人工智能教育对学生计算思维的影响研究——基于国内33项实验与准实验研究的元分析.pdf

期第年.人工智能教育对学生计算思维的影响研究一基于国内3 3 项实验与准实验研究的元分析刘冠群谢忠新上海市浦东教育发展研究院上海2 0 0 13 5摘要：本研究采用元分析方法，梳理并分析了国内2 1篇文献所提取出的3 3 项实验研究的数据，揭示了人工智能教育在学生计算思维培养中的有效性。研究发现：（1）整体而言，纳入研究的合并效应量为0.8 9 1，呈高度正向影响，表明人工智能教育能显著促进学生计算思维的发展；（2）在不同学段中，人工智能教育对初中学生计算思维发展的促进效果最大，其次是小学生，对高中生计算思维发展的促进效果最小；（3）相比传统教学模式，问题解决教学、任务驱动式教学及项目化学习在促进学生计算思维发展方面具有更高的影响效应量；（4）与0 4周的人工智能教育活动相比，4一12 周或16 周以上的人工智能教育周期对学生计算思维发展的作用更大。最后，文章提出了三条建议，以期为我国未来面向计算思维的中小学人工智能教育研究与实践提供借鉴。关键词：计算思维；人工智能教育；元分析中图分类号：G434文献标识码：A文章编号：16 7 2-0 2 45（2 0 2 3）0 3-0 0 12-0 9一、问题提出计算思维是人工智能时代个体必备的重要素养，逐渐受到广泛关注与高度重视。自2 0 0 6年周以真教授提出“计算思维”概念以来，世界各国纷纷探讨如何在各个学段落实培养学生的计算思维能力，陆续颁布了一系列关于计算思维的政策、标准与课程计划；不少国家在其人才培养计划和课程体系中纳人计算思维要素，或是逐步开设与计算思维相关的课程。例如，2 0 11年，美国计算机科学教师协会（CST A）将计算思维列人“CSTAK12计算机科学框架”；2 0 16 年，计算思维被列入该框架的五大核心内容之一。2 0 13 年，英国将计算思维纳人新信息技术课程，并提出通过高质量的计算机课程教育培养学生的计算思维能力。2 0 15年，澳大利亚“新课程方案”颁布，提出将计算思维作为新信息技术课程的重要内容。2 0 16年，欧盟委员会联合研究中心发布在义务教育阶段发展计算思维研究报告，全面概述了学龄儿童的计算思维技能，并分享了相应的实践与政策研究行动。2 0 17 年，新媒体联盟地平线报告：2 0 17 年基础教育版指出计算思维是2 1世纪中小学教育的重要课题，应加强计算思维的技能训练。2 0 2 1年，美国“数字承诺”（D i g i t a l Pr o mi s e）教育技术国家中心发布面向包容性世界的计算思维：教育工作者学习和行动指南，强调应重视计算思维培养并融入各学科教学。2 0 2 2 年，欧盟委员会发布回顾义务教育中的计算思维：计算教育的现状与实*本文系上海市教育科学研究一般项目“区域中小学人工智能教育生态构建研究”（项目批准号：C2021093）的研究成果。计算思维培养专题践，概述分析了2 9 个欧洲国家计算思维融人义务教育的现状与挑战。2 0 2 2 年4月，我国义务教育信息科技课程标准（2 0 2 2 年版）发布，也强调在课程教学中落实计算思维培养。人工智能教育被认为是发展计算思维的重要途径。2 0 17 年，美国颁布CSTAK-12计算机科学课程国家标准，指出通过使用人工智能技术解决问题来发展计算思维。我国普通高中信息技术课程标准（2 0 17 年版）将计算思维作为学科核心素养之一，并提出利用开源人工智能应用框架搭建简单智能系统，以促进计算思维的培养。随着各级各类政策文件的颁布，我国基础教育领域衍生出开展人工智能教育的热潮，广州、武汉、苏州、长沙、浙江、上海等地推进实施中小学人工智能教育然而，笔者通过梳理发现，目前学术界对于人工智能教育能否促进学生计算思维的发展主要持有两类观点。诸多学者通过实验或准实验证明人工智能教育对学生计算思维具有显著影响。例如，张屹等人【2 通过前后测对照实验发现基于游戏化的人工智能课程学习能显著提高高中生计算思维实践效果。崔璐以初中一年级43 名学生为实验对象，开展了三轮的教学实践3 。前后测结果表明，通过项目化学习开展人工智能教学显著促进了学生计算思维发展。但同时也有研究认为人工智能教育对学生计算思维的作用有限41。因此，人工智能教育对学生计算思维的整体影响效果有待进一步探究。此外，现有研究忽略了学段、教学方法等变量对学生计算思维的影响，导致对人工智能教育在不同学段和教学方法下的有效性缺乏系统性和全面性的认识。因此，重视并控制这些因素，也能更加准确地评估人工智能教育对计算思维的效果和影响。鉴于此，本研究采用元分析（Meta-analysis）的方法，选取国内权威数据库中近10 年关于人工智能教育影响学生计算思维发展的实证研究成果进行整合分析，尝试回答以下问题：（1）人工智能教育能否促进学生计算思维的培养？在多大程度上促进了计算思维的培养？（2）人工智能教育对学生计算思维的促进效果是否受调节变量（如学段、教学方法、实验周期、评价工具）的影响？二、研究设计本研究以国内人工智能课程教学影响学生计算思维发展的定量研究成果为分析对象，采用元分析方法全面整体分析国内K-12人工智能教育对学生计算思维的作用效果。元分析实施的基本流程为：确定主题并检索文献、制定筛选标准并选取文献、文献编码与分析。（一）文献检索与整理本研究选取中国知网、万方两个数据库作为主要数据来源，文献检索与筛选的流程如图1所示。首先以“计算思维”并含“人工智能”为主题词进行检索，共得到7 3 1篇文献，剔除重复文献后得到文献43 8 篇。其次，粗读文献标题、摘要和关键词，排除无关文献后得到56篇文献。鉴于检索到的文献并非都符合本研究元分析的要求，因而制定了文献筛选标准：（1）文献应为人工智能课程内容教学（如图像识别、人脸识别、智能语音技术等），而不是宽泛的编程教育或者简单的拼搭机器人；（2）文献需围绕计算思维的培养；（3）文献必须是一个实验或者准实验研究（单组实验要有前后测对照，双组实验要有实验组和对照组）；（4）文献需提供充足的数据信息（如平均值、方差、t值、P值等）用以计算效应量；（5）实验对象应为K-12学段（排除大学和职校）。根据上述筛选标准，共纳入2 1篇文献。其中，有7 篇文献涉及多个实验组与对照组。因此，这些文献提供了多项数据，最终纳人分析的共有3 3 项研究。期第年OEducationalCommunicationsadTechnology确定检索条件获得文献N=731剔除重复文献N=293第一轮筛选后的文献N=438根据文献标题、摘要和关键词剔除文献N=382第二轮筛选后的文献N=56根据“纳人一排除”标准筛选，排除文献N=35第三轮筛选后的文献N=21精读文献，筛选符合元分析的实验研究N=12最终纳人元分析的数据N=33图1文献检索与筛选流程（二）文献特征值编码为了便于后续分析，本研究将作者信息、出版年份、文献来源、学段、教学方式、实验周期、评价工具列为编码对象。学段分为三类：小学、初中和高中。教学方式分为五种：项目式教学、游戏化教学、任务驱动式教学、问题解决教学，以及传统教学模式。实验周期分为五个时间段：0 4周、48 周、8 12周、12 16 周、16 2 0 周。评价工具分为三类：Bebras试题、CTs量表和CTt量表。文献特征值编码如表1所示。若一篇文献中包含多项有效数据，则在对应年份后用a、b、c、d区分。表1文献特征值编码序号文献作者及年份学段教学方法实验周期评价工具1罗丹，2 0 2 3初中项目式教学812周Bebras2张梦瑶，2 0 2 1小学游戏化教学04周Bebras3高晗蕊，2 0 2 1小学任务驱动式教学04周CTs4刘娇,2 0 2 2（a）小学传统教学模式1216周Bebras5刘娇,2 0 2 2（b）小学问题解决教学1216周Bebras6刘娇，2 0 2 2（c）小学问题解决教学1216周Bebras7刘娇,2 0 2 2（d）小学问题解决教学1216 周CTs8曾瑞睿，2 0 2 2（a）小学传统教学模式4一8 周CTs9曾瑞睿，2 0 2 2（b)初中传统教学模式4一8 周CTs10张屹，2 0 2 2高中游戏化教学48周CT-c11伍清清，2 0 2 2小学传统教学模式1216周CTs12马文露，2 0 2 2初中项目式教学04周CTs13张秀雯，2 0 2 2高中任务驱动式教学04周Bebras14张敏，2 0 2 2（a）小学项目式教学812周CTs15张敏,2 0 2 2（b）小学项目式教学812周CTs16牛钰琨，2 0 2 1初中项目式教学48周CTs17夏梦影，2 0 2 1（a）高中项目式教学812周Bebras18夏梦影,2 0 2 1（b）高中项目式教学812周CTs19崔璐，2 0 2 1初中项目式教学812周Bebras15A计算思维培养专题（续表）序号文献作者及年份学段教学方法实验周期评价工具20侯怡帆，2 0 2 1初中项目式教学48周CTt21王琳,2 0 2 0 （a)高中问题解决教学1216 周CTs22王琳,2 0 2 0（b）高中问题解决教学1216 周CTs23朱文艳,2 0 2 0（a）高中问题解决教学1620周CTs24朱文艳，2 0 2 0（b）高中传统教学模式1620 周CTs25朱文艳，2 0 2 0（c）高中问题解决教学1620周CTs26上官雨洁，2 0 2 1初中项目式教学1216周CTs27张舒雨，2 0 2 1小学项目式教学1216周CTs28侯瑶，2 0 2 0小学游戏化教学812周Bebras29杨晓雨,2 0 2 1（a）高中任务驱动式教学812.周CTs30杨晓雨,2 0 2 1（b）高中任务驱动式教学812周CTs31轩明杰，2 0 2 1（a）初中问题解决教学812周CTs32轩明杰，2 0 2 1（b）初中问题解决教学812周CTs33轩明杰，2 0 2 1（c）初中问题解决教学812周CTs(三）分析方法与工具本研究选取CMA3.0作为元分析工具，通过输人各项研究的实验数据（样本数量、配对检验T值等），自动计算每项研究的效应值，进而开展分析。三、研究分析（一）发表偏倚检验为降低所纳人的样本无法代表该领域总体效果的偏差风险，需对元分析结果进行偏倚检验。本研究采用漏斗图和失安全系数（Fa i l-s a f e N）综合评估元分析结果的发表偏倚可能性。如图2 所示，大部分效应值落在漏斗图的中部和上部，初步判断存在发表偏倚的可能性较低，说明数据分析结果相对可靠；但有少部分点落在斜线之外，表示纳人的研究间可能存在异质性，需结合后续的森林图数据进一步查看。0.00.10.28P80.30.40.5-3-2-10123Stddiffinmeans图2样本发表偏倚检验漏斗图漏斗图虽然直观但也比较主观，因而本研究进一步通过失安全系数进行量化判断，其评价标准为：如果失安全系数小于5K+10（K 为纳人元分析的样本数），则存在发表偏倚。CMA分析结果显示本研究的失安全系数为3 8 59，远超过17 5（即53 3+10），说明此研究存在发表偏倚的可能性很小。基于以上两种方法，综合研判本元分析结果相对稳定、可靠。期第年Ocationan（二）异质性检验异质性检验也是元分析中不可或缺的环节，旨在检查各个独立研究结果是否具有可合并性。本研究采用Q检验结合I统计量进行异质性检验，其中Q为各研究变异系数的标准化加权平方和，I代表非抽样误差所引起的变异占总变异的比例。I=0%表示研究间不存在变异性，I25%表示存在轻度异质性，25%I50%表示存在高度异质性。当异质性较高时，应选择随机效应模型。本研究异质性检验结果如表2 所示：Q=234.543，I=8 6%50%，说明存在较高的异质性。因此，为消除异质性的影响，保证研究结果的可靠性，应采用随机效应模型对效应值进行分析。表2异质性检验结果95%的置信区间异质性检验效应模型效应量效应数上限下限DfP12Q(SMD)固定效应模型330.6030.6670.539320.00086%234.543随机效应模型330.8911.0770.705（三）人工智能教育对学生计算思维发展的总体效果根据效应统计理论，当效应量小于0.2时，表示有轻度影响；当效应量处于0.2 至0.8之间，表示有中度影响；当效应量大于0.8时，表示有显著影响。从随机效应模型结果来看，本研究整体合并效应为0.8 9 1（且p=0.0000.001），说明整体而言，人工智能教育能显著促进学生计算思维的发展。各项研究的效应量森林图如图3 所示。SludynameStatisticsforeachsludyStddiffinmeansand95%ClStddiffStandardLowerUpperinmeanserrorVariancelimitlimitZ-Valuep-Value初中生人工智能课塑计算见维测评实晚罗丹0.9290.4130.1700.1201.7382.2500.0242小学人工智能游戏化教学的行动研究_ 张梦班0.9380.2090.0440.5281.3474.4900.0003基于APT敏学模型的小学人工暂能课视开发与应用_ 高哈荐0.5490.1660.0270.2240.8733.3150.0014基于BOPPPS模式提升小算思维的教学设计与实践研究刘娇1.2750.2460.0800.7931.7575.1870.0005基于BOPPPS模式提升小算思链的教学设计与实践研究刘娇1.5320.2690.0721.0042.0605.6920.000基于BOPPPS模式提升小算思维的教学设计与实践研究刘娇0.9760.2730.0750.4401.5113.5720.0007基于BOPPPS模式提升小.算思维的敏学设计与实践研究刘娇0.6330.2850.0700.1141.1512.3910.017基于Mind+的小学生人工.能思维培养的课理设计与实践曾瑞春0.4320.1820.0330.0750.7892.3730.018基于Mnd+的小学生人工能思维培养的课理设计与实践曾瑞寄0.3650.1560.0240.0590.6702.3410.01910人工智能课理中游戏化学习墙.挑战Alpha井辛模“为例_ 张吃0.1660.0650.0040.0390.2932.5610.01011基于Mind+平台的小学AI编程教学设计与实践_ 伍清清0.6470.1640.0270.3250.9683.9450.00012基于计算参与的教学活幼设计与实践马文露0.4170.1040.0110.2130.6204.0150.00013基于任务序列的高中人工暂能教学行动研究张秀妥0.4970.1500.0220.2030.7903.3130.00114基于体验式学习的小学人工智能教学案例研究_ 张敏1.3960.2380.0560.9311.8625.8780.00015基于体验式学习的小学人工智能教学案例研究张敏0.5370.2430.0590.0601.0142.2080.02716面向计算恩维培养的中学生人工智能教育活动设计与实施牛伍理0.8510.2060.0430.4481.2554.1240.00017面商计算思维培养的高中信息技术拓展课程的设计与实施梦影0.3530.1630.0270.0340.6732.1670.03018面向计算思维培养的高中信息技术拓履课程的设计与实施夏梦影1.7160.2490.0621.2292.2046.9030.00019面向计算思维的人工智能课程教学行动研究崔璐1.2260.2020.0410.8311.6228.0750.00020面向计算思谁的项目式教学模式的构连与女践研究候怡帆0.6530.2310.0530.2011.1062.8290.00521面间计算思谁墙养的高中人工智能教育学习活动的设计研究_ 王琳0.8840.2710.0730.3541.4143.2680.00122面向计算思维培养的高中人工智能教育学习活动的设计研究，王琳2.1680.3340.1121.5132.8236.4880.00023面向计算鬼维培养的高中人工智能课程学习活动设计朱文艳2.0480.2930.0861.4732.6236.9820.00024面向计算思维培养的高中人工智能课程学习活动设计_ 朱文艳1.3320.2170.0470.9081.7586.1330.00025面向计算思流培养的高中人工智能课程学习活助设计 文艳0.0930.2300.0530.3570.5440.4050.6862B人工智能课程中PBL教学培养初中生计算想施的研究_ 上官雨洁0.5500.1840.0340.1890.9102.9870.003Z7基于Machine leamingfarkids平台的小学生人工智能项目式敏学模式设计与实融1.3330.2700.0730.8031.8634.9310.00028促进小学生计算思维发展的游戏化教学设计与应用研究_ 换瑞0.4770.3000.090-0.1111.0651.5890.11229面向计算思连墙养的高中开源硬件人工智能课理设计开发与效果研究1.9010.4330.1871.0532.7494.3940.00030面向计算思维墙养的高中开源硬件人工智能课设计开发与效果研究1.3860.4070.1650.5892.1833.4090.00131面向计算思维的初中人工智能拓展课教学活动设计与实践研究一以Kitienblock编理为例1.1730.2770.0770.6301.7164.2350.00032面向计算思维的初中人工智能拓展课教学活动设计与践研究一以Kitenblock编理为例-0.2650.2270.0520.7110.181-1.1640.24533面计算思维的初中人工暂能拓展课教学活动设计与实践研究一以Kittenblock编理为例1.7810.3650.1331.0652.4964.8790.0000.6030.0330.0010.5390.88718.5080.000-1.00-0.500.000.501.00图3各项研究效应量森林图（四）调节效应分析1.学段对学生计算思维的调节效应以不同学段作为调节变量，探讨人工智能教育对计算思维的影响，结果如表3 所示。首先，各学段的合并效应值为0.6 0 3，且Z=18.508（p 0.0 0 1），达到显著水平，表示人计算思维培养专题工智能教育对各个学段学生的计算思维均具有提升作用。其次，组间效应量Q=17.052（p 0.0 0 1），表明不同学段人工智能教育对学生计算思维发展的作用效果存在显著差异。具体来看，人工智能教育对不同学段学生计算思维发展的作用效果按照合并效应量大小排列，依次是初中（SMD=0.820，p 0.0 0 1）小学(SMD=0.584,p0.001）、高中（SMD=0.490,p0.001），表明人工智能教育对初中学生的影响最大，小学生次之。表3不同学段对计算思维发展的作用效果差异效应值95%的置信区间异质性检双尾检验组间学段效应数(SMD)上限下限验()Z值P值效应量小学100.5840.7020.46681%9.7050.000Q=17.052初中120.8200.9460.69566%12.8190.000(p=0.000)高中110.4900.5850.39493%10.0540.000合并效应值0.6030.539,0.667,Z=18.508（p=0.0 0 0)2.教学方法对学生计算思维的调节效应人工智能课堂教学模式多种多样。根据纳人文献使用教学方法的频次，本研究主要比较了传统教学模式、任务驱动式教学、问题解决教学、项目化教学和游戏化教学五类教学方法的应用效果，如表4所示。表4不同教学方法对计算思维发展的作用效果差异效应值95%的置信区间异质性检双尾检验组间学段效应数(SMD)上限下限验()Z值P值效应量传统教学模式50.7841.1610.40781%4.0750.000任务驱动式教学40.9291.4290.42977%3.6430.000Q=2.662问题解决教学101.0811.5940.56989%4.1350.000(p=0.616)项目化教学110.8801.1540.60581%6.2790.000游戏化教学30.5041.036-0.02785%1.8590.000合并效应值0.8470.669,1.025,Z=9.338（p=0.0 0 0)首先，总体合并效应值为0.8 47，大于0.8，且Z=9.338（p 0.05），表明上述五种教学模式之间不存在显著性差异。具体来看，问题解决教学、任务驱动式教学和项目化教学对学生计算思维发展的作用效果更大，其合并效应量分别为1.0 8 1、0.9 2 9、0.880，均大于0.8，为显著影响，即采用问题解决教学、任务驱动式教学和项目化教学的教学方式能显著提高学生计算思维水平。而传统教学模式和游戏化教学的合并效应量分别为0.7 8 4和0.50 4，处于0.2 0.8 之间，为中度积极影响。8期第年lechnologyOYRYOnSLoucationa3.实验周期对学生计算思维的调节效应根据梳理的3 3 项实验，将实验周期分为五类，对人工智能教育不同实验周期的影响效果进行检验，结果如表5所示。表5不同实验周期对计算思维发展的作用效果差异效应值95%的置信区间异质性检双尾检验组间学段效应数(SMD)上限下限验(P)Z值P值效应量04周40.5500.7410.35941%5.6400.00048周91.0721.3870.75874%6.6790.000Q=14.452812周31.1472.2290.06593%2.0780.038(p=0.006)1216周50.4500.7060.19472%3.4450.00116周以上121.0181.4070.62985%5.1290.000合并效应值0.6720.543,0.801,Z=10.221（p=0.0 0 0)首先，总体合并效应值为0.6 7 2，处于0.20.8之间，且Z=10.221（p 0.0 0 1)，达到统计学显著水平，说明无论实验周期多长，人工智能教育对学生计算思维发展都具有显著影响。其次，从组间效应量来看，Q=14.452（p=0.0 0 6 0.0 5），达到统计学显著水平，表明不同的实验周期对学生计算思维发展存在显著影响。具体而言，4一8 周（SMD=1.072，p0.001）、8 12 周（SMD=1.147,p0.05)和16周以上（SMD=1.018，p 0.0 0 1）的合并效应值在0.8 以上，且达到统计学显著水平，说明在该实验周期内，人工智能教育对学生计算思维发展具有较高的促进作用。0 2 周（SMD=0.550,p0.001）和12 16 周（SMD=0.450,p0.05）的合并效应值处于0.2 一0.8 之间，说明在该实验周期内，人工智能教育对学生计算思维发展具有中度积极影响4.评价工具对学生计算思维的调节效应计算思维水平可以通过不同的评价工具来测量。根据梳理的3 3 项实验，将计算思维的评价工具分为Bebras试题、CTs量表（创造力、批判性思维、问题解决、算法思维、合作能力）、CT-c量表（分解、抽象、模式识别、算法、调试）和CTt试题。其中CT-c和CTt效应数较少，各为一项，本研究不作详细讨论。从表6 可知，总体合并效应值为0.42 3（p 0.0 0 1），说明这两类评价工具对学生计算思维具有中等程度显著影响。其中采用Bebras试题和CTs量表的效应值分别为0.8 9 2（p 0.0 0 1）、0.9 44（p 0.0 0 1），均大于0.8，说明量表和测试题对学生计算思维均具有较高的促进作用。表6不同评价工具对计算思维的影响效应值95%的置信区间异质性检双尾检验组间学段效应数(SMD)上限下限验()Z值P值效应量Bebras90.8921.1780.60773%11.0940.000Q=45.125CTs220.9441.1850.70485%16.3230.000(p=0.000)合并效应值0.4230.321,0.525,Z=8.139（p=0.0 0 0)计算思维培养专题四、研究结论与启示（一）结论与讨论本研究利用元分析方法对国内3 3 项关于人工智能教育如何影响学生计算思维水平的实验和准实验研究进行梳理与分析，得到的主要研究结论如下1.在中小学开展人工智能教育有利于提高学生计算思维水平元分析结果显示，人工智能教育对学生计算思维发展的整体效应值达0.8 9 1，说明人工智能课程学习能够有效促进学生计算思维的发展。这与岳彦龙5 等人的研究结果一致，即人工智能教学案例驱动的编程教学能够显著提高学生算法思维和分解、评估、抽象、概括的能力。段波6 也指出，在基础教育阶段开展人工智能相关课程将成为培养计算思维的斩新途径。总体而言，人工智能教育对中小学生计算思维发展具有积极的正向作用。2.学段、教学方法、实验周期与评价工具对学生计算思维发展具有调节效应人工智能教育对学生计算思维的影响存在边界条件，主要受到诸如学段、教学方法、实验周期等调节变量的共同影响。从学段来看，人工智能教育对小学生、初中生以及高中生的计算思维发展均具有显著的促进作用，且在不同学段存在显著性差异。其中，人工智能教育对初中生计算思维发展的作用效果最为显著（SMD=0.820），其次是小学生（SMD=0.584），而对高中生的影响相对较小。这可能是由于人工智能教育有利于激发小学生和初中生的学习兴趣与创造力，充分调动其参与的积极性，吸引其积极投人学习过程。而高中学生思维发展已呈相对平稳状态，且已具备一定的抽象逻辑思维，其计算思维水平相对难以在短时间内获得迅速提高。从教学方式来看，问题解决教学、任务驱动式教学和项目化教学在促进学生计算思维发展方面具有更高的影响效应，是培养计算思维的重要教学方法。与预期结果相反的是，组间效应量检验结果显示传统教学模式、任务驱动式教学、问题解决教学、项目化教学和游戏化教学五类教学方法对计算思维促进效果不存在显著性差异，这可能是由于学习人工智能本身就涉及编程解决问题，这一过程帮助学生发展了高阶思维能力，因而问题解决教学、任务驱动式教学和项目化教学的优势有些许弱化。同时，本研究发现游戏化教学在人工智能教学中的作用不如预期，这可能是由于效应数过小，后续研究还需要进一步探索。在实验周期方面，8 一12 周的人工智能教育能够最大限度地促进学生计算思维的发展（SM D=1.147），其次是48 周（SMD=1.072）。太短的时间（如0 一4周）对学生计算思维的发展仅存在中度促进效果（SMD=0.550），这可能是由于学生在人工智能课程的学习中大多需完成具体的项目作品，涉及系列问题解决过程或任务，若实验周期过短，学生无法沉浸式地参与体验。同时，研究也发现，12 一16 周的人工智能教育对学生计算思维的促进效果并不如预期（SMD=0.450），可能的原因是干预的新奇刺激效应消失，学生参与动机减弱，实验效果受到影响7 。而16 周及以上的人工智能教育对学生计算思维的作用效果又逐渐增强（SMD=1.018），说明从长远来看，人工智能教育仍是有效培养学生计算思维的重要载体。在评价工具方面，Bebras试题和CTs量表是计算思维测评的主要方法，在一定程度上也能促进学生计算思维的发展。同时，笔者在文献梳理过程中也发现，越来越多的研究通过访谈、作品评价表、流程图评价等对学生计算思维发展的内隐过程进行分析。例如，崔璐8 编制了与计算思维培养相对应的流程图评分20期第年O量表，观察学生在不同阶段计算思维的发展情况，从而迭代优化教学模式，以提高学生的计算思维素养。（二）启示与建议通过对3 3 项研究进行元分析可以发现，人工智能教育有助于学生计算思维的培养，同时也受到学段、教学方式、实验周期等调节变量的影响。鉴于此，本研究提出以下三点建议。1.积极推进中小学人工智能教育，提升学生计算思维素养计算思维关注个体运用计算机科学领域的思想方法解决现实生活中的问题，包括分解、抽象、模式识别等一系列思维与技能，被认为是一种普适通用的能力。英国、波兰、澳大利亚、新加坡等地将计算思维整合融人数学、阅读、写作等课程内容中9 。我国义务教育信息科技课程标准（2 0 2 2 年版）明确提出将计算思维确定为信息科技学科核心素养。元分析结果也表明，人工智能教育能够显著促进学生计算思维的发展（尤其在初中阶段实施人工智能教育对学生计算思维发展的效应值超过0.8）。因此，在人工智能时代应积极推进中小学人工智能教育，充分利用各种人工智能软硬件资源开展课堂教学，在实践中提升学生的计算思维2.探索以计算思维为导向的人工智能课程教学新模式随着我国中小学人工智能教育发展进人快车道，如何在人工智能课程中发展学生计算思维成为相关领域的重要话题。曹杨璐10 1等人指出，人工智能项目化学习过程与计算思维的要素具有一致性，基于项目化的人工智能教学模式能够突出计算思维的培养。许明伟认为，基于问题解决的人工智能课程教学模式强调学生在真实情境中发现问题、探究问题，并在体验计算机解决问题的过程中发展计算思维。崔璐【12 创造了一个基于现实情境的人工智能课程任务，通过行动研究观察学生在任务不同阶段的计算思维发展情况，发现此类教学能较为契合计算思维的培养。元分析结果也表明，基于问题解决教学、任务驱动式教学和项目化教学的人工智能课程教学模式对学生计算思维发展的作用效果更大。因此，中小学人工智能课程的教学实践与研究应进一步关注以计算思维为导向的各类人工智能课程教学新模式。3.研发指向人工智能课程教学的计算思维测评框架随着计算思维理论与实践研究的不断深人，科学、有效的计算思维评价逐渐受到重视。现有研究已开发出多样化的计算思维测评工具，如Bebras试题、CTt量表、自动化编程分析系统等，通过小组作品、流程图、考试等途径对学生计算思维的形成过程及发展水平进行评估。然而，这些工具均面向普适性的计算思维评价，如何构建指向人工智能课程教学的计算思维测评框架将是未来研究的重要话题，也将进一步拓展与深化计算思维测评实践。参考文献：1 WATERMAN K P,GOLDSMITH L,PASQUALE M.Integrating Computational Thinkinginto Elementary Science Curriculum:an Examination ofActivities that Support Students Computational Thinkingin the Service of Disciplinary Learning J.Journal ofScience Education and Technology,2020,29(1):53-64.2 张屹，马静思，周平红，等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一一以“挑战Alpha井字棋”为例J.电化教育研究，2 0 2 2，43(9):63-72.3 8 12 崔璐.面向计算思维的人工智能课程教学行动研究D.南京：南京师范大学，2 0 2 1.4】轩明杰面向计算思维的初中人工智能拓展（下转第2 9 页）上接第2 0 页计算思维培养专题种稳定的思维习惯需要长期的过程。在本次教学的基础上，根据实践中存在的问题，作为一线教师，需要继续对学生计算思维的培养进行深人研究。根据学生实际情况，改进面向计算思维培养的项目教学设计，并延伸至其他编程类的教学内容。教师实现真正的教学相长，学生则从计算思维养成的角度出发，进而实现创新能力的培养。参考文献：1居晓波.开展STEAM项目式程序设计培养学生创新能力J.中小学信息技术教育，2 0 17(12):49-53.2 8 SELBY C.Relationships:computationalthinking,pedagogy of programming,and BloomsTaxonomy C /The 10th Workshop in Primary andSecondary Computing Education.New York:ACM,2015(1):80-87.3林崇德，胡卫平，思维型课堂教学的理论与实践J.北京师范大学学报（社会科学版），2 0 10(1):29-36.课教学活动设计与实践研究以Kittenblock编程为例D.上海：华东师范大学，2 0 2 1.5岳彦龙，张学军，梁屿藩.人工智能教学如何培养高中生的计算思维？一一基于人工智能案例驱动的Python编程教学的实证研究J.基础教育，2022,19(1):74-84.【6 段波.面向计算思维发展的中学人工智能课程活动设计J.天津师范大学学报（基础教育版），2022,23(1):53-58.【7 韩雪婧，汪基德，王孝培.编程教育对中小学生学习效果的影响一基于国内外36 项实验与准一实验研究的元分析J.数字教育，2 0 2 2，8（6）：7.9 张瑾，徐紫娟，朱珂，等.国际视阈下跨学科整合计算思维的课程模式研究J.现代教育技术，4鲁萍.基于PBL的师范生教育技术能力培训网络平台研究D.武汉：华中师范大学，2 0 0 75刘景福，钟志贤.基于项目的学习（PBL）模式研究J.外国教育研究，2 0 0 2（11）：18-2 2.6 丁世强，王平升，赵可云，等.面向计算思维能力发展的项目式教学研究【J.现代教育技术，2020(9):49-55.7 张屹，王，谢玲，等小学数学PBL+CT教学促进学生计算思维培养的研究一一以“怎样围面积最大”为例【J.华东师范大学学报（教育科学版），2021,39（8):7 0-8 2.9 张蕾.面向计算思维的WPBL教学模式研究J.电化教育研究，2 0 14（3）：10 0-10 5.10 LYE S Y,KOH J H L.Review on teachingand learning of computational thinking throughprogramming:What is next for K-12?J.Computersin Human Behavior,2014,41(12):51-61.作者简介：张鸣，二级教师，硕士，研究方向为教育技术理论与实践。2022,32（12):49-57.【10 曹杨璐，谢忠新.面向计算思维培养的人工智能教学模式构建与实践【J.中小学信息技术教育，2020(11):64-67.11许明伟.基于问题解决发展计算思维的小学人工智能课程实践一一以“探索有趣的人脸识别”项目为例J.中国信息技术教育，2 0 2 2（17）：31-33.作者简介：刘冠群，中学初级教师，硕士，研究方向为信息科技教学。谢忠新，高中信息科技学科正高级教师，特级教师，博士，研究方向为教育信息化和信息科技课程教学。