摘　要：计算思维是核心素养的重要组成部分，了解国际计算思维教学研究的热点和前沿动向，能够为我国相关研究和实践提供参考。该研究运用CiteSpace软件对2006—2023年科学网核心数据合集中计算思维教学研究领域的文献进行知识图谱分析，梳理出国际计算思维教学研究的四大主题：内涵和定义的理论探讨、评估测试及验证、教与学的方法策略、编程学习应用。研究发现，在计算思维评价方面，早期研究关注学习者的学业表现，后期侧重评估计算思维教学的有效性;在技术技能方面，早期主要借助学习编程语言发展技能，后期则倾向于通过游戏项目设计提高学习参与程度和思维能力。此外，跨学科融合是国际计算思维教学研究的重要发展趋势。基于此，提出以下几点建议：开展系统化跨学科探索、推进整体性评估研究、加强计算思维的实证性研究。

　　关键词：计算思维；数字化能力；跨学科教学；知识图谱分析；数据可视化

　　中图分类号：G434

　　文献标志码：B

　　文章编号：1673-8454(2024)02-0013-13

　　作者简介：李双龙，喀什大学教育科学学院教授、硕士生导师，博士(新疆喀什 844000);徐舒婷，通讯作者，喀什大学教育科学学院硕士研究生(新疆喀什 844000);张娟，内江师范学院建筑工程学院助教，硕士(四川内江 641100)

　　基金项目：2022年度教育部人文社会科学研究规划基金项目“教育知识的性质与教育知识生产的转型研究”(编号：22YJA880042);2023年度中国教育发展战略学会家校协同专业委员会教育科研规划课题“民族地区基础教育中家校社合作铸牢中华民族共同体的实践研究”(编号：JXXTKD2303);2022年度喀什大学横向科研项目“喀什地区义务教育内涵式均衡发展的路径研究”(编号：022022687)

　　一、引言

　　计算思维是指运用计算科学领域的思想方法解决问题的思维活动。随着数字技术在社会生活中的不断延伸，计算思维的重要性日益凸显，成为人们适应现代化生活所必备的思维能力。早在本世纪初，美国总统信息技术咨询委员会(PITAC)所提交的《计算科学：确保美国的竞争力》(Computational Science: Ensuring America’s Competitiveness)报告中，就已经将计算科学作为21世纪最重要的技术领域^[1]。2006年，“计算思维”被美国国家科学基金会计算机和信息科学与工程学部的周以真教授正式提出，之后“计算思维与读、写、算等基本能力同等重要”^[2]的倡议得到各国学者的广泛认可。

　　经过国际学界长达近6年的讨论和探索，大量研究结果论证了在课堂中培养计算思维的可能性，英国教育部最先进行尝试，将以计算思维为核心的课程替代原有的信息通信技术课程，把培养计算思维的探索付诸课程实践^[3]。我国起步相对较晚，2017年才首次将计算思维作为信息技术学科的核心素养写入课程标准。2022年，教育部颁布新版义务教育课程方案和课程标准，从中国学生的核心素养发展和培养时代新人的要求聚焦，将原“信息技术”学科更名为“信息科技”，将该课程定位在信息意识、计算思维、数字化学习、信息社会责任等四个方面，着力提升中小学生的数字素养与技能^[4]，并纳入十二类国家课程之中。由此，关于计算思维培养的讨论和探索再次引起学界的关注。

　　本研究旨在通过知识图谱分析，以“计算思维”概念正式提出的时间为起始时间节点，对国外关于“计算思维教育与教学”研究的相关文献进行分析，梳理和归纳其研究主题的演进脉络和近期研究的热点，为启发我国相关理论研究、课程设计、开放性教育教学实践等方面的进一步探索提供参考。

　　二、数据来源及研究方法

　　(一)数据来源与处理

　　研究数据源于科学网(Web of Science)的核心数据合集，采用科学引文索引(SCI)、社会科学引文索引(SSCI)、艺术与人文引文索引(A&HCI)、新兴资源引文索引(ESCI)等数据库索引。利用计算思维相关关键词，配合检索式TS=[(computational thinking AND learn*) OR (computational thinking AND educate*) OR (computational thinking AND teach*) OR (computational thinking AND develop*) ]进行主题检索，文献类型选择文章和综述，时间跨度为2006年至2023年，检索时间为2023年6月20日，共选取文献3276篇，经过除重后，最终以3212篇文献作为研究样本。

　　(二)研究工具与方法

　　科学知识图谱是以知识域作为对象，把大量的文献数据转化为可视化图谱，挖掘其中的规律，显示某个学科领域或主题的发展进程和结构关系的一种信息可视化技术^[5]。科学知识图谱的概念源起于信息可视化，主要是为帮助研究者掌握某个领域的知识基础和研究前沿。CiteSpace是应用最为广泛的文献数据可视化工具之一，通过将文献计量的过程程序化，并以可视化聚类图谱的形式展现某个研究主题或研究领域的演变情况，能够帮助研究者把握施引文献群组的特征，从而对研究前沿形成认识，并借助文献的共被引聚类找到知识基础，完成文献阅读从碎片化向全景化的转变。

　　本研究选择CiteSpace 6.2.R2作为研究工具，以统计和可视化相结合的方式对计算思维教学研究情况进行分析。首先，对所采集到的2006年至2023年上半年间的文献进行年度发文量统计，借助拟合曲线大致了解计算思维教学研究领域的研究热度趋势。其次，进行可视化分析，从高频被引文献统计分析、高突现引文分析、共被引文献聚类分析、关键词统计分析、高突现关键词分析、关键词聚类分析等六个角度，理清计算思维教学研究领域的基本情况、知识基础、研究前沿和发展趋势。

　　三、计算思维教学研究的可视化分析

　　(一)发文量年度统计与趋势分析

　　2006年至2023年上半年间，科学网数据库收录的有关“计算思维教育与教学”研究的论文堪称海量，通过筛选保留了核心集合SCI、SSCI、A&HCI、ESCI中的有效文献3212篇，其年度发文量、年累计发文量情况如图1所示。

图1   年累计发文量统计

　　由图1可知，围绕“计算思维教育与教学”这一研究主题的论文发表情况呈现逐年递增的趋势。虽然2006年仅有33篇，但在其后的17年间没有出现中断。2010年和2016年是两个重要的拐点，都具有明显的先降后增趋势。2017年至2019年的斜率明显增大，发文量陡然增加，此后直至2021年关注度持续上升。这一变化与信息科技领域里程碑事件的时间点相契合，说明信息科技的突破不仅直接给人类社会带来划时代意义的变革，并进一步对计算思维的教学研究带来刺激和启发。

　　通过对年累计发文量进行函数拟合发现：以“计算思维教育与教学”为主题的研究累计成果总量基本符合指数增长的特点。可决系数R2是度量拟合优度的统计量，R2=0.987，说明自变量“年份”对因变量“年累计发文量”的解释程度较高，拟合程度较好。由于在研究开始时只能收集到2023年上半年的数据，其总量已达203篇，因此预估相关研究在整年中将继续保持增长，但相较于前一年的增幅或会有所下降，这也反映出该主题下的研究在经历了前一轮数字技术创新突破的强刺激和教育数字化变革的复杂作用下，将会进入又一个稳步增长的新发展阶段。

　　(二)高频被引文献统计与分析

　　文献的被引频次体现了其学术影响力和价值，2006年至2023年国际计算思维教学研究的高频被引文献统计情况(前10名)如表1所示。所示文献中有一半数量为综述类研究，少量为调查研究和测量研究，这一特征符合学科内高频被引文献的一般规律。从时间跨度来看，这些重要成果出现在2016年至2019年间，集中于2017年，虽然体现了一定程度的时间积累优势，但更多在于研究主题本身在这一领域的核心性位置。

表1   2006—2023年国际计算思维教学研究文献被引频次（前10名）

　　从主题上大致可分为四个类别：教学背景下的计算思维定义和框架的理论探讨、计算思维评估与测试及其有效性验证、计算思维教与学的方法探索、教育机器人与编程学习的应用等。

　　例如，被引频次居于首位的文献《揭秘计算思维》(Demystifying computational thinking)，是舒特(Shute)等关注到计算思维在教育领域日益重要的发展趋势，对以往研究进行回顾总结，发现计算思维在定义、干预、评估、模型等方面存在诸多差异、混乱和空白，在此基础上综合了K—16教育环境中开发学生计算思维结构的各类方法，提出计算思维的工作性定义(分解、抽象、算法设计、调试、迭代和推广)和在不同学科背景下适用的规范化方案^[6]。这些文献之所以被后续研究和相关研究反复引用，成为计算思维教学研究领域中的经典，很大一部分原因是其在概念的澄清、已有研究基础的梳理、实际教育环境与困境的调研等基本问题上的突破，能够为进一步展开深入研究提供具有针对性、前瞻性的建议和参考。

　　(三)高突现引文统计与分析

　　一般而言，一篇文章被引频次的时间分布是不均匀的，常常是在某些年份由于某些原因被频繁引用，而在另外的年份则极少甚至不被引用。因此，对共被引文献进行突现性分析能够找到这一领域内研究发生转变时，发挥了较强影响的文献，能够从一定程度上代表某段时间内该研究领域中的突出贡献。突现强度前5名的文献统计情况如表2所示。从中可以发现，讨论关于在儿童成长的早期阶段培养计算思维的研究出现较早且持续时间最长，而这类研究热点所发生的变化往往是由述评性文章开启的，如《K—12中的计算思维：该领域的现状回顾》(Computational Thinking in K-12: A Review of the State of the Field)和《回顾通过编程的计算思维教学和学习：K—12的下一步是什么?》(Review on teaching and learning of computational thinking through programing: what is next for K-12?);突现开始时间较近的两篇文章则表明，以计算思维课程跨学科融合与计算思维教学实践为主题的研究在近几年受到更多关注，且计算思维教学研究的实证性偏好在逐渐增强^[7][8]，说明“计算思维教育与教学”这一知识域具有较强的应用性特征实践性质。

表2   2006—2023年国际计算思维教学研究高突现引文统计（突现强度前5名）

　　(四)共被引聚类分析

　　为进一步归纳计算思维教学研究领域的知识基础和研究前沿，本研究进行了共被引聚类分析。选择“被引文献”作为节点类型，具体设置参数如下：时间分区设置中，时间跨度为2006年至2023年，时间切片以1年为单位;节点类型为“关键词”提取到的有效参考文献共146,146篇，形成465个节点和1887条连线;运行“可视化”步骤得到静态共被引共现图谱，模块指数Q=0.9133，Q>0.3;平均轮廓指数S=0.9713，0.7引聚类结果如图2所示，聚类统计结果如表3所示。

图2   共被引聚类图

表3   2006—2023年国际计算思维教学研究共被引聚类统计

　　由图2可知，国际计算思维教学研究的关键节点突出、聚类结构清晰、相互联系紧密且脉络分明，说明计算思维教学研究领域的成果连贯性强，探索领域既能够不断推进，还具备逐步扩宽的潜力。

　　表3显示，计算思维教学研究共产生了11个重要的研究集群。其中，聚类3“应用在线外部促进的正式学习”最早出现，代表了计算思维教学研究的起源和早期研究的重点。聚类2“科学建模课程”和聚类4“非认知因素”作为持续时间最长的两个聚类，它们构成了研究计算思维教与学问题的知识基础。聚类0“计算思维评估”和聚类7“不插电的教学方法”两个聚类内部所发表文献的平均年份都为2019年，是最新产生的两大聚类，在一定意义上能够代表计算思维教学研究领域中的研究前沿，同时也构成本领域最新的知识基础。

　　(五)高频关键词统计与分析

　　由于字词的重要性会随其在文本中出现的次数成正比增加，而其在语料库中出现的频率会成反比下降。因此，本研究为了减弱高频词与主题相关度之间的矛盾，在统计关键词频次的基础上，将中心性作为另一项筛选条件，即在统计中只保留关键节点所对应的关键词。计算思维教学研究高频关键词统计情况如表4所示。

表4   2006—2023年

　　由表4可知，2006年至2023年，计算思维教学研究呈现出四大特征：一是研究集中于K—12教育阶段;二是理论层面侧重计算思维教学构架和学生的计算思维发展动态规律研究;三是计算思维教育教学评价的研究是重点部分，早期关注成绩、预测等方面，后期更关注课堂活动设计的有效性;四是对培养计算思维所借助的技术手段和工具开发的研究，早期如信息获取、编程语言等，后期如游戏设计与参与等。

　　(六)高突现词统计与分析

　　对关键词进行突现性分析，可以从中分析出计算思维教学研究中不同时间段内研究主题的兴衰变化，通过把握此类突变信息来考察关键词的时间分布，能够丰富研究图景描述的层次性。计算思维教学研究的高突现词统计情况如表5所示。

表5　2006要2023 年国际计算思维教学研究高突现词统计（突现强度前 10 名）

　　从表5可知，计算思维教学研究主要分为两个阶段：早期(2006—2017年)的热点集中在基底神经节、前额叶皮层、神经系统等微观变化规律上，这一特点与关键词聚类的结果相一致;中后期(2011—2019年)的研究倾向于相对宏观的视角来分析计算思维出现的诸如“系统”“网络”等突现词。其中，与计算思维教学联系更为紧密的“思维”“计算建模”等突现词最早出现在2014年和2015年，相较于其他突现词，这类研究更为新近。另外，值得关注的是“建模与仿真”的突现强度最高，且持续时间最长(10年)，表明相关研究问题是计算思维教学研究领域核心且历久弥新的课题。

　　(七)关键词聚类分析

　　只通过高频关键词统计和高突现词的分析还不足以从内在联系中发现不同研究之间的相关性，为进一步了解不同时期研究主题的关联情况，主要依据关键词聚类的时间线图谱进行分析。

　　对3212篇文献中的关键词进行词频分析，参数设置与共被引聚类分析保持一致;通过G指数算法对数据进行筛选，辅以寻径算法对合并网络整体进行修剪。经过同义词合并后，得到429个节点和2903条连线;运行“可视化”步骤得到静态关键词共现图谱，模块指数Q=0.7992，Q>0.3;平均轮廓指数S=0.9147， 0.7

　　通过图谱分析可以较为全面地了解不同时期计算思维教学研究的关键词具体情况和领域内不同研究的联系：一是教师的计算思维素养受到关注。规模最大的聚类为“中学计算机科学教师的挑战”，平均文献发表年份为2018年，这一聚类中研究的对象从“学生”延伸到“教师”，说明各国学者对提高教师的数字素养以适应数字化教育的发展特点给予了更强烈的关注。二是“数字化能力”是该领域研究的核心区。关键节点“21世纪能力”大约出现于2013年，涉及2017—2022年的文献居多，累积数量最大，该节点位于聚类3“数字化能力”中，说明该聚类中的研究中介性和中心性最强。三是技术与应用的研究发挥了桥梁作用。线条代表了关键词之间的联系，图中的连线密集区域出现在聚类“思维技能”“数字化能力”“人工智能”“神经算法模型”等区域之间，显示了这几类研究主题之间的强关联性，说明计算思维教学研究与计算机技术应用的联系更加紧密。

图3   关键词聚类时间线视图

　　四、国际计算思维教学研究主题特点与前沿动向

　　综合上述形成的研究图景来看，国际计算思维教学的研究呈现出增速持续加快的趋势，从早期以神经学、脑科学和心理学为主要视点的研究，到近十年来转换为计算机科学教育的研究主场，“计算思维教育与教学”的研究愈渐重要，研究主题也趋于多元。

　　(一)“计算思维”的概念与结构：从计算机科学教育到计算思维教育的澄清

　　在计算思维教学研究中，“计算思维”的定义一直是学界热议的话题。从它的提出者到发展和应用这一概念的研究者，无一不在尝试界定它的范畴，但大多由于具体依据的不同而未能很好地统一。

　　计算思维(Computational Thinking)的概念和编程实践的关系紧密，二者很难被分离讨论。正因为许多关于计算思维的讨论都以编程为背景，所以在早期，“计算思维”这一术语常常与“计算素养”“程序素养”混用^[9]。在早期文献中可以看到部分学者将“计算思维”与“计算素养”(Computing Literacy)”互换使用的情况，还有部分文献中将“计算思维”与“程序素养”(Procedural Literacy)表述为相同的内容。这些情况从2014年之后的研究中出现了好转，其原因主要是研究者意识到准确定义计算思维对计算思维教育的重要性，着手为建立统一的、一般化和可操作化的概念付诸努力。

　　此外，计算思维在STEM教育中具有显而易见的领域通用性^[10]。温特罗普(Weintrop)等以分类法的形式提出数学和科学课程中“计算思维”的定义，由四个主要类别组成：数据实践、建模和模拟实践、计算问题解决实践、系统思维实践^[11]。沃格特(Voogt)等认为，计算机科学是计算思维技能产生的实践领域，但并不是可以发现或应用这些技能的唯一学科，期望仅通过编程就能产生更精细的思维，这在概念上和教学中都是错误的，要更加关注面向更广阔的教育与教学背景的“计算思维”，不应该试图用一个终极的定义去实现计算思维的概念化而将其融入教育，而应在关于计算思维的讨论中寻找两者的相似之处和联系^[12]。

　　在计算机科学以外的学科中培养计算思维能力是后续研究的重要趋向。在教育中产生巨大影响的并非计算机，而是对人类学习及利用一切最合适的工具、最好地促进人类学习的进一步理解。教师和学生都必须意识到计算思维在日常生活中无处不在，通过计算思维教学活动帮助学生发现这些思想对个人的意义。

　　目前关于计算思维的定义主要有三种，即一般性定义、操作性定义、教育与课程定义。随着计算思维被纳入核心科学实践，计算思维教育与计算机科学教育的本质区别被进一步澄清，迫切需要给出更为适用的定义，从而为学校课堂中计算思维教育的应然提供理论基础。在教育背景下探索计算思维概念与结构的研究，还存在缺乏丰沛的理论基础、未能将一般性与具体化统一起来的不足，这些在实践中产生的争议余温未褪，还将持续下去。

　　(二)计算思维评估的认识：有效性、可靠性与过程性

　　虽然计算思维课程发展迅速，但评估方面的短板已经开始凸显，缺乏有效全面的评估技术支持，计算思维课程和教学的满意度就很难具有说服力。由于计算思维评估既要以可靠的概念作为理论依据，同时又是设计教与学具体活动的可靠根据，越来越多的研究者已经意识到对计算思维的评估是继定义概念与结构之后的又一个亟需突破的难题。

　　通过回顾关于计算思维评估问题的文章，唐晓丹等从中归纳出研究计算思维评估工具差异性的几个主要方面：教育背景、评估结构、评估类型、信度和效度证据，并提出目前计算思维评估中存在的一些缺点：评估在高中、大学生和教师专业发展计划中尚未得到更多应用;评估侧重考察编程或计算思维能力，忽略了其他方面;计算思维能力和倾向方面，评估手段单一传统、偏重量化;报告中收集的佐证信息的可靠性和有效性还有待优化^[13]。

　　从现有研究对计算思维评估的认识，以及评估手段的缺陷来看，计算思维评估需关注以下三个重要维度：有效性、可靠性与过程性。一方面，由于不同教育阶段、正式与非正式教育环境中评估计算思维的开发和应用并不均衡，尤其在没有充足理论依据和实证支持下，大多数研究倾向于将中小学视作发展计算思维的关键期，而忽略了计算思维发展的连贯性，不利于评估结果在纵向上的对比。另一方面，由于计算思维教育、编程学习、计算机科学教育在概念上的混淆，评估在计算思维能力方面偏重过多，而计算思维教育中的情感、态度、文化特征等方面则被忽略。此外，评估手段还不够丰富，计算思维属于较为复杂的认知活动，而当前对这类心理过程的评估主要依托编程环境，或使用量表直接评估其概念和技能的掌握情况^[14]，缺乏与非STEM学科内容的联系性和思维能力普遍适用性的反映。

　　(三)计算思维教与学的研究：能力与技能协调、教师与学生同位的导向

　　教与学的研究是计算思维教学研究领域中最主要的部分，计算思维教与学的研究不再局限于课程开发，而是在如何更有效地发展学习者计算思维的探索中形成了两个重要的研究导向：一是在课程内容与满意度方面，注重能力与技能的协调并重;二是在教学策略与学习体验方面，提倡教师与学生的同位发展。

　　计算思维将实现知识学习的贯通性和实际问题的求解视为最终目标，这种贯通性和求解能力实际上并不能摆脱具体的实践活动而直接被教授。如何平衡计算思维与编程学习的关系?实际上，编程不仅是计算机科学的一项基本技能和支持计算思维所涉及认知任务的关键工具，也是计算思维能力的展示。但是编写计算机程序不需要特殊的专业知识，只需要清晰仔细的思考^[7]。森古普塔(Sengupta)等研究发现，计算思维只有以基于设计的认知和表征实践的形式才能变得明显，编程和建模都应将设计作为学习的重点^[15]。因此，将这些编程实践整合到教学活动中可能会有很大的优势，以增强逻辑、数学、基于项目的学习、解决问题和批判性思维技能^[16]。另外，计算思维教学中使用“不插电教学法”与常见的编程学习形成了有趣的对照，研究关注度持续上升。温蒂 (Wendy)等研究发现，“不插电教学法”能够为全民学习计算机科学提供支持，主要得益于其灵活性和较低的学习门槛，在常规课程中应用更加便宜^[17]。蒂斯(Thies)等的研究进一步支持了这一观点：与传统计算机科学概念教学方法相比，“不插电教学法”更具有效性，并且“不插电教学法”可以使更多学生从中理解和思考计算机科学的本质，能够让已具备较高水平计算素养的学生进一步提升理解层次^[18]。

　　实际上，计算思维教学目前面临的瓶颈并不在于学生和课程方面，而在于作为课程活动实施者的教师身上，在教师专业发展滞后的情况下，在课堂上引入计算思维存在一定的问题^[19]。有研究发现，学生在计算实践和计算视角两个维度上的表现存在明显差距，说明在常规的自然课堂教学环境中，学生学习计算思维的情况并没有被充分掌握^[8]。为整合K—12阶段的计算思维，还需要借助多维的方法来进行系统的改变，以使教师做好在课程中嵌入计算思维的准备，包括为培养教师的计算思维能力所做的准备^[20]。此外，还应开发更多的评估工具来衡量教师计算思维教学的熟练程度^[19]。

　　综合上述，必须正视教师数字素养的不足，帮助教师发展相关知识和能力，通过更扎实的案例和实证研究，以帮助教师完善计算思维教学的集成。

　　(四)计算思维学习环境的构建：资源、技术和情感要素

　　学习环境是实现教与学方式变革、支撑学生学习和发展的基础。计算思维学习环境的构建既包括一般学习环境的构成要素，也需要关注其特殊的侧重，从而克服学生既有认知中的阻碍，使计算思维得以顺利发展。

　　一些学生放弃计算机科学学习的主要理由是其认为课程很无聊、令人困惑，而且编程太难掌握^[21]。巴苏(Basu)等研究发现，有必要为学习者提供基于计算思维与课程内容协同的学习环境，借助科学课程知识背景方面的支架设计，将计算思维与科学课程相结合，使计算思维能够在构建和模拟科学现象的过程中得以发展^[22]。此外，何塞-洛佩斯(Sáez-López)等认为，虚拟学习社区为学习者提供了另一类超越现实课堂的学习环境，借由互动媒体作为开放平台的编程环境，能够使青少年在创建自己的互动故事、游戏和模拟的过程中，与在线社区中来自世界各地的其他年轻程序员进行创造性思考和协作^[23]。

　　在计算思维学习环境当中，除课程资源、技术资源外，还有第三个重要的资源在发挥着更为持久和深刻的作用——情感要素几乎承载了全部人文精神的建构。以罗曼-冈萨雷斯(Román-González)等的研究结论为例，无论是小学还是大学的任何阶段，是玩游戏还是构建游戏，玩家和设计者共属于“数字媒体文化的参与者”这一身份，而游戏则是承载现实世界、规则和知识交互的公共实体^[24]。围绕制作游戏而展开的计算思维培养活动，除了在促进技能学习和提高问题解决能力等方面，为学习者提供有益的教育技术环境外，还提供了一个与现实文化联系和参与的实践感知环境，从而对学习者未来的择业倾向产生一定的影响。

　　随着学界对跨学科合作的认识更为深入，在未来的研究中，计算思维学习环境的构建或可成为和教与学研究联系最紧密的另一大领域，需要进一步引鉴相关学科的理论资源来丰富研究策略，推动跨学科背景、跨文化差异的创造性融合，促进学习共同体等方面的探索。

　　五、总结与启示

　　国内对计算思维的认识要晚于美英等发达国家，但计算思维教学的推进速度正在逐步加快，全面把握国际计算思维教学研究领域的现状和前沿动向，能够帮助我国相关研究更有方向性地借鉴他人理论成果，拓展更多的研究面向、挖掘更深的研究层次，这对于在更多元和更复杂技术环境中发展计算思维教学的研究，具有重要的学术价值和现实意义。

　　一是积极展开跨学科背景的系统化探索。我国已经有许多围绕核心素养、深度学习而展开的大单元教学的尝试，以及计算机课程改革的丰富成果，这与国际计算思维教学研究跨学科融合的思路异曲同工。因此，要在吸收国际前沿理论和研究经验、丰富“计算思维”认识的同时，广泛并深度展开针对计算思维教学的专题化课程组织设计、综合化知识结构设计、自适应学习环境设计、跨学科团队合作等方面的探索。

　　二是推动计算思维评估的整体性研究。已有的研究多倾向于选择围绕计算思维教学中的某个阶段、某类对象、某个环节、某个层面进行选题和研究，但评估性的研究如果只针对局部情况进行是远远不够的，这是对计算思维发展的整体性与不同层次学习活动的参与者、行动者之间联系性的忽略和隔绝。因此，计算思维评估方面要具有全景化的关照、整体性的实践和颗粒度更细致的研究，才能在充分把握结构性因素的基本前提下，科学评估教与学主体的互动关系和教学有效性。

　　三是加强计算思维教学的实证研究。国际计算思维的研究经历了基于大规模量化考察普遍问题的阶段，但计算思维发展的整体性特征和形成机制尚处于含混的状态，计算思维本身所具有的复杂性和特殊性，以及教学实际的多变性都需要通过规范化的定性研究来补充定量研究的视域，进行细致、动态的挖掘。因此，要加强计算思维教学的实证研究，从而促进计算思维教学研究领域形成更多、更有效的研究范式，发展和完善计算思维教学的理论体系和实际应用。

　　参考文献：

　　[1]REED D A, BAJCSY R, FERNANDEZ M A, et al. Computational science: ensuring America’s competitiveness[R]. Washington DC: President’s Information Technology Advisory Committee, 2005.

　　[2]WING J M. Computational thinking[J/OL]. Communications of the ACM, 2006,49(3):33-35[2023-06-23]. http://dx.doi.org/10.1145/1118178.1118215.

　　[3]UK Department for Education. Statutory guidance national curriculum in England: computing programmes of study[EB/OL]. (2013-09-11) [2023-07- 10]. https://www.gov.uk/government/publications/national-curriculum-in-england-computing-programmes-of-study/national-curriculum-in-england-computing-programmes-of-study.

　　[4]教育部.义务教育信息科技课程标准[M/OL].北京:北京师范大学出版社,2022[2023-06-23].https://www.gov.cn/zhengce/zhengceku/2022-04/21/5686535/files/1b0cf959dafc477dac723 dc485095e49.pdf.

　　[5]陈悦,陈超美,胡志刚,等.引文空间分析原理与应用：CiteSpace 实用指南[M].北京:科学出版社,2014:12.

　　[6]SHUTE V J, CHEN SUN, ASBELL-CLARKE, et al. Demystifying computational thinking[J]. Educational Research Review, 2017,22:142-158.

　　[7]GROVER S, PEA R. Computational thinking in K-12: a review of the State of the Field[J]. Educational Researcher, 2013,42:38-43.

　　[8]LYE S Y, KOH J H L. Review on teaching and learning of computational thinking through programming: what is next for K-12?[J]. Computers in human behavior, 2014,41:51-61.

　　[9]LU J J, FLETCHER G H L. Thinking about computational thinking[J]. ACM SIGCSE Bulletin, 2009,41(1):260-264.

　　[10]NATIONAL RESEARCH COUNCIL. A framework for K-12 science education: practices, crosscutting concepts, and core ideas[M]. Washington: The National Academies Press, 2011:65-72.

　　[11]WEINTROP D, BEHESHTI E, HORN M, et al. Defining computational thinking for mathematics and science classrooms[J]. Journal of Science Education and Technology, 2016,25:127-147.

　　[12]VOOGT J, FISSER P, GOOD J, et al. Computational thinking in compulsory education: Towards an agenda for research and practice[J]. Education and Information Technologies, 2015,20(4):715-728.

　　[13]TANG X, YIN Y, LIN Q, et al. Assessing computational thinking: a systematic review of empirical studies[J]. Computers & Education, 2020,148(1):103798.

　　[14]LOCKWOOD J, MOONEY A. Computational thinking in education: where does it fit? a systematic literary review[J]. International Journal of Computer Sciences and Engineering Systems, 2018,2(1):41-60.

　　[15]SENGUPTA P, KINNEBREW J S, BASU S, et al. Integrating computational thinking with K-12 science education using agent-based computation: a theoretical framework[J]. Education and Information Technologies, 2013,18(2):351-380.

　　[16]HAMBRUSCH S, HOFFMANN C, KORB J T, et al. A multidisciplinary approach towards computational thinking for science majors[J]. ACM Sigcse Bulletin, 2009,41(1):183-187.

　　[17]HUANG W, LOOI C-K. A critical review of literature on “unplugged” pedagogies in K-12 computer science and computational thinking education[J]. Computer Science Education, 2020,31:83-111.

　　[18]THIES R, VAHRENHOLD J. Back to school: computer science unplugged in the wild[C]//New York: Proceedings of the 2016 ACM Conference on Innovation and Technology in Computer Science Education. 2016:118-123.

　　[19]ENGLISH L. On MTL’s second milestone: exploring computational thinking and mathematics learning[J]. Mathematical Thinking and Learning, 2018,20(1):1-2.

　　[20]YADAV A, STEPHENSON C, HONG H. Computational thinking for teacher education[J]. Communications of the ACM, 2017,60(4):55-62.

　　[21]WILSON A, MOFFAT D C. Evaluating scratch to introduce younger schoolchildren to programming[C]. Glasgow: PPIG, 2010(1):1-12.

　　[22]BASU S, BISWAS G, SENGUPTA P, et al. Identifying middle school students’ challenges in computational thinking-based science learning[J/OL]. Research and Practice in Technology Enhanced Learning, 2016,11:13[2023-06-23]. https://api.semanticscholar.org/CorpusID:32610688.

　　[23]SÁEZ-LÁPEZ J M, RUIZ-RUIZ J M. Estrategias metodológicas, aprendizaje colaborativoy TIC: un caso en la Escuela Complutense Latinoamericana[J]. Revista Complutense de Educación, 2012,23:115-134.

　　[24]SÁEZ-LÁPEZ J M, ROMÁN-GONZÁLEZ M, VÁZQUEZ-CANO E. Visual programming languages integrated across the curriculum in elementary school: a two year case study using “scratch” in five schools[J]. Computers & Education, 2016,97:129-141.

The Current Situation and Trends in International Computational Thinking Teaching Research

Shuanglong LI¹, Shuting XU¹, Juan ZHANG²

(1.School of Education Science, Kashi University, Kashi 844000, Xinjiang;

2.School of Civil Engineering, Neijiang Normal University, Neijiang 641100, Sichuan)

　　Abstract: Computational Thinking is an important component of core literacy, and understanding the hotspots and cutting-edge trends in international computing thinking education research can provide reference for related research and practice in China. Using the information visualization processing software CiteSpace to conduct a knowledge domain analysis of literature in the field of computational thinking education and teaching research in the Web of Science Core Data Collection from 2006 to 2023, four major themes in international computational thinking education research were identified: theoretical exploration of connotation and definition, assessment testing and validation, teaching and learning methodologies, and programming learning application activies. The research has found that early studies focused on learners’ academic performance when assessing computational thinking, while later studies emphasised the effectiveness of teaching computational thinking. In terms of technical skills, early studies relied mainly on learning programming languages to develop skills, while later studies tended to use game project design to improve learning engagement and cognitive skills. Furthermore, interdisciplinary integration is an important development trend in international research on the teaching of computational thinking. Therefore, the following suggestions are made: conduct systematic interdisciplinary research, promote holistic assessment research, and strengthen empirical research on computational thinking.

　　Keywords: Computational thinking; Digital literacy; Interdisciplinary teaching; Knowledge graph analysis; Data visualization

　　编辑：李晓萍　校对：王天鹏