国际计算思维教育研究热点与趋势分析——基于CiteSpace 的可视化分析

张 红

（扬州大学新闻与传媒学院，江苏扬州 225000）

0 引言

计算思维（Computational Thinking，CT）一词可追溯到20 世纪80 年代，Seymour Papert 开创了计算机和教育的现代联系，提出计算机可以增强思维并改变可及性的模式。直到2006 年，Wing［1］在颇具影响力的研究论文中通过阐明计算思维的概念进而呼应了这些想法，使之备受瞩目，并提倡计算思维是每个人必不可少的技能，应将CT 纳入K-12 教育。“计算思维教育”一词强调了计算和计算思维在促进学习中的作用，这一观点被称为是Papert 理念的传承［2］。西方国家作为开拓者，早已兴起一场计算思维教育改革运动，美洲、欧洲、亚洲、大洋洲的许多国家在开始传授计算机知识之前纷纷开展K-12 年级的计算思维教育［3］。刘敏娜等［4］通过滚雪球的方法梳理文献，提出计算思维教育内容边界不清、层次不明；张进宝［5］系统化分析计算思维的概念，认为应审慎设计包括编程在内的计算思维教育活动，不能仅关注培养学生算法和编程技巧的“功利性教育”等。

国内少有针对计算思维教育的量化分析相关研究，鉴于此，本文通过可视化知识图谱分析，梳理科学网（Web of Science）数据库核心数据合集中的文献，科学展现国际计算思维教育研究热点、趋势，从中吸取经验以更好地推动我国计算思维教育发展。

1 数据来源与研究方法

本文以WOS 数据库核心数据合集为文献来源，检索时间为2020 年4 月。以主题为检索条件“TS=（Computational Thinking AND education）”，检索时间跨度为2010 年1 月—2020 年3 月，索引为SCI-EXPANDED、SSCI、A&HCI、ESCI。检索到432 篇文献，剔除不符合“计算思维&教育”主题的文献，共选取365 篇文献作为研究样本。

本文采用的研究工具是陈超美教授开发的一款可视化软件——CiteSpace5.6.R5，研究方法主要基于科学计量学领域的知识图谱理论，以可视化图谱方式探寻出学科领域演化的关键路径、知识拐点及学科发展趋势［6］。本文通过共词图谱可视化、对数极大似然率（Log-Likelihood Ratio，LLR）聚类分析及高引用关键词词频统计方法，探讨国际计算思维教育研究热点及趋势。

研究前的基础设定如下：将时间阈值设置为“From 2010 to 2020”；施引文献选择“keyword”共现分析功能；连线阈值数据对象强度设置为“Cosine”类型；节点阈值设置为“Top N”类型（数值为60），代表选取数据合集中计算思维教育文献每年被引频次或出现频次最高的前60 篇；本研究中知识图谱网络修剪方式为最小生成树（Minimum Spanning Tree），该算法运算简捷，能很快出结果；经由多次测试，本研究在此修剪方式下结果的模块值（Q 值）和平均轮廓值（S 值）最为理想。

2 研究结果与分析

2.1 研究热点分析

2.1.1 聚类视图分析

运用CitiSpace 对获取到的365 篇主题文献进行可视化分析，得到Q 值为0.55，大于0.30，表明聚类结构显著；S 值为0.77，大于0.70，说明国际计算思维教育相关研究聚类结果高效且令人信服。

聚类视图侧重于体现聚类间的结构特征，突出关键节点及重要连接。研究使用LLR 算法提取聚类命名，聚类规模越大，则编号越小［7］。从图1（彩图扫OSID 码可见，下同）可看出，主题样本通过LLR 聚类后分为9 类研究主题：编程专业（聚类#0 programming profession）、评估方法（聚类#1evaluation methodologies）、ScratchJr（聚类#2 scratchjr）、算法能力（聚类#3 algorithmic skills）、工程设计（聚类#4 engineering design）、教育技术（聚类#5 educational technology）、解决问题（聚类#6 problem-solving）、机器人（聚类#7 robotics）、小学（聚类#8 elementary）。在二维空间中，聚类中的关键节点有所突出且联系紧密，说明国际计算思维教育研究处于探索阶段，且在不断拓宽，聚类结构在向良好状态发展。

图1 2010-2020 年国际计算思维教育研究聚类视图

2.1.2 关键词共现图谱及引用频次分析

关键词共现图谱有利于分析研究热点及其演变规律，如图2 所示，关键词共现图谱共有节点N（152）个、连线E（281）条，其节点代表计算思维教育研究的关键词，由不同颜色的年轮组成，其大小或厚度反映了该关键词被多篇文章关注的程度，节点越大，则关注越多、共现频率越高［8］。计算思维教育研究共现频率最高的热点关键词为“计算思维（computational thinking）”，而后有“K-12（K 12）”、“机器人（robites）”、“学生（student）”、“Scratch（scratch）”、“计算机科学教育（computer science education）”、“编码（coding）”、“态度（attitude）”及“有效性（validity）”。

本文对引用频次20 次以上的高频关键词进行归纳（见表1），并对聚类及其包含的典型文献进行分析，归纳出计算思维教育的研究热点知识子群。

表1 2010-2020 年国际计算思维教育研究高频关键词

图2 2010-2020 年国际计算思维教育研究关键词共现图谱

（1）计算思维教学策略。它是由计算思维、教育、设计、编码、游戏、课程等关键词形成的“计算思维教学策略”热点子群。教师使用教学策略有助于最大程度地减少学生的学习难度。在美国国立教育学院，研究人员正与教师合作开发和设计用于计算思维和计算教育的教学法，这样的成果之一就是在学校中开发了用于计算思维教学的非接触式方法［9］。研究人员为计算机教师举办讲习班，以体验各种不插电的活动（Unplugged Activities），如天秤分类（Sortingwith a Balance Scale）、二进制卡（Binary Cards）和避免死锁（Deadlock Avoidance）。

（2）学科发展及跨学科教学。它是由教育、技术、数学、STEM、计算机科学等关键词形成的“学科发展及跨学科教学”热点子群。研究人员期待能允许CT 的跨学科方法嵌入不同的学科领域，有研究试图将游戏中获得的CT 转移到数学和科学课程，模拟科学现象的过程［10］；Grover 等［11］发现，学生可将从Scratch 学到的计算概念应用于特定的基于文本的编程语言中；Pollak 等［12］提出将计算思维整合到教育课程中，不要屈服于民粹主义观念和过度简化。对未来研究的建议之一便是正视“采用跨领域教学模式”的必要性。

（3）教学评价体系。它是由科学、Scratch、框架、问题解决等关键词形成的“教学评价体系”热点子群。衡量CT 在学术界普及程度的一项指标是评估自成立以来近13 年的大量文献综述和元研究。备受关注的Bebras 国际竞赛是2003 年在立陶宛诞生的竞赛，是将学生的计算思维转移或投射于任务之上，解决对学生有意义的实际问题；除基于特定干预措施设定的具有特定研究目的的评估：CSTA、Barefoot、Dr.Scratch 和#5c21 模型等，研究人员也在努力开发测量CT 的量表：有研究在测试1251 名西班牙学生（5-10年级）后，开发出着重于计算概念（方向、序列、循环、简单函数）测试的CT 评估量表［13］。

（4）教育机器人。它是由K-12、编程、教育机器人等关键词形成的“教育机器人”热点子群。机器人技术已被广泛应用于STEM 教育，在编程课程中使用机器人可以使学生更好地理解计算机科学的概念。Vona 等［14］展示了机器人技术的跨学科课程，包括课堂教学、实验室练习和鼓励竞争学习的项目；Chiazzese 等［15］表明，机器人尤其能提升思维技能（如观察和操作）、能力解决问题（如提出假设和测试）以及社交和互动技能。

（5）计算观念。它是由计算机科学教育、编码、态度、自我效能等关键词形成的“计算观念”热点子群。计算概念和实践在衡量学习者CT 发展中起关键作用，而学习者对学习编程的计算观念也至关重要。Brennan 等［16］提出编程过程中的计算观念（Computational Perspectives）——包括表达、联系和质疑——来调查学习者对自己的理解以及他们与他人和技术世界的关系。此外，计算观念还包括学习者在理解自我时的动机信念，即价值和期望：以编程为例，价值是指学习者的内在动机，如他们对编程学习的态度和兴趣；期望是指学习者对编程的信心，包括编程自我效能感（在编程背景下“人们对其组织和执行达到指定类型表现所需的行动过程的能力判断”）和自我概念（对一个人编程能力的信念）［17］。

（6）性别差异。它是由学生、技能、科学教育等关键词形成的“性别差异”热点子群。Durak 等［18］通过方便抽样选取了156 名5-12 年级的学生，研究影响计算思维的因素，发现受教育程度、数学和科学课程的学术成就及思维方式对计算思维有影响，而性别对计算思维没有影响。Cheng［19］使用方便抽样的方法针对香港某小学进行研究发现，男生的社会影响显著影响可视化编程环境（Visual Programming Environment，VPE）的感知有用性，而女生的外部鼓励对VPE 的感知有用性有显著影响。鉴于感知有用性决定因素的性别差异，建议在教育实践中专门为男孩（将教师期望与学生使用VPE 联系起来）和女孩（就VPE 中的学生作业提供及时和建设性的反馈）设计教学策略。

2.2 发展趋势研究

2.2.1 关键词突现性分析

关键词突现性是指某段时间内，该关键词突然上升或下降的频率，代表某一研究领域的转变方向。该值越大，表示关键词在相应时间段的出现频次变化率越高，如表2所示。

表2 2010-2020 年国际计算思维教育研究突现关键词

2017 年，CSTA K-12 计算机科学标准的发布，意味着标准制定过程作为主要输入的K-12 科学教育框架受到重视。对框架的探索不仅存在于K-12 科学教育框架中，而且存在于计算思维的基础定义及评估问题中。近年来，Brennan&Resnick 提出的CT 三维框架——概念、实践和观念框架在文献中常被引用。现以循证设计为指导的假设驱动方法框架有效补充数据驱动的学习分析方法，可用于解释学生的编程过程并在基于块的编程环境中评估CT。另有研究［20］使用基于教育、社会和技术（Pedagogical、Social and Technological）启示框架的调查工具捕捉学生对在线学习环境的感知，以此设计和评估以学习者为中心的在线编程学习环境。

将计算思维应用于高等教育成为研究的一大趋势，重点在于如何将计算思维有效地纳入高校课程教学中。奥地利一所大学（Alpen-Adria-University）的教学实验室定义了未来3 个主要的研究机会：计算思维技能评估问题；计算机科学教育之外计算机科学知识广泛传播趋势下的跨学科教育需要；将计算机辅助教学纳入普通教师教育课程［12］。在涉及高等教育学生的研究中可以发现，反思是一种常用策略，常被要求反思其编程经验；高等教育项目的一个共同元素是引入课程，在这些课程中，学生为现实世界的问题设计产品和解决方案，并参与实际工程项目。

编程突显年份为2014 年，之后一直成为计算思维教育实践探索新领域。计算机编程是使计算思维活跃起来最基本的方法。研究表明，在徽标编程语言之后，直到有易于使用的可视化编程语言问世，使用编程工具教儿童编程的方法才得以广泛研究［21］。以Scratch 应用为例，常运用基于设计的研究、数据三角测量、Bloom 的经典分类法、TPACK 模型和翻转课堂方法，详细分析可视化编程在小学社会科学领域的实践与整合，并对干预中的效益和实践开展评价。计算思维教育中需要澄清的问题还有关于计算思维、计算机科学和编程之间的关系这一概念区分问题：计算思维起源于计算机科学，但它不同于计算机科学的是它可促使人们将CT 技能转移到编程以外的领域。美国国家研究委员会主张计算机科学领域比编程学习更广泛，而计算思维因包括一种思考日常活动和问题的方法而较计算机科学更加广泛［22］。

2.2.2 时间线视图分析

图3 2010-2020 年国际计算思维教育研究关键词共现及时间线视图

时间线视图侧重于勾画聚类之间的关系和某个聚类中文献的历史跨度，可用来分析计算思维教育研究的发展趋势。聚类按降序垂直排列，最大的聚类显示在视图顶部；在每个时间轴下显示有某年共现频率最高的3 个关键词，共现程度最高的关键词词汇标签放在最低位置。根据图3 中不同聚类的时间线可判断：国际计算思维教育在2010-2012 年研究较少，未成体系；自2013 年起受到广泛关注，于2014-2018 年计算思维教育迎来发展高潮，且持续瞩目，逐渐出现了游戏设计（game design）、问题解决（problem solving）、教师教育（teachereducation）、机器人（robotics）、Scratch（scratch）、计算参与（computationalparticipation）等新热点；而后至2020 年3 月，国际计算思维教育聚焦于学校（school）、性别（gender）、有效性（validity），并得到进一步发展，以更好实现其普适性、基础性。

根据连线判断，聚类#0 中节点教育（education）的传承关系变化主要发生在2017 年。计算思维教育实施需依托计算机科学学科背景开展多元化课程，并结合Scratch 开展教学，联结游戏化培养学生创造力。聚类#4 中节点学生（student）的传承关系变化主要发生在2016 年。在计算思维教育研究中，需根据学生抽象思维开展科学教育，应重点关注学生的知识、动机、态度。聚类#1 中节点教学/学习策略（teaching/learning strategy）的传承关系变化主要发生在2016 年。教学或学习策略是进行计算思维教育的重要一环，初等教育中正在使用可视化编程创建数字故事和计算机游戏，与编程和机器人技术一样，游戏设计也需玩家实现各种目标。教育研究者正研究从游戏中转移出的计算思维，再到模拟科学现象的过程，确定个性化且行之有效的评估方法以获得有效教学反馈是研究者们仍在探索的课题。

3 结语

本文利用Citespace 软件对2010-2020 年第一季度国际计算思维教育文献进行了可视化分析，通过共词图谱分析、聚类分析科学梳理出其研究热点和发展趋势。同时，研究也存在一定局限性，如计算思维理论研究范围跨学科性较强，本文研究仅依托于WOS 数据库核心数据且针对教育应用领域，难免有主题词划分及归类偏差。因此，在后续研究中，将持续关注计算思维发展，进一步精准数据来源，跟进分析其在教育应用领域中的多元化应用，以更好地为中国本土化计算思维教育发展提供思路和参考。