1605年，弗朗西斯·培根 于1605年出版了《学术的进展》(The Advancement of Learning) 著作，雄心勃勃用一张名为“人类知识的整体分布（the general distribution of human knowledge）”的树状图，第一次勾勒了其所处时代的人类知识全貌，其中出现了阅读校勘（the art of criticism）和学校教育（school of learning）两个知识领域。从此，教育学从哲学知识体系中分解出来，成为一门专门的科学。1891年哈佛大学哲学家乔赛亚·罗伊斯(Josiah Royce)在《教育评论》(Educational Review)创刊号上发表了名为“教育是一门科学吗？（is there a science of education）”文章，引起了人们对教育学作为一门科学研究的思考。

2022 年10 月22 日，在教育部科学技术与信息化司、国家自然科学基金委信息学部和中国工程院信息与电子工程学部指导下，由中国人工智能学会主办，中国人工智能学会教育工作委员会承办，上海人工智能实验室，浙江大学中国科教战略研究院，上海浙江大学高等研究院，北京工业大学北京人工智能研究院，浙江大学人工智能协同创新中心，华为，科大讯飞作为支持单位举办的“智行中国”系列论坛启动仪式暨第一期“迈向教育科学研究新范式”线上论坛成功举办。

王怀民院士应邀做了《关于计算教育学问题：教育科学研究的实验新范式》报告。这个报告从“计算 教育”角度，对教育学科学研究属性、挑战和未来进行了思考。报告内容包括计算教育学内涵、科学价值、定位、基于在线教育大数据的教育科学研究等，同时分析了由于人在研究对象中、因果溯源和适应性给计算教育学带来的挑战。最后指出从观察现象、到提出假设、到逻辑推理、到科学实验的经典研究范式难以适应计算教育学研究，需要从复杂系统科学角度，以整体论思维来建立计算教育学的科学研究新范式。

为了深入贯彻教育、科研和人才三位一体的新理念，为了促进学术交流，征得王怀民院士同意，现将王怀民院士报告中关键ppt内容发布，以便共同思考教育科学下一步理论突破方向、途径和手段。

“智行中国”系列论坛第一期

王怀民院士的《关于计算教育学问题：教育科学研究的实验新范式》报告

第一部分：计算教育学的实践

计算教育学是融合信息科学、教育学、社会学和认知科学等多个学科领域的新兴交叉学科，它关注三个关键问题：教育过程的网络化组织机制、教育质量的定量化测度和分析模型与教育过程的持续性改进方法。

在大数据背景下，在线学习系统为研究教育科学提供实验平台，为计算教育学提供了宝贵的实践经验。

计算教育学源起国内外MOOC浪潮，在李未院士主持的一份咨询报告中提到，“计算教育学是以计算机和先进信息网络技术为手段，构建基于网络的学习新模式，定量收集学习过程中的海量数据，并以此为基础研究人的学习行为、改进教育过程、提高教育质量的一门新兴交叉科学。”

计算教育学的内涵包括：

研究对象：研究人的学习行为和受教育过程

研究目标：理解学习行为、改进教育过程、提高教育质量

研究手段：以计算机和先进信息网络技术为手段

研究方法：构建基于网络的在线交互学习新模式；定量收集和分析学习过程中的海量数据

计算教育学的科学价值主要体现在为教育科学研究提供了实验手段。

在基于在线教育大数据的教育科学研究中，教育者与教育科学研究者们通过分析学习者学习行为来设计在线教育平台或在线学习平台，以充分利用学习者在平台上的学习数据，进一步开展教育科学研究。

教育信息科学的研究得到了国家政策的支持，基金委2015年支持了两个教育信息科学与技术重点项目，2018年增设了教育信息科学与技术学科代码（F0701），将自然科学研究范式引入教育研究，资助若干项目；科技部在科技创新2030-“新一代人工智能”重大项目和教育研究领域重点研发计划中陆续设置了有关教育科学研究的项目。

教育信息科学也在教育领域进行了充分的实践，2021年吴岩司长的报告中提到，截至2021年10月底，我国上线慕课数量超过4.75万门；注册用户3.64亿，选课人次达7.55亿，在校生获得慕课学分人数2.91亿人次；中国慕课数量和慕课学习人数均居世界第一，并保持快速增长趋势。

在大数据时代下，我们要重视数据驱动的智能教育服务。网络计算让人们看到了持续成长的人工智能系统，这个持续成长的人工智能系统似乎超越了图灵机。

我们该如何认知人类文明与超级心智呢？超级心智指的是人工智能技术、智能机器人技术和人机交互技术将持续改善人与人、人与机器、人与物理世界、机器与机器的关系，将产生人机混合的群体智能。人类开始用数字化和人工智能让没有生命的物体活起来，并把它们与人类自身编织进云端网络智能这张巨网中。这个过程持续演进，将形成一个可能超越先前任何文明所能感知和认知的超级心智，我们人类数十亿心智与这个超级心智紧密相连。这个超级心智也是矛盾冲突的承载体，是一种超级生命形态。

总体来看，人类智能与人工智能相互持续赋能现实可期，我们要充分利用这一点，将人机混合的群体智能运用到计算教育领域，用人类学习的行为给机器智能贡献行为数据，用机器智能支撑教育科学研究，实现人机相互赋能的潜移默化与学习演化。

第二部分：计算教育学的挑战

与经典自然科学与计算科学相比，计算教育学的研究具有人在研究对象中、使用关联关系、解决适应性问题等特点，这其中面临的种种挑战意味着计算教育学已经超出了经典自然科学的研究范式。

在经典科学与计算科学的研究中，我们关注的是不以人的意志为转移的客观规律，即人在研究对象外，我们往往使用连接符号的形式系统，这本质上是一个关于算法设计的问题。反观计算教育学的研究，人本身就处在我们需要研究的对象中，我们要做的是构造连接教育者与学习者的网络系统，而人的复杂性给网络系统的机制设计带来了挑战。

在经典自然科学的研究中，我们会利用因果关系将高层的、复杂的对象分解为较低层的、简单的对象来处理，而在计算教育学领域我们则通过关联关系来进行切入，需要思考如何选取合适的变量、如何利用这些变量之间的关联关系来解决大数据问题。

最后，经典自然科学往往是在某一特定情境下研究某一问题的最优解，但教育问题是一个持续演化的问题，我们需要关注学生的变化与成长，这为我们的研究带来了挑战，我们需要关注该如何使用网络思维去解决这一适应性问题。

第三部分：超越经典科学范式

西方科学的两个重要传统是希腊哲学家发明的形式逻辑体系与通过系统的实验找出事物间的因果关系，但随着科学研究的发展，传统的科学研究理论的已然面临着来自各个方面的挑战，我们应在新科学的视角下来看待复杂性问题，开创多学科前沿交叉探索研究，在大数据的时代背景下，使用新的科学研究范式来解决计算教育学问题。

西方经典科学研究范式为观察现象，然后提出假说，进行一定逻辑推理后通过系统的实验来进行验证，这一过程面临着归纳推理的局限性、哥德尔不完备性、实验验证的可能性、海森堡不确定性等挑战，科学的发展呼唤新的科学研究范式。

在新科学的视角下，复杂系统不再是简单的1 1=2，而是1 1>2，复杂系统是矛盾纠缠的非一致系统，是非线性的复杂生命系统，人与自然界二元融合，个体被其在系统中的关系所定义，我们将使用成长的关联演化论来认识这一系统。中国文化中“合”的系统辩证思维基因可能成为新科学的文化来源。

在大数据与新科学的背景下，我们将结合整体论与还原论的方法，开创多学科前沿交叉探索研究，使用大数据辅助传统科学的研究，使用新的科学研究范式来解决计算教育学问题。

小结

​

计算教育学源起于国内外MOOC浪潮，它是一门融合信息科学、教育学、社会学和认知科学等多个学科领域的新兴交叉学科。在线学习系统为研究教育科学提供了实验平台与宝贵的实践经验，人机混合的群体智能将发挥重要作用，人类智能与人工智能相互持续赋能现实可期。

计算教育学的研究具有人在研究对象中、使用关联关系、解决适应性问题等特点，计算教育学超出了经典自然科学的研究范式。

从西方经典科学研究范式到新科学视角，我们对复杂系统的认知越来越深入，在大数据与新科学的背景下，计算教育学呼唤新的科学研究范式。