小学生阅读理解与计算思维的关系：问题解决能力的中介作用

《Sage Open》：Problem-Solving as a Mediator Between Reading Comprehension and Computational Thinking in Primary School Students

　　

阅读理解（Reading Comprehension）被认为是支持问题解决（Problem-Solving）和推理等高级认知过程的基础性认知技能。本研究考察阅读理解与计算思维（Computational Thinking）技能之间的关系，重点探讨感知问题解决能力（Perceived Problem-Solving Skills）的中介效应。研究采用相关设计，以检验感知问题解决能力是否在阅读理解与计算思维之间发挥中介作用。样本包括275名三年级小学生。数据收集使用三种工具：计算思维测试-TechCheck-2、儿童问题解决量表（Problem-Solving Inventory for Children）和阅读理解成就测试（Reading Comprehension Achievement Test）。采用基于普通最小二乘法（OLS）回归的中介分析，通过PROCESS宏（PROCESS macro）评估研究模型和四个假设。结果表明，所有假设关系均具有统计学显著性。阅读理解和感知问题解决能力均为计算思维的显著预测因子，且感知问题解决能力在阅读理解与计算思维之间发挥部分中介作用。这些发现凸显了提升学生阅读理解和感知问题解决能力以促进小学教育中计算思维发展的重要性。本研究通过证明自我报告的问题解决倾向在低年级学习者中的中介作用，拓展了关于计算思维认知基础的现有研究。此外，研究还为整合识字与问题导向学习的教学实践提供了启示，以增强学生在教育早期阶段的感知能力。

研究背景方面，阅读理解是小学阶段认知发展的核心，不仅是语言能力，更是参与多步骤任务、遵循逻辑序列和理解指令的基础性认知技能。计算思维（Computational Thinking, CT）是由Wing（2006）提出的一种系统性、分析性的高级技能，包含分解、抽象和算法设计等成分，与一般问题解决过程不同，它提供了一种更为结构化的、基于规则的框架。尽管现有研究已指出阅读、问题解决与计算思维之间存在相互关联，但这三个变量在整合过程中的交互机制尚不明确，特别是感知问题解决能力如何作为语言理解能力与技术算法思维能力之间的中介，缺乏实证证据。因此，本研究提出一个理论模型，将阅读理解定位为输入，计算思维定位为输出，问题解决倾向定位为将语言理解转化为计算思维所需持续性规则化处理的中介机制。

研究人员采用相关设计，以275名土耳其伊斯坦布尔某公立学校三年级学生为样本（130名男生，47.3%；145名女生，52.7%；43%为9岁，57%为10岁），数据收集于2023-2024学年第二学期。研究使用三种测量工具：TechCheck-2计算思维测试（17题，满分15分，测量算法思维、排序、模块化、控制结构、表征和调试等领域）、儿童问题解决量表（24题，5点Likert量表，包含问题解决信心、自我控制和回避三个因子）和阅读理解成就测试（基于Barrett分类法的6道开放题，满分12分）。数据分析采用Hayes的PROCESS宏（Model 4）进行基于OLS回归的中介分析，使用5000次Bootstrap重抽样生成95%偏差校正置信区间。研究得出以下结论：阅读理解和感知问题解决能力均显著正向预测计算思维；感知问题解决能力在阅读理解与计算思维之间发挥部分中介作用。研究意义在于，拓展了计算思维认知基础的研究，证明了自我报告的问题解决倾向在低年级学习者中的中介作用，并为整合识字与问题导向学习的教学实践提供了启示。

在技术方法方面，本研究主要采用 correlational design（相关设计），使用三种测量工具收集数据：TechCheck-2计算思维测试（unplugged设计，无需编程基础）、儿童问题解决量表（自评量表，测量感知问题解决倾向）和阅读理解成就测试（基于Barrett分类法的开放题，采用标准化评分规则，评分者间信度Cohen's Kappa为κ=.83）。样本来源于土耳其伊斯坦布尔一所中等社会经济水平的公立学校，通过便利抽样选取275名三年级学生。数据分析采用基于OLS回归的PROCESS宏（Model 4）中介分析，配合5000次Bootstrap重抽样。此外，采用Harman单因子检验评估共同方法偏差，结果显示第一因子仅解释21.58%的总方差，表明共同方法偏差不构成显著威胁。

研究结果方面，首先，描述性统计与相关分析表明，计算思维与感知问题解决能力之间呈显著正相关（r=.255, p<.01），计算思维与阅读理解之间呈显著正相关（r=.204, p<.01），感知问题解决能力与阅读理解之间呈显著正相关（r=.313, p<.01）。其次，多元回归分析显示，阅读理解和感知问题解决能力共同解释计算思维8.2%的方差（R=.29, R2=.082, F=12.15, p<.01），其中阅读理解的标准化回归系数β=.137（p=.025），感知问题解决能力的标准化回归系数β=.212（p<.001）。第三，中介分析结果表明，阅读理解对计算思维的总效应显著（β=.204, p<.01），阅读理解对感知问题解决能力的预测显著（β=.313, p<.001），感知问题解决能力对计算思维的预测显著（β=.212, p<.001），间接效应显著（Effect=.083, 95% CI [.033, .144]），且加入中介变量后直接效应从β=.204降至β=.137但仍显著（p=.025），表明感知问题解决能力发挥部分中介作用。阅读理解解释了感知问题解决能力9.8%的方差（R2=.098），整体模型解释了计算思维8.2%的方差（R2=.082）。

讨论部分总结如下：本研究旨在检验感知问题解决能力是否在阅读理解与计算思维之间发挥中介作用，四个假设均得到支持。阅读理解作为计算思维的显著预测因子，使个体能够准确解释和理解信息，阅读中涉及的文本分析、模式识别和信息结构化等高级认知过程直接强化了计算思维的核心维度——分析、模式识别和抽象。感知问题解决能力与计算思维之间的显著关系表明，计算思维不应仅被视为一套离散的技术技能，而应视为更广泛问题解决能力的延伸。感知问题解决能力在阅读理解与计算思维之间的部分中介作用表明，阅读理解不仅通过问题解决间接影响计算思维，还对其保持显著的直接影响。从发展视角来看，在低年级阶段，阅读理解和问题解决构成计算思维发展的认知脚手架；而在后期阶段，个体可能利用已发展的计算思维技能来优化问题解决表现。研究结论部分翻译如下：总之，研究结果表明，阅读理解和感知问题解决能力均直接和间接地预测计算思维。问题解决的部分中介作用凸显了发展阅读和问题解决能力以支持学生计算思维的重要性。这些见解表明，旨在提升计算思维的教育干预也应注重强化阅读理解和问题解决倾向。阅读理解涵盖语法、词汇和推断意义等一系列技能，这些技能通过使学生理解问题语句、解释条件和解读数字与语言表达，强化了问题解决过程的起点。此外，阅读理解能力强的个体能够判断文本中哪些信息要素重要并过滤掉不必要的细节，这种抽象化是计算思维的重要要素之一。本研究存在以下局限性：第一，样本为土耳其伊斯坦布尔一所中等社会经济水平公立学校的三年级学生，采用便利抽样，限制了结果的普适性；第二，研究未纳入社会经济地位、一般认知能力、先前学业成就或数字技术接触等控制变量；第三，研究采用横断面设计，无法确定变量间的因果关系；第四，问题解决能力通过学生自我报告的感知能力评估，而非直接的行为表现测量，可能无法完全反映实际的问题解决能力。未来研究应通过更多样化和具有代表性的样本、纳入相关控制变量、采用纵向或实验设计，并结合问题解决表现的直接评估以及动机、自我效能感和学习策略等情感因素来弥补这些局限。