梁云真等 | 面向计算思维培养的人机协同精准教学模式研究——以小学六年级信息技术课“丝绸之路大闯关”为例

摘要：计算思维作为一种高阶思维能力，越来越受到教育研究者的关注，而精准教学为计算思维培养提供了新思路。基于此，文章构建了面向计算思维培养的人机协同精准教学模式，并以小学六年级信息技术课“丝绸之路大闯关”为例进行教学设计与实施。文章采取实验组与对照组前、后测准实验，结合课堂观察、深度访谈等探究人机协同精准教学模式对小学生计算思维的影响，结果表明：人机协同精准教学能显著提升小学生的计算概念水平、计算实践水平和计算观念水平。实施人机协同精准教学，有助于培养学生的计算思维，拓展了精准教学的实践应用。

关键词：精准教学；计算思维；人机协同；编程教育

一 计算思维培养与精准教学

人工智能技术的迅速兴起，推动社会各领域向智能化方向发展，人与机器相互合作、相互影响，计算思维的培养已然成为国际人才竞争的重要抓手^[1]。编程教育作为培养计算思维的重要途径^[2]，引起了世界各国教育部门的广泛关注。早在2013年，英国就已严格要求进入小学的学龄儿童学习如何编程^[3]；2016年，芬兰正式将小学编程教育纳入教学大纲^[4]；2017年，日本提出在2020年“全面落实小学编程教育必修化”^[5]；而在我国，《新一代人工智能发展规划》《教育信息化2.0行动计划》等系列文件中明确指出，要逐步推广编程教育，发展学生的计算思维。相关研究表明，可视化编程能有效促进计算思维的发展^[6]，如图形化编程能促进初中生计算思维能力的培养，且有助于学生完成高质量的创意作品^[7]；借助可视化编程工具App Inventor，能提升学生的计算概念水平和问题解决能力^[8]。但是，当前的编程教学在计算思维培养方面还存在学生主体地位缺失、过于关注个别优秀学生、忽视学生个体差异和个性化需求、注重编程知识而不是编程能力等问题^[9]。

精准教学聚焦于个体差异和个性化教学，为计算思维培养提供了新思路。精准教学由美国学者Lindsley^[10]首次提出，起初是为了测量教学过程来跟踪小学生的学习情况以干预教学，后来逐渐作为一种框架用于教学方法的评估^[11]；White^[12]认为精准教学是弥补学习者学习能力不足的有效策略。伴随智能时代的到来，人机协同成为当下教育信息化的明智之举，精准教学也将从技术层面走向人机协同，实现课堂轻负、高质^[13]。祝智庭^[14]指出，精准教学最大的价值在于能够针对学生遇到的具体问题设计教学，据此设计了包括精准确定目标、开发材料与教学过程、计数与绘制表现、数据决策等四个环节的精准教学模式，以通过人机协同改善精准教学效果。王亚飞等^[15]设计了以自动记录、多维观察、精准调整为核心的大数据精准教学应用框架，验证了大数据精准教学相较于传统的精准教学更适合应用于教学实践。此外，有研究者结合数学、物理等学科展开教学实践^[16][17][18]，验证了精准教学的有效性。

以教育大数据和人工智能为代表的信息技术为学习数据的全过程记录提供了技术支持，也为精准教学的快速发展提供了良好契机。而关于如何建立新技术与教学过程相互融合的适切性发展模式、如何发挥精准教学的优势以促进计算思维在编程教学中的发展等问题，还有待深入探究。因此，本研究试图构建面向计算思维培养的人机协同精准教学模式，旨在改进信息技术课堂上编程教学的不足，为培养计算思维提供新思路；同时，拓展精准教学的学科应用，进一步推动精准教学的发展和教学改革。

二 面向计算思维培养的

人机协同精准教学模式建构

计算思维由周以真教授于2006年首次提出^[19]，随后研究者围绕这一概念提出了多种不同的理解。其中，Brennan等^[20]提出的计算思维三维框架强调计算思维作为问题解决能力的特征，便于表征、评价学生的编程实践活动和学习结果，具有较强的可操作性。本研究依托计算思维三维框架，同时借鉴发展学生计算思维的教学设计^[21]，在深入分析人机协同技术与机制的基础上，结合精准教学的已有研究成果，构建了面向计算思维培养的人机协同精准教学模式，如图1所示。该模式分为“三层”——人机协同层、精准教学层和培养目标层，核心内容是“六精准”——精准问题、精准分组、精准理解、精准目标、精准提升、精准测评，旨在通过精准教学活动的设计和教学活动中人与技术的协同，达成计算思维培养目标。

图1  面向计算思维培养的人机协同精准教学模式

1 人机协同层

人机协同层是实现精准教学的重要基础，其通过智能技术的强大计算与感知能力，实现对人类教师的“认知外包”，达成“技术+教师”的协同教学。教师、智能技术和学生组成人机协同机制（如图2所示），三者相互融合，贯穿于教学的全过程：①课前，教师借助智能技术自动出题，并将试题推送给学生；智能技术对学生提交的作业或试卷进行自动批改，并对收集的数据进行自动分析，将结果反馈给教师以帮助其掌握学情。②课中，智能技术采集与分析学生的各类学习数据，并将可视化分析结果即时反馈给教师，以便于教师实时把握课堂教学进程；与此同时，智能技术根据学生需要，智能推送适配的学习资源，帮助学生完成学习任务。③课后，智能技术根据学科知识图谱测评学生的学习障碍、分析其知识缺陷，精准定位学生的问题之所在，帮助教师快速发现问题并及时调控、干预，为教师灵活调整教学计划、修改教学方案、实施教学策略等提供了技术层面的支持。

图2  人机协同机制

2 精准教学层

精准教学层是教学活动开展的依据，是培养目标达成的主要路径，具体包括六个维度：试题检测明确“精准问题”、智能评估达成“精准分组”、范例研习促进“精准理解”、自主探究实现“精准目标”、协作创新确保“精准提升”、评价交流辅助“精准测评”。其中，“精准分组”是指采用人工智能算法对学生进行精准评估，从学习风格、知识水平等方面建立学习者模型库^[22]，之后将个性特征相似的学习者划分为同一小组；“精准理解”即根据学情精准选择“范例”进行精准加工^[23]；而“精准目标”是指教学目标必须与学生的学习现状、学习风格和学习需求密切相关且高度匹配^[24]，即通过细粒度化教学内容，将教学目标转化为难度分级的编程任务，并结合学习者模型库提供的数据，使学生学情与教学结果预期精准对应。精准教学层设计了六个环环相扣的教学环节，以从六个“精准”出发，顺利升入培养目标层。

3 培养目标层

培养目标层是精准教学的最终指向，旨在通过人机协同的精准教学培养学生的计算思维。计算思维三维框架作为计算思维评价的理论指导已被多次应用于实践，其与我国信息技术课程三维目标对应^[25]，如图3所示。其中，“计算概念”指学生在使用编程工具设计可交互媒体时所使用的概念，具体指编程软件（如Scratch、编程猫）提供的代码块；“计算实践”侧重于思考和学习的过程，不仅关注“学什么”，更关注“如何学”，即编程的策略和方法；“计算观念”则指学生在编程时形成的与自身和周围环境相关的观念。培养目标层以计算思维三维框架与我国信息技术课程三维目标的对应关系为依据，为计算思维水平的评测提供方向。

图3  计算思维三维框架与我国信息

技术课程三维目标的对应关系

三 研究设计与实施

1 教学案例设计

本研究以小学六年级信息技术课“丝绸之路大闯关”为例，基于面向计算思维培养的人机协同精准教学模式进行教学活动设计，具体如图4所示。

图4  “丝绸之路大闯关”教学活动设计

（1）课前：完成试题检测，进行精准定位

课前，教师从布鲁姆认知领域的六个层次（即识记、理解、应用、分析、综合与评价）测试学生对已学编程知识的掌握情况。教师根据测试情况，精准定位学生在知识或技能方面存在的问题，为精准教学设计提供依据。

（2）课中：通过人机协同，获得精准提升

①智能评估进行精准分组：首先，教师为学生创设真实情景；然后，教师结合课前检测结果、现有编程能力水平、编程学习兴趣和学习风格等，将学生分为低分段、中间段和高分段三类同质小组——其中，低分段学生的基础知识较为薄弱，在识记、理解层面有待提高；中间段学生的编程知识较为牢固，但仍需在应用、分析层面努力；高分段学生的理解能力较强，且能够灵活运用先前所学知识进行自由创作，但尚未达成高阶目标。

②范例研习实现精准理解：教师演示范例程序“丝绸之路大百科.exe”，并将范例程序通过班级优化大师发送给学生，引导学生分解积木块、精准理解所涉代码块的编程思想。

③自主探究达成精准目标：首先，学生根据精准学习任务单自主探究，小组协作完成任务一；之后，教师对知识结构进行深入剖析，基于学生学情设定精准教学目标，如表1所示，学生在完成探究任务的过程中达成精准目标。

表1  “丝绸之路大闯关”教学目标

④协作创新获得精准提升：首先，学生在完成任务一的基础上完成任务二，即通过尝试和迭代、测试和调试，以小组合作的方式完成创意作品设计“丝绸之路大闯关2.0”；之后，学生灵活运用积木块为闯关程序添加功能。

通过课中的精准教学活动，各组学生均可得到不同程度的提升。自主游戏正是基于原有知识的迁移和应用效果而设计的，作品创意也体现了创造力、问题解决能力等高阶思维的发展。

（3）课后：通过测评交流，开展精准测评

课后，小组汇报交流、测试和调试游戏作品，教师指导学生针对本组的不足之处进行修改调试和迭代优化；同时，教师从作品的思想性、创造性、艺术性、技术性等四个维度制定编程作品评价量表通过班级优化大师组织各小组进行组内自评和组间互评。之后，学生完成试题检测，教师根据测评结果调整、优化教学设计。

2 实验研究设计

（1）研究对象

本研究从郑州市W小学六年级的8个自然班中随机选取1班和5班的学生作为研究对象。其中，1班为实验组（42人），采用面向计算思维培养的人机协同精准教学模式；5班为控制组（46人），采用任务驱动的教学模式，不涉及精准分组、精准目标和精准测评等。此外，这两个班的授课教师、学习内容、教学时长均相同。

（2）研究工具

本研究以计算思维三维框架为理论指导，从计算概念水平、计算实践水平和计算观念水平三个方面评价学生的计算思维：

①计算概念水平方面，试题选自Romaán-Gonzaález^[26]开发的计算思维测试（Computational Thinking Test，CTT）。CTT共28个封闭式题目，本研究将其分成两份测试（每份14道题目），分别用于前、后测，要求学生在课上25分钟内完成，答对得1分，答错不得分，满分14分。

②计算实践水平方面，教师通过课堂观察与基于作品的访谈对学习成效进行质性评价，以了解学生在编程学习过程中计算思维的潜在变化，借助开源Web应用程序Dr. Scratch自动分析学生的编程项目，每个维度给出“0-3级”的评分来判定学习者在编程中的计算思维能力水平^[27]。

③计算观念水平方面，参考计算观念的测评量表^[28]，结合Korkmaz^[29]的计算思维量表，设计了包括创造力、算法思维、协作能力、批判性思维、问题解决能力五个维度的计算观念量表，共29道题，采用李克特七点量表计分。教师在课堂上发放问卷，前、后测均回收问卷88份，回收率达100%。采用SPSS 25.0处理、分析数据，得到前、后测量表总的Cronbach’s α系数值分别为0.872、0.891，五个维度的Cronbach’s α系数值均大于0.813，说明量表的信度较好。

（3）研究过程

利用上述研究工具，本研究开展了实验组和对照组的前、后测准实验，为期16周，每周1学时。其中，第1周在课上进行计算概念水平和计算观念水平的前测；第16周在课上进行计算概念水平和计算观念水平的后测；中间的14周对学生进行访谈，评价学生的计算实践水平。

四 研究结果与讨论

1 人机协同精准教学能显著提升小学生的计算概念水平

两组学生计算概念前、后测数据的独立样本t检验结果如表2所示，具体分析如下：①实验组计算概念的前测水平（M=8.48）略高于控制组（M=8.37），但不存在显著性差异（t=-0.222，Sig.=0.825＞0.05）。可见，实验前两组学生的计算概念水平基本持平。②计算概念水平的后测数据表明，经过一学期的学习，两组学生的计算概念水平均得到了一定程度的提升。但是，实验组的水平（M=10.02）高于控制组（M=8.74），且存在显著性差异（t=2.806，Sig.=0.006＜0.05）。可见，人机协同精准教学更有助于提升学生的计算概念水平。

表2  计算概念前、后测数据的独立样本t检验

注：*p＜0.05，**p＜0.01。下同。

表3  计算概念前后测中高分段、中间段、低分段人数及其变化 

为了深入探究人机协同精准教学模式对于不同学情学生的精准提升效果，本研究将计算概念水平测试得分划分为高分段、中间段、低分段等三个分数段，各分数段人数及其变化如表3所示。对两组前、后测的三个分数段人数进行比较，可以看出：实验组的高分段学生数量增加3人、低分段减少8人；控制组的高分段学生数量仅增加1人、低分段减少4人。可见，实验组不同学情学生的计算概念水平均得到了更为显著的提升和发展。表3中两组各分数段人数的变化，可以印证已有研究中关于精准教学有效性的结论。例如，本研究中实验组前后测高分组学生的占比由9.5%上升至16.7%、低分段学生的占比由33.3%降至14.3%，这与王永固等^[30]发现精准教学能显著提高学生成绩，同时增加“学优生”比例、降低“学困生”比例的结论一致。

2 人机协同精准教学能显著提升小学生的计算实践水平

本研究对实验组的学习过程进行了实录，课堂观察结果显示：经过一段时间的学习，学生已能基于对抽象问题的理解形成自己的想法，再将这些想法转换成具体的编程脚本，说明学生逐渐发展了抽象和建模的计算实践能力；当程序出现问题时，学生的应对策略从原来直接删除积木转为对原有积木进行修改和调试，表明学生测试和调试的计算实践水平也得到了提升。

对学生的深度访谈结果显示，学生作品中体现了尝试和迭代等思想。例如，学生A说：“我能根据最初始的项目计划与目标，在自主探究和同伴学习的过程中获取灵感，不断完善最初的作品设计——我的第10个作品‘古城交易’就是这样创作出来的。”学生B说：“我会对已有的编程作品进行二次修改，我第7节课的作品就是在‘奖励军功’作品的基础上添加定义函数的功能而形成的。”可见，人机协同精准教学显著提升了小学生的计算实践水平。

3 人机协同精准教学能显著提升小学生的计算观念水平

为深入探究人机协同精准教学模式能否提升小学生的计算观念水平，本研究对两组学生的计算观念前、后测数据进行了独立样本t检验，结果如表4所示，可以看出：实验组计算观念前测的整体水平（M=4.76）略低于控制组（M=4.77），但五个维度与整体水平均不存在显著性差异，据此可以认为实验前两组学生的计算观念水平基本持平。

表4  计算观念前、后测数据的独立样本t检验

从后测数据来看，两组学生的计算观念水平都得到了一定提升。但实验组后测的整体水平（M=5.37）明显高于控制组（M=4.92），且五个维度与整体水平均存在显著性差异，这表明经过一个学期的学习，实验组学生具有了更高的计算观念水平。同时，实验组学生在创造力（p=0.000＜0.01）、算法思维（p=0.005＜0.01）、协作能力（p=0.001＜0.01）、批判性思维（p=0.001＜0.01）四个维度的提升效果也非常显著；问题解决能力维度虽然也有显著提升，但提升效果不如其它四个维度理想（p=0.014＞0.001），其原因可能在于教师为了确保问题解决的成效，不自觉地为学生预设了问题解决思路^[31]。这就要求教师转变观念，在教学过程中充分关注学生的思维发展，并为学生提供明确的教学支架，鼓励学生提出多元化的问题解决策略。

五 人机协同支持的精准

教学培养小学生计算思维的启示

1 以学情为基础实现精准分组，有助于精准目标达成

精准分组是精准教学能否达成预期目标的重要保障。在进行学情分析的基础上，本研究根据存在问题的类型将实验组学生划分为三类同质小组，为每个小组设置两个进阶的编程任务，以实现精准教学的目标。通过课堂观察和深度访谈，本研究发现：每个层次的学生都能在原有基础上有所提升，如低分段学生C在完成组内任务的基础上，自学了有关“广播”的积木创新作品。分层的小组划分能够促进精准教学高效地达成预期目标，依据学情进行分层教学，能够提高学习兴趣，促进专业技能的提升^[32]。此外，本研究通过智能评估精准分组，通过实验发现实验组学生在创造力、算法思维、协作能力和批判性思维维度得到了显著提升；同时，分组差异有利于激发学生的竞争意识，良性竞争能够提升学习热情，有助于形成良好的学习氛围^[33]。

2 人机协同技术支持精准测评，促进教学效果不断优化

人机协同精准教学模式在实施过程中，依托人机协同技术智能采集学生的学习行为数据，包括课前的学情分析、课中的实时调控、课后的测评反馈等，将精准教学的理念贯穿于教学全过程，取得了良好的教学效果。人工智能技术实时监控学生的学习行为，缩小了班级成员间的学习差距，提高了学生的学习自觉性。本研究通过实验，有效地将计算概念水平测试中实验组的高分段和中分段学生数量增加8人、低分段减少8人，说明通过即时评价交流、全过程学习数据记录、可视化的学生画像展示等智能技术支持的精准教学，可以促进学生计算概念水平的精准提升。人机协同技术支持精准识别学生个性化的学习特征，精准测评学生个体及群体在各个维度的学习状态，教师可以根据测评结果有针对性地采取干预措施，从而优化教学效果。

3 教师需转变传统教学观念，提供支架助力精准教学

本研究将精准教学的理念引入编程教学，根据学情进行个性化教学设计，促进了学生计算思维水平的精准提升。针对实验中问题解决能力维度提升效果不理想的问题，本研究提出了如下建议：①为使计算思维培养的效果更佳，除了教学模式的创新，教师的教学观念也需进一步转变。②要为学生提供必要的教学支架，可利用人工智能技术帮助教师更好地构建支架和创设情境，从而将复杂的问题分解，促进解决问题^[34]。③对计算思维的培养有必要结合多样化的生活情境，并与不同学科融合。这是因为，跨学科的学习情境不仅有助于计算思维的迁移，也能帮助学生在不同情境下通过不断地抽象、重组寻找问题解决方案^[35]。因此，在计算思维教学中，教师需要转变以往的教学观念，以学生探索为主，为学生提供具体、明确的教学支架，而不是直接规定解题路径；同时，教师应注重将计算思维融入不同学科，促进计算思维的培养逐渐从编程教育走向跨学科综合设计。

参考文献

[1]郁晓华,王美玲.计算思维培养之路还有多远?——基于计算思维测评视角[J].开放教育研究,2020,(1):60-71.

[2]张进宝,姬凌岩.中小学信息技术教育定位的嬗变[J].电化教育研究,2018,(5):108-114.

[3]孙丹,李艳.国内外青少年编程教育的发展现状、研究热点及启示——兼论智能时代我国编程教育的实施策略[J].远程教育杂志,2019,(3):47-60.

[4]李阳.计算思维导向的跨学科儿童编程教育模式研究——基于芬兰儿童编程教育的经验与启示[J].现代教育技术,2020,(6):19-25.

[5]吴璇,王宏方.日本小学编程教育融入课程:理念、路径及启示[J].上海教育科研,2021,(1):33-37.

[6]范文翔,张一春,李艺.国内外计算思维研究与发展综述[J].远程教育杂志,2018,(2):3-17.

[7]傅骞,解博超,郑娅峰.基于图形化工具的编程教学促进初中生计算思维发展的实证研究[J].电化教育研究,2019,(4):122-128.

[8][31]郁晓华,肖敏,王美玲,等.基于可视化编程的计算思维培养模式研究——兼论信息技术课堂中计算思维的培养[J].远程教育杂志,2017,(6):12-20.

[9]郁艳琴.精准教学提升大学生编程能力的实证研究[D].金华:浙江师范大学,2020:1-3.

[10]Binder C. Precision teaching: Measuring and attaining exemplary academic achievement[J]. Youth Policy, 1988,(7):12-15.

[11]Lambe D, Murphy C, Kelly M E. The Impact of a precision teaching intervention on the reading fluency of typically developing children[J]. Behavioral Interventions,2015,(4):364-377.

[12]White. Precision teaching-precision learning[J]. Exceptional Children,1986,(6):522-534.

[13]郭利明,杨现民,张瑶.大数据时代精准教学的新发展与价值取向分析[J].电化教育研究,2019,(10):76-81、88.

[14]祝智庭,彭红超.信息技术支持的高效知识教学:激发精准教学的活力[J].中国电化教育,2016,(1):18-25.

[15]王亚飞,李琳,李艳.大数据精准教学技术框架研究[J].现代教育技术,2018,(7):5-10.

[16]邢丽丽.基于精准教学的混合式教学模式构建与实证研究[J].中国电化教育,2020,(9):135-141.

[17][30]王永固,肖镭,莫世荣,等.电子书包赋能的精准教学模式有效性研究——以初中数学复习课为例[J].中国电化教育,2019,(5):106-113、119.

[18]罗莹,谢晓雨,董少彦.初中物理精准教学课堂的构建及实践[J].中国电化教育,2019,(1):48-53.

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

[20]Brennan K, Resnick M. New frameworks for studying and assessing the development of computational thinking[A]. Annual American Educational Research Association meeting[C]. Vancouver: Aera, 2012:1-25.

[21]王旭卿.从计算思维到计算参与:美国中小学程序设计教学的社会化转向与启示[J].中国电化教育,2014,(3):97-100.

[22]孔维梁,韩淑云,张昭理.人工智能支持下自适应学习路径构建[J].现代远程教育研究,2020,(3):94-103.

[23]吴向东,王继华.为创作而教:儿童数字文化创作课程的教学方法[J].中小学信息技术教育,2010,(11):23-24、31.

[24]武法提,李彤彤.基于远程学习者模型的差异化教学目标设计[J].现代远程教育研究,2013,(3):66-71.

[25]王旭卿.面向三维目标的国外中小学计算思维培养与评价研究[J].电化教育研究,2014,(7):48-53.

[26]González M R. Computational thinking test: Design guidelines and content validation[A]. Proceedings of EDULEARN15 Conference[C]. Barcelona: IATED Academy, 2015:2436-2444.

[27]Moreno-León J, Robles G, Román-González M. Code to learn: Where does it belong in the K-12 curriculum[J]. Journal of Information Technology Education: Research, 2016, 15: 283-303.

[28]惠恭健,兰小芳,钱逸舟.计算思维该如何评？——基于国内外14种评价工具的比较分析[J].远程教育杂志,2020,(4):84-94.

[29]Korkmaz Ö, Çakir R, Özden M Y. A validity and reliability study of the computational thinking scales (CTS)[J]. Computers in Human Behavior, 2017,72:558-569.

[32]杨九民,陈彬,严莉.基于分层教学提升师范生实践能力的研究[J].现代教育技术,2012,(11):38-42.

[33]王永雄,丁德瑞,宋燕,等.基于创新实践能力培养的精准分层教学[J].中国电化教育,2017,(12):109-114.

[34]尹以晴,李宁宇,柳晨晨,等.人工智能时代计算思维培养的七种教学策略[J].中小学数字化教学,2021,(4):23-27.

[35]马志强,刘亚琴.从项目式学习与配对编程到跨学科综合设计——基于2006-2019年国际K-12计算思维研究的元分析[J].远程教育杂志,2019,(5):75-84.