人工智能课程中游戏化学习培养高中生计算思维实践的研究

张屹 马静思 周平红 刘金芳 王康 高晗蕊 彭景

[摘   要] 推动中小学人工智能教育培养学生的计算思维已成为国内外教育政策和课程标准的共同目标与要求。目前中小学人工智能课程主要关注理论知识的学习和智能技术的体验，忽视了学生思维能力的培养。文章基于输入—过程—结果（IPO）游戏化学习模型，将人工智能课程内容、游戏元素与计算思维实践要素有效融合，以设计“挑战Alpha井字棋”游戏为例，开展游戏化学习，促进高中生计算思维实践的培养。通過分析测试题、游戏设计任务、调查问卷和游戏作品探究241名高中生计算思维实践、人工智能学科知识、情感态度等方面的提升效果。研究结果表明，人工智能课程中开展游戏化学习能够显著提高高中生计算思维实践整体水平和分解、抽象、模式识别、算法、调试五个要素水平，促进人工智能学科知识，增强学习兴趣、动机、自信心，降低认知负荷。该游戏化学习设计框架适用于人工智能课程中培养学生的计算思维实践，通过运用游戏元素发展和创新人工智能课程的教与学方法。

[关键词] 计算思维实践; 游戏化学习; 人工智能课程; 高中生

[中图分类号] G434            [文献标志码] A

一、引   言

计算思维是中小学教育的一个新兴领域，主要关注个体运用计算机科学领域的思想方法解决问题。由计算思维概念（如条件、循环、变量等）和计算思维实践（如分解、抽象、模式识别等）构成的一系列思维和技能[1-2]。智能时代强调计算思维对21世纪数字公民的重要性[3]，一些国家将计算思维教育纳入学校课程[4]。《普通高中信息技术课程标准（2017 年版）》要求学生利用开源人工智能应用框架搭建简单智能系统培养计算思维[5]，美国《K-12计算机科学课程国家标准（2017年版）》要求学生能够使用人工智能实现与人类玩游戏或解决问题发展计算思维[6]。然而实际的人工智能课程教学中大部分是对人工智能技术的体验，理论学习停留在对原理了解的层面[7]。教师在教学中更偏于编程算法的讲授[8]与智能技术的应用，对学生思维能力的培养不足[9-10]。因此，有必要研究人工智能课程中如何发展学生的计算思维实践。计算思维实践关注解决问题的思维过程与方法，被认为过于抽象[11]，具有内隐性[12]的特点，通过传统的教学方法难以达到预期学习效果，也不易被学习者自主探究和应用[11]。在新兴信息技术的作用下，学习应更具有情境性，实现个性化、适应性学习[13]。游戏化学习被认为是培养计算思维实践的有效学习策略[14]，关注解决问题的过程与方法，不仅能将抽象、隐性的知识技能具体化、操作化和游戏化，还能提高学生的参与度和个性化学习机会[15]。基于此，本研究将人工智能课程内容、游戏设计和计算思维实践三者融合，依据计算思维实践要素设计“挑战Alpha井字棋”游戏，探究高中生在计算思维实践、人工智能学科知识、兴趣和动机等方面的学习表现。

二、文献综述

（一）人工智能课程中计算思维实践研究

计算思维实践通常被描述为一种思维实践的过程[14]，由若干个解决问题的方法要素构成。许多学者对计算思维实践的构成要素提出不同的观点，见表1。在跨学科课程学习中通过各种形式的认知和非认知活动培养计算思维实践[20]。高中“人工智能初步”选择性必修课程，要求学习者设计和开发人工智能产品培养学生计算思维实践的抽象、建模、算法和迁移等。美国《K-12计算机科学框架》明确了培养学生模式识别、抽象等计算思维实践。王甲海等提出人工智能教学与计算思维实践培养的观点，如知识表示的学习培养建模、形式化、抽象和分解等;另外，人工智能实验课程要求学生对人工智能问题进行分析、建模，切实培养计算思维实践[21]。可以看出，人工智能课程中开展教学活动培养计算思维实践的适切性和有效性。结合人工智能课程中开展游戏化学习的教学案例，本研究确定了计算思维实践五要素包括分解、抽象、模式识别、算法、调试。

（二）游戏化学习对计算思维实践的影响研究

游戏化学习是利用游戏的内在动机、元素（规则、角色、挑战和交互等）以达到正式和非正式学习的目的，学生通过玩游戏或设计游戏获得知识、技能、情感和高阶思维[22-23]。Wu 和 Richards分析多种研究数据（问卷调查、课堂记录、游戏设计方案和半结构化访谈资料），验证了游戏化学习对培养学生计算思维实践的有效性 [24]。有研究者让学习者通过模仿、试错、设计游戏提高计算思维实践，如Weintrop等人发现学习者在建筑游戏过程中逐渐形成计算思维实践[25]。Grizioti等人设计了一款可编程的字谜游戏，通过操作、编程和修改数字化人体模型向同伴描述一个单词，该游戏能够发展学生计算思维实践[11]。韦巴赫提出应用游戏的基本要素是游戏化的关键[26]。Agbo提出让学习者和研究人员在线协同设计迷你游戏，创造融入游戏场景和游戏元素的计算思维实践[27]。张学军等人在分析计算思维要素、Python要素及游戏要素的基础上，构建Python课程中数字化游戏培养高中生计算思维的教学模型，基于该教学模型的教学显著提升学生的计算思维[28]。为了测评游戏化学习的应用效果，Garris等人提出了输入—过程—结果（Input-Process-Outcome， IPO）游戏化学习模型[29]，并广泛应用于游戏化学习研究[30-31]。通过游戏化学习培养计算思维实践的研究已取得了较多的成果，这也为本研究提出如何在高中人工智能课程中开展游戏化学习培养计算思维实践提供了思路和方法。

综上可知，人工智能课程、游戏化学习和计算思维实践三者可以进行融合。人工智能课程内容具有多学科的特点，通过解决复杂、模糊的真实问题培养计算思维实践，游戏化学习能够激发学习人工智能课程的兴趣和动机，也是促进计算实践思维发展的有效学习策略。本研究拟解决以下问题：

1. 人工智能课程中游戏化学习是否影响高中生计算思维实践？对分解、抽象、模式识别、算法、调试五个要素中哪些要素水平的影响程度更高？

2. 人工智能课程中游戏化学习是否有助于高中生学习人工智能学科知识？

3. 人工智能课程中游戏化学习是否对高中生学习兴趣、动机、自信心和认知负荷具有显著正向影响？

三、研究设计

（一）研究对象

本研究选择某中学高一年级的241名学生为研究对象，在计算机教室完成了“挑战Alpha井字棋”6个课时的学习。在学习“挑战Alpha井字棋”内容前，他们已经掌握Python语言的基本知识，体验编程解决问题的基本过程，能够运用顺序、选择和循环三种结构编写程序，具备利用计算机解决问题的基本能力。本项目由一名经验丰富的信息技术教师教学，已具备人工智能学科知识与专业技能，以及游戏化教学实践能力。

（二）研究过程

本研究采用准实验研究来探究人工智能课程中基于游戏化学习框架开展活动对高中生人工智能学科知识、计算思维实践、兴趣和动机等的影响效果。如图1所示，在课程学习前后通过调查问卷对学生的学习兴趣、动机、自信心和认知负荷进行前后测;每个课时学习过程中通过任务单测评计算思维实践，并在课程学习前后进行计算思维实践调查问卷测评;在第六课时学习结束一周后，测评人工智能学科知识。

（三）研究工具

本研究根据测评的不同维度改编和自编测量工具，包括问卷、测试题、学习任务单、评价量规等。问卷设计均采用里克特五级量表记分：“很不赞同”“不赞同”“赞同”“很赞同”和“非常赞同”分别计作1分、2分、3分、4分、5分，得分越高表示该学生在该维度的表现水平越高（越低）。

1. 计算思维实践测评工具

（1）调查问卷。结合计算思维实践五个核心要素“分解、抽象、模式识别、算法、调试”，确定8个测量题目，如“我能够将任务以计算机解决的方式进行处理，并能用形象化的方式表述;我能够设计解决任务的方案”。采用SPSS 22.0测量问卷的克隆巴赫系数值为0.946，问卷信度良好。

（2）学习任务单。根据游戏设计任务设计计算思维实践要素任务单，主要有游戏任务、程序分解（分解），设计井字棋AI游戏流程图（抽象），运用评估函数计算评估值选择局面最优落子位置（模式识别），制作棋盘等任务程序设计（算法），任务程序调试和运行（调试）等题目。任务单总分为100，学生在每课时学习后提交任务单到作业收集平台，教师查阅批改。教师评价学生任务单的成绩客觀测评学生计算思维实践水平。

（3）游戏作品评价量规。依据计算思维实践在游戏设计过程的具体运用及分解、抽象、模式识别、算法和调试五个要素的基本内涵[32，14]，研究者设计评价量规对学生游戏作品展开评价。该评价量规由一名博士研究生和一名硕士研究生编制，再交予授课教师审核，经过共同讨论、修订确定该评价量规适用于计算思维实践的测评。该评价量规等级为“优秀、良好、中等、及格和不及格”分别用“5、4、3、2、1”表示。

2. 人工智能学科知识测试题

授课教师和高中人工智能课题组成员根据“挑战Alpha井字棋”学习目标研讨共同编制测试题，包括3个选择题、6个填空题、4个判断题和2个材料分析题，总计100分。SPSS22.0分析得到测试题的难度系数相当，区分度良好。

3. 情感态度测评工具

本研究情感态度维度主要测评学生对人工智能课程的学习兴趣、学习动机、自信心和认知负荷，四个维度测量题目均来自被广泛应用、信度和效度良好的量表[33-35]。

（四）人工智能课程中游戏化学习活动设计——以“挑战Alpha井字棋”为例

IPO（Input-Process-Outcome）游戏化学习模型包括输入、过程和结果三部分。本研究基于IPO游戏化学习模型设计人工智能课程中游戏化学习框架，指导人工智能课程融入计算思维实践要素的游戏设计活动。该框架包括（1）输入：人工智能课程教学内容，与项目包含的游戏元素;（2）过程：基于学习内容根据游戏元素确定游戏设计的过程，并运用计算思维实践要素实现游戏设计活动;（3）结果：计算思维实践培养目标的实现情况和人工智能学科知识、情感态度的学习结果。具体学习框架图如图2所示。

1. 输入：AI学科知识

“挑战Alpha井字棋”是高中人工智能课程“表达与推理”[36]内容模块下设计的教学案例，围绕设计一个简易版人机博弈型AI——井字棋AI实现人机对弈的过程。幻想、规则、挑战和控制等游戏元素是设计该游戏的基础，以此确定游戏设计的主要环节。通过设计“挑战Alpha井字棋”游戏，学生能够构建井字棋博弈树，运用启发式搜索、评估函数推理玩家和井字棋AI的最佳落子位置，掌握博弈树、启发式搜索、评估函数设计等知识和原理。

2. 过程：游戏设计

如表2所示，学生在“挑战Alpha井字棋”游戏过程中运用计算实践要素实现界面设计、游戏规则、角色分配、游戏任务、游戏挑战和游戏结果等井字棋AI游戏的功能设计与应用开发。教师设计图示化支架支持学生游戏设计与开发。如界面设计示意图和游戏结果示意图运用图片的方式表征信息，帮助学生理解;游戏规则流程图运用流程图表示游戏设计要素间的关系，帮助学生全局性地理解、分析，训练思维。具体学习活动过程见表2。

3. 输出：人工智能学科知识、计算思维实践与情感态度

本研究输出结果主要考察培养目标计算思维实践的实现情况和人工智能学科知识、情感态度方面的学习结果。其中计算思维实践通过对学习者在学习过程中计算思维实践的提升进行测评，人工智能学科知识通过对学习者人工智能知识概念的掌握情况进行测评，情感态度通过对学习者的人工智能课程学习兴趣、动机、自信心、认知负荷进行测评。

四、研究结果分析

（一）学生计算思维实践显著提升，在分解、抽象、模式识别要素水平上表现优异

为了测评学生在“挑战Alpha井字棋”游戏化学习始末计算思维实践的影响程度，运用SPSS22.0进行配对样本t检验，结果见表3。学生的计算思维实践随着学习课时的增加显著提升（M前测=3.50，M后测=3.72，p=0.011<0.05），且存在显著差异。此外，对计算思维实践各要素前后测均值进行了比较，其中调试（p=0.007<0.01）较为显著，分解（p=0.039<0.05）、抽象（p=0.019<0.05）、算法（p=0.012<0.05）要素呈现显著差异，模式识别（p=0.108>0.05）不存在显著差异。分解、抽象和模式识别水平上的表现在前后测中都相对较高，其次是调试、算法。学生的计算思维实践通过人工智能课程中游戏化学习得以培养和提升，并在分解、抽象、模式识别、算法、调试五个要素的表现明显提高。

1. 学习任务单在模式识别、分解、抽象要素表现出良好水平

除了以上通过调查问卷测评学生的计算思维实践外，本研究还采用任务单的形式记录过程性学习结果，测评计算思维实践及其要素的具体表现。任务单成绩结果表明241名学生基本能够完成井字棋AI游戏的设计，计算思维实践整体水平得分为73。此外，学生的计算思维实践五个要素处于合格水平以上的比例分别是分解（92.9%）、抽象（91.7%）、模式识别（93.8%）、算法（89.4%）、调试（85.9%）。可以看出，学习任务单测评结果说明了学生在模式识别、分解和抽象三个要素水平上表现出较高水平。通过以下抽象、模式识别、算法三个要素示例任务进一步说明学生在游戏设计过程中计算思维实践要素的体现。

（1）抽象：学生用自然语言描述井字棋游戏规则，抽象出基本要素和关系，并根据教师提供的图示化支架表示井字棋AI游戏设计过程。如图3（a）所示，学生拖动提供的元素设计完整的井字棋AI设计流程图。

（2）模式识别：运用井字棋评估函数的设计可以得出最优落子位置，以计算棋局局面评估值的方法说明评估函数的应用原理。如图3（b）所示，学生计算评估值得出下一步对自己最有利的落子位置，找到最优落子位置。此类问题都可以通过这种方法解决。

（3）算法：学生分析制作井字棋棋盘的算法，设计一个3x3井字棋AI棋盘的程序，如图3（c）所示。

2. 游戏作品分析

（1）游戏作品在分解、抽象和模式识别上表现出较高水平。通过学生自由设计井字棋AI作品总结性评价计算思维实践水平。由“挑战Alpha井字棋”任课教师、一名博士研究生和一名硕士研究生组成评价小组，依据游戏作品评价量规对学生设计井字棋AI作品打分最高分为5分，最低分为1分。三位评阅成员对学生作品各个要素评价的平均分为学生在该要素上的最终得分。结果表明学生作品在分解（M得分=3.80）、抽象（M得分=3.71）和模式识别（M得分=3.62）要素水平上的得分较高，算法（M得分=3.49）和调试（M得分=3.58）水平较低。

（2）游戏作品高中低水平组在计算思维实践各要素上存在显著差异。依据学生作品得分进行高（前30%）、中（中40%）、低（后30%）三个组别划分。采用单因素方差分析对比三个组别在分解、抽象、模式识别、算法和调试五个要素上是否存在显著性差异，结果表明高中低三个组在五个要素水平上的显著性p值均小于0.05，则存在显著性差异。其中，高分组在五个要素上的得分均高于中分组和低分组，中分组均高于低分组。高、中、低三个组别的学生作品在五个要素上的具体对比结果见表4。

（二）多数学生能够较好地掌握人工智能学科知识

通过分析241名学生的随堂测试题结果，得知学生人工智能学科知识水平整体表现良好，及格率达到70%，高于80分的学生比例占25%，70分到80分的学生占比26%。依据测试题目分析结果，发现学生在评估函数知识点上比较薄弱，不能很好地应用于具体的问题解决中，需要精准攻克这部分知识点的学习理解和实际应用。

（三）学生的人工智能课程学习兴趣、动机、自信心均有提高，认知负荷降低

由表5可知，学生在学习人工智能课程学习前、后的学习兴趣、动机、自信心和认知负荷方面都发生变化，学习兴趣（M后测>M前测）、动机（M后测>M前测，p<0.05）和自信心（M后测>M前测，p<0.05）都有所提高，且在自信心和学习动机方面显著提高;在认知负荷方面，学生认为学习人工智能课程的心理负荷随着学习内容的增加逐渐降低（M后测

五、讨论与研究结论

本研究基于IPO游戏化学习模型设计了在人工智能课程中培养高中生计算思维实践的游戏化学习框架，以提高学习者的人工智能学科知识、计算思维实践和情感态度等。研究结果表明，在人工智能课程中将计算思维实践要素、游戏要素融入学生游戏设计的过程，不仅能够促进高中生计算思维实践、人工智能学科知识，也能提高学习兴趣、动机与自信心以及降低认知负荷。

（一）運用分解、抽象、模式识别、算法、调试五个要素设计游戏并提供具体明确的图示化支架，促进计算思维实践的发展

通过游戏设计培养计算思维实践的研究得到研究者的关注[37-38]。本研究结果表明，人工智能课程中开展游戏设计活动可以显著提高学生的计算思维实践，学生在分解、抽象、模式识别、算法、调试的表现上均取得提升。已有研究得出一致结论，Atmatzidou通过教育机器人游戏化活动发展学生分解、抽象、算法、一般化等计算思维实践[39]。这可能是计算思维实践要素在游戏化学习中起着重要作用[40]，正如本研究运用计算思维实践要素设计井字棋AI游戏的过程。例如，学生将井字棋游戏分解为五个子任务，运用流程图抽象表示井字棋AI游戏的规则和解决方案，通过构建井字棋博弈树、设计评估函数等任务的模式识别和程序设计、调试实现人机挑战的过程。本研究中教师设计相应的图示化支架支持学生展开游戏设计，比如“挑战Alpha井字棋”游戏任务分解图、棋盘界面示意图、游戏设计流程图等支持学生运用分解、抽象、模式识别等要素展开相应的游戏设计活动，促进计算思维实践要素在学生游戏设计过程中发展的实时性和恰当性。教学过程中合理搭建支架，将学习内容、目标和任务与先前知识经验联系起来，促进有意义的知识建构，提升学习效果[41]。

（二）设计难度递进的游戏挑战任务，促进人工智能学科知识的习得

研究结果表明，“挑战Alpha井字棋”游戏化学习能够有效促进学生的人工智能学科知识水平，参与设计游戏的挑战任务对学生的认知发展有积极影响。Grivokostopoulou基于地图着色游戏开展游戏活动促进学生学习约束满足算法等人工智能知识[42]。游戏在青少年认知发展中起着主要的作用，学习者能够认识到他们原有知识与通过游戏挑战任务习得的能力之间的平衡状态，从而提高学习表现[43]。教师需要遴选符合学习者认知发展的学习内容，将学习内容设计为具有挑战性的游戏任务。游戏挑战任务既要体现游戏设计从简单到复杂的进阶过程，反馈过程性学习效果;也要考虑学生的认知负荷，任务目标和内容的难度需逐渐递进。在本研究中设计游戏挑战任务学习人工智能学科知识，比如设计井字棋AI随机落子和井字棋AI有策略落子。井字棋AI游戏设计逐渐复杂，任务难度逐渐递进，学习内容随之深入，有效促进人工智能学科知识在学生游戏设计过程中的建构与应用。

（三）凸显幻想、规则、挑战等游戏元素的设计活动，促进人工智能课程学习兴趣、动机和自信心的提升

一些研究表明游戏化学习可以提高学生对人工智能课程的学习兴趣和动机[44]。为了强调动机对游戏化学习的影响作用，在IPO模型中融入动机要素提出动机评估导向的输入—过程—结果模型（MotIPO）[45]。本研究结果也验证了游戏化学习更能吸引学生，在学习人工智能课程过程中表现出更高的兴趣、动机和自信心，认知负荷降低。这可能与游戏元素高度相关，幻想、规则、挑战等游戏元素使得学习者能够沉浸于游戏活动中，甚至进入心流状态[46]。心流状态下的学习者沉浸于解决游戏中的任务，获得知识和技能[47]，激发学习兴趣和动机[48]。本研究中学生幻想自己和智能机器人（井字棋AI）下井字棋，挑战井字棋AI，引起强烈兴趣，认知负荷降低;学生设计更具有挑战性与更智能的下棋机器人，动机不断加强;在和井字棋AI 不断博弈的过程中，挑战获胜概率都会提高自信心。因此，游戏化学习中凸显游戏元素的设计活动能够提高学生学习人工智能课程情感态度方面的学习表现。

[参考文献]

[1] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]//Proceedings of the 2012 annual meeting of the American educational research association. Vancouver： Canada，2012.

[2] GROVER S， PEA R. Computational thinking： a competency whose time has come[C]//Computer Science Education： Perspectives on teaching and learning. SENTANCE S， CARSTEN S， BARENDSEN E. Bloomsbury： 2018.

[3] WING J M. Computational thinking and thinking about computing[J]. Philosophical transactions of the royal society A： mathematical， physical and engineering sciences， 2008，366（1881）：3717-3725.

[4] WATERMAN K P， GOLDSMITH L， PASQUALE M. Integrating computational thinking into elementary science curriculum： an examination of activities that support students' computational thinking in the service of  disciplinary learning[J]. Journal of science education and technology， 2020， 29（1）：53-64.

[5] 中华人民共和国教育部.普通高中信息技术课程标准（2017年版）[M].北京：人民教育出版社，2018：6.

[6] CSTA.K-12 Computer Science Stantards， Revised 2017 [EB/OL].[2020-01-05].https：//www.csteachers.org/page/standards.

[7] 張建彬.初中人工智能课程建设初探[J].中小学信息技术教育，2019（12）：62-64.

[8] 张志新，杜慧，高露，高凯.发达地区中小学人工智能课程建设现状、问题与对策——以某“新一线”城市为例探讨[J].中国电化教育，2020（9）：40-49.

[9] 谢忠新，曹杨璐，李盈.中小学人工智能课程内容设计探究[J].中国电化教育，2019（4）：17-22.

[10] 张学军，董晓辉.高中人工智能课程项目案例资源设计与开发[J].电化教育研究，2019，40（8）：87-95.

[11] GRIZIOTI M， KYNIGOS C. Code the mime： a 3D programmable charades game for computational thinking in MaLT2[J]. British journal of educational technology， 2021， 52（3）： 1004-1023.

[12] ROWE E， ALMEDA M V， ASBELL-CLARKE J， et al. Assessing implicit computational thinking in zoombinis puzzle gameplay[J]. Computers in human behavior， 2021， 120（1）：106707.

[13] 俞树煜.从辅助到创新：教育中技术作用的再认识[J].电化教育研究，2021，42（12）：21-28，35.

[14] ASBELL-CLARKE J， ROWE E， ALMEDA V， et al. The development of students' computational thinking practices in elementary- and middle-school classes using the learning game， zoombinis[J]. Computers in human behavior， 2020，115：1-14.

[15] MCCLARTY K L， ORR A， et al. A literature review of gaming in education[M]. New Jersey： Pearson Publishing，2012.

[16] GROVER S， PEA R. Computational thinking in K-12 a review of the state of the field[J]. Educational researcher， 2013， 42（1）：38-43.

[17] HOOSHYAR D， LIM H， PEDASTE M， YANG K， FATHI M， YANG Y， et al. AutoThinking： an adaptive computational thinking game[C]// International Conference on Innovative Technologies and Learning. Cham：Springer， 2019.

[18] 李锋，程亮，顾小清. 计算思维学业评价的内容构建与方法设计——文献比较研究的视角[J]. 中国远程教育，2022（2）： 65-75，77.

[19] MILLS K， COENRAAD M， RUIZ P， BURKE Q， WEISGRAU J. Computational thinking for an inclusive world： a resource for educators to learn and lead[R]. U.S. Department of Digital Promise， 2021.

[20] SNEIDER C， STEPHENSIN C， SCHAFER B， FLICK L. Exploring the science framework and NGSS： computational thinking in the science classroom[J]. Science scope， 2014， 38（3）：10-15.

[21] 王甲海，印鉴.人工智能教学与计算思维培养[J].计算机教育，2010（19）：68-70.

[22] KAFAI Y B. Playing and making games for learning[J]. Games and culture， 2006， 1（1）：36-40.

[23] 于颖，陈文文，于兴华.STEM游戏化学习活动设计框架[J].开放教育研究，2021，27（1）：94-105.

[24] WU M L， RICHARDS K. Facilitating Computational Thinking through Game Design[C]// International Conference on Technologies for E-Learning and Digital Entertainment. Berlin， Heidelberg： Springer， 2011.

[25] WEINTROP D， BEHESHTI E， HORN M， ORTON K， JONA K， TROUILLE L， WILENSKY U. Defining computational thinking for mathematics and science classrooms[J]. Journal of science education and technology， 2016， 25（1）：127-147.

[26] 韋巴赫，亨特.游戏化思维：改变未来商业的新力量[M].周逵，王晓丹，译.杭州：浙江人民出版社，2014.

[27] AGBO F J， OYELERE S S， SUHONEN J， LAINE T H. Co-design of mini games for learning computational thinking in an online environment[J]. Education and information technologies， 2021， 26（5）：5815-5849.

[28] 张学军，岳彦龙，梁屿藩. Python课程中数字化游戏教学培养高中生计算思维的实证研究[J].电化教育研究，2021，42（7）：91-98.

[29] GARRIS R， AHLERS R， DRISKELL J E. Games， motivation， and learning： a research and practice model[J]. Simulation & gaming， 2002， 33（4）：441-467.

[30] LANDERS R N. Developing a theory of gamified learning[J]. Simulation & gaming， 2014， 45（6）：752-768.

[31] HSIAO H S， CHEN J C. Using a gesture interactive game-based learning approach to improve preschool children's learning performance and motor skills[J]. Computers & education， 2016， 95：151-162.

[32] SHUTE V J， SUN C， ASBELL-CLARKE J. Demystifying computational thinking[J]. Educational research review， 2017， 22：142-158.

[33] MCAULEY E，DUNCAN T，TAMMEN V V. Psychometric properties of the intrinsic motivation inventory in a competitive sport setting： a confirmatory factor analysis[J]. Research quarterly for exercise and sport， 1989， 60（1）： 48-58.

[34] HWANG G J， YANG L H， WANG S Y. A concept map-embedded educational computer game for improving students' learning performance in natural science courses[J]. Computers & education， 2013， 69（5）：121-130.

[35] CHANG C， YUAN R， CHEN J K. Social support and depression among Chinese adolescents： the mediating roles of self-esteem and self-efficacy[J]. Children and youth services review， 2018，88：128-134.

[36] 中國教育学会.中小学人工智能课程开发标准[EB/OL].（2021-10-20）[2022-9-10].http：//www.cse.edu.cn/.

[37] BERLAND M，LEE V R. Collaborative strategic board games as a site for distributed computational thinking[J]. International journal of game-based learning， 2011， 1（2）：65-81.

[38] JENSON J，DROUMEVA M. Exploring media literacy and computational thinking： a game maker curriculum study[J]. Electronic journal of e-Learning， 2016， 14（2）：111-121.

[39] ATMATZIDOU S， DEMETRIADIS S. Advancing students' computational thinking skills through educational robotics： a study on age and gender relevant differences[J]. Robotics & autonomous systems， 2016， 75（1）：661-670.

[40] ROSE S， HABGOOD J， JAY T. Pirate Plunder： Game-Based Computational Thinking Using Scratch Blocks[C]// 12th European Conference on Game Based Learning， SKEMA Business School， Sophia Antipolis， France， 2018.

[41] 潘星竹，姜强，黄丽，赵蔚，王利思.“支架+”STEM教学模式设计及实践研究——面向高阶思维能力培养[J].现代远距离教育，2019（3）：56-64.

[42] GRIVOKOSTOPOULOU F， PERIKOS I， HATZILYGEROUDIS I. A Collaborative Game for Learning Algorithms[C]// 9th International Conference on Computer Supported Education. Porto， Portugal： CSEDU， 2017： 543-549.

[43] CSIKSZENTMIHALYI M. Beyond boredom and anxiety[M]. San Francisco： Jossey-Bass， 1975.

[44] SHARMA K， PAPAVLASOPOULOU S， GIANNAKOS M. Coding games and robots to enhance computational thinking： how collaboration and engagement moderate children's attitudes？[J]. International journal of child-computer interaction， 2019， 21：65-76.

[45] GHERGULESCU I， MUNTEAN C H. Motivation monitoring and assessment extension for input-process-outcome game model[J]. International journal of game-based learning， 2014， 4（2）：15-35.

[46] CSIKSZENTMIHALYI M . Flow： the psychology of optimal experience[M]. New York： Harper Collins， 1990.

[47] 喬爱玲，龚鑫，韩涵.形式差异的外部概念支架对学生游戏化学习心流和效果的影响[J].电化教育研究，2021，42（12）：86-92，99.

[48] CHENG M T， SHE H C， ANNETTA L A. Game immersion experience： its hierarchical structure and impact on game-based science learning[J]. Journal of computer assisted learning， 2014，31（3）：232-253.

Research on Gamification Learning in Artificial Intelligence Course to Cultivate High School Students' Computational Thinking Practices

—Take "Challenge Alpha Tic Tac Toe" as An Example

ZHANG Yi1，  MA Jingsi1，  ZHOU Pinghong1， LIU Jinfang1，  WANG Kang1，  GAO Hanrui1，  PENG Jing2

（1.Faculty of Artificial Intelligence Education， Central China Normal University， Wuhan Hubei 430079;

2.The First Affiliated High School of Central China Normal University， Wuhan Hubei 430079）

[Abstract] Promoting artificial intelligence education in primary and secondary schools to cultivate students' computational thinking has become a common goal and requirement of education policies and curriculum standards at home and abroad. At present， the artificial intelligence courses in primary and secondary schools mainly focuses on the learning of theoretical knowledge and the experience of intelligent technology， ignoring the cultivation of students' thinking skills. Based on the Input-Process-Outcome （IPO） gamification learning model， this paper effectively integrates the content of artificial intelligence courses， game elements and practical elements of computational thinking， and takes the game "Challenge Alpha Tic Tac Toe" as an example to carry out gamification learning to promote the cultivation of computational thinking practice in high school students. Through the analysis of tests， game design tasks， questionnaires and game works， this paper investigates the effects of gamification learning on 241 high school students' computational thinking practice， artificial intelligence subject knowledge， and emotional attitudes. The results show that gamification learning in artificial intelligence courses can significantly improve high school students' overall level of computational thinking practices and five elements of decomposition， abstraction， pattern recognition， algorithm and debugging， promote students' artificial intelligence subject knowledge， and enhance students' learning interest， motivation， self-confidence， and reduce cognitive load. This gamification learning design framework is applicable to develop students' computational thinking practice in artificial intelligence courses， and develop and innovate teaching and learning methods in artificial intelligence courses by using game elements.

[Keywords] Computational Thinking Practices; Gamification Learning; Artificial Intelligence Courses; High School Students

[作者简介] 张屹（1967—），女，湖北武汉人。教授，博士，主要从事智慧教育、计算思维教育、教育信息化测评与发展战略、教育信息化技术标准研究。E-mail：zhangyi@mail.ccnu.edu.cn。

基金项目：2022年国家自然科学基金面上项目“面向计算思维的中小学人工智能教育框架理论与实践研究”（项目编号：72274076）;2021年华中师范大学国家教师发展协同创新实验基地建设研究项目“中小学人工智能教育教材研发与应用研究”（项目编号：CCNUTEIII 2021-06）