林裕如 等 | 整合概念支架的游戏化学习赋能小学生计算思维发展：支架提供时机与性别的影响

关注“在线学习”

获取更多资讯！

刊载信息

林裕如，张屹，杨玉芹，高智敏，任旭，& 陈邓康.(2025).整合概念支架的游戏化学习赋能小学生计算思维发展：支架提供时机与性别的影响. 中国远程教育(8),75-94.

整合概念支架的游戏化学习赋能小学生计算思维发展：支架提供时机与性别的影响
林裕如, 张屹, 杨玉芹, 高智敏, 任旭, 陈邓康

【摘要】游戏化学习被认为具有培养小学生计算思维的潜力，但如何帮助学生将游戏内容与计算思维建立联系是目前游戏化教学面临的挑战。本研究以65名小学三年级学生为研究对象，基于计算思维要素设计概念支架，开展了为期6周的准实验研究，探究游戏前预先提供支架和游戏后延迟提供支架对小学生计算思维的影响，关注了不同性别学生计算思维的差异。通过对小学生图画作品进行单因素或双因素方差分析和认知网络分析发现：1）支架提供时机显著影响学生计算思维，且预先提供组总体得分更高，预先提供支架有效促进学生的计算思维，延迟提供组则激发学生迭代探索；2）女生计算思维总体得分显著高于男生，女生倾向于问题分解，男生关注迭代优化；3）支架提供时机和性别对计算思维的影响不具有交互作用。研究结论为游戏化学习中概念支架的设计和运用提供了参考，也为促进计算思维教育中的性别平等提供了见解。

【关键词】计算思维; 游戏化学习; 支架策略; 基础教育; 人工智能课程

一、

引言

智能时代的到来呼吁能够适应人机协同解决问题的创新型人才（UNECO, 2024），计算思维作为一种有效分析和解决复杂问题的能力，被认为是21世纪各年龄段学生必备的核心素养之一（Zhao et al., 2022）。在教育中整合计算思维不仅是为了帮助学生在未来智能社会中更好地生存和发展，也是为了培养能够站在创新前沿、推动社会进步、用聪明才智解决复杂问题的人才（Cynthia & Sihotang, 2023）。因此，一些研究者（Ilgun Dibek et al., 2025）认为，在智能时代培养学生的计算思维比以往任何时候都更重要。此外，有研究（孙立会 & 胡琳琳, 2021）发现小学是培养计算思维的关键时期，尤其在小学二、三年级。经济合作与发展组织（OECD）指出，在低年龄段培养计算思维有利于消除性别等方面的刻板印象，确保儿童平等获得发展数字素养的机会（杨伟鹏, 2024）。虽然尽早培养学生计算思维已取得理论共识，但在实践中仍面临教学策略、教学工具适配性不足等挑战，如何发展小学生计算思维仍需系统研究（张屹 等, 2024）。

游戏化学习能够激发儿童学习动机，降低其认知负荷，并可通过情境化任务驱动小学生计算思维发展（Ma et al., 2023），但其隐性知识表征模式可能给小学生的知识建构带来困难（Barzilai & Blau, 2014），小学生可能难以自主建立游戏内容与计算思维之间的认知关联（Tedre & Denning, 2021; Zhao & Shute, 2019）。因此研究者（Cai et al., 2022）提出整合概念支架以强化显性知识构建，帮助学生跨越“最近发展区”（Vygotsky, 1978, p. 174）。然而，现有研究对支架提供时机缺乏系统性探讨：在游戏前提供结构化的引导能够提升学习效率，帮助学生形成宏观的逻辑化框架（乔爱玲 等, 2021），但也可能因过早介入而削弱学生自主思考的深度和广度（Shute, 2008）；在游戏后提供又可能因其滞后性而导致难以补救学生的认知断层（Belland et al., 2017）。此外，研究发现性别是影响计算思维的潜在因素（Hu, 2024），且与支架策略存在交互作用（Angeli & Georgiou, 2023），但鲜有研究结合支架提供时机，比较游戏前预先提供支架和游戏后延迟提供支架对男生和女生计算思维的影响差异。

基于此，本研究依托团队开发的《人工智能•计算思维（三年级）》教材（华中师范大学人工智能教育学部, 2022, pp. 49-77），以机器学习单元为例开展为期6周的准实验研究，依据计算思维编码表对学生的图画作品进行编码和评分。通过单因素方差分析和认知网络分析法揭示支架提供时机对小学生计算思维的影响，比较不同性别学生计算思维的表现差异和特征，再通过双因素方差分析法进一步探索支架提供时机和性别的交互作用，旨在为游戏化学习中支架的设计和使用提供参考，为促进计算思维教育中的性别平等提供见解。

二、

文献综述

（一）游戏化学习中有关计算思维的研究

计算思维是指利用计算机科学的基础概念解决问题、设计系统以及理解人类行为的思维过程（Wing, 2006）。已有研究者运用游戏化学习促进学生的计算思维。例如， Hooshyar等（2021）探索了Auto Thinking的自适应教育电脑游戏对79名小学生计算思维的影响，发现相较于传统教学方法，使用Auto Thinking电脑游戏学习的实验组在算法思维、模式识别、调试、模拟和泛化等维度上的表现显著优于对照组，表明Auto Thinking游戏能够促进小学生沉浸于游戏化的问题解决过程，实现计算思维的有效培养。张屹等（2022）围绕人工智能核心知识“表达与推理”，设计游戏化活动来培养高中生的计算思维，通过6周教学实践和作品分析发现，学生计算思维整体水平以及分解、模式识别、抽象、算法、调试等分维度的水平均得到显著提升。

尽管游戏化学习在培养学生计算思维方面具有潜力，但研究者发现需要在游戏化学习中整合支架策略来帮助他们将游戏内容和计算思维联系起来。例如， Tikva和Tambouris（2023）将支架策略引入“aMazeD”编程游戏，发现相较于不带支架的游戏，带支架的游戏能更有效地培养初中生的计算思维。但Charsky和Ressler（2011）却发现在游戏中加入概念支架会对学生的游戏体验产生负面影响，降低他们的学习动机，并认为游戏中的支架虽然帮助学生聚焦了学科概念，但也降低了游戏的自主性和趣味性。因此，有研究者提出在游戏外添加支架来平衡学习效果和游戏体验。例如，乔爱玲等（2021）基于The Irregular Corporation 发行的装机模拟游戏，为111名初一学生设计了图文和视频两种外部概念支架，旨在于外显游戏中学习内隐的计算机硬件知识，研究发现相较于无支架组，外部概念支架显著提升了学生的知识测试成绩，且图文支架的提升效果最佳。综上，外部支架支持学生获得学科知识的有效性已得到证明，但尚不清楚外部支架对学生计算思维的影响效果，因此本研究也通过添加外部概念支架的方式探索其对学生计算思维的影响。

（二）支架提供时机对计算思维的影响研究

在维果斯基（Vygotsky, 1978, p. 174）“最近发展区”理论的指导下，支架（Scaffolding）旨在帮助学生从现有的认知水平达到潜在的发展水平。依据不同功能，支架可以分为概念支架、策略支架、元认知支架和动机支架等类型，其中概念支架通过提供核心知识概念或框架帮助学生理解复杂问题的本质（Kim et al., 2018），包括描述性解释、概念图、提示、反馈等多种形式。近年来，研究者发现概念支架对学生计算思维的发展具有关键作用。例如，Xu等（2019）以概念图的形式帮助学生理解编程和计算思维概念，引导学生设计让小猫逃出迷宫的游戏；通过分析学生作品发现，概念支架组学生的计算思维得分高于对照组，且在抽象与问题分解、逻辑思维、数据表示等维度上差异显著。

在支架的具体运用中，教师既可以在学生参与解决问题前预先提供引导，也可以在学生自主探索、初步尝试后延迟提供支持，但何时提供支架更有利于促进学生计算思维尚未达成共识。一些研究者认为预先提供支架能够减少学生在问题解决过程中的挫折，加快学生知识构建和解决问题的速度，从而更有利于学生计算思维的发展。例如，Woo和Falloon（2024）在让学生正式参与编程动画叙事（Coded Animated Narratives，CAN）项目之前，预先为学生提供了故事创作模板和框架以帮助学生系统地规划和组织自己的故事内容，该研究发现这些预先提供的支持能帮助学生在故事创作中保持清晰的思路、理解代码的整体结构和逻辑关系，从而实现问题解决能力和计算思维的发展。但Shute（2008）认为预先提供的支持可能会削弱学生自主思考的深度和广度，且让学生产生依赖，不利于他们长期的发展。因此，另一些研究者提出在学生参与学习体验后再提供支架，鼓励学生通过实践和试错来参与深层次的计算思维过程。例如，在Chevalier等（2022）的研究中，66名8~9岁的小学生被要求解决修复火星能量发电机的问题，研究者发现相较于及时提供反馈，延迟提供反馈能促进学生更主动和深入的思考，使他们更充分地运用分解、抽象、模式识别和算法等计算思维要素。

（三）性别对计算思维的影响研究

性别长期以来是计算思维领域关注的重要因素，关于其对计算思维的影响，学界主要存在以下两种观点。一是认为性别会影响计算思维，且男性优于女性。例如，Hu（2024）通过对30篇文献的元分析发现，性别对计算思维存在显著影响，且男性的得分高于女性；Atmatzidou和Demetriadis（2016）的研究也有类似的结论，他们借助教育机器人发展学生计算思维，发现相较于男性，女性需要更多的训练时间才能达到相同的计算思维水平。二是认为性别不会显著影响计算思维。例如，杨伟鹏（2024）通过开展插电和不插电活动培养91名5岁幼儿的计算思维，发现男孩和女孩在编程活动中都能得到相似的计算思维发展，性别并未成为女孩获得计算思维的阻碍；孙立会和胡琳琳（2021）通过对五省市六所小学的2,010名小学生进行调查发现，他们在计算思维上并不具有显著的性别差异，且女生具有微弱的优势，该研究结论强调了在基础教育中女生发展计算思维的潜力。

近年已有研究关注支架和性别的交互作用，探索在支架支持的学习下男生和女生在计算思维上的表现差异。例如， Angeli和Valanides（2020）以印有Bee-Bot指令的卡片（Type-A）与3D图片和网络地图（Type-B）为两种类型的支架，随机将50名幼儿分为两组参与Type-A支架和Type-B支架支持的Bee-Bot机器人学习活动，且特别关注了这两种支架和不同性别对学生计算思维的交互影响。研究发现，这两种支架都有利于学生计算思维的发展，且大多数儿童都擅长使用分解作为处理复杂任务的策略，性别和支架策略之间存在显著的交互作用，男孩使用Type-A支架的表现更好，而女孩使用Type-B支架的表现更好。Georgiou和Angeli（2020）调查了支架和性别对180名儿童计算思维的影响，同样发现支架和性别对学生计算思维具有很强的相互作用。

综上所述，已有研究证实了在游戏化学习中整合支架的必要性，但尚不清楚何时提供支架更有利于促进小学生计算思维，男生和女生在计算思维上的表现尚未达成共识，不同性别小学生的计算思维特点仍需进一步探索。此外，已有研究发现性别作为影响学生计算思维的潜在因素，可能会影响支架的效果，与不同类型的支架存在交互效应，但在性别与支架的提供时机是否存在交互作用、不同性别的学生是否适配不同的支架提供时机等方面仍缺乏实证探索。因此，本研究将主要解决三个问题：1）游戏化学习中概念支架的提供时机（预先提供 VS 延迟提供）对小学生计算思维的影响是什么？2）整合概念支架的游戏化学习中男生和女生的计算思维具有怎样的差异？3）游戏化学习中概念支架的提供时机和性别对计算思维的影响是否具有交互作用？

三、

研究方法

（一）研究被试

武汉市某小学的65名三年级学生参与本研究，他们入学时间、接受的教育水平均相同，且具有相似的先验知识基础和学习经历。参与者以班级为单位被随机分配到支架预先提供组和延迟提供组。预先提供组的学生在游戏前接受支架引导，即先参与支架支持的学习再玩游戏。延迟提供组则在游戏后才获得学习支架，即先玩游戏后参与支架支持的学习。预先提供组共31名学生，其中男生14人、女生17人；延迟提供组共34名学生，男生18人、女生16人。通过前测发现，两组先验知识水平不具有显著差异（x预先提供组=61.92，x延迟提供组=61.55，p=0.92>0.05）。整个研究过程中，两个组的学生始终由同一名教师授课。

（二）游戏化学习平台

本研究是在code.org平台上进行的，该平台包括一系列开放且免费的计算机科学课程资源，旨在提高计算机科学教育在中小学的普及程度，其中融入的游戏元素等也被发现适合中小学生且能促进他们的计算思维（Barradas et al., 2020）。目前的研究集中在平台中包含的一个游戏“保护海洋的人工智能”（AI for Ocean）（https://code.org/oceans），玩家通过训练能清理海洋垃圾的海宝机器人来探索机器学习的概念、过程并熟悉人工智能在生活中的运用。这款游戏是code.org平台上最受欢迎的游戏之一，绝大多数儿童和家长都表示喜欢该游戏（Su & Yang, 2024）。

具体来说，这款游戏的目标是训练能够清理海洋垃圾的机器人海宝。游戏开始后，玩家点击交互按钮训练机器认识鱼和垃圾，游戏界面如图1所示。

图1 “保护海洋的人工智能”（AI for Ocean）游戏界面

界面上方是学习进度条，右上方呈现了训练次数，点击“继续”则是对机器人进行测试，立即反馈玩家训练效果。本研究根据训练结果制定排行榜，玩家所面临的挑战在于找到最佳的训练方法，让机器能够又快又准确地清理海洋垃圾。

（三）概念支架

本研究基于瓦莱丽•舒特等（Shute et al., 2017）提出的6个计算思维要素，结合AI4K12（2020）框架中“机器学习”大概念相关的核心知识，设计了如表1所示的系列概念支架。

表1 概念支架示例

这些概念支架一方面帮助学生理解游戏任务中隐含的计算思维要素，另一方面帮助学生获取和掌握游戏内容中所涉及的机器学习知识。分解要素体现在游戏任务的开始，概念支架引导学生明确游戏任务，并将让机器学会区分鱼和垃圾的游戏任务分解为两个子问题，让机器学会识别鱼和让机器学会识别垃圾，并提供“机器学习”的描述性解释。抽象要素体现在游戏中为机器提供数据这一环节，概念支架帮助学生理解现实生活中的鱼和垃圾需要抽象转化成机器能理解的数据，机器通过抽取出鱼和垃圾的关键特征来学习，并呈现“数据”“特征”等概念的含义。算法、调试和迭代要素体现在游戏中训练和测试机器这两个环节，概念支架帮助学生理解机器学习的一般步骤，运用顺序算法让机器学会区分鱼和垃圾，同时引入分支算法应对不同的测试结果：如果机器识别存在错误，则触发迭代优化机制，返回训练环节，重新训练机器；如果测试发现机器识别不存在错误，则进入使用环节。泛化要素体现在游戏任务结束后，概念支架鼓励学生发散思维，思考机器学习还可以迁移和运用到其他哪些情境中，以及机器通过学习还可以具备哪些功能以帮助人类完成更多的事情，并进一步引导学生思考机器学习对社会的影响。

（四）研究过程

如图2所示，研究过程分为课前调查、课程学习和作品创设三个阶段。

图2 研究过程

课前调查阶段，所有参与者被要求完成先验知识前测以及包含性别和年龄的人口统计学调查，共15分钟。随后，所有参与者参与包括游戏挑战和基于支架学习的人工智能课程，课程持续5周，每周40分钟。预先提供组和延迟提供组的唯一区别在于支架提供时机上的不同：预先提供组先获得支架的支持，明确学习内容后再参与游戏挑战；延迟提供组则先经历游戏挑战，然后再基于支架回顾学习内容。作品创设是在课程的最后一周实施，所有参与者被鼓励想象机器学习的运用场景，结合课程内容以图文并茂的方式绘制让机器学会区分两类事物的步骤，共30分钟。

（五）数据采集与编码

通过引导儿童完成绘画作品来表达他们的思维过程或想法观点常被用于教学研究，并被认为这是一种更加符合低年龄段学生认知发展特征的科学方式（高晗蕊 等, 2023）。本研究通过学生绘制的“让机器学会区分两类物体”的图画作品来评价学生的计算思维水平。研究者鼓励学生发挥想象力描述他们希望机器区分的两类物体以及运用的场景，然后运用机器学习知识和计算思维要素，以图文结合的方式绘制机器的创设过程。

计算思维图画作品编码表是研究团队和授课教师基于舒特等（Shute et al., 2017）提出的计算思维要素共同编设的。编码表包括图画作品的评价维度、维度描述、作品表现及其对应分值（如表2所示）。

表2 计算思维图画作品编码表

分解、抽象、算法、调试和迭代维度中，作品表现包含多个给分点，属于累计得分。以调试为例：若学生在作品中提到需要对机器学习结果进行测试，则给1分；若还能知道初始设计的机器可能会出错，则再给1分，累计2分；若面对测试结果，提到还需修改或继续训练机器，则再给1分，累计3分；若还能再进一步分析机器出错的原因，则再给1分，累计4分。泛化维度与其他维度不同，是直接给出对应的分数。Barnett和Ceci（2002）提出可以从知识领域、物理语境、功能语境、时间语境等方面来判断学生的迁移程度，其中功能语境是将学生运用某个知识或技能的场景与获得该知识或技能的场景进行比较。鉴于课程是让学生运用机器学习知识和运用计算思维对机器的功能进行迁移，因此本研究基于功能语境的定义来评价学生的泛化维度。

所有学生的图画作品都由经过训练的两名编码员独立完成编码。两名编码员的Cohen’s Kappa 系数为0.843>0.7，编码结果具有良好的一致性。针对编码不一致的地方，两名编码员共同研讨以达成一致，编码示例如图3所示。

图3 学生计算思维图画作品编码示例

注：本图所呈现的是支架预先提供组学生创设的做饭机器人。

（六）数据分析方法

本研究采用量化统计分析与认知网络分析法，以系统探究支架提供时机对小学生计算思维的影响以及男生和女生计算思维水平的差异。针对问题1和问题2，研究首先通过单因素方差分析（One-way ANOVA）比较支架预先提供组与延迟提供组、男生与女生在计算思维总分及各维度上的差异。然后运用ENA web 工具分别绘制不同组别和不同性别学生的认知网络图，比较他们计算思维要素共线关系和网络结构的差异。最后，为进一步比较支架提供时机对学生泛化能力的影响，本研究运用UCINET软件绘制网络图可视化呈现学生迁移的情境，比较预先提供组与延迟提供组的泛化程度。针对问题3，研究采用双因素方差分析法（Two-way ANOVA）检验支架提供时机与性别的交互作用。所有量化分析均使用SPSS 26.0软件完成。

四、

研究结果分析

（一）支架提供时机对计算思维的影响分析

1. 支架提供时机显著影响学生计算思维，且预先提供组总体得分更高

Shapir-Wilk正态检验可以发现，预先提供组（p=0.07>0.05）和延迟提供组（p=0.28>0.05）作品得分服从正态分布，表3呈现了单因素方差分析结果，发现预先提供组的计算思维总体得分显著高于延迟提供组（x预先提供组=6.77>x延迟提供组=5.38，F=6.837，p=0.011），分解、抽象、算法、调试和泛化维度的得分均高于延迟提供组，且算法（F=6.308，p=0.015）、调试（F=4.755，p=0.033）和泛化维度（F=4.661，p=0.035）具有显著差异。但在迭代维度，延迟提供组学生的得分（x延迟提供组=0.24）高于预先提供组（x预先提供组=0.06）。研究结果表明，预先提供概念支架可能总体上更有利于学生运用计算思维要素解决问题，但延迟提供更有利于帮助学生关注对方案的迭代和优化。

表3 预先提供组和延迟提供组计算思维及其各维度的均值

注：*p<0.05。

2. 两组学生均关注抽象、调试和泛化，算法在预先提供组认知网络中出现频率更高

在两组认知网络中，抽象、泛化和调试均是较大的节点，算法在预先提供组认知网络中高频出现。预先提供组各要素出现的频率从高至低依次是：泛化（100%，即所有学生都能将计算思维要素迁移至其他情境）、调试（93.5%，即93.5%的学生运用调试要素完成图画作品）、算法（58.1%）、抽象（51.6%）、分解（22.6%）和迭代（6.4%）。在延迟提供组中，泛化（94.1%）、调试（76.5%）和抽象（52.9%）同样高频出现，其次是分解（26.5%）、算法（26.5%）和迭代（20.6%）。通过比较各节点出现频率发现，无论是预先还是延迟提供支架，概念支架均能指导学生在问题解决过程中抽取数据特征、测试与修正方案，并将所学的问题解决方法迁移至其他情境。此外，预先提供的支架能帮助学生更好地运用有序的步骤来解决问题，但支架的延迟提供或许更有利于让学生在反复尝试过程中关注对方案的重新设计和迭代优化。

抽象、泛化和调试在两组认知网络中均形成较强连接，但仅在预先提供组中发现算法与泛化、算法与调试具有较强的连接。如图4（a）所示，泛化和调试作为两个核心节点形成最强连接（连接系数w=0.53），且分别与算法（w泛化-算法=0.26；w调试-算法=0.23）和抽象（w泛化-抽象=0.22；w调试-抽象=0.22）高频共现。在延迟提供组中，泛化和调试同样具有最高强度的连接（w=0.39），但仅与抽象的连接较强（w泛化-抽象=0.22；w调试-抽象=0.23），如图4（b）所示。两组要素间的连接特点似乎说明，学生在问题解决过程中通过对方案的调试归纳出可迁移的通用规则，且在概念支架的支持下特别关注了对现实事物和数据特征的抽取。但预先提供的支持可能帮助学生在游戏前就明确让机器学会区分两类事物的逻辑步骤，并在游戏过程中进一步得到巩固，从而在最后作品中实现算法要素的充分体现。

图4 预先提供组和延迟提供组认知网络图

注：认知网络图中圆形节点表示各计算思维要素，节点大小表示要素出现的频次高低，节点之间的连线表示要素间的共现关系，连线越粗表示共现频率越高。

3. 两组质心位置差异显著，算法和迭代在两组学生问题解决过程中具有不同地位

图5呈现了两组认知网络叠减图，Mann-Whitney U检验结果显示两组质心的位置在x轴上具有显著差异（U=260.00，p=0.00<0.05，r=0.51）。算法要素处于x轴的正值，而迭代要素处于x轴的负值，质心位置的显著差异表明，算法和迭代在两组学生认知过程中具有不同地位。相较于延迟提供组，预先提供组的算法、调试与泛化三者之间的连接明显更强，似乎表明预先提供的支架更有利于学生基于有序的逻辑步骤对方案进行调试与泛化，呈现“逻辑驱动”的特点。而延迟提供组的质心偏向迭代，说明学生在问题求解过程中倾向于通过反复尝试、调试与优化的方式完成任务，呈现出一种“经验驱动”的特点。

图5 预先提供组和延迟提供组认知网络叠减图

注：图中方形节点表示质心，质心的位置表示网络的差异性，位置越远则表示差异越大，线条粗细表示互相叠减后的连接强度。

4. 预先提供组倾向于泛化至学习情境，延迟提供组倾向于泛化至相近领域

在概念支架的支持下，两组学生均能从游戏化学习中归纳机器学习的一般步骤并迁移至其他情境，但研究发现两组学习者在泛化维度上呈现出不同的特点。本研究运用UCINET生成网络图来可视化呈现两组学生在图画作品中让机器学会区分的现实事物和泛化情境（见图6）。图中节点是学生在图画作品中提到的事物，如图6（b）和如图6（c）所示，节点之间的连线意味着学生在作品中通过让机器学会区分这两类事物而被联系起来，节点的大小代表事物出现的次数，节点越大表示越多的学生提到让机器学会识别该事物。节点之间的连线则代表了事物之间联系的强度，连线越粗则表示越多的学生在作品中让机器区分这两类事物。

图6 预先提供组和延迟提供组的泛化情境网络图

如图6（b）所示，预先提供组中“正确的题”和“错误的题”的节点最大，且连线最粗，39%的学生创设的机器人运用于学习领域，这说明该组学生能够脱离清理海洋垃圾情境，将机器学习领域中的问题解决方法进行迁移，但更倾向于迁移至学习相关的情境。如图6（c）所示，相较于预先提供组，延迟提供组的节点更多，且没有出现集中聚焦某个情境的现象，但29%的学生迁移的情境与垃圾清理有关，32%的学生将机器运用于识别动植物，且垃圾、可回收垃圾、动物、海洋生物等属于较大的节点，表明延迟提供的支架倾向于帮助学生将问题解决方法泛化至相近的领域。

（二）性别对计算思维的影响分析

1. 女生计算思维总体得分显著高于男生

Shapir-Wilk正态检验发现，男生（p=0.07>0.05）和女生（p=0.17>0.05）作品得分服从正态分布。单因素方差分析发现，女生计算思维总体得分显著高于男生（x女生=13.74＞x男生=10.62，F=10.67，p=0.002<0.05）。如图7所示，女生在分解、抽象、算法和调试维度的表现也优于男生，且在分解（F=8.603，p=0.006<0.05）和调试（F=17.852，p=0.000<0.05）维度具有显著差异，但男生在迭代维度上的表现优于女生，在泛化维度上男生和女生均值接近，表现出相当的水平。

图7 男生和女生计算思维及其各维度均值

2. 女生认知网络中分解、抽象、算法、调试和泛化的连接更强，但男生认知网络中迭代与各要素连接更强

认知网络分析（见图8）发现，女生和男生的认知网络具有明显的共性与差异。共性层面，在两者的认知网络中，均以调试作为核心节点与抽象、算法和泛化形成较强的连接，这说明女生和男生均倾向于运用抽象、算法、调试和泛化要素解决问题，整合概念支架的游戏化学习对学生这些要素的发展有利。但结合叠减图可知，分解、抽象、算法、调试和泛化的连接在女生认知网络中明显更强。尤其是，在女生认知网络中分解与其他要素的连接明显强于男生，这似乎说明女生在解决问题时会更倾向于把复杂问题分解为子问题，再逐一完成子问题以实现任务的完成。然而，迭代在男生认知网络中与其他要素的连接更强，但相较于其他要素，迭代在女生认知网络的连接中明显更细，这说明男生关注对方案的迭代优化，而女生在任务解决中对循环修正（迭代）的依赖度较低，可能更偏好通过直接调试优化问题。

图8 男生和女生认知网络及其叠减图

男生和女生认知网络质心位置的差异也印证了上述观点，Mann-Whitney U 检验结果显示两者质心的位置在x轴上具有显著差异（U=260.00，p=0.00<0.05，r=0.51）。研究结果进一步说明女生组偏向“分解导向”，男生组偏向“迭代导向”，女生和男生在解决问题时对策略的选择具有显著差异，即女生倾向于通过拆解任务降低复杂性，而男生倾向于通过迭代优化问题方案。但二者质心在y轴上不具有显著差异（U=260.00，p=0.00<0.05，r=0.51），这说明在抽象、算法、调试和泛化要素的运用上，男生和女生没有明显的偏向。

（三）支架提供时机和性别对计算思维的影响不具有交互作用

双因素方差分析发现，支架提供时机和性别对学生计算思维的影响不具有交互作用。具体而言，无论是计算思维的总体得分（F=1.11，p=0.30>0.05），还是分解（F=0.23，p=0.64>0.05）、抽象（F=1.33，p=0.25>0.05）、算法（F=1.44，p=0.24>0.05）、调试（F=0.27，p=0.60>0.05）、迭代（F=0.05，p=0.83>0.05）和泛化（F=0.07，p=0.80>0.05）要素上均不具有交互作用。研究结果说明，支架提供时机和性别对学生计算思维的影响相互独立，即在游戏化学习中预先提供和延迟提供支架的效果并不因性别的不同而有差异。

五、

研究结论与讨论

（一）预先提供支架促进学生算法思维，延迟提供激发学生迭代探索

本研究验证了在游戏化学习中提供概念支架的时机对计算思维发展具有的显著影响，预先提供组的总体得分显著高于延迟提供组。这与Barzilai和Blau（2014）的研究结果相似，即在游戏前提供概念支架更有利于提高学生解决问题的能力。Ausubel（1978）有意义学习理论中的先行组织者策略强调在正式学习前，提供一种具有概括性和包容性的引导性材料（即组织者），为学生搭建连接新旧知识的桥梁。在游戏前提供包含机器学习以及计算思维相关概念的支架，可帮助学生在游戏过程中将游戏互动和有关概念形成联系，同时利于学生存储学习过程中的信息，为学生搭建起将新知识纳入原有认知结构的桥梁（乔爱玲 等, 2021）。

其次，认知网络分析发现，相较于延迟提供组，预先提供组在算法维度表现更为突出，且与抽象、调试和泛化等维度形成更强连接。这或许是因为预先提供的支架能帮助学生在学习初期就建立起清晰的逻辑步骤，从而在后续的学习中能更好地运用顺序算法，按照一种有序的逻辑步骤来解决问题。此外，认知负荷理论强调工作记忆的容量是有限的，游戏前提供的结构化引导使学生明确“让机器学会区分两类事物的步骤”，有效减少不必要的认知负荷，帮助他们将有限的认知资源集中在深入的思考过程中，从而使计算思维各要素形成紧密的联系（Zhou et al., 2023）。

然而，支架的延迟提供帮助学生在迭代维度获得更高分。这或许可以通过试错策略来解释，学习者通过多次尝试来形成解决方案（Weintrop & Wilensky, 2015）。当学生初次体验游戏时，他们在没有支架明确的指导下进行多次尝试，通过观察、生成、评估和调试进行迭代。这种动手、试错的方法让学生在实践中不断积累经验，通过经验和探索来推动问题解决方案的优化。值得一提的是，研究发现预先提供组学生泛化的情境更多与学习情境相关，这或许与高晗蕊等（2023）提到的学习观念有关，尽管预先提供组学生也参与了游戏体验，但鉴于在游戏前先参与了支架支持的学习，致使学生仍然更倾向于将所学的知识和技能迁移到学习情境。

（二）女生倾向问题分解，男生关注迭代优化

与男生计算思维优于女生的刻板印象不同，本研究发现女生计算思维总体得分显著高于男生，且在分解和调试维度上具有显著优势。研究结论与孙立会和胡琳琳（2021）、张屹等（2024）的调查发现相似，即在基础教育阶段尤其在小学阶段，女生计算思维表现可能优于男生，研究结论也进一步证实了在基础教育阶段发展女生计算思维的潜力。此外，研究（Reinking & Martin, 2018）发现，相较于男生，在女生认知网络中分解维度与其他要素形成更紧密的连接，这可能与女生在学习过程中更倾向于采用系统化、细致化的方法有关。女生在解决问题时更注重将复杂问题分解为多个子问题，并逐一解决，这种分解策略有助于她们更好地理解和掌握问题的各个方面，从而表现出更高水平的计算思维。

但男生在迭代维度得分更高，且在男生认知网络中迭代与其他要素连接更紧密。这可能与男生在解决问题时更倾向于通过试错和实验来寻找解决方案有关（Petersen & Hyde, 2017），在实践中不断探索和调整，通过迭代完成任务。此外，男生和女生在泛化维度表现接近，这或许说明尽管男生和女生在计算思维要素的选择和运用上具有不同偏向，但在形成可迁移的问题解决能力和计算思维能力上，两者具有相似的潜力。教师或许可以结合男生和女生的思维偏好提供不同支持，例如为女生提供更多结构化工具（如流程图模板），而为男生设计迭代优化的实践场景，以促进不同性别学生计算思维更好地发展。

（三）支架效果独立于性别，灵活调整教学支架以满足多样需求

研究结果表明，支架的提供时机和性别对学生计算思维的影响不具有交互作用，支架的提供时机和性别是两个相对独立的因素，支架提供时机对学生计算思维的影响不会因性别差异而产生显著不同。Sweller（2020）提到外部支持的干预效果更多取决于任务复杂性而非学习者个体特征。本研究要求学生完成“让机器学会区分两类事物”的任务，对于初次接触人工智能知识和计算思维的小学生而言，需要教师预先提供支架帮助他们明确学习目标，并与游戏内容建立联系。此外，计算思维的复杂性可能促使支架提供时机和性别从不同角度影响学生计算思维发展（Rowe et al., 2021）。例如，支架提供时机可能主要影响学生对计算思维各要素的理解和运用效果，而性别主要影响学生在解决问题时选择不同要素和策略的倾向。但值得注意的是，支架提供时机和性别仍然在一定程度上共同影响学生的计算思维表现。例如，预先提供支架可能更有利于女生在分解和调试等优势维度上进一步提升计算思维水平，而延迟提供支架可能更有利于男生在迭代优化等优势维度上发挥潜力。

六、

结语

综合上述结论，本研究提出如下教学建议。第一，通过分阶段教学合理安排支架提供时机，帮助学生逐步提升算法思维和迭代探索能力。例如在游戏化学习前期可以预先提供可视化概念支架帮助学生建立认知基础或清晰的问题解决框架，后期设置开放式挑战，鼓励学生通过观察、调试与多轮迭代优化方案，然后再运用支架帮助学生总结。第二，结合性别差异，因材施教提供差异化支持。女生在问题分解和调试上表现更优，建议为女生提供更多结构化、系统化的分析工具，如流程图、任务拆分表等；男生在迭代优化中表现更佳，建议为男生设计多轮尝试、调优优化的实践场景，如多版本测试、动态调整任务等。第三，动态调整支架策略，灵活应对学生个体差异与学习进程。本研究建议教师在游戏化学习过程中，动态调整支架提供的方式、内容与时机，使支架策略既符合任务复杂度，又兼顾学生个性化需求，例如在游戏化学习的前期，接受相同的基础概念引导，确保起点公平，中期根据性别调整支架类型，后期针对个体表现，通过教师一对一提示或AI系统推送定制化支架。

显然，本研究亦有不足之处，比如并未探讨支架提供时机对学习效果的延时效应。未来，研究团队将增加延时后测，进一步分析支架提供时机对小学生计算思维影响的长期效果。此外，也将进一步结合人工智能技术为学生创设更加灵活、动态的教学支架，在更细粒度的时机维度上探索支架提供的最佳时机。

参考文献

高晗蕊, 张屹, 王康, 周平红, 李佳晶, & 吕立立. （2023）. 基于图画分析的小学生人工智能学习观念横断面调查研究. 中国电化教育（7）, 99-108.

华中师范大学人工智能教育学部. （2022）. 人工智能•计算思维（三年级）. 华中师范大学出版社.

乔爱玲, 龚鑫, & 韩涵. （2021）. 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. 电化教育研究（12）, 86-92, 99.

孙立会, & 胡琳琳. （2021）. 是什么影响了小学生的计算思维——一项基于五省市小学生的横向研究. 中国电化教育（7）, 52-61.

杨伟鹏. （2024）. 插电与不插电课程促进幼儿计算思维发展的实验研究. 学前教育研究（1）, 76-86.

张屹, 林裕如, 杨玉芹, 任旭, & 高智敏. （2024）. 人工智能课程中概念支架与程序支架对学生计算思维的影响研究. 远程教育杂志（5）, 102-112.

张屹, 马静思, 周平红, 刘金芳, 王康, 高晗蕊, & 彭景. （2022）. 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——以“挑战Alpha井字棋”为例. 电化教育研究（9）, 63-72.

AI4K12. (2020, November 19). Big idea 3: Learning. AI4K12.org. https://ai4k12.org/big-idea-3 -overview/

Angeli, C., & Georgiou, K. (2023). Investigating the effects of gender and scaffolding in developing preschool children’s computational thinking during problem-solving with Bee-Bots. Frontiers in Education, 7, 1-12.

Angeli, C., & Valanides, N. (2020). Developing young children’s computational thinking with educational robotics: An interaction effect between gender and scaffolding strategy. Computers in Human Behavior, 105, 105954.

Atmatzidou, S., & Demetriadis, S. (2016). Advancing students’ computational thinking skills through educational robotics: A study on age and gender relevant differences. Robotics and Autonomous Systems, 75(Part B), 661-670.

Ausubel, D. P. (1978). In defense of advance organizers: A reply to the critics. Review of Educational Research, 48(2), 251-257.

Barnett, S. M., & Ceci, S. J. (2002). When and where do we apply what we learn? A taxonomy for far transfer. Psychological Bulletin, 128(4), 612-637.

Barradas, R., Lencastre, J. A., Soares, S., & Valente, A. (2020). Developing computational thinking in early ages: A review of the code.org platform. CSEDU.

Barzilai, S., & Blau, I. (2014). Scaffolding game-based learning: Impact on learning achievements, perceived learning, and game experiences. Computers & Education, 70, 65-79.

Belland, B. R., Walker, A. E., Kim, N. J., & Lefler, M. (2017). Synthesizing results from empirical research on computer-based scaffolding in STEM education: A meta-analysis. Review of Educational Research, 87(2), 309-344.

Cai, Z., Mao, P., Wang, D., He, J., Chen, X., & Fan, X. (2022). Effects of scaffolding in digital game-based learning on student’s achievement: A three-level meta-analysis. Educational Psychology Review, 34(2), 537-574.

Charsky, D., & Ressler, W. (2011). “Games are made for fun”: Lessons on the effects of concept maps in the classroom use of computer games. Computers & Education, 56(3), 604-615.

Chevalier, M., Giang, C., El-Hamamsy, L., Bonnet, E., Papaspyros, V., Pellet, J. P., Audrin, C., Romero, M., Baumberger, B., & Mondada, F. (2022). The role of feedback and guidance as intervention methods to foster computational thinking in educational robotics learning activities for primary school. Computers & Education, 180, 104431.

Cynthia, R. E., & Sihotang, H. (2023). Melangkah bersama di era digital: Pentingny a literasi digital untuk meningkatkan kemampuan berpikir kritis dan kemampuan pemecahan masalah peserta didik. Jurnal Pendidikan Tambusai, 7(3), 31712-31723.

Georgiou, K., & Angeli, C. (2020). Investigating the effects of gender and scaffolding tools on the development of preschooler’s computational thinking. In The Hong Kong Jockey Club Charities Trust (Ed.), Proceedings of international conference on computational thinking education 2020 (pp.153-158). Publication of The Edu-cation University of Hong Kong.

Hooshyar, D., Pedaste, M., Yang, Y., Malva, L., Hwang, G.-J., Wang, M., Lim, H., & Delev, D. (2021). From gaming to computational thinking: An adaptive educational computer game-based learning approach. Journal of Educational Computing Research, 59(3), 383-409.

Hu, L. (2024). Exploring gender differences in computational thinking among K-12 students: A meta-analysis investigating influential factors. Journal of Educational Computing Research, 62(5), 1358-1384.

Ilgun Dibek, M., Sahin Kursad, M., & Erdogan, T. (2025). Influence of artificial intelligence tools on higher order thinking skills: A meta-analysis. Interactive Learning Environments, 33(3), 2216-2238.

Kim, N. J., Belland, B. R., & Walker, A. E. (2018). Effectiveness of computer-based scaffolding in the context of problem-based learning for STEM education: Bayesian meta-analysis. Educational Psychology Review, 30, 397-429.

Ma, J., Zhang, Y., Zhu, Z., Zhao, S., & Wang, Q. (2023). Game-based learning for students’ computational thinking: A meta-analysis. Journal of Educational Computing Research, 61(7), 1430-1463.

Petersen, J. L., & Hyde, J. S. (2017). Trajectories of self-perceived math ability, utility value and interest across middle school as predictors of high school math performance. Educational Psychology, 37(4), 438-456.

Reinking, A., & Martin, B. (2018). The gender gap in STEM fields: Theories, movements, and ideas to engage girls in STEM. Journal of New Approaches in Educational Research, 7(2), 148-153.

Rowe, E., Almeda, M. V., Asbell-Clarke, J., Scruggs, R., Baker, R., Bardar, E., & Gasca, S. (2021). Assessing implicit computational thinking in Zoombinis puzzle gameplay. Computers in Human Behavior, 120, 106707.

Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research, 78(1), 153-189.

Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking. Educational Research Review, 22, 142-158.

Su, J., & Yang, W. (2024). AI literacy curriculum and its relation to children’s perceptions of robots and attitudes towards engineering and science: An intervention study in early childhood education. Journal of Computer Assisted Learning, 40(1), 241-253.

Sweller, J. (2020). Cognitive load theory and educational technology. Educational Technology Research and Development, 68(1), 1-16.

Tedre, M., & Denning, P. J. (2021). Computational thinking: A professional and historical perspective. In S.-C. Kong, & H. Abelson(Eds.), Computational thinking in education (pp. 1-17). Routledge.

Tikva, C., & Tambouris, E. (2023). The effect of scaffolding programming games and attitudes towards programming on the development of computational thinking. Education and Information Technologies, 28(6), 6845-6867.

UNECO. (2024, August 8). AI competency framework for students. UNESCO Website. https://unesdoc.unesco.org/ark:/48223/pf0000391105

Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.

Weintrop, D., & Wilensky, U. (2015). To block or not to block, that is the question: Students’ perceptions of blocks-based programming. In M. U. Bers, & G. Revelle (Eds.), Proceedings of the 14th international conference on interaction design and children(pp. 199-208). ACM.

Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35.

Woo, K., & Falloon, G. (2024). Moving beyond the rhetoric: Integrating coding into the English curriculum in Australian primary schools. The Australian Educational Researcher, 52, 803-839.

Xu, L., Tong, M. W., Li, B., Meng, J., & Fan, C. Y. (2019, August 19). Application of concept map in the study of computational thinking training. In 2019 14th international conference on computer science & education (ICCSE). IEEE.

Zhao, L., Liu, X., Wang, C., & Su, Y. S. (2022). Effect of different mind mapping approaches on primary school students’ computational thinking skills during visual programming learning. Computers & Education, 181, 104445.

Zhao, W., & Shute, V. J. (2019). Can playing a video game foster computational thinking skills? Computers & Education, 141, 103633.

Zhou, Y., Chai, C. S., Li, X., Ma, C., Li, B., Yu, D., & Liang, J. C. (2023). Application of metacognitive planning scaffolding for the cultivation of computational thinking. Journal of Educational Computing Research, 61(6), 1123-1142.

Integrating Conceptual Scaffolding into Game-Based Learning to Empower Primary Students’ Computational Thinking Development: The Impact of Scaffolding Timing and Gender

Lin Yuru, Zhang Yi, Yang Yuqin, Gao Zhimin, Ren Xu, Chen Dengkang

Abstract:Game-based learning is recognized for its potential to cultivate computational thinking in elementary students, yet the current challenge in game-based pedagogy lies in effectively helping students establish connections between gameplay content and computational thinking (CT). This study conducted a six-week quasi-experiment with 65 third-grade students, designing learning scaffolds based on CT elements to explore the effects of pre-game and post-game scaffolding on students’ CT, while also comparing the differences in CT across genders. Through one-way/two-way ANOVA and cognitive network analysis of students’ drawing works, the findings revealed: 1) scaffolding timing significantly influenced CT development, with the pre-game scaffolding group achieving higher overall scores, demonstrating enhanced algorithmic thinking, while the post-game scaffolding group exhibited stronger iterative exploration; 2) girls outperformed boys in overall CT scores, with girls favoring problem decomposition and boys focusing on iterative optimization; 3) no interaction effect was observed between scaffolding timing and gender. The conclusions provide insights into optimizing scaffolding timing and strategies in game-based learning, while advancing gender-equitable practices in CT education.

Keywords:computational thinking; game-based learning; scaffolding strategy; elementary education; artificial intelligence courses

作者简介

林裕如，华中师范大学人工智能教育学部博士研究生（武汉 430079）。

张屹，华中师范大学人工智能教育学部教授（通讯作者：zhangyi@mail.ccnu.edu.cn 武汉 430079）。

杨玉芹，华中师范大学人工智能教育学部教授（武汉 430079）。

高智敏，华中师范大学人工智能教育学部硕士研究生（武汉 430079）。

任旭，华中师范大学人工智能教育学部硕士研究生（武汉 430079）。

陈邓康，华中师范大学人工智能教育学部博士研究生（武汉 430079）。

基金项目

国家自然科学基金2023年度面上项目“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）

责任编辑：郝丹

期刊简介

《中国远程教育》创刊于1981年，是教育部主管、国家开放大学主办的综合性教育理论学术期刊，是中文社会科学引文索引（CSSCI） 来源期刊、全国中文核心期刊、中国人文社会科学期刊AMI综合评价（A刊） 核心期刊、中国科学评价研究中心（RCCSE） 核心期刊、中国期刊方阵双效期刊、人大复印报刊资料重要转载来源期刊，面向国内外公开发行。

本刊关注重大教育理论与政策，推动科技赋能教育，反映国际学术前沿，聚焦本土教育改革，注重学术研究规范，提倡教育原创研究。

地址

北京市海淀区复兴路75号

邮编

电话

010-68182514

电邮

zzs@ouchn.edu.cn

网址

cjde.ouchn.edu.cn

来源丨中国远程教育微刊

声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与我们联系，我们将及时更正、删除，谢谢。