当前位置:首页 > 百家杂文 > 学术论文 > 当前位置:学术论文

计算教育学学科建立的可能性与实现路径

时间:2019-12-03 01:00  点击: 次  来源:网络  作者:admin  评论:- 小 + 大

  摘    要: 计算教育学是大数据时代的产物。任何一门学科的产生,都始于学科建立的“可能性”,再将这种可能性转变为“现实性”。学科成立的可能性,需要回到“是否可能”和“如何可能”这两个核心问题。对于作为学科的计算教育学而言,若将可能性转变为现实性,就需要把握“计算教育学”的“学科性质”,建立“计算教育学”的“研究边界”,形成“计算教育学”的“教育眼光”,体现“计算教育学”的“生命关怀”,构建“计算教育学”的“基础原理”,从而推进“计算教育学”的“整合融通”。

  关键词: 计算; 教育学; 计算教育学; 大数据; 学科;

  Abstract: Computational education is a product of the era of big data. The emergence of every discipline began with the possibility of the establishment, and end once the possibility became reality. The establishment of a discipline should return to the core issues: whether possible and how possible? The change from possibility to reality of computational education should grasp discipline nature, draw research boundary, form an educational vision, reflect concern for life, build a framework, and promote interaction.

  Keyword: Compute; Education; Computational Education; Big Data; Discipline;

  一、引言

  近年来,“大数据”“量化研究”和“实证研究”[1]在教育学领域的应用和兴起,似已成为燎原之势,其中既有教育学领域内部的倡导力推,也有教育学外部相关学科的“推波助澜”……它致力于解决的首要关键问题,是扭转教育学研究领域的重思辨重感悟,轻实证轻数据的现象。有研究表明,从2000-2009年的5本教育类综合性期刊随机抽样的1078篇文献中,思辨性研究的文章总数多达941篇,占样本总量的87.7%;其次为量化研究方法,文章数量为111篇,占样本总量的10.3%;使用质性研究方法的文章数量为17篇,占1.6%;最后为混合研究,仅有4篇文章,占0.4%。

  虽然,“教育研究”不等于“实证研究”,“实证研究”不等于“量化研究”,“数据”不等于“证据”,而且“数据化”与“量化研究”也都存在自身的局限或限度,它与所有的研究方法一样,都有各自的“所见”和“所不见”。但基于“量化研究”的实证研究,这个“在中国”教育研究领域的新趋势,促发了当代中国教育学研究范式的改变,更因此加快了与国际教育学研究主流趋势的接轨。最为重要的是,这一趋势直接引发了“计算教育学”的吁求和产生。从目前来看,这一新学科新领域还处于萌芽状态,但在“呼之欲出”之中,已经具备了产生学科的可能性,因而需要我们正视,继而将其纳入教育学研究的视野,在教育学的世界之中沉浸打磨,进一步推动它走向成型和成熟,最终建构起属于它的世界。

  与当下诸多教育学分支学科一样,“计算教育学”的提出与建构,也是跨学科研究的成果。现有的参与者,大多属于数据科学、信息技术学、心理学等理工科背景的学者,他们重在“计算”:既有高度的“数据敏感”、丰富的“数据积累”、强烈的“量化热情”,也有纯熟的“量化技术”,展示了强大的“量化能力”。相比而言,教育学领域的参与者,具有更清晰浓烈的“教育意识”和“教育学情怀”,他们习惯于聚焦“教育”,并落脚到“教育学”的转型与发展,试图将“教育”和“教育学”作为“计算教育学”的出发点和归宿。未来“计算教育学”的成型与成熟,势必依仗于双方或多方之间的协作共生。
 

计算教育学学科建立的可能性与实现路径


 

  作为以教育学为志业的研究者,我们试图以“教育学之眼”,基于“教育学立场”[2],透析“计算教育学”的基本特性和未来走向,力图为之做出“教育学贡献”。

  二、计算教育学学科建立的可能性

  (一)“计算教育学”概念的提出

  任何一门学科的产生,都始于学科建立的“可能性”,并将这种可能性转变为“现实性”。某一学科是否具有成立的可能性,需要回到“是否可能”和“如何可能”这两个核心问题上。

  在一定程度上,“是否可能”的问题,与“是否需要”这门学科等涉及存在价值意义的问题类似,回答该问题的主要依据,在于“大时代”和“大趋势”。大数据时代、信息时代、人工智能时代的降临,以及走向教育实证研究的整体发展趋势等,为这门学科的产生意义和存在价值做了充分的诠释。

  尤其是随着人工智能时代的到来,信息技术的发展提高了人类记录和存储各类信息的能力。在教育领域中,各类线上线下以及混合教学活动每天都在产生海量的教育数据。这些庞大的数据为教育研究带来了新的困扰:如何分析和处理海量的教育数据?如何利用海量数据深化教育研究?为解决这些难题,“计算教育学”应运而生。

  “计算教育学”最早诞生于慕课(MOOC)研究之中。2011年,斯坦福大学开创了首个使用互联网进行授课的网络在线课程。该课程便捷化、开放化、个性化的特点,使“大规模开放在线课程”(Massive Open Online Course)得以迅速发展。2017年,中国最大的慕课平台“中国大学MOOC”已开设课程1300余门次,注册用户超过620万,选课人次超过2000万[3]。由于依靠网络进行交互,学习者在MOOC学习过程中产生的大量交互行为,都以数据的形式得以储存下来。这些海量的学习者行为数据,吸引了大批数字化学习、学习数据挖掘、学习行为分析等领域的研究者,并逐渐形成了一个集综合教育教学理论和计算机运用的研究领域。此时的研究主要围绕学习行为展开,包括学习行为内涵描述、规律总结、风格分析、建模分析等方面[4]。

  随着基于学习行为数据研究的深入,研究者们提出了“计算教育学”的概念。2014年,李未基于MOOC的推广和使用,最早提出了“计算教育学”概念:“在计算机、先进信息网络环境下,研究以大数据为支撑的个人和群体的学习和教学行为,建立面向教育全过程的数学模型,进而合理地优化、配置和共享优质教育资源,全面而均衡地实现教育的规模化共享、个性化学习和创新性培养”[5]。这一定义将“计算教育学”界定为:以大数据为基础、以计算和模型为手段、以信息科学为基础的定量精确学科。孙仕亮则认为,“计算教育学”是“运用人工智能等信息处理技术(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”[6]的一个交叉学科或研究方向。张远增从科学发展的角度分析了“计算教育学”的概念,认为每个科学领域都逐步演变为两大分支:一是收集数据、分析数据、编码数据的学科信息学;二是模拟学科领域系统及其运转的计算学科学。因此,教育学同样需要教育信息学和计算教育学:前者是“关于收集、分析和编码教育信息的理论体系”;后者是“关于模拟教育系统及其运转的理论体系”[7]。

  (二)目前学界关于“计算教育学”的共识

  尽管“计算教育学”尚未形成统一的定义,但是上述研究者的定义及相关探索,已形成了以下四个方面的共识:

  1. 教育大数据是计算教育学的研究对象

  计算教育学发源于对教育数据的分析,其对象原点、研究原点也是教育数据。无论是个人还是群体、线上还是线下的教学活动,都需要首先转换为教育数据,才成为可供计算教育学分析的研究对象。

  2. 定量分析是计算教育学的主要研究方法

  计算教育学强调,主要使用信息科学的方法提高研究的精确性,包括常用的信息处理理论、算法和软件,用于对教育数据的分析、处理,对教育系统模拟的全过程。从这个意义上可以说,“计算教育学”最早脱胎于“信息科学”,“信息科学”是“计算教育学”的学科母体,前者赋予后者以特有的学科基因和方法胎记。

  3. 构建精确或精准的教育理论是计算教育学的研究目的

  信息科学的优势,在于其研究的精确性,计算教育学应着力于精确、精准解决教育的复杂性和系统性难题,构建一整套关于教育全过程的系统和模型。这个目的直接指向于传统教育学研究的弊端:过于模糊或含糊,缺乏必要的精准或精确性。

  4. 计算教育学的发展对未来教育变革具有重大意义,或将成为未来教育生态的关键基础

扫一扫手机打开当前页
二维码
关键词:计算 教育学 计算教育学 大数据 学科 

上一篇:比较教育的经验主义与哲学伦理维度

下一篇:慕课教学管理中存在的问题与优化路径

会员注册 | 网站简介 | 服务协议 | 广告服务 | 在线投稿 | 客服中心 | 捐助本站
编辑QQ:109532255  E-mail:109532255@qq.com  微信公众号:好文学  QQ群:198926868
Copyright ©2013- 好文学网 All Rights Reserved.  蜀ICP备18002533号  Powered by haowenxue.net