学习编程时使用生成式AI，是在培养计算思维，还是主要帮学生完成任务？

这些研究说的“计算思维”到底测了什么

计算思维并不是一个抽象的单一考试分数；在这些研究中，它被拆成多个维度，并在编程课程前后分别测量。一项比较评估了五个独立的计算思维维度，同时测量了认知懒惰——即不经过推理就接受答案的习惯[2]。另一项研究则在两个完整班级中追踪了计算思维和元认知意识——学生对自己思维和学习策略的意识[4]。

这对我们这个问题很重要，因为“培养计算思维”被检验的是一组技能和习惯，而不只是完成作业。当实验组在干预后的计算思维和元认知意识上高于对照组时，这是技能增长的证据，而不只是更快完成任务[4]。研究范围是课堂比较，所以它说明的是课程层面的结果，而不是AI聊天机器人的每一次非正式使用。

AI的回应方式为何可能改变学生的收获

最直接的线索来自比较编程学习中两种AI支持方式：一种直接给答案，一种用苏格拉底式提问，以提示推动学生自己推理。那项比较考察了认知懒惰和五个计算思维维度，两种方式之间的差异正是研究重点[2]。通俗地说，直接交出代码的AI可能让学生跳过脑力劳动；而问“你觉得这个循环在做什么？”的AI则把这份脑力劳动留在学生手里。

另一项研究把生成式AI辅助与苏格拉底式提问结合，发现实验组在干预后的计算思维和元认知意识得分高于对照组[4]。合起来看，这些结果与“提问方式起了一部分作用”的想法一致——但这些研究比较的是不同的课堂设置，所以这是证据中的一种模式，而不是已证实的因果关系。

对更小的学生也成立吗？信心又会怎样？

这种模式并不限于年龄较大的编程学生。在一项针对五年级学生的研究中，研究者考察了把Scratch编程与ChatGPT互动结合对数学成绩和计算思维的影响，研究报告称AI可以改善小学教育中的数学成绩和计算思维[3]。这把问题延伸到了儿童身上，不过测量的结果是数学成绩和计算思维的混合，而不只是编程技能。

信心和挫败感是另一条线索。一项研究考察了学生的学习风格与他们在使用生成式AI工具编程时的挫败感和信心之间的关系，使用了VARK框架，即视觉、听觉、读写和动觉偏好[5]。这项研究没有测量计算思维或任务完成速度，所以无法解决“培养还是完成”的问题；它提醒我们，同一个工具对一个学生可能是有支持的，对另一个学生却可能令人沮丧。

那么学习者该让AI给答案，还是让它提问？

对这些研究的实际解读是：AI的角色不是由工具本身固定的，而是由互动方式决定的。当生成式AI支持与苏格拉底式提问结合时，学生表现出比对照组更高的计算思维和元认知意识[4]；而一项直接比较给答案与苏格拉底式支持的研究，同时考察了认知懒惰和计算思维维度[2]。任务完成方面的好处是真实的——研究AI帮助正是因为它在支持编程工作——但证据指向提问模式与技能发展的联系更紧密。

这一结论旁边还有一个提醒：这些是关于课堂比较的摘要层面报告，而且研究在年龄组、学科组合和具体测量内容上各不相同。五年级研究把数学成绩与计算思维捆绑在一起[3]，而苏格拉底式比较则把认知懒惰与思维维度分开[2]。所以诚实的答案是：生成式AI在用来促使学生推理时可以培养计算思维，在用来提供答案时则主要帮他们完成任务——而这种分化的强度仍在研究中。