计算教育学学科建立的可能性与实现路径

　　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。
 

 

　　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

　　(1）应用领域广泛。基于信息技术等的日渐成熟，特别是机器学习、自然语言处理、计算机视觉等技术的发展和使用，计算教育学在智能教学设计、主观题自动评测、教育变迁和演化研究、智能择校系统、终生学习系统、个性化推荐、观点挖掘与观念改进、校园建设、视频采集等教育领域，都能产生重要效用[6]。

　　(2）强化个性化学习。实现个性化学习一直是教育研究中的难点，对学习者个性化学习行为大数据的计算教育学研究，能够在个性化学习内容的推荐、认知诊断评估方法、知识掌握和情况诊断、学习路径和内容推荐等方面，提供适切的技术保障，并形成系统性的个性化学习理论[9]。

　　(3）教育数据的系统、高效利用。信息技术的快速发展必然导致教育数据的日益膨胀，计算教育学可以有效利用大规模测评、课堂音视频、网络痕迹、可穿戴设备等所产生的大数据，依靠系统的教育理论，开展综合、系统的教育分析，从而多维度、多侧面地为学生发展服务[9]。例如，美国宾夕法尼亚州的早期儿童数据系统就以多主体的教育数据整合分析，服务于教育决策[11]。

　　三、计算教育学的学科性质、构件及要素

　　在诸多“可能性”出现之后，接下来最重要的一步，是如何把可能转变为现实，即回答计算教育学“如何可能”这一最现实、最核心的问题。

　　（一）“计算教育学”的学科性质

　　在我们看来，“计算教育学”的真正成型，并在学科丛林里卓然而立，需要把握“计算教育学”的“学科性质”。

　　从名称上看，“计算教育学”是“计算+教育学”的产物，然而，如果只是以这样的“加法思维”来理解计算教育学，就严重低估了它的价值。我们首先要思考的是“计算”与“教育学”的关系。有一个前提性问题必须回答：为什么“计算”也可以成为一门“学”？成为“教育学”？“计算”何以能够走向并成为“教育学”的一部分？

　　在“计算教育学”提出的伊始，“计算”兼有“方法”“路径”和“动力”的性质与功用，这是“信息科学”的鲜明印记。作为“方法”的“计算”，是“量化研究”的基本方法和典型方法；作为“路径”的“计算”，是“方法”所造就的：任何“方法”本身，都构成了一条“路径”，既是通往问题发现、问题解决的路径，也是通向某一教育研究领域或教育学科的门径。这一路径对于“计算教育学”的价值表现为：没有“计算”方法，就不可能存在“计算教育学”；作为“动力”的“计算”，内含着特有的能量，它带着“大数据”，“驱动”着教育改革与教育学理论的重建。由此看来，“计算”与“教育学”存在着内在关联，教育学研究需要“计算”这一方法、路径和动力，来助力教育学本身的研究与发展。

　　尽管，我们不能将“无计算、不教育”“无计算、无教育学”作为计算教育学的唯一信念，但至少“有计算的教育学”和“无计算的教育学”是不一样的。计算总是能够带来只有通过“计算”才能带给教育学的存在或内容。不过，如此看待“计算”，依旧无法深入、准确理解“计算教育学”的性质，如果只停留在“研究方法”层面上，设计和建设“计算教育学”，仍然难以真正把握何谓“计算教育学”？

　　创建“计算教育学”的初心，不在“方法”，而在“学科”。作为方法的“计算”古已有之，而且在很多学科和领域中都被广泛运用，只有在“学科”的层面上，才能真正确立“计算教育学”的地位与价值。

　　（二）作为“学科”的计算教育学四大构件及要素

　　什么是学科？构成“学科”的标准是什么？它至少有四层含义，或者具有四大构件及要素[12]:

　　1. 存在“学科的制度实体”[13]

　　所谓“实体”，主要是指学科制度层面的范畴，包括“课程”“教学内容”“教学机构”（如，“计算教育学系”）“教师席位”“职称”“学位”“拥有学科代码”“进入图书馆分类框架”“专业期刊”等。有了这些学科之“实”，才会有学科之“体”。

　　2. 拥有“学科的思想内容”

　　针对该学科特定的“研究对象”，例如，“计算视野下的教育现象”；具有一些“基本概念”，例如，“数据”“计算”“教育”等；以及明晰“基本问题”；形成“基本方法（论）”或“基本研究范式”等。

　　(1）以“基本概念”为例。“教育”是“计算教育学”首要的基本概念。在我们检索到的有关“计算教育学”的研究文献之中，来自信息科学、数据科学的研究者，几乎无一例外地回避了这一基本概念，似乎这是不言而喻的。但实际上，“教育”从来就是一个“仁者见仁、智者见智”的概念，不同学科、不同研究者，都会形成属于自己的对“教育”概念的理解。

　　在教育学世界里，教育人类学、教育文化学、教育社会学、教育哲学等各个交叉学科，都有自己对于“教育”的基本认识。例如，“教育人类学”范畴的“教育”属于“人类改变之道”的一部分；而在“教育文化学”视野中，教育是一种“文化现象”；对于“教育社会学”而言，教育则是一种独特的“社会现象”。即使是同一学科，如“教育哲学”，对于“教育”的理解，也存在诸多差异，作为传统哲学家的杜威（John Dewey）视野中的教育和作为分析教育哲学家的谢弗勒（Israel Scheffer）视域中的教育等，都可能迥异……那么，“计算教育学”视野下的“教育”，究竟有何特定内涵？哪些内涵与其它教育学科共享？哪些独属于“计算教育学”？对这些问题的回答，构成了该学科“安身立命”的基石之一。

　　(2）以“基本问题”为例。郑永和曾经提出过“计算教育学”的主要框架，包括：计算教育学的基础概念、知识概念与学习机理、教育情景/教育资源/信息技术环境、教学信息采集与整理、学习者建模/知识建模/认知工具、教与学的数据表达与建模、教育大数据/教育评价、教育伦理等。这一框架的实质是“问题框架”，是由他眼中的“基本问题”所构成的。陈丽围绕着“科学问题”，提出了“重大科学问题框架”，包括创新应用层、环节设备层、基础规律层等三个层次，具体如图1所示：

　　图1 重大科学问题的框架[14]

　　在此基础上，郑永和提出了教育信息科学与技术的九大科学问题，具体如图2所示：

　　图2 教育信息科学与技术的九大科学问题

　　他同时提出了“知识是如何动态生成与进化的？”“如何用复杂系统的方法研究认知与发展规律？”“技术驱动教育组织体系演化的机制是什么？”等“重大科学问题”。严格来讲，这些问题都属于教育信息技术层面的“科学问题”，也是“计算教育学”需要探讨的重要问题；但是否为“计算教育学”的基本问题，依然需要更加充分的论证。

　　在我们看来，郑永和对“计算教育学”最重要的贡献，是以“知识”观为根基，从“计算”和“数据”的角度，例举了一些“计算教育学”必须解决的基本问题，例如，有关“计算教育学”的知识观问题：知识分析与学习分析科学问题举例、基于评测大数据和知识图谱的学习者能力建模和行为分析、跨学科知识点的知识图谱高效构建、在线教育的学习过程全息刻画、移动环境下自导式学习方案的自动生成问题、示意图理解与表示学习、基于新型脑激励的学习者认知机制发现与建模、网络化群体认知模型等。又如，有关“教育大数据”的科学问题：以人为中心的大数据计算、教学过程数据的采集和分析、多通道教学行为和情境数据治理、数据驱动的实时教学决策、异质教育大数据高效组织与管理的有效融合和分析、教育大数据中因果关系的挖掘与分析等。

　　除了基本概念和基本问题等之外，同样不能忽略的思想内容，还应包含不同阶段、不同研究者共同长期积累的有关计算教育学的知识、方法、规范等，它们在集聚生成中，构成了学科特有的知识传统、思想传统和研究传统。无论如何，没有传统根基的学科，不论是存在，还是发展，都是不可想象的。

　　3. 具备“学科的研究范式”

　　周傲英从科学研究范式出发，在阐明实证、理论、计算等科学发现的三种传统范式之后，引出了着名的计算机科学家Jim Gray提出的第四范式，即数据密集型的科学发现。他指出，第四范式意味着科学发展已经达到一个新的起点；在人—机—物三元融合的时代，数据是万物互联的桥梁与媒介，发挥着重要的力量。第四范式是现代科学的一次革命，利用新的科学方法，教育作为典型的应用性社会科学有机会与自然科学深度融合，进入科学研究的范畴；数据是联结教育与信息技术的桥梁，也是两者融合发展的黏合剂和催化剂，可带来无限的机遇。在这一点上，“计算教育学”的学科研究范式已经成型，并且成为了一种“常识”或“共识”。

　　4. 具备“学科的基本特点”

　　这一特点的要义，是体现人类认识和知识的公共性：“学科是人类的共同财产，是人类的公共思想文化平台。学科并不能归于哪一人哪一派所有，包括这一学科事实上的开创者在内。一个学科就是人们展现自己认识和改造世界的思想成果的舞台。[15]”进入学科平台之后，作为一门学科的计算教育学，意味着它既是所有教育学学说共有的理论平台，也是属于全人类的一个共通的文化平台和思想平台。因为全人类都面临着大数据、计算和教育的问题，都需要借助数据、计算和教育，完成已有文化的传递和超越，实现生命的发展与升华。

　　四、计算教育学学科发展的基本规范与基本逻辑

　　如果按照如上学科的建立标准，现有的计算教育学的发展，亟需建立体系化的对象、概念、方法论及主张；同时，要涌现公认的代表人物、着作、学术组织、学术刊物等。具备了这些基础，作为方法的“量化研究”，才有可能走向作为学科的“计算教育学”，乃至理想状态、成熟状态的“计算教育学”。这个过程势必不像数据搜集和分析那般快捷，它需要更长时间的学术积累，需要更多研究者的介入和参与，更需要遵循学科形成和发展的基本规范与基本逻辑。

　　（一）建立“计算教育学”的“研究边界”

　　学科的独立存在，始终与学科的边界有关，它事关计算教育学的“性质”和“地位”、“价值”和“功能”，也事关是否具备和其他学科“交流”“对话”的可能性。“学科边界”关涉“对象边界”“目标边界”“问题边界”“方法边界”等，它们整体形成了“解释边界”：什么是能在此边界内可以解释、解决的问题？什么是超越了边界的既定范围，是该边界解释不了、解决不了的问题？

　　没有任何一个学科可以包打天下，放之四海而皆准，解决所有的人类问题———计算教育学同样如此。“计算”尽管是行之有效的研究方法，但绝非“包治百病”的灵丹妙药。就“学科边界”的划分依据来看，存在“研究任务”“研究对象”“研究问题”“研究方法”“研究视角”“研究假设”等多种可能，它们以各自方式将诸学科区分开来[16]。“计算教育学”要在人类学科森林之中，存有自己的一席之地，需要就独属于本学科的“研究任务”“研究对象”“研究视角”等方面，有清晰具体的界定。例如，“研究假设”和“研究视角”。

　　已有较为成熟的学科，都有自己明晰可用的“假设”或“视角”：传统经济学的经典假设是“人性自私、资源稀缺”，如何在这一假设前提下，处理生产和分配、投入与产出的关系，成为其经典视角。社会学则假设“社会”是影响人、改变人的主要因素，很多问题的根源在于“社会”，在于“社会结构”“社会制度”等方面存在的弊端。为此，社会学始终带着“社会之眼”看人性和看教育。这是成熟学科必然拥有的特性和魅力：它能清楚明白地告诉大众：如何学会以经济学之眼、社会学之眼来看待世界、思考世界和改变世界。如果“计算教育学”也能够如此清楚地展现自身的研究视角，它的确立就明确无疑了。

　　建构“计算教育学”的研究边界，根本目的是要体现学科的“特殊性”，这种特殊性不在于“学科名称”，而在于该学科在“学科森林”或“学科丛林”中的独特、不可替代的意义与价值，这些独特价值，除了通过前述“思想内容”，包括独特研究对象、独特概念、独特问题和独特方法（论）等具体体现之外，还表现在具有独特的学科立场和学科视角，生发出只有基于该立场、该视角才能生发的研究成果[17]。

　　（二）形成“计算教育学”的“教育眼光”

　　在“计算教育学”的学科体系里，作为“方法”的计算是学科建构与研究的基石，但就“计算”和“教育”的关系而言，计算对于教育的意义在于：通过计算，我们可以真实、客观、精准地呈现和评价教育过程、教育结果，避免只有“想象”“感悟”“言说”的教育；但没有“计算”的教育，只有“应然的教育”，没有“实然的教育”，更没有对“实然状态”，即通过计算加以诊断、检测与评价的教育。但是，“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”。

　　为此，“教育之眼”而不是“计算之眼”，构成了“计算教育学”生成与发展的源泉。“计算教育学”的独特意蕴，首先在于以“教育之眼”来透析、挖掘和实现“计算”的育人价值。爱因斯坦曾言，并不是每一件算的出来的事都有意义，也不是每一件有意义的事都能够被算出来。他既提醒我们“计算”具有限度：并非所有的“教育之事”和“教育行为”，都可以被“计算”，“计算”有它的边界和限度；同时，更提示我们：如何让“计算”变得有意义，即如何把本身“无意义的计算”变成“有意义的计算”———对于“计算教育学”而言，就是指“有教育意义的计算”。如此转换的关键要义，在于以“教育之眼”进行计算。毕竟，“计算”本身，并不天然带有“教育的眼光”，更不会自动具有“教育的意义”。

　　（三）体现“计算教育学”的“生命关怀”

　　教育的眼光，是人的眼光，更是生命成长的眼光。“计算教育学”的构建，不仅需要避免眼中只有“计算”，没有“教育”，还要避免眼中只有“数据”，没有“人”，导致“数据出现了，人没了”……“为人的生命成长而搜集数据、计算数据”，理应成为计算教育学的核心价值追求。它致力于将“数据”与“人”、“数据”与“生命成长”联结起来，来理解数据背后的“教育之道”，挖掘数据背后的人性内涵、生命意义和成长价值，让冷冰冰的数据，也具有生命的温暖、温情和温度。可以说，“生命关怀”与“教育眼光”具有内在的一致性：教育始终是直面人的生命、为了人的生命，在生命之中的教育。

　　拥有“教育眼光”者，必定具有“生命关怀”。“计算教育学”之道，既是“计算之道”，也是“教育之道”，更是“生命成长之道”。这里的关键，在于所有的“数据”和“计算”，都要尽可能与“生命成长”建立起有机关联，通过“数据”和“计算”的方式，展现生命成长的初始状态、过程状态和结果状态，提供有助于更好促进生命成长的教育策略方法。这是只有基于“数据”及“计算”才可能带来的信息和资源，并且它所提供的“数据”和“信息”，应是与生命成长有关的数据和信息。

　　换言之，“计算教育学”必须充分挖掘、利用和转化“数据”的生命力量和教育力量。计算教育学的理论力量，最终取决于数据的力量、生命的力量和教育的力量。

　　（四）构建“计算教育学”的“基础原理”

　　原理之理，首先在于其为“原”理，“原”既有“本原”之意，也有“原点”之意。能够成为“原理”的“理”，是具有前提性质的“理”，同时也是“常理”“常道”之“理”。通过“计算”而来的数据是变动不居的，“变化”是“数据”的常态，但如何从流变中寻找不变的真谛和规律，寻觅恒久不变的“计算教育学”之原理，是这一学科最终能否“立得住”“立得久”的根基。

　　属于“计算教育学”的“基础原理”之“原理”，应该包含这一学科对于“计算”、对于“教育”、对于“计算和教育的关系”的基本理解、基本主张，其中蕴含了这一学科的基本价值取向和思维方式。这些理解、主张和取向，不会因为时代的变迁、数据的更迭，而轻易发生改变，在相当程度上，它们始终与“计算教育学”同在：它们在，学科就在；学科在，它们就在。与此同时，“基础不牢，地动山摇”，这一道理同样适用于“计算教育学”的学科发展。“基础原理”的扎实度与厚实度，决定了“计算教育学”发展是否具有可持续性，以及未来发展的广度、深度与高度。

　　（五）推进“计算教育学”的“整合融通”

　　1. 新旧范式的整合融通

　　当一门新的学科诞生之际，常常发生的是新范式取代旧范式，新方法取代旧方法，结果在新旧之间变成了“非此即彼”“你死我活”的关系。作为一门新兴学科，计算教育学的研究范式，主要是通过数据采集挖掘，获得海量的自然数据，其特征是“过程获得”或“即时获得”。由此形成基于数据的研究路径：数据汇聚→数据清洗→数据挖掘与分析→数据预测和服务。这种研究范式的认识过程，既是自上而下（专家知识），也是自下而上的。这种研究范式的有效性和优越性毋庸置疑，但这并不意味着，以“主要通过调查问卷获得有限样本”为数据特征，以“始于假设，从现象→假设→抽样→验证”为研究路径的传统量化教育学研究范式，就可以完全弃之不用。在实际研究过程中，这两种范式不仅完全可以并举，而且能够“取长补短”。

　　计算教育学研究范式的优势是：整体替代抽样，研究样本几乎覆盖所有研究对象。从人工搜集数据（包括设计问卷）到机器挖掘（数据采集），所产生的数据之宏大宽阔，研究成果之客观，使用范围之全面，非传统量化范式所能相比。但后者的简便易行，尤其是“假设→验证”这一经典实证研究范式的基本原则，依然有其独特、不可替代的价值，而且同样可以将数据的获取与分析融入“假设→验证”，例如，基于数据分析，通过预测形成新的研究假设。让由数据而来的预测为新假设的提出服务，这意味着，新范式的提出和使用，可以超越旧范式，但不能完全取代旧范式。同理，在计算教育学的世界里，也不再是理性思辨与实证研究的割裂与对垒，更不是以纯粹定量对纯粹定性的全然替代。

　　2. 不同学科的融通

　　如前所述，计算教育学是数据科学、信息技术、心理学、教育学等跨学科研究形成的产物。“跨学科”之“跨”，跨的是研究视角、研究方法和思维方式，“跨”的本义不是“加法”，而是“乘法”，是不同视角、标准、方法和思维的融通整合。对于“计算教育学”来说，是“科学之眼”、“哲学之眼”和“教育学之眼”的融通。科学之眼，是提供知识、给予方法的基石，哲学提出问题，是展现思想的基石，教育学直面实践，是给予教育的基石。

　　当下“做加法”不难，难在如何融通，如何整合，如何化解融通整合中可能存在的矛盾和冲突，避免以某一方的眼光和标准，来要求、衡量、裁度与替代另一方。例如，以“科学”的眼光，要求哲学提供“数据”“知识”，而后者恰恰不是哲学本应该做的事情，哲学主要是提出问题，启迪思考，而不是提供确定不疑的信息、知识和答案。类似这样的情况，不只是“计算教育学”，也是很多跨学科而来的新兴学科需要直面与解决的瓶颈难题。

　　（六）提升“计算教育学”的“研究能力”

　　新学科必然要求有具备“新能力”的“新学者”。计算教育学所要求的新能力，不仅要求研究者可以利用计算教育学的方法，探究认知客观规律得到的数据间的有机关联；同时，需要研究者基于理论认识，探究深层次的原因，进而做出合理的解释；还提出了建立基于“关联+因果”的新思维模式的新挑战。此外，从研究能力的角度看，“计算教育学”需要研究者具备三种专业研究能力：

　　一是“计算力”。其核心与“数据”有关，包括搜集数据、处理数据、分析数据、转化数据的能力。这些都是做“量化研究”的基本能力，但对于习惯做思辨研究的教育学研究者而言，则是一大挑战；

　　二是“教育力”。这是一种读懂教育的能力，包括观察教育、理解教育、思考教育和透析教育的能力，其核心是具备清晰的“教育尺度”“教育视角”和“教育眼光”。相对而言，这是信息科学、数据科学背景的计算教育学研究者的新能力；

　　三是“理论力”。这是基于数据和计算，基于教育理解和透析之上的理论创生或理论创制的能力。这也是对所有该学科的建设者和参与者的终极要求。

　　此外，还有一种“高端能力”，即“计算力”“教育力”“理论力”三者之间的跨界能力、融通能力与转化能力。特别是转化能力：“化计算为教育”“化计算为理论”，最终“化计算和教育为计算教育学理论”。

　　参考文献

　　[1] 袁振国.实证研究是教育学走向科学的必要途径[J].华东师范大学学报（教育科学版），2017(3):4-17+168.
　　[2]叶澜.当代中国教育学研究“学科立场”的寻问与探究[C]//叶澜.“生命·实践”教育学论丛：立场.桂林：广西师范大学出版社，2008:1-38.
　　[3] 高毅哲.中国大学慕课选课人次突破3000万[N].中国教育报，2017-01-23(2).
　　[4]王洪岩.MOOC中的学习行为挖掘研究[D].济南：山东大学，2016:5-6.
　　[5] 李未.抓住MOOC发展机遇全面提高高等教育质量[J].中国大学教学，2014(3):30-32+40.
　　[6] [8]孙仕亮.计算教育学与十大研究主题[J].中国人工智能学会通讯，2015(9):15-16.
　　[7] 张远增.教育数据：制式化、设计及作为研究范式[J].湖南师范大学教育科学学报，2017(5):57-63.
　　[9][10]11]张生，骆方.构建新时代的计算教育学[N].中国教育报.2018-04-07(3).
　　[12] 刘昆，郭力平.美国早期儿童数据系统建设与启示———以宾夕法尼亚州的实践为案例[J].基础教育，2017(4):39-50.
　　[13] 李政涛.从“教育视频图像分析”走向“教育视频图像学”[J].首都师范大学学报（社会科学版），2019(1):148-155.
　　[14] 陈丽，郭玉娟，王怀波，等.新时代信息化进程中教育研究问题域框架[J].现代远程教育研究，2018(1):42-48+89.
　　[15]李政涛.教育学科发展中的“制度”与“制度化”问题[J].华东师范大学学报（教育科学版），2001(3):76-87.
　　[16]李德顺.什么是哲学?———基于学科与学说视野的考察[J].哲学研究，2008(7):34-41+128-129.
　　[17] 李政涛.教育学的边界与教育科学的未来———走向独特且独立的“教育科学”[J].教育研究，2018(4):4-15.