的學科，教師在教學活動中引入計算思維也是完全可能的;（2）教師能夠在較短時間內掌握計算思維教育相關的基礎知識和技能;（3）影響培訓效果的重要因素是缺少計算思維教學展示與推廣的意愿[20]。美國楊百翰大學（Brigham Young University）開展了面向基礎教育階段在職和職前教師的計算思維訓練，指出對教師計算思維訓練的方法多種多樣，價值感與興趣對于完成學習任務具有重要作用[21]。綜上所述，從理論視角出發，教師職業所需的計算思維能力包括計算思維能力和計算思維教學能力。從實踐層面來講，（準）教師普遍具備在一定時間內掌握職業所需的計算思維知識技能的能力，培養牢固的計算思維教學意識、激發與維持計算思維教學動機是促進教師不斷提高計算思維教學水平的關鍵。在此基礎上，建立了基于教學勝任力的師范生計算思維能力評價模型，如圖1所示。

四、量表開發與信效度研究

（一）樣本選擇

本研究選取了東部某省3所免費師范生培養院校的12個師范類專業的1223名師范生，所選對象全部為全日制本科在讀的大二、大三學生，年齡范圍在17～20歲之間，已接受過信息技術教育，修習并通過了“大學計算機基礎”課程，部分學生正在修習“現代教育技術”課程，具備計算思維測評所需的文化知識與基本能力。所選師范類專業基本涵蓋中小學語文、數學、外語、政治、歷史、物理、地理等全部學科課程門類，未對免費師范生和非免費師范生作區分。根據被試樣本數至少為測試題目數的5倍原則，分別選取了390人（12個專業各1個教學班，每班約30～40人）進行探索性因子分析（EFA），選取了833人（12個專業各1～2個教學班）進行了驗證性因子分析（CFA）。

（二）研究過程

1. 題目編制與內容效度控制

題目編制借鑒了目前國內使用較多的科爾克馬茲[12]、阿科約爾[13]和亞奇（Yaci）等開發的幾種計算思維評價量表[22]，考夫曼（Kaufman）開發的領域創造力量表（K-DOCS）[23]，威廉斯（Williams）開發的創造力傾向測量表（W-PMF）[24]，同時參考了《普通高中信息技術課程標準（2017版）》《中小學教師信息技術應用能力培訓課程標準（試行）》對中小學計算思維教育的具體要求，從分析性、創造性、實踐性和職業性四個角度進行整理設計，最終形成了由61個題目組成的題庫。研究采用勞希（Lawshe）[25]提出并經威爾森（Wilson）改進的內容效度比（Content Validity Ratio）檢驗方法控制內容效度[26]，建立了由30名來自高校、中小學、編程教育機構從事計算思維相關研究的教師和教研人員組成的專家團隊，對題目進行重要性評價。根據勞希給出的專家數與可接受值范圍對應標準，當專家數為30人時，CVR值不低于0.33為可接受，最終剔除23個題目，保留38個題目。

2. 研究過程

為確保樣本的覆蓋面與代表性，研究的抽樣方法以配額抽樣和分層抽樣為主。主要研究過程經歷三個階段，歷時4個月。第一階段為試測（Pilot Test），于2020年2月隨機選取了29名不參加第二輪、第三輪測試的師范生進行預測試，訪談其感受，對問卷引言部分和題目表達作修正。第二階段為探索性因子分析（EFA），于2020年3月對390名師范生進行測試并回收問卷，經校驗有效案例為384個，有效率為98.46%，運用SPSS進行了數據分析處理。第三階段為驗證性因子分析（CFA），于2020年4—5月對833名師范生進行測試并回收問卷，經校驗有效案例為809個，有效率為97.12%，運用SPSS、Amos、Visio等軟件進行數據分析、模型校驗與修正和圖形重制。

（三）結果與分析

1. 項目分析

采用臨界比值法（Critical Ration）進行題目區分度檢驗，以27%作為臨界點進行得分差異分析。經分析，除第9題外，其他題目CR值均達到0.01的顯著水平，普遍具有良好的鑒別力，第9題CR值（p=0.044）僅在0.05水平上達到顯著，為避免武斷刪題，需進一步結合后續檢驗作出篩選決定。經修正后項目—總體相關系數（CICT）檢驗，除第9題（CICT=0.181）、第11題（CICT=0.384）、第16題（CICT=0.354）外，其他題目均達到0.4以上標準，因第11、16題CICT值大于0.3，接近0.4，且量表總體信度系數非常高（克隆巴赫α系數大于0.9），應暫作保留，故刪除第9題。

2. 探索性因子分析

對問卷總體和各維度進行信度分析，問卷總體的克隆巴赫α系數達到0.954，各維度均達到高信度（大于0.7）水平。運用KMO值和Bartlett球形檢驗判斷樣本是否適合進行探索性因子分析，檢驗得到KMO=0.949，近似卡方χ2=8212.28，自由度df=666，p<0.001，達到顯著性水平，說明適合進行探索性因子分析。借鑒阿科約爾探索性序貫設計（Exploratory Sequential Design）研究思路[13]，對樣本案例（n=383）進行探索性因子分析。采用主成分分析法提取因子，采用最大方差法進行旋轉，以特征值大于1作為因子提取標準，對低載荷值（小于0.45）進行忽略顯示。在題目篩選上，結合項目分析、載荷分布、共同度分析、因子解釋、因子包含題目數及專家意見等因素進行綜合考量。經檢驗，提取主成分因子6個，累計解釋度60.99%。在CICT值檢驗過程中暫作保留的第11、16題在第5因子中載荷超過0.6，且不存在多因子高載荷問題，故予以保留。第14、15、37題因低載荷值未予顯示，且第14、15、37題共同度低于0.4，予以預刪除。針對在兩個因子上載荷較高（0.480，0.459）且載荷值相對接近（差值小于0.03）的第19題，能夠運用其所在的較高載荷的因子進行解釋，且易于與該因子下其他題目進行歸類命名，故在高載荷因子上予以保留。主成分因子6中的解釋題目為第27、28題，題數小于3個，通過碎石圖可以看出因子6坡度大，解釋貢獻度低，故不予保留，對第27、28題予以預刪除。具體見表1。

經專家研討、題目確認與二次檢驗，最終確定5個主成分因子，32個題目，根據所包含的題目進行命名，依次為：（1）問題界定與分析（Problem Definition and Analysis）：包括對發現和界定問題，以及借助計算思維分析問題、形成解決方案和評價方案等能力的測量;（2）問題認知與解決（Problem Cognition and Solution）：包括對問題經驗的、理性的認知，借助外部條件、自我調控以解決復雜問題等能力的測量;（3）教學策略與實施（Instructional Strategy and Implementation）：包括運用對話策略開展計算思維教學，有效組織教學活動，教育引導、干預等能力的測量;（4）教學興趣與設計（Instructional Interest and Design）：包括對信息技術態度、“計算參與”教學意愿以及“計算參與”教學設計能力的測量;（5）創造力（Creative Ability）：包括對在問題解決活動中所表現出來的直覺、好奇、想象力和冒險精神等品質的測量。

3. 驗證性因子分析

根據探索性因子分析結果，對收集的用于驗證性因子分析的樣本（n=809）進行檢驗。對總量表和各主成分進行信度檢驗，總量表克隆巴赫α系數達到0.955，各主成分檢驗系數依次為αPDA=0.910、αPCS=0.897、αISI=0.884、αIID=0.866、αCA=0.766。對主成分進行相關性檢驗，見表2，結果表明，各因子之間相關度基本介于0.5～0.8之間，其中，F4—F5相關度低于0.6，另有4個相關度介于0.6～0.7之間，未能滿足構建二階因子結構方程模型的相關度指標，不適宜進行二階模型構建，驗證性因子分析模型如圖2所示。擬合度檢驗結果見表3，其中χ2（sd=450，n=809）=1590.661，χ2/df=3.53，由于本研究樣本數量（n=809>200）較大，χ2/df參考值采用大樣本參考區間，經與參考值對比，模型擬合度良好。

五、討論與總結

（一）討論

研究形成的“師范生計算思維評價量表”為師范生計算思維水平的自我評價工具，可用于高校師范生計算思維教學活動效果的前后測檢驗及中小學、教育培訓機構招錄、培訓教師時的計算思維測評。量表分為導語和題目兩個部分，導語包括計算思維說明，題目部分包括5個測量維度的32道自評題，其中，反向評分題2道。本研究基于傳統的量表研究范式，在評價模型構建和信效度控制上作了一些更為嚴謹的實踐。

1. 評價模型構建討論

在評價模型構建上，本研究與已有計算思維量表編制的理論構建形式和向度有所不同：一是通過系統梳理計算思維發展，批判式繼承核心概念內涵，結合斯滕伯格成功智力理論構建了分析性、創造性和實踐性的計算思維能力評價維度，這種概念—理論—維度的評價建模路徑相較傳統的概念—維度—理論的建模路徑，能夠更好地將概念融入理論體系，提高評價模型的科學性;二是聚焦教師職業能力需求，借助斯滕伯格思維教學理論探索（準）教師計算思維能力外延，將職業性計算思維——計算思維教學能力納入計算思維評價的第四維，同時，結合若干國家地區開展教師計算思維教學培訓項目的實踐經驗，進一步確定了該維度的核心評價要素，最終形成了區別其他同類研究的多向度評價體系;三是明確了各維度評價要素和可用于評價的心智活動及行為表現，這些要素多來源于對斯滕伯格心理學研究著述及國外計算思維量表開發文獻的整理分析，我們希望通過提出更加清晰可靠的評價模型，幫助使用者了解本量表題目所關注的計算思維的不同成分。

2. 量表信效度討論

研究主要從四個方面對量表信度、效度進行控制：一是取樣控制，采用大樣本配額抽樣、分層抽樣等方式，對3所不同層次高校的不同學科專業師范生進行抽樣研究，通過增大樣本數量及類別擴大覆蓋面，降低共同方法偏差和一類錯誤概率。二是內容效度控制，部分研究者認為基于統計學方法的內容效度控制方式的專家數應在5～10人，威爾森改進的勞希內容效度檢驗方法允許40人以內的專家進行多輪評審，鑒于本研究的多向度評價體系和多情境應用考慮，采用了后者這一國際上更為流行的技術方法，組建了來自高校、中小學和編程教育機構的專家團隊參與題目設計和評審，并對結果進行了嚴格的標準控制。三是整體分析，在完成內容效度和外觀效度控制后，進行了數據集檢驗，包括缺失值處理、剔除異常數據、正態檢驗等，而后采用阿科約爾探索性序貫設計整體分析方法進行題目篩選，這一方法拒絕單一指標檢驗決斷，強調對樣本進行一次完整的探索性因子分析，并對題目作出綜合判斷，擬刪除或保留的題目應當在多個檢驗環節中有明確刪除或保留的理由。四是顯著性檢驗，在整個研究過程中采用嚴格的指標對數據進行檢驗，總量表信度系數達到0.955，除創造力（0.766）外的各成分信度系數均大于0.8（我們認為創造力成分相較其他成分系數偏低與創造力本身的綜合性強有關），對量表的相關系數計算發現各成分間呈中低度相關（0.5～0.8），表明各因子較好地聚焦了計算思維的不同維度，量表具有良好的區分度。在結構效度上，克萊恩（Kline）指出，χ2值受樣本數量影響明顯[27]，采用大樣本研究時可以將χ2/df值擴展到5以內的區間，這一點在國內統計研究中已形成共識，其他各擬合指標均符合國際通行的量表開發標準，結構效度理想。

（二）總結

計算思維評價量表出現時間不長，評價理論與模型伴隨著計算思維內涵的變化也在探索中發展，評價的關注點主要落在計算思維本身的特有屬性和成分上，鮮有從職業需求角度進行的探討，不免丟失了本該具備的更加豐富的實踐意義和價值。本研究以促進計算思維教育發展為根本目標，將“計算參與”理念融入教師職業能力評價，生成了標準化評價量表，以提高未來教師計算思維教育意識和能力，推動計算思維教育與多學科教學深度融合。此外，近年來國內移植使用的計算思維量表均以歐洲、西亞等地區學生為研究對象進行編制，被試所處的政策、文化背景和所具有的知識體系與國內差異明顯，結合我國教育政策、人才需求和教育文化特點編制適合我國學生使用的評價量表，提高量表文化適用性，也是本研究的應用價值所在。

[參考文獻]

[1] PAPERT S. Mind storm—children， computers and powerful ideas[M]. 1st ed. New York： Basic Books Inc.，1980.

[2] 斯滕伯格，史渥林.思維教學：培養聰明的學習者[M].趙海燕，譯.北京：中國輕工業出版社，2008.

[3] Computing At School. Computational thinking a guide for teachers[R]. London： Computing At School，2015.

[4] HEINTZ F， MANNILA L， NYGARDS K， et al. Computing at school in Sweden experiences from introducing computer science within existing subjects[C]// 8th International Conference on Informatics in Schools： Situation， Evolution and Perspectives. Cham： Springer International Publishing Switzerland，2015：118-130.

[5] 朱珂，賈彥玲，馮冬雪.歐洲義務教育階段發展計算思維的理論與實踐研究[J].電化教育研究，2019（9）：89-96.

[6] YASMIN B，KAFAI. From computational thinking to computational participation in K-12 education[J]. Communications of the ACM， 2016，59（8）：26-27.

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

[8] PAPERT S. Mind storm—children， computers and powerful Ideas [M]. 2nd ed. New York： Basic Books Inc.，1991.

[9] WING J M. Research notebook： computational thinking—what and why？[EB/OL].（2010-11-17）[2020-01-10]. http：//www.cs.cmu.edu/link/research-notebook-computational-thinking-what-and-why.

[10] ISTE， CSTA. Operational definition of computational thinking for K-12 education（2010）[EB/OL].（2015-11-23）[2020-01-13]. http：//www.iste.org/docs/pdfs/Operational-Definition-of-Computational-Thinking.pdf.

[11] OLUK A， KORKMAZ O. Comparing students' scratch skills with their computational thinking skills in terms of different variables[J]. Modern education and computer science，2016（11）：1-5.

[12] KORKMAZ ， AKIR R，ZDEN M Y， et al. A validity and reliability study of the computational thinking scales （CTS）[J]. Computers in human behavior，2017，72（7）：558-561.

[13] AKYOL B E. Development of computational thinking scale： validity and reliability study[J]. International journal of educational methodology，2019，5（3）：421-428.

[14] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]// The 2012 Annual Meeting of the American Educational Research Association. Washington： American Educational Research Association， 2012：2-25.

[15] ESTEVES M， FONSECA B， MORGADO L， et al. Improving teaching and learning of computer programming through the use of the second life virtual world[J]. British journal of educational technology，2011，42（4）：624-637.

[16] CHEN G， SHEN J， BARTHCOHEN L， et al. Assessing? elementary students' computational thinking in everyday reasoning and robotics programming[J]. Computers & education，2017，109（6）：162-175.

[17] GRGURINA N， BARENDSEN E， ZWANEVELD B， et al. Computational thinking skills in dutch secondary education： exploring teacher's perspective[C]// Proceedings of the 9th Workshop in Primary and Secondary Computing Education. New York： ACM，2014：124-125.

[18] STERNBERG R J. The theory of successful intelligence[J]. Review of general psychology，1999，3（4）：292-316.

[19] 盛群力，馬蘭.斯滕伯格論成功智力及其成分技能解析——學習、事業與生活成功的視角[J].遠程教育雜志，2011（2）：70-76.

[20] HEINTZ F， MANNILA L. Computational thinking for all： an experience report on scaling up teaching computational thinking to all students in a major city in Sweden[C]// 49th ACM Technical Symposium. New York： ACM，2018：66-71.

[21] HUNSAKER E， WEST R E. Designing computational thinking and goding badges for early childhood educators[J]. TechTrends， 2019（3）：7-16.

[22] YACI M. A valid and reliable tool for examining computational thinking skills[J]. Education and information technologies，2019，24（1）：929-951.

[23] KAUFMAN J. C. Counting the muses： development of the kaufman domains of creativity scale（K-DOCS）[J]. Psychology of aesthetics creativity and the arts，2012，6（4）：298-308.

[24] 威廉斯. 威廉斯創造力傾向測量表[J].中國新時代，2003（22）：89-90.

[25] LAWSHE C H. A quantitative approach to content validity[J]. Personnel psychol，1975，28（4）：563-575.

[26] WILSON F R， PAN W， SCHUMSKY D A， et al. Recalculation of the critical values for lawshe's content validity ratio[J]. Measurement and evaluation in counseling and development，2012，45（3）：197-210.

[27] KLINE R B. Principles and practice of structural equation modeling[M]. 3rd ed. New York： Guilford Press，2011.