張屹 馬靜思 周平紅 劉金芳 王康 高晗蕊 彭景

[摘? ?要] 推動中小學人工智能教育培養(yǎng)學生的計算思維已成為國內(nèi)外教育政策和課程標準的共同目標與要求。目前中小學人工智能課程主要關(guān)注理論知識的學習和智能技術(shù)的體驗，忽視了學生思維能力的培養(yǎng)。文章基于輸入—過程—結(jié)果（IPO）游戲化學習模型，將人工智能課程內(nèi)容、游戲元素與計算思維實踐要素有效融合，以設計“挑戰(zhàn)Alpha井字棋”游戲為例，開展游戲化學習，促進高中生計算思維實踐的培養(yǎng)。通過分析測試題、游戲設計任務、調(diào)查問卷和游戲作品探究241名高中生計算思維實踐、人工智能學科知識、情感態(tài)度等方面的提升效果。研究結(jié)果表明，人工智能課程中開展游戲化學習能夠顯著提高高中生計算思維實踐整體水平和分解、抽象、模式識別、算法、調(diào)試五個要素水平，促進人工智能學科知識，增強學習興趣、動機、自信心，降低認知負荷。該游戲化學習設計框架適用于人工智能課程中培養(yǎng)學生的計算思維實踐，通過運用游戲元素發(fā)展和創(chuàng)新人工智能課程的教與學方法。

[關(guān)鍵詞] 計算思維實踐; 游戲化學習; 人工智能課程; 高中生

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

一、引? ?言

計算思維是中小學教育的一個新興領(lǐng)域，主要關(guān)注個體運用計算機科學領(lǐng)域的思想方法解決問題。由計算思維概念（如條件、循環(huán)、變量等）和計算思維實踐（如分解、抽象、模式識別等）構(gòu)成的一系列思維和技能[1-2]。智能時代強調(diào)計算思維對21世紀數(shù)字公民的重要性[3]，一些國家將計算思維教育納入學校課程[4]?！镀胀ǜ咧行畔⒓夹g(shù)課程標準（2017 年版）》要求學生利用開源人工智能應用框架搭建簡單智能系統(tǒng)培養(yǎng)計算思維[5]，美國《K-12計算機科學課程國家標準（2017年版）》要求學生能夠使用人工智能實現(xiàn)與人類玩游戲或解決問題發(fā)展計算思維[6]。然而實際的人工智能課程教學中大部分是對人工智能技術(shù)的體驗，理論學習停留在對原理了解的層面[7]。教師在教學中更偏于編程算法的講授[8]與智能技術(shù)的應用，對學生思維能力的培養(yǎng)不足[9-10]。因此，有必要研究人工智能課程中如何發(fā)展學生的計算思維實踐。計算思維實踐關(guān)注解決問題的思維過程與方法，被認為過于抽象[11]，具有內(nèi)隱性[12]的特點，通過傳統(tǒng)的教學方法難以達到預期學習效果，也不易被學習者自主探究和應用[11]。在新興信息技術(shù)的作用下，學習應更具有情境性，實現(xiàn)個性化、適應性學習[13]。游戲化學習被認為是培養(yǎng)計算思維實踐的有效學習策略[14]，關(guān)注解決問題的過程與方法，不僅能將抽象、隱性的知識技能具體化、操作化和游戲化，還能提高學生的參與度和個性化學習機會[15]。基于此，本研究將人工智能課程內(nèi)容、游戲設計和計算思維實踐三者融合，依據(jù)計算思維實踐要素設計“挑戰(zhàn)Alpha井字棋”游戲，探究高中生在計算思維實踐、人工智能學科知識、興趣和動機等方面的學習表現(xiàn)。

二、文獻綜述

（一）人工智能課程中計算思維實踐研究

計算思維實踐通常被描述為一種思維實踐的過程[14]，由若干個解決問題的方法要素構(gòu)成。許多學者對計算思維實踐的構(gòu)成要素提出不同的觀點，見表1。在跨學科課程學習中通過各種形式的認知和非認知活動培養(yǎng)計算思維實踐[20]。高中“人工智能初步”選擇性必修課程，要求學習者設計和開發(fā)人工智能產(chǎn)品培養(yǎng)學生計算思維實踐的抽象、建模、算法和遷移等。美國《K-12計算機科學框架》明確了培養(yǎng)學生模式識別、抽象等計算思維實踐。王甲海等提出人工智能教學與計算思維實踐培養(yǎng)的觀點，如知識表示的學習培養(yǎng)建模、形式化、抽象和分解等;另外，人工智能實驗課程要求學生對人工智能問題進行分析、建模，切實培養(yǎng)計算思維實踐[21]。可以看出，人工智能課程中開展教學活動培養(yǎng)計算思維實踐的適切性和有效性。結(jié)合人工智能課程中開展游戲化學習的教學案例，本研究確定了計算思維實踐五要素包括分解、抽象、模式識別、算法、調(diào)試。

（二）游戲化學習對計算思維實踐的影響研究

游戲化學習是利用游戲的內(nèi)在動機、元素（規(guī)則、角色、挑戰(zhàn)和交互等）以達到正式和非正式學習的目的，學生通過玩游戲或設計游戲獲得知識、技能、情感和高階思維[22-23]。Wu 和 Richards分析多種研究數(shù)據(jù)（問卷調(diào)查、課堂記錄、游戲設計方案和半結(jié)構(gòu)化訪談資料），驗證了游戲化學習對培養(yǎng)學生計算思維實踐的有效性 [24]。有研究者讓學習者通過模仿、試錯、設計游戲提高計算思維實踐，如Weintrop等人發(fā)現(xiàn)學習者在建筑游戲過程中逐漸形成計算思維實踐[25]。Grizioti等人設計了一款可編程的字謎游戲，通過操作、編程和修改數(shù)字化人體模型向同伴描述一個單詞，該游戲能夠發(fā)展學生計算思維實踐[11]。韋巴赫提出應用游戲的基本要素是游戲化的關(guān)鍵[26]。Agbo提出讓學習者和研究人員在線協(xié)同設計迷你游戲，創(chuàng)造融入游戲場景和游戲元素的計算思維實踐[27]。張學軍等人在分析計算思維要素、Python要素及游戲要素的基礎上，構(gòu)建Python課程中數(shù)字化游戲培養(yǎng)高中生計算思維的教學模型，基于該教學模型的教學顯著提升學生的計算思維[28]。為了測評游戲化學習的應用效果，Garris等人提出了輸入—過程—結(jié)果（Input-Process-Outcome， IPO）游戲化學習模型[29]，并廣泛應用于游戲化學習研究[30-31]。通過游戲化學習培養(yǎng)計算思維實踐的研究已取得了較多的成果，這也為本研究提出如何在高中人工智能課程中開展游戲化學習培養(yǎng)計算思維實踐提供了思路和方法。

綜上可知，人工智能課程、游戲化學習和計算思維實踐三者可以進行融合。人工智能課程內(nèi)容具有多學科的特點，通過解決復雜、模糊的真實問題培養(yǎng)計算思維實踐，游戲化學習能夠激發(fā)學習人工智能課程的興趣和動機，也是促進計算實踐思維發(fā)展的有效學習策略。本研究擬解決以下問題：

1. 人工智能課程中游戲化學習是否影響高中生計算思維實踐？對分解、抽象、模式識別、算法、調(diào)試五個要素中哪些要素水平的影響程度更高？

2. 人工智能課程中游戲化學習是否有助于高中生學習人工智能學科知識？

3. 人工智能課程中游戲化學習是否對高中生學習興趣、動機、自信心和認知負荷具有顯著正向影響？

三、研究設計

（一）研究對象

本研究選擇某中學高一年級的241名學生為研究對象，在計算機教室完成了“挑戰(zhàn)Alpha井字棋”6個課時的學習。在學習“挑戰(zhàn)Alpha井字棋”內(nèi)容前，他們已經(jīng)掌握Python語言的基本知識，體驗編程解決問題的基本過程，能夠運用順序、選擇和循環(huán)三種結(jié)構(gòu)編寫程序，具備利用計算機解決問題的基本能力。本項目由一名經(jīng)驗豐富的信息技術(shù)教師教學，已具備人工智能學科知識與專業(yè)技能，以及游戲化教學實踐能力。

（二）研究過程

本研究采用準實驗研究來探究人工智能課程中基于游戲化學習框架開展活動對高中生人工智能學科知識、計算思維實踐、興趣和動機等的影響效果。如圖1所示，在課程學習前后通過調(diào)查問卷對學生的學習興趣、動機、自信心和認知負荷進行前后測;每個課時學習過程中通過任務單測評計算思維實踐，并在課程學習前后進行計算思維實踐調(diào)查問卷測評;在第六課時學習結(jié)束一周后，測評人工智能學科知識。

（三）研究工具

本研究根據(jù)測評的不同維度改編和自編測量工具，包括問卷、測試題、學習任務單、評價量規(guī)等。問卷設計均采用里克特五級量表記分：“很不贊同”“不贊同”“贊同”“很贊同”和“非常贊同”分別計作1分、2分、3分、4分、5分，得分越高表示該學生在該維度的表現(xiàn)水平越高（越低）。

1. 計算思維實踐測評工具

（1）調(diào)查問卷。結(jié)合計算思維實踐五個核心要素“分解、抽象、模式識別、算法、調(diào)試”，確定8個測量題目，如“我能夠?qū)⑷蝿找杂嬎銠C解決的方式進行處理，并能用形象化的方式表述;我能夠設計解決任務的方案”。采用SPSS 22.0測量問卷的克隆巴赫系數(shù)值為0.946，問卷信度良好。

（2）學習任務單。根據(jù)游戲設計任務設計計算思維實踐要素任務單，主要有游戲任務、程序分解（分解），設計井字棋AI游戲流程圖（抽象），運用評估函數(shù)計算評估值選擇局面最優(yōu)落子位置（模式識別），制作棋盤等任務程序設計（算法），任務程序調(diào)試和運行（調(diào)試）等題目。任務單總分為100，學生在每課時學習后提交任務單到作業(yè)收集平臺，教師查閱批改。教師評價學生任務單的成績客觀測評學生計算思維實踐水平。

（3）游戲作品評價量規(guī)。依據(jù)計算思維實踐在游戲設計過程的具體運用及分解、抽象、模式識別、算法和調(diào)試五個要素的基本內(nèi)涵[32，14]，研究者設計評價量規(guī)對學生游戲作品展開評價。該評價量規(guī)由一名博士研究生和一名碩士研究生編制，再交予授課教師審核，經(jīng)過共同討論、修訂確定該評價量規(guī)適用于計算思維實踐的測評。該評價量規(guī)等級為“優(yōu)秀、良好、中等、及格和不及格”分別用“5、4、3、2、1”表示。

2. 人工智能學科知識測試題

授課教師和高中人工智能課題組成員根據(jù)“挑戰(zhàn)Alpha井字棋”學習目標研討共同編制測試題，包括3個選擇題、6個填空題、4個判斷題和2個材料分析題，總計100分。SPSS22.0分析得到測試題的難度系數(shù)相當，區(qū)分度良好。

3. 情感態(tài)度測評工具

本研究情感態(tài)度維度主要測評學生對人工智能課程的學習興趣、學習動機、自信心和認知負荷，四個維度測量題目均來自被廣泛應用、信度和效度良好的量表[33-35]。

（四）人工智能課程中游戲化學習活動設計——以“挑戰(zhàn)Alpha井字棋”為例

IPO（Input-Process-Outcome）游戲化學習模型包括輸入、過程和結(jié)果三部分。本研究基于IPO游戲化學習模型設計人工智能課程中游戲化學習框架，指導人工智能課程融入計算思維實踐要素的游戲設計活動。該框架包括（1）輸入：人工智能課程教學內(nèi)容，與項目包含的游戲元素;（2）過程：基于學習內(nèi)容根據(jù)游戲元素確定游戲設計的過程，并運用計算思維實踐要素實現(xiàn)游戲設計活動;（3）結(jié)果：計算思維實踐培養(yǎng)目標的實現(xiàn)情況和人工智能學科知識、情感態(tài)度的學習結(jié)果。具體學習框架圖如圖2所示。

1. 輸入：AI學科知識

“挑戰(zhàn)Alpha井字棋”是高中人工智能課程“表達與推理”[36]內(nèi)容模塊下設計的教學案例，圍繞設計一個簡易版人機博弈型AI——井字棋AI實現(xiàn)人機對弈的過程?；孟?、規(guī)則、挑戰(zhàn)和控制等游戲元素是設計該游戲的基礎，以此確定游戲設計的主要環(huán)節(jié)。通過設計“挑戰(zhàn)Alpha井字棋”游戲，學生能夠構(gòu)建井字棋博弈樹，運用啟發(fā)式搜索、評估函數(shù)推理玩家和井字棋AI的最佳落子位置，掌握博弈樹、啟發(fā)式搜索、評估函數(shù)設計等知識和原理。

2. 過程：游戲設計

如表2所示，學生在“挑戰(zhàn)Alpha井字棋”游戲過程中運用計算實踐要素實現(xiàn)界面設計、游戲規(guī)則、角色分配、游戲任務、游戲挑戰(zhàn)和游戲結(jié)果等井字棋AI游戲的功能設計與應用開發(fā)。教師設計圖示化支架支持學生游戲設計與開發(fā)。如界面設計示意圖和游戲結(jié)果示意圖運用圖片的方式表征信息，幫助學生理解;游戲規(guī)則流程圖運用流程圖表示游戲設計要素間的關(guān)系，幫助學生全局性地理解、分析，訓練思維。具體學習活動過程見表2。

3. 輸出：人工智能學科知識、計算思維實踐與情感態(tài)度

本研究輸出結(jié)果主要考察培養(yǎng)目標計算思維實踐的實現(xiàn)情況和人工智能學科知識、情感態(tài)度方面的學習結(jié)果。其中計算思維實踐通過對學習者在學習過程中計算思維實踐的提升進行測評，人工智能學科知識通過對學習者人工智能知識概念的掌握情況進行測評，情感態(tài)度通過對學習者的人工智能課程學習興趣、動機、自信心、認知負荷進行測評。

四、研究結(jié)果分析

（一）學生計算思維實踐顯著提升，在分解、抽象、模式識別要素水平上表現(xiàn)優(yōu)異

為了測評學生在“挑戰(zhàn)Alpha井字棋”游戲化學習始末計算思維實踐的影響程度，運用SPSS22.0進行配對樣本t檢驗，結(jié)果見表3。學生的計算思維實踐隨著學習課時的增加顯著提升（M前測=3.50，M后測=3.72，p=0.011<0.05），且存在顯著差異。此外，對計算思維實踐各要素前后測均值進行了比較，其中調(diào)試（p=0.007<0.01）較為顯著，分解（p=0.039<0.05）、抽象（p=0.019<0.05）、算法（p=0.012<0.05）要素呈現(xiàn)顯著差異，模式識別（p=0.108>0.05）不存在顯著差異。分解、抽象和模式識別水平上的表現(xiàn)在前后測中都相對較高，其次是調(diào)試、算法。學生的計算思維實踐通過人工智能課程中游戲化學習得以培養(yǎng)和提升，并在分解、抽象、模式識別、算法、調(diào)試五個要素的表現(xiàn)明顯提高。

1. 學習任務單在模式識別、分解、抽象要素表現(xiàn)出良好水平

除了以上通過調(diào)查問卷測評學生的計算思維實踐外，本研究還采用任務單的形式記錄過程性學習結(jié)果，測評計算思維實踐及其要素的具體表現(xiàn)。任務單成績結(jié)果表明241名學生基本能夠完成井字棋AI游戲的設計，計算思維實踐整體水平得分為73。此外，學生的計算思維實踐五個要素處于合格水平以上的比例分別是分解（92.9%）、抽象（91.7%）、模式識別（93.8%）、算法（89.4%）、調(diào)試（85.9%）?？梢钥闯觯瑢W習任務單測評結(jié)果說明了學生在模式識別、分解和抽象三個要素水平上表現(xiàn)出較高水平。通過以下抽象、模式識別、算法三個要素示例任務進一步說明學生在游戲設計過程中計算思維實踐要素的體現(xiàn)。

（1）抽象：學生用自然語言描述井字棋游戲規(guī)則，抽象出基本要素和關(guān)系，并根據(jù)教師提供的圖示化支架表示井字棋AI游戲設計過程。如圖3（a）所示，學生拖動提供的元素設計完整的井字棋AI設計流程圖。

（2）模式識別：運用井字棋評估函數(shù)的設計可以得出最優(yōu)落子位置，以計算棋局局面評估值的方法說明評估函數(shù)的應用原理。如圖3（b）所示，學生計算評估值得出下一步對自己最有利的落子位置，找到最優(yōu)落子位置。此類問題都可以通過這種方法解決。

（3）算法：學生分析制作井字棋棋盤的算法，設計一個3x3井字棋AI棋盤的程序，如圖3（c）所示。

2. 游戲作品分析

（1）游戲作品在分解、抽象和模式識別上表現(xiàn)出較高水平。通過學生自由設計井字棋AI作品總結(jié)性評價計算思維實踐水平。由“挑戰(zhàn)Alpha井字棋”任課教師、一名博士研究生和一名碩士研究生組成評價小組，依據(jù)游戲作品評價量規(guī)對學生設計井字棋AI作品打分最高分為5分，最低分為1分。三位評閱成員對學生作品各個要素評價的平均分為學生在該要素上的最終得分。結(jié)果表明學生作品在分解（M得分=3.80）、抽象（M得分=3.71）和模式識別（M得分=3.62）要素水平上的得分較高，算法（M得分=3.49）和調(diào)試（M得分=3.58）水平較低。

（2）游戲作品高中低水平組在計算思維實踐各要素上存在顯著差異。依據(jù)學生作品得分進行高（前30%）、中（中40%）、低（后30%）三個組別劃分。采用單因素方差分析對比三個組別在分解、抽象、模式識別、算法和調(diào)試五個要素上是否存在顯著性差異，結(jié)果表明高中低三個組在五個要素水平上的顯著性p值均小于0.05，則存在顯著性差異。其中，高分組在五個要素上的得分均高于中分組和低分組，中分組均高于低分組。高、中、低三個組別的學生作品在五個要素上的具體對比結(jié)果見表4。

（二）多數(shù)學生能夠較好地掌握人工智能學科知識

通過分析241名學生的隨堂測試題結(jié)果，得知學生人工智能學科知識水平整體表現(xiàn)良好，及格率達到70%，高于80分的學生比例占25%，70分到80分的學生占比26%。依據(jù)測試題目分析結(jié)果，發(fā)現(xiàn)學生在評估函數(shù)知識點上比較薄弱，不能很好地應用于具體的問題解決中，需要精準攻克這部分知識點的學習理解和實際應用。

（三）學生的人工智能課程學習興趣、動機、自信心均有提高，認知負荷降低

由表5可知，學生在學習人工智能課程學習前、后的學習興趣、動機、自信心和認知負荷方面都發(fā)生變化，學習興趣（M后測>M前測）、動機（M后測>M前測，p<0.05）和自信心（M后測>M前測，p<0.05）都有所提高，且在自信心和學習動機方面顯著提高;在認知負荷方面，學生認為學習人工智能課程的心理負荷隨著學習內(nèi)容的增加逐漸降低（M后測

五、討論與研究結(jié)論

本研究基于IPO游戲化學習模型設計了在人工智能課程中培養(yǎng)高中生計算思維實踐的游戲化學習框架，以提高學習者的人工智能學科知識、計算思維實踐和情感態(tài)度等。研究結(jié)果表明，在人工智能課程中將計算思維實踐要素、游戲要素融入學生游戲設計的過程，不僅能夠促進高中生計算思維實踐、人工智能學科知識，也能提高學習興趣、動機與自信心以及降低認知負荷。

（一）運用分解、抽象、模式識別、算法、調(diào)試五個要素設計游戲并提供具體明確的圖示化支架，促進計算思維實踐的發(fā)展

通過游戲設計培養(yǎng)計算思維實踐的研究得到研究者的關(guān)注[37-38]。本研究結(jié)果表明，人工智能課程中開展游戲設計活動可以顯著提高學生的計算思維實踐，學生在分解、抽象、模式識別、算法、調(diào)試的表現(xiàn)上均取得提升。已有研究得出一致結(jié)論，Atmatzidou通過教育機器人游戲化活動發(fā)展學生分解、抽象、算法、一般化等計算思維實踐[39]。這可能是計算思維實踐要素在游戲化學習中起著重要作用[40]，正如本研究運用計算思維實踐要素設計井字棋AI游戲的過程。例如，學生將井字棋游戲分解為五個子任務，運用流程圖抽象表示井字棋AI游戲的規(guī)則和解決方案，通過構(gòu)建井字棋博弈樹、設計評估函數(shù)等任務的模式識別和程序設計、調(diào)試實現(xiàn)人機挑戰(zhàn)的過程。本研究中教師設計相應的圖示化支架支持學生展開游戲設計，比如“挑戰(zhàn)Alpha井字棋”游戲任務分解圖、棋盤界面示意圖、游戲設計流程圖等支持學生運用分解、抽象、模式識別等要素展開相應的游戲設計活動，促進計算思維實踐要素在學生游戲設計過程中發(fā)展的實時性和恰當性。教學過程中合理搭建支架，將學習內(nèi)容、目標和任務與先前知識經(jīng)驗聯(lián)系起來，促進有意義的知識建構(gòu)，提升學習效果[41]。

（二）設計難度遞進的游戲挑戰(zhàn)任務，促進人工智能學科知識的習得

研究結(jié)果表明，“挑戰(zhàn)Alpha井字棋”游戲化學習能夠有效促進學生的人工智能學科知識水平，參與設計游戲的挑戰(zhàn)任務對學生的認知發(fā)展有積極影響。Grivokostopoulou基于地圖著色游戲開展游戲活動促進學生學習約束滿足算法等人工智能知識[42]。游戲在青少年認知發(fā)展中起著主要的作用，學習者能夠認識到他們原有知識與通過游戲挑戰(zhàn)任務習得的能力之間的平衡狀態(tài)，從而提高學習表現(xiàn)[43]。教師需要遴選符合學習者認知發(fā)展的學習內(nèi)容，將學習內(nèi)容設計為具有挑戰(zhàn)性的游戲任務。游戲挑戰(zhàn)任務既要體現(xiàn)游戲設計從簡單到復雜的進階過程，反饋過程性學習效果;也要考慮學生的認知負荷，任務目標和內(nèi)容的難度需逐漸遞進。在本研究中設計游戲挑戰(zhàn)任務學習人工智能學科知識，比如設計井字棋AI隨機落子和井字棋AI有策略落子。井字棋AI游戲設計逐漸復雜，任務難度逐漸遞進，學習內(nèi)容隨之深入，有效促進人工智能學科知識在學生游戲設計過程中的建構(gòu)與應用。

（三）凸顯幻想、規(guī)則、挑戰(zhàn)等游戲元素的設計活動，促進人工智能課程學習興趣、動機和自信心的提升

一些研究表明游戲化學習可以提高學生對人工智能課程的學習興趣和動機[44]。為了強調(diào)動機對游戲化學習的影響作用，在IPO模型中融入動機要素提出動機評估導向的輸入—過程—結(jié)果模型（MotIPO）[45]。本研究結(jié)果也驗證了游戲化學習更能吸引學生，在學習人工智能課程過程中表現(xiàn)出更高的興趣、動機和自信心，認知負荷降低。這可能與游戲元素高度相關(guān)，幻想、規(guī)則、挑戰(zhàn)等游戲元素使得學習者能夠沉浸于游戲活動中，甚至進入心流狀態(tài)[46]。心流狀態(tài)下的學習者沉浸于解決游戲中的任務，獲得知識和技能[47]，激發(fā)學習興趣和動機[48]。本研究中學生幻想自己和智能機器人（井字棋AI）下井字棋，挑戰(zhàn)井字棋AI，引起強烈興趣，認知負荷降低;學生設計更具有挑戰(zhàn)性與更智能的下棋機器人，動機不斷加強;在和井字棋AI 不斷博弈的過程中，挑戰(zhàn)獲勝概率都會提高自信心。因此，游戲化學習中凸顯游戲元素的設計活動能夠提高學生學習人工智能課程情感態(tài)度方面的學習表現(xiàn)。

[參考文獻]

[1] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]//Proceedings of the 2012 annual meeting of the American educational research association. Vancouver： Canada，2012.

[2] GROVER S， PEA R. Computational thinking： a competency whose time has come[C]//Computer Science Education： Perspectives on teaching and learning. SENTANCE S， CARSTEN S， BARENDSEN E. Bloomsbury： 2018.

[3] WING J M. Computational thinking and thinking about computing[J]. Philosophical transactions of the royal society A： mathematical， physical and engineering sciences， 2008，366（1881）：3717-3725.

[4] WATERMAN K P， GOLDSMITH L， PASQUALE M. Integrating computational thinking into elementary science curriculum： an examination of activities that support students' computational thinking in the service of? disciplinary learning[J]. Journal of science education and technology， 2020， 29（1）：53-64.

[5] 中華人民共和國教育部.普通高中信息技術(shù)課程標準（2017年版）[M].北京：人民教育出版社，2018：6.

[6] CSTA.K-12 Computer Science Stantards， Revised 2017 [EB/OL].[2020-01-05].https：//www.csteachers.org/page/standards.

[7] 張建彬.初中人工智能課程建設初探[J].中小學信息技術(shù)教育，2019（12）：62-64.

[8] 張志新，杜慧，高露，高凱.發(fā)達地區(qū)中小學人工智能課程建設現(xiàn)狀、問題與對策——以某“新一線”城市為例探討[J].中國電化教育，2020（9）：40-49.

[9] 謝忠新，曹楊璐，李盈.中小學人工智能課程內(nèi)容設計探究[J].中國電化教育，2019（4）：17-22.

[10] 張學軍，董曉輝.高中人工智能課程項目案例資源設計與開發(fā)[J].電化教育研究，2019，40（8）：87-95.

[11] GRIZIOTI M， KYNIGOS C. Code the mime： a 3D programmable charades game for computational thinking in MaLT2[J]. British journal of educational technology， 2021， 52（3）： 1004-1023.

[12] ROWE E， ALMEDA M V， ASBELL-CLARKE J， et al. Assessing implicit computational thinking in zoombinis puzzle gameplay[J]. Computers in human behavior， 2021， 120（1）：106707.

[13] 俞樹煜.從輔助到創(chuàng)新：教育中技術(shù)作用的再認識[J].電化教育研究，2021，42（12）：21-28，35.

[14] ASBELL-CLARKE J， ROWE E， ALMEDA V， et al. The development of students' computational thinking practices in elementary- and middle-school classes using the learning game， zoombinis[J]. Computers in human behavior， 2020，115：1-14.

[15] MCCLARTY K L， ORR A， et al. A literature review of gaming in education[M]. New Jersey： Pearson Publishing，2012.

[16] GROVER S， PEA R. Computational thinking in K-12 a review of the state of the field[J]. Educational researcher， 2013， 42（1）：38-43.

[17] HOOSHYAR D， LIM H， PEDASTE M， YANG K， FATHI M， YANG Y， et al. AutoThinking： an adaptive computational thinking game[C]// International Conference on Innovative Technologies and Learning. Cham：Springer， 2019.

[18] 李鋒，程亮，顧小清. 計算思維學業(yè)評價的內(nèi)容構(gòu)建與方法設計——文獻比較研究的視角[J]. 中國遠程教育，2022（2）： 65-75，77.

[19] MILLS K， COENRAAD M， RUIZ P， BURKE Q， WEISGRAU J. Computational thinking for an inclusive world： a resource for educators to learn and lead[R]. U.S. Department of Digital Promise， 2021.

[20] SNEIDER C， STEPHENSIN C， SCHAFER B， FLICK L. Exploring the science framework and NGSS： computational thinking in the science classroom[J]. Science scope， 2014， 38（3）：10-15.

[21] 王甲海，印鑒.人工智能教學與計算思維培養(yǎng)[J].計算機教育，2010（19）：68-70.

[22] KAFAI Y B. Playing and making games for learning[J]. Games and culture， 2006， 1（1）：36-40.

[23] 于穎，陳文文，于興華.STEM游戲化學習活動設計框架[J].開放教育研究，2021，27（1）：94-105.

[24] WU M L， RICHARDS K. Facilitating Computational Thinking through Game Design[C]// International Conference on Technologies for E-Learning and Digital Entertainment. Berlin， Heidelberg： Springer， 2011.

[25] WEINTROP D， BEHESHTI E， HORN M， ORTON K， JONA K， TROUILLE L， WILENSKY U. Defining computational thinking for mathematics and science classrooms[J]. Journal of science education and technology， 2016， 25（1）：127-147.

[26] 韋巴赫，亨特.游戲化思維：改變未來商業(yè)的新力量[M].周逵，王曉丹，譯.杭州：浙江人民出版社，2014.

[27] AGBO F J， OYELERE S S， SUHONEN J， LAINE T H. Co-design of mini games for learning computational thinking in an online environment[J]. Education and information technologies， 2021， 26（5）：5815-5849.

[28] 張學軍，岳彥龍，梁嶼藩. Python課程中數(shù)字化游戲教學培養(yǎng)高中生計算思維的實證研究[J].電化教育研究，2021，42（7）：91-98.

[29] GARRIS R， AHLERS R， DRISKELL J E. Games， motivation， and learning： a research and practice model[J]. Simulation & gaming， 2002， 33（4）：441-467.

[30] LANDERS R N. Developing a theory of gamified learning[J]. Simulation & gaming， 2014， 45（6）：752-768.

[31] HSIAO H S， CHEN J C. Using a gesture interactive game-based learning approach to improve preschool children's learning performance and motor skills[J]. Computers & education， 2016， 95：151-162.

[32] SHUTE V J， SUN C， ASBELL-CLARKE J. Demystifying computational thinking[J]. Educational research review， 2017， 22：142-158.

[33] MCAULEY E，DUNCAN T，TAMMEN V V. Psychometric properties of the intrinsic motivation inventory in a competitive sport setting： a confirmatory factor analysis[J]. Research quarterly for exercise and sport， 1989， 60（1）： 48-58.

[34] HWANG G J， YANG L H， WANG S Y. A concept map-embedded educational computer game for improving students' learning performance in natural science courses[J]. Computers & education， 2013， 69（5）：121-130.

[35] CHANG C， YUAN R， CHEN J K. Social support and depression among Chinese adolescents： the mediating roles of self-esteem and self-efficacy[J]. Children and youth services review， 2018，88：128-134.

[36] 中國教育學會.中小學人工智能課程開發(fā)標準[EB/OL].（2021-10-20）[2022-9-10].http：//www.cse.edu.cn/.

[37] BERLAND M，LEE V R. Collaborative strategic board games as a site for distributed computational thinking[J]. International journal of game-based learning， 2011， 1（2）：65-81.

[38] JENSON J，DROUMEVA M. Exploring media literacy and computational thinking： a game maker curriculum study[J]. Electronic journal of e-Learning， 2016， 14（2）：111-121.

[39] ATMATZIDOU S， DEMETRIADIS S. Advancing students' computational thinking skills through educational robotics： a study on age and gender relevant differences[J]. Robotics & autonomous systems， 2016， 75（1）：661-670.

[40] ROSE S， HABGOOD J， JAY T. Pirate Plunder： Game-Based Computational Thinking Using Scratch Blocks[C]// 12th European Conference on Game Based Learning， SKEMA Business School， Sophia Antipolis， France， 2018.

[41] 潘星竹，姜強，黃麗，趙蔚，王利思.“支架+”STEM教學模式設計及實踐研究——面向高階思維能力培養(yǎng)[J].現(xiàn)代遠距離教育，2019（3）：56-64.

[42] GRIVOKOSTOPOULOU F， PERIKOS I， HATZILYGEROUDIS I. A Collaborative Game for Learning Algorithms[C]// 9th International Conference on Computer Supported Education. Porto， Portugal： CSEDU， 2017： 543-549.

[43] CSIKSZENTMIHALYI M. Beyond boredom and anxiety[M]. San Francisco： Jossey-Bass， 1975.

[44] SHARMA K， PAPAVLASOPOULOU S， GIANNAKOS M. Coding games and robots to enhance computational thinking： how collaboration and engagement moderate children's attitudes？[J]. International journal of child-computer interaction， 2019， 21：65-76.

[45] GHERGULESCU I， MUNTEAN C H. Motivation monitoring and assessment extension for input-process-outcome game model[J]. International journal of game-based learning， 2014， 4（2）：15-35.

[46] CSIKSZENTMIHALYI M . Flow： the psychology of optimal experience[M]. New York： Harper Collins， 1990.

[47] 喬愛玲，龔鑫，韓涵.形式差異的外部概念支架對學生游戲化學習心流和效果的影響[J].電化教育研究，2021，42（12）：86-92，99.

[48] CHENG M T， SHE H C， ANNETTA L A. Game immersion experience： its hierarchical structure and impact on game-based science learning[J]. Journal of computer assisted learning， 2014，31（3）：232-253.

Research on Gamification Learning in Artificial Intelligence Course to Cultivate High School Students' Computational Thinking Practices

—Take "Challenge Alpha Tic Tac Toe" as An Example

ZHANG Yi1，? MA Jingsi1，? ZHOU Pinghong1， LIU Jinfang1，? WANG Kang1，? GAO Hanrui1，? PENG Jing2

（1.Faculty of Artificial Intelligence Education， Central China Normal University， Wuhan Hubei 430079;

2.The First Affiliated High School of Central China Normal University， Wuhan Hubei 430079）

[Abstract] Promoting artificial intelligence education in primary and secondary schools to cultivate students' computational thinking has become a common goal and requirement of education policies and curriculum standards at home and abroad. At present， the artificial intelligence courses in primary and secondary schools mainly focuses on the learning of theoretical knowledge and the experience of intelligent technology， ignoring the cultivation of students' thinking skills. Based on the Input-Process-Outcome （IPO） gamification learning model， this paper effectively integrates the content of artificial intelligence courses， game elements and practical elements of computational thinking， and takes the game "Challenge Alpha Tic Tac Toe" as an example to carry out gamification learning to promote the cultivation of computational thinking practice in high school students. Through the analysis of tests， game design tasks， questionnaires and game works， this paper investigates the effects of gamification learning on 241 high school students' computational thinking practice， artificial intelligence subject knowledge， and emotional attitudes. The results show that gamification learning in artificial intelligence courses can significantly improve high school students' overall level of computational thinking practices and five elements of decomposition， abstraction， pattern recognition， algorithm and debugging， promote students' artificial intelligence subject knowledge， and enhance students' learning interest， motivation， self-confidence， and reduce cognitive load. This gamification learning design framework is applicable to develop students' computational thinking practice in artificial intelligence courses， and develop and innovate teaching and learning methods in artificial intelligence courses by using game elements.

[Keywords] Computational Thinking Practices; Gamification Learning; Artificial Intelligence Courses; High School Students

[作者簡介] 張屹（1967—），女，湖北武漢人。教授，博士，主要從事智慧教育、計算思維教育、教育信息化測評與發(fā)展戰(zhàn)略、教育信息化技術(shù)標準研究。E-mail：zhangyi@mail.ccnu.edu.cn。

基金項目：2022年國家自然科學基金面上項目“面向計算思維的中小學人工智能教育框架理論與實踐研究”（項目編號：72274076）;2021年華中師范大學國家教師發(fā)展協(xié)同創(chuàng)新實驗基地建設研究項目“中小學人工智能教育教材研發(fā)與應用研究”（項目編號：CCNUTEIII 2021-06）