面向多維度思維認知能力提升的Python課程教學改革實踐

摘要：為應對人工智能時代對高層次人才的需求，研究旨在探索一套提升學生多維度思維認知能力的Python課程教學改革方案。研究首先界定了計算思維、工程思維與創新思維的核心內涵。以此為導向，構建了“教學內容優化—教學方法驅動—大語言模型輔助”三位一體的教學模式，并設計了配套的多元過程化考核評價體系。教學實踐結果表明，該改革方案不僅顯著提升了學生的學業成績，更在多項思維能力維度上促進了其發展。研究為人工智能背景下的程序設計課程改革提供了系統性的實踐參考。

關鍵詞：Python課程；多維度思維培養；大語言模型輔助；過程化評價；教學改革

中圖分類號：G642" " " 文獻標識碼： A

文章編號： 1009-3044（2025）28-0146-04

開放科學（資源服務） 標識碼（OSID）

0 引言

隨著人工智能技術的發展，尤其是大語言模型技術的廣泛應用，這一智能輔助工具一方面使學生在學習程序設計語言語法時更加輕松，降低了學習門檻[1]，另一方面也對程序設計語言的教學改革提出了更高的要求[2]。當前的教學不應僅局限于讓學生通過編程解決簡單的計算問題，而應將重點放在增強學生的思維認知能力上[3]，涵蓋計算思維能力、工程思維能力和創新思維能力。這些思維能力不僅是學生解決復雜問題的關鍵，更是適應未來社會對高素質人才需求的必備素養。

Python是人工智能時代應用非常廣泛的語言[4]，以其語法簡潔、功能強大等特點，成為培養思維認知能力的理想程序設計語言。近年來，教育工作者圍繞培養學生不同維度的思維認知能力開展了諸多探索[5]，并取得了一定的成果。然而，現有研究或側重單一計算思維的培養，或未能將教學方法、前沿工具（如大語言模型） 與多元思維目標進行系統性的整合與聯動。針對此問題，本文提出了一套系統化的教學改革框架。該框架首先對Python程序設計課程的教學內容進行優化升級，然后根據不同層次的教學內容和思維認知特點，分別引入案例演化、成果導向、問題引領等多樣化教學方法，結合大語言模型在代碼解析、功能分解、跨領域探索等方面的輔助功能，幫助學生在學習編程知識的同時，系統地掌握計算思維、工程思維和創新思維的方法與技巧，實現綜合素質的全面提升。這一探索不僅是對Python教學的優化，更是對AI時代下程序設計教育范式的一次積極回應。

1 多維度思維認知的內涵與特征

多維度思維認知包括計算思維、工程思維和創新思維3個方面，每種思維范式均具有其獨特的內涵與特征，并且會在實際應用中互相影響和促進，如表1所示。作為編程基礎的計算思維，其重點是通過數據結構和算法來解決可計算的問題[6]，核心是抽象化和自動化。這種思維能幫助學生將復雜問題分解為多個可計算的步驟，再通過設計好的算法和恰當的數據結構來處理。工程思維主要是用自上而下、逐步細分的方法來處理復雜問題，其特點是系統化、層次化。它是從整體到部分、從抽象到具體的思考過程，在軟件開發中可以指導學生更有條理地解決各種復雜問題，從而提高項目的質量和可維護性。創新思維是用新的方法或者結合不同領域的知識來解決問題，具有開創性和探索性特點。培養學生具備這種思維能力，可以保持他們不斷學習的積極性，打破傳統思維的約束，嘗試采用前沿技術和創新手段來解決遇到的問題，從而提高其在復雜多變環境下的適應能力。

這3種思維方式不是相互獨立的，而是相互聯系、共同促進的。計算思維為工程思維提供了基礎的邏輯和方法支持。在軟件開發中，計算思維能輔助學生設計出高效的算法和數據結構，而工程思維則負責將這些算法模塊有效地集成于宏觀系統架構之中，以確保系統的整體性與可維護性。工程思維為創新思維搭建了實現的平臺，而創新思維的想法又要依靠工程思維的系統化方法來實現。在實際操作中，創新思維可以不斷推動技術升級和改進，然后工程思維可確保這些創新想法被穩定、高效地實現。計算思維為創新思維奠定了技術基礎，算法與數據結構是學生進行技術創新的基礎工具集。創新的前提是掌握現有的技術方法，而創新思維能引領學生探索新的使用場景和處理方法，幫助他們打破傳統算法和技術的限制。

2 基于多維度思維認知的教學改革方案

明確了面向思維認知能力提升的教學改革方向后，針對不同的思維認知能力培養目標，對教學內容進行了優化升級，設計了針對性的教學方法，并利用大語言模型輔助教學目標的實現，整體方案如表2所示。

2.1 多維度思維導向的教學內容設計

計算思維是程序設計的核心思維之一。在教學內容上，首先從計算機的本質出發，介紹圖靈機的概念，從而讓學生理解計算機的核心運行原理，即存儲程序和指令驅動。這是計算機的理論模型，也是計算機處理問題的底層邏輯，為后續學習奠定了理論基礎。然后介紹數據類型的概念，不同類型數據表示方式不同，取值范圍不同，支持的運算不同，最根本的區別是在計算機中的存儲方式不同，對數據的深入認識有助于學生更好地設計算法。為了高效存儲和索引一批數據，引入組合數據類型的概念，配合循環控制結構，能實現對數據的批處理，這是解決復雜計算問題的常用手段。同時，引入時間復雜度和空間復雜度的概念，使學生在設計算法時，不僅關注功能的實現，還能權衡算法的執行效率，學會在空間和時間的約束下優化算法，從而更加全面地提升計算思維能力。

工程思維是一種系統性思維，須通過實踐引導學生系統化地解決問題，因此須引入函數、面向對象和軟件工程思想。函數能將復雜的程序邏輯分解成簡單、可復用的功能模塊，讓學生學會運用自頂向下分析、自底向上實現的方法解決復雜問題。這種分而治之的策略不僅能降低問題難度，還能提高代碼的可讀性和維護性。面向對象的編程使學生學會將復雜系統分解為對象間的交互，從而使程序邏輯更加清晰，并且能夠提高代碼的可擴展性和可維護性。軟件工程思想為軟件開發提供了規范的流程，涵蓋從需求分析到代碼維護的各階段，從而讓學生掌握系統化的開發流程，培養工程素養和團隊協作能力。三者從不同層面助力學生掌握工程思維，即通過模塊化、面向對象和系統化的方法，將復雜問題分解為可管理的部分，逐步實現解決方案。

在多維度思維導向的教學內容設計中，為培養學生的創新思維，引入知識圖譜等前沿技術和Python第三方庫。知識圖譜作為一種圖結構的知識表示工具，能夠以三元組的形式統一表示各領域知識，方便實現跨領域應用。知識圖譜與Python第三方庫結合能夠大大降低技術實現門檻，學生通過調用第三方庫編程，能夠快速構建和分析知識圖譜，從而有利于將更多精力放在知識圖譜的創新應用上。知識圖譜豐富的知識關聯能夠為學生提供廣闊的創新視野，當學生面對一個問題時，知識圖譜能幫助其快速獲取多領域信息，打破學科知識局限，拓寬思維邊界，并且其可視化的知識結構也便于學生發現潛在的創新點。知識圖譜的動態性和擴展性，使學生在參與知識圖譜構建和應用的過程中，也能養成持續學習和探索新知識的習慣，從而激發創新思維的持續發展。

2.2 多維度思維驅動的教學方法實施

基于經典案例演化的問題導向教學遵循從簡單到復雜的認知規律，逐步引導學生掌握編程知識與技能，培養其計算思維。在教學過程中，教師從一個基本問題出發，通過不斷增加問題的難度，讓學生在解決問題的過程中掌握新知識并提升計算思維能力。以“天天向上”能力增長為例。首先，提出基礎問題，即“若每天努力，能力增長1%，那么一年365天后能力增長多少？”這個問題可通過冪運算直接解決。其次，增加難度，即“如果一年中每7 天休息2天，休息時能力下降1%，那么一年下來能力增長多少？”解決這個問題須引入循環和分支結構，通過循環來模擬365天，通過分支來區分工作和休息時能力的變化。再次，繼續增加難度，即“如果每周照常休息2天，并且希望一年下來的能力增長值也能達到之前天天努力的效果，那么須努力到什么程度能夠剛好達到之前的天天努力效果？”這個問題無法直接計算，須運用試湊的思想。所謂試湊就是通過不斷嘗試和調整來逼近正確答案，它是計算思維中典型的解決問題方式。這種從簡單到復雜的逐步演化的教學過程，讓學生在解決問題的過程中不斷提高對計算思維的理解和應用能力。

成果導向的實踐案例教學法，是以明確的項目成果為導向，借助實際案例開展教學活動的方法。教師通過設定具體、清晰的目標，引導學生按照軟件工程的規范流程，經歷從需求分析、設計、編碼實現到測試維護等完整環節，讓學生在實踐過程中提升對工程思維的理解和認知。以拼圖游戲開發項目為例，在需求分析階段，學生須確定軟件的功能，如拼圖碎片的隨機打亂、玩家的拼圖操作以及各種交互提示等。在設計階段，學生運用函數和面向對象思想構建游戲架構。在實現階段，學生通過調用Python的PIL庫實現基本的圖像處理功能，并且在實現過程中遵循軟件工程思想，注重代碼的規范性和可讀性，合理劃分功能模塊。完成初步開發后，須進行全面測試，包括正常情況的操作，也包括異常情況的處理，從而保證用戶交互的友好性，提高軟件的健壯性。最后還要完成軟件說明文檔。通過這個項目，學生不僅掌握了函數和面向對象的實際應用，也熟悉了軟件的開發流程，培養了從整體規劃出發，將復雜任務逐層分解為一個個可實現的小任務，然后逐步完成整個軟件開發的系統性思維過程。這不僅培養了工程思維，也提高了學生分析和解決復雜問題的能力。

問題引領的啟發式探究教學法，是一種以問題為導向，以啟發和探究為核心的教學方法。以民航航班延誤預測為例。教師首先提出一個挑戰性的問題，即“如何利用領域大數據資源，建立精準的航班延誤預測模型，從而最大限度地減少航班延誤帶來的負面影響？”此問題會涉及航空運輸管理、氣象學、計算機科學等多個領域的知識，為了更好地融合不同領域的知識，引入知識圖譜技術。知識圖譜能夠將航班歷史數據、氣象數據、機場運營數據、航空公司資源調配數據、空中交通管制信息等不同來源的數據整合為一個整體，并且以可視化的圖結構展示相互之間的關聯關系。這樣的圖結構能夠幫助學生從整體上理解航班延誤這一現象背后的多因素相互關聯，從而引導學生發現更多隱含的因果關系，啟發創新思考。例如，針對發現的特定季節的天氣模式與航班延誤之間的關聯關系，可以通過提前調整航班計劃或者優化資源分配來降低延誤風險。對知識圖譜中的因果關聯有了一定認知之后，可以引導學生利用Python庫中的機器學習算法構建和優化航班延誤預測模型。通過不斷地嘗試，學生學會在實踐中用創新的方法解決實際問題。

2.3 大語言模型輔助多維度思維能力提升

在計算思維培養中，代碼的理解和調試是學生面臨的主要問題。大語言模型具有很強的代碼解析能力。當面對復雜代碼時，學生往往感到困惑，大語言模型能夠為其提供詳細的代碼解釋，幫助學生理解代碼的功能和邏輯。當程序出現錯誤時，大語言模型能夠根據錯誤提示精準地定位到問題所在位置，并根據錯誤的不同類型給出相應的解決方案。算法優化是提升算法設計能力的關鍵，大語言模型能夠對學生設計的算法進行復雜度分析（包括時間復雜度和空間復雜度） ，如果算法效率較低，大語言模型能夠指出效率低的原因，并且推薦更加高效的算法。大語言模型的輔助不僅提高了學生對計算思維的理解和應用能力，而且激發了他們對編程的興趣。

在工程思維培養中，大語言模型能夠提供強大的輔助功能，尤其在系統功能分解和代碼實現方面，能幫助學生更好地理解和運用工程思維解決復雜問題。在功能分解方面，學生往往很難全面地分析軟件需求、梳理完整的功能體系，而大語言模型可以根據項目目標和用戶需求，幫助學生將復雜的軟件功能拆解為多層次子功能，從而構建起清晰的功能架構，為后續開發奠定基礎。在實現階段，學生會面臨很多編程困難，大語言模型能夠提供代碼框架和實現思路，還可以根據不同的需求推薦適合的Python庫和編程范例。同時，大語言模型還能指導學生處理不同功能模塊之間的數據交互和控制流程，確保各功能模塊之間能夠協同工作以實現系統總體目標。除此之外，大語言模型在項目管理和優化方面也能提供很多幫助，從而進一步提高學生的工程素養和問題解決能力。

在創新思維培養中，大語言模型結合知識圖譜能夠起到很好的輔助作用，尤其在跨領域探索與方案驗證方面，能夠為學生提供有力的支持。例如，在民航航班延誤預測中，學生面臨的挑戰是如何將跨領域知識有效融合并且挖掘其中的潛在聯系從而找到創新思路。大語言模型基于知識圖譜，能夠對多領域知識深度整合與分析，挖掘不同領域知識之間的隱藏關系，為學生提供全新的視角和思路。例如，大語言模型通過分析知識圖譜發現，在特定季節，某些氣象因素與機場跑道使用頻率之間存在關聯，而這一關聯又影響航班延誤。這一發現能夠啟發學生從多因素協同的角度構建預測模型，突破單一領域知識局限，培養學生跨領域探索的創新思維。當學生設計出航班延誤預測模型后，須對方案進行驗證，大語言模型結合知識圖譜中的數據能夠生成各種針對性的測試用例，這些測試用例不僅能夠幫助學生不斷完善預測模型，而且在不斷實踐中進一步培養了學生的創新思維。

3 多元過程化考核評價

為了全面、客觀地評價學生的學習效果和思維認知能力的提升，設計了一套多元過程化考核評價體系。該體系遵循全面性、過程性、多元化和激勵性的原則。基于這些考核原則，考核的內容主要包括平時成績、過程考核、案例考核和期末考試4個部分。這樣的考核方式不僅能及時反饋學生的學習情況，而且能激發學生的學習積極性和創新精神，具體考核內容如表3所示。

期末考核分為兩個選項，學生可根據自己的興趣和能力選擇其中一項進行考核。選項A是針對Python全部語法及語義的上機考試（閉卷） ，包含編程題和理論題，考核要點是知識點理解準確、能夠靈活運用知識解題。選項B是前沿技術應用及創新項目的項目展示、答辯和系統文檔，考核要點是項目具有創新性、答辯清晰、文檔規范。期末考核旨在綜合評價學生在課程中的學習成果，特別是創新思維和綜合應用能力，為學生未來的學習和研究提供全面的反饋。

4 教學實踐與學生反饋

通過問卷調查和課堂反饋，收集了學生對教學改革的反饋意見。大部分學生對教學改革給予了積極評價，認為改革后的課程內容更加豐富、教學方法更加多樣化、學習效果也明顯提升，如圖1和圖2所示。教學改革不僅提高了學生的學習成績，而且在多個維度的能力提升上也有很大的促進作用。尤其是知識圖譜等前沿技術與第三方庫的融入，讓課程與實際應用結合得更加緊密，從而激發了學生的學習興趣和創新動力。不過，在反饋中也有學生提出了寶貴意見。有同學反映，大語言模型雖然在項目實現過程中能夠提供很多幫助，但是給出的代碼有時不是很準確和完善，希望能夠得到教師更多的指導。針對這些問題，將在后續的教學過程中進一步優化大語言模型的應用，同時利用線上平臺為學生提供更多指導，幫助學生能夠更加順利地完成項目目標。

5 總結與展望

本文針對計算思維、工程思維、創新思維的認知內涵特點，對Python程序設計課程進行了系統化的教學改革，并且通過多元過程考核的方式來檢驗學生學習效果。實踐結果表明，這樣的教學模式不僅能讓學生更好地掌握Python語法知識，而且能提高他們分析和解決復雜問題的能力。盡管本研究取得了積極成效，但仍存在一定局限性。目前，本研究樣本局限于本校單一專業，思維成效主要依賴自評與課程表現，客觀測評不足，大語言模型在教學中的最優融合策略仍需持續探索。因此，未來研究將從以下幾方面展開：1） 開發更多與行業前沿緊密結合的、具有跨學科特性的綜合性項目案例；2） 構建智能化的教學支持平臺，精準追蹤學生的思維過程并提供個性化反饋；3） 開展更大范圍、更長周期的縱向研究，持續追蹤學生思維能力的成長軌跡。通過持續探索和改革，期望培養更多編程能力過硬、兼具創新思維和實踐能力的高素質人才，從而滿足社會對復合型人才的需求。

參考文獻：

[1] 王聰，萬聰.大模型時代計算機程序設計類課程教學模式探索[J].計算機教育，2025（4）：137-141.

[2] 姜洋，惠康華，王宏偉.大模型時代背景下程序設計課程層次化教學探索與實踐[J].電腦知識與技術，2025，21（5）：135-137.

[3] 趙宏，杜小勇，郭蘊.以“教學之道”御“教學之術”：以認知為目標的教學新范式[J].中國大學教學，2024（5）：10-15，66.

[4] 鞠小林，張艷梅，王皓晨，等.基于大語言模型輔助教學的Python編程課程教學探索[J].計算機教育，2024（9）：33-37.

[5] 趙宏，郭蘊，張健.AI語境下“教什么”“怎么教”和“怎么學”的研究與實踐：一種創新教學模式的提出[J].中國大學教學，2025（5）：79-87.

[6] 姜洋，衡紅軍，李俊生.基于計算思維層次化認知的大學計算機教學改革實踐[J].中國大學教學，2020（11）：59-63.

【通聯編輯：王力】