首页 > 教育 >

计算教育学:是什么、做什么及怎么做

2020-07-28 13:57 编辑:dd   作者:未知 对此文章感兴趣的有:

未来,我国计算教育学研究应当实现如下转变:从关注学的过程到关注教学过程,从研究学生认知过程到研究师生互动机制,从勤于技术突破到回归教育内涵,从借鉴国际经验到融合本土特色。

摘要:随着计算机科学技术被广泛应用于教育研究,基于海量数据计算的研究范式成为教育研究的重要手段,这也引发了教育研究基本视角和价值观念的转变。计算教育学正是对这种新兴教育研究范式的概括,是以大数据为基础,以复杂计算为核心,以算力为支持,以构建教育理论、解决教育问题、揭示教学规律为目标的研究领域。对相关文献进行聚类分析后发现,计算教育学主要涉及六大热点:在线社会媒体中的学习行为和学业表现,人工智能和云计算在学习管理中的应用,教育数据挖掘和学习分析,数字化课程的评价和创新,针对教学过程的教育仿真和文本挖掘,涉及师生人格品质的数据挖掘。对典型研究案例进行剖析后发现,计算教育学研究在操作路径上具有如下共性:一是得益于体量庞大的数据,相较于精度,更追求宏观层面对数据的洞察;二是研究的起点是“基于数据”而非“基于假设”,强调让数据“开口说话”;三是在数据收集上倾向于获取“即时数据”。未来,我国计算教育学研究应当实现如下转变:从关注学的过程到关注教学过程,从研究学生认知过程到研究师生互动机制,从勤于技术突破到回归教育内涵,从借鉴国际经验到融合本土特色。

作者简介:王晶莹,博士,特聘教授,青岛大学师范学院(山东青岛266071);杨伊(通讯作者),师资博士后,上海师范大学教育学院(上海200234);宋倩茹,硕士,研究实习员,青岛大学师范学院(山东青岛266071);郑永和,教授,博士生导师,北京师范大学教育学部(北京100875)。

基金项目:国家自然科学基金青年项目“学校学习环境对中学生STEM职业期望的影响机理及其改进研究”(71704116);中国科学院院士咨询项目“我国科学教育发展战略研究”(2018-Z10-A-025)。

当下,计算教育学引发了国内外研究者的关注,作为一个新兴的交叉领域,它既受益于计算机科学技术的日益成熟,又为教育学解决瓶颈问题提供了新的研究范式。如今,计算教育学在国际上已取得了一系列研究成果。本文从计算教育学的内涵剖析入手,采用系统聚类分析凝练其国际研究热点,并通过多项典型研究案例呈现其研究范式的具体操作路径,进而深度反思计算教育学的现状与未来。

大数据时代为教育研究带来了新的机遇与生机,而计算教育学体现的是一种基于关联思维的研究范式,这与过去基于因果思维的研究范式有很大不同。如今,国内学者关注与探索计算教育学的兴趣日益浓厚。为准确认识计算教育学,我们不但应当从纵向的发展脉络中理解其出现的必然,还应当从横向的学科交叉中探索学科由“分立”到“融合”的机理。

关于教育研究范式的争论由来已久,而“实证”与“思辨”之争是学界讨论的焦点。参照国内外学者对教育研究方法的类型划分,可以将其分为思辨研究和实证研究两大类,其中实证研究又包括质性研究、定量研究和混合研究三个子类(陆根书等,2016)。自改革开放打开“西窗”以来,两种范式之争从未平息,在争论的背后是对教育研究科学化的求索。思辨研究基于个体理性认识能力和经验,通过对概念、命题进行逻辑演绎和推理以认识事物的本质特征,故思辨研究的辩护者认为,对教育价值层面的哲学省思和追问更接近教育的本真。相对地,实证研究则是基于观察、实验和调查,对收集的数据或信息进行分析和解释,以事实为证据来探讨事物的本质属性或发展规律(姚计海,2017),故实证研究的辩护者认为,在科学的度量尺度之下,实证研究才能揭示出实然的教育。然而随着研究数量的不断增长和研究群体的日益壮大,教育思辨研究出现了良莠不齐和泛化的乱象;与此同时,以人为对象的教育实证研究本身存在不可重复性、不可验证性、研究结果无法应用于现实等问题,导致教育研究的科学性无法确保(余胜泉等,2019)。以传统的眼光看,思辨研究呈现了“应然的教育”,实证研究呈现了“实然的教育”,事实上,后者的根本亦是验证应然的教育,也就是对人类直觉、经验等的验证,与我们期望的科学的、实然的教育尚有一定距离。跨越这一距离必然要突破基于假设的研究范式,建立一种基于事实的研究范式。所以,当务之急不在于否定某一种范式,而是看到每一种范式固有的局限,探寻突破瓶颈之法。

计算机科学哲学资深学者拉斐尔·阿尔瓦拉多(Rafael Alvarado)等在“已知的已知、已知的未知、未知的未知”的知识分类中,加入第四类知识“未知的已知”,即机器经验的知识(计算机已知而人类可能未知)(Alvarado et al.,2017)。第四类知识的出现打破了人们对思辨研究和实证研究的执念,这背后蕴含着一种隐喻:教育研究仍有大片超出人类经验可抵达范围的处女地,等待新的工具去开垦。在此背景下,计算教育学破茧而出,其核心内涵就是运用计算机信息处理技术(理论、算法、软件),对过去与现在的教育数据进行定量分析,以发现和揭示教育中的规律,更好地为教育服务(孙仕亮,2015)。

事实上,计算教育学的出现从内部讲,是教育学研究范式流变的结果,而从外部讲,是社会科学发展的大势所趋。上世纪末,人们迫切需要新的范式来解决社会问题,与此同时,计算机攻克复杂问题的能力不断提升,于是1994年诞生了“社会计算”(Social Computing)。经过十余年的发展, “计算社会科学”(Computational Social Science)的概念于2009年进入学者们的视野,其始于美国哈佛大学大卫·拉泽(David Lazer)教授等15名顶级学者在《科学》杂志上的联合发文。而后,社会学家们一方面受到计算社会科学的启发,另一方面也不满足于计算社会科学的一般范式,于是基于社会学的学科特征,在2014年正式提出了“新计算社会学”(New Computational Sociology)。遵循这一路径,作为社会科学分支的教育学同样具有社会科学的共性,更有其自身的学科特征和研究需求,因而自立门户地建构起“计算教育学”的研究领域,以解决教育研究中存在的诸多问题,这也是计算社会科学发展到一定时期的必然结果。

因此,纵观教育研究范式的流变,不论是出于学科本身的诉求,还是顺应社会科学发展的潮流,托马斯·库恩(Thomas Kuhn)所言的科学共同体所共有的“信仰、价值、技术”已到了转型的关键期,基于海量数据的计算范式成为教育研究的核心方法论,教育研究的持续繁荣需要借助新技术摘取“高枝”上的研究成果。

究其语义内涵,计算教育学是“计算”与“教育”的深度融合,最终却能产生“1+12”的效果。从学科类属上看,计算教育学是计算机科学技术与教育学的交叉(许新华,2019),前者在广义上类属于自然科学,后者类属于社会科学,两者长期以来“隔岸相望”,计算教育学则是两岸的融合与沟通。事实上,“计算”只是通向教育的路径、方式与手段,“教育”是计算的目标与归宿,不能用“计算”替代“教育”,“计算目标”也不等于“教育目标”,“教育”才是计算教育学安身立命的“魂魄”与“根基”(李政涛等,2019)。教育学是计算教育学的本体,计算机科学技术是其手段和功用,简言之,教育为“体”,计算机为“用”(许新华,2019)。“计算教育学”的要素模型应该围绕学习行为、认知发展、学习环境等三个教育学的基本问题进行构建(黄荣怀等,2019)。计算教育学最终指向教育学问题,故从学科性质上看,其姓“教”不姓“计”,这已成为众多学者的共识。

基于这一认识,不难建构出计算教育学在两个学科间的沟通机制。随着计算机技术的飞速发展,特别是人工智能时代的到来,学生学习的过程被详细捕捉和记录。如何让数据“开口说话”?如何应用海量的数据反哺教学?这既是新的“困扰”,亦是新的机遇。大数据并非仅指海量数据,也包含了数据存储管理技术,甚至内在地隐含了一种理解数据的方式。而数据挖掘则是从大量数据中揭示出隐含的、先前未知的、有潜在价值的信息的非平凡过程,它包括前期对数据的处理,是一个较为笼统的概念,本质上是一种支持性技术。作为人工智能核心的机器学习是一个多学科交叉领域,其专门研究计算机如何模拟和实现人类的学习行为。相较而言,数据挖掘涉及从数据收集到结果应用的全流程,而机器学习侧重于能从数据输入获得准确输出的映射函数的构建。以预测学生成绩为例,学生行为数据是大数据,从数据的收集整合到输出预测成绩的全过程是数据挖掘,其中的核心预测模型是机器学习。针对实际的教育研究,可以在明确概念的前提下,采用更为宏观的视角,把这些不同层次、不同内涵的核心概念整合起来,“打包”视为一体,进而审视“计算”与“教育”的深度融合机制。

笔者认为,从学科分野到学科交叉,再到深度融合,直至计算教育学自立门户,这一过程的关键是:计算机科学对研究范式的根本冲击,引发了教育研究基本视角及价值观念的转变。更进一步讲,是因为基于数据的研究范式的优越性被愈发广泛地接纳。事实上,这种优越性在今天已然明朗——在实际教学中,各种因素间的关系会作为数据“副产品”同时产生,研究者可以从中发现诸多用经验难以预测的关联,科学哲学家所言的“第四类知识”便源源不断地进入视野,这为研究者更全面地认识教育现象、探索教育规律,更精准地建构教育理论体系提供了关键支持。与此同时,客观的数据也让人们真正看到了“实然的教育”,并最终走向对生命的关怀,如此也就完成了技术向教育的回归,“教育”与“计算”也便可以实现由隔岸相望到深度融合的关键飞跃。


 

资讯标签: