基于教学胜任力的师范生计算思维评价量表开发

房敏 孙颖 吕慎敏 曾鹏轩 刘倩 傅晨

[摘   要] 计算思维现已成为数字化生存的核心能力之一，针对当前师范生计算思维测评工具匮乏等问题，研究以斯滕伯格成功智力理论、思维教学理论和国际上已开展的若干计算思维教学能力培训项目的经验为依据建构评价模型，以3所免费师范生培养院校的12个师范专业的1223名师范生为样本，借鉴心理学量表编制方法开发了基于教学胜任力的师范生计算思维评价量表。量表包含32个测量题目，涵盖问题界定与分析、问题认知与解决、教学策略与实施、教学兴趣与设计、创造力等5个维度。经复测验证，量表克隆巴赫系数为0.955，各拟合指标理想，表明量表具有良好的适用性和推广性，可作为我国师范生计算思维自我评价工具使用。

[关键词] 师范生; 计算思维; 量表; 教学胜任力; 问题解决

[中图分类号] G434            [文献标志码] A

[作者简介] 房敏（1987—），男，山东济南人。博士研究生，主要从事信息技术教育、教师专业发展和儿童心理发展研究。E-mail：fm_tju@163.com。孙颖为通讯作者，E-mail：wyssying@126.com。

一、引   言

计算思维（Computational Thinking）是源于计算机教育特别是编程教育活动的能力概念，最早由派珀特（Papert）提出，将其作为一种借助具象化编程媒介建构认知和解决冲突的思维方法[1]，后经发展逐渐成为一种与现代信息社会生存发展相适应的，包含算法、创造、批判、合作、执行、修正等要素的复合能力，并被视为适应信息社会发展所应具备的基本素质和核心能力。近年来，世界掀起计算思维教育热，培养具备计算思维的人成为国际社会的教育共识。斯滕伯格（Sternberg）指出，思维教学存在必然的方法，但在此之前，教师首先要掌握这种思维能力[2]。2015年至今，英国、瑞典等国家着手开展教师计算思维培养与教学指导工作[3-5]，并尝试在多个学科师范专业教育和中小学课程中引入“计算参与”（Computational Participation）概念[6]，使计算思维成为一种基础、泛在、普适的教育要素。让广大教育者具备一定的计算思维知识与技能，形成牢固的“计算参与”观念，打破传统学科知识藩篱与教学范式以开展跨学科计算思维教育创新，成为当前计算思维教育研究热点。纵观国内外，对教师特别是未来的教育从业者——师范生能否胜任计算思维教育工作的评估研究近乎空白。基于此，我们希望从教师职业能力角度出发，通过研究，形成一套可用于学科师范生计算思维评价的量表工具及操作方法。

二、计算思维的内涵演变与评价发展

（一）计算思维的内涵演变

自1980年计算思维首次在计算机教育著作中出现至今，其内涵经历了三个阶段的演变。

第一阶段为仿计算机程序化学习阶段，从1980年到2010年，以派珀特一系列儿童编程教育著作对计算思维的描述以及周以真于2006年界定的计算思维概念为代表[7]，带有明显的计算机学科的专业化和系统化倾向。这一时期对计算思维的描述较为抽象，重点放在仿计算机的程序化认知上，强调对计算机问题处理模式的理解、模仿与再现。例如：派珀特在反驳一些心理学家所持有的程序学习可能造成机械思维的看法时，提出了仿计算机思维在问题解决上具有高效率优势等观点，这些观点反映了这一时期计算思维内涵的特点[8]。

第二阶段为仿计算机信息处理阶段，从2010年到2014年，这一时期对计算思维的学科溯源逐渐突破计算机传统领域，将信息科学与心理科学相结合以进行内涵诠释，并尝试从对计算机运行理解的宏观界定转向对问题解决心智活动的信息处理过程的描述，以计算机信息处理方法如算法、分解、概括、模式、表征等作为计算思维的能力框架。受到广泛关注与认同的有周以真于2010年提出的修正定义[9]、美国计算机科学教师协会（CSTA）与美国国际教育技术协会（ISTE）于2011年联合提出的操作定义等[10]，这些定义都反映了这一时期计算思维界定的明显特点。出现这一变化的根本原因在于，随着计算思维教育研究的进一步发展，迫切需要有一个内部结构相对完整、概念边界相对清晰的能力框架以支撑实践研究中的操作逻辑，以解决计算机、信息技术等学科教育活动对计算思维培养的价值研究困境。

第三阶段为融合与泛化阶段，从2014年至今，这一时期计算思维发展进入全新的阶段，创造、批判、社交等非智力要素被广泛引入到计算思维概念和能力结构中。ISTE于2015年对计算思维概念进行更新，指出计算思维涵盖了创造力、算法思维、批判性思维、问题解决以及建立沟通与合作的能力，是高于问题解决的复合能力[11];科尔克马兹（Korkmaz）指出，计算思维是一种在合作的环境下使用算法方法创造性解决问题的能力[12];阿科约尔（Akyol）认为，当前对计算思维成分的描述与评价过于封闭，应当进一步发展到具体的行业领域及职业生涯中[13]。笔者认为，计算思维培养的目的是使被培养者能够将计算机领域解决问题的方式泛化到一般情境中，同时还要规避应用过程中出现的机械思维定式、惯性等负面效应，非智力要素特别是创造、合作、批判等能力具有关键作用，应当归于计算思维内涵且具有重要的培养价值。因此，本研究借鉴ISTE和科尔克马兹的界定思路，将计算思维描述为：在一定情境下，借助合作形式，使用算法方法，创造性地解决问题，并能对这一过程进行绩效改进和策略泛化的能力。

（二）计算思维的评价发展

早期依附于计算机、信息技术等学科教育而受到关注的计算思维，其评价方式也更多采用传统课程评价形式，如课程试题测试、作品评价、态度问卷等，这与初始阶段对计算思维整体特性的理解偏好是相适应的。伴随着计算思维内涵的不断扩展、框架的逐渐清晰以及多样化教育测量工具的出现，关注过程表现的语义评价、行为评价以及面向特定能力评价模型的标准化试题等评价方式開始得到应用[14-16]。此后，借鉴心理学的标准化计算思维评价量表开始出现，尝试将计算思维中的非智力因素纳入评价体系并通过主观测评的形式予以体现，这种方法反映了计算思维内涵的发展趋势以及当前计算思维教育对多种能力培养的关注。

我国评价工具研究相较国际上存在一定滞后性，笔者以中国知网为检索工具，全面统计了自2011年首篇涉及计算思维评价的文献发表以来的研究情况，并对评价方法与评价应用阶段进行编码分析。评价方法编码的名称标识对应关系依次为：M1—课程测试、M2—问卷调查、M3—访谈对话、M4—作品分析、M5—行动分析、M6—计算思维测试（CTt）、M7—计算思维量表（CTs）。评价阶段编码的名称标识对应关系依次为：PRT—前测、POT—后测。纳入统计的文献具备以下三个条件：（1）以研究计算思维培养或测量为目的;（2）使用了一种以上的方法测量计算思维水平，或研究开发了一种以上的测量方法工具;（3）进行了实证研究，并对测量结果进行了描述、总结或评论。

对统计结果与文献内容进行分析，可以得出国内关于计算思维评价研究的特点：（1）在计算思维教育活动中对计算思维水平前测实施较少，缺乏有效的诊断性评测工具;（2）早期评价方式以课程测试、主观问卷为主，形式单一，随意性强，信效度水平低，后随着评价工具的不断开发，评价工具使用由单一走向混合;（3）计算思维测试（CTt）、计算思维量表（CTs）、作品分析、行动分析逐渐成为主流评价方式;（4）国内标准化测量方法以直接使用国外工具为主，尚未出现本土化、经心理学标准化的CTt、CTs。可以看出，立足国内社会需要和学情特点，面向“计算参与”意识与教育能力培养，开发适合我国师范生使用的CTs，进一步扩展计算思维测量评价工具，特别是可供前测使用的工具，具有紧迫的现实意义和较高的实用价值。

三、理论框架

从内涵来看，计算思维可以被视作一种以问题解决为核心的高级能力综合体，其框架结构具有一般思维共性和专业思维特性。目前，国内外学者从一般思维结构出发，整合计算机学科的思维特性而形成一种专业思维框架。然而一部分学者对计算思维能力框架提出质疑，认为用准确的定义及有限的要素概括计算思维内涵并穷尽计算科学知识不现实，脱离学习者特点、职业生活和社会情境探讨计算思维能力亦不现实[13，17]。因此，我们尝试从关注情境与表现的斯滕伯格成功智力理论和思维教学理论中挖掘并搭建支点，结合现有的教师计算思维培训项目实践经验，基于职业需要构建师范生计算思维评价体系。

（一）从一般到特殊：作为成功智力的计算思维

斯滕伯格关注智力在不同情境中的应用，提出了著名的成功智力理论，将人的智力划分为分析、创造与实践三种不同类型的成分[18]。他反对“天赋智力”，认为以解决问题为目标、以思维力为核心的智力主要通过后天的系统教育和训练获得，必然存在一种方法能够帮助发展这些思维力，并进一步提出了思维教学理论[2]。在三种思维成分（对应三种智力成分）中，分析性思维涉及问题分析、评价和制定策略的能力，是有意识地规定心理活动以找到问题的解决方法，主要表现在习得、分析、判断、评价、对比和检验等方面;创造性思维是在已有知识内容基础上进行超越并产生新想法的能力，主要表现在兴趣、想象、冒险、合作、模糊容忍等方面;实践性思维涉及具体情境中解决问题的实践调控因素，是使抽象的思想方法转化为具体的实践活动的能力，表现在动机、经验、责任感、行动力等方面[2，19]。通过以上分析，结合前文对计算思维内涵的论述，可以看出斯滕伯格成功智力理论可以作为计算思维能力框架的构建理论，这一论断的基础是计算思维与成功智力的内涵共性，具体表现在以下四个方面：（1）二者均以情境中的问题作为出发点和最终归宿;（2）二者皆从过程视角对能力成分进行描述，所包含的成分类型可以统一于成功智力理论三种成分的划分;（3）二者都强调后天活动对思维能力形成的作用效果;（4）计算思维完全可以被视为为了适应信息化、数字化工作生活而由计算机科学基础上发展起来的人的“成功智力”。因此，可以按照成功智力理论将计算思维划分为分析性、创造性和实践性的计算思维。

（二）从生活到职业：作为教学素质的计算思维

斯滕伯格认为，承担某种思维训练任务的教师需要有两种与该思维相关的品质，一是要有这种思维的能力，二是要有以问题解决为目标的该思维的教学能力。如果说某种思维能力本身是教师作为个体人适应生活所必需的，那么与此能力紧密相关的教学能力则是教师作为社会人适应职业所必需的。斯滕伯格认为，应通过第一种能力发展第二种能力，生活情境、对话策略、小组合作、讨论以及洞察力训练在思维教学活动中至关重要，并发展出熟悉问题—组内解决—组间解决—个人解决的思维训练四步模型[2]。在（准）教师计算思维教学能力培训方面，不少国家地区的培训项目提供了经验，瑞典林克平大学（Link？觟ping University）联合当地政府开展了面向1～9年级10个不同学科课程教师的计算思维教学培训项目，得出以下结论：（1）即使是不同的学科，教师在教学活动中引入计算思维也是完全可能的;（2）教师能够在较短时间内掌握计算思维教育相关的基础知识和技能;（3）影响培训效果的重要因素是缺少计算思维教学展示与推广的意愿[20]。美国杨百翰大学（Brigham Young University）开展了面向基础教育阶段在职和职前教师的计算思维训练，指出对教师计算思维训练的方法多种多样，价值感与兴趣对于完成学习任务具有重要作用[21]。综上所述，从理论视角出发，教师职业所需的计算思维能力包括计算思维能力和计算思维教学能力。从实践层面来讲，（准）教师普遍具备在一定时间内掌握职业所需的计算思维知识技能的能力，培养牢固的计算思维教学意识、激发与维持计算思维教学动机是促进教师不断提高计算思维教学水平的关键。在此基础上，建立了基于教学胜任力的师范生计算思维能力评价模型，如图1所示。

四、量表开发与信效度研究

（一）样本选择

本研究选取了东部某省3所免费师范生培养院校的12个师范类专业的1223名师范生，所选对象全部为全日制本科在读的大二、大三学生，年龄范围在17～20岁之间，已接受过信息技术教育，修习并通过了“大学计算机基础”课程，部分学生正在修习“现代教育技术”课程，具备计算思维测评所需的文化知识与基本能力。所选师范类专业基本涵盖中小学语文、数学、外语、政治、历史、物理、地理等全部学科课程门类，未对免费师范生和非免費师范生作区分。根据被试样本数至少为测试题目数的5倍原则，分别选取了390人（12个专业各1个教学班，每班约30～40人）进行探索性因子分析（EFA），选取了833人（12个专业各1～2个教学班）进行了验证性因子分析（CFA）。

（二）研究过程

1. 题目编制与内容效度控制

题目编制借鉴了目前国内使用较多的科尔克马兹[12]、阿科约尔[13]和亚奇（Yaci）等开发的几种计算思维评价量表[22]，考夫曼（Kaufman）开发的领域创造力量表（K-DOCS）[23]，威廉斯（Williams）开发的创造力倾向测量表（W-PMF）[24]，同时参考了《普通高中信息技术课程标准（2017版）》《中小学教师信息技术应用能力培训课程标准（试行）》对中小学计算思维教育的具体要求，从分析性、创造性、实践性和职业性四个角度进行整理设计，最终形成了由61个题目组成的题库。研究采用劳希（Lawshe）[25]提出并经威尔森（Wilson）改进的内容效度比（Content Validity Ratio）檢验方法控制内容效度[26]，建立了由30名来自高校、中小学、编程教育机构从事计算思维相关研究的教师和教研人员组成的专家团队，对题目进行重要性评价。根据劳希给出的专家数与可接受值范围对应标准，当专家数为30人时，CVR值不低于0.33为可接受，最终剔除23个题目，保留38个题目。

2. 研究过程

为确保样本的覆盖面与代表性，研究的抽样方法以配额抽样和分层抽样为主。主要研究过程经历三个阶段，历时4个月。第一阶段为试测（Pilot Test），于2020年2月随机选取了29名不参加第二轮、第三轮测试的师范生进行预测试，访谈其感受，对问卷引言部分和题目表达作修正。第二阶段为探索性因子分析（EFA），于2020年3月对390名师范生进行测试并回收问卷，经校验有效案例为384个，有效率为98.46%，运用SPSS进行了数据分析处理。第三阶段为验证性因子分析（CFA），于2020年4—5月对833名师范生进行测试并回收问卷，经校验有效案例为809个，有效率为97.12%，运用SPSS、Amos、Visio等软件进行数据分析、模型校验与修正和图形重制。

（三）结果与分析

1. 项目分析

采用临界比值法（Critical Ration）进行题目区分度检验，以27%作为临界点进行得分差异分析。经分析，除第9题外，其他题目CR值均达到0.01的显著水平，普遍具有良好的鉴别力，第9题CR值（p=0.044）仅在0.05水平上达到显著，为避免武断删题，需进一步结合后续检验作出筛选决定。经修正后项目—总体相关系数（CICT）检验，除第9题（CICT=0.181）、第11题（CICT=0.384）、第16题（CICT=0.354）外，其他题目均达到0.4以上标准，因第11、16题CICT值大于0.3，接近0.4，且量表总体信度系数非常高（克隆巴赫α系数大于0.9），应暂作保留，故删除第9题。

2. 探索性因子分析

对问卷总体和各维度进行信度分析，问卷总体的克隆巴赫α系数达到0.954，各维度均达到高信度（大于0.7）水平。运用KMO值和Bartlett球形检验判断样本是否适合进行探索性因子分析，检验得到KMO=0.949，近似卡方χ2=8212.28，自由度df=666，p<0.001，达到显著性水平，说明适合进行探索性因子分析。借鉴阿科约尔探索性序贯设计（Exploratory Sequential Design）研究思路[13]，对样本案例（n=383）进行探索性因子分析。采用主成分分析法提取因子，采用最大方差法进行旋转，以特征值大于1作为因子提取标准，对低载荷值（小于0.45）进行忽略显示。在题目筛选上，结合项目分析、载荷分布、共同度分析、因子解释、因子包含题目数及专家意见等因素进行综合考量。经检验，提取主成分因子6个，累计解释度60.99%。在CICT值检验过程中暂作保留的第11、16题在第5因子中载荷超过0.6，且不存在多因子高载荷问题，故予以保留。第14、15、37题因低载荷值未予显示，且第14、15、37题共同度低于0.4，予以预删除。针对在两个因子上载荷较高（0.480，0.459）且载荷值相对接近（差值小于0.03）的第19题，能够运用其所在的较高载荷的因子进行解释，且易于与该因子下其他题目进行归类命名，故在高载荷因子上予以保留。主成分因子6中的解释题目为第27、28题，题数小于3个，通过碎石图可以看出因子6坡度大，解释贡献度低，故不予保留，对第27、28题予以预删除。具体见表1。

经专家研讨、题目确认与二次检验，最终确定5个主成分因子，32个题目，根据所包含的题目进行命名，依次为：（1）问题界定与分析（Problem Definition and Analysis）：包括对发现和界定问题，以及借助计算思维分析问题、形成解决方案和评价方案等能力的测量;（2）问题认知与解决（Problem Cognition and Solution）：包括对问题经验的、理性的认知，借助外部条件、自我调控以解决复杂问题等能力的测量;（3）教学策略与实施（Instructional Strategy and Implementation）：包括运用对话策略开展计算思维教学，有效组织教学活动，教育引导、干预等能力的测量;（4）教学兴趣与设计（Instructional Interest and Design）：包括对信息技术态度、“计算参与”教学意愿以及“计算参与”教学设计能力的测量;（5）创造力（Creative Ability）：包括对在问题解决活动中所表现出来的直觉、好奇、想象力和冒险精神等品质的测量。

3. 验证性因子分析

根据探索性因子分析结果，对收集的用于验证性因子分析的样本（n=809）进行检验。对总量表和各主成分进行信度检验，总量表克隆巴赫α系数达到0.955，各主成分检验系数依次为αPDA=0.910、αPCS=0.897、αISI=0.884、αIID=0.866、αCA=0.766。对主成分进行相关性检验，见表2，结果表明，各因子之间相关度基本介于0.5～0.8之间，其中，F4—F5相关度低于0.6，另有4个相关度介于0.6～0.7之间，未能满足构建二阶因子结构方程模型的相关度指标，不适宜进行二阶模型构建，验证性因子分析模型如图2所示。拟合度检验结果见表3，其中χ2（sd=450，n=809）=1590.661，χ2/df=3.53，由于本研究样本数量（n=809>200）较大，χ2/df参考值采用大样本参考区间，经与参考值对比，模型拟合度良好。

五、讨论与总结

（一）讨论

研究形成的“师范生计算思维评价量表”为师范生计算思维水平的自我评价工具，可用于高校师范生计算思维教学活动效果的前后测检验及中小学、教育培训机构招录、培训教师时的计算思维测评。量表分为导语和题目两个部分，导语包括计算思维说明，题目部分包括5个测量维度的32道自评题，其中，反向评分题2道。本研究基于传统的量表研究范式，在评价模型构建和信效度控制上作了一些更为严谨的实践。

1. 评价模型构建讨论

在评价模型构建上，本研究与已有计算思维量表编制的理论构建形式和向度有所不同：一是通过系统梳理计算思维发展，批判式继承核心概念內涵，结合斯滕伯格成功智力理论构建了分析性、创造性和实践性的计算思维能力评价维度，这种概念—理论—维度的评价建模路径相较传统的概念—维度—理论的建模路径，能够更好地将概念融入理论体系，提高评价模型的科学性;二是聚焦教师职业能力需求，借助斯滕伯格思维教学理论探索（准）教师计算思维能力外延，将职业性计算思维——计算思维教学能力纳入计算思维评价的第四维，同时，结合若干国家地区开展教师计算思维教学培训项目的实践经验，进一步确定了该维度的核心评价要素，最终形成了区别其他同类研究的多向度评价体系;三是明确了各维度评价要素和可用于评价的心智活动及行为表现，这些要素多来源于对斯滕伯格心理学研究著述及国外计算思维量表开发文献的整理分析，我们希望通过提出更加清晰可靠的评价模型，帮助使用者了解本量表题目所关注的计算思维的不同成分。

2. 量表信效度讨论

研究主要从四个方面对量表信度、效度进行控制：一是取样控制，采用大样本配额抽样、分层抽样等方式，对3所不同层次高校的不同学科专业师范生进行抽样研究，通过增大样本数量及类别扩大覆盖面，降低共同方法偏差和一类错误概率。二是内容效度控制，部分研究者认为基于统计学方法的内容效度控制方式的专家数应在5～10人，威尔森改进的劳希内容效度检验方法允许40人以内的专家进行多轮评审，鉴于本研究的多向度评价体系和多情境应用考虑，采用了后者这一国际上更为流行的技术方法，组建了来自高校、中小学和编程教育机构的专家团队参与题目设计和评审，并对结果进行了严格的标准控制。三是整体分析，在完成内容效度和外观效度控制后，进行了数据集检验，包括缺失值处理、剔除异常数据、正态检验等，而后采用阿科约尔探索性序贯设计整体分析方法进行题目筛选，这一方法拒绝单一指标检验决断，强调对样本进行一次完整的探索性因子分析，并对题目作出综合判断，拟删除或保留的题目应当在多个检验环节中有明确删除或保留的理由。四是显著性检验，在整个研究过程中采用严格的指标对数据进行检验，总量表信度系数达到0.955，除创造力（0.766）外的各成分信度系数均大于0.8（我们认为创造力成分相较其他成分系数偏低与创造力本身的综合性强有关），对量表的相关系数计算发现各成分间呈中低度相关（0.5～0.8），表明各因子较好地聚焦了计算思维的不同维度，量表具有良好的区分度。在结构效度上，克莱恩（Kline）指出，χ2值受样本数量影响明显[27]，采用大样本研究时可以将χ2/df值扩展到5以内的区间，这一点在国内统计研究中已形成共识，其他各拟合指标均符合国际通行的量表开发标准，结构效度理想。

（二）总结

计算思维评价量表出现时间不长，评价理论与模型伴随着计算思维内涵的变化也在探索中发展，评价的关注点主要落在计算思维本身的特有属性和成分上，鲜有从职业需求角度进行的探讨，不免丢失了本该具备的更加丰富的实践意义和价值。本研究以促进计算思维教育发展为根本目标，将“计算参与”理念融入教师职业能力评价，生成了标准化评价量表，以提高未来教师计算思维教育意识和能力，推动计算思维教育与多学科教学深度融合。此外，近年来国内移植使用的计算思维量表均以欧洲、西亚等地区学生为研究对象进行编制，被试所处的政策、文化背景和所具有的知识体系与国内差异明显，结合我国教育政策、人才需求和教育文化特点编制适合我国学生使用的评价量表，提高量表文化适用性，也是本研究的应用价值所在。

[参考文献]

[1] PAPERT S. Mind storm—children， computers and powerful ideas[M]. 1st ed. New York： Basic Books Inc.，1980.

[2] 斯滕伯格，史渥林.思维教学：培养聪明的学习者[M].赵海燕，译.北京：中国轻工业出版社，2008.

[3] Computing At School. Computational thinking a guide for teachers[R]. London： Computing At School，2015.

[4] HEINTZ F， MANNILA L， NYGARDS K， et al. Computing at school in Sweden experiences from introducing computer science within existing subjects[C]// 8th International Conference on Informatics in Schools： Situation， Evolution and Perspectives. Cham： Springer International Publishing Switzerland，2015：118-130.

[5] 朱珂，贾彦玲，冯冬雪.欧洲义务教育阶段发展计算思维的理论与实践研究[J].电化教育研究，2019（9）：89-96.

[6] YASMIN B，KAFAI. From computational thinking to computational participation in K-12 education[J]. Communications of the ACM， 2016，59（8）：26-27.

[7] WING J M. Computational thinking[J]. Communications of the ACM，2006，49（3）：33-35.

[8] PAPERT S. Mind storm—children， computers and powerful Ideas [M]. 2nd ed. New York： Basic Books Inc.，1991.

[9] WING J M. Research notebook： computational thinking—what and why？[EB/OL].（2010-11-17）[2020-01-10]. http：//www.cs.cmu.edu/link/research-notebook-computational-thinking-what-and-why.

[10] ISTE， CSTA. Operational definition of computational thinking for K-12 education（2010）[EB/OL].（2015-11-23）[2020-01-13]. http：//www.iste.org/docs/pdfs/Operational-Definition-of-Computational-Thinking.pdf.

[11] OLUK A， KORKMAZ O. Comparing students' scratch skills with their computational thinking skills in terms of different variables[J]. Modern education and computer science，2016（11）：1-5.

[12] KORKMAZ ， AKIR R，ZDEN M Y， et al. A validity and reliability study of the computational thinking scales （CTS）[J]. Computers in human behavior，2017，72（7）：558-561.

[13] AKYOL B E. Development of computational thinking scale： validity and reliability study[J]. International journal of educational methodology，2019，5（3）：421-428.

[14] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]// The 2012 Annual Meeting of the American Educational Research Association. Washington： American Educational Research Association， 2012：2-25.

[15] ESTEVES M， FONSECA B， MORGADO L， et al. Improving teaching and learning of computer programming through the use of the second life virtual world[J]. British journal of educational technology，2011，42（4）：624-637.

[16] CHEN G， SHEN J， BARTHCOHEN L， et al. Assessing  elementary students' computational thinking in everyday reasoning and robotics programming[J]. Computers & education，2017，109（6）：162-175.

[17] GRGURINA N， BARENDSEN E， ZWANEVELD B， et al. Computational thinking skills in dutch secondary education： exploring teacher's perspective[C]// Proceedings of the 9th Workshop in Primary and Secondary Computing Education. New York： ACM，2014：124-125.

[18] STERNBERG R J. The theory of successful intelligence[J]. Review of general psychology，1999，3（4）：292-316.

[19] 盛群力，马兰.斯滕伯格论成功智力及其成分技能解析——学习、事业与生活成功的视角[J].远程教育杂志，2011（2）：70-76.

[20] HEINTZ F， MANNILA L. Computational thinking for all： an experience report on scaling up teaching computational thinking to all students in a major city in Sweden[C]// 49th ACM Technical Symposium. New York： ACM，2018：66-71.

[21] HUNSAKER E， WEST R E. Designing computational thinking and goding badges for early childhood educators[J]. TechTrends， 2019（3）：7-16.

[22] YACI M. A valid and reliable tool for examining computational thinking skills[J]. Education and information technologies，2019，24（1）：929-951.

[23] KAUFMAN J. C. Counting the muses： development of the kaufman domains of creativity scale（K-DOCS）[J]. Psychology of aesthetics creativity and the arts，2012，6（4）：298-308.

[24] 威廉斯. 威廉斯創造力倾向测量表[J].中国新时代，2003（22）：89-90.

[25] LAWSHE C H. A quantitative approach to content validity[J]. Personnel psychol，1975，28（4）：563-575.

[26] WILSON F R， PAN W， SCHUMSKY D A， et al. Recalculation of the critical values for lawshe's content validity ratio[J]. Measurement and evaluation in counseling and development，2012，45（3）：197-210.

[27] KLINE R B. Principles and practice of structural equation modeling[M]. 3rd ed. New York： Guilford Press，2011.