计算思维是21世纪人才必须具备的一项关键问题解决技能［1］， 被视为学生继阅读、 写作和算术之外的另一项基本素养［2］。我国《高中信息技术课程标准(2017年版2020年修订)》《义务教育信息科技课程标准(2022年版)》均将计算思维列为信息科技学科核心素养之一。在人工智能时代， 计算思维培养尤为重要。编程则是培养学生计算思维的有效方式［3］。然而， 当前面向计算思维培养的编程教学实践仍面临着编程工具“弱编程语法”与“强实用性”难以兼顾的困境。随着生成式人工智能技术的不断发展及其在编程领域的应用深化， 面向智能体构建的低代码编程为面向计算思维培养的编程教育提供了新思路。面向智能体构建的低代码编程指以低代码智能体开发平台为编程工具， 通过设计搭建智能体以解决真实问题的编程方式。2025年5月， 教育部基础教育教学指导委员会发布的《中小学人工智能通识教育指南(2025年版)》明确指出“初中应通过智能体搭建开发完成场景化应用实践， 高中应基于智能体工具开发跨学科融合的综合性人工智能解决方案”。在编程教育中， 学生的编程兴趣会影响其编程效能感与学习动机［4］， 进而影响其学习效果与计算思维发展。因此， 面向智能体构建的低代码编程教学不应仅关注对计算思维的影响， 还应关注对学生编程兴趣的影响。然而， 目前缺乏关于面向智能体构建的编程活动对学生计算思维及编程兴趣影响的实证研究。因此， 本研究旨在设计系列面向智能体构建的低代码编程活动， 采用准实验法考察其对学生计算思维与编程兴趣的影响， 以期为人工智能时代的编程教育提供实证证据与实践参考。

一、 文献综述

(一)编程与计算思维培养

计算思维是运用计算机科学的基础概念进行问题求解、 系统设计以及人类行为理解等涵盖计算机科学之广度的一系列思维活动［5］， 包括抽象、 分解、 算法、 评估、 泛化等核心要素［6］。图灵奖得主Dijkstra曾指出， 我们所使用的工具对我们的思维习惯有着深远(且微妙！)的影响， 因而也影响着我们的思维能力［7］。现阶段面向计算思维培养的编程教学实践中， 依据编程工具可分为文本编程、 可视化编程、 实体编程等类型［8］。文本编程是使用文本编程语言来进行编程。可视化编程又称图形化编程、 积木式编程， 是指以某种图形方式操作底层代码进行编程［9］。实体编程是指操作现实世界中的物理模块, 采用模块拼接的方式构建、 表达计算机程序指令［10］， 常用于幼儿和小学低年级编程教育。针对不同编程工具对学生计算思维培养的效果差异， 傅骞［11］等人发现可视化编程相较于文本编程更有利于培养学生计算思维。可视化编程具有接近人类语言、 易于阅读的特点， 学习者不再受到文本编程语言的语法语义困扰， 这不仅降低了学生的认知负荷， 使得学生可以专注于编程的逻辑结构以及问题解决［12］， 还能提升学生的编程学习兴趣， 进而促进学生计算思维发展。但是， 学习者认为文本编程是一种更真实、 更强大的编程工具， 更适宜解决真实性问题以及构建大型复杂程序［13］。因此， 当前面向计算思维培养的编程教学实践仍面临着编程工具“弱编程语法”与“强实用性”难以兼顾的困境。

(二)面向智能体构建的低代码编程

智能体是一种能够在给定环境中自主做出决策并执行行动的实体， 能够有效处理各种复杂任务［14］， AI智能体则利用大语言模型的能力以及外部工具来解决复杂任务， 为确保智能体遵循有效且可靠的流程来解决给定任务， 通常还会使用工作流来指导智能体的工作机制［15］。国内外发布了多个智能体开发平台， 包括纯代码智能体开发平台例如LangChain、 CrewAI等等， 以及低代码智能体开发平台， 例如Coze、 文心智能体中心、 智谱智能体中心等等。面向智能体构建的低代码编程是指以低代码智能体开发平台为编程工具， 通过设计搭建智能体以解决真实问题的编程方式。其编程内容主要包括智能体提示词编排、 工作流搭建、 知识库配置等。

(三)面向智能体构建的低代码编程与计算思维培养

计算思维是一种问题求解中的思维活动， 它不等于编程， 而是实现问题与问题解决方案之间的映射。面向计算思维培养的编程工具应具有低门槛、 高界限、 促进迁移等特征。低门槛是指编程工具应尽量降低工具本身的学习门槛， 使得学习者可以快速、 清晰地将问题描述转化为解决方案； 高界限指编程工具不应使学习者陷入“玩具般”的编程语言中， 而是可以真正解决复杂的问题； 促进迁移是指编程工具应使得学习者可以将计算思维迁移至其它领域并进行问题解决。面向智能体构建的低代码编程支持无代码或低代码方式创建智能体， 具有低门槛特征； 大语言模型及各类丰富的人工智能插件则赋予了其更高界限； 智能体编程制品具有更广阔的应用空间， 使学习者能迁移应用计算思维去解决各类真实问题。

在利用编程培养计算思维时， 性别差异是一个不容忽视的议题。对此， 已有研究结论尚不统一： 部分研究发现学生计算思维发展不受性别影响［16］， 部分研究揭示了性别在不同计算思维子维度上的差异化影响［17］， 还有研究指出在处理高难度编程任务时， 男孩表现优于女孩［18］。这些研究表明， 不同性别学生的计算思维发展可能受到编程工具、 任务情境等因素影响。此外， 学生的学习情感与动机， 尤其是编程兴趣， 是影响编程学习成效与计算思维发展的关键内在因素［19］。

综上， 面向智能体构建的低代码编程有望调和现有编程工具“弱编程语法”与“强实用性”之间的矛盾， 是人工智能时代培养计算思维的关键工具。本研究旨在解决以下问题： 面向智能体构建的低代码编程活动对学生的计算思维有何影响？不同性别学生的计算思维变化是否存在差异？面向智能体构建的低代码编程活动对学生编程兴趣有何影响？

二、 面向智能体构建的低代码编程教学活动设计

(一)教学模型设计

问题解决是计算思维核心要义。根据问题在结构性上的不同， 问题可分为良构问题和非良构问题［20］。良构问题常常拥有正确的、 收敛的答案， 而非良构问题具有与特定情境联系、 问题描述含糊、 给定信息不全、 目标不确定等特征， 是在日常生活实践中遇到的问题［21］。Voss认为， 非良构问题的解决过程包括： 表征问题空间、 陈述问题解决方案、 评估解决方案［22］。借鉴Voss的问题解决模型， 融合Tasi等人提出的计算思维五要素［23］， 研究者以问题解决过程为逻辑主线， 连接计算思维与面向智能体构建的低代码编程教学， 将教学过程分问题表征、 形成问题解决方案、 评估问题解决方案、 问题迁移四个阶段， 如图1所示。

计算思维中的分解与抽象主要作用于问题表征阶段。真实问题因其复杂性、 非良构特性， 在定义问题时， 需对复杂问题进行分解， 从而降低原始问题解决复杂度； 定义问题后， 需进一步明确问题的各种限制条件以及问题与其涉及的概念之间的关系［24］， 拨繁就简， 这一过程就是进行问题抽象。在教学活动中， 问题表征就是针对项目核心问题， 将原始复杂问题分解为若干子问题， 抽象每个子问题解决的核心要素， 明确每个子问题需完成的各项子任务。

在形成问题解决方案阶段， 需设计算法让计算机自动化解决问题， 这些算法就是解决问题的步骤［25］。与文本编程、 可视化编程不同之处在于， 学生形成的问题解决方案一般是智能体、 工作流等。

在评估问题解决方案阶段， 需对问题解决的方案和问题解决的结果进行分析与判断， 并根据分析的结果修改方案［26］。在教学活动中， 评估问题解决方案就是测试智能体、 工作流运行效果， 根据输出结果对问题解决方案加以改进。

在问题迁移阶段， 可将问题解决过程中学习的知识与方法应用于类似问题的解决。问题迁移不仅有助于强化学生对知识的建构与迁移应用， 也是学生计算思维循环的又一开始。在解决类似问题的过程中， 学生再次经历问题表征、 形成问题解决方案、 评估问题解决方案等阶段， 运用分解、 抽象、 算法、 评估思维等进行问题解决， 其计算思维也得以强化。在教学活动中， 问题迁移环节主要是对智能体或工作流进行迭代优化。

(二)教学内容设计

研究者基于Coze低代码AI智能体开发平台， 设计开发了三个教学案例， 如表1所示。

以《AI翻译家》为例， 该案例核心问题为： 如何设计搭建一款AI翻译应用以应对多国旅游需求？在问题表征阶段， 教师引导学生将该问题分解为两个子问题： 如何实现文本翻译？如何实现拍照或图片翻译？并对各子问题求解进行抽象， 明确问题解决的关键信息： 子问题1可借助大语言模型实现文本翻译， 子问题2可借助图像识别插件识别图片文本， 再基于大模型翻译文本。在形成问题解决方案阶段， 学生需进行工作流编排与搭建。在评估问题解决方案阶段， 学生需多次测试、 优化工作流。在问题迁移阶段， 学生需迁移解决类似问题： 如何实现语音翻译？如何实现文档翻译？

三、 研究设计

(一)研究对象与过程

研究对象为四川省成都市某中学初三年级、 高一年级共计26名学生， 其中男生18人， 女生8人， 他们参加了一门名为《基于Coze的项目开发》的校本课程。在课程正式实施前， 研究者对学生进行了计算思维前测。之后进行了为期2个月共计12课时的课程学习， 每周上课2课时。在前8个课时中， 学生学习课程开发的三个项目， 后4个课时中， 学生分小组、 自选主题进行项目实践与汇报交流， 学生需设计搭建一个智能体或应用以解决某个真实问题。课程结束后， 研究者对学生进行了计算思维后测， 对其中18位学生进行了问卷调查与半结构化访谈。

(二)研究工具

研究过程中采用程妙婷、 李艳等［27］开发的计算思维评价量表进行计算思维前后测， 该量表包含五个维度共18个题项： 分解(3个题项)、 抽象(3个题项)、 算法(4个题项)、 评估(4个题项)、 泛化(4个题项)。参与者使用0至5的量表进行回答， 其中0代表“完全不同意”， 5代表“完全同意”。该量表具有良好的内部一致性(各维度的 Cronbach’s α系数均大于 0.8)。

研究过程中还采用半结构化访谈法， 通过开放式提问与针对性追问， 深入了解学生对课程的主要收获以及对编程学习的兴趣变化。访谈提纲如下： 

1.你以前是否学习过编程？你以前对编程学习的兴趣是怎样的？

2.通过本课程学习， 你有哪些收获？

3.通过本课程学习， 你对编程学习的兴趣有什么变化？

(三)数据分析方法

本研究收集的数据包括26名学生的计算思维前后测数据、 18名学生的问卷调查数据与访谈数据， 数据分析采用jamovi软件进行。针对所有学生干预前后计算思维变化情况分析， 首先通过 Shapiro-Wilk 检验计算思维前后测数据正态性， 根据检验结果发现分解这一维度后测-前测数据差值不具有正态性分布(p=0.007<0.05)， 不适合采用参数检验方法， 故对分解维度采用Wilcoxon秩和检验进行分析， 对抽象、 算法、 评估、 泛化维度以及计算思维整体维度采用配对t检验方法进行分析。针对不同性别学生干预前后计算思维变化的差异分析， 对计算思维前后测数据进行方差齐性检验(Levene’s)， 根据检验结果发现数据具有方差齐性， 但因为分解维度不具有正态性分布， 故对该维度采用Mann-Whitney U检验进行分析， 对其余维度采用独立样本t检验方法进行分析。针对学生编程兴趣变化， 研究结合定性分析与定量描述对问卷调查数据、 访谈数据进行系统分析。

四、 研究结果与讨论

(一)面向智能体构建的低代码编程活动对学生计算思维的影响

1.总体情况分析

表2呈现了所有学生干预前后计算思维各维度的均值、 中位数与标准差。数据表明， 在干预后， 所有学生在计算思维各维度得分及计算思维整体得分均值提升、 标准差缩小。表3数据显示学生的分解维度前后测存在显著差异(W=2.00, p<0.001)。表4数据显示学生的抽象维度(t=-3.408, p=0.001<0.05)、 算法维度(t=-2.576, p=0.008<0.05)、 评估维度(t=-6.334, p<0.001)以及计算思维整体得分(t=-4.747, p<0.001)前后测存在显著差异。然而， 泛化维度在教学前后没有显著变化(t=-0.758, p=0.228>0.05)。这些结果表明面向智能体构建的低代码编程活动有助于培养学生的计算思维。泛化维度前后测没有显著变化， 可能与课程教学时间紧凑有关， 虽然每个项目基础问题解决后， 研究者都鼓励学生深入思考项目可拓展优化的地方， 但并未留有足够时间给学生进行拓展优化阶段的项目实践。检索文献尚未发现面向智能体构建的低代码编程相关研究， 但AI智能体开发平台可视为一种人工智能支持工具， 因此， 本研究也与Yilmaz［28］、 Hsu［29］、 朱莎［30］等人的研究结果一致。

2.性别差异分析

表5呈现了不同性别学生干预前后在计算思维各维度的均值、 中位数、 标准差情况。数据表明， 在干预前， 男生在计算思维各维度的平均分均高于女生， 在干预后， 男生在计算思维各维度的平均分虽然也略高于女生， 但是平均分差距缩小。表6、 表7结果表明， 不同性别学生之间干预前后计算思维各维度变化不存在显著性差异(p值均>0.05)， 这与Atmatzidou［31］、 Jiang［32］等人的研究结果是一致的。

(二)面向智能体构建的低代码编程活动对学生编程兴趣的影响

研究者对18名学生进行了问卷调查与半结构化访谈， 其中男生11人， 女生7人， 有编程学习经历的17人。问卷调查结果如表8所示， 有10人编程兴趣出现了积极变化， 其中原始编程兴趣高的同学均显示出积极变化， 原始编程兴趣为中等、 低的同学的编程兴趣呈现出多种变化倾向。整体来讲， 面向智能体构建的低代码编程活动对激发原始编程兴趣为中性及积极学生群体的编程学习兴趣更加有效， 在面对编程学习兴趣较低的学生群体时， 还应结合其他策略加以干预。

学生访谈数据编码结果如表9所示， 学生认为面向智能体构建的低代码编程难度较低， 编程方式新颖直观、 关注逻辑， 在编程中涉及分解问题、 模式识别、 抽象问题、 评估等思维活动， 其编程实用性强， 适宜解决实际问题、 实现创意想法。已有研究表明， 能够提升学习兴趣的自主行为源自满足三种基本心理需求： 自主性、 胜任感和关联感［33］。面向智能体构建的低代码编程的低门槛特点可满足学生的编程胜任感及编程自我效能感， 其高界限、 AI赋能的高实用性特点， 则使得学生认为编程更有意义， 也促使学生拥有更强的创造性自我效能感， 进而促进学生编程兴趣的提升。

五、 结论与建议

(一)结论

本研究探讨了面向智能体构建的低代码编程活动对学生计算思维与编程兴趣的影响。研究发现， 面向智能体构建的低代码编程活动显著提高了所有学生的计算思维以及抽象、 分解、 算法、 评估能力， 但对泛化能力提升不明显， 这可能受到教学时间影响。就性别差异而言， 不同性别学生的计算思维变化无显著性差异。面向智能体构建的低代码编程活动也有助于提升原始编程兴趣为积极或中性的学生群体的学习兴趣。

(二)建议

1.使用面向智能体构建的低代码编程培养学生计算思维

在人工智能时代， 编程教育无需过多关注编程技能的培养， 而应侧重对学生计算思维等高阶能力培养［34］。使用面向智能体构建的低代码编程培养学生的计算思维， 其核心在于通过创设真实问题情境， 引导学生在认识世界、 发现和分析真实问题过程中， 创造性地设计与验证解决问题的方案， 提高用编程创造性解决问题的能力［35］。此外， 已有研究表明， 教师还可采用探究式教学， 通过设计开放式任务， 根据任务的开放程度引导学生进行正向探究或逆向探究， 从而促进学生计算思维发展［36］。计算思维培养还应重视对泛化能力的培养。编程教学应实现从“解决一个问题”迈向“掌握一类方法”， 教师可在项目中设计变式任务， 让学生将提炼出的解决方案迁移到新的问题情境中， 从而促进学生泛化能力的发展。

2.促进学生的编程兴趣从情境兴趣向个体兴趣发展

编程教育不仅要关注认知技能、 计算思维的发展， 也要关注编程兴趣的培养。美国学者海蒂将兴趣分为情境兴趣与个体兴趣两种类型， 情境兴趣指学生被教学中的某些环境因素(例如新颖的编程方式)吸引， 这种吸引一般不够稳定或持久； 个体兴趣则是指一种个体倾向， 这种倾向以人的知识、 价值观及积极情感为基础， 具有相对稳定性或持久性［37］。在编程教育中， 保持学生的情境兴趣并促使其向个体兴趣发展非常重要。教师可借助项目式学习让学生基于智能体解决某个社会或生活学习中的真实问题， 让学生感受面向智能体构建的编程意义感与价值感， 还可通过设置合适的挑战性任务与支架， 让学生产生编程胜任感与成就感等积极情感体验。

本研究存在以下局限性， 一是研究样本较少， 未来可扩大研究对象人数及范围， 例如验证面向智能体构建的低代码编程活动对不同年龄段学生计算思维培养的有效性。二是研究采用了单组前后测的准实验设计， 未来研究可采用更加严格的实验设计， 例如对照组随机实验， 以增强研究结果的可靠性与有效性。未来还可进一步研究针对学生泛化能力、 编程兴趣培养的教学策略。

本文发表于《教育与装备研究》2026年第3期，参考文献已省略。

引用请注明以下信息：傅骞,周由.面向智能体构建的低代码编程活动对学生计算思维与编程兴趣影响的实证研究[J].教育与装备研究,2026,(3):7-12.

来源：https://mp.weixin.qq.com/s/GXWxEwpolFpE-DM96O_lzw