CN105810045B - 一种基于认知模型的计算思维训练方法及装置 - Google Patents

Abstract

本发明公开了一种基于认知模型的计算思维训练方法及装置，该方法包括：按照用户设置的计算思维认知模型，构建用于训练计算思维的训练平台，该训练平台展示与该计算思维认知模型对应的训练数据，并获取用户对该训练数据的训练反馈数据，以及，根据训练反馈数据以及预置的评级标准为用户的计算思维评价等级，根据该评价等级，对用户的计算思维进行多层模糊评估。本发明通过在该训练平台中完整的培养流程和评价体系对学习者进行抽象的思维能力训练和评估，可以有效地改变职业教育中的学习者的思维方式，完成技术操作型人才向信息处理人才的转变。

Description

一种基于认知模型的计算思维训练方法及装置

技术领域

本发明属于计算机及互联网技术领域，尤其涉及一种基于认知模型的计算思维训练方法及装置。

背景技术

计算思维是一种以计算为基础，以思维科学为核心的认知方式。计算思维培养人们如何按照计算机求解问题的基本方式去考虑问题的求解，以便构建出相应的算法和基本程序。目前的职业教育注重技能培训，缺乏对解决问题能力的培养，而通过计算机解决行业问题的思维方式更是培养的关键。计算思维能力的训练正是以训练解决问题能力为目标。

目前网络上有各种网上培训平台，其中大部分是高等教育的网络教育平台，其主要是作为学校的门户网站以及提供一些公开课。专门为职业教育者服务的平台占了一小部分，而且大多数是职业教育机构的宣传网站，提供网上视频课程或课件，老师学生之间的交互很少，基本上通过留言来解答问题，效率很低。Moodle(Modular Object-OrientedDynamic Learning Environment)是面向对象的动态学习环境，目前已有多种的机构及个人在使用Moodle，人们关注如何运用Moodle进行网络课程管理，尤其是远程教学上，提出许多运用其中的模块来做课程设计的方案，重点主要集中在如何对其进行本土化和二次开发上。但是Moodle二次开发的学习系统往往功能过于复杂，同时学习过程难以控制，更缺乏针对特殊目的的评估能力。目前我国还没有面向职业教育的计算思维训练平台和评估系统，本发明将填补该领域的空白。

发明内容

本发明提供一种基于认知模型的计算思维训练方法及装置，通过设置计算思维认知模型，构建训练计算思维的训练平台，并通过该训练平台训练用户的计算思维，旨在解决职业教育中缺乏计算思维的相关训练平台的问题。

本发明提供一种基于认知模型的计算思维训练方法，包括：

按照用户设置的计算思维认知模型，构建用于训练计算思维的训练平台；根据所述用户的请求，所述训练平台展示与所述计算思维认知模型对应的训练数据，并获取所述用户对所述训练数据的训练反馈数据，以及，根据所述训练反馈数据以及预置的评级标准为所述用户的计算思维评价等级，所述计算思维认知模型对应的训练数据包括：计算思维意识的训练数据、计算思维方法的训练数据以及计算思维运用能力的训练数据；根据为所述用户的计算思维的评价等级，对所述用户的计算思维进行多层模糊评估。

本发明提供一种基于认知模型的计算思维训练装置，包括：

构建模块，用于按照用户设置的计算思维认知模型，构建用于训练计算思维的训练平台；展示模块，用于根据所述用户的请求，所述训练平台展示与所述计算思维认知模型对应的训练数据，所述计算思维认知模型对应的训练数据包括：计算思维意识的训练数据、计算思维方法的训练数据以及计算思维运用能力的训练数据；获取模块，用于获取所述用户对所述训练数据的训练反馈数据；等级评价模块，用于根据所述训练反馈数据以及预置的评级标准为所述用户的计算思维评价等级；评估模块，用于根据为所述用户的计算思维的评价等级，对所述用户的计算思维进行多层模糊评估。

从上述本发明实施例可知，提出echo认知模型，并以该认知模型为基础，从计算思维的认知、计算思维的方法学习、计算思维能力训练三个维度进行学习与能力训练；同时，从“意识维度”、“方法维度”和“能力维度”对计算思维能力进行分级与评估，提出了十九种能力指标，采用多层模糊评价模型对职业教育学习者的计算思维能力进行评价。从而将面向职业教育的计算思维能力培养与在线学习相结合，在该认知模型的指导下，通过平台中具有特色的培养方法和评价体系对学习者进行抽象的思维能力训练和评估，可以有效地改变职业教育中的学习者的思维方式，完成技术操作型人才向信息处理人才的转变。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明第一实施例提供的基于认知模型的计算思维训练方法的实现流程示意图；

图2为本发明是实施例中认知模型的示意图；

图3是本发明第二实施例提供的基于认知模型的计算思维训练装置的结构示意图；

图4是本发明第三实施例提供的基于认知模型的计算思维训练装置的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅附图1，附图1为本发明第一实施例提供的基于认知模型的计算思维训练方法的实现流程示意图。本实施例提供的基于认知模型的计算思维训练方法主要包括以下步骤S101至步骤S103：

S101、按照用户设置的计算思维认知模型，构建用于训练计算思维的训练平台；

本实施例中，用户即为进行计算思维训练的学习者。

该训练平台是一种在线大型学习平台，设置于服务器中，可提供用户进行计算思维训练的各种数据，并获取该用户的训练反馈数据，对该用户计算思维进行评价。

该计算思维认知模型包括：认知问题子模型、处理问题子模型、解读问题子模型以及选择方法子模型。具体地，该计算思维认知模型为计算思维echo认知模型，包括如下内容：

C(Cognize)：学习者接收到环境中的问题后能主动、有意识的运用计算思维方法考虑；

H(Handle)：学习者根据之前对问题的解读以及选择的相应计算思维方法对问题进行处理；

E(Explain)：学习者通过计算思维方法对问题进行解读；

O(Option)：学习者选择合适的计算思维方法。

图2为echo认知模型的示意图。

在该计算思维echo认知模型中，计算思维认知阶段分为意识问题、问题处理、问题解读、方法选择四个认知进程。当人从环境中接收到信息流后，通过人脑形成思维流，根据人本身的心智模式进行问题的处理，在解读该问题时，计算思维就机体从启发式推理、系统思维、转化思维、关注点分离等方面来分解处理该问题，该问题被有效的分解和解读后，进一步便需要选择如何处理该问题。

S102、根据该用户的请求，该训练平台展示与该计算思维认知模型对应的训练数据，并获取该用户对该训练数据的训练反馈数据，以及，根据该训练反馈数据以及预置的评级标准为该用户的计算思维评价等级；

该计算思维认知模型对应的训练数据包括：计算思维意识的训练数据、计算思维方法的训练数据以及计算思维运用能力的训练数据。

步骤S102具体可包括：根据该用户计算思维认知的训练请求，该训练平台以视频形式展示计算思维认知的训练数据，根据该用户的查询请求，该训练平台以网页形式展示已构建的该计算思维认知的训练数据对应的计算思维网络百科。当接收到该用户的测试请求时，该训练平台展示与该计算思维认知的训练数据对应的测试数据，获取该测试数据对应的测试反馈数据，并根据预置的认知能力评级标准为该用户的计算思维的各能力指标评价等级。

首先用户学习计算思维，需要全面认识和理解计算思维相关的基础知识与概念。以计算机基础课程为基础，对计算思维的基础知识和概念进行梳理，可以分为八大类基本概念：计算机发展史、计算机的硬件组成、计算机软件系统、Windows操作系统使用、常用软件使用、计算机网络基本概念、数据库基本概念、高性能计算机基本概念。

当训练平台接收到该用户的计算思维认知的训练请求，根据该请求，该训练平台以视频和文字的形式对上述基本概念进行讲解，同时根据计算思维网络百科(Wiki)的设置信息，构建计算思维Wiki。Wiki是一种多人协作的写作工具，Wiki站点可以有多人维护，每个人都可以发表自己的意见，或者对共同的主题进行扩展或者探讨。根据该用户的查询请求，该训练平台以网页形式展示已构建的该计算思维认知的训练数据对应的计算思维Wiki，通过计算思维Wiki，学习者可查阅相关概念的文字解释，加深对概念的进一步理解。训练平台针对每一个用户构建其学习轨迹，记录用户已学习和掌握的内容，并根据学习轨迹，推荐相关学习内容。

进一步地，在该训练平台中提供计算思维基本概念的测试题库，为用户提供测试题库随机形成的试卷，当接收到该用户的测试请求时，该训练平台展示与该计算思维认知的训练数据对应的测试数据，获取该测试数据对应的测试反馈数据，并根据预置的认知能力评级标准为该用户的计算思维认知的能力评价等级，即，为用户提供试卷，并收集用户的试卷答案数据，根据该试卷答案数据以及认知能力评级标准，对各用户计算思维基本概念的学习效果进行评价和分级。

步骤S102具体还可以包括：

根据该用户计算思维方法的训练请求，按照预先对计算思维方法的分类，获取预置的与分类后的方法对应的训练案例，并根据该用户的选择指令，该训练平台展示该用户选择的训练案例，训练案例用于训练计算思维方法的基本概念和实际应用。

其中，对计算思维方法的分类是将计算思维方法进行如下类别的划分：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高以及系统保护；

(1)规律发现：学习方法；

(2)问题描述：抽象方法；

(3)问题约简：规约、转化、分解、递归、嵌入；

(4)问题优化：启发式、规划、折中、优化；

(5)方案评价：仿真方法；

(6)效率提高：并行与调度；

(7)系统保护：保护、冗余、容错、纠错、系统恢复。

进一步地，结合“不插电计算机培养”的思想，首先将计算机科学与技术领域的相关知识进行具体化，给出相关知识点的各种多媒体形象描述及讲解，例如给出排序算法、内存管理算法等。并通过设立一些有趣的小项目来直观体现计算思维的思想。如通过结合砝码排序、快速查找图片等小项目，展现计算思维如何在快速排序、奇偶校验等问题中应用。

可通过视频、动画等方式显式的展现计算机思维中的算法、系统设计、人类行为理解等内容，使学习者能较轻松地理解计算思维。具体地，针对以上分类后的每类方法，设计相关的训练案例，训练计算思维的方法在解决实际问题中的应用。训练案例中涉及概念讲解、过关晋级、系统帮助等功能，使学习者通过边玩边学，积极参与到其中的互动，进一步增强计算思维学习的主动性和趣味性。

当接收到该用户计算思维方法的训练请求时，根据该请求按照上述对计算思维方法的分类，获取预置的与分类后的方法对应的训练案例，当接收到用户选择训练案例的选择指令时，向该用户展示选择的训练案例。当用户完成案例训练后，获取该用户的训练反馈数据，并根据预置的方法能力评级标准，评价所述用户的计算思维方法能力的等级。其中，评价的等级与计算思维方法划分后的类别相对应，即上述七个类别分别有对应的评价等级。

步骤S102具体还可以包括：

根据该用户计算思维运用能力的行业训练请求，该训练平台展示预先设计的形式为计算思维导图的行业案例，该行业案例用于体现计算思维在行业具体问题中的应用，获取该用户解决所述行业案例中的行业具体问题的训练反馈数据，并根据预置的运用能力评级标准为所述用户的计算思维运用能力评价等级。

具体地，设计行业案例，体现计算思维在行业具体问题中的应用，通过解决行业具体问题，训练学习者的计算思维应用能力。构建行业案例思维导图，设计具体案例，由教师在某一课程创建新的活动时，创建思维导图。将思维过程以导图形式呈现，学习者通过思维导图引导正确的思维过程。获取该用户在实习训练中对解决行业具体问题的训练反馈数据，并获取该实习企业根据预置的运用能力评级标准为该用户的计算思维运用能力评价的等级，作为该用户的计算思维运用能力的评价等级。

本发明的训练将使得学习者对计算思维的理解经历“从无到有”、“从模糊到清晰”的学习过程，指导学习者在其他行业的进一步应用。而在行业应用遇到的各种优化、设计问题，也可以探索在本模块寻求相应的求解思路。

S103、根据为该用户的计算思维的评价等级，对该用户的计算思维进行多层模糊评估。

具体地，将计算思维划分为多层级的评价指标。

其中，第一级评价指标分为计算思维意识维度，计算思维方法维度和计算思维运用能力维度；

该计算思维意识维度包括以下一个第二级评价指标：计算思维认知；该计算思维方法维度包括以下七个第二级评价指标：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高、系统保护；该计算思维运用能力维度包括以下一个第二级评价指标：计算思维运用；

该计算思维认知包括以下一个第三级评价指标：认知；该规律发现包括以下一个第三级评价指标：学习；该问题描述包括以下六个第三级评价指标：抽象、递归、规约、分解、转化和嵌入；该问题优化包括以下四个第三级评价指标：规划、折中、优化和启发式；该方案评价包括以下一个第三级评价指标：仿真；该效率提高包括以下两个第三级评价指标：并行和调度；该系统保护包括以下三个第三级评价指标：冗余保护、容错纠错和系统恢复；该计算思维运用包括以下一个第三级评价指标：能力。

各级指标的分类情况具体请见下表：

通过上述的分级，较好地涵盖和整合了职业学校学生日常生活和学习时所需要具备的计算思维能力。

进一步地，对学习者的计算思维能力进行评估，计算思维能力的评价从计算思维意识维度、计算思维方法维度和计算思维运用能力维度进行，通过各级的十九个能力指标，全面概括学习者的能力特征，利用多层模糊评价模型构建职业教育学习者的计算思维能力评价体系。

具体地，由于计算思维认知的评价因素只对应一个第二级评价指标，也只对应一个第三级评价指标，根据对该第三级评价指标的评价等级作为计算思维意识维度的评估结果。即，将该用户的计算思维认知的能力评价等级，作为该计算思维意识维度的评估结果C₁：

C₁＝[c₁₁,...,c_1n]

计算思维方法的评价因素有七个第二级评价指标，十七个第三级评价指标。则根据该用户的计算思维方法中的七个第二级评价指标分别对应的评价等级，对该计算思维方法维度的评价指标的能力进行评价。

用论域V＝{V₁,...,V_n}表示该用户的计算思维的评价等级的集合，该集合中共有n个计算思维的评价等级；

具体地是将计算思维方法维度的所有十七个第三级评价指标构成评价因素的集合U，将该评价因素的集合U划分为与计算思维方法中的第二级评价指标对应的不相交的子集{U₁,...,U₇}；

当U_i中有K_i个该评价因素，每个U_i的评价因素个数可以各不相同，此处用K_i表示，且为每个该评价因素均赋予一个权重，则构建U_i的评价因素的权重向量A_i＝[a_i1,...,a_iKi]；

根据该用户的评价等级，得到每个该评价因素在不同评价等级的模糊映射关系向量，并将所有该评价因素的模糊映射关系向量进行组合，得到K_i行n列的模糊评价决策矩阵Ri；

对该模糊评价决策矩阵R_i应用模糊变换的合成运算，得到论域V上的一个模糊子集作为计算思维方法的第二级评级指标在不同评价等级上的模糊评价结果；

B_i＝A_i×R_i＝[b_i1,...,b_in]

B_i为计算思维方法的第i个二级评级指标在不同评价等级上的模糊评价结果，该二级评价指标共七个；b_ij,j＝1,...,n是计算思维方法中第i个第二级评价指标在不同评价等级上的量化指标，该不同评价等级共n个等级；

根据该计算思维方法的第二级评级指标在不同评价等级上的模糊评价结果构建决策矩阵R_c；

为该结算思维方法的第二级评级指标分配进一步对方法维度中的各二级指标分配权数向量A＝[a₁,...,a₇]，则可得该计算方法维度的评估结果C₂；

C₂＝A×R_c＝[c₂₁,...,c_2n]

将该用户的计算思维运用能力的评价等级，作为该计算思维能力维度的评估结果C₃；

C₃＝[c₃₁,...,c_3n]

该计算思维意识维度的评估结果C₁、该计算方法维度的评估结果C₂、该计算思维能力维度的评估结果C₃构建决策矩阵R_B；

为构建的决策矩阵R_B分配权数向量F＝[f₁,f₂,f₃]，并得到该用户的计算思维的评价结果D：

D＝F×R_B＝[d₁,...,d_n]。

其中，d_j,j＝1,...,n是计算思维在不同评价等级上(共n个等级)的量化指标。

多层次的模糊综合评判模型，不仅可以反映评判因素的不同层次，而且解决了由于因素过多而难于分配权重的困难。

本实施例提供的基于认知模型的计算思维训练方法，提出echo认知模型，并以该认知模型为基础，从计算思维的认知、计算思维的方法学习、计算思维能力训练三个维度进行学习与能力训练；同时，从“意识维度”、“方法维度”和“能力维度”对计算思维能力进行分级与评估，提出了十九种能力指标，采用多层模糊评价模型对职业教育学习者的计算思维能力进行评价。从而将面向职业教育的计算思维能力培养与在线学习相结合，在该认知模型的指导下，通过平台中有特色的培养方法和评价体系对学习者进行抽象的思维能力训练和评估，可以有效地改变职业教育中的学习者的思维方式，完成技术操作型人才向信息处理人才的转变。

请参阅附图3，附图3是本发明第二实施例提供的基于认知模型的计算思维训练装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。附图3示例的基于认知模型的计算思维训练装置可以是前述实施例提供的基于认知模型的计算思维训练方法的执行主体，其可以是服务器或者服务器的一个功能模块。该装置包括：构建模块301、展示模块302、获取模块303、等级评价模块304以及评估模块305。各功能模块详细说明如下：

构建模块301，用于按照用户设置的计算思维认知模型，构建用于训练计算思维的训练平台；

该计算思维认知模型包括：认知问题子模型、处理问题子模型、解读问题子模型以及选择方法子模型。

展示模块302，用于根据该用户的请求，该训练平台展示与该计算思维认知模型对应的训练数据，该计算思维认知模型对应的训练数据包括：计算思维意识的训练数据、计算思维方法的训练数据以及计算思维运用能力的训练数据；

获取模块303，用于获取该用户对该训练数据的训练反馈数据；

等级评价模块304，用于根据该训练反馈数据以及预置的评级标准为该用户的计算思维评价等级；

评估模块305，用于根据为该用户的计算思维的评价等级，对该用户的计算思维进行多层模糊评估。

本实施例的未尽细节，与前述图1所述的内容相同，此处不再赘述。

本发明实施例通过提出echo认知模型，并以该认知模型为基础，从计算思维的认知、计算思维的方法学习、计算思维能力训练三个维度进行学习与能力训练；同时，从“意识维度”、“方法维度”和“能力维度”对计算思维能力进行分级与评估，提出了十九种能力指标，采用多层模糊评价模型对职业教育学习者的计算思维能力进行评价。从而将面向职业教育的计算思维能力培养与在线学习相结合，在该认知模型的指导下，通过平台中有特色的培养方法和评价体系对学习者进行抽象的思维能力训练和评估，可以有效地改变职业教育中的学习者的思维方式，完成技术操作型人才向信息处理人才的转变。

请参阅附图4，附图4是本发明第三实施例提供的基于认知模型的计算思维训练装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。附图4示例的基于认知模型的计算思维训练装置可以是前述实施例提供的基于认知模型的计算思维训练方法的执行主体，其可以是服务器或者其中的一个功能模块。与附图3示例的基于认知模型的计算思维训练装置不同之处在于：

进一步地，展示模块302，还用于根据该用户计算思维认知的训练请求，该训练平台以视频形式展示计算思维认知的训练数据，以及，根据该用户的查询请求，该训练平台以网页形式展示已构建的该计算思维认知的训练数据对应的计算思维网络百科。

展示模块302，还用于当接收到该用户的测试请求时，该训练平台展示与该计算思维认知的训练数据对应的测试数据。

展示模块302，还用于根据该用户的选择指令，该训练平台展示该用户选择的训练案例。

展示模块302，还用于根据该用户计算思维运用能力的行业训练请求，该训练平台展示预先设计的形式为计算思维导图的行业案例，该行业案例，用于体现计算思维在行业具体问题中的应用。

获取模块303，用于获取该测试数据对应的测试反馈数据。

获取模块303，还用于根据该用户计算思维方法的训练请求，按照预先对计算思维方法的分类，获取预置的与分类后的方法对应的训练案例，该对计算思维方法的分类包括：将计算思维方法进行如下类别的划分：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高以及系统保护，该训练案例用于训练计算思维方法的基本概念和实际应用。

获取模块303，还用于获取该用户对选择的训练案例的训练反馈数据。

获取模块303，还用于获取该实习企业根据预置的运用能力评级标准为该用户的计算思维运用能力评价的等级。

等级评价模块304，用于该并根据预置的认知能力评级标准为该用户的计算思维认知的能力评价等级。

等级评价模块304，还用于根据预置的方法能力评级标准为该用户的计算思维方法能力评价等级，其中，评价的等级与计算思维方法划分后的类别相对应。

等级评价模块304，还用于根据预置的运用能力评级标准为该用户的计算思维运用能力评价等级。

进一步地，评估模块305还包括：划分模块3051、评估子模块3052、

划分模块3051，用于将计算思维划分为多层级的评价指标；

其中，第一级评价指标分为计算思维意识维度，计算思维方法维度和计算思维运用能力维度；

该计算思维意识维度包括以下一个第二级评价指标：计算思维认知，该计算思维方法维度包括以下七个第二级评价指标：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高、系统保护，该计算思维运用能力维度包括以下一个第二级评价指标：计算思维运用；

该计算思维认知包括以下一个第三级评价指标：认知；该规律发现包括以下一个第三级评价指标：学习；该问题描述包括以下六个第三级评价指标：抽象、递归、规约、分解、转化和嵌入；该问题优化包括以下四个第三级评价指标：规划、折中、优化和启发式；该方案评价包括以下一个第三级评价指标：仿真；该效率提高包括以下两个第三级评价指标：并行和调度；该系统保护包括以下三个第三级评价指标：冗余保护、容错纠错和系统恢复；该计算思维运用包括以下一个第三级评价指标：能力；

评估子模块3052，用于将该用户的计算思维认知的能力评价等级，作为该计算思维意识维度的评估结果C₁：

C₁＝[c₁₁,...,c_1n]

评估子模块3052，还用于根据该用户的计算思维方法中的七个该第二级评价指标分别对应的评价等级，对该计算思维方法维度的评价指标的能力进行评价；

用论域V＝{V₁,...,V_n}表示该用户的计算思维的评价等级的集合，该集合中共有n个计算思维的评价等级；

具体地，将该计算思维方法维度的所有第三级评价指标构成评价因素的集合U，将该评价因素的集合U划分为与该计算思维方法中的第二级评价指标对应的不相交的子集{U₁,...,U₇}；

当U_i中有K_i个该评价因素，为每个该评价因素均赋予一个权重，则构建U_i的评价因素的权重向量A_i＝[a_i1,...,a_iKi]；

根据该用户的评价等级，得到每个该评价因素在不同评价等级的模糊映射关系向量，并将所有该评价因素的模糊映射关系向量进行组合，得到K_i行n列的模糊评价决策矩阵R_i；

对该模糊评价决策矩阵R_i应用模糊变换的合成运算，得到论域V上的一个模糊子集作为计算思维方法的第二级评级指标在不同评价等级上的模糊评价结果；

B_i＝A_i×R_i＝[b_i1,...,b_in]

B_i为计算思维方法的第i个二级评级指标在不同评价等级上的模糊评价结果；b_ij,j＝1,...,n是计算思维方法中第i个第二级评价指标在不同评价等级上的量化指标；

根据该计算思维方法的第二级评级指标在不同评价等级上的模糊评价结果构建决策矩阵R_c；

为该结算思维方法的第二级评级指标分配进一步对方法维度中的各二级指标分配权数向量A＝[a₁,...,a₇]，则可得该计算方法维度的评估结果C₂；

C₂＝A×R_c＝[c₂₁,...,c_2n]

评估子模块3052，还用于将该用户的计算思维运用能力的评价等级，作为该计算思维能力维度的评估结果C₃；

C₃＝[c₃₁,...,c_3n]

构建矩阵模块3053，用于该计算思维意识维度的评估结果C₁、该计算方法维度的评估结果C₂、该计算思维能力维度的评估结果C₃构建决策矩阵R_B；

综合评价模块3054，用于为构建的决策矩阵R_B分配权数向量F＝[f₁,f₂,f₃]，并得到该用户的计算思维的评价结果D：

D＝F×R_B＝[d₁,...,d_n]。

其中，d_j,j＝1,...,n是计算思维在不同评价等级上(共n个等级)的量化指标。

本实施例的未尽细节，与前述图1、图2所述的内容相同，此处不再赘述。

本发明实施例通过提出echo认知模型，并以该认知模型为基础，从计算思维的认知、计算思维的方法学习、计算思维能力训练三个维度进行学习与能力训练；同时，从“意识维度”、“方法维度”和“能力维度”对计算思维能力进行分级与评估，提出了十九种能力指标，采用多层模糊评价模型对职业教育学习者的计算思维能力进行评价。从而将面向职业教育的计算思维能力培养与在线学习相结合，在该认知模型的指导下，通过平台中有特色的培养方法和评价体系对学习者进行抽象的思维能力训练和评估，可以有效地改变职业教育中的学习者的思维方式，完成技术操作型人才向信息处理人才的转变。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

以上为对本发明所提供的一种基于认知模型的计算思维训练方法及装置的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于认知模型的计算思维训练方法，其特征在于，所述方法包括：

按照用户设置的计算思维认知模型，构建用于训练计算思维的训练平台；

根据所述用户的请求，所述训练平台展示与所述计算思维认知模型对应的训练数据，并获取所述用户对所述训练数据的训练反馈数据，以及，根据所述训练反馈数据以及预置的评级标准为所述用户的计算思维评价等级，所述计算思维认知模型对应的训练数据包括：计算思维意识的训练数据、计算思维方法的训练数据以及计算思维运用能力的训练数据；

根据为所述用户的计算思维的评价等级，对所述用户的计算思维进行多层模糊评估；

所述根据所述用户的请求，所述训练平台展示与所述计算思维认知模型对应的训练数据，并获取与所述用户对所述训练数据的训练反馈数据，以及，根据所述训练反馈数据以及预置的评级标准为所述用户的计算思维评价等级包括：

根据所述用户计算思维认知的训练请求，所述训练平台以视频形式展示计算思维认知的训练数据，以及根据所述用户的查询请求，所述训练平台以网页形式展示已构建的所述计算思维认知的训练数据对应的计算思维网络百科；

当接收到所述用户的测试请求时，所述训练平台展示与所述计算思维认知的训练数据对应的测试数据；

获取所述测试数据对应的测试反馈数据，并根据预置的认知能力评级标准为所述用户的计算思维认知的能力评价等级；

所述根据为所述用户的计算思维的评价等级，对所述用户的计算思维进行多层模糊评估包括：

将计算思维划分为多层级的评价指标；

其中，第一级评价指标分为计算思维意识维度，计算思维方法维度和计算思维运用能力维度；

所述计算思维意识维度包括以下一个第二级评价指标：计算思维认知，所述计算思维方法维度包括以下七个第二级评价指标：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高、系统保护，所述计算思维运用能力维度包括以下一个第二级评价指标：计算思维运用；

所述计算思维认知包括以下一个第三级评价指标：认知；所述规律发现包括以下一个第三级评价指标：学习；所述问题描述包括以下六个第三级评价指标：抽象、递归、规约、分解、转化和嵌入；所述问题优化包括以下四个第三级评价指标：规划、折中、优化和启发式；所述方案评价包括以下一个第三级评价指标：仿真；所述效率提高包括以下两个第三级评价指标：并行和调度；所述系统保护包括以下三个第三级评价指标：冗余保护、容错纠错和系统恢复；所述计算思维运用包括以下一个第三级评价指标：能力；

用论域V＝{V₁,...,V_n}表示所述用户的计算思维的评价等级的集合，所述集合中共有n个计算思维的评价等级；

将所述用户的计算思维认知的能力评价等级，作为所述计算思维意识维度的评估结果C₁：C₁＝[c₁₁,...,c_1n]；

根据所述用户的计算思维方法中的七个所述第二级评价指标分别对应的评价等级，对所述计算思维方法维度的评价指标的能力进行评价；

具体地，将所述计算思维方法维度的所有第三级评价指标构成评价因素的集合U，将所述评价因素的集合U划分为与所述计算思维方法中的第二级评价指标对应的不相交的子集{U₁,...,U₇}；

当U_i中有K_i个所述评价因素，为每个所述评价因素均赋予一个权重，则构建U_i的评价因素的权重向量A_i＝[a_i1,...,a_iKi]；

根据所述用户的评价等级，得到每个所述评价因素在不同评价等级的模糊映射关系向量，并将所有所述评价因素的模糊映射关系向量进行组合，得到K_i行n列的模糊评价决策矩阵R_i；

对所述模糊评价决策矩阵R_i应用模糊变换的合成运算，得到论域V上的一个模糊子集作为计算思维方法的第二级评级指标在不同评价等级上的模糊评价结果B_i；

B_i＝A_i×R_i＝[b_i1,...,b_in]

B_i为计算思维方法的第i个二级评级指标的模糊评价结果；b_ij,j＝1,...,n是计算思维方法中第i个第二级评价指标在不同评价等级上的量化指标；

根据所述计算思维方法的第二级评级指标的模糊评价结果构建决策矩阵R_c；

为所述计算思维方法的第二级评级指标分配进一步对方法维度中的各二级指标分配权数向量A＝[a₁,…,a₇]，则可得所述计算思维方法的评估结果C₂；

C₂＝A×R_c＝[c₂₁,...,c_2n]

将所述用户的计算思维运用能力的评价等级，作为所述计算思维运用能力的评估结果C₃；

C₃＝[c₃₁,...,c_3n]

所述计算思维意识维度的评估结果C₁、所述计算思维方法的评估结果C₂、所述计算思维运用能力的评估结果C₃构建决策矩阵R_B；

为构建的决策矩阵R_B分配权数向量F＝[f₁,f₂,f₃]，并得到所述用户的计算思维的评价结果D：

D＝F×R_B＝[d₁,...,d_n]

其中，d_j,j＝1,...,n是计算思维在不同评价等级上(共n个等级)的量化指标。

2.根据权利要求1所述的方法，其特征在于，所述计算思维认知模型包括：

认知问题子模型、处理问题子模型、解读问题子模型以及选择方法子模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述用户的请求，所述训练平台展示与所述计算思维认知模型对应的训练数据，并获取与所述用户对所述训练数据的训练反馈数据，以及，根据所述训练反馈数据以及预置的评级标准为所述用户的计算思维评价等级还包括：

根据所述用户计算思维方法的训练请求，按照预先对计算思维方法的分类，获取预置的与分类后的方法对应的训练案例，并根据所述用户的选择指令，所述训练平台展示所述用户选择的训练案例，所述对计算思维方法的分类包括：将计算思维方法进行如下类别的划分：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高以及系统保护，所述训练案例用于训练计算思维方法的基本概念和实际应用；

获取所述用户对选择的训练案例的训练反馈数据，并根据预置的方法能力评级标准为所述用户的计算思维方法能力评价等级，其中，评价的等级与计算思维方法划分后的类别相对应。

4.根据权利要求2所述的方法，其特征在于，所述根据所述用户的请求，所述训练平台展示与所述计算思维认知模型对应的训练数据，并获取与所述用户对所述训练数据的训练反馈数据，以及，根据所述训练反馈数据以及预置的评级标准为所述用户的计算思维评价等级还包括：

根据所述用户计算思维运用能力的行业训练请求，所述训练平台展示预先设计的形式为计算思维导图的行业案例，所述行业案例，用于体现计算思维在行业具体问题中的应用；

获取所述用户解决所述行业案例中的行业具体问题的训练反馈数据，并根据预置的运用能力评级标准为所述用户的计算思维运用能力评价等级。

5.一种基于认知模型的计算思维训练装置，其特征在于，所述装置包括：

构建模块，用于按照用户设置的计算思维认知模型，构建用于训练计算思维的训练平台；

展示模块，用于根据所述用户的请求，所述训练平台展示与所述计算思维认知模型对应的训练数据，所述计算思维认知模型对应的训练数据包括：计算思维意识的训练数据、计算思维方法的训练数据以及计算思维运用能力的训练数据；

获取模块，用于获取所述用户对所述训练数据的训练反馈数据；

等级评价模块，用于根据所述训练反馈数据以及预置的评级标准为所述用户的计算思维评价等级；

评估模块，用于根据为所述用户的计算思维的评价等级，对所述用户的计算思维进行多层模糊评估；

所述展示模块，还用于根据所述用户计算思维认知的训练请求，所述训练平台以视频形式展示计算思维认知的训练数据，以及，根据所述用户的查询请求，所述训练平台以网页形式展示已构建的所述计算思维认知的训练数据对应的计算思维网络百科；

所述展示模块，还用于当接收到所述用户的测试请求时，所述训练平台展示与所述计算思维认知的训练数据对应的测试数据；

所述获取模块，还用于获取所述测试数据对应的测试反馈数据；

所述等级评价模块，还用于根据预置的认知能力评级标准为所述用户的计算思维认知的能力评价等级；

所述评估模块包括：

划分模块，用于将计算思维划分为多层级的评价指标；

其中，第一级评价指标分为计算思维意识维度，计算思维方法维度和计算思维运用能力维度；

所述计算思维意识维度包括以下一个第二级评价指标：计算思维认知，所述计算思维方法维度包括以下七个第二级评价指标：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高、系统保护，所述计算思维运用能力维度包括以下一个第二级评价指标：计算思维运用；

所述计算思维认知包括以下一个第三级评价指标：认知；所述规律发现包括以下一个第三级评价指标：学习；所述问题描述包括以下六个第三级评价指标：抽象、递归、规约、分解、转化和嵌入；所述问题优化包括以下四个第三级评价指标：规划、折中、优化和启发式；所述方案评价包括以下一个第三级评价指标：仿真；所述效率提高包括以下两个第三级评价指标：并行和调度；所述系统保护包括以下三个第三级评价指标：冗余保护、容错纠错和系统恢复；所述计算思维运用包括以下一个第三级评价指标：能力；

用论域V＝{V₁,...,V_n}表示所述用户的计算思维的评价等级的集合，所述集合中共有n个计算思维的评价等级；

评估子模块，用于将所述用户的计算思维认知的能力评价等级，作为所述计算思维意识维度的评估结果C₁：

C₁＝[c₁₁,...,c_1n]

所述评估子模块，还用于根据所述用户的计算思维方法中的七个所述第二级评价指标分别对应的评价等级，对所述计算思维方法维度的评价指标的能力进行评价；

具体地，将所述计算思维方法维度的所有第三级评价指标构成评价因素的集合U，将所述评价因素的集合U划分为与所述计算思维方法中的第二级评价指标对应的不相交的子集{U₁,...,U₇}；

当U_i中有K_i个所述评价因素，为每个所述评价因素均赋予一个权重，则构建U_i的评价因素的权重向量A_i＝[a_i1,...,a_iKi]；

根据所述用户的评价等级，得到每个所述评价因素在不同评价等级的模糊映射关系向量，并将所有所述评价因素的模糊映射关系向量进行组合，得到K_i行n列的模糊评价决策矩阵R_i；

对所述模糊评价决策矩阵R_i应用模糊变换的合成运算，得到论域V上的一个模糊子集作为计算思维方法的第二级评级指标在不同评价等级上的模糊评价结果；

B_i＝A_i×R_i＝[b_i1,...,b_in]

B_i为计算思维方法的第i个二级评级指标在不同评价等级上的模糊评价结果；b_ij,j＝1,...,n是计算思维方法中第i个第二级评价指标在不同评价等级上的量化指标；

根据所述计算思维方法的第二级评级指标的模糊评价结果构建决策矩阵R_c；

为所述计算思维方法的第二级评级指标分配进一步对方法维度中的各二级指标分配权数向量A＝[a₁,…,a₇]，则可得所述计算思维方法的评估结果C₂；

C₂＝A×R_c＝[c₂₁,...,c_2n]

所述评估子模块，还用于将所述用户的计算思维运用能力的评价等级，作为所述计算思维运用能力的评估结果C₃；

C₃＝[c₃₁,...,c_3n]

构建矩阵模块，用于所述计算思维意识维度的评估结果C₁、所述计算思维方法的评估结果C₂、所述计算思维运用能力的评估结果C₃构建决策矩阵R_B；

综合评价模块，用于为构建的决策矩阵R_B分配权数向量F＝[f₁,f₂,f₃]，并得到所述用户的计算思维的评价结果D：

D＝F×R_B＝[d₁,...,d_n]

其中，d_j,j＝1,...,n是计算思维在不同评价等级上(共n个等级)的量化指标。

6.根据权利要求5所述的装置，其特征在于，所述计算思维认知模型包括：

认知问题子模型、处理问题子模型、解读问题子模型以及选择方法子模型。

7.根据权利要求6所述的装置，其特征在于，

所述获取模块，还用于根据所述用户计算思维方法的训练请求，按照预先对计算思维方法的分类，获取预置的与分类后的方法对应的训练案例，所述对计算思维方法的分类包括：将计算思维方法进行如下类别的划分：规律发现、问题描述、问题约简、问题优化、方案评价、效率提高以及系统保护，所述训练案例用于训练计算思维方法的基本概念和实际应用；

所述展示模块，还用于根据所述用户的选择指令，所述训练平台展示所述用户选择的训练案例；

所述获取模块，还用于获取所述用户对选择的训练案例的训练反馈数据；

所述等级评价模块，还用于根据预置的方法能力评级标准为所述用户的计算思维方法能力评价等级，其中，评价的等级与计算思维方法划分后的类别相对应。

8.根据权利要求7所述的装置，其特征在于，

所述展示模块，还用于根据所述用户计算思维运用能力的行业训练请求，所述训练平台展示预先设计的形式为计算思维导图的行业案例，所述行业案例，用于体现计算思维在行业具体问题中的应用；

所述获取模块，还用于获取所述用户解决所述行业案例中的行业具体问题的训练反馈数据；

所述等级评价模块，还用于根据预置的运用能力评级标准为所述用户的计算思维运用能力评价等级。