Establishing Computational Education Subject: Position, Paradigm and System
-
摘要: 大数据的涌现和智能技术的进步推动了教育实践的智能化发展及研究范式的系统性变革，使得计算教育学的产生成为必然和应然。计算主义理论研究的深化、技术的先导式发展和教育大数据的广泛应用都为计算教育学发展提供了基础保障。基于学科建构的视角，计算教育学是以量化教育数据为研究对象，以计算为主要研究方法的新兴学科。计算教育学的核心价值在于针对教育领域的真实问题的实践与应用，以及跨领域综合性研究。研究体系以计算方法为核心，研究范式已经从自上而下的量化研究转向自上而下与自下而上相结合的基于数据的教育规律探索研究。目前计算教育学形成了模拟实验与数据密集型探究共同发展的特征。鉴于目前计算教育学的知识建构相对缺乏，社会建构的规范化雏形尚未形成，需从学科理论和关键技术突破、研究范式和学科知识生成、交互环境与教学应用构建等方面构建学科知识系统化框架，从专业学会建立、人才培养计划、学术评价机制、基金项目资助等方面推动学科外在的社会建构。为推进计算教育学发展成为一门独立、新兴、面向应用的跨领域学科，还需要系统性地加强基础理论研究和实践研究，成立专业学会，建立产学研用一体化的平台，凝聚社会各界的力量推进学科发展。Abstract: The emergence of big data and the development of smart technology have promoted the intelligent educational practice and the systematic change of its research paradigm. The development of computing theories, technology and big data in education laid the foundations for computational education. Based on the analysis framework of subject construction, computational education is a new subject which use computing technology on quantified educational data to explore the real problems in education. It values practices and cross-disciplinary research. It has a unique research paradigm, based on computing techniques, shifting from top-down research tradition to combined research methods. Nowadays, the main research methods include both computing simulation experiments and data-intensive scientific discovery. This paper argues that computational education still lacks knowledge construction and social construction of the subject. It then puts forward a framework for systematized construction of subject knowledge from the aspects of breakthrough in subject theory and key technologies, research paradigm and generation of subject knowledge, interactive environment and construction of teaching application, and also from the aspects of building professional societies, personnel training plans and academic evaluation. Finally, some constructional suggestions on the subject development of computational education in China are put forward. It is not limited to the development of educational research paradigm based on data science. As an independent, emerging and application-oriented interdisciplinary discipline, computational education needs to systematically strengthen basic theoretical research, applied research, establish professional societies and an integrated platform of production, learning, research and use, and gather the strength of all sectors of society to promote the development of this subject.
-
Key words:
- academic subject /
- computational education /
- educational big-data /
- data science
-
图 1 全球人工智能教育企业融资情况
表 1 传统定量教育研究与新兴计算教育学研究范式的比较
传统 定量教育研究的研究范式 新兴计算教育学的研究范式 数据特征 主要通过调查问卷获得有限的样本结果数据为主 通过数据采集挖掘获得海量的自然数据、过程数据、
结果数据等多维度数据获取效率 延迟获得 即时获得 研究路径 始于假设：现象—假设—抽样—验证 基于数据：数据汇聚—数据清洗—数据挖掘与分析—
数据预测和服务研究目标 理论修正 数据解释与理论构建 认识过程 自上而下 自下而上（数据分析）+自上而下（专家知识） 关系认知 因果关系 关联关系+因果关系，基于关联关系的因果关系，
为干预提供依据
下载: 导出CSV
表 2 教育大数据为计算教育学提供数据基础（HeyTony，2009）
研究范式 内容 方法 案例 实验范式 以描述自然现象和实验为主 主要基于实验或经验的归纳为主 钻木取火，比萨斜塔实验 理论范式 以理论研究为基础，对经验和
实验进行抽象和简化主要通过构建数学模型对无法用实验模拟的科学原理简化，通过演算进行研究 牛顿第一定律，相对论，
博弈论仿真范式 以计算机仿真模拟取代实验 通过仿真和模拟开展研究 天气预报，核试验模拟 数据密集型
科学发现通过了解相关关系揭示底层规律
开展再预测或防治等应用基于数据科学，采集数据，智能分析 Google的广告优化配置
IBM沃森问答系统
下载: 导出CSV
-
[1] 陈丽, 逯行, & 郑勤华. (2019). “互联网+教育”的知识观: 知识回归与知识进化. 中国远程教育,2019(07),10−18+92. [2] 方文. (2001). 社会心理学的演化: 一种学科制度视角. 中国社会科学,2001(06),126−136+207. [3] 龚怡祖. (2013). 学科的内在建构路径与知识运行机制. 教育研究,34(09),12−24. [4] 韩军徽, & 李正风. (2018). 计算社会科学: 涵义、特点与前景——对美国计算社会科学专家的访谈. 科学学研究,36(10),1729−1736+1743. doi: 10.3969/j.issn.1003-2053.2018.01.018 [5] 韩军徽, & 李正风. (2018). 计算社会科学的方法论挑战. 自然辩证法研究,34(04),14−19. [6] 黄荣怀, & 周伟. (2019). 面向智能教育的三个基本计算问题. 开放教育研究,25(05),11−22. [7] 黄欣荣. (2015). 数据密集型科学发现及其哲学问题. 自然辩证法研究,31(11),48−54. [8] 李建会, 符征, & 张江. (2012). 计算主义: 一种新的世界观. 北京: 中国社会科学出版社. [9] 李政涛, & 文娟. (2019). 计算教育学: 是否可能, 如何可能?. 远程教育杂志,37(06),12−18. [10] 郦全民. (2019). 论计算社会科学的双重功能. 上海交通大学学报(哲学社会科学版). [11] 刘邦奇, & 王亚飞. (2019). 智能教育: 体系框架、核心技术平台构建与实施策略. 中国电化教育,2019(10),23−31. doi: 10.3969/j.issn.1006-9860.2019.04.005 [12] 卢秋红. (2016). 《中国基础教育大数据发展蓝皮书2015》发布. 中小学信息技术教育,2015(5),4. [13] 潘懋元. (1991). 高等教育研究的比较、困惑与前景. 高等教育研究,1991(04),3−14. [14] 王国成. (2015). 行为大数据, 通宏洞微与人类决策——计算社会科学的兴起与发展. 科研信息化技术与应用,2015(06),3−11. [15] 王晶莹, 杨伊, 郑永和, & 夏惠贤. (2020). 从大数据到计算教育学: 概念、动因和出路. 中国电化教育,2020(01),85−92. doi: 10.3969/j.issn.1006-9860.2020.01.012 [16] 肖玉敏, 孟冰纹, 唐婷婷, & et al. (2017). 面向智慧教育的大数据研究与实践: 价值发现与路径探索. 电化教育研究,38(12),5−12. [17] 许新华. (2019). 计算教育学——一门新兴的交叉融合新学科. 湖北师范大学学报(哲学社会科学版),39(05),101−106. [18] 杨开城. (2019). 教育何以是大数据的. 电化教育研究,40(05),5−11. [19] 亿欧智库. (2019). 《2019全球人工智能教育行业研究报告》. 检索来源: https://www.iyiou.com/intelligence/report645.html [20] 杨现民, 王榴卉, & 唐斯斯. (2015). 教育大数据的应用模式与政策建议. 电化教育研究,36(09),54−61+69. [21] 杨现民, 唐斯斯, & 李冀红. (2016). 发展教育大数据: 内涵、价值和挑战. 现代远程教育研究,2016(01),50−61. doi: 10.3969/j.issn.1009-5195.2016.01.007 [22] 杨现民, 李新, & 田雪松. (2018). 学校导入教育大数据项目: 动因、模式、路径与误区. 中国电化教育,2019(01),50−58. doi: 10.3969/j.issn.1006-9860.2018.01.008 [23] 余胜泉, & 徐刘杰. (2019). 大数据时代的教育计算实验研究. 电化教育研究,40(01),17−24. [24] 袁振国. (2017). 实证研究是教育学走向科学的必要途径. 华东师范大学学报(教育科学版),35(03),4−17+168. [25] 张应强. (2011). 超越“学科论”和“研究领域论”之争——对我国高等教育学学科建设方向的思考. 北京大学教育评论, 9（04）, 49−61+184. [26] 赵超越. (2019). 本体性意义与学科反思: 大数据时代社会学研究的回应. 上海大学学报(社会科学版),36(01),127−140. [27] Cioffi-Revilla, C. (2010). Computational social science. WIREs Comp Stat, 2, 259−271. doi: 10.1002/wics.95 [28] González-Bailón, & Sandra. (2013). Social science in the era of big data. Policy & Internet, 5, 147−160. [29] HeyTony. (2009). The Fourth Paradigm: Data-Intensive Scientific Discovery. Springer, Berlin, Heidelberg. [30] Lamb, R. L., Vallett, D. B., Akmal, T., & Baldwin, K. (2014). A computational modeling of student cognitive processes in science education. Computers & education, 79(oct.), 116−125. [31] LambL. Richard. (2017). meta-analysis with examination of moderators of student cognition, affect, and learning outcomes while using serious educational games, serious games, and simulations. Computers in Human Behavior, 80, 158−167. [32] Lazer, D., Pentland, A. S., Adamic, L., Ar al, S., Barabasi, A. L., Brewer, D., & Jebara, T. (2019). Life in the network: The coming age of computational social science. Science, 323, 721−723. [33] Shaffer, David Williamson, & Hatfield, David. (2009). Epistemic Network Analysis: Prototype for 2lst Century Assessment of Learning. International Journal of Learning and Media. [34] Yaqoob I, Hashem I A T, Gani A, & et al. (2016). Big data: From beginning to future. International Journal of Information Management, 36, 1231−1247. doi: 10.1016/j.ijinfomgt.2016.07.009 -
点击查看大图
图(6) / 表(2)
计量
- 文章访问数: 330
- HTML全文浏览量: 708
- PDF下载量: 34
- 被引次数: 0