同伴互評支持的結對編程對學習者計算思維的影響研究

周平紅 桑雪梅 張屹 林裕如 程悅 洪佳鈺

[摘? ?要] 同伴互動是實現學習者深度學習與計算思維能力提升的關鍵環節，但計算思維的抽象性與內隱性特征阻礙了計算思維各能力維度共現關系與動態演化趨勢的外化表征。為此，文章提出了同伴互評支持的結對編程模式，并在高校綜合性課程中開展教育實踐，利用認知網絡分析（ENA）可視化呈現能力水平高—高、高—低和低—低三種結對方式下學習者計算思維認知網絡結構模型的差異。研究結果表明：同伴互評與結對編程模式的融合創新有助于學習者計算思維的提升與知識的雙向遷移；在線同伴互評中，組內互評關注計算思維的概念，組間互評側重于實踐和觀念；高—高組的同伴互評聚焦宏觀圖形認知，低—低組則傾向局部代碼編寫；隨著同伴互評的深入，三組的認知網絡質心移動軌跡轉趨一致。研究將同伴互評機制與結對編程教學模式有機融合，為高等教育體系中職前教師的計算思維從教準備度的培養提供理論指導與經驗參考。

[關鍵詞] 計算思維； 結對編程； 同伴互評； 認知網絡分析

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

[作者簡介] 周平紅（1979—），女，湖北黃石人。副教授，博士，主要從事STEM教育與計算思維、智慧教育與中小學人工智能教育、教育信息化測評與發展戰略等研究。E-mail：phzhou@mail.ccnu.edu.cn。

一、引? ?言

計算思維作為21世紀公民需具備的重要文化素養，在人工智能迅速發展的數字時代背景下逐漸融入學校課程教學中。《義務教育課程方案和課程標準（2022年版）》與《九校聯盟（C9）計算機基礎教學發展戰略聯合聲明》都強調計算思維能力的培養[1-2]。結對編程作為計算思維培養的有效方法得到廣泛關注，該方法在一定程度上緩解了單獨編程的焦慮與畏懼心理[3]。結對編程中匹配策略的選擇與設計尤為重要，其中，以學習者能力水平作為匹配依據較為成熟，但此類研究中不同匹配策略下的研究結論不一致，對結對雙方交流互動的過程性評價關注較少。另外，計算思維的抽象性與內隱性特征會導致課程教學難以直觀呈現學生過程性思維變化證據。隨著認知網絡分析（Epistemic Network Analysis，ENA）走進學習分析領域，研究者對互動過程產生的文本數據進行分節和編碼，可建構概念化認知網絡模型，多層次、動態化表征個體思維發展歷程[4]。因此，本研究利用同伴互評支持的結對編程，采用認知網絡分析呈現不同匹配組計算思維的動態演化軌跡。

二、文獻綜述

（一）計算思維的核心要素與測評研究

計算思維的構成要素國內外存在諸多爭議。周以真教授指出，計算思維是運用計算機科學的基礎概念進行問題求解、系統設計以及人類行為理解等涵蓋計算機科學之廣度的一系列思維活動[5]。英國學校計算課程工作小組（CAS）指出，計算思維是學習者邏輯能力、算法能力、遞歸能力、抽象能力的綜合體現[6]。Brennan等從實踐視角出發，將計算思維分解為計算概念、計算實踐與計算觀念三個維度[7]。國內學者李鋒等構建了計算思維“目標—內容”結構體系，即計算概念（程序、算法、數據結構）、計算實踐（問題分析、方案設計、過程開發、數據處理）和計算觀念（合作意識、情感態度）[8]。Angeli等強調了職前教師計算思維素養培養的重要性[9]。近年來，計算思維的評測由以代碼作品、題目測試、問卷等靜態數據逐步轉向利用視頻錄制、音頻采集、日志記錄等開展過程性研究，但基于認知網絡分析法將計算思維抽象為網絡模型進行動態分析的研究還有待進一步探究。

（二）結對編程中計算思維的相關研究

結對編程是由兩名學生（駕駛員和導航員）同時在一臺計算機上協作完成任務的編程教學策略[10]，不同情境中角色雙方的編程知識水平以及計算思維的變化成為研究關注點。相關研究表明，以學習者知識水平、技能經驗以及性別因素作為配對依據時，學習者的計算思維能力水平得到有效提升，并能實現遷移運用。也有研究者基于學習者的學習風格、伙伴關系開展結對編程，發現不同成績水平的學習者在計算思維三個維度上呈現出顯著差異，且異質的學習風格組合學習成效高于同質組合[11]。部分研究表明，存在知識梯度的高—低組隊會導致低水平學生參與度不足、消極被動等問題[12]。為了明晰能力水平相近的同質組合的學習效果，本研究在高—低異質結對的基礎上納入高—高與低—低兩種同質組隊模式，探究不同結對編程匹配模式下學習者的知識建構與思維躍遷。

（三）同伴互評支持的結對模式對計算思維的影響研究

同伴互評是群體或個人觀摩同伴工作并進行彼此評估、相互學習的過程[13]，互評的對象經常被定義為學習成果或產品質量。近年來，互評活動逐漸由線下課堂轉移到線上學習環境中。例如，使用基于同伴互評的雙向概念映射系統，能提升學生的高階思維與反饋質量[14]。此外，同伴互評與結對編程模式的融合為學習者計算思維能力的培養創造了潛在的提升空間。Hsu等基于學生語言差異進行分組開展機器人教育時，發現在結對編程過程中為角色雙方提供目標語言的同伴互動問答環節，有助于學習者計算思維技能與合作社交能力的提升[15]。然而，傳統的編程實踐常從問題識別（Problem Identification）、流程定義（Flow Definition）、編程（Coding）以及測試（Testing）四個環節（即PFCT法）來指導學生的編程活動，強調編程技能的培訓，卻對學習者通過社會互動促進深度反思的過程關注不夠。Fang等基于此提出了同伴評估支持的編程方法，即PA-PFCT（Peer-Assessment-supported PFCT）法，并通過實驗證明該方法可有效提高高中學生的計算思維意識[16]。由于職前教師是未來培養學習者計算思維的主力軍，國際教育技術協會發布的《計算思維能力標準（教育者）》標準中強調，教師應是計算思維學習者、圍繞計算的協作者、融合計算思維的促進者等，而同伴互評支持的結對編程將有助于發展職前教師計算思維能力和協作能力。鑒于此，本研究面向高等教育領域創建針對職前教師的結對編程環境，采用PA-PFCT方法引導學生使用在線同伴互評平臺對小組內部及小組間的計算思維過程進行評價，比較自我期望與實際表現之間的差異，促進計算思維意識的生成與轉換。

綜上所述，本研究主要探究以下四個問題：（1） 同伴互評支持的結對編程是否影響大學生的計算思維水平？（2）在結對編程實驗中，學習者組內互評與組間互評反映出的計算思維各能力維度具有怎樣的特征？（3）在結對編程實驗中，不同匹配策略的學習者組內互評與組間互評反映出的計算思維各能力維度具有怎樣的特征？（4）在結對編程實驗中，不同匹配策略的學習者組內互評與組間互評反映出的計算思維質心發展軌跡如何？

三、研究設計

（一）研究對象

本研究在2022年春季華中地區某師范大學的綜合性課程“教育信息處理”中開展，研究對象為大學二年級教育技術學專業的本科生，該專業主要培養中小學信息技術的職前教師，共計40人，其中，男生13人（占比32.5%），女生27人（占比67.5%）。學生皆具備一學期的C語言學習基礎。以學生的C語言期末成績作為編程知識水平高低的劃分依據，成績前50%為高水平，后50%為低水平，共形成高—高、高—低、低—低三種匹配策略。該門課程為期16周，前8周以概念理論講授為主，后8周上機實驗針對理論知識設計程序代碼，需兩兩結對完成任務，一人作為駕駛員負責編寫代碼，另一名同伴則提出意見與修改方向，兩人可互換角色。

（二）研究過程

本研究將課程劃分為知識建構、結對編程、組間互評三個環節，如圖1所示。學習者需形成系統知識體系才能正式上機編程，基于PA-PFCT編程學習模式，從問題識別、流程定義、結對編程、代碼測試、組內互評五個步驟中挖掘學習者計算思維的差異特征與變化趨勢。

（1） 知識建構：教師在理論課講授中采用混合式教學，線上通過學校自主研發的小雅平臺發布學習任務，個人自學完成任務單或主題討論，教師在課堂上進行解析，引導學生進行理論知識建構。

（2） PA-PFCT：不同的匹配策略下的學生參與實驗課程，按照問題識別、流程定義、結對編程、代碼測試開展程序設計，編程結束后雙方圍繞計算思維的概念、實踐、觀點三個關鍵點在實驗報告上撰寫組內互評。

（3） 組間互評：組內一名成員將小組實驗報告提交至小雅平臺，系統自動為每人分配4至5份實驗報告，學生接收到其他組的實驗報告后在規定時間內為被評者打分，撰寫組間互評的評語。

（三）研究工具

本門課程由一名具有10年以上教學經驗的教師教授，在實驗中組織學生統一填寫計算思維問卷，該問卷改編自Korkmaz等開發CTS量表，分為創造力、算法思維、批判性思維、問題解決能力以及合作技能五個維度，采用李克特五分量表，其中1表示“非常不符合”，5表示“非常符合”。利用SPSS23.0進行分析后得出問卷的克隆巴赫系數值為0.909，表明具有良好的信度。

（四）數據收集與編碼

本研究選取完成度較高的4次實驗報告進行統計，排除報告填寫缺失，提交次數不足，結對情況不佳的5組人員后，余下15組學生的有效互評文本總計627條，其中，組間互評544條，組內互評83條。對所獲文本按語義段切分后，將完整的語義結構視為一個意義單元。參考李鋒等提出的計算思維分類標準，將計算思維劃分為計算概念、計算實踐、計算觀念3個一級指標，并進一步細分為12個二級指標構建編碼體系（見表1）。在正式編碼前，對兩名研究生助教進行專業的編碼培訓，編碼不一致的文本對比討論，使得最終編碼趨于一致。編碼結束后，使用SPSS23.0進行一致性檢驗，Cohen Kappa值為0.877，表明編碼結果具有良好的一致性。最終將編碼表格導入ENA在線工具（http：//www.epistemicnetwork.org/），對計算思維各維度進行可視化分析。

四、研究結果

（一）同伴互評支持的結對編程模式對學生計算思維的影響

本研究最終有效樣本15組，高—高、高—低及低—低各5組，為了測評同伴支持的結對編程匹配策略對學生計算思維的影響，運用SPSS 23.0進行單因素方差分析。結果表明，不同結對形式學習者計算思維存在顯著差異（p＜0.001）。進一步對結果進行LSD事后檢驗發現，高—高組的計算思維水平顯著高于高—低組和低—低組（p＜0.05，p＜0.001），而高—低組和低—低組比較無顯著差異（p＞0.05）。

（二）同伴互評中計算思維各維度差異比較

為了探究學習者組間互評與組內互評呈現的計算思維各維度的差異，本研究對4次實驗的編碼結果進行統計。結果發現，在開展組間互評時，學習者側重于計算思維的實踐與觀念，尤其在“方案設計”與“過程開發”中占比較大，分別為21%與18%，主要表現為對任務流程圖進行繪制，梳理出完整的思維邏輯與問題解決方案，并不斷找出問題進行調試直至輸出正確的結果。當兩人為一組進行組內互評時，則更為側重計算思維的概念，在“變量”和“運算符”的反思中表現較為突出，分別為18%與17%。值得注意的是，在問題分析上無論組間還是組內關注程度較為一致（14%與15%）且頻率出現較高。

（三）不同結對模式下的學習者在計算思維各能力維度的認知差異分析

通過組內互評的視角，對文本數據進行建模分析得到高—高組、高—低組以及低—低組的認知網絡質心分布，如圖2所示，不同的小方塊表示不同組別的計算思維平均認知網絡質心，圓點代表每組學生的認知網絡質心，虛線框表示質心位置在95%水平上的置信區間。三種匹配策略下的學習者計算思維具有不同的認知結構，其中高—高組與低—低組的質心位于X軸的上方，且距離高—低組的質心相對較遠，說明三種結對方式下的學習者開展組內互評時對計算思維關注點存在差異。

圖3展示了不同組別的認知網絡疊減圖，ENA網絡模型中黑色節點代表計算思維的各維度，節點之間的連線表示兩者產生共現域，節點的大小和連線的粗細、飽和度可表征元素出現的頻率以及聯系的強弱。圖3（a）是將高—高組與低—低組的認知網絡圖結構進行疊減得到的效果圖，圖3（b）是高—高組與高—低組的疊減圖，當元素之間的連線重疊時會自動相減，最終呈現出聯系較強的線條顏色以及相減后的連線系數值，同時線條粗細也會進行疊減。由圖3（a）和圖3（b）可知，高—高組在“變量”與“事件”，“合作意識”與“運算符”“條件”“過程開發”之間的連接明顯強于其他兩組。圖3（c）的認知網絡差異圖是由高—低組與低—低組疊減得到的，由圖3（b）和圖3（c）中可知，高—低組網絡密度較高，主要圍繞“函數”“變量”以及“方案設計”等節點展開，建立了“函數”與“循環”“運算符”“變量”“事件”“方案設計”與“問題分析”“過程開發”等較強的連接。對比圖3（a）和圖3（c）可以觀察到，低—低組在“變量”與“循環”“條件”“情感態度”之間存在強連接。這些現象表明，高—高組在組內互評的過程中更為關注兩人結對期間的團隊協作能力，并且利用過程開發的流程圖指導整體實驗。高—低組互評中提及的計算思維元素相對更廣，充分考慮到計算思維的概念以及實踐兩方面。低—低組的關注點始終圍繞變量、循環等計算思維概念展開，對該匹配策略下產生的互評文本分析后得知結對雙方容易在變量的類型判斷、循環語句和條件語句的使用上出錯，導致困惑、迷茫等消極情緒。

為了對比學習者在組內互評與組間互評中計算思維各維度存在的差異，使用同樣的方法對組間互評產生的文本進行處理，如圖4所示，高—高組與高—低組的平均網絡質心距離較近，低—低組的質心與其他兩組距離較遠。這一現象表明，高—高組與高—低組在計算思維的關注維度上具有一定的相似性。

從組間互評的視角來看，圖5展示了不同結對模式的認知網絡疊減圖，圖5（a）反映了高—高組與低—低組相減后計算思維各元素的分布情況及聯系程度，兩組的認知網絡結構呈左右均勻分布，圖5（b）表示高—高組與高—低組的疊減圖。觀察圖5（a）和圖6（b）可知，高—高組存在明顯的“合作意識”與“過程開發”“方案設計”之間的連接。分析圖5（b）和圖5（c）的認知網絡差異可知，高—低組節點在“問題分析”與“情感態度”“合作意識”之間的連接顯著強于其他組。對比圖5（a）與圖5（c）發現，低—低組節點元素大部分分布在右側，在“循環”與“變量”“問題分析”以及“方案設計”與“變量”的連接頻率較高。由此說明，高—高組與高—低組對整體圖形化設計呈現的觀察與解讀較多，針對他人的作品進行評價時主要分析兩人共同繪制的問題分解導圖、代碼設計流程圖以及結對過程中的駕駛員與導航員的交換情況，偏向于對計算思維實踐和觀念維度的分析。低—低組則更加關注局部代碼書寫與運行，通過觀察代碼中出現的變量名定義格式、類型以及循環語句的使用細節，分析代碼設計存在的問題。

（四）不同結對模式下的學習者計算思維發展軌跡差異分析

為進一步探究學生計算思維的發展趨勢，本研究分別比較了不同匹配策略下組內互評質心軌跡變化（如圖6所示）。從整體來看，認知網絡質心呈現聚攏趨勢，相對距離逐漸縮小。觀察質心移動軌跡發現，高—高組的質心無論如何變化，大部分仍處于計算思維概念上；高—低組從實踐出發過渡到概念，最終在計算思維實踐上趨于穩定；低—低組變化趨勢則一直在概念與實踐之間交替變化，且橫跨四個象限。說明先驗知識水平較高的雙方結對開展組內互評時，對計算思維的關注點較為穩定集中。

對比三種匹配策略的組間互評質心移動軌跡，如圖7所示。隨著實驗的開展，三組的平均認知網絡質心整體上逐漸靠攏并趨于原點，且在第二次開展組間互評時都過渡到第四象限，逐漸從宏觀的文字描述、思維導圖以及流程圖分析轉移到對代碼中基本的運算符、函數等計算思維的概念維度進行規范剖析。此外，還可以觀察到高—高組的平均質心大多位于第二象限，說明高—高組對其他組作品進行評價反饋時意見大多較為穩定，集中于計算思維的問題分析維度，而高—低組與低—低組的組間互評在計算思維各維度反復橫跳，受實驗材料本身的影響較大，難以達成統一的認知層面。

五、研究結論與展望

本研究創設了同伴互評支持的結對編程環境，采用認知網絡分析對在線平臺中職前教師組內互評與組間互評進行處理，從同伴互評視角探究不同結對模式下學習者計算思維的認知發展特征與變化軌跡，得出以下結論：

（一）同伴互評支持的結對編程有助于提升學習者的計算思維能力

已有研究表明，教學模式的多樣性與互補性能夠在一定程度上彌合學習者消極心理，將同伴互評整合到傳統的結對編程模式中，可有效緩解學習者參與度不足、知識遷移量低等問題。同時，研究發現，高—高組的計算思維提升水平顯著高于高—低和低—低組。這與之前的研究類似，學業水平較高的學習者計算思維能力優于學業成績較低的學生[17]。研究結果進一步表明，同伴互動以及其他支架式教學的融合，可促進程序開發與試驗迭代的過程，在動態協作分工中進行知識共享與思維發散。

（二）學習者開展組內互評和組間互評時呈現的計算思維關注點不同

學習者在組間互評階段主要關注計算實踐和計算觀念，在問題解決邏輯上表現較為突出。已有研究發現，結對編程可以讓雙方思維顯性化，提升學生的推理技能與邏輯思維能力[18]。而組內互評時，更為關注計算概念中的變量與運算符等，學習者面對變量、表達式和循環等概念的理解時，會存在較大的挑戰。因此，在職前教師計算思維教學能力的培養中，應關注組內與組間的同伴互動，以過程為導向提高溝通協作意識與計算思維的從教準備度。

（三）不同結對模式的學習者認知特征與傾向存在差異

高—高組開展同伴互評時關注流程圖和思維導圖等整體圖形化的表達對程序開發的指導性作用。進一步表明，流程圖與思維導圖可作為計算思維抽象表達的工具，可將問題分解建模與推理演繹等思維過程可視化。低—低組則表現出對變量、運算符等局部代碼的細微觀察。吳忭等人的研究發現，低能力組的學生協作編程時更多關注代碼行的次序，采用相對低效、淺層次的方式修補程序[19]。高—低組可理解為專家—新手模式，高水平學生可幫助低水平學生搭建認知框架，新手可給予專家更多解決方案的啟發[20]，從而推動計算思維能力在各維度的轉移。對于教學經驗相對缺乏的職前教師而言，在無法完全避免能力較低的雙方開展組隊的情況下，教師及時予以適當提示與引導，能夠將雙方的關注點從對無關問題或認知差異的無效討論聚焦到對核心問題解決流程的把控。

（四）不同結對模式下學習者的計算思維能力轉趨一致

雖然不同組別的同伴互評質心發展軌跡存在差異，但整體質心不斷靠近。隨著結對編程的不斷深入，三種結對模式的學習者計算思維能力水平呈現趨同演化的趨勢。此前的研究證明，在同伴互評中高分組與低分組的學習者群體認知隨著時間的推移，在經歷了觀點建構與自我反思后質心發展軌跡漸趨一致[21]。學習者可持續對自身方案進行審視與迭代，在抽象分解與溝通互助中累積經驗，將已有的概念與具象認知遷移運用，最終達到計算思維能力傾向的相對統一。

綜上所述，同伴互動機制與結對編程教學組織形式的有效融合創新為學習者提供了促進彼此協作互動與知識雙向遷移的契機，采用不同的結對模式可激發不同知識梯度的學習者貢獻想法，形成多元化的靈感。在社會互動中從認知沖突逐漸轉向知識重構，達到互動過程的深度反思，從而提高群體的問題解決能力和計算思維意識。但個體思維發展具有動態性與深刻性，群體特征難以全面反映個體變化差異，因此，未來的研究可基于人工智能技術精準捕獲并自動分析編程過程中產生的個體語言、肢體行為、面部情緒等多模態數據源，生成以證據為中心的個體計算思維診斷結果，建構計算思維的動態發展與預測認知模型，并以結對編程的匹配模式設計作為切入點，結合PA-PFCT法可逐步實現在不同的教學境脈和學科課程中推廣。

[參考文獻]

[1] 教育部.教育部關于印發義務教育課程方案和課程標準（2022年版）的通知[EB/OL].（2022-03-25）[2023-03-21]. http：//www.gov.cn/zhengce/zhengceku/2022-04/21/content_5686535.htm.

[2] 何欽銘，陸漢權，馮博琴.計算機基礎教學的核心任務是計算思維能力的培養——《九校聯盟（C9）計算機基礎教學發展戰略聯合聲明》解讀[J].中國大學教學，2010，241（9）：5-9.

[3] BERGIN S， REILLY R. The influence of motivation and comfort-level on learning to program[C]//17th Workshop of the Psychology of Programming Interest Group. Brighton：Psychology of Programming Interest Group， 2005：293-304.

[4] 王志軍，楊陽.認知網絡分析法及其應用案例分析[J].電化教育研究，2019，40（6）：27-34，57.

[5] WING J M. Computational thinking[J]. Communications of the ACM，2006，49（3）：33-35.

[6] Computing at school working group. Computer science： a curriculum for school [EB/OL].（2012-03-01）[2023-10-20]. http：//www.computingatschool.org.uk/data/uploads/Computing Curric.pdf.

[7] BRENNAN K， RESNICK M. New frameworks for studying and assessing the development of computational thinking[C]//Proceedings of the 2012 Annual Meeting of the American Educational Research Association. Vancouver： AERA，2012.

[8] 李鋒，程亮，顧小清.計算思維學業評價的內容構建與方法設計——文獻比較研究的視角[J].中國遠程教育，2022（2）：65-75，77.

[9] ANGELI C， GIANNAKOS M N. Computational thinking education： issues and challenges[J]. Computers in human behavior，2020，105：1-3.

[10] WILLIAMS L， KESSLER R R， CUNNINGHAM W， et al. Strengthening the case for pair programming[J]. IEEE software，2000，17（4）： 19-25.

[11] 李彤彤，郝晴，文雨，等.基于學習風格和伙伴關系的配對編程對小學生計算思維的影響研究[J].遠程教育雜志，2022，40（3）：105-112.

[12] 傅騫，張力文，馬昊天，等.大學生編程韌性水平調查及其影響因素研究[J].電化教育研究，2021，42（4）：29-36.

[13] 范逸洲，馮菲，劉玉，等.評價量規設計對慕課同伴互評有效性的影響研究[J].電化教育研究，2018，39（11）：45-51.

[14] HWANG G J， CHANG S C. Facilitating knowledge construction in mobile learning contexts： Abi-directional peer-assessment approach[J]. British journal of educational technology，2021，52（1）：337-357.

[15] HSU T C， CHANG C， WU L K， et al. Effects of a pair programming educational robot-based approach on students' interdisciplinary learning of computational thinking and language learning[J]. Frontiers in psychology，2022，13：888215.

[16] FANG J W， SHAO D， HWANG G J， et al. From critique to computational thinking： a peer-assessment-supported problem identification， flow definition， coding， and testing approach for computer programming instruction[J]. Journal of educational computing research， 2022，60（5）：1301-1324.

[17] 夏小剛，張文蘭，劉斌，等.編程軟件、學業水平對初中學生計算思維發展的影響研究[J].數字教育，2020，6（2）：70-75.

[18] 劉敏，汪瓊.結對編程：中小學編程教育的首選教學組織形式[J].現代教育技術，2022，32（3）：102-109.

[19] 吳忭，王戈.協作編程中的計算思維發展軌跡研究——基于量化民族志的分析方法[J].現代遠程教育研究，2019（2）：76-84，94.

[20] PLONKA L， SHARP H， VAN DER LINDEN J， et al. Knowledge transfer in pair programming： an in-depth analysis[J]. International journal of human-computer studies， 2015，73：66-78.

[21] 張濤，張爍，張思，等.在線同伴互評中群體認知的特征、網絡與發展軌跡分析[J].現代教育技術，2022，32（9）：82-90.

A Study on the Influence of Peer Assessment-supported Pair Programming on Learners' Computational Thinking

ZHOU Pinghong，? SANG Xuemei，? ?ZHANG Yi，? LIN Yuru，? CHENG Yue，? HONG Jiayu

（Faculty of Artificial Intelligence， Central China Normal University， Wuhan Hubei 430079）

[Abstract] Peer interaction is a key link to improve learners' deep learning and computational thinking ability， but the abstract and implicit characteristics of computational thinking hinder the externalization of the co-occurrence relationship and dynamic evolutionary trend of computational thinking dimensions. To this end， this study proposes a peer assessment-supported pair programming model and carries out educational practice in a comprehensive course in colleges and universities. Epistemic Network Analysis（ENA） is used to visualize the differences in the cognitive network structure model of computational thinking among learners in three types of pairs with high-high， high-low and low-low proficiency levels. The results show that the integration of peer assessment and pair programming model is conductive to the improvement of learners' computational thinking and the two-way transfer of knowledge; In online peer assessment， intra-group peer assessment focuses on the concept of computational thinking and inter-group peer assessment focuses on the practice and ideas; The peer assessment of the high-high group focuses on macroscopic graph cognition， while the low-low group tends to local code writing; As peer assessment progresses， the cognitive network of the three groups becomes more consistent; With the deepening of peer assessment， the trajectories of cognitive network center of mass movement of the three groups became consistent. This study integrates the peer assessment mechanism with the pair programming teaching model， which provides theoretical guidance and empirical references for the cultivation of pre-service teachers' readiness to teach computational thinking in higher education system.

[Keywords] Computational Thinking; Pair Programming; Peer Assessment; Epistemic Network Analysis