計算教育學論綱：立場、范式與體系

/計算教育學論綱：立場、范式與體系【摘要】大數據的涌現和智能技術的進步推動了教育實踐的智能化發展及研究范式的系統性變革，使得計算教育學的產生成為必然和應然。計算主義理論研究的深化、技術的先導式發展和教育大數據的廣泛應用都為計算教育學發展提供了基礎保障。基于學科建構的視角，計算教育學是以量化教育數據為研究對象，以計算為主要研究方法的新興學科。計算教育學的核心價值在于針對教育領域的真實問題的實踐與應用，以及跨領域綜合性研究。研究體系以計算方法為核心，研究范式已經從自上而下的量化研究轉向自上而下與自下而上相結合的基于數據的教育規律探索研究。目前計算教育學形成了模擬實驗與數據密集型探究共同發展的特征。鑒于目前計算教育學的知識建構相對缺乏，社會建構的規范化雛形尚未形成，需從學科理論和關鍵技術突破、研究范式和學科知識生成、交互環境與教學應用構建等方面構建學科知識系統化框架，從專業學會建立、人才培養計劃、學術評價機制、基金項目資助等方面推動學科外在的社會建構。為推進計算教育學發展成為一門獨立、新興、面向應用的跨領域學科，還需要系統性地加強基礎理論研究和實踐研究，成立專業學會，建立產學研用一體化的平臺，凝聚社會各界的力量推進學科發展。【關鍵詞】學科建制；教育計算學；教育大數據；數據科學

近年來，以大數據、人工智能、云計算和物聯網等為代表的新興技術迅猛發展，推動了社會各個層面的數字化重組，教育領域的技術創新也不斷涌現，帶來教學實踐和教育研究在內容與方法上的深刻變革。我國政府積極推進人工智能技術與教育的融合，頒布了一系列促進教育現代化發展的實施計劃。2018年4月教育部發布《教育信息化2.0行動計劃》，提出要充分利用云計算、大數據、人工智能等新技術，構建全方位、全過程、全天候的支撐體系，助力教育教學、管理和服務的改革發展。2019年2月，國務院發布《中國教育現代化2035》，明確指出互聯網、人工智能等新技術的發展正在不斷重塑教育形態、知識獲取方式和傳授方式，要“利用現代技術加快推動人才培養模式改革，實現規模化教育與個性化培養的有機結合”。在當代教與學關系發生深刻變革的轉型時期，我國政府以及教育和學術界在實踐應用與理論研究層面積極行動，擔當教育智能化和現代化轉變的時代使命。在實踐應用方面，以億歐智庫對人工智能教育企業的融資情況分析為例，近五年來，資本市場對人工智能教育領域的投資量激增，相比于其他國家和國際組織，我國教育企業發展更為迅速。2014年我國人工智能教育企業融資總額趕超美國，至今遙遙領先于美國、歐盟地區和以色列；且自2017年開始，我國教育人工智能市場融資活躍，企業融資事件數量超過美國成為全球榜首。 在理論研究方面，近年來，我國學界圍繞教育大數據和人工智能的學術研究論文數量迅速增長，學者們紛紛提出了新技術應用于教學領域的理論框架與發展構想。例如，楊現民等人總結了數據驅動教學的新范式，基于大數據技術構建了高效互動課堂理論框架與5J模型，梳理了線下互動課堂和線上網絡教學兩種典型教學情境的數據體系與分析方法，并提出學校導入教育大數據的三大動因、四種模式、五大實施路徑與六大實施策略(楊現民、王榴卉、唐斯斯，2015；楊現民、李新、田雪松，2018)。2016年4月，北京師范大學發布我國首部基礎教育階段的教育大數據藍皮書《中國基礎教育大數據發展藍皮書(2015)》。這份報告反映了我國教育大數據的研究和實踐(盧秋紅，2016)。 然而，教育智能化的迅速發展也面臨許多新問題與新挑戰。一是目前我國基于大數據和人工智能技術的教育研究還遠遠落后于實踐的發展，缺少系統的研究設計和方法論體系，沒有形成可以指導實踐的理論框架與保障高質量運行的規范標準。二是領域研究與實踐呈現出多學科協作的良好態勢，但缺少系統性布局，實踐反思與理論沉淀不足；同時，在多學科協同研究的過程中，研究主體往往受到不同學科間術語差異的影響，且局限于不同的研究計劃與方法論體系，而不能協調一致、體系化地推進教育智能化發展。三是教學系統的復雜性和教育數據的特殊性對數據分析技術提出了新要求，但缺乏兼備教育理念與技術創新能力的跨領域人才，無法靈活運用多學科知識與方法來深入探索教育環境中的底層規律。為應對以上挑戰，該領域亟需系統化地開展適應現代技術發展的科學研究，從多學科協作向跨學科(Transdisciplinarity)的“計算科學+教育學”發展。據此，應建立計算教育學學科，構建以量化教育數據為基礎的學科理論框架，建設以計算為核心的新型方法論和交叉學科人才培養體系，同時推動相關規范和標準的制定，指導教育智能化的創新實踐，加強系統化學科融合的創新實踐與規律探索，生成一個超越性的學科新形態，以此促進教育智能化的可持續發展，為構建新時代的教育支撐體系提供保證。建立計算教育學學科恰逢其時。 為此，本文試圖在以下方面闡述計算教育學的學科建設。首先，論述建立計算教育學學科的應然性，以及建立學科所具備的基礎保障；其次，辨析計算教育學作為學科的立場與價值觀；再次，分析正在逐步形成的獨特研究范式；最后，依據獨立學科的標準，提出計算教育學還需加快鞏固知識體系和社會建構；同時結合教育的需求和實踐的基礎，展望計算教育學的未來發展并提出推進學科發展的建議。 一、計算教育學產生的應然性 信息時代屬于知識爆炸的時代，以創造力和智慧思維為驅動，科學和技術的不斷推進使得數據科學破土而出，教育領域獲得了寶貴的“數據礦產”，待研究者挖掘與分析，而相應的技術、理念和方法亟需一個集合體來統籌與規劃。因此，信息時代的教育恰到新范式和新方法應運而生之時，計算教育學的產生具有必然性和應然性。計算教育學產生的動力機制一是教育實踐智能化發展的外部推動，二是教育研究科學化發展的內部動力；技術引導、理論發展和教育大數據產生這三方面是其產生的基礎保障。 (一)計算教育學產生的動力機制 1.教育實踐的智能化發展是推動計算教育學產生的外部動因 在新時代，重大科技創新的需要明確了國家對創新人才培養的新要求，也體現了對新技術深度應用于實踐的新思考，理論與實踐層面的變革共同引領了教育智能化的發展。2019年5月教育部鐘登華副部長在人工智能教育大會上指出，為進一步提升我國的教育質量，順應教學內容與教學方式的新變化，應積極探索人工智能為代表的新一代信息技術在教育領域中的有效應用。在實踐方面，教育教學和研究體系正在經歷數字化轉型的關鍵歷史時刻，教育的組織結構、管理體系、服務模式、理論方法、環境工具和應用實踐都在發生深刻變革。具體包括：提高教學效率，及時根據學生的個性化需求提供有針對性的教學資源和教學方式；構建智慧學習環境，助力學生發展高階認知能力，包括綜合利用所學知識解決復雜問題的能力、批判性思維、創新能力等；開展科學測評，更高效、更全面、更及時地了解學生的學習情況，根據認知發展規律，提供及時學習支持；進行基于數據的教育管理，更科學和更精準地配置教育資源，制定合理的制度和措施，進一步提升教育的效率和效果。為了實現教育體系中必要環節的智能化，滿足新時代對教育的個性化與公平性相協調的需求，急需建構更為全面科學的教育數據模型，開展更多基于復雜算法的精準教育預測的跨學科研究。以數據為基礎，以計算為手段的計算教育學為高效地推動智能技術應用于教育研究提供有力的新工具和新方法，從而開展對教育教學內在機制的深度探索，構建新時代中國教育研究科學化和系統化的理論體系，實現教育問題的精準定位、智能分析與科學治理，滿足新時代對教育的個性化與公平性相協調的需求。 2.教育科學研究方法與范式變革是計算教育學萌生發展的內在動因 在自然科學研究范式影響下，教育研究得以從經驗為主的思辨范式向實證研究轉變，研究方法也從定性描述和理論思辨轉向數據分析為主，研究課題也轉向更具有普適性的底層規律探索。自赫爾巴特(HerbartJF)試圖整合教育學與自然科學，使之具備科學品格以來，研究者們對教育學的“科學性”進行了大量探索。我國學者袁振國提出教育學走向科學需要加強實證主義的精神、規則和方法，并強調了量化的重要性(袁振國，2017)。但是袁振國和余勝泉等人都指出教育環境、教育對象的復雜性和動態性等特征導致了自然科學研究范式與教育研究方法融合的困難，特別是自然科學實驗研究中客觀、量化、可檢驗、可重復等標準在教育研究中遇到挑戰與問題(袁振國，2017；余勝泉、徐劉杰，2019)。 隨著大數據和人工智能技術在教育研究中的應用，以個體數據為主的實證研究逐步向以海量關系數據挖掘的新范式推進。在此基礎上，以數據科學為技術基礎的計算教育學架起了“計算”與“教育學研究”之間的橋梁，為解決教育研究中遇到的問題提供了新的工具，具體包括為教育研究提供了覆蓋更多教學環節的可計算的量化數據；同時，自然生成的教學行為數據為提高教育研究的客觀性和可檢驗性提供了新的方法和途徑；計算模擬實驗、虛擬技術等也為實現教育研究的可重復性提供了新的方法和可能。正如Cioffi-Revilla認為將數據科學的技術和方法應用于社會學領域的研究，就如同當年伽利略發明的望遠鏡作為主要的觀察工具推動了自然科學領域實證研究的發展，進而幫助科學家獲得對物理世界更深刻真實的理解(Cioffi-Revilla，2010)。計算教育學的誕生響應教育學研究科學化發展的需求，延續當代教育研究范式與自然科學范式融合的趨勢，為教育領域的實證研究提供了有力的新工具與方法，助力研究者獲得對教學行為和認知規律更深刻的理解。 (二)計算教育學發展的基礎保障 1.理論研究的深化為計算教育學框架形成提供支撐 隨著人工智能技術的發展，計算主義也從一種新興的認知哲學范式發展成為一種新的世界觀，為計算、算法、智能和行為等核心概念提供了理論認識，為結合領域需求的計算實踐提供了豐富的理論框架與指導(李建會、符征、張江，2012)。例如，計算經濟學與計算社會學的發展為計算教育學提供了基于數據科學來揭示個體和群體行為模式的寶貴經驗與構建理論體系的參考。而認知科學、神經科學和學習科學等領域發展進一步推動了教育領域對學習機制與過程的深入分析。同時，將教育作為一個復雜適應系統，復雜系統理論、計算經濟學理論和計算社會學理論的提出都為計算教育學的發展提供了理論框架的支撐，為從整體上研究復雜的教育系統提供了可能，為揭示教育環境和教育主體的復雜特征提供了理論基礎與框架。正如楊開城指出的那樣，教育大數據的實踐體現了復雜適應系統在教育現實中的顯現。其中復雜系統的理論群體，不僅包含涌現生成、遺傳算法、進化編程等理論與方法，也包含耗散結構理論、自組織臨界、元胞自動機、混沌理論等(楊開城，2019)。但它們在教育研究中的適切性還需要進一步研究與檢驗。因而在教育領域，基于復雜系統理論、認知科學、神經科學、學習科學等領域的不斷發展，借鑒計算社會學理論與方法，計算教育學將建立多元而統一的理論基礎。 2.技術先導為計算教育學提供基礎保障 新一代信息技術的發展使教育教學和研究方法的變革成為可能。參考劉邦奇和王亞飛總結的智能教育技術體系與框架(劉邦奇，王亞飛，2019)，本文提出了與計算教育學相關的多層次技術基礎，如圖1所示。其中，硬件的發展帶來算力的大幅度提升，結合芯片和傳感器制造工藝與技術的精進，為采集和處理教育大數據提供了硬件技術基礎；云計算、物聯網、5G通信等系統基礎建設，基礎開源框架和技術開放平臺的構建，共同為實現基于計算的教育智能化實踐提供了信息設施保障。數據科學的發展，包括機器學習、模式識別等算法的發展，云和分布式數據存儲技術，數據的整合、聚合和校準等管理技術，數據分析與數據可視化、網絡分析等多種技術的綜合使用，共同支持教育研究者挖掘海量教育數據中的深層關聯關系，加強了智能分類、文本挖掘和模擬仿真等技術在教育領域的成功應用。計算機視覺、語音識別、自然語言理解等人工智能技術的成熟與發展，拓展了智能技術在教育領域的應用范圍，推動了教學實踐創新與教育研究向基于數據和實證的方向發展。例如，自然語言處理技術提高了計算機組織和分析來自互聯網等處的和各類教育文本的能力，從而與其他智能技術和教育大數據一起，可以提供更精準的教育預測與預警。人工智能技術歷經智能和心靈計算、生命計算，發展至世界和宇宙計算(李建會、符征、張江，2012)，為實現教育研究對象的可計算性提供了基礎的技術保障。 圖1計算教育學的技術基礎與舉例 3.教育大數據為計算教育學提供研究基礎 由于計算機和網絡技術的快速發展，記錄和共享數據達到了前所未有的量級，多模態的教育數據采集方式層出不窮，實時的海量教育數據不斷累積。在智慧學習環境中，人們的各種教學活動和行為會在不同的數據庫中留下痕跡，為計算教育學提供了各個環節的數據記錄。由于智能技術的更全面應用，除了傳統學校管理系統能夠提供的學習者在校基本信息、學業成績和成長信息之外，從教學環境、模式到制度等各個方面的刻畫能得到數據的完整支撐(肖玉敏、孟冰紋、唐婷婷等，2017)。從先前的鼠標點擊到如今的體感技術，人機交互的發展為學習者的多元化信息留存提供了越發堅實的技術支撐，計算機能夠將教學過程中自然生成的海量學習數據進行多維度、多構面的立體化數字化存儲與分析。楊現民等人將教育領域中的大數據劃分為基礎層、狀態層、資源層和行為層四種數據。基礎層中，存儲著國家規定采集的教職工與學生的人口學基本信息和人事檔案中的信息，例如教師的學歷背景、教齡，學生的學籍變動等。狀態層是各種教育環境、教育裝備等基礎設施的分布情況以及教育業務的運行狀態信息。資源層包含各類教學資源的信息，例如教案、教材、試卷、作業等課程資源。行為層是廣大教育用戶的行為數據，包括學生的學習行為、管理人員的操作行為、教師的教學行為以及學生的興趣、動機、消費情況等其他描述性行為(楊現民、唐斯斯、李冀紅，2016，第52頁)。多類型、多維度、多形態的數據集合可將教育全過程進行實時的全樣本的數據化記錄，拓展了研究素材的時程性和教育學研究的問題域(González-Bailón&Sandra，2013)。但要使得“教育數據礦產”發揮真正的作用與價值，還需在計算教育學的框架下，采用科學的技術方法進行清洗、整理與分析。 二、計算教育學的學科立場與價值觀 學科視角可以更好地概括教育學在大數據和人工智能時代所呈現出的新發展、新路徑和新范式。關于學科建構，龔怡祖指出學科的建構既包括了內在的知識系統化建設，也包含了外在的社會制度建構，并同時形成兩種規范性的機制運行(龔怡祖，2013)。對學科本體知識建構的要求，潘懋元認為一個獨立的學科應該包括“獨特的研究對象、獨特的研究方法和完整的知識體系”，并確立學科的價值、思維方式、研究領域及核心概念(潘懋元，1991)。在此基礎上，張應強認為現代學科還具有以應用性為主，以社會需要為學科演化和發展的動力，以重大的社會問題和綜合性問題為研究對象，以多學科研究和交叉研究為主要方法的新特征和新趨勢(張應強，2011)。以下將首先從現代學科建制的角度辨析計算教育學學科基本立場與價值觀。 (一)計算教育學是以量化教育數據為研究對象，以計算為主要研究方法的新興學科 隨著實踐的發展，計算教育學得到越來越多學者的重視，其定位與價值也引起了學界的關注。我國學者從學科目標、研究特色和技術等不同角度對計算教育學的內涵與外延開展了探討。例如許新華將計算教育學等同于計算機(輔助)的教育學(許新華，2019)。而李政濤等人將計算教育學的淵源回溯到MOOC課程興起帶來的大量在線學習交互行為和學習分析技術的發展，他在總結了國內學者對計算教育學研究對象、研究方法和目的與意義的共識基礎上提出計算教育學是一門以信息科學為基礎、以精確定量為方法的跨領域交叉學科，為教育學本身的研究與發展提供了新的方法、路徑和動力(李政濤，文娟，2019)。綜合國內外不同學者對計算教育學的定義，本文認為，計算教育學是一門融合多學科知識，基于量化的教育數據和計算的方法，以揭示日常難以發現的教育教學規律，注重體系化的理論建構的跨領域新興學科。借助現代科技手段，計算教育學把各種復雜的教學行為和教育現象進行數據化處理，使之成為可計算的符號，再用數學工具對教育問題進行計算分析，從而研究并解釋教育現象與規律。但計算教育學作為一門新興學科，具有生成性和建構性的特征，其內涵也將隨著實踐與研究的深入而不斷發展。 (二)計算教育學是以實踐創新為基礎，以解決教育問題為目標的應用型學科 基于技術革新的創新實踐為計算教育學的發展提供了豐富的研究內容，推動了計算教育學發展與教育理論升級。同時，計算教育學也肩負引領和指導實踐的時代責任與使命。信息技術與數據科學在教育領域的廣泛應用也帶來了新的挑戰，例如在教學實踐和研究中面臨的隱私保護、數據安全等新的職業道德問題；擔憂不恰當的技術使用會增加應試化的機械訓練，過度的智能技術輔助影響學生認知能力的發展，過量的虛擬和在線學習可能造成對青少年兒童的身心健康的危害等新問題。應對這樣的問題與挑戰，新興的計算教育學將繼續扎根于豐富和活躍的創新實踐，反思與總結新環境下的教育學特征，整體認識教育理論與教學實踐相融合的新型共性問題，支持以學生為中心的教與學，提升教學過程體驗，優化教學方式，提升教學效果，形成行業標準規范以指導教學實踐的健康發展。 (三)計算教育學具有鮮明的跨學科和綜合性的特征 計算教育學的學科本質決定了需要融合信息科學、教育技術學、教育學、心理科學、腦與神經科學、系統科學、復雜性科學等多個相關學科的理論與技術研制多維度、多元化的分析模型與算法，綜合分析復雜而動態變化的教育系統，最終揭示教育現象和規律。因而，跨學科性貫穿于計算教育學體系的各個環節。例如在研究過程中，以教育過程中產生的數據為基礎，面向學生、教師、學習環境、學校、教育機構和其他利益相關者和組織等主體，需要依靠多學科知識，從復雜的教育系統和教學環境中數據化地采集和記錄復雜的教學行為；在分析階段，利用物聯網技術、計算機與智能技術、通信技術和控制技術，對教育大數據進行數據采集和挖掘，并依賴數據科學計算處理大量非結構化的數據；在應用階段，計算教育學需要依賴教育學和心理學等相關知識，從大量原始和結構化數據的計算結果中，科學合理地揭示學習過程的復雜性，并結合學科教學和教育技術等不同領域的知識開展智能預測、推薦、干預等教育智能化實踐。 三、計算教育學的研究范式 新技術應用在不斷增加教育體系復雜性的同時，也為認識和理解這種復雜性提供了新的工具和方法。新一代人工智能技術與教育理論、認知理論、實驗設計和相關學科研究方法相融合，帶來了基于數據科學的教育研究范式轉變。計算教育學對復雜的教育系統開展以計算為核心的研究，以新興的研究方法適應新的教育環境，不僅體現于其數據采集工具和分析方法的變革，更體現在方法論層次的變革；不僅是一種使用海量數據的現象和采用各種算法作為分析工具的趨勢，更是探討教育過程與問題的新理論、新方法乃至新范式。根據國際教育研究手冊，一種教育研究范式是在一定研究方法論基礎上形成的研究原則和方法體系，包含了其適用范圍、主要流程、局限性和評價信效度的指標等方面。以下將體系化地審視基于計算的新教育研究范式，通過梳理定量教育研究與計算教育學之間的傳承與發展，描繪計算教育學研究的特征；并根據JimGary2007年在美國國家研究委員會—計算機科學和電信委員會加州山景城(NationalResearchCouncil-ComputerScienceandTelecommunicationsBoardNRCCSTB)會議上提出的四種研究范式分類，辨析現階段計算教育學研究范式的發展路徑；探討新研究范式的研究局限性和信效度等方面的標準。 (一)計算教育學與傳統計量研究方法的比較 計算教育學的誕生伴隨著教育學研究方法從計量到計算的演變，數據采集、處理和分析均與傳統量化研究方法不同，這為解決教育研究領域的挑戰提供了新的工具與方法。傳統教育研究常用的定量與定性的研究方法無法兼顧整體性和動態性的分析，不足以詮釋新時代教育的新需求，難以刻畫新時代學習者的特征和教與學的復雜過程，缺乏大規模、多模態的科學數據分析的支撐。面對日趨復雜的教育系統，要進行有效分析，解決不斷涌現的跨領域問題，亟需順應時代和科技發展的新方法、新工具和新體系。 不同于傳統計量方法，計算方法包含數據、算法、架構、問題域和復雜信息系統等多方面技術與方法，是能夠捕捉、獲取和處理有關人類學習行為與教育發展規律的科學方法，為尋找教育活動的內部主導因素和高關聯性外部因素提供了可能。計算教育學以教育過程可計算為基礎，包括教育系統中的個體與群體可計算(學習主體與學習環境的計算)、數據與知識的可計算(學習的媒介計算)、人—機協同的可計算(學習特征的計算與建模)、認知過程可計算等。相比于傳統的通過抽樣調查等方法采集一些結構化數據進行實證分析的計量方法，計算教育學通過對教育領域中量化數據(既包含大數據也包含小數據)的應用與研究，為精確描述和精準分析教育系統的復雜性和整體性提供研究工具，為實現多元化的教學資源與服務提供基礎研究的支撐。通過對比計算教育學與傳統的計量教育學，王晶瑩等人提出從數據特征、數據獲取效率與方式、研究路徑、認識過程和關系認知等多個方面闡述計算教育學研究范式的特征(王晶瑩、楊伊、鄭永和、夏惠賢，2020)。在此基礎上，基于實踐與研究的經驗，以下聚焦在傳統的定量教育研究范式與計算教育學研究范式的對比，并對部分比較維度與內容進行了補充(如表1所示)。 表1傳統定量教育研究與新興計算教育學研究范式的比較<tableborder=1align="center"><tr><td></td><td>傳統定量教育研究的研究范式</td><td>新興計算教育學的研究范式</td><td></tr><tr><td>數據特征</td><td>主要通過調查問卷獲得有限的樣本結果數據為主</td><td>通過數據采集挖掘獲得海量的自然數據、過程數據、結果數據等多維度數據</td><td></tr><tr><td>獲取效率</td><td>延遲獲得</td><td>即時獲得</td><td></tr><tr><td>研究路徑</td><td>始于假設：現象—假設—抽樣—驗證</td><td>基于數據：數據匯聚—數據清洗—數據挖掘與分析—數據預測和服務</td><td></tr><tr><td>研究目標</td><td>理論修正</td><td>數據解釋與理論構建</td><td></tr><tr><td>認識過程</td><td>自上而下</td><td>自下而上(數據分析)+自上而下(專家知識)</td><td></tr><tr><td>關系認知</td><td>因果關系</td><td>關聯關系+因果關系，基于關聯關系的因果關系，為干預提供依據</td><td></td></tr></table> 計算教育學的研究對象是量化的教育數據，因而比較的對象聚焦在傳統的定量教育研究范式上。在數據方面，傳統的定量研究受到技術與方法的限制往往以結果性數據為主，例如學生的學業成績、自呈式的心理和情緒狀態等。因為教學環境和人類行為的復雜性，大量教學行為、活動和環境因素在傳統量化研究中難以被數據化，無法獲得直接的測量數據，難以提供給研究者全樣本、實時的、過程性的教學數據，從而影響了對教學過程的全面而客觀的記錄，不利于研究的深入展開與分析。如傳統研究中用視頻和音頻的方式記錄學習過程的數據，由于沒有多模態融合技術支持，難以形成規模化智能處理。隨著信息技術在教育實踐中的滲透，教育研究對象的范圍大大拓寬，智能環境中的數據采集裝備、分析系統可以對學習者和教學者在無感知、非干擾的情況下記錄他們教學行為的全過程，收集的是整個教育教學過程中靜態和動態的所有數據，如教學資料、互動反應以及學生在每個知識點上停留的時間等。因而數據收集有更強的實時性、連續性、綜合性和自然性，可以更好地反映教學過程的真實狀態，支持研究者深入探究教學的規律。這使得計算教育學研究范式下的研究結果相比于傳統教育研究結果，具有更高的可靠性、客觀性，以及更廣泛的適用范圍。 在研究目標上，傳統量化研究多以理論修正為主要目標，往往從一個理論假設開始，選擇相關的若干組影響因素開展教學實驗，驗證并分析變量之間的關系，從而根據實驗數據修正之前的假設。但基于數據挖掘的計算教育學不一定有已形成的理論假設，往往從數據出發，對研究找到的數據之間的量化特征進行教育學的解釋和意義建構。計算教育學以計算為工具，以期挖掘出教學行為特征中的底層規律，并構建科學的教育學理論以指導實踐。 在研究路徑方面，傳統量化研究遵循自然科學研究方法，往往自上而下，即先根據理論提出假設、再構建模型、創設實驗、使用特定的測量工具收集與分析數據，從而驗證假設，修正理論；而計算教育學通過大量數據的梳理和分析來發現教育現象和規律，基于數據發現特征，構建理論解釋，開展預測應用，往往以自下而上的數據分析為基礎。也有研究者提出在計算教育學的研究中，圍繞教育意義與價值，數據分析更需要結合自上而下的理論解釋(陳麗、逯行、鄭勤華，2019)。 在認知方式方面，教育研究從關注因果關系轉變到關注“關聯關系+因果關系”。利用數據科學技術探索認知規律得到的是數據間的關聯關系，研究者需要基于理論認知探索更深層次的原因，從而做出具有教育意義的合理解釋。這對教育研究者提出了更高的理論要求，需要教育研究者形成并建立新的思維模式，從關注理論驅動，假設檢驗與解釋，轉變到重視測量與預測應用的計算教育學。 (二)計算教育學研究范式的兩種研究進路 根據JimGray在2007年NRC-CSTB大會上的論述，科學研究正在經歷從經驗、理論、仿真向數據密集型范式的變革，如表2所示。這種變革也影響到社會科學領域，包含教育研究。但與自然科學領域的發展不同，韓軍徽和李正風等社會科學研究者們認為計算社會學中目前存在大數據社會分析(第四范式)和社會模擬研究(第三范式)兩種不同研究進路(韓軍徽、李正風，2018)。類似地，在教育領域已發表的文獻和實踐案例中搜索關鍵詞“計算教育學”(以及"ComputationalEducation")，發現也存在第三范式與第四范式同時興起的趨勢。 表2教育大數據為計算教育學提供數據基礎(HeyTony，2009)<tableborder=1align="center"><tr><td>研究范式</td><td>內容</td><td>方法</td><td>案例</td><td></tr><tr><td>實驗范式</td><td>以描述自然現象和實驗為主</td><td>主要基于實驗或經驗的歸納為主</td><td>鉆木取火，比薩斜塔實驗</td><td></tr><tr><td>理論范式</td><td>以理論研究為基礎，對經驗和實驗進行抽象和簡化</td><td>主要通過構建數學模型對無法用實驗模擬的科學原理簡化，通過演算進行研究</td><td>牛頓第一定律，相對論，博弈論</td><td></tr><tr><td>仿真范式</td><td>以計算機仿真模擬取代實驗</td><td>通過仿真和模擬開展研究</td><td>天氣預報，核試驗模擬</td><td></tr><tr><td>數據密集型</td><td>通過了解相關關系揭示底層規律</td><td>基于數據科學，采集數據，智能分析</td><td>Google的廣告優化配置</td><td></tr><tr><td>科學發現</td><td>開展再預測或防治等應用</td><td></td><td>IBM沃森問答系統</td><td></td></tr></table> 1.計算教育中的仿真模擬實驗 在教育學領域，以計算手段來模擬、仿真與分析教育現象的第三范式正逐漸興起，并得到研究者的重視。在這種仿真模擬實驗中，研究者使用計算機建模和基于大數據的網絡分析，在計算機或虛擬世界中探索教育系統的運行狀況，探尋教育主體之間信息互動的模式，獲知系統在變化過程中的特征，從而揭示系統的規律或模式，評估教育系統演化的各種可能性。 仿真模擬實驗作為一種教育研究范式的發展，可以追溯到20世紀90年代中后期。隨著計算機建模技術的成熟，基于計算機模擬環境的教學實踐逐漸興起(YaqoobI，HashemIAT，GaniA，&etal.，2016)。但大部分的教學研究都將模擬的仿真環境作為教學環境，圍繞學生在模擬環境中的學習模式和學習成效開展研究，這種將計算機模擬作為研究方法的應用受限于教學系統的復雜程度而遲遲未有突破。直到21世紀初，隨著歐美國家“第二人生”(SecondLife)等在線模擬游戲的普及，部分社會學研究者嘗試在在線虛擬環境中開展人類行為模式的分析和虛擬實驗，從而興起了社會學虛擬仿真實驗研究的熱潮。2007年NigelGilbert在計算社會學領域提出了基于主體的社會模擬(Agent-basedSocialSimulation)來實現可多次重復、多主體、多屬性、多情景的仿真社會模擬實驗技術，深度分析了個體與群體行為，揭示宏觀現象的微觀成因、內在機理和傳導過程。我國學者王國成在社會計算領域，提出融合人類主體(HumanSubjects)參與的實驗和基于虛擬主體(ComputationalAgent，CA)的實驗方法，“通宏洞微”地開展了廣泛的社會模擬研究，為宏觀調控提供微觀基礎(王國成，2015)。近年來，隨著教育大數據在教育實踐領域的普及，基于主體的模型(Agent-basedModelling，ABM)方法也逐漸進入教育領域的研究與實踐中，為我國研究者所重視。例如，余勝泉等人借鑒計算社會學中的計算實驗方法，提出計算教育實驗，模擬真實的教育系統，通過改變輸入變量屬性觀察系統的演化過程和結果，總結教育系統的演化規律(余勝泉、徐劉杰，2019)。在實踐方面，美國Lamb等人基于神經網絡計算，建立學生在教育游戲中的行為模型，從而模擬學生參與某個在線科學教學活動的情況，測試該教學活動對學生反思性能力提升的影響(Lamb，R.，Vallett，D.，Akmal，T.，&Baldwin，K.，2014)。Lamb在模擬環境中通過對上萬名學生的測試優化了在線科學教育活動。 研究者們提出通過計算機模擬與仿真來研究教育中的現象和問題可以避免部分教育實證研究中的困難，包括征集測試者的困難、因為開展對比實驗而引起的道德困境、真實情境中開展教育實驗的風險等問題，也可以縮短實驗時間，降低研究成本(余勝泉、徐劉杰，2019；Lamb，2017)。模擬仿真研究也為教育實驗研究提供可重復、可檢驗的可能性，并且避免了由研究者主觀判斷帶來的誤差，從而提升教育實驗研究的信效度。因此，學者們呼吁發展基于計算的仿真模擬教育實驗，通過對學習者、教學過程、教學環境的計算，界定教育系統要素之間的關系，建立起教育系統要素關系的數學模型，然后利用計算機仿真技術對教育體系開展全程全覆蓋的復雜實景模擬，分析模擬各種可能出現的教學場景、誘發因素及傳導機理，最后概括推斷微觀教學行為、活動、策略與宏觀教學現象的內在關聯。 2.計算教育學體系中的數據密集型科學探究 數據密集型的科學發現方式在教育研究領域的興起源自教育大數據的發展與應用，包括數據的采集與存儲、數據結構化、清洗與預處理、自然語言過程與實體識別、數據倉儲與關聯數據、機器學習與數據挖掘、數據開放與檢索、數據可視化與人際互動等過程。第四范式與其他范式的主要區別在于，它是基于已有的大量數據，通過計算得出之前未知的理論。華東師范大學副校長周傲英教授在題為“數據驅動的計算教育學”的報告中，從第四范式、大數據和教育科學等方面闡述教育問題，提出了基于數據驅動的計算教育學觀點，用教育大數據作為動能，運用人工智能作為計算工具來研究教育問題。教育大數據具有海量、多樣、快速和價值的4V特征，這使得應用于教學領域的數據密集型的科學發現可以對復雜教育系統內在機理進行整體性的研究，提取以前無法獲得的潛在有用信息。基于統計、數據庫技術、模式識別、機器學習等學科知識，借鑒計算社會學中常用的方法，包括自動信息采集系統(AutomatedInformationSystems)、社會網絡分析(SNA)、社會地理信息系統(SocialGIS)、復雜模型(ComplexityModeling)和社會模擬模型(SocialSimulationModels)等，計算教育學可以分析和處理不同復雜度和深度的數據，探尋教育數據間相關關系而非探究因果關系，用以揭示教育系統深層規律和動態演化的特征，探索不為人知的底層教育規律，并能實現預測和決策優化等功能。例如，為支持教育質量動因系統的整體性研究，可以通過采集實時動態的課堂數據來補充橫斷研究數據的不足，采用計算的方法，基于大數據來刻畫真正的動態模型，評估來自不同層面的因素對教育質量的直接和間接影響，幫助教育政策制定者和教育實踐者針對薄弱環節提出提高教育質量的最優策略。實踐中，北京師范大學鄭勤華在高校教育治理領域開展研究，通過對學生的生活與學習行為數據的分析，發現學生學業成績與學生生活習慣之間的相關性，從而揭示大學生學習規律，為高校開展精準管理與提前干預提供科學依據。但是，目前基于數據密集型的科學探究范式仍遇到很多來自技術手段和教育本身復雜性的挑戰，在教育領域的應用仍然處于探索階段。 (三)計算教育學研究范式的信效度與局限性 計算教育學的研究范式與傳統的定量研究、定性研究均不相同，因而衡量計算教育學研究的信度與效度的標準與方法也有所不同。計算教育學研究的信效度可以借鑒自然科學實驗研究中的可重復性、可比較性、可標準化和可推廣性來考量。數據科學對教育研究的可重復性賦予了新的內涵。在大數據時代，在不重復觀測或實驗的情況下，就可以檢驗研究者的發現過程以及發現結果的可靠性。因為大數據留下了研究者研究過程的數據軌跡，提供了可以循著其軌跡進行科學檢驗的途徑，不必耗時費力地重復觀測或實驗就可以查詢研究者的原始科學記錄。其次，計算教育學研究能收集和分析實時更新的海量教學數據，這些數據具有大范圍、真實和完整描述的特征，能夠顯著有效地解決傳統教育研究中非代表性取樣問題，并避免實驗條件真實性的拷問。數據密集型科學發現中所使用的數據往往是痕跡數據，也就是人們在教學活動過程中自然留下的“數字腳印”(DigitalFootprint)，是人們日常行為的實時記錄，被記錄的行為具有自愿化的特征，是自然發生的、反映人們自覺自愿的行為，客觀且真實，有助于提高基于數據的研究結果的效度和信度。 研究者需要充分了解基于計算的研究方法，對影響研究信效度的因素保持清醒的審思。首先，計算教育學也存在理論和主觀偏差，只是與傳統量化研究中被“理論污染”的階段有所不同。在數據密集型科學發現中，挖掘工具和數據庫的選擇卻反映了數據挖掘者的偏好(黃欣榮，2015)。即便原始數據是客觀的，但數據挖掘卻滲透了挖掘者的主觀意識。在小數據時代，原始數據就已經滲透了理論；而在大數據時代，原始數據未被污染，但在數據挖掘過程中滲透了理論。其次，在計算教育學中需要注意的是大數據未必就是全樣本數據，往往也是一種樣本。研究者們對于教育大數據是否基本實現“研究對象=全樣本”(肖玉敏、孟冰紋、唐婷婷，2017)存在爭議。例如，我們可以根據微博數據研究某個教育熱點議題的傳播與公眾的反應，但卻很難得到全樣本的微博數據，再加上微博也只是公眾表達觀點的渠道之一。因而，這種范式的研究結論會受到采集數據的工具和渠道的限制，在解讀研究結果時，需要明確所使用的工具和獲取的數據的特征與范圍。在教育研究中，不能片面追求海量的教育數據，而是要為研究目的服務，選取能描述復雜教育系統和動態演化規律的多維度的大量數據(楊開城，2019)。再次，在計算教育學研究中尤其需要注意避免過度擬合影響，而需要開展交叉驗證，因為所采用的數據并非為特定研究問題而產生，由數據挖掘得到的相關關系與特征，需要與其他研究方法得到的結論相互印證。 計算教育學的研究范式也不可避免地存在自身局限性。計算教育學適合發掘教育系統中的復雜特征、演變模式，適合回答“是什么”和“怎么樣”的問題，善于呈現所發生的事件和事物的特征，探究教育系統的客觀而普遍的意義，而不適合替代質性研究進行“為什么”的研究，不適合探究復雜教育系統中不同個體的能動性和突破性，不適合分析教育場景中教學活動和策略的意義與動機(趙超越，2019)。計算教育學的研究要處理好科學性與人文性、客觀性與主觀性、工具性與價值性等不同價值取向之間的關系，既要看到計算教育學對拓展傳統教育學研究的價值和意義，也要看到其過于追求人類行為與教學、認知規律的可計算性所隱含的弊端，依據不同研究選題和教育的實際需求，合理、科學地選擇研究方法，而不是盲目的以計算教育學去替代傳統的教育學研究。 四、計算教育學的學科體系構建 計算教育學在實踐的推動下，已經初步形成了學科獨特的價值體系與研究范式。但是要發展成為一門獨立的學科，計算教育學還需構建體系化的知識結構，推進社會建構的成立。以下將從計算教育學試圖解決的教育研究與實踐中的重大問題來辨析計算教育學獨特的研究內容，提出知識框架，并為計算教育學社會建構的發展提出建議。 (一)構建計算教育學的知識框架 計算教育學具有跨學科的綜合屬性，形成了獨特的融合數據科學技術與教育學的研究內容。計算教育學的知識框架需要立足教育問題，從教育的角度，以計算為核心方法，建立計算教育學跨學科的知識結構。一方面，教育領域的獨特性和復雜性對數據科學技術提出新的要求，需要針對性地研發適合教育場景和需求的理論框架、技術手段和研究方法。另一方面，智慧教育的實踐創新帶來很多教育領域的新問題。例如陳麗等人在分析了自然科學基金申請項目的主題之后提出問題塔模型，認為計算教育學需要討論涉及教育學基礎規律、教育環境、工具和資源建設以及在不同教學場景中的創新應用等不同層面的問題(陳麗、逯行、鄭勤華，2019)。龔怡祖指出問題研究是學科生長的初始條件，基本研究范疇是向學科挺進的關鍵性力量(龔怡祖，2013)。以下就將基于目前的實踐探索經驗，嘗試從信息技術層面與教育體系兩個維度歸納計算教育學中六個主要方面的共性科學問題和研究內容，如圖2所示，以資探討共同推動計算教育學的結構化發展。 1.基礎理論 計算教育學的學科發展需要構建體系化的理論框架。計算教育學是一門正在不斷發展的新興學科，更需要對豐富的實踐經驗進行系統性、理論化的研究，抽象成規律與規范，不斷凝練學科的核心概念與內涵，建立學科的理論體系，規范學科的研究與實踐，指導學科的健康發展。然而，計算教育學跨學科的本質對構建學科理論體系提出了挑戰。計算教育學涉及數據科學、復雜系統、教育學和心理學等多個領域，因而計算教育學的理論框架構建需要梳理各個不同理論體系之間的關系，圍繞教育的核心，建立具有內部一致性和體系化的理論框架。理論框架的縱向構建需闡述計算教育學的歷史沿革，例如與計算主義中基于神經網絡的聯結主義之間的關系，與教育學理論中行為主義、建構主義之間的繼承與發展關系。理論框架的橫向構建則需以數據科學、人工智能、教育學、心理學等學科交叉融合作為理論基礎，構建學科的多元而協調一致的理論框架，以達成對教育規律和認知的產生與發展的深入研究。理論框架的構建還需面對大數據與智慧教育融合的實踐需求，例如可以基于復雜性科學的理論基礎，遵循數據科學的方法體系，從非線性、不確定性、自組織性和涌現性等復雜系統的特征去描述教育環境與學生個人認知發展的動態關系等，建立教育環境、教學內容、教學模式、教師等主要外在教育要素與學生內在心智表征及信息加工能力等因素之間的影響和關系模型。 圖2計算教育學知識結構框架 2.關鍵技術 借鑒美國斯坦福大學、康奈爾大學和微軟研究院設立的計算社會學核心課程與實驗室的研究內容，我們認為，數據科學技術的領域化內容應該成為計算教育學知識結構中的重要組成部分。由于教育系統的復雜性和教育數據的特殊性，對數據科學技術中提取教育學數據、分析和表達數據等各個環節都提出了新的挑戰，如圖3所示，需要圍繞教育問題和教育價值，研發并采用合適的數據科學的方法與工具，實現對教育數據有效的存儲、處理和分析。 圖3計算教育學發展的框架 在數據獲取階段，主要討論教育數據自動獲取相關的關鍵技術，包含數據檢索、數據脫敏、數據清洗和數據整合等相關環節。目前已有通過物聯網可穿戴設備、攝像頭、傳感器等技術手段，采集教學過程中學習者的各種數據，包括學習者身體狀態、學習情況、環境信息等，并利用邊緣計算技術實時采集和整理有用信息，且上傳至教育云，形成計算教育學數據庫。在數據分析階段，主要討論基于數據挖掘的方式對教育數據進行分析的常用方法。教育領域的數據不但具有海量性、動態性、多樣性、真實性等大數據的特征，還具有非結構化數據多、數據的實時性強、有大量隨機動態產生的數據等獨特性，這些特征對數據科學技術提出了新的挑戰。國內學者黃榮懷等提出并論證面向智能教育的三個基本計算問題，即認知計算、行為計算和環境計算，指明了計算教育學的技術發展方向(黃榮懷，周偉，2019，第11頁)。投身計算社會學的研究者們融合數據科學技術與傳統的社會研究方法以揭示復雜社會系統中的人類行為規律的做法，可以為教育研究者借鑒。例如大衛·謝佛將數據科學技術運用于社會民族志研究，開發了一種認知網絡分析(Epistemicnetworkanalysis，ENA)工具，采用社交網絡分析的方法進行自動編碼，以此有效衡量技能、知識和其他要素之間的聯系，形成量化民族志的創新方法，從而對學生21世紀能力做出智能評測(Shaffer，DavidWilliamson，&Hatfield，David，2009)。在數據表達與建模階段，對學習者行為進行計算建模和預測能幫助研究者發現和認識學習行為規律，從而有效分析學習行為和制定教學輔導決策，是計算教育學學科的一項長期基礎研究工作。計算教育學廣泛收集學生的學習行為數據，在腦科學發現的基礎上，利用人工智能方法建立行為和學習結果之間的統計關聯，研究學習者的認知表征和建模方法，促進教與學中新方法和新理論的形成與實踐。因此，該部分具體的研究問題可包括：教學過程數據的采集和分析研究、多通道教學行為和情境數據治理研究、異質教育大數據高效組織與管理和有效融合和分析研究；構建跨學科知識關系與圖譜、交互式深度學習的認知模型與計算框架，基于評測大數據和知識圖譜的學習者能力建模等方面的研究。 3.研究范式 計算教育學的發展呈現出以技術為先導的特征。圍繞海量的教育數據和計算為核心的數據科學技術，形成了自己獨特的研究體系與范式。為保障該領域研究與實踐的健康有序發展，需要形成與技術相適配的計算教育研究體系，制定包括研究問題、研究設計、數據采集與分析、解釋與理論構建、研究評價與倫理等各環節的規范與標準。一是，計算教育學跨領域的學科本質，對從事該領域的研究者提出了方法論和理念轉換的挑戰：對于教育背景的研究者，需要轉換思維，了解并恰當使用基于數據與計算的研究方法；同樣，對于技術、計算機或心理學背景的研究者，則需要了解教育場景的特征，圍繞教育的價值，明確在教育場景中開展圍繞教學行為活動研究的方法。因而，總結研究經驗，形成研究規范和方法論，有助于跨領域的研究者積極投身計算教育學的研究中，并保障研究與實踐的健康發展。二是，計算教育學采用基于數據和相關性的研究方法為研究者研讀大數據、理解數據背后的含義提出了嚴峻挑戰。研究者需要了解數據的特征和研究工具，即各種計算方法的局限性，結合教學場景的實際情況，做出合理而具有教育意義的分析與解釋。例如隱含數據的獲取途徑和方式，數據分析過程中的理論偏差和主觀假設，都需要通過規范化的研究方法，以及在研究過程和研究報告中標準顯性化呈現以保障研究質量。目前，計算教育學常用的研究方法有計算模擬實驗與數據密集型探究，但還需在實踐中不斷探索與總結研究的規范以及和其他研究方法體系的差別，從而建立標準。三是，信息技術在教育場景中的深度應用，也為計算教育學的研究與實踐帶來了道德和倫理的挑戰。例如，研究人員會在未經參與者同意甚至在其毫不知情的情況下對參與者進行觀察與實驗，因而，亟需在計算教育學發展之初，就關注人工智能、大數據技術在教育領域應用的倫理問題，建立相應的規范與標準。具體研究問題包括：AI技術應用于教育的倫理分析框架與基本問題、用戶隱私、避免數據濫用的問題、人工智能環境下教育主體的可替代性研究、AI技術應用偏見強化的風險研究等。 4.知識生成 在技術推動的變革中，知識的內涵發生了變化，由符號化、抽象化、結構化、本質性、具有原理性的人類經驗回歸到人類的全體智慧；知識的外延呈現出個性化知識、操作化知識、網絡演化等發展趨勢。知識的生產、傳播與消費模式的變化，帶來知識的海量化、動態化、境遇化、綜合化等新的特征，并且直接導致知識的生成與進化規律發生深刻變化，為新時代的教學帶來新的挑戰。近百年來，教育學、心理學、生命科學、計算科學等領域專家開展大量研究，試圖通過理論假設、實證研究、認知機理和計算分析等多角度闡述認知學習的內在機理和外在表現規律。然而由于學習和認知與行為、情感和環境等緊密關聯，具有內隱性、微觀性、動態性及高維度等特性，其運行機理沒有得到有效揭示，缺乏科學的闡述和表征。計算教育學通過計算來發現教育現象和教學行為背后的規律和基礎模式，研究學習與認知的發展規律和形成機制，探究新形態下知識生成和進化規律，既能有效解決制約教育發展的“教什么”和“怎么學”的問題，同時還將為未來教育改革提供有力支撐。 計算教育學基于數據科學的方法，將學生認知發展過程和認知能力提升的結果數據化，并與外在的教育環境、教學內容、教學模式、學生的內在心智等數據結合，通過數據挖掘找出他們的內在關聯性和緊密程度；融合腦科學、神經科學和心理學等領域的知識，對學生的認知機制、認知風格、認知策略、元認知體驗與監控等進行分析建模，并建立網絡化群體認知模型；從學生的認知發展、能力發展和素養提升等各方面，形成有理論、有方法、可驗證、可落地的學習規律；開展面向教育資源共享的教育資源知識產權保護和交易監管技術等方面的研究。 5.環境構建 技術發展為建立智慧學習環境提供了可能，帶來了可以滿足學生個性化學習需求的自適應學習機會和高沉浸式的學習環境，產生了新的學習方式與聯結。物理環境與虛擬環境融合的智慧課堂為學習者提供了更為豐富的學習與功能服務，有助于降低學習者的認知負載，增強交互體驗，提高學習效果和協作水平。但技術的深度應用也帶來了對技術過度使用的恐慌與擔憂，亟需研究者提供精確的學習模型，發現科學的學習規律，以指導技術在教育實踐中的應用。 計算教育學的研究將有效組織教學資源，以知識匯聚為基礎，以知識工程驅動，融合虛擬現實、增強現實、人機交互等技術，提升教師教學與學生學習的效率，并支持自適應在線教育系統的發展。一方面，在計算教育學中，采用數據科學的方法收集和分析教學過程中產生的數據，描繪學習者行為畫像，構建學習者和學習過程的模型，以支持教學內容和教學方法教師干預手段的個性化推薦。另一方面，基于計算教育學，探究智慧課堂中人、機、物三者之間角色分配與協作關系，探尋交互機理，發展對學習體驗的有效量化研究與評估手段，攻克相關核心機理與關鍵技術，構建體驗感良好、人機物緊密融合的高效協同教學環境，大幅提升課堂環境下群體智能教與學的效率效果。具體的研究問題可以包括：①為實現自適應教育系統，需要將分散的各類教育資源和學生個人數據進行關聯和共享，破解數據孤島、數據壁壘等問題。②為實現多主體教育資源共享，需探究基于元數據的數據標準，抽取教育資源的元數據信息的方法與技術，實現資源共享的統一數據標準，并研究去中心化的教育資源共享技術，探究用戶隱私數據保護與資源共享技術。③開展在線教育學習過程的全息刻畫、規模化綜合教學平臺與工具的研發、知識工程驅動教學資源組織與優化及智能學習環境構建的研究、支持高效結構化研討的人機融合技術和工具研究、應用AI/AR/VR等技術的認知機理研究等。 6.教學應用 應對新時代的挑戰，計算教育學將助力以領域知識和智能信息技術融合為基礎的教與學、管理、決策、實施、評價等教學體系中各個環節的智能化發展。以下將以教學互動和教學評價兩個環節中的關鍵研究問題為例，說明實現教學體系現代化過程中，計算教育學可以解決的科學問題。 課堂中積極有效的教師教學、學生學習、師生互動是實現高質量教育、提升課堂教學質量的重要教育因素，外在表現為教師和學生的行為、表情和聲音等多模態非結構化信息。學生學習狀態可以體現為課堂學生專注水平、學習情感表現，可透過學生的表情、行為進行分析；教學效果可以利用課堂答題器等師生互動進行適應性測量、用深度知識追蹤等方法評估。課堂師生互動包括認知互動和情感互動兩種類型，認知互動促進師生的共識，情感互動達成師生的共鳴，互動不僅能有效幫助學生提高知識和技能，還能讓學生獲得積極的學習體驗，促進學生心理健康發展。因此，揭示課堂教學環境下，教師、學生和教學過程等復雜教育學研究對象在多模態高維數據空間中的可歸約性和可計算性本質，并通過對計算結果的教育學解釋驗證研究結論是非常值得研究的問題。計算教育學研究將建立教與學過程的數據分析模型；將開展對群體智能與協同學習中的組織與涌現、測度與分析、導學與進化等環節的研究；將開展移動環境下自導式學習方案的自動生成問題等方面的研究。 教育評價是衡量教育發展、分配教育資源、促進教育改革的重要依據。以大數據、人工智能等為代表的新一代信息技術的快速發展，將會對傳統的教育評價理念、方法和模式產生革命性影響，為實現更加多元、精準與智能的教育評價帶來契機。利用新興信息技術開展教育評價創新，實現信息技術與教育評價的深度融合，是推動教育評價體系重構、加快教育領域綜合改革的科學力量，這對于促進教育公平、提高教育質量、優化教育治理具有重要作用。例如，將區塊鏈技術應用于教育評價和教育倫理的研究當中，來保證教育數據使用過程的公開、公平、公正，具體的研究問題包括：教育大數據中因果關系的挖掘分析、數據驅動的實時教學決策、基于智能推斷的學生能力評估及歸因分析、數據驅動的精準化學習評價機制與方法、面向課堂教學評價的形式化建模與智能計算、面向群體在線協同學習的量化測度與分析、教育評價的數據可使用性研究和信賴度研究等。 (二)推進計算教育學的社會建構 規范化的學科設置是管理者對學科發展和科學研究進行管理的基本而有效的手段之一。根據社會科學的理論，一門學科社會建制的確立是其學科研究與發展的物質基礎(方文，2001，第128頁)。學科的社會建制給予該學科以外部承認和組織支持，為該學科發展提供外部制度環境。在現代社會中，學科建制化的意義，主要是通過“合法化”的途徑，獲得編制、資金(基金)等外部制度環境的支持。計算社會學的發展歷程，也驗證了學科社會建制的重要性。計算社會學自2009年誕生以來(Lazer，2019)，研究成果頻頻出現在以往主要刊登自然科學論文的頂級雜志上，研究中心和專業學會相繼成立，不少世界著名大學已設立相應的課程或學位(酈全民，2019)。對于計算教育學而言，其社會建制的發展尚處于萌芽與探索的階段，以下將從學科社會建制的幾個要素來分析計算教育學的學科發展基礎，并提出建議，其中包含學術共同體與學術陣地、規范的學科培養計劃、學術公開與評價機制、穩定的基金資助等方面。 1.發揮學術共同體作用，推進學會建立和發展 學科的建制以學術共同體為基礎。學術共同體源自庫恩的“科學共同體”概念，指專注于某一領域研究的科學家群體，他們對于該領域的理論、規律、實驗和應用都有本質上的一致性認識。在當代，專業性的學會組織是學術共同體很重要的一個載體和存在。目前我國尚未建立計算教育學的專業學會，但隨著數據科學在教育領域的實踐與應用，正逐步形成圍繞具體研究問題的學術陣地，正形成積極探索與推進計算教育學發展的氛圍。例如，由華中師范大學劉三教授帶領的大數據教育研究團隊積極推動基于大數據和人工智能的教育評測研究與實踐；由華東師范大學周傲英教授帶領的數據科學學院積極嘗試數據科學在教育領域的廣泛應用與研究；由北京師范大學陳麗教授帶領的團隊基于聯通主義的MOOC教學實踐，采用數據科學的分析手段，探索新環境中知識生成的基本規律等。 伴隨我國發展人工智能的國家戰略和《中國教育現代化2035》的推行，越來越多的研究團隊投入到基于數據科學的教育研究中，但是不同研究團隊之間對于計算教育學的核心價值和基本框架尚未達成共識，對研究范式還存在爭議。為推動計算教育學的長足發展，需要積極推動計算教育學學會的成立，并在學會的組織下定期召開國內和國際學術研討會，創辦專業期刊。由于不同的學科領域長久以來獨立發展，擁有獨立的學術規范、語言體系和研究實踐系統，造成跨領域研究與合作的困難。計算教育學的發展需要研究者們打破學科的藩籬，共同推動計算教育學基本問題的研究，并形成共識。 2.依托學歷體系建立人才培養計劃 計算教育學的穩步發展，亟需建立科學合理的研究梯隊。系統化的學科人才培養計劃是儲備學科建設者的重要社會結構。目前我國尚未有計算教育學的學科人才培養計劃和學科建制。而計算教育學的跨領域特性對研究者提出了很高的綜合能力要求。教育研究者往往不具備理解和運用較為復雜的數據處理方法的能力，基于數據科學的數據收集和分析方法對很多教育研究者而言是一個“黑箱”；而計算機和信息科學領域的學者則缺乏教育學的理論基礎和知識背景，對教育領域的問題不了解。因此，需要通過學科建設，依托學歷體系推動專業人才的系統化培養。 建立計算教育學學科旨在培養具有大數據思維、能夠靈活運用數據挖掘及分析技術解決教育場景中實際問題的跨領域人才。計算教育學將從大數據應用的三個主要層面(數據管理、系統開發、海量數據分析與挖掘)系統地培養學生掌握解決各種復雜教育問題的方法，同時系統性地教授教育學原理與研究方法，提升學生解決教育中實際問題的能力，使學生具有將教育學的知識與數據科學技術融合并創新的能力。為此，推動學科建設，通過完備的學歷教育體系和學位授予制度，開展完善的本科、碩士和博士的學歷培養，為計算教育學的發展儲備高素質跨領域研究和實踐人才尤為重要。研究者們需要盡快根據計算教育學的學科基礎框架，形成知識體系，建設教材和教學資源，開展課程教學。 學科的社會建制對共同體成員身份認同和學科認同具有重要作用。在大學或研究機構建立獨立的學系，可以為該學科的學者提供以固定教職為基礎的職業化發展支持。建立一定數量的研究機構，在“編制”的支撐下吸引一批研究者專業從事計算教育學的研究，使他們擁有自己的學術組織，有相應的平臺產出研究成果并展示和交流，獲得國家或社會資金支持，持續、系統、深入地開展研究，發展出穩定的研究梯隊，推進以從事教育大數據為基礎、以新技術為支撐、以應用為導向的研究和開發工作。 3.建立學術公開與學術評價機制 學術公開是學科發展的重要基礎，學術評價是學術成果的“試金石”，兩者都是學科核心價值實現的重要保障制度。計算教育學的學科發展雖尚處在萌芽階段，及早確立并完善學術的公開與評價機制將為計算教育學的健康發展提供積極的引導和保障。 學術公開包括重要的教材、專著、學術論文的公開，它們是學科科研成果發表的重要標志，也是當代學術競爭的重要手段。計算教育學相關領域的學術論文在國內外的發表量正在逐漸增長，但因為計算教育學的跨領域性本質，頂級學術期刊對于新興研究范式和跨領域研究的接受度較低，導致跨領域研究的學術發表困難，前沿學者仍然面臨尋找合適期刊發表的挑戰。例如計算教育學的研究范式還不被大部分傳統教育學期刊編輯所了解和接受，而部分信息技術期刊則認為計算教育學的研究成果缺少對數據科學技術方面的創新和推進。因而，需借助學會等學術共同體積極推動期刊的專題討論或以專輯的方式集中研討計算教育學的研究成果，擴大學術影響力，推動更有質量的學術論文的發表，進而組織相關的學術專著和學科教材的編撰與發表。 針對計算教育學科的跨領域性質和面向實踐的特征，需要創新相應的學術評價機制以鼓勵研究者積極開展跨領域合作研究和創新實踐。由于學科長期獨立發展，因而有其各自不同的學術評價標準，相關學科的評價標準對于計算教育學等跨領域研究并不適用。例如，計算機領域技術發展迅速，學者更多看重頂尖會議交流文章，而教育學領域則更多看重期刊文獻。高等院校中人文學科領域(包括教育學)以學術文章數量為主的評價方式無法科學地評價實踐創新和社會效益等成果的價值，也不利于鼓勵專業人員開展實踐創新，有悖于計算教育學面向實踐的核心價值。這些問題都需要創新學術評價機制來保障并鼓勵計算教育學中的跨領域研究。 學術評價機制還應包括制定合適的學術規范，特別是隱私與倫理保護的相關機制。計算教育學在技術先導的特征與市場活躍的實踐推動下，技術應用對教學與研究的改變遠超規范、準則與法律的修訂速度。面對同樣的挑戰，計算社會學提出四項原則幫助研究者應對研究道德與倫理的挑戰，即對他人的尊重原則、有利化原則、公正原則以及對法律和公共利益的尊重原則。計算教育學也可以結合教育研究的特征，制定相應的原則和準則幫助教育科研工作者開展具體實踐工作。 4.健全學術項目資助與管理制度 學科的發展需要有健全的資助體系，需要積極爭取國家與社會的資源與支持。目前依出資主體可以將資助體系分為兩部分，一是不同層級的政府出資，二是企業或民間出資。 在政府出資方面，我國國家自然科學基金委于2018年設立了教育信息科學與技術二級申請代碼F0701，集中受理信息科技與教育學科交叉領域的基礎理論、基本方法和關鍵技術等研究項目，為計算教育學的發展提供了關鍵的制度保障，并奠定了重要的研究基礎。截至2019年，兩年來F0701代碼下共資助研究項目142項，涵蓋教育信息科學與技術的基礎理論研究、交互學習環境構建、虛擬與增強現實學習環境構建、教學知識可視化研究、教育認知工具研究、教育大數據分析與應用、學習分析與評測、自適應個性化輔助學習研究等方面。為進一步推動計算教育學的發展，應在F0701現有系統資助布局基礎上，在重點項目群、重大項目、重大研究計劃等重大資助項目上取得突破，引領計算教育學學科發展。 回溯以往，教育領域不少研究出于經驗、感悟，缺乏實證、缺乏數據支撐，可靠性有待增強。隨著互聯網、大數據和人工智能時代的到來，自然科學基金設立教育信息科學與技術資助項目，推動自然科學和人文社會科學，特別是推動生命科學、信息科學、智能科學與教育基礎研究的交叉融合，必將對教與學的基本規律問題作出更加深刻的科學回答。2020年，科技部在“科技創新2030—新一代人工智能”重大項目第一批項目指南中，開始部署“混合增強在線教育關鍵技術與系統研究”，由此可見，以科技創新促進教育變革已經成為政府科技管理部門的重要視角。 在企業或民間出資方面，由于計算教育學的社會實踐性，計算教育學的發展需要廣泛動員社會資源以資助學術研究，連接產業界的實踐與創新，創新資金支持制度，建立產學研用一體化的平臺與機制。計算教育學的發展與產業創新和技術發展密不可分。教育實踐的創新探索為凝練計算教育學的關鍵科學問題奠定了重要基礎，實質上有力推動了計算教育學的基礎研究。源自產業界的技術和資金，一方面為推動計算教育學發展提供了更豐厚的經濟基礎，另一方面也帶來了可能影響研究客觀、中立與獨立的道德風險和知識產權歸屬的問題。因而亟