计算思维课程设计范式：大概念教学和KUD教学目标组赋能课程设计

摘要：本文提出了一种以大概念和KUD（知识、理解、操作）目标为基础的计算思维课程设计模式。将大概念整合到教学框架中，有助于强化信息技术的核心概念，引导学生深入理解学科概念的本质；围绕大概念制订KUD教学目标，可以帮助教师更精确地规划课程内容、教学活动和评估方法，使教学目标与培养学生的核心素养更紧密地结合。

关键词：大概念教学；KUD教学目标组；计算思维课程；核心素养

中图分类号：G434 文献标识码：A 论文编号：1674-2117（2024）14-0045-05

引言

《义务教育信息科技课程标准（2022年版）》特别强调了培养学生的信息意识、计算思维、数字化学习与创新以及信息社会责任等核心素养的重要性。[1]其中，计算思维是利用计算原理来解决问题、设计系统和理解人类行为的思维过程。[2]虽然教育工作者都已认识到计算思维的重要性，而如何有效地设计和实施计算思维课程却是一个复杂且具有挑战性的问题。[3-5]

在传统的教学设计中，教师通常在课堂上传授知识，再通过各种各样的测试来评估学生的知识理解程度和运用能力。这样的教学设计虽然能让学生了解所学的知识内容，但却忽视了学生的创新能力，以及对应用知识和解决问题能力的训练。[6]此外，许多教师把编程教育等同为培养学生计算思维的课程，窄化了计算思维的范畴。本研究旨在探索一种以大概念和KUD教学目标为引导的计算思维课程设计范式，希望为解决这一问题提供理论和实践的依据。

大概念和KUD目标的基本概念

大概念代表一个学科中最基本和最全面的概念，是指那些深度精炼、能贯穿各个级别或子主题的关键概念。这些关键概念是理解一个领域或学科的基石，并可以提供一个统一的框架，帮助理解和组织学科知识，被认为是教学的核心支柱。[7]在计算思维教育中，大概念有助于聚焦并整合诸多繁复的计算思维概念，帮助学生看到更大的知识脉络，深化他们对学科本质的理解。例如，在计算思维教育中，“算法”就是一个大概念，它既可以用于描述简单的排序和搜索过程，也可以应用于更复杂的问题解决策略和机器学习模型。通过学习和理解算法这个大概念，学生可以加深对不同算法之间相似性和适用性的理解。

KUD目标是“知识（Knowledge）、理解（Understanding）和操作（Doing）”的缩写，KUD目标在教育研究领域已经被广泛承认，被认为能够帮助教师更精确地规划课程内容、教学活动和评估方法。KUD目标将教学目标分为三种类型：

①知识目标。包括学生需要了解的事实或概念。②理解目标。注重概括、解释、推理、比较、判断和展现洞察力的能力，是知识目标的发展和延伸，需要学生运用知识目标中所学习到的信息。③操作目标。注重实践应用，培养学生结合实际情境解决现实问题的能力，是学生对大概念理解的应用。用KUD模型设计的课程，可以让教师更准确地设定学习目标，明确哪些需要记忆，哪些需要深度理解，哪些操作技能需要掌握，从而分阶段进行教学，逐步深入。

以大概念和KUD教学目标组为指导的计算思维课程设计

1.整合计算思维的核心概念

计算思维是问题解决过程中一系列复杂的思维过程，如分解问题、算法设计、问题解决、模式识别、抽象思维等，这些元素都是必不可少的，如果分开教授，可能会使学生感到混乱。因此，需要一种方法来整合这些元素，使学生能够理解和掌握计算思维。而大概念正是实现这一目标的理想工具，可以挑选出较为基本且全面的计算思维大概念。这个过程需要教师具备对计算思维本质的深入理解，并能精准地判断哪些概念足够“大”，能够覆盖计算思维的多个方面。通过设计不同的教学模块，使每个模块都围绕一个或多个与大概念相关的小概念展开。例如，设计一个模块来探讨如何使用某种算法解决实际问题，设计另一个模块来探讨某种算法的优化和改进等。

2.制订KUD教学目标组

在大概念的指导下可以开始制订KUD教学目标组，即基于每个教学模块，确定学生需要掌握的知识点、理解的概念和能够执行的技能。

知识目标：需要获取新的知识，理解它的意义，并且与已有知识或经验建立联系。需要学习如何获取、分析、评估信息，并且需要在这个过程中不断扩大知识储备。知识目标应该包括学生需要了解和记忆的基本信息，如关键术语、基本原理、工具使用等。例如，在算法设计模块中，学生需要了解算法设计方法、设计流程和工具，并能列举出日常生活或编程实践中常见的算法，掌握基础的算法设计步骤和一些基础且常用的算法，如查找算法、排序算法等。

理解目标：强调分析和批判性思维，即能理解为什么需要这些知识，并且知道如何和何时使用它们。这就需要学生有能力去理解、分析问题和找到最佳的解决方案，能提炼和解释知识中的主要概念并将其应用在新的问题环境中。例如，学生应了解算法设计的重要性，以及它在实际问题解决过程中的作用，了解何时应用何种算法，并理解不同算法如何影响编程任务的结果和性能，理解算法设计与其他计算思维概念（如抽象化、分解问题等）的关联。

操作目标：涉及创新性思维和生活职业技能的培养，即知道如何运用知识，将理解目标转化为实践。这就需要学生有创新能力，有解决实际问题的能力，强化他们的生活和职业技能。例如，针对如何能够应用所学知识设计和实现基本的算法这一问题，可以要求学生对实际问题进行算法分析，选择最合适的算法来解决问题，独立设计和编写代码实现具体的算法，并且能够对代码进行测试和性能评估，了解如何进行算法优化等。

通过设置和执行KUD教学目标，能保证学生的学习是积极主动的、行动导向的，并且还可以通过学生的行动来实时评估他们的学习进度和效果。

基于大概念和KUD教学目标组的课程设计模型

基于大概念和KUD教学目标组的课程设计模型如下图所示。

1.确定大问题和核心驱动问题

在课程设计启动阶段，第一步是确定以大概念为基础的大问题，这些问题通常是开放性的，不仅要植根于专业领域的知识核心，更是KUD教学目标的基础载体。因此，这些问题应该具有普适性，即类似问题在学科中反复出现，能够激发知识的联系和迁移；具有核心性，能够概括学科的本质内容，要求深度推理和探究；具有上位性，能体现某一学科的核心思想，指向并突出宏观概念；具有启发性，能够最大程度地吸引和激发学生，引起困惑和认知矛盾。例如，在算法设计的课程中可以将大问题设计为：“如何设计一个有效的、可应用到大数据处理的算法？”

而在进一步的课程设计中，还需要通过具体的核心驱动问题引导学生深入学习。这些问题通常针对性更强、更加具体，并且直接与学习目标对应。例如，在算法设计的课程中，可设置这样的核心驱动问题：“在处理大量数据排序的问题上，冒泡排序和快速排序有何区别和优劣？在哪些情况下，我们选择哪一种排序方法？”

2.构建知识图谱

大概念是更为宏观、抽象的概念，它把握和反映了学科的本质和核心，是对一系列学科核心概念的高度总结和抽象。以大概念为枢纽，连接与KUD教学目标相应的学科核心概念，形成完整的知识图谱，可以使课程内部逻辑紧密。教师在创建好知识图谱后，可以根据知识图谱进行教学设计，每一部分的学习可以围绕知识图谱的一个节点或者一组节点进行，根据不同的知识节点，可以细化对应的KUD教学目标组。

3.基于KUD的挑战任务设计

在设计挑战任务及驱动性问题时，应确保任务设计紧密结合KUD教学目标，并且帮助学生理解和掌握算法设计及与之对应的大概念。也就是说，根据学生需要知道什么、理解什么、能够做什么来设计适合的挑战任务，并精细化这一过程。例如，对于理解的相关任务可以设计头脑风暴、策略分析等；对于技能相关任务，可以设计真实情境的实践探索、游戏闯关、编程挑战等。多种任务形式的引入，能使评价方式更为多元，更能真实反映学生的技能和理解程度。

4.问题解决图谱制订

问题解决图谱提供了一个结构化的解决问题的路径，既明确了学生的学习目标，又为他们提供了实践机会，并且在最后阶段帮助他们通过反馈了解自身表现，进一步指导他们的学习。这个过程能够帮助学生加深对计算思维的理解，并更好地把理论知识应用到实际问题的解决中。

5.学习活动、支架与资源设计

在以学生为中心的教学设计中，应依据KUD教学目标设计学习活动、学习支架及学习资源。对于具体执行，理想的情况是，所有的教学元素应当是有机整合的，其中每一个小的实践活动也都服务于更大的理解目标。所有的实践环节，无论是独立作业、游戏体验、小组讨论，还是项目实施、自我评估，都应直接与KUD教学目标关联，以保证在进行具体的学习活动时，学生能够将注意力集中在对大概念的理解上。

6.多维度的学习成果评价和可视化展示

可视化展示学习成果，不仅有利于让学生更好地感知和理解自己的学习进度，而且有助于教师对教学效果进行评估和改进。例如，采用项目展示的形式来呈现学生的学习成果能够有效激发学生的学习激情和探究欲望，而这些成果将直观反映学生在各类问题解决、数据分析和算法设计方面的能力。

此外，应鼓励学生主动进行成果分享和展示，包括对自己的想法和理解进行阐述。这不仅有助于深化学生对大概念的理解，而且可以锻炼他们的沟通、表达和团队协作能力，同时也为学生提供自我反思的机会。对于学习成果评价，还可以使用Bebras国际计算思维挑战活动等作为评价工具。[8]它能有效评估学生对计算思维内容的理解和运用程度，反映出学生在KUD教学目标上的实际成绩。

总的来说，通过有目的的活动设计和多维度的成果展示，可以全面、有效地展现学生的学习成果，同时也为教学提供持续反馈，推动教学方法和策略的持续优化。

7.评价标准的设定

评价标准应聚焦于KUD教学目标的实现程度，同时需要关注该实现程度如何推进学生理解和应用大概念。多元化的评估方式，不仅可以全面考查学生的知识掌握程度、理解程度和技能应用，还能在一定程度上反映实践活动对达成KUD教学目标的影响。任务设计和学习评价紧密结合，使得评价过程自身也成为学生学习的一部分。学生在完成挑战任务及其评价的过程中，既能在实践中学习，又能通过评价得到反馈，有效地提升学习成效。基于KUD教学目标的任务设计也鼓励学生参与并反思自己的学习过程，这是自我评价的重要部分，也是培养学生自主学习能力的关键因素。

结论与展望

本研究深入讨论了基于大概念以及KUD教学目标组的计算思维课程设计范式。研究结果表明，大概念与KUD教学目标能有效地整合、深化学生的学习体验，并提供了一种实用的规划与评估课程的框架。通过坚持采用这种设计模式，教师能更有目标性地构建与执行课程，专注于提升学生的核心素养。同时，本研究进一步阐明，以大概念和KUD教学目标为指导的课程设计不仅有助于提高学生的学习效率，而且能促进学生创新思维和求知欲的提升。通过解决现实中的问题来应用知识、技能和态度，学生能更好地理解并解决复杂问题，进而形成更强的自信和自主学习能力。

本研究期待更多研究者和教育工作者的参与，共同扩大对计算思维课程设计的理解与实践，也期待验证此教学模型在更广泛的教学环境中的效用，鼓励学生成为信息社会的积极、负责和有效的参与者。展望未来，我们有望共同开启一个教育新时代，为每位学生提供一个充分发挥他们潜力和才智的教育环境。

参考文献：

[1]中华人民共和国教育部.义务教育信息科技课程标准（2022年版）[S].北京：北京师范大学出版社，2022.

[2]Wing，J.M..Computational thinking[J].Communications of the ACM，2006，49（03）：33-35.

[3]Yadav，A.，Zhou，N.，Mayfield，C.，Hambrusch，S.，& Korb，J.T.Introducing computational thinking in education courses[C].In Proceedings of the 45th ACM Technical Symposium on Computer Science Education （SIGCSE '14），2014.

[4]Kalelioglu，F.，Gulbahar，Y.，& Kukul，V.A framework for computational thinking based on a systematic literature review[J].Baltic Journal of Modern Computing，2016，4（03），583-596.

[5]Mannila，L.，& Farnqvist，T.A review of models for introducing computational thinking in K-12 education[C].In Frontiers in Education Conference （FIE），2016.

[6]Smith，P.L.，& Ragan，T.J..Instructional design.In P.L.Smith & T.J.Ragan （Eds.），Instructional design （3rd ed.）[M].New York，NY： Wiley & Sons，2005：127-150.

[7]Wiggins，G.，& McTighe，J..Understanding by Design （2nd ed.）[M].Alexandria，VA： Association for Supervision and Curriculum Development ASCD，2005.

[8]Hubwieser，P.，& Mühling，A..Investigating the psychometric structure of Bebras contest： Towards measuring computational thinking skills[C].In 2015 International Conference on Learning and Teaching in Computing and Engineering （LaTiCE），2015：9-12.