計算思維自我效能感量表（CT-SEI）之開發與初步評估
arXiv - Computers and SocietyImke de Jong, Johan Jeuring, Judith Masthoff
本研究開發並驗證了一套用於衡量高等教育學生計算思維自我效能感的量表工具。
AI 幫你先抓重點
AI 重點 1
自我效能感是預測學習成效的關鍵指標
滑鼠懸停看 AI 判斷理由
理解學生對計算思維能力的信心，能比單純測量技能本身更有效地預測其在學習過程中的堅持度、參與度與最終成功率，這對於設計干預措施至關重要。
AI 重點 2
量表結構從技能維度轉向認知過程維度
滑鼠懸停看 AI 判斷理由
研究發現量表最終收斂於「建立」與「評估」兩大類別，這提示教育者在評估計算思維時，應關注學生在解決問題的完整生命週期，而非僅僅是單一技能的掌握。
核心研究發現
- 1
研究團隊從 91 個初步題項中，經過專家評估與 270 名大學生的數據分析，最終篩選出 27 個有效題項。
- 2
透過主成分分析（PCA）與驗證性因素分析（CFA），證實該量表可有效分為「建立解決方案」與「評估解決方案」兩大維度。
- 3
該量表涵蓋了抽象化、演算法思維、分解、評估與泛化等關鍵計算思維技能的自我效能評估。
對教育工作者的啟發
對於設計計算思維課程的教育者，建議不要僅關注技術操作的正確性，應同步監測學生的自我效能感。透過使用類似 CT-SEI 的工具，教師可以識別學生在「建立方案」或「評估方案」階段的心理障礙，進而提供針對性的教學干預。例如，若學生在評估階段信心不足，可加強批判性思考與除錯能力的訓練，而非僅僅增加編程練習，從而提升學習的韌性與深度。
原始文獻資訊
- 英文標題：
- Measuring Computational Thinking Self-Efficacy (CT-SEI): Instrument development and preliminary evaluation
- 作者：
- Imke de Jong, Johan Jeuring, Judith Masthoff
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。