《COMPUTERS and EDUCATION》：Instructional Approaches and Content Knowledge in Teaching Computational Thinking: A Large-Scale Study
编辑推荐：
•潜在剖面分析探索了教师群体的教学选择差异•直接讲授法是最常用于教授计算思维的教学方法•直接讲授法与基于问题的学习和合作学习并存•教师的内容知识与使用基于问题的学习呈负相关•教师的内容知识与使用合作学习呈负相关引言近年来，计算思维已被纳入全球范围内的课程体系中，旨在赋予学生应
- •
潜在剖面分析探索了教师群体的教学选择差异
- •
直接讲授法是最常用于教授计算思维的教学方法
- •
直接讲授法与基于问题的学习和合作学习并存
- •
教师的内容知识与使用基于问题的学习呈负相关
- •
教师的内容知识与使用合作学习呈负相关
引言
近年来，计算思维已被纳入全球范围内的课程体系中，旨在赋予学生应对数字化挑战所需的能力（Bocconi等，2022）。因此，教师需要将这一教学目标融入其教学实践中。然而，课程通常规定了"教什么"，却并未明确说明"在课堂上如何实施"，这使得融入这些期望变得颇具挑战。在新兴领域尤为如此，因为学界对有效的教学方法尚未形成统一共识。因此，一个关键问题是：教师如何将课程期望转化为实际教学行为？Hsu及其同事（2018）在其文献综述中，识别出基于问题的学习和合作学习两种与计算思维教学密切相关的教学方法，这两种方法均植根于建构主义的教学观。该观点强调动手探索与发现，在计算机教育领域日益受到关注，深受Papert（1993）研究的启发。然而，尽管这些联系在文献中已有充分阐述（如Hsu等，2018；Jonasen & Burri，2019；Kwon等，2021；Ma等，2021；Yin等，2024），先前研究也强调了直接讲授法在计算机教学中的重要性（如Mayer，1988, 2004；Rosenberg-Kima等，2022；Zendler & Klaudt，2015），后者更倾向于行为主义的教学观。支持者认为，直接讲授法更符合人类的认知加工过程，能够带来更有效的学习和更好的学习结果（Kirschner等，2006；Mayer，2004）。
现有关于计算思维教育中教学方法的研究主要以实验研究为主，对于教师如何在课堂上落实课程期望缺乏深入了解。能够系统性地理解这些教学方法的大规模量化数据仍然十分稀缺。本研究旨在弥补这一空白，通过大规模描绘教师的教学方法，从而更全面地了解这一新兴领域的教学实践。此外，本研究超越了建构主义与行为主义方法的二元对立，明确考察教师如何整合两者。
另一个同样关键的问题涉及影响教师选择特定教学方法的驱动因素。虽然教学决策受到多种因素的影响，包括学习者特征、教师特征和情境要素等，但本研究特别关注一个重要的教师属性：计算思维内容知识。尽管关于教师计算思维领域内容知识的研究已有所涉及（如Gal-Ezer & Stephenson，2010；Kong等，2023；Kong & Lai，2022；Yadav等，2016），但探讨内容知识与教学方法之间关系的研究仍十分有限。然而，数学领域的研究表明，内容知识水平较高的教师更倾向于支持建构主义而非行为主义的教学实践（Voss等，2013）。基于这些见解，本研究旨在探讨教师的计算思维内容知识与其教学选择之间的关系，从而将这一研究路径具体应用于计算思维领域。由此，本研究不仅旨在描绘教师在教授计算思维时所采用的多样化教学方法，还致力于揭示这些选择与其计算思维内容知识水平之间的关联。
章节摘要
计算思维教育：教学方法
Hsu等人（2018）将基于问题的学习和合作学习确定为计算思维教育中的两种主要方法，这一发现也得到了近期研究的进一步支持（如Jonasen & Burri，2019；Kwon等，2021；Lai & Wong，2022；Lai等，2022；Ma等，2021；Scherer等，2020；Yin等，2024）。基于问题的学习围绕引导学生为解决给定问题而发展解决方案来组织教学（Reigeluth & Keller，2009）。Barrows（1996）的模型
研究问题
基于Papert（1993）的开创性工作，计算思维主要与受建构主义学习理论启发的教学方法相关联，如基于问题的学习和合作学习（Hsu等，2018）。与此同时，也有一系列研究倡导直接讲授法在计算机教学中的作用（如Mayer，1988；Rosenberg-Kima等，2022；Sloane & Linn，1988；Zendler & Klaudt，2015；Zendler &
研究设计与背景
本研究采用横断面研究设计（Cohen等，2018），即在单一时间点对代表性样本进行数据收集。该设计能够收集大规模数据，非常适合回答描述性研究问题（RQ1）以及考察变量间的关系（RQ2）。数据收集是弗兰德地区（比利时北部）ICILS 2023的一部分。ICILS是一项国际性大规模
研究问题1：潜在剖面分析
LPA的结果见表4。首先，使用第4.4.1节中解释的四个指标，比较了包含一个、两个和三个剖面模型。三剖面模型展现出最高的对数似然值和最低的BIC值，表明其模型拟合度更优。此外，VLMR检验的三剖面模型p值显著，表明该模型比二剖面模型的拟合度有显著改善。然而，第五个
讨论
本研究旨在深化我们对计算思维教育领域教学实践的理解。具体而言，它旨在回答两个研究问题：第一，通过识别不同的教师类型，描绘教师在教授计算思维时所采用的教学方法；第二，考察这些教学方法与教师在该领域内容知识之间的关系。通过探讨这一关系，本研究旨在
结论
本研究旨在深化我们对教师在教授八年级学生计算思维时所采用的教学方法的认知。结果表明，直接讲授法是最常用的方法，而基于问题的学习和合作学习的使用频率较低。重要的是，研究发现这些方法并非互斥，表明教师会结合多种方法来促进学习。此外，该
作者贡献声明（CRediT）
Koen Aesaert：写作——审阅与编辑、监督、经费获取、概念构思。Johan van Braak：写作——审阅与编辑、监督、经费获取。Charlotte Struyve：写作——审阅与编辑、监督、项目管理、经费获取、数据整理、概念构思。Sara Monteyne：写作——初稿撰写、方法论、调查研究、正式分析、概念构思
未引用参考文献
Rosseel, 2012；Vermunt and Magidson, 2002。
伦理标准合规声明
本研究涉及人类参与者。所有参与者均已签署知情同意书。勒鲁文大学（KU Leuven）社会与社会伦理委员会（SMEC）已批准本研究。
生成式人工智能在科学写作中的使用说明
在撰写本文过程中，作者使用了生成式人工智能技术，具体为ChatGPT，以改善稿件的可读性和语言表达。使用该工具后，作者对内容进行了审阅和编辑，并对已发表文章的内容承担全部责任。
Sara Monteyne | Charlotte Struyve | Johan van Braak | Koen Aesaert
