计算思维的对象可以从多个维度进行划分，综合权威资料整理如下：

一、核心对象

问题

计算思维首要处理的是各类问题，包括数学计算、数据处理、系统设计等。例如，通过算法设计优化路径规划问题，或利用模式识别解决图像识别任务。

系统

包括计算机系统、生物系统、社会系统等复杂结构。计算思维通过分解、抽象等步骤，帮助设计更高效、稳定的系统。例如，设计分布式计算系统提升数据处理能力。

行为

计算思维不仅关注静态问题，还致力于理解动态的人类行为模式。例如，通过数据分析预测用户行为趋势，或模拟交通流量优化城市规划。

二、延伸对象

数据

数据是计算思维的基础资源，涉及数据的采集、存储、分析和可视化。例如，利用大数据技术挖掘用户偏好，或通过数据挖掘发现隐藏规律。

算法

算法是解决问题的步骤描述，计算思维强调设计高效、通用的算法。例如，设计排序算法提升数据处理效率。

抽象模型

通过抽象提取问题的本质特征，形成通用模型。例如，用数学公式描述物理现象，或构建经济模型的核心逻辑。

三、特点与作用

跨学科性：

计算思维贯穿计算机科学、数学、生物学、社会科学等领域，例如生物信息学结合计算思维分析基因数据。

工具性：以计算机科学为基础，但更强调通用思维方式，可应用于工程、艺术、教育等场景。

动态性：不仅解决当前问题，还通过反馈机制优化解决方案，例如机器学习模型的持续迭代。

综上，计算思维的对象是多元且动态的，既包括具体问题与系统，也涵盖数据、算法等基础要素，其核心在于通过结构化思维提升问题解决能力。