数字时代，计算思维早已不是计算机学科的 “专属能力”，它和数据分析、科学实验、模型建构深度绑定，是科学教师必备的核心素养。但现实难题摆在研究者面前：我们该拿什么工具，客观测评理科师范生的计算思维？过去大多依赖自我报告问卷，容易出现 “自我感觉良好，但实际能力不足” 的偏差；改编中小学生试题又不符合职前科学教师的专业场景。
这篇来自匈牙利塞格德大学与印尼国立三宝垄大学合作的研究，立足印尼职前科学教师群体，开发一套30 题计算机化计算思维测评工具，经过完整信效度检验，同时对经典 ISTE 四维计算思维框架提出新的实证思考，给全球教师教育领域提供可借鉴的测评方案。
研究背景
21 世纪的教育对计算思维高度重视，ISTE 提出的经典框架将计算思维拆解为分解、模式识别、抽象、算法思维四大维度，被大量教师教育课程采纳。
但现有研究存在显著短板：
①测评工具局限：大量研究采用自评问卷，测得更多是自我效能感而非真实能力；编程类测评又容易混淆 “编程技能” 和 “计算思维”，不适合非计算机方向师范生；直接挪用中小学生 Bebras、CTt 测试，缺少针对科学教育场景的本土化重构，构念效度证据不足 。
②研究对象失衡：计算思维教师教育研究大多聚焦计算机师范生，针对物理、生物、化学方向的职前科学教师的测评工具非常稀缺，印尼本土更是没有经过严格验证的专用测评试卷 。
③理论构念待验证：虽然广泛使用 ISTE 四维模型，但很少通过验证性因子分析，检验这套四维框架在职前科学教师样本中是否真的可以实证区分开 。
职前科学教师有其特殊性：他们需要在科学探究和教学实践双重场景下运用计算思维，因此亟需一套贴合科学教学情境、信效度完备的认知成就测试工具 。
研究设计
（一）样本
研究采用便利抽样，一共纳入368 名印尼职前科学师范生，涵盖大一到大四，平均年龄 20.40 岁（SD=1.17）；其中男生 64 人，女生 304 人 (P3)。
（二）工具开发思路：证据中心设计 ECD
研究者使用证据中心设计（ECD）开发测试，完整走完域分析、域建模、概念评估框架、测评实施、测评交付五层流程，所有题目设置模拟科学、教学真实情境，不需要高深专业科学知识，重点测查认知能力，题型包含多选、匹配、拖拽排序、简答等计算机作答题型，依托 eDia 线上测评平台施测，作答限时 60 分钟，计分采用 0‑1 二分计分（答对得 1 分，答错 0 分）。
最初产出 35 道题，经过 6 位科学教育专家评审内容效度，再根据项目总相关剔除 5 道区分度不佳题目，最终版本为30 题，覆盖分解、模式识别、抽象、算法思维四个维度 。
（三）数据分析方法
1. 内容效度：计算 I‑CVI 内容效度指数，6 位领域专家评审；
2. 信度：Cronbach’s α 系数、校正项目总分相关；
3. 结构效度：Mplus 做验证性因子分析 CFA，对比一维、四维、三维模型，1000 次 Bootstrap 检验模型稳定性；
4. 项目‑被试匹配：Rasch 分析，Wright 题人图、项目特征曲线 ICC、测试信息函数 TIF 评估题目难度与被试能力匹配度。
研究设置 4 个核心研究问题：检验内容效度、检验信度、比较不同因子模型、检验题目难度与被试能力适配情况。
研究发现
1. 内容效度良好
全部题目的项目水平内容效度指数I‑CVI 介于 0.83‑1.00，高于 0.78 的合格阈值，专家定性反馈确认题目可以有效测查计算思维各维度，部分题目根据专家建议修改语言表述、作答指令、本土化人名等内容。
2. 信度表现优秀
30题最终版本整体Cronbach’s α=0.885，属于高信度；各分维度信度：分解 0.742，模式识别0.703，抽象0.728，算法思维 0.850。
3. 结构效度：四维可行，但三维模型更简约
研究对比了一维、四维、三维的 CFA 模型拟合结果：
（1）一维模型拟合很差，说明计算思维不是单一整体，是多维能力；
（2）原始四维模型经过残差协方差修正后，拟合达标。
（3）但数据发现：模式识别与抽象两个潜变量相关高达 r=0.978，二者高度重叠。于是研究者把二者合并为 “模式抽象”，构建三维模型：分解、模式抽象、算法思维；修正后三维模型RMSEA=0.068，CFI=0.912，TLI=0.903，同样达到良好拟合。
嵌套模型卡方差异检验显示：四维和三维模型之间没有统计学显著差异（Δχ²=4.68，Δdf=3，p=0.196）；基于简约原则，研究推荐使用三维模型解释职前科学教师计算思维结构。
三维模型组合信度CR全部 > 0.86，达到理想标准；虽然分解、模式抽象的 AVE 略低于0.5，但是符合新开发工具可接受标准（CR＞0.6 即可），收敛效度达标 。
4.Rasch 分析：题目难度适配师范生能力
题人Wright地图显示，题目难度分布‑2~+2，可以覆盖被试能力范围。
三个维度难度特征有意思：
（1）分解：集中低‑中等能力区间；
（2）模式抽象：难度分布居中，围绕被试平均能力；
（3）算法思维是最难维度，部分题目需要很高能力（θ≈+2.0）才有 50% 正确率，大量职前科学教师在此维度表现薄弱 。
Rasch的 EAP/PV 信度：分解 0.767，模式抽象 0.835，算法思维 0.798，各维度测量一致性理想 。
研究结论
1. 这套 30 题计算机化测评工具拥有可靠内容效度、结构效度、高信度，题目难度适配职前科学教师，适合用来测评理科师范生计算思维水平。
2. ISTE 经典四维模型在职前科学教师样本数据成立；但模式识别与抽象高度耦合，可以合并为 “模式抽象”，形成更简约的三维模型（分解‑模式抽象‑算法思维）。研究者解释：在科学学习情境中，识别规律和抽象简化概念本就是连续认知过程，科学教育场景下二者很难完全割裂开来。
3. 测评结果提示：职前科学教师普遍短板在算法思维维度，是教师教育课程需要补强的重点方向。
研究同时坦诚局限性：样本是便利抽样、没有做跨组不变性检验、CFA 事后增加残差协方差、缺少独立样本交叉验证，后续需要更多研究复现这个三维结构 。
为什么该理论模型更有效？
1. 跳出自评问卷与编程测评的弊端：属于认知成就测试，测真实解题能力，不是主观自我评估；题目不需要编程，避免把计算思维等同于代码编写，适配理科师范生群体。
2. 情境专门面向科学教师教育：不是简单照搬中小学生 Bebras、CTt 测试，任务大量模拟科学实验数据分析、教学场景，贴合科学教师未来工作，实现任务再情境化，而不是直接复用其他学段工具 。
3. 完整全套心理测量学证据链：同时报告内容效度、专家评审、CFA 结构效度、Rasch 项目分析；多数旧工具只报告 Cronbach’s α，缺少构念效度证据，本研究填补这一块缺口。
4. 带来理论新启发：实证发现科学教师场景下模式识别、抽象高度相关，对广为使用的 ISTE 四维框架提出场景化反思，不只是开发工具，也反哺计算思维理论建构 。
给教师的启示
1. 在设计职前科学教师计算思维课程时，不必教条地严格割裂 “模式识别” 和 “抽象” 两个训练环节。科学场景中，发现数据规律、提炼模型概念本就是连贯思维链条，可以整合设计教学任务。
2. 重点补强算法思维训练：研究发现算法思维是师范生最大短板。传统理科教学多是 “给实验步骤”，很少训练学生自主设计、优化步骤；课程中要增加 “从零设计流程、寻找最优步骤” 类任务，而不只是分析现成实验流程 。
3. 测评选择上，谨慎使用自评量表评估计算思维能力；条件允许优先采用客观认知测试；这套工具可以翻译、跨文化修订，用于国内职前科学教师测评研究。
4. 计算思维不是信息科技课专属。日常科学课堂：把复杂问题拆解（分解）、从实验数据找规律（模式识别）、忽略无关变量提炼模型（抽象）、设计实验操作流程（算法思维），都是计算思维落地的载体。
5. 注意区分：学生自我报告 “我会计算思维” 不等于真实掌握，需要设计任务、客观观察学生问题解决过程。
6. 教学中关注学生算法思维短板：多给机会，让学生自主设计实验步骤、优化方案，而不是完全照着课本既定步骤完成实验。
结语
计算思维是我国素养导向科学教育改革中，教师必备的专业素养。当前国内职前科学教师的计算思维评估，较多依赖主观问卷，缺少适配理科场景、经过严谨实证检验的客观测评工具。
这项海外研究带来有益启示：计算思维框架不可机械套用，在科学探究情境中，模式识别与抽象高度交融，三维模型更契合真实认知规律，同时要重视师范生算法思维的能力短板。
但该工具根植印尼本土背景，无法直接拿来即用。立足我国国情，我们需要结合课标与师资培养现状，做好测评工具的本土化修订验证。教学上跳出理论说教，依托实验、教学设计等真实任务锤炼思维，以评价反哺培养，夯实科学教师高阶思维根基，助力学生核心素养发展。