计算思维：编程教育的本质目标

当面对一个复杂的工程问题时，经验丰富的工程师与新手之间的根本差异往往不在于知识的多少，而在于思维方式的本质不同。工程师会本能地将系统分解为可管理的模块，识别其中的重复模式，抽象出关键特征，然后设计出清晰、可重复执行的解决方案。这种思维模式不仅存在于工程领域，在科学研究、商业决策、艺术创作乃至日常生活的方方面面都发挥着关键作用。这正是计算思维——一种在信息时代日益重要的认知能力，其核心价值在于提供了一套系统化的方法论，使人类能够以结构化的方式面对复杂性，以自动化的思维处理重复性，以抽象化的策略把握本质。

计算思维概念的正式提出可以追溯到2006年，当时计算机科学家Jeannette Wing在《Communications of the ACM》发表了一篇具有里程碑意义的文章。在这篇文章中，Wing将计算思维定义为“一套解决人类问题、设计人类可理解的系统、以及在日常生活 中理解人类行为所需的心智过程”。这一定义将计算思维从计算机科学的专门领域提升为一种普适性的认知技能，其核心在于利用计算机科学的思维方式来扩展人类智能的边界。Wing进一步指出，计算思维是将问题形式化、并找到可以通过信息处理Agent有效执行的解决方案的过程。这一定义强调了计算思维的三个关键维度：抽象化、形式化和可执行性。抽象化意味着从具体细节中提取本质特征；形式化意味着用精确、无歧义的语言描述问题；可执行性则意味着解决方案能够在某种程度上被自动化地实施。

从认知科学的角度深入分析，计算思维包含四个相互关联的核心要素：分解、模式识别、抽象化和算法设计。这四个要素并非孤立存在，而是形成一个动态的认知框架，彼此支撑、相互强化。分解是将复杂问题拆解为可管理的子问题的过程，模式识别是在子问题或数据中发现重复结构的过程，抽象化是提取关键特征、忽略无关细节的过程，算法设计则是制定清晰、可重复执行的解决步骤的过程。这四个要素共同构成了计算思维的完整认知图景，反映了人类处理复杂信息的基本认知策略。从发展心理学的视角来看，计算思维的各个要素在儿童早期就开始萌芽，随着年龄增长和教育的深入，这些要素逐渐整合为一套连贯的思维框架。例如，幼儿在玩积木时会自然地进行分解——将一个大型结构拆分为多个小型组件；他们也会识别模式——发现某些形状总是以特定方式组合在一起。这些自发的活动为后来系统化的计算思维培养奠定了认知基础。

将计算思维与其他学科的思维方式进行比较，能够更清晰地揭示其独特价值。数学思维同样强调抽象和模式识别，但更侧重于形式证明和逻辑推导；物理思维关注的是建立精确的数学模型来描述自然现象；而计算思维则在此基础上增加了自动化和模拟的维度。计算思维的独特之处在于它不仅追求对问题的理解，更追求解决方案的可执行性和可重复性。这种特性使得计算思维成为连接理论理解与实践操作的桥梁，为各学科的问题解决提供了独特的方法论支撑。值得注意的是，计算思维并非计算机科学家的专属领地。正如数学思维渗透于各行各业、成为受过教育者的基本素养一样，计算思维在人工智能时代同样具有成为基础文化素养的潜力。Wing本人也曾强调，计算思维应该成为每个人的一项基本技能，就像阅读、写作和算术一样。这一观点深刻揭示了计算思维教育的时代意义。

编程与计算思维之间的关系是理解计算思维教育本质的关键。从最直接的意义上说，编程是计算思维的载体和实践工具。当学习者编写代码时，他们必须将抽象的思维过程转化为具体的指令序列，这一转化过程本身就是计算思维的实践。编程环境提供了一个独特的“思维实验室”，学习者可以在其中尝试、调试、迭代自己的思维过程，通过即时的反馈来完善解决方案。这种交互式的学习体验是计算思维培养的理想方式。然而，这里存在一个重要的区分需要深入探讨：掌握编程语法与具备计算思维是两个不同的层次。许多人能够熟练地编写代码，却缺乏系统性的问题解决策略；反之，有些人虽然不精通某门具体的编程语言，却拥有良好的计算思维能力。这意味着计算思维教育的目标不仅仅是培养“会写代码的人”，更重要的是培养“会用计算方式思考的人”。这一区分对于教学设计具有重要指导意义：课程设计应该围绕计算思维的各个要素展开，而非仅仅关注语法细节的讲解。

编程教育中常见的现象进一步印证了这一区分的重要性。当学习者初次接触编程时，他们往往将大量精力投入到语法学习中——记住分号的位置、理解缩进规则、避免拼写错误等。这种语法层面的挑战虽然重要，但如果课程设计不当，学习者可能会陷入“为语法而语法”的困境，而忽视了更高层次的计算思维培养。真正有效的编程教育应该帮助学习者在掌握基本语法后，尽快将注意力转移到问题解决上来——如何分析问题、如何设计解决方案、如何优化算法。这种从语法到思维的过渡是计算思维教育的关键转折点。值得注意的是，不同的编程语言和编程环境在支持计算思维培养方面具有不同的特点。视觉化编程环境如Scratch通过拖拽积木块的方式大幅降低了语法障碍，使学习者能够专注于逻辑和算法的设计；文本编程语言如Python则提供了更强的表达能力和更接近真实开发环境的体验。理解这些差异对于教学工具的选择和课程的设计具有重要意义。

不同的编程范式为计算思维培养提供了不同的认知视角和方法论支撑。过程式编程强调算法和过程分解，学习者需要思考如何将复杂任务分解为一系列有序的步骤，如何使用条件判断和循环结构来控制程序流程。这种范式直接对应了计算思维中的分解和算法设计要素，是培养结构化思维的理想起点。函数式编程则将函数和变换作为核心概念，学习者需要学会识别数据流和转换过程，学会使用高阶函数来实现代码复用。这种范式强化了抽象化和模式识别的思维方式，帮助学习者从“命令怎么做”转向“描述是什么”的思考方式。面向对象编程引入封装、继承和多态等概念，学习者需要学会从真实世界中抽象出概念模型，将数据和操作封装为对象，设计对象之间的关系。这种范式培养了系统建模能力和层次化思维，对于处理复杂系统尤为有效。每种范式都有其独特的认知贡献，没有绝对的优劣之分。综合学习多种范式能够为学习者提供更全面的计算思维训练，帮助他们根据不同的问题特征选择最合适的思维方式。Scratch与Python代表着计算思维教育工具选择的两个端点，它们之间的过渡构成了本书的核心教学路径。Scratch作为麻省理工学院媒体实验室开发的视觉化编程环境，其设计理念与儿童认知发展的特点高度契合。Scratch采用积木块式的编程方式，学习者无需记忆语法规则，只需将不同颜色和形状的积木块拼接在一起即可创建程序。这种“所见即所得”的方式消除了语法错误带来的挫败感，使学习者能够将全部注意力集中在逻辑设计上。Scratch的舞台和角色模型使程序可视化，学习者可以直观地看到自己程序的运行效果，这种即时反馈对于维持学习动机和促进理解都具有重要作用。

Scratch的成就远不止于消除语法障碍。从计算思维培养的角度看，Scratch提供了丰富的问题空间，支持分解、模式识别、抽象化和算法设计等各个要素的发展。以制作一个动画为例，学习者需要分解任务——将动画分解为场景设计、角色动作、音效配合等子任务；需要识别模式——发现角色动作往往是重复的，需要用循环结构来实现；需要抽象——从众多角色中提取共同的属性和行为；需要设计算法——规划角色移动的轨迹和时间轴。更重要的是，Scratch内置的消息机制和事件驱动模型帮助学习者理解并行和异步的概念，这些在传统教学中往往要到大学阶段才会涉及。Scratch社区的共享文化也是其教育价值的重要组成部分。学习者不仅可以参考他人的作品来学习新技巧，还可以通过改造和再创作来发展自己的设计能力。这种“ remixing文化”实际上也是一种重要的计算思维实践——理解现有解决方案、提取可复用的部分、为自己的目的重新组合。Scratch适合的年龄段跨度相当大，从8岁到16岁的学习者都能从中获益。对于年幼的学习者，Scratch提供了进入计算思维世界的友好入口；对于年龄较大的学习者，Scratch仍然可以作为快速原型设计的工具，帮助他们在动手实践中验证自己的算法思路。

当学习者准备进入文本编程的世界时，Python是一个理想的选择。Python的设计哲学强调代码的可读性和简洁性，其语法规则相对简单，降低了从视觉化编程过渡到文本编程的认知门槛。然而，这里需要强调的是，学习Python并非简单地“升级”Scratch技能，而是一次认知层面的重大跃迁。在Scratch中，程序结构和逻辑关系可以通过视觉化的方式直观呈现；而在Python中，学习者必须通过文本来表达和理解这些关系。这种从视觉表征到文本表征的转换是计算思维发展的重要里程碑，需要课程设计提供充分的过渡支持。Python的多范式支持为计算思维的深入培养提供了丰富的素材。在Python中，学习者既可以用过程式风格编写简单的脚本，也可以逐步过渡到函数式编程的思考方式，还可以最终掌握面向对象的方法论。这种渐进式的范式拓展与计算思维能力的发展阶段形成了良好的对应关系。此外，Python丰富的库生态系统使学习者能够接触到真实世界问题的复杂性。从数据处理到网络编程，从图形界面到机器学习，Python的应用领域涵盖了计算思维的各个方面，为学习者提供了持续成长的空间。

Scratch到Python的过渡不是简单的工具升级，而是认知发展的一次重要跃迁。这一过渡涉及多个层面的转换：从视觉化表征到文本表征、从封闭问题到开放问题、从模仿学习到独立创作、从语法驱动到思维驱动。每一个层面都需要谨慎的课程设计来支撑。例如，在过渡初期，可以设计“翻译型”的练习，让学习者将Scratch项目改写为Python代码，这种练习帮助学习者在熟悉的思维框架和新工具之间建立对应关系。随着学习深入，可以逐步引入Scratch难以实现的复杂项目，让学习者体验Python更强的表达能力和更广阔的应用空间。这种精心设计的过渡路径确保学习者在保持计算思维连续性的同时，获得新工具带来的成长。

从更宏观的视角来看，Scratch和Python构成了计算思维教育工具链的两个关键节点。在这两个端点之间，还存在着丰富的教学工具选择。例如，App Inventor作为另一个视觉化编程环境，与Scratch有着相似的设计理念，但面向移动应用开发；CodeCombat等游戏化编程平台通过游戏情境激发学习动机，同时传授编程概念；Processing等创意编程环境则强调艺术表达和视觉呈现。每种工具都有其独特的教育价值，教学者应该根据学习者的特点、课程目标和教学情境来选择合适的工具。本书的核心理念正在于此：计算思维教育不是某种工具的固执使用，而是一套基于认知发展规律的工具选择策略。Scratch和Python之所以本书中选择作为主要教学工具，是因为它们在各自的定位上都达到了极高的成熟度，并且共同覆盖了从启蒙到进阶的完整发展路径。

教育研究为上述教学理念提供了坚实的理论基础。建构主义学习理论强调知识不是被动接受的，而是学习者在与环境的交互中主动建构的。编程环境正是这种建构主义学习理论的理想实践场所——学习者通过编写程序、与计算机交互、观察结果、调整方案，不断完善自己对计算思维的理解。情境学习理论则指出，知识和技能的习得与其应用情境密切相关。Scratch和Python都提供了丰富的项目创作空间，学习者不是孤立地学习语法和算法，而是在真实的项目情境中习得和运用计算思维。认知负荷理论对于教学设计具有重要的指导意义。该理论区分了内在认知负荷、外在认知负荷和相关认知负荷三类。内在认知负荷取决于学习材料的复杂性，外在认知负荷由不良的教学设计引入，相关认知负荷则投入到与学习相关的深层认知加工中。Scratch通过消除语法负荷，最大限度地减少了外在认知负荷，使学习者能够将认知资源投入到计算思维的实质性学习中。Python通过简洁的语法设计降低了外在认知负荷，同时其丰富的抽象机制为相关认知负荷提供了足够的空间。

评估计算思维的发展水平是教学实践中的重要课题。传统的编程课程往往通过编程作品的完成度或考试中的算法题来评估学习者，这种评估方式虽然操作简便，但难以全面反映计算思维的发展状况。近年来，研究者开发了多种计算思维评估工具。CTt测试是基于程序轨迹的评估方法，通过分析学习者解决问题的过程来评估其计算思维能力。DrScratch项目开发了一套自动评估Scratch作品的框架，从分解、逻辑思维、抽象、同步、并行和用户感知六个维度评估作品的质量。也有研究者采用访谈和出声思维等质性方法来深入理解学习者的计算思维过程。这些评估工具的发展表明，计算思维的评估正在从单一的结果导向走向多维度的过程导向，这对于改进教学实践具有重要的反馈作用。

计算思维与21世纪技能之间存在深刻的联系。合作能力、批判性思维、创造力、沟通能力这些21世纪核心技能与计算思维形成了相互促进的关系。编程项目为协作学习提供了天然的场域，学习者需要分工合作、协商方案、整合代码；编程中的调试过程本身就是批判性思维的实践；编程创作鼓励学习者探索不同的解决方案，发展创造性思维；而代码的分享和项目的展示则锻炼了沟通能力。反过来，这些21世纪技能的发展也促进了计算思维的深化。当学习者能够更有效地协作时，他们能够更快地从他人那里学习计算思维的策略；当批判性思维能力增强时，他们能够更好地分析和改进自己的算法。因此，计算思维教育不应被视为孤立的技术教育，而应被整合到更广泛的能力培养框架中。

关于计算思维的教育政策和课程标准也在全球范围内逐步形成。美国计算机科学教师协会（CSTA）发布的K-12计算机科学标准明确将计算思维列为核心内容之一。英国将计算列为国家必修课程，从小学阶段就开始培养学生的计算思维。中国的信息技术课程标准也在不断强调计算思维的重要性，并将其与数字化学习与创新并列为信息技术学科的核心素养。这些政策动向反映了计算思维教育日益增长的重要性，也为一线教育者提供了课程设计的方向指引。然而，政策层面的重视与教学实践之间仍然存在差距。计算思维教育的有效实施需要教师具备相应的专业能力，需要充足的课时和资源支持，还需要与现有的学科教学进行有机整合。解决这些实践层面的挑战将是计算思维教育成功的关键。

本章系统地建立了计算思维的理论框架，为后续各章的深入探讨奠定了基础。计算思维由分解、模式识别、抽象化和算法设计四个核心要素构成，这些要素相互关联、动态交互，形成了计算思维独特的认知结构。编程是计算思维的载体和实践工具，但掌握编程语法与具备计算思维是两个不同的层次，教学设计应以后者为主要目标。不同的编程范式——过程式、函数式、面向对象——为计算思维培养提供了互补的认知视角和训练方式。Scratch和Python作为两种定位不同的教学工具，分别适合不同的认知发展阶段，它们的合理搭配使用能够为学习者提供连续、有效的计算思维发展路径。

在人工智能时代，计算思维的价值将进一步凸显。当机器能够执行越来越多的重复性任务时，人类的核心价值将越来越体现在那些需要创造力、判断力和系统思维的任务上——而这些恰恰是计算思维所培养的核心能力。计算思维不仅是解决计算机问题的思维方式，更是解决一切复杂问题的一般性方法论。因此，计算思维教育的目的不是培养程序员，而是培养能够在这个复杂世界中有效思考和行动的人。本书后续章节将从这一理论基点出发，详细讨论Scratch和Python环境下的具体教学策略和活动设计，为教育者提供可操作的指导方案，帮助他们在自己的教学实践中有效地培养学习者的计算思维。

计算思维锻造：从Scratch到Python的系统化编程启蒙

第 1 章：计算思维：编程教育的本质目标

当面对一个复杂的工程问题时，经验丰富的工程师与新手之间的根本差异往往不在于知识的多少，而在于思维方式的本质不同。工程师会本能地将系统分解为可管理的模块，识别其中的重复模式，抽象出关键特征，然后设计出清晰、可重复执行的解决方案。这种思维模式不仅存在于工程领域，在科学研究、商业决策、艺术创作乃至日常生活的方方面面都发挥着关键作用。这正是计算思维——一种在信息时代日益重要的认知能力，其核心价值在于提供了一套系统化的方法论，使人类能够以结构化的方式面对复杂性，以自动化的思维处理重复性，以抽象化的策略把握本质。

在当今这个被算法深度塑造的时代，计算思维的重要性正在以前所未有的速度增长。从推荐算法决定我们看到的新闻和视频，到导航系统规划最优路线，从医疗诊断辅助系统到金融风险评估模型，计算无处不在地渗透进社会的每一个角落。然而，这种渗透并不仅仅意味着我们需要理解计算机如何工作，更重要的是，我们需要理解计算机思维方式能够如何扩展人类的认知边界。在这个背景下，计算思维教育已经从一种“锦上添花”的技能培训，转变为塑造未来公民核心素养的基础工程。正如20世纪以来数学和语言能力被视为受过教育者的基本素养一样，计算思维正在成为21世纪知识经济时代的第四支柱，与阅读、写作和算术并列，共同构成现代人应对复杂世界的基本认知工具。

1.1 计算思维的定义与学术脉络

计算思维概念的正式提出可以追溯到2006年，当时计算机科学家Jeannette Wing在《Communications of the ACM》发表了一篇具有里程碑意义的文章，标题为"Computational Thinking"。在这篇简短而深刻的文章中，Wing将计算思维定义为“一套解决人类问题、设计人类可理解的系统、以及在日常生活 中理解人类行为所需的心智过程”。这一定义将计算思维从计算机科学的专门领域提升为一种普适性的认知技能，其核心在于利用计算机科学的思维方式来扩展人类智能的边界。Wing进一步指出，计算思维是这样一个过程：在这个过程中，问题被形式化，并以一种可以在信息处理Agent上有效执行的方式来表达解决方案。这里的信息处理Agent可以是人、计算机，或者两者的组合。

这一定义强调了计算思维的三个关键维度。抽象化意味着从具体细节中提取本质特征，它要求我们能够在不同层次上思考问题，区分什么是核心的、什么是次要的、什么是可以忽略的。形式化则意味着用精确、无歧义的语言描述问题，避免自然语言中常见的模糊性和歧义性。可执行性则意味着解决方案能够在某种程度上被自动化地实施，无论是通过计算机还是通过人类遵循明确的步骤。这三个维度共同构成了计算思维的独特性，使其有别于其他类型的思维方式。

然而，计算思维作为一个研究领域的学术脉络远早于Wing的文章。在计算机科学发展的早期，Seymour Papert就已经开始探索计算机对儿童思维发展的影响。Papert是人工智能先驱Marvin Minsky的学生，他在麻省理工学院人工智能实验室工作期间开发了Logo编程语言，并提出了著名的"Constructionism"（建构主义）理论。Papert认为，计算机能够成为儿童思维发展的强大工具，因为它允许儿童通过“做”来学习，将抽象的数学概念具象化为可操作的实体。虽然Papert没有使用"Computational Thinking"这个术语，但他的思想为计算思维教育奠定了重要的理论基础。在Papert看来，学习编程不是目的，而是让儿童“学会思考”的一种手段——学会如何分解问题、如何识别模式、如何通过迭代改进来完善自己的想法。

在Wing 2006年的定义之后，计算思维的研究呈现出蓬勃发展的态势。2