(Progressive flowchart development scaffolding to improve university students’ computational thinking and programming self-efficacy)

https://doi.org/10.1080/10494820.2021.1943687

一、摘要

研究目的：本研究在脚手架教学理论的基础上，提出了一种递进式思维训练方法，以流程图的形式培养学生的计算思维能力。设计了一个准实验来评估训练的有效性。

研究对象：49名参加编程课程的中国大学生被随机分为两组——实验组和对照组。在训练过程中，实验组进行进行性训练，对照组进行非进行性训练。

实验结果：结果表明，实验组的学业成绩明显高于对照组。同时，实验组的编程自我效能有显著提高。此外，实验组的参与者表现出更高水平的计算思维能力，包括合作学习、批判性思维和解决问题的能力。综上所述，递进式流程图思维训练方法不仅可以提高被试的计算思维能力和编程自我效能感，还可以帮助他们取得更好的学业成绩。

二、研究问题

（1）采用渐进式思维训练法学习的学生是否比采用非渐进式思维训练法学习的学生成绩更好?

（2）采用渐进式思维训练法学习的学生是否比采用非渐进式思维训练法学习的学生表现出更高的计算机编程自我效能感?

（3）采用渐进式思维训练法学习的学生是否比采用非渐进式思维训练法学习的学生表现出更好的计算思维能力?

三、研究设计

（一）实验工具

在本研究中，三种形式的流程图分别代表了不同层次的学习支持，即空白填充、提示和绘制。随着学生知识和经验的积累，实验组在流程图中的学习支持逐渐减少。第一阶段的补隙流程图逐步转变为第二阶段的提示流程图。最后，在第三阶段，以学生为主导的绘制流程图为学习提供支持。这三个阶段的设计是相互关联的，呈现出一种递进式的教学方式，以促进学生的认知发展，如图1所示。

图1 基于流程图的渐进式计算思维训练方法

本研究提出的系统旨在通过三阶段递进式流程图开发方法来提高学生的计算思维能力，如图2所示。

图2 系统架构图

在本研究中，研究者采用了编程知识的前后测试、计算机编程自我效能感和计算思维的前后问卷和访谈。

前测旨在评估学生对程序设计的学科知识，满分为100分。后测的目的是评估参与者在完成课程后对编程知识的掌握程度，满分100分。

计算机编程自我效能感量表共28个问题。计算思维量表包括29个问题，表明计算思维技能的五个因素:创造力、算法思维、合作思维、批判性思维和解决问题的能力。问卷中的所有问题都使用李克特5分制评分。

（二）实验对象和方法

选择两个班的新生(N = 49)参加“编程基础”课程作为方便样本。这些学生的平均年龄为19岁，在中国的一所大学学习教师教育专业。所有的参与者都是由同一位老师提供相同的课程内容。两班在年龄水平、男女学生比例和先前的学科知识方面无显著差异。因此，随机选取一个班级作为实验组(n = 25)，另一个班级作为对照组(n = 24)。两组参与者都被要求在编程过程中使用流程图作为学习辅助工具。实验组采用渐进式思维训练方法进行学习，对照组采用传统的非渐进式训练方法进行学习。

图3 实验流程

四、研究结果

（一）学业成绩

实验组编程前测成绩均值为60.32，标准差为8.05，对照组编程前测成绩均值为56.25，标准差为5.77。此外，采用Levene检验和Shapiro-Wilk检验来检验得分的同质性和数据的正态性。检验值分别为0.17和0.77，说明本研究样本的方差均为均匀方差和正态分布。t检验结果显示，两组前测差异无统计学意义。

表1为两组学生的学业成绩后测结果。结果发现，两组的后测得分差异有统计学意义。进步性思维训练后，实验组的测试后得分显著高于对照组。

组别	N	M	SD	Adjuested Mean	Std.error	F	η²
实验组	25	69.80	3.80	69.07	0.56	39.97	0.47
对照组	24	63.13	3.69	63.88	0.57

表1 两组学习成绩的ANCOVA结果

（二）计算机编程自我效能

问卷前的独立样本t检验结果显示，两组编程自我效能均值差异有统计学意义(F = 6.69, p < 0.05)。对照组参与者报告的计算机编程自我效能显著高于实验组。

问卷后独立样本t检验结果显示，两组在计算机编程自我效能感方面无显著差异，如表2所示。

组别	N	M	SD	t	p
实验组	25	3.44	0.41	-0.89	0.38
对照组	24	3.55	0.46

表2 编程自我效能的问卷后独立样本t检验结果

此外，根据配对样本t检验结果，两组的计算机编程自我效能在学期结束时均有显著提高，如表3所示。从两组前问卷结果的显著性差异可以看出，实验组编程自我效能感的提高大于对照组。

组别	N	编程自我效能	M	SD	t	p	d
实验组	25	前问卷	3.02	0.47	-5.55	0.00
实验组	25	后问卷	3.44	0.41		0.00
对照组	24	前问卷	3.35	0.64	-3.11	0.01
对照组	24	后问卷	3.55	0.46		0.01

表3 两组编程自我效能的配对样本t检验结果。

（三）计算思维

预问卷独立样本t检验结果显示，实验组计算思维的均值和标准差分别为3.29和0.30，对照组的均值和标准差分别为3.43和0.21。两组在整体计算思维能力上差异无统计学意义(p < 0.05)。

经ANCOVA分析，实验组整体计算思维水平显著高于对照组(p < 0.001， η2 = 0.58)。在计算思维技能各单项因素上，实验组在“协同性”、“批判性思维”和“问题解决”三个方面的得分均显著高于对照组，见表4。

因素	组别	N	M	SD	Adjusted Mean	SE	F	P	η²
创造力	实验组	25	3.86	0.23	3.88	0.05	1.73	0.20
	对照组	24	3.81	0.23	3.79	0.05
算法思维	实验组	25	3.33	0.31	3.34	0.06	0.51	0.48
算法思维	对照组	24	3.29	0.31	3.27	0.07
合作思维	实验组	25	4.61	0.25	4.62	0.06	39.80	0.00	0.46
合作思维	对照组	24	4.07	0.35	4.06	0.06
批判性思维	实验组	25	4.04	0.29	4.05	0.06	44.79	0.00	0.49
批判性思维	对照组	24	3.51	0.25	3.51	0.06
解决问题能力	实验组	25	3.72	0.26	3.73	0.05	13.54	0.00	0.23
解决问题能力	对照组	24	3.47	0.27	3.45	0.05
总计	实验组	25	3.91	0.13	3.92	0.03	63.49	0.00	0.58
总计	对照组	24	3.63	0.15	3.62	0.03

表4 两组计算思维能力的方差分析结果

五、总结

本研究旨在提出一种基于流程图的递进式思维训练方法，以全面培养学生的计算思维能力。虽然提出的渐进式思维训练方法对学生的计算思维能力和学习成绩有显著的正向影响，但本研究仍有局限性。首先，实验的样本量相对较小。其次，由于参与者思维能力或思维方式的个体差异，很难进行个性化培训。

在未来的研究中，研究人员可以考虑对实时记录产生的数据进行分析，这些数据与涉及计算思维技能的学习过程有关。其次，研究者可以通过对学生学习过程数据的分析，为学生提供个性化的指导和教学干预。

问题与收获

1、本文前测用到的正态性检验：夏皮洛-威尔克Shapiro-Wilk检验（W检验）

正态性检验总结：

一、非参数检验法:

Shapiro-Wilk检验（W检验)及Kolmogorov-Smirnov检验(D检验)——P>0.05符合正态分布

问：什么时候用W检验什么时候用D检验？

柯尔莫戈洛夫-斯米诺夫(Kolmogorov-Smirnov)检验适用于大样本资料 (SPSS规定样本量>5000);夏皮洛-威尔克(Shapiro-Wilk)检验适用于小样本资料(SPSS规定样本量≤5000)﹔当样本量较少的时候，检验结果不够敏感，会出现假阳性﹔而当样本量较大的时候，检验结果又会太过敏感，出现假阴性。

二、图表:P-P图和Q-Q图---图形数据点应与理论直线(对角线)基本重合符合正态分布；直方图---图形与理论曲线大致一致且对称。