编者按
计算学科的导引性课程应当如何教？这是学术界长期以来激烈争论的一个问题。为了思考这个问题，根据录音整理的陈国良院士讲话《计算机课程思政虚拟教研室文化建设》发表于《计算机教育》杂志创刊20周年专刊（2023年第11期），陈国良院士在文中引导大家回答这样的问题：“既然计算处于现代科学的中心，那么，与数理化相比，什么样的计算教育能使我们产生更多新的认知、催生更多的科学发现与技术创新？”
围绕“陈国良院士之问”，计算机课程思政虚拟教研室提出“计算学科的课程思政要从学科的基本问题出发，追求有灵魂的卓越，要让思想的光芒照亮同学们前行的脚步”的教学改革新思路，并撰写了指导“全国高校计算机课程思政教学案例设计大赛”的《计算学科课程思政教学指南》草案，有近60所高校和企业参与了两届“全国高校计算机课程思政教学案例设计大赛”，提供了300多个教学案例，出版了《计算课程思政教学案例汇编》数字教材。
本期刊出《计算学科课程思政教学指南》，目的是让更多的教师领会计算学科导引性课程的重要意义及其教学技巧。我们期待这篇指南性的文章以及符合该指南的结构化优秀教学案例，将为我们计算学科的教学改革带来一个新的思路，使我们的计算学科能像数学和物理等基础学科一样，成为信息时代的经典学科。
0 引 言
计算学科的课程思政，需要明确其知识层次的定位，总体的结构，面向学科的思维方式，课程思政应包含的科技伦理、大国工匠和品行元素，中国学者的成果，重要的国产软硬件产品，课程（案例）的评估方法等。计算学科的课程思政，要从学科的基本问题出发，追求有灵魂的卓越，要让思想的光芒照亮学生前行的脚步。
1 计算学科课程思政的知识层次
根据《高等学校课程思政建设指导纲要》（高教（2020）3 号，简称“指导纲要”）对理学、工学类专业课程思政建设的要求，即关注学生科学思维、科学伦理、工程伦理、大国工匠的培养。
学科知识层次大致可以分为顶层、中间层和底层（如图 1 所示）。顶层由大学的思政课程支撑，底层为具体的学科知识，也就是俗称的“顶天立地”。人们常忽视了中间层次的内容，这些内容以往常隐藏在顶层和底层中，没有被系统地采用马克思主义的世界观和方法论整理出来，根据“指导纲要”的要求，这个层次其实正是专业课程思政要关注的内容。对于计算学科的课程思政，其知识层次应定位在学科的世界观和方法论上，要起到承上启下的作用。
图 1 学科知识层次
2 计算学科课程思政的总体结构框架
1989 年 1 月，ACM 和 IEEE-CS 联合任务组在《ACM 通讯》上发布的“计算作为一门学科”报告认为，计算机科学和计算机工程在本质上没有区别，学科中的抽象、理论和设计要解决的都是计算领域中的“能行性”和“有效性”问题。相对而言，计算机科学侧重理论和抽象，计算机工程侧重抽象和设计，计算机科学与技术居中。因此，不能简单地将计算学科归属于“理科”或者是“工科”。计算现已远远超过了传统的计算学科范畴，处于跨学科的中心地位，计算目前的核心内容主要分布在我国学科分类中的理科和工科两个学科门类中。因此，根据教育部“指导纲要”，可以将科学思维和科技伦理的培养作为计算学科课程思政的主要任务，将符合马克思主义哲学的认知计算，即计算模型的构建、实现与理论支撑的世界观和方法论作为最大的课程思政元素。
根据科技部、国家发改委、教育部、中国科协 2008 年联合发布的《关于加强创新方法工作的若干意见》（国科发财 [2008]197 号）文件，已明确科学思维是创新的灵魂。文件写道，科学思维不仅是一切科学研究和技术发展的起点，而且始终贯穿于科学研究和技术发展的全过程，是创新的灵魂。为便于操作，可以将计算学科专业课程思政中的科学思维，拆分为可评估、可衡量、可检验的抽象、理论和设计 3 个过程，在 3 个过程中融入中国元素，将科学伦理、工程伦理、大国工匠精神，以及 CC2020 中的 11 个品行元素置于计算学科的社会与职业分支领域的教学中，构建计算学科课程思政的总体结构框架（如图 2 所示，以下简称“总体结构框架”）。
图 2 计算学科课程思政的总体结构框架
从计算学科方法论的角度来看[1-2]，计算学科课程思政的总体结构框架，与计算学科课程知识的总体结构框架，其实是一回事，学科的所有知识均蕴含在该结构框架中。其中，学科中的抽象、理论和设计 3 个形态是最基础的内容，它反映的是人们在计算领域的认识规律，即是从感性认识（抽象）到理性认识（理论），再由理性认识（理论）回到实践（设计）的过程，该过程还蕴含学科中的基本问题。由于人们对客观世界的认识过程就是一个不断提出问题和解决问题的过程，这种过程反映的正是抽象、理论和设计 3 个过程之间的相互作用，它与 3 个过程在本质上是一致的。因此，在计算学科课程思政结构框架的设计上，有必要将它与 3 个过程一起列入最重要的内容。
科学伦理、工程伦理、大国工匠以及品行是计算学科“社会与职业的问题”领域的重要内容，属于学科设计形态的内容，这个分支领域对计算学科的发展起着越来越大的作用，为此，有必要将它从设计形态中抽取出来，作为一个重要的内容。同样，学科中的数学方法、系统科学方法、统计学方法、学科中的核心概念，也揭示了计算学科各分支领域的内在联系，使得计算学科各分支领域成为一个完整的体系，而不是一些互不相关的领域，因此，有必要将其列入总体框架中，成为框架中的重要内容。
自此，一个将计算学科课程思政的总体结构与专业课程的总体结构合二为一的框架建立起来。接下来，就是如何落地的问题。
在总体结构框架中，抽象、理论和设计是学科最基础的概念，抽象源于实验科学，是对现实原型的理想化，学科中的抽象形态包含具体的内容，它们是学科中所具有的科学概念、科学符号和思想模型。理论源于数学，是从抽象到抽象的升华，它们已经完全脱离现实事物，不受现实事物的限制，具有独立性、无矛盾性和完备性的特征。设计源于工程，并用于系统或设备的开发，以实现给定的任务。计算学科“算法与复杂性（Algorithms and Complexity，AL）”分支领域的抽象、理论和设计 3 个学科形态的基本内容见表 1。
在总体结构框架中，计算学科的基本问题是一个单列的内容。辩证唯物主义认为，人们在实践的基础上，不断地提出问题和解决问题，也就使科学认知不断地发展。“科学认识从问题开始”与“认识来源于实践”并不矛盾，因为问题也是在实践的基础上提出来的，只是前者突出问题是认识发展的重要环节，更深刻地表明科学认知自始至终就是认识主体的能动的、创造性思维活动。这个思维活动的过程反映的正是抽象、理论和设计 3 个过程之间的相互作用，它与 3 个过程在本质上是一致的。在计算领域，人们正是从抽象、理论和设计 3 个学科形态的工具和应用两个层面讨论问题的求解。计算学科的根本问题是“能行性”问题，学科的每一个分支领域都有更为具体的基本问题，如计算学科“算法与复杂性”分支领域的基本问题为“对于给定的问题类，最好的算法是什么，要求的存储空间和计算时间有多少，空间和时间如何折中，访问数据的最好方法是什么，算法最好和最坏的情况是什么，算法的平均性能如何，算法的通用性如何”等。
在总体结构框架中，计算学科中具有方法论性质的核心概念也是一个单列的内容，该内容源自 CC1991 报告提出的具有学科普遍性、持久性的重要思想、原则和方法。报告认为，熟练掌握和应用这些核心概念是一个成熟的计算机科学家和工程师的标志之一。报告给出的 12 个具有计算学科方法论意义的核心概念见表 2。
4 科技伦理、大国工匠和品行元素
科学伦理、工程伦理统称为科技伦理，这个内容归属于总体结构框架中的“社会与职业的问题”，是可评估、可衡量和可检验的伦理规范。科技伦理是教育部“指导纲要”对理工科专业课程思政的基本要求，在具体的实践中，还应包含计算职业伦理方面的内容，这些内容宜用面向学科的思维方式（如算法、协议）来介绍和分析，使其具有可操作性。
大国工匠精神可拆分到可评估、可衡量和可检验的总体结构框架中的一个或多个概念中。一般来说，大国工匠精神包括实事求是、脚踏实地、求真务实；精益求精、尽善尽美、持之以恒，这个内容与 CC2020 倡导的品行元素有交集。
品行构成 ACM/IEEE-CS 提交的 CC2020 胜任力模型“know-why”的一个维度（如图 3 所示） [3-4]，这一维度界定在一个任务的执行过程中，实施者应有的品格气质。品行还会促进胜任力模型中“know-what”向“know-how”的演变，是将知识（如具有学科方法论性质的核心概念）和技能（实施具有确定目标且有约束的任务能力）在具体应用环境中得到“更好”或“更正确”应用的重要因素。
品行是一种习惯性倾向，即社会情感倾向、偏好和态度（如可信度）。品行控制一个人是否倾向于使用他/她的技能，以及如何使用他/她的技能。品行涉及应用知识的价值观和动机，可以用更具体的“倾向、敏感”，以及与教学案例绑定在一起进行可操作性解释。CC2020 给出的 11 个品行元素见表 3，表中的例子取自首届《全国高校计算机课程思政教学设计大赛》参赛的教学案例。
5 评估计算学科课程思政的方法——Bloom分类法
计算学科课程思政的高质量建设，要超越传统专业课程的价值，要比传统课程更能提升学生解决特定问题的胜任力（如图 3 所示）。评估其质量，从教师原来的无意识到有意识，是课程质量的一次飞跃，本指南建议采用 CC2020 推荐的 Bloom 分类法[4-5]，根据课程教学案例权重矩阵（见表 4），计算课程的总价值与含金量。在具体的实施过程中，还要考虑案例的概念复杂度、语言复杂度以及问题求解的难度，用控制系数（如0.5,1.0,1.5）得到案例的最终实际权重。
例如，编写打印“Hello,World”程序，该例子是程序性知识，需要调用函数，故被划分到 Bloom 分类法认知过程维度的“应用”层次，权重为 16。显然，这是一个概念复杂度、语言复杂度和问题求解困难程度最低的一个案件，我们可以分别乘以 0.5。最后，该案例的实际权重为 2。本指南规定，最终案例权重为 2 及以下的案例是没有含金量的。
Bloom 分类法（Bloom’s Taxonomy）是美国教育家和心理学家本杰明·布卢姆（Benjamin S.Bloom，1913—1999）等人于 1956 年创立的一种教育目标分类体系，这种体系降低了课程评估的复杂程度，为课程的开发提供了基本的依据。
Bloom 将人类思维的复杂程度划分为 6 个水平，从简单到最复杂，依次为知识、理解、应用、分析、综合和评估。虽然有 6 个不同的水平，但是其难度等级区分并不那么严格，个体在不断的学习过程中很容易从一种水平发展到另一种
水平。
Bloom 认为此分类系统不仅是一套测验的工具，还是撰写学习目标的通用语言，它可以促进各领域达到沟通的效果并能促进课程中教育目标、教学活动与评估的一致性。历经多年的使用，该分类法于 1994 年又得到改进，再经过 7 年，最终在 2001 年出版了被大多数学者接受的修订版分类法，相应的难度与复杂度分类水平如图 4 所示。
需要特别指出的是，图 4 的 6 个水平层次不是累积层次，即前一个层次不是后一个层次的基础，这一结论动摇了只有扎实的记忆、理解、应用等基础才能进行较高层次思维的论断，使人们可以在较短的时间内尽快进入分析、评估、创造等较高层次的思维阶段。至于记不住的知识可以查，不会的知识可以有针对性地在面向学科求解问题的思维过程中补。
Bloom 的研究带给人们一个非常重要的启示，那就是完全可以依据 loom 分类法将教育目标、教学活动与教学评估统一起来，以“课程改革”为核心进行大学专业的综合改革。课程改革的一个有效方法是“对课程中的基础概念进行合理的设置，删除 Bloom 分类法中底层大约 1/4 或更多需要记忆的知识内容，利用结余下来的时间对学生进行更高层次的思维训练，创造出更有价值的成果”。
本“指南”在撰写的过程中得到深圳大学陈国良院士、王志强教授，合肥工业大学李廉教授、王浩教授，贵州财经大学邓明森教授，中国地质大学（武汉）刘刚教授，高等教育出版社时阳副编审，武汉大学吴黎兵教授，山东工商学院范辉教授，山东大学郝兴伟教授，中央民族大学翁彧教授，华中科技大学黄晓涛教授，桂林电子科技大学常亮教授，中国计算机学会韩飞副编审，中国海洋大学魏振刚等教授，以及计算机课程思政虚拟教研室全体同仁的大力支持和帮助，在此表示衷心感谢。
参考文献：
1] 董荣胜, 古天龙. 计算机科学与技术方法论[M]. 北京: 人民邮电出版社, 2001.
[2] 董荣胜. 计算机科学导论[M]. 3版. 北京: 高等教育出版社, 2015.
[3] 张铭, 陈娟, 韩飞. ACM/IEEE计算课程体系规范CC2020对中国计算机专业设置的影响[J]. 中国计算机学会通讯, 2020, 16(12): 32-38.
[4] Clear A, Parrish A, Impagliazzo J, et al. Computing curricula 2020(CC2020) paradigms for global computing education[M]. New York: ACM, 2020.
[5] Anderson L W, Krathwohl D R, Airsian P W, et al. A taxonomy for learning, teaching, and assessing: A revision of bloom’s taxonomy of educational objectives[M]. London: Longman Publishing Group, 2001.
作者简介：董荣胜，男，桂林电子科技大学教授，教育部课程思政教学名师，教育部计算机课程思政虚拟教研室建设试点项目带头人，ccrsdong@guet.edu.cn；古天龙，男，暨南大学教授，可信人工智能教育部工程研究中心主任，兼任教育部高等学校计算机类专业教学指导委员会副主任委员，gutianlong@jnu.edu.cn；殷建平，男，东莞理工学院教授，万人计划国家级教学名师，兼任教育部高等学校大学计算机课程教学指导委员会副主任委员，jpyin@dgut.edu.cn。
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
