在在线游戏设计及就业工作坊中评估自闭症青少年所开发的游戏中的计算思维与创造力技能

《Thinking Skills and Creativity》：Assessing Computational Thinking and Creativity Skills in Games Developed by Autistic Youth in Online Game Design and Employment Workshops

　　特蕾莎·安东尼|西妮德·奥布莱恩|克莉西亚·劳伦·埃达诺|埃利安娜·格罗斯曼|阿丽亚娜·R·阿里斯塔|杰斯·马科特|克里斯托弗·唐南·格拉维尔|克里斯滕·吉莱斯皮-林奇
纽约市立大学斯塔滕岛学院，纽约州斯塔滕岛胜利大道2800号，邮编10314

摘要
计算思维与创造力被视作21世纪职场所需的关键技能。一些研究者还将创造力视为计算思维的组成部分。然而，目前大多数计算思维评估方法都忽视了创造力以及支撑它的认知多样性，比如神经多样性。在那些用于验证计算思维评估有效性和可靠性的研究中，残疾学生往往被排除在外，这不仅限制了教育者帮助神经多样性学生发展技能、从而获得就业机会的能力，也影响了我们对计算思维的理解。对于自闭症学生而言，这种情况尤其具有局限性——他们往往具备与需要计算思维的职业相匹配的技能，但却面临严重的就业障碍。因此，需要采用包含自闭症学生的多方法来评估计算思维，以提高相关评估的有效性和可靠性。本研究对28名参加游戏设计与就业工作坊的自闭症学生所制作的游戏进行了定性分析，比较了游戏中元素的质量与数量（这些元素是衡量其计算思维和创造力技能的生态学有效指标）与其在计算思维及创造力评估中的得分。游戏创造力通过评估游戏中元素的灵活性与流畅性来体现，而总体创造性潜力则通过“替代用途任务”来测定。我们还使用了两种常用的计算思维评估工具的简化版本——计算思维能力-中学阶段评估量表和计算机科学探索单元4，来评估计算思维能力。同时，我们研究了创造力与计算思维是否与游戏设计自我效能感、学生对自己在 workshop活动中参与度的自我评价以及流体推理能力相关。结果表明，计算思维能力和“替代用途任务”得分与学生游戏的创造力存在关联。简化版的计算思维能力-中学阶段评估量表比简化版的计算机科学探索单元4更能准确反映游戏水平，且内部一致性更高。学生对自己在自我倡导和反馈活动中的参与度的自我评价与游戏创造力相关，而认知技能则与计算思维能力-中学阶段评估量表相关，但与游戏创造力无关。这些发现表明，有必要设计出能够同时涵盖计算思维的认知层面以及潜在情感和创造层面的评估方法。

引言
随着世界节奏日益加快且充满不确定性，像计算思维与创造力这样的技能能够帮助人们解决新问题，从而更好地适应环境并取得成功。事实上，计算思维与创造力已被视为21世纪职业发展中不可或缺的关键技能（Bakhshi等人，2015；Gajdzik & Wolniak，2022；Mohaghegh & McCauley，2016）。一些学者认为，计算思维本质上就具有创造性，需要多种思维方式才能实现（Hu，2011；Korkmaz等人，2017；Resnick，2018；Romero等人，2017）。然而，大多数计算思维评估方法都忽视了创造力与神经多样性，这意味着它们主要评估的是找到已知答案的能力，而非创造新答案的能力。此外，那些用于开发及验证评估方法的研究中也未纳入有特定残疾的学生群体（Ocampo等人，2024；Román-González，2015；SRI International，2016；Tang等人，2020；Wiebe等人，2019；少数例外可参见Rowe等人，2021）。

如前所述，许多常用的计算思维评估工具依赖于脱离具体情境的多项选择题（例如Román-González等人，2018；SRI International，2016；Wiebe等人，2019）。每道题目只允许一个“正确答案”，这种设计可能限制评估的有效性，因为它减少了学习者进行创造性问题解决的机遇，而这种解决问题方式正是许多计算思维定义的核心所在（例如Wing，2006）。还有一些评估工具依赖作品集，这使得不同人之间以及不同时期的结果难以比较。实际上，最近的综述指出，由于缺乏有效且可靠的计算思维评估工具，我们很难全面了解当前教育领域越来越重视计算思维这一关键学习成果所带来的影响（例如Poulakis & Politis，2021；Yeni等人，2024）。本文的主要目标之一，就是通过评估常用计算思维评估工具的简化版本的内部一致性与有效性——比如它们与自闭症学生所制作的游戏之间的关联——为进一步开发更完善的计算思维评估方法做出贡献。需要采用以不同学生作品为核心的多方法来评估计算思维，以提高相关评估的有效性和可靠性（Brennan & Resnick，2012；Guggemos等人，2023）。教育者需要可靠的计算思维评估工具，这样才能帮助学生在其技能和兴趣相匹配的领域取得成功，甚至开创属于自己的事业。然而，鉴于几乎所有以往关于计算思维的研究都未充分考虑残疾问题，大多数计算思维评估工具的有效性和可靠性都尚未得到证实，尤其是对于残疾学生而言。本文的另一重要目标是，通过结合学生制作的游戏作品与结构化的计算思维调查问卷，逐步开发出能够准确评估自闭症青少年计算思维与创造力水平的有效方法。我们通过对这些游戏进行定性分析，比较了游戏中元素的质量与数量与其在简化版计算思维及创造力评估中的得分之间的关系。

在美国，大约每31名青少年中就有1名是自闭症患者（Shaw等人，2025），这使得自闭症成为美国最大的少数群体之一。自闭症学生往往具备与计算思维技能相契合的优势，比如注重细节、善于识别模式以及富有创造力（Baron-Cohen等人，2009；Cancer等人，2024；Stevenson & Gernsbacher，2013）。然而，尽管自闭症患者在科学、技术、工程和数学领域的兴趣通常较高（不过并非普遍如此），而且对这些领域的专业人才需求也在不断增加，但他们仍然面临着长期失业或就业不足的问题（Black等人，2020；Cheriyan等人，2021；Shattuck等人，2012；美国劳工统计局，2022；Vincent，2020；Wei等人，2013）。造成这一令人担忧的差距的一个关键原因是，传统的招聘方式使得自闭症患者在展示自身技能时处于明显劣势（Finn等人，2023；Whelpley & May，2023）。自闭症求职者在应对隐含的社会期望、缺乏针对自闭症的理解与支持，以及遭受歧视等方面面临诸多困难（Black等人，2020；Bross等人，2021；Flower等人，2021；Milton，2012）。因此，需要采取积极策略，准确评估自闭症青少年的计算思维与创造力技能，帮助他们发展并展示自己的能力。目前缺乏可靠的计算思维评估工具，这限制了自闭症患者展现这一关键就业技能的能力。

计算思维是学术成就与职业成功的重要推动力（Lei等人，2020；Mohaghegh等人，2016）。设计、测试和使用计算模型的能力对各个学科的发展都至关重要（Denning，2017）。不过，计算思维的定义至今仍不够统一（Cansu & Cansu，2019；Denning，2017；Grover & Pea，2013）。通常，计算思维的定义包括利用计算机对想法进行建模、“以计算机为工具进行思考的能力”（Berland & Wilensky，2015，第630页），以及像计算机那样以系统化的方式解决问题（Shute等人，2017；Wing，2011）。据称，珍妮特·温在2006年的一篇论文中首次提出了“计算思维”这一术语，该论文引发了人们对这一概念的极大兴趣。她在文中将计算思维描述为一种通过系统化方式解决问题的技能组合。温2006年的论文具有很大影响力，但她给出的定义因涵盖了广泛的技能（包括抽象思维、模式识别、分解、递归等）而存在多种解读可能。

随后，温与阿尔弗雷德·阿霍通过电子邮件交流，提出了一个广为使用的计算思维定义，即：“用于制定问题及其解决方案的思维过程，使得这些解决方案能够以信息处理系统可以有效执行的形式呈现出来”（Wing，2011，第1页）。这一定义突出了计算思维的认知层面，而这正是许多计算思维评估方法的核心，包括本研究中所使用的评估工具（Román-González等人，2017；SRI International，2016；Wiebe等人，2019）。虽然温2006年的论文常被视为“计算思维”这一术语的起源，但实际上这一术语可以追溯到计算机研究早期（Denning，2017）。该术语最早由西摩·帕佩特在其1980年的著作《思维风暴》中提出，他在书中提到了计算思维，但并未给出明确定义，只是指出它是年轻人可以利用技术构建模型、从而理解世界的工具（Lodi & Martini，2021）。在后续作品中，帕佩特（1996）提出，他的目标是利用“计算思维创造出至少与欧几里得式构造一样‘具有解释性’的创意（甚至更有解释性），同时更具可操作性和强大功能”。帕佩特的理论基于这样一种信念：学习者只有通过创造具有个人意义的技术作品，才能主动构建知识。他认为，如果学生不能在动手实践中产生情感上的投入，就无法真正利用计算机进行学习（Lodi & Martini，2021）。我们的研究方法在四个方面与帕佩特的理念相契合：1）我们在计算思维的定义中融入了帕佩特强调的创造新知识的理念；2）我们在非正式教育环境中探讨计算思维，帕佩特认为非正式教育能提供更多探索兴趣的灵活机会，优于传统正规教育（Lodi & Martini，2021）；3）我们对学生制作的、通常对他们具有个人意义的游戏进行了编码分析；4）我们研究了学生在workshop活动中的自我报告的情感（及认知）投入程度是否与其所制作的游戏之间存在关联。

为了给本研究定义计算思维，我们结合了帕佩特（1996）强调的通过构建方式学习如何创造强大且易于理解的问题的解决方案的理念，以及温（2011）更侧重于思考过程的定义，即那些能够“被信息处理系统有效执行”的解决方案的生成过程。我们的定义也参考了一些学者的观点，他们认为在目前关于计算思维的讨论中，往往过于侧重温的认知层面定义，而忽视了帕佩特所强调的人类主体性及意义建构的重要性（Barba，2016；Resnick，2018）。例如，Barba（2016）将计算思维视为一种构建新知识的建构主义过程，是一种“让人们在计算机与思维的互动中拥有行动力和解决问题能力的力量源泉”。

在本研究中，我们将计算思维定义为一种充满力量且富有创造性的过程：它包括识别问题、制定策略以理解并解决这些问题，这些策略需符合计算机可执行的步骤，同时还需要根据需要不断优化方法，最终找到或创造出有效的解决方案。我们对上述关于计算思维的观点进行了整合，不仅扩展了温定义所带来的常见论述，还融入了温自身作品中虽存在但往往被忽视的见解。例如，温在2011年写道：“在网络空间中，我们的创造力仅受想象力限制”（第2页）。

由于计算思维的定义存在巨大差异，因此很难以有效且可靠的方式对其进行衡量。早期的计算思维评估工具，比如《爱丽丝梦游仙境》中的“仙女评估”，都是嵌入在特定的编程环境（如Alice）中的，因此那些不熟悉这些环境的人很难使用它们（Santaengracia等人，2025；Werner等人，2012）。近年来，Dr. Scratch作为一种更为便捷的形成性评估工具出现了，它能够自动为学生使用Scratch这个开源的块状编程环境所创建的项目打分。使用Dr. Scratch无需掌握文本编程语言。该工具会根据计算思维的核心领域，如抽象思维、逻辑思维、用户交互性以及数据呈现能力，为Scratch项目自动评分（Moreno-León & Robles，2015）。尽管Dr. Scratch具有诸多优势，但它……Scratch仅适用于那些已经掌握一定编程知识的学生所开发的项目，因此不能作为预测试工具（Román-González等人，2017a）。相比之下，为提升人们对信息学兴趣而设立的国际竞赛——Bebras计算挑战赛所设计的题目，可用来进行预测试（Hsieh等人，2022）。与Dr. Scratch类似，Bebras题目也不要求具备块状编程知识。不过，在针对7年级到21岁青少年的多项研究中，Bebras题目的结构并不一致，所含因素数量在1到3个之间不等，且这些研究对象均未被提及有残疾情况（Araujo等人，2019；Oliveira等人，2021；Santaengracia等人，2025）。据我们所知，Rowe及其同事（2021）开发了目前唯一一个特意以有残疾和没有残疾的学生为样本进行评估的计算机思维测量工具。该工具名为“包容性计算机思维评估”（IACT），通过以下谜题来衡量计算机思维能力：大师mind（问题构建）、瑞文渐进矩阵（模式识别）、数独（抽象思维）以及迷宫解谜（算法设计）。研究者在50个班级（3至8年级）中，对有和没有个性化教育计划的学生进行了这项评估。尽管他们的评估方法具有包容性，但整个IACT的表面效度似乎有限，因为其中一些组件，如瑞文渐进矩阵，所测量的概念其他研究者认为虽与计算机思维相关但并不完全相同，比如流体推理能力（Román-González等人，2017b）。此外，不同类型谜题之间的相关性以及重测信度都相当低，这表明其可靠性较差，研究者将此归因于该测量工具的探索性质、任务类型的多样性以及个体发展差异。尽管如此，他们能够纳入残疾学生并发现IACT在残疾学生与非残疾学生中的表现相似，这一点值得肯定。

为解决现有计算机思维测量工具在可靠性、有效性及实用性方面的不足，Román-González及其同事（2015）在专家——主要是K-12阶段及大学科学教育工作者——的指导下，开发了一种总结性能力倾向型的多项选择式计算机思维评估工具，即“计算机思维测试”（CTt）。该测试将计算机思维主要视为一种认知能力，这一观点与Wing和Aho的定义一致。不过，Román-González及其同事（2016）也认识到计算机思维还包含非认知层面，因为他们发现CTt得分与人格特质中的开放性、外向性和尽责性之间存在正相关关系。由于外向性与自闭症特征呈负相关（Schwartzman等人，2016），因此CTt与外向性的关联可能意味着该测试会对自闭症学习者不利。CTt通过块状编程和多项选择题（每题只有一个正确答案）来评估从基本序列、循环、迭代、条件语句到函数和变量等逐步增加难度的计算机思维概念。它侧重于评估计算机概念本身，而忽视了计算机思维实践，即学习者如何将这些概念付诸实践，比如调试能力（Brennan & Resnick，2012；Román-González等人，2018）。在所有描述CTt开发与评估的论文中，均没有提及在样本中纳入残疾学生或分析其残疾状况。

Román-González及其同事（2017a）通过将该测试与现有的计算机思维测量工具进行对比，证明了CTt的可靠性与有效性。在179名西班牙初中生中，CTt得分与他们在Bebras任务中的表现相关；在71名西班牙八年级学生制作的项目中，CTt得分也与自动化的Dr. Scratch评分相关。在1,251名来自5至12年级的西班牙学生中，CTt得分与问题解决能力、逻辑推理能力以及空间旋转能力存在关联（Román-González等人，2017b）。在314名经家长同意参加信息学课程的西班牙初中生中，学期初的CTt测试成绩能够预测他们在信息学、语言和数学课程中的GPA；此外，CTt还能预测学生在在线编程课程中完成的级别以及编写的代码行数（Román-González等人，2018）。

响应Román-González及其同事（2017a）提出的需要开发能够结合多种方法优势的计算机思维评估工具的号召，Weibe及其同事（2019）开发了一项新的测量工具，即“计算机思维能力——中学阶段评估”（CTA-M），该工具既包含了CTt的题目，也有Bebras挑战赛的题目。开发CTA-M的目的是结合两种工具的优势，同时弥补各自的缺陷——例如，CTt虽然具有良好的心理测量学特性，但其评估方式缺乏语境，忽视了实际应用能力；而Bebras挑战赛题目则更贴近真实情境，易于理解，适合用于教学，但其心理测量学特性尚不完善（Román-González等人，2017a；Zapata-Cáceres等人，2024）。

最初针对309名学生进行的CTA-M测量研究表明，该工具具有单维度结构，并且表面效度较高（Wiebe等人，2019）。随后在934名印度尼西亚初中生中进行的研究显示，CTA-M得分与学生的科学和数学成绩呈正相关（Rachmatullah & Wiebe，2023）。与CTt一样，描述CTA-M开发与评估的文献中也未提及残疾问题。

我们的评估团队选择CTA-M作为本研究的主要计算机思维测量工具，因为它相比CTt更有可能被那些没有块状编程经验的学生所接受，因为它包含了Bebras题目。为提高评估难度，我们还加入了“探索计算机科学”（ECS）第4单元的评估题目（SRI International，2016）。这类评估工具是为注重公平的高中入门级计算机科学课程设计的，旨在在线上进行，主要作为形成性评估，帮助教师了解学生的学习情况与学习方式（Bienkowsi等人，2015）。ECS的评估设计者通过分析现有文献、课程标准以及学生作品，采用系统化的方法来设计评估任务，确定每个评估领域的核心知识与技能，并据此制定出任务设计模板。尽管ECS评估尚未经过正式验证，但由于其设计过程中充分考虑了学生作品的分析结果，因此预计其与学生作品之间的关联性较强——在本研究中，这些作品即为视频游戏。考虑到创造力有时也被视为计算机思维的一个维度（Hu，2011），我们还在后续部分加入了一种广泛使用的创造力潜力测量工具，用以探究学生制作的游戏、计算机思维能力与创造力之间的关系。

2020年，世界经济论坛发布了一份关于未来就业的报告，指出在未来的发展中，创造力等创新能力对于保持竞争力至关重要（世界经济论坛，2020；Lubart & Barbot，2013）。创造力可以被定义为一种涉及生成、评估和实施新颖且合适的想法的过程，这些想法要能够解决开放式问题，同时还要符合任务要求且具备可行性（Hennessey & Amabile，2010；Simonton，2012）。关于创造力与自闭症的元分析表明，自闭症患者可能比非自闭症患者产生更多原创作品，且更加注重细节，但在表达流畅度以及创作数量方面表现较差，同时在跨项目或跨概念的灵活运用能力上也较弱（Pennisi等人，2021）。第一手资料以及最新研究也支持自闭症患者具有更高的原创性（Cancer等人，2024；Kasirer等人，2020；Mukhopadhyay，2023；Williams，2009）。

与计算机思维的情况类似，关于创造力的操作化定义也存在很大差异（Kaufman & Glǎveanu，2019）。本研究中选择的创造力评估工具是“替代用途任务”（AUT），该工具用于评估创意生成过程，这是创造力过程中的一个方面（Watts等人，2017）。我们还分析了学生所制作游戏的创造力水平。

本研究建立在之前针对没有残疾报告、但参与了视频游戏制作的学生的计算机思维能力研究基础之上（Hoover等人，2016；Garneli & Chorianopoulos，2018）。在一项初步研究中，Hoover及其同事（2016）将五名初中生制作的关于气候变化的Dr. Scratch游戏的自动化评分结果与他们对这些游戏的定性描述进行了比较。定性分析结果显示，学生们的描述在计算机思维能力评分上呈现出更大的差异性，而自动化评分则相对稳定。不过，该研究并未提供定性分析可靠性的证据。

Garneli和Chorianopoulos（2018）的研究中也出现了类似问题。他们试图通过让342名没有残疾报告的初中生使用Scratch来制作视频游戏或模拟程序，以此教授他们编程概念。研究人员使用Dr. Scratch来评估计算机思维能力，该工具会根据学生在干预期间制作的视频游戏/模拟程序中的Scratch代码，以及他们在干预前后完成的编程任务，自动为各项计算机思维能力类别给出评分。然而，他们指出Dr. Scratch无法评估某些计算机思维方面的能力，比如调试能力，而且有些项目虽然功能不全，但由于使用了合适的编程模块，仍会被赋予较高的计算机思维评分。因此，与Hoover及其同事（2016）的做法类似，他们还通过统计学生在各项任务中创建的元素数量，并结合对学生游戏设计选择的定性观察，来补充Dr. Scratch的评分结果。研究结果初步表明，Dr. Scratch给出的评分认为，学生制作的视频游戏在体现计算机思维能力方面优于模拟程序。在游戏设计与模拟两组学生中，使用Dr. Scratch的自动化评估方法得出的计算机思维能力提升程度并无差异。不过，研究人员通过统计学生完成的工作量后发现，游戏设计组的提升幅度要大于模拟组。然而，该研究既没有提及编码掩蔽技术，也没有讨论评分的可靠性，这表明研究结果可能受到了预期因素的影响。总体而言，这些研究强调了需要对游戏中的计算机思维能力进行更为系统化的定性评估，同时也表明，参与视频游戏制作的机会有助于计算机思维能力的评估与发展。

在本报告中，我们重点研究了在我们的三年研究项目最后一年（2023年）举办的两次为期2.5周的工作坊中，自闭症学生在Bitsy游戏设计平台（https://www.bitsy.org/）上制作的视频游戏。本报告是在之前一项研究的基础之上进行的，那项研究是对2021年工作坊中学生制作的视频游戏进行的编码分析（当时采用盲评方式）。在2021年的研究中，我们对参加过两次为期两周的游戏设计工作坊的自闭症学生使用FlowLab（https://flowlab.io/）制作的视频游戏进行了编码分析。我们研究了学生游戏中各种元素的类型与数量、计算机思维能力、学生对自己在工作坊活动中的参与度评价（即学生对某些工作坊活动的理解程度与兴趣程度），以及他们的视频游戏设计自我效能感之间的关系。当时我们使用的是CTA-M的简化版本来评估计算机思维能力，但该版本在2021年的测试中内部一致性较差。与当前报告一样，当时也是通过分析计算机思维能力评估结果与学生所制作游戏之间的关联来评估其有效性。

在2021年的研究中，我们通过对游戏的前端元素（玩家可见的部分）和后端元素（开发者编写的部分）的存在数量进行定性编码，来评估学生制作的视频游戏。前端类型元素与后端类型元素之间存在中度到高度的正相关关系，且与其他概念的关联模式也相似，这说明它们实际上衡量的是同一类概念。无论是前端类型还是后端类型元素，都与计算机思维能力（使用简化版CTA-M评估）以及学生对某些工作坊活动的认知参与度评价存在关联。计算机思维能力也与学生对某些工作坊活动的认知参与度有关。

参与度是一个多维度、具有情境特殊性且可变化的概念，至少包括三个维度：情感参与、认知参与和行为参与（Fredricks等人，2004）。在当前研究中，我们主要关注学生自我报告的情感参与和认知参与情况，因为在一个学生无需开启摄像头的在线工作坊环境中，很难准确评估行为参与情况。最近的研究也支持我们聚焦于认知参与和情感参与的做法，因为在341名中国大学生中，这两者与他们自我报告的计算机思维能力的相关性要高于行为参与（Liu等人，2023）。Papert早期关于计算机思维的观点认为，情感参与可能是基于计算机的创造性思维的基础。然而，我们之前的研究表明，认知投入可能是预测计算思维能力的更强指标。我们还想探究学生对自己设计能力的信念，即视频游戏设计自我效能感，是否与他们所制作的视频游戏以及计算思维能力有关。自我效能感，或者说一个人相信自己能够掌控自己的行为并实现目标的能力，是人类能动性的核心要素，它为人们提供克服拒绝和其他障碍的“持久力”（Bandura, 1989, p.734）。根据班杜拉的观点，自我效能感会影响人的情感、动机和行为。自我效能感是社会认知职业理论（SCCT）的核心，这一职业发展统一理论强调个人能动性在职业发展中的核心地位（Lent et al., 1994）。根据SCCT理论，自我效能感及其相关因素会塑造一个人的职业兴趣和职业成果。创造自我效能感，即一个人认为自己有能力创造出有创意成果的信念，已被证明与工作场所中的创造表现有关（Christensen-Salem et al., 2021; Tierney et al., 2002）。在本研究中，我们关注了一种特定形式的创造自我效能感，即视频游戏设计自我效能感，也就是学生对自己制作视频游戏能力的信念。先前的研究指出，像视频游戏设计自我效能感这样的任务特定型自我效能感，可能与学生所开发的技术产品相关，而像创造自我效能感这样的更一般的自我效能感指标则没有这种关联（Menold & Jablokow, 2019）。不过，在我们之前的研究中，并未发现视频游戏设计自我效能感与学生制作的游戏或他们的计算思维得分之间存在关联（审查时已对相关内容进行匿名处理）。不过，视频游戏设计自我效能感与2021年一些工作坊活动中的认知和情感投入存在关联。为了制定出更有效、更可靠的策略来评估和支持自闭症青少年的计算思维能力，我们在2023年夏季对参加两个游戏设计与就业工作坊的自闭症学生所制作的视频游戏进行了编码分析。我们研究了这些学生通过游戏所展现的灵活性和流畅性是否与常用的计算思维和创造力评估指标存在关联。同时，我们还探讨了学生制作的游戏是否与他们的人口统计特征、对工作坊活动的参与程度、视频游戏设计自我效能感以及认知技能有关。本研究在我们之前关于不同游戏平台Flowlab上制作的游戏的调研基础上进一步展开，此次研究分析了参加为期2.5周的游戏设计与就业工作坊的自闭症学生使用Bitsy平台所制作的游戏。选择Bitsy作为研究平台是因为它整合了之前工作坊中使用的两种平台的资源：基于块的Flowlab和基于文本的游戏设计平台Twine。Bitsy具有较高的灵活性，因为它允许用户融入多种游戏设计元素，包括视觉元素、音乐、文本和故事情节。与之前的研究类似（审查时已对相关内容进行匿名处理；Hoover et al., 2016），我们分析了游戏的前端元素。前端元素体现了学生在创建游戏时所做出的设计选择，同时也展示了用户可以互动的所有元素。我们之前的研究已经发现了前端元素和后端元素以及计算思维能力之间的关联。鉴于在我们的前期研究中，前端元素和后端元素彼此之间以及与其他类似概念存在关联，因此在本研究中我们决定仅聚焦于前端元素。我们提出了以下假设，用以探讨计算思维能力、学生制作的游戏、创造力、情感和认知投入、视频游戏设计自我效能感以及认知技能之间的关系：参加工作坊的自闭症学生之间在收入和年龄等方面是否存在人口统计差异，而这些差异是否与他们的计算思维能力或所制作游戏的创造力有关？与我们2021年针对Flowlab平台上制作的游戏所做的研究一致，我们预计：1）学生使用Bitsy制作的游戏中前端元素的多样性（灵活性）和数量（流畅性）将与他们的基础计算思维能力呈正相关。2）学生报告的对工作坊活动的参与程度（即对活动的理解程度）提高将与他们的基础计算思维能力呈正相关。3）学生报告的对特定工作坊活动的参与程度将与视频游戏前端元素的多样性和数量呈正相关。虽然这与我们2021年的研究结果不一致，但与其他将自我效能感视为创造性作品预测因素的研究结果一致（例如Menold & Jablokow, 2019），我们仍预计：4）视频游戏设计自我效能感将与视频游戏前端元素的多样性（灵活性）和数量（流畅性）呈正相关。5）鉴于创造力是我们对计算思维能力定义中的一个方面，我们预计计算思维能力得分将与AUT测试中的原创性得分呈正相关。6）我们认为，通过文化公平测试的一部分内容进行的无时间限制改编测试所测得的认知技能，将与视频游戏前端元素的多样性和数量呈正相关。研究方法2023年夏季，我们为自闭症青少年举办了两个为期2.5周的在线游戏设计与就业工作坊。这些工作坊是与一个总部位于加拿大的以神经多样性群体为主的游戏设计团体Soft Chaos（https://softchaos.games/）合作设计的。这些工作坊的理念源自神经多样性运动。工作坊的活动旨在帮助自闭症青少年学会为自己和他人争取权益，从而提升他们的自我倡导能力。研究结果研究结果是根据我们的研究问题来组织的。关于初始假设下观察到的各种关联的概览，请参见图7。讨论本研究旨在弥补目前人们逐渐认识到计算思维需要多种思维方式（Hu, 2011），但大多数关于计算思维的研究却忽视了残疾人群体这一现状之间的差距（Rowe et al., 2021; Tang et al., 2020）。我们采用了多种方法来评估计算思维能力，同时以自闭症学生的作品为核心，试图开发出有效且可靠的策略来评估计算思维能力和创造力。作者贡献本手稿改编自第一作者（TA）的优秀荣誉论文，她设计了相应的编码方案。TA负责确保数据的可靠性，并与第三作者（CLE）一起对在游戏设计与就业工作坊中开发的视频游戏进行编码，CLE则是这些工作坊的访谈负责人。TA还进行了初步的文献综述，并多次修改她的论文直至获得审阅者的认可。第二作者（SO’B）是TA论文的审阅者，她拥有博士后资格。声明与致谢本研究已获得机构审查委员会的批准（审查时已对相关内容进行匿名处理）。数据可用性说明本研究的相关数据可通过OSF项目公开获取，该项目涵盖了本研究涉及的工作坊内容（审查时已对相关内容进行匿名处理）。未引用的参考文献Aho, 2012, Bienkowski et al., 2015, Tavakol and Dennick, 2011, Tierney and Farmer, 2002, Bottema-Beutel et al., 2024, Chalmers, 2012, Amabile, 1982, Christenson and Reschly, 2012, Gonthier, 2023年6月13日, Grossman et al., 2023, Harmuth et al., 2018, Hayes, 2023, Jones, 2023, Kaufman et al., 2017, Lemay et al., 2021, Lubart et al., 2013, Mishra and Yadav, 2013, Mukhopadhyay, 2003, Murray, 2011, Oswald et al., 2024, Reeve et al., 2004, Repenning et al., 2015, Rutstein et al., 2016CRediT作者贡献说明Theresa Antony：写作——审阅与编辑，写作——初稿撰写，可视化，方法论，正式分析，概念构建。Sinéad O’Brien：写作——审阅与编辑，写作——初稿撰写，方法论，调查研究，数据整理。Chrysia Lauren Edano：写作——审阅与编辑，调查研究，正式分析。Eliana Grossman：写作——审阅与编辑，方法论，调查研究。Ariana R. Arista：写作——审阅与编辑，方法论。Jess Marcotte：写作——审阅与声明利益冲突声明作者们不存在任何利益冲突。关于该项目的资金来源信息可在致谢部分找到。致谢本项目得到了美国国家科学基金会对最后一位作者（AISL #DRL-2005772）以及Amy Hurst博士（#DRL-2005729）的资助。我们要感谢所有参与2023年游戏设计与就业工作坊的人士以及工作人员，这些数据正是来自这些工作坊。