第二章 文獻探討
第一節 運算思維
壹、 運算思維定義
運算思維（computational thinking）此概念是由 Wing（2006）所提出，她 認為運算思維是每個人除了讀、寫、算基本素養外，亦應具備之基本能力，並 非專屬於電腦科學家；而運算思維即利用歸納、嵌入、轉換或模擬等方法，將 複雜問題轉為我們所熟悉之方式以利解決，亦是於設計系統時，藉由抽象化及
分解之方法來解決問題之能力。簡單來說，它具備以下特點：（1）是種概念化，
並非撰寫程式；（2）是種基本的，非死記硬背之技能；（3）是種人類解決問題
之方法，並非電腦；（4）是結合數學及工程之思維；（5）是種構想或概念，並
非作品及（6）是適用於每個人與每個地方。Wing（2008）更進一步指出，運 算思維是種分析式思維，包含以數學思維來解決問題、以工程思維來設計與評 估複雜系統及以科學思維來理解人類行為。近年來，Wing（2011）重新定義運 算思維「架構及解決問題之思考流程，將其以訊息處理者可以有效執行之形式 呈現」。
運算思維在被 Wing 正式提出後，各國相關領域組織亦覺察到此概念之重 要性，陸續針對運算思維提出不同之見解。Lu 及 Fletcher（2010）說明運算思 維是用來解決問題及設計系統的一個方法，且使用不同等級的抽象化概念及演 算法之概念，以有效地理解問題與發展解決方案。Cuny、Snyder 及 Wing（2010）
定義運算思維是個包含制定問題及解決方案的想法流程。Google（2010）則認
6
為運算思維適用於任何一門學科，是一系列問題解決之技巧及科技。美國電腦 科學教師協會（CSTA, 2011a）將運算思維定義為電腦可執行之問題解決策略，
並包含抽象化、遞迴、重複等概念；處理與分析資料及製作虛擬或真實的作品。
Aho（2012）說明運算思維是種重新架構問題之想法流程（包含制定問題），且 其解法可用運算步驟及演算法表示出；而最重要之部分為找出制定問題與解決 方案之合適模型。英國皇家學會（The Royal Society, 2012）認為運算思維並非 僅侷限於資訊科技之使用與問題解決，亦是探究生活周遭各式問題之思考歷 程。
貳、 運算思維內涵
Google 於 2010 年推出 Exploring Computational Thinking 網站中，認為具體 的運算思維技能應包含分解問題、模式識別、模式一般化與抽象化、演算法設 計及資料分析與視覺化等。CSTA（2011a）所提出之電腦科學核心能力指標中，
將運算思維視為貫穿整個課程的重要理念，透過運算思維，以期能培養學生解 決問題、設計系統、創造新知識及瞭解現今社會中資訊科技的能力與限制。並 於 Computational Thinking: Teacher Resources（CSTA, 2011b）中提出運算思維 之核心概念包含：資料蒐集、資料分析、資料表示、問題分解、抽象化、演算 法與程序、自動化、模擬及並行化。此外，ISTE 與 CSTA 共同發展出運算思維 之操作型定義：運算思維是問題解決之歷程，它包含下列特性（ISTE, 2011）：
（1）制定問題後，利用電腦或其他工具協助解決問題；（2）邏輯化地組織與分
析資料；（3）透過抽象化表示資料；（4）透過演算法思維將解題方案自動化；（5）
找尋、分析與執行最有效率之可能解題方案及（6）將問題解決之過程一般化，
以適用於各種問題。
Barr 及 Stephenson（2011）提出運算思維能力應包含以下：（1）使用抽象
化、自動化、演算法、資料蒐集與分析，以設計解決問題之方案；（2）執行合
適的設計方案；（3）測試與修正；（4）執行模組化、模擬與系統分析；（5）執
行操作與溝通後，能自我省思；（6）理解專有名詞之意義後，能應用它；（7）
理解抽象化意義，並能達到不同等級間之抽象化；（8）在原則中，激發創新、
探索與創意；（9）小組問題解決及（10）使用不同學習策略。Lee 等人（2011）
則認為運算思維應包含以下：（1）發現、理解與解決問題；（2）不同等級抽象
化之推理；（3）理解與應用自動化之概念；（4）分析所提出之抽象化之適當性；
及（5）擁有各類型之思維（如演算思維、工程思維、設計思維及數學思維）。
此外，美國國家委員會（National Research Council[NRC], 2010）與美國國家科 學基金會（National Science Foundation, NSF）所成立之教師與學生創新技術經 驗工作小組（Innovative Technology Experiences for Students and Teachers[ITEST], 2010）亦皆特別強調運算思維中，抽象化及自動化之概念。
Grover 及 Pea（2013）總結相關文獻後，指出目前廣為大家接受的運算思 維內涵包括 ： Abstractions and pattern generalizations (including models and simulations) 、 Systematic processing of information 、 Symbol systems and representations 、 Algorithmic notions of flow of control 、 Structured problem decomposition (modularizing) 、 Iterative, recursive, and parallel thinking 、 Conditional logic 、 Efficiency and performance constraints 及 Debugging and systematic error detection。
歸納上述專家學者與相關組織之定義，運算思維最主要之精神為解決問題 之思考歷程，且為每個人都應具備之能力。內涵整理如表 2-1 所示，表 2-1 為 相關組織所提及之內涵，本研究之問卷將依循 CSTA（2011a）及各方學者、組 織所提及之內涵中，出現次數較多的做編制，故問卷將分為 Problem Solving、
Problem Decomposition、Algorithms、Data Representation、Data Analysis、Modeling and Simulation、Abstraction、Automation 及 Connections to Other Field 九大內涵，
其定義參閱附錄二。
8
表 2-1 各方所提及之運算思維內涵
Wing(2006) Google(2010)
Barr &
Stephenson (2011)
CSTA(2011a) CSTA(2011b) ISTE &
CSTA(2011)
Lee et al.
(2011)
Grover &
Pea(2013)
abstraction
V V V V V V V Vsimulation
V V V V V Valgorithm design
& procedure
V V V V Vdata analysis
V V V V Vdata
representation
V V V V Vproblem
decomposition
V V V V Vautomation
V V V Vmodeling
V V V Vproblem solving
V V Vparallelization V V V
data collection V V
pattern
generalization V V V
transformation V V
conditional logic V
（續下頁）
Wing(2006) Google(2010)
Barr &
Stephenson (2011)
CSTA(2011a) CSTA(2011b) ISTE &
CSTA(2011)
Lee et al.
(2011)
Grover &
Pea(2013) connection to
other fields V
debug & error
detection V
efficiency &
performance constraint
V pattern
recognition V
reduction V systematic
processing V
visualization V
10