网硕互联帮助中心全球最大规模 CS 教育调查出炉：从学习痛点到热门形式，全在这里了
论文：Everything You Need to Know About CS Education: Open Results from a Survey of More Than 18,000 Participants
arXiv:2508.05286 (cross-list from cs.CY)
Everything You Need to Know About CS Education: Open Results from a Survey of More Than 18,000 Participants
Katsiaryna Dzialets, Aleksandra Makeeva, Ilya Vlasov, Anna Potriasaeva, Aleksei Rostovskii, Yaroslav Golubev, Anastasiia Birillo
Comments: Accepted to CompEd’25, 7 pages, 1 figure
Subjects: Computers and Society (cs.CY); Human-Computer Interaction (cs.HC); Software Engineering (cs.SE)
一段话总结
本文介绍了一项针对计算机科学（CS）教育的大规模调查结果，该调查涵盖18,032名来自173个国家的参与者，旨在通过涵盖10类共87个问题（包括正规教育、学习形式、AI使用等），填补现有研究在广度和时效性上的空白。调查结果形成公开数据集，可支持进一步研究；文中还展示了三个研究方向示例：学习者主要面临理解抽象复杂概念等挑战，大学教育是最流行的学习形式，以及IDE内学习的相关态度，凸显了数据集在CS教育研究中的价值。
研究背景：为什么我们需要一份“全球计算机教育全景图”？
计算机教育就像一片不断扩张的森林，有人在研究单棵树的生长（比如学生为什么放弃编程），有人在观察某片区域的植被（比如某国的教学方法），但很少有人能描绘出整片森林的全貌。
过去的研究存在不少局限：有的样本量只有1000人左右，像用放大镜看局部；有的只聚焦一个国家（比如美国），好比只拍了森林的一个角落；更重要的是，近几年AI浪潮、IDE内学习等新趋势涌现，学习者也越来越多样，但老研究早就跟不上这些变化了。
打个比方，以前的计算机教育研究像“旧地图”，只标了几条老路，却没画出新修的高速、新增的景点，而老师、研究者和学习者都需要一份“新地图”来导航——这就是这项研究的初衷。
主要作者及单位信息
这项研究由JetBrains Research的团队完成，核心作者包括：
- Katsiaryna Dzialets（德国慕尼黑）
- Aleksandra Makeeva（亚美尼亚埃里温）
- Ilya Vlasov（塞尔维亚贝尔格莱德）
- Anna Potriasaeva（塞尔维亚贝尔格莱德）
- Aleksei Rostovskii（德国慕尼黑）
- Yaroslav Golubev（塞尔维亚贝尔格莱德）
- Anastasiia Birillo（塞尔维亚贝尔格莱德）
他们均来自JetBrains Research，这是一家在软件开发工具领域有深厚积累的机构，对计算机教育与技术结合有独特洞察。
创新点：这份研究“新”在哪里？
研究方法：如何画出这幅“全球全景图”？
整个研究过程就像“做一道全球风味的大菜”，步骤清晰可拆：
备菜：设计问卷
团队和行业专家一起设计了87个问题，分10类（比如“你用什么设备学习”“遇到挫折怎么解决”），还翻译成10种语言（中英法德日等），确保不同国家的人都能看懂。
买菜：收集数据
2024年2月到6月，通过社交平台（X、抖音、B站等）、技术社区（知乎、Reddit等）发广告，还给JetBrains的用户发邮件邀请。发现日本、乌克兰等地区参与少，就专门找当地机构补充样本。参与者可以抽亚马逊礼品卡、教育平台会员等奖励。
洗菜：过滤无效数据
去掉“明显不靠谱”的回答：比如有人说自己20岁却有11年编程工作经验，或者答题速度快到平均每题不到5秒。最后留下18,032份有效数据。
切菜：处理开放题答案
对“你怎么克服学习挫折”这类开放题，先翻译成英文，再用GPT-4o分类（比如“休息”“求助朋友”），既保护隐私，又能看出规律。
调味：数据加权
为了让小国家、少数群体的声音不被淹没，给他们的回答“加权重”。比如某个小国只有100人参与，计算时会适当放大他们的影响力，让结果更公平。
主要贡献：这份研究到底有什么用？
给了一份“全球计算机教育体检报告”
第一次用这么大的样本量，说清了现在学习者的真实状态：比如51%的人觉得“抽象概念太难懂”，79%的人主要靠大学学习，但43%的人认为实习体验最好。
公开了“研究原材料”
数据集（https://zenodo.org/records/16754164）免费开放，其他研究者可以用它研究自己关心的问题，比如“不同国家学生用AI学习的差异”。
示范了“怎么用这份数据”
团队展示了三个研究方向：学习挫折、流行的学习形式、IDE内学习的态度，相当于给其他研究者“打了个样”。
详细总结
调查背景与目的
- 背景：现有CS教育研究多聚焦单一主题，且存在规模小（约1000人）、地理局限（如仅限美国）等问题；同时，AI发展、新学习形式出现、学习者多样性增加，需更新的综合性研究。
- 目的：通过大规模、多主题调查，提供CS教育现状的全面视角，形成公开数据集支持后续研究。
调查方法
- 设计：含87个问题，分10类（人口统计学、正规教育、职业、学习主题与形式、AI整合等），经行业专家审核并内部试点；提供10种语言版本以确保包容性。
- 数据收集：2024年2月中至6月底进行，通过社交平台（X、Facebook等）、技术社区（Reddit、知乎等）广告及JetBrains邮件列表招募；对日本、乌克兰等代表性不足地区采用外部调查面板补充；参与者可参与抽奖获取奖励。
- 数据处理：
- 过滤：通过逻辑检查（如年龄与工作经验矛盾）、响应时间（<5秒/题）等去除无效响应，最终保留18,032份响应。
- 开放式响应处理：翻译为英文后，用GPT-4o分类，确保隐私的同时提取主题。
- 数据加权：采用行业标准方法，平衡国家、工具使用、编码经验等维度的代表性偏差。
数据集详情
- 规模：18,032名参与者（来自173国），其中14,396份为完整响应。
- 内容：含79个选择/排序问题响应、8个分类后的开放式问题响应、权重列（用于分析）、状态列（区分完整/部分响应）。
- 获取：数据集及补充材料可在https://zenodo.org/records/16754164获取。
研究方向示例结果
- 学习挑战：
挑战类型比例应对策略比例求助方式比例 理解抽象复杂概念 51.39% 休息与体育活动 26.03% Google 74.79% 文档缺失/质量差 39.89% 设定目标与回忆动机 15.58% AI助手 61.24% 卡在问题上 39.39% 自我反思与调整心态 14.11% Stack Overflow 60.54% - 学习形式：
形式使用率体验评价（“优秀”+“很好”） 大学/学院/学校教育 79.85% 55%（19%+36%） 自定进度在线教程 66.08% 59%（30%+29%） 免费在线课程/代码学校 55.6% 50%（21%+29%） 实习 29.92% 75%（43%+32%） - IDE内学习：主要挑战包括理解抽象概念（55.9%）、算法问题解决（44.27%），且"难以选择学习材料"（44.88%）较突出；环境设置问题比例（21.15%）与整体学习者接近。
结论：该数据集为CS教育研究提供了丰富资源，可用于检验假设、发现趋势，助力改进教学方法，推动全球CS教育发展。
关键问题：
这项调查的数据集有何特点，为何能支持CS教育的进一步研究？
答案：该数据集涵盖18,032名来自173个国家的参与者，包含87个问题（10类主题）的响应，经严格过滤和加权处理以保证代表性；内容包括选择/排序问题响应、分类后的开放式问题响应及权重列，且公开可获取（https://zenodo.org/records/16754164）。其广度（多主题、多地区）和完整性使其能支持多维度研究，如检验假设、发现趋势等。
学习者在CS学习中面临的主要挫折因素是什么，他们通常如何应对？
答案：主要挫折因素包括理解抽象复杂概念（51.39%）、文档缺失或质量差（39.89%）、卡在问题上（39.39%）等；应对策略中，最常见的是休息和体育活动（26.03%），其次是设定目标与回忆动机（15.58%）、自我反思与调整心态（14.11%）；求助时，74.79%使用Google，61.24%依赖AI助手，体现了对数字工具的依赖。
目前最受CS学习者欢迎的学习形式是什么，不同形式的体验评价如何？
答案：最受欢迎的是大学/学院/学校教育（79.85%），其次是自定进度在线教程（66.08%）和免费在线课程/代码学校（55.6%）。体验评价方面，实习最佳（43%认为"优秀"，32%认为"很好"）；大学教育虽流行，但体验较差（仅19%认为"优秀"，36%认为"很好"）；MOOCs和代码学校体验较好（付费类30%+“优秀”、42%+“很好”）。
总结：这份研究解决了什么问题？
这项研究填补了计算机教育领域的“全球视角空白”：以前的研究要么太小、要么太局限，而它用18,000人的数据，覆盖173国，回答了“学计算机的人到底在烦什么”“大家爱用什么方式学”等关键问题。
更重要的是，它把数据公开，让更多人能基于此做深入研究，最终可能帮我们改进教学方法，让计算机学习更高效、更公平。
评论前必须登录！
注册