A Deep Investigation Using Factorial Analysis and Rasch Model: An Optimized Short-Version of the Computational Thinking Scale (COTS)
本研究は、確認的因子分析およびラッシュモデルを用いることで、その堅牢な因子構造、信頼性、および中程度の計算論的思考スキルを持つ個人の評価における有効性を確認することにより、インドネシアの大学生を対象とした最適化された計算論的思考尺度（COTS）の短縮版を開発し、検証するものである。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ビッグピクチャー：より優れた「ものさし」を作る
想像してみてください。あなたは、人々がどれほど「計算論的思考（Computational Thinking: CT）」に長けているかを測定したいと考えています。現実の世界において、これはロボットをプログラミングすることではなく、問題を解決するための「スーパーパワー」のことです。それは、大きくて厄介な問題を小さな断片に分解し、パターンを見つけ出し、それらを解決するためのステップ・バイ・ステップの計画を立てる能力のことです。
この論文の研究者たちは、このスキルを測定するために既存の「ものさし（テスト）」が、少し頼りなかったり、すべての人に完璧にフィットしていなかったりすると感じました。そこで、彼らはCOTS（Computational Thinking Skills）スケールと呼ばれる、高品質な新しい「ものさし」を作ることにしました。彼らの目標は、このものさしを学生に配布する前に、それが正確で、一貫性があり、公平であることを確認することでした。
2段階の品質チェック
新しいものさしが最高品質であることを保証するために、研究者たちは単に推測したのではなく、2つの異なる「品質管理マシン」を使用して、厳格な2段階の検査プロセスを実施しました。
ステップ1：構造的な設計図（確認的因子分析）
このステップは、家の設計図をチェックすることに似ています。壁が正しい場所にあり、部屋の構成が理にかなっているかを確認したいのです。
- テスト: 彼らはインドネシアの大学生364人に、22問のクイズを受けてもらいました。
- 結果: 設計図はほぼ良好でしたが、2つの「壁（問題）」がぐらついていました。それらはデザインにうまく適合しなかったため、研究者はそれらを削除しました。
- 成果: その結果、しっかりとした20問のクイズが残りました。数学的な検証により、これらの問題は完璧に4つの主要な「部屋」またはカテゴリーにグループ化されていることが示されました。
- 抽象化（Abstraction）: ノイズを無視して、重要なことに集中すること。
- 分解（Decomposition）: 大きな問題を、扱いやすい小さな塊に分けること。
- アルゴリズム的思考（Algorithmic Thinking）: 問題を解決するためのステップ・バイ・ステップのレシピを作ること。
- 一般化／パターン認識（Generalization/Pattern Recognition）: 一つの解決策を、異なる状況にいかに再利用できるかを見抜くこと。
ステップ2：ストレス・テスト（ラッシュ・モデル）
設計図がしっかりした今、次は、このものさしが現実の世界で実際にどのように機能するかを確認する必要がありました。これは、新しいメジャーを建設現場に持っていき、伸びたり、折れたり、あるいは一貫した数字を示したりするかどうかを確認することに似ています。
- テスト: 洗練された20問のク クイズを、より大きなグループである434人の学生に実施しました。
- 「局所独立性」のチェック: ある質問に答えることが、次の質問に対して特定の答えを強制してしまうようなことがないかを確認しました。（温度計が、触れたせいで熱くなってしまうようなことがないかを確認するようなものです）。
- 「一次元性」のチェック: すべての質問が、関連性のないものの混在ではなく、実際に同じ核心的なスキルを測定していることを確認しました。
- 「難易度」のチェック: どの質問が易しく、どの質問が難しいのかを調べました。
彼らが発見したこと
新しいものさしは見事に合格しましたが、一つ特定の癖がありました。
- 非常に信頼性が高い: このテストは一貫しています。もし2回受けたとしても、おそらく似たようなスコアになるでしょう。「信頼性スコア」は極めて優秀でした（問題については0.97、人物については0.88）。
- 質問が機能していた: すべての質問が数学的モデルに完璧に適合していました。混乱を招くような質問や「ノイズ」となる質問はありませんでした。
- 「ゴルディロックス（ちょうど良い）」ゾーン: これが最も興味深い発見です。質問の多くは中程度の難易度でした。
- 例え話: ビデオゲームのレベルを想像してください。このテストは、「中級レベル」のプレイヤーには最適です。このテストは、「普通」のプレイヤーと「上手い」プレイヤーを容易に見分けることができます。
- 限界点: しかし、このテストには「ハードモード」の質問が不足しています。もし学生が「グランドマスター（極めて高いスキルを持つ人）」であった場合、このものさしでは、彼らと「プロ」プレイヤーを区別できない可能性があります。このテストは、トップ層においては力尽きてしまうのです。
最終的な判定
研究者たちは、計算論的思考を測定するための20項目の「短縮版」ツールの作成に成功しました。
- 得意なこと: 平均的な大学生の論理的思考力を測定するための、妥当で信頼性が高く、科学的に健全なツールです。
- 必要なこと: 絶対的なトップ層の専門家にとっても有用なものにするために、研究者たちは、ものさしをさらに伸ばすための、いくつかの「超難問」を発明する必要があると示唆しています。
要約すると、彼らは大多数の人々に対して非常にうまく機能する、高品質で標準化されたツールを作り上げましたが、同時に、問題解決の絶対的な天才たちを測定するためには、さらなる「チャレンジレベル」が必要であることも指摘しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。