计算思维与巴斯德象限

牟连佳　李丕贤　邵洪艳

摘 要：在高等教育领域，人们已经开始关注在复杂任务中使用信息技术为学生学习提供支持，而且这一热点仍在延续。人们普遍强调一个观点：在21世纪，计算思维（CT）是每个人都应具备的基本技能。人们需要了解计算的交互方式，学习如何通过计算语言进行思考。我们认为，通过采用名为巴斯德象限的研究策略，融入CT的信息技术教育可作为理解、掌握计算思维来学习科学的一种可行性方法。利用IT教育研究可为个体化和分散式计算思维建模，这也将在生态有效背景下促成对此类思考过程的进一步理解。

关键词：计算思维（CT） 巴斯德象限 信息技术（IT）教育研究 认知 学习科学

中图分类号：G40-057；G642 文献标识码：A 文章编号：1674-098X（2015）09（a）-0020-04

信息技术（IT）教育渗透领域越来越广，因此需要一个研究框架供相关群体遵循。通过信息技术，教师和学生可以将现实世界场景同学校的课程和内容相关联。IT教育有很多益处，它所包含的激励性因素、复杂逻辑推理、交互性和开发技能，可提高学习效率。因此，与许多传统的学习环境相比，IT教育环境有着强大的优势。

1 计算思维（CT）

在高等教育领域，越来越多的研究工作对人类如何与计算发生交互作用以及如何利用计算语言进行思维发生了兴趣。可以将计算思维（CT）定义成这样：即利用计算机科学的方法、语言和系统来理解多种多样的问题，包括从设计科学现象的计算模型到创建有效解决各种难题的算法等一系列问题。也可以为这种思维类型创造了一个术语，即“程序式思维”。按照这种思维方式，学习者利用程序设计中使用的表达方式与符号系统来解决问题。文献[1]将计算思维描述成计算文化素养的“认知支柱”。

参考文献[2]强调了计算思维是每个人需要掌握的基本技能。许多人认为CT仅仅与科学家和工程技术人员有关，但是从其寓意上看，CT与各行各业中从事多种工作的人员都有关，其中还包括语言学、考古学与法学。计算思维中涉及到问题的解决、分析性思维、系统设计及对人类行为的了解。文献[2]中谈到，CT并不等同于计算机编程，相反，它需要在多个层面上进行抽象思维，因为CT利用抽象思维和分解思维来解决复杂问题或设计大型复杂系统。

可以使用分布式计算思维这个术语，以便将其描述成一个能将计算思维与计算机科学加以区分的社会要素。根据该定义，作为一个过程，计算思维并不仅仅局限于编程者与计算机科学的学生。CT是一个系统化的思维习惯，能指导人们创造性地、有效地解决问题。因此，对如何激发公众对CT的兴趣作一番研究就具有了重要意义。

2 计算思维与巴斯德象限

该文的观点是，采用了巴斯德象限[3]的研究策略以后，针对信息技术教育的研究工作就能够从计算思维的角度为学习科学提供很多启示。这种用于科研的象限模型将标准的一维科学观（即科学进步遵循从纯科学研究发展到应用研究再发展到工程实现这样一个过程），转化成一种用四象限图将科学研究联系起来的二维动态科学观（见图1）。

左上象限包括在纯概念理解科研观的引导下展开的基础研究，不考虑实际应用[3]，例如尼尔斯·波尔对原子结构模型的研究。右下象限包括纯粹在应用目标引导下展开的研究工作，不寻求对某一科学领域中各种现象的全面了解[3]。这方面的知识通常由发明家或工业研究实验室提供，因此，该象限也称作“爱迪生象限”。右上象限包括旨在扩展知识的领域，但同时也考虑到应用需求的基础性研究。之所以将其称作巴斯德象限，是为了说明科研是如何受到解决实际问题的动机的驱动。这些问题为科研提供启发并设定具体目标；利用经验数据来了解基础科学原理。没有给左下象限命名是因为实例太少，无命名价值。该象限所定义的是：既不想了解基础知识，又没有应用目标的研究工作[3]。

将科研工作置于巴斯德象限框架下分析所具备的动态意义是（见图2），它说明了科学与技术间的交互作用，包括新科研技术再创造能为新基础科学提供支持的操作性技术，及在商品化测量方法方面所起到的作用。教育科研与认知心理学应处于巴斯德象限之内，以加深与实际应用有关的那部分科学知识的理解，从而改善学习效果。人类大脑代表了一个深藏在数十亿个相互关联的神经元及神经回路中的极其复杂的机制。实际上，它是一个在无数互联系统组合的基础上形成的新生特性。考虑到实用性的需要，研究人员在某一特定情境下，从常规的、具有代表性的心智功能层面上来研究问题，而不是试图去解释某些普遍性现象，这样的做法可能更有益处。

在高等教育背景下，需要利用面向应用的基础性研究，或者利用在巴斯德象限框架之内从事的科研工作来加深对计算思维的理解（参见表1）。研究者应努力为CT的基础科学知识作出贡献，同样也要开拓在教育背景下改进CT的有用理念。另一方面，在爱迪生象限内的科研工作也可能会干预或为技术的实用性提供启示。

在学习科学的研究领域中，重要的是应该运用巴斯德象限策略来了解对CT的理论驱动性干预，以及在IT教育背景中CT所起到的心理发展作用。在该领域中的研究工作为数有限，这表明，要想完全理解IT教育研究对CT发展的影响，还需要做更多长期的专项系列研究。该文的目的是介绍几种在巴斯德象限内从事CT和IT教育研究的研究方法。

3 信息技术教育中的计算思维：一种情境教学方法

对于人机交互与计算思维可以用两种方法进行研究：个体认知法和互动法。个体认知法的研究主要专注于个人的认知和学习，而互动法的研究着重于整个活动系统以及互动模式的识别。学习科学中一种称为“情境教学”的研究学科，它将这种情境教学方法定义为：分析的重点不在于个人学习者，而在于各种各样的活动系统：即包含学生、教师、课程材料、软件工具和物理环境等因素在内的种种复杂社会组织。从情境教学的角度来看，学习科学研究人员的目标是解释特定情境下的活动“如何”和“为何”能够导致个人成就的改变。目的也是为了确定系统中的成员（包括人类和非人类成员）在参与联合活动的过程中是通过何种互动模式来协调其行为的。

3.1 个体认知方法：计算思维的认知视角和元认知视角

认知科学是对心灵及其过程的跨学科研究，它专注于个体在解决问题、刺激反应或做决定时的各种活动，以及个体在构建、存储、检索和修改信息模式时所遵循的过程。为了理解计算思维和个人如何能够在正式和非正式的情境中发展计算思维，下面对计算思维做了分析。将其分为三个层次（见表2）：（a）计算思维的信息处理分析；（b）计算思维的认知结构；（c）计算思维的元认知结构。

3.1.1 计算思维的信息处理分析

信息处理理论由多个按顺序排列的信息处理阶段组成，包括输入、编码、存储器存储和检索，一直到输出阶段结束。因此，信息处理分析是对某一特定认知任务执行过程中的心理操作顺序及其结果进行跟踪研究。计算思维的信息处理分析涉及下面的心理过程：（a）确定一个复杂的问题，并尽可能多地收集与任务及其内容相关的信息；（b）用一个具有代表性的试题的形式对目标加以说明；（c）将这个问题分解成各个组成部分。为了实现所说明的目标，必须对每一个组成部分（有意或无意地）进行逐一处理。依次采用最匹配的子程序（进行或不进行修改）来实现目标；有时须将结果存储起来，以便此后遇到类似问题时可对相应的启发式方法（子程序）进行更改。

3.1.2 计算思维的认知结构

研究表明，认知评价是有其必要性的，因为学习者可以凭借它来确定一项认知任务是否很好地满足了他的需求，以及在完成任务时自己是否胜任愉快，是否有控制能力；通过这个评价还能够具体说明与内在动机相关的各种因素。在解决问题之前，个体必须认识到这个问题的条件并安排最好的顺序来实现这些步骤（可以作适当的改变，也可不作任何改变）。

在完成任务时的认知表现受到对内容的了解、话语和策略方面的影响。研究表明，学生的协作成绩会受到其语言过程（解读和理解）、监测其认知表现（元认知）的能力及其对内容的了解程度（受领域知识作用）的影响。研究还表明，领域知识在执行任务的表现中和对专门知识的开发中起重要作用。根据文献[4]的定义，领域特定知识是：一个人相对于某一特定研究领域所拥有的陈述性、程序性或条件性的知识。陈述性知识是指真实的信息；程序性知识是指如何做事情的知识；而条件性知识是指在何时何地访问特定的事实和程序的知识[4] 。因此，在开展表2“认知条件”中所示的计算思维的有效学习时，领域特定知识的质量和数量是极其重要的。

因为计算思维的主要部分是解决问题，在开发计算机解决问题中必须执行的指令时，人们须查看初始问题状态和在问题空间内的目标状态。问题空间是：在考虑到适用于该问题解决方案的任何限制条件以后，仍可以用于解决该问题的全部措施的总和。在这个过程中，会列出算法、形成策略、分级构建一套规则，也许会将启发教学法作为解决问题的一种捷径。最后，根据推理和评估理智地决定认知表现的目标是否已经实现。这种对某种启发性教学法的选择决策和对其结果的评价往往都取决于哪一种解决方案看起来更可以接受，而不是哪个方案更理想 。

3.1.3 计算思维的元认知结构

为了激活和维持学习者的行为方式、认知和情感功能，必须注重自我调节的学习过程。自我调节的学习被定义为是一种学习者从元认知上、动机上和行为上积极参与自己的学习过程”的过程。“自我调节”的一个主要方面是元认知，其中包括对认知活动的规划、监控和调节。元认知通常被称为是关于思维的思考。因此，在本分析（表2）中，我们认为在计算思维中的元认知过程具有领域通用性，且元认知技能亦通用于所有情境。

要解决一个复杂的问题，不仅仅需要知识，而且还需要有动机和个人的智慧去迎接挑战并且坚忍不拔，直到实现一个解决方案为止。对自我调节过程可以是一个三阶段的循环模型，包括预想阶段、执行阶段和自我反思阶段（见图3）。循环特性来自从此前的认知表现中得到的反馈，并根据这些反馈对当前的认知活动做出调整。简而言之，任务分析过程和自我激励的信念是预想阶段的两个主要组成部分；执行阶段侧重于实现特定的方法及其对特定结果的自我观察；而自我反思阶段涉及自我判断和自我反应的结果。

在整个计算思维的心理操作序列中，学习者有机会使用元认知监控信息的特性、他们的陈述性和程序性知识以及他们的认知经验，以维持个体在各种情境下解决问题的动机（这里指计算思维）。此外，在这个三阶段循环模型中的学习者将体验到一种个人能动性，可维持长时间解决问题的能力。

3.2 交互式方法：IT教育中计算思维的信息处理框架

计算思维的工作模型必须首先考虑各种涉及思维与计算机界面交互的子任务（参见图4）。无论使用何种计算机界面，信息必须首先通过感官直觉到达大脑，但大脑中哪些区域被激活，这要取决于特定的计算机活动。为达到我们的目的，将使用含文字与图片的严肃教育游戏作为实例。在该实例中，必须通过视觉处理信息（为简便起见，忽略听觉输入），但感官信息根据其特性迅速进行扩散；跟踪某一物体的运动并识别该物体为何物恰好由大脑两个不连续部分进行处理[5]。屏幕的文字部分必须经过语言中枢进行处理，而屏幕上物体的相对位置与运动则由空间推理区域进行处理。然后由语音回路（专门处理语言的短期记忆，不论是书面语还是口语）进行语言处理。所有这三个活跃区（语音回路、视觉通路及空间推理模块）轮流激发工作记忆，并在该区域做出与屏幕活动（包括任何能够促进学习的活动）有关的有意识决定。

不像个人计算机那样，人脑似乎不能同时进行多项任务，每次只能专注于一项外部刺激。但在这些潜意识过程同时进行的时候，所有这些过程都是完成一项给定的认知任务所必须的，且通过注意的迅速转移，似乎能够同时完成多项任务。研究显示，在二项或多项任务间的注意力分配迅速降低每项任务的表现。基于该发现，在设计和实施基于计算机的活动时，将感官输入数量保持在最低限度并消除干扰项（例如，学生一边玩游戏，一边听音乐或老师的语言授课内容）就显得尤为重要了。

了解处理所出现的信息的方法，并了解这种处理过程具有会受到其他刺激因素的影响这一特性，对减少认知负荷的计算机活动开发具有关键意义，也有助于理解为何个体差异可能在使用这些以教育为目的活动时会造成的困难。然而，在开发高质量的计算机课件及其他基于计算机的教育活动的过程中，关键是要了解在工作记忆中发生了一些什么样的过程、这些过程所造成的认知负荷，以及这些过程是如何转换为学习活动的。

4 IT教育在CT发展中的独特性

参与度是学习的重要参数，各种能够体现参与度的关系也同样重要。学习与动机是了解学生参与度的关键组成部分。Len图（参见图5）再次探讨了竞争、动力、问题导向性学习与参与度的关系。由于参与度与IT教育相关，其关键意义在于它能够使参与者（或者在我们的研究工作中，能够使IT开发人员）完全沉浸于需要运用计算思维进行的认知活动之中。

如果我们能将IT教育的视觉呈现想象成DNA的思考双螺旋结构，便能够构想出一个计算思维参与度的框架。计算思维必须是跨学科的，因为要想达到完全参与的程度，就需要激活多个信息源来吸引学生的注意力。我们总是过于依赖似是而非的孤立信息，而不是依赖那些通过可视化、科学处理技能、社会文化情境脉络等类似要素联系起来的相互关联的概念。这些将一条条记忆链连接起来的看不见摸不着的东西就是计算思维“染色体”中的“蛋白质连接器”，就像那些将相关DNA链条连接起来的物质一样。此外，还有其他类型的“蛋白质桥梁”需要考虑，包括21世纪的评估手段、伦理观与进取精神、逆向设计、预测、测试、结论等。

Len图描绘的视觉表达结果表明了用于所整合的参与因素的各种连接关系和重叠关系，为CT理论提供了说明。由于Len图提供了丰富的信息，因而能够从中看出各种具有研究价值的互动领域和互动因素，进而推动了CT理论的发展。

Len图意味着，通过对图中给出的构成参与度的各种特点进行适当融合与重叠，即可完成IT教育的研究。通过研究参与人圈子的动态变化，在技术含量丰富的互动课堂采取学生参与学习的措施，以及利用圈子成员的动机、竞争以及PBL（以问题为导向的教学方法）等手段，就有可能创建一个合适的“组合体”，形成参与人圈子的正确定位。

5 结语

该文对认知与学习科学研究的各种思想进行了综合研究，既构建了一个计算思维的工作模型（一个与IT教育有关的特定实例），又形成了一个将当前CT文献中的关键思想融合在一起的定义。这一最终添加的定义对推动计算思维的研究具有重大意义，也使得计算思维的研究能够在巴斯德象限中进行。事实上，关于计算思维与IT教育的联合研究为我们提供了一个途径，使我们所获得的知识不仅能加深对CT的理论认识，而且能够直接转化为课堂中更高层面的参与程度和学习方法。我们认为，IT教育研究是进行本研究的可行方法之一，更为重要的是，它能够将参与度所涉及的多种不同成分结合在一起，同时为学习者提供了改善其计算思维和21世纪技能的机遇。利用IT教育研究来扮演这个角色，还能够对个性化和分布式计算思维进行建模，推动人们在生态可行的环境中深入理解这些过程。鉴于CT适用于对日常问题的解决，且科技已广泛渗入到社会的方方面面，那么，改进计算思维的目标对学习者计算思维的提高与后代人的进步就显得极其必要了。

参考文献

[1] A. A. diSessa.Changing Minds： Computers，Learning，and Literacy[M].Cambridge，MA：The MIT Press，2000.

[2] J.M.Wing.Computational Thinking[J].Communications of the ACM，2006，49（3）：33-35.

[3] D.E.Stokes.Pasteurs Quadrant：Basic Science and Technological Innovation[M].Washington，DC：The Brookings Institution，1997.