您现在的位置:  中国教育科学研究院 >> 教育研究 >> 特别推荐  

计算教育学:内涵与进路


作者:刘三女牙 杨宗凯 李 卿   2020年04月28日


                            计算教育学:内涵与进路*

                               刘三女牙 杨宗凯 李 卿

  [摘 要] 随着信息技术与教育教学融合的不断深入以及教育大数据的形成,计算教育学应运而生。计算教育学是通过技术赋能,基于数据密集型的研究范式,解释信息时代的教育活动与问题,揭示教育复杂系统内在机制与运行规律的新兴交叉学科。计算教育学围绕计算教育伦理、教育主体计算、教育情境计算、教育服务计算等核心任务开展研究与实践,助力实现人才培养的个性化、教育评价的科学化及教育管理的精准化。计算教育学的发展亟须建构计算教育伦理、科学量化教育场景、提升数据融合与智能处理能力、促进学科交叉、加强协同创新。

  [关键词] 计算教育学;研究范式;教育大数据;智能教育

  [作者简介] 刘三女牙,华中师范大学国家数字化学习工程技术研究中心常务副主任、教授; 杨宗凯,西安电子科技大学校长,华中师范大学国家数字化学习工程技术研究中心主任、教授;李卿,华中师范大学教育大数据应用技术国家工程实验室讲师 (武汉 430079)

  近些年来,新兴技术的赋能正悄然改变着人类的教育实践,也催生了教育研究范式的创新和教育学科边界的拓展。随着信息技术与教育教学融合的不断深入,以及教育大数据的形成,计算教育学应运而生。数据驱动下的教育研究和实践亟须系统而完善的计算分析技术赋能,以助力探求复杂教育系统(教育主体、教育服务、教育情境)中各要素的特征及其关系,发现新知识、新理论与新规律。计算教育学是新时期教育学科发展边界的新拓展,是信息技术与教育深度融合后的必由之路,也是新一轮科技革命下构建教育新生态的重要诉求。需要从其内涵、知识体系、研究内容、教育实践等方面进行系统性思考,以期为计算教育学的发展有所借鉴。

  一、文献综述

  进入21世纪以来,数据科学和大数据技术蓬勃发展,图灵奖获得者格雷(Gray,J.)更是提出了科学研究的第四种范式——数据密集型科学范式。[1]2009年,哈佛大学的拉泽尔(Lazer,D.)等人在《科学》杂志上发表的论文《网络生活:即将来临的计算社会科学时代(Life in the Network:The Coming Age of Computational Social Science)》中提出了“计算社会科学”这一崭新学科。[2]21世纪是数字化时代,无处不在的计算、快速累积的数据、全新的研究范式正在引导自然科学与人文社会科学融合发展的浪潮,自然科学(特别是信息科学)与教育学科的交叉融合也被广泛重视和讨论。得益于新一代信息技术的赋能,大数据技术正快速渗入教育领域的教、学、测、评、管以及研究等各个层面,海量且快速增长的教育数据蕴藏着对教育生态系统优化与变革的巨大价值。[3]在数据的驱动下,教育的研究范式正经历从朴素唯物观基础上的直觉观察期(第一阶段,从古希腊到17世纪中叶)、以实证分析为主的方法论时期(第二阶段,17世纪到20世纪初)、解释主义范式时期(第三阶段,20世纪中叶)向数据驱动下的教育科学研究范式的转变,推动着教育研究由经验判断转向数据驱动、从抽样调查转向全样本分析、从现象的局部观察转向全景式深度解构,这一研究范式的转变正成为教育理论发展与实践创新的重要加速器和助推器。数据驱动的教育研究范式在技术助力教育发展的浪潮中正逐渐形成学术共识,越来越多的学者希望借助这一新范式破解教育的规模化覆盖和个性化发展的难题。[4]正是教育研究范式的转换,推动教育与信息技术进一步融合发展,同时催生出学科发展的新方向——计算教育学。

  当前,计算教育学引起了信息领域和教育领域研究者的关注。相关学者分别从教育科学研究范式、计算问题、教育学三个视角做了有益的思考和探索。在研究范式层面,2014年,李未院士在分析如何提高高等教育质量核心问题时,提出了计算教育学的概念,期待“把以定性研究为主体、以经验为基础的教育科学,转变为以大数据为基本对象、以计算和模型为手段的定量精确科学”[5]。随后,有学者在针对教育数据制式化与设计的研究中,从教育科学研究范式的角度,提出计算教育学是教育大数据范式的理论核心。[6]在计算问题层面,有学者从教育复杂系统视角提出并分析了数据驱动个性化学习中的教育情境可计算、学习主体可理解、学习服务可定制这三大核心问题,作为应对未来构建未来学习环境、更好认识教育主体和提高个性化学习服务水平挑战的最佳策略。[7]有学者在讨论面向智能教育的基本计算问题时提出了融合认知计算、行为计算、环境计算的“计算教育学”要素模型。[8]在教育学层面,有学者从教育学视角深入探讨了计算教育学作为学科成立的可能性,并从学科性质、构建及要素,学科发展的基本规范与基本逻辑等方面阐释了计算教育学“如何可能”。[9]

  综合现有研究,计算教育学已逐步获得学术界的重视,相关学者也已从不同视角和层面对计算教育学进行了有益的探索。但作为一个新兴的交叉领域,计算教育学还面临着诸多挑战,特别是一些基本性问题还没有得到回答:如何界定计算教育学?计算教育学的学科属性以及学科定位是什么?如何建构计算教育学的知识体系?计算教育学要解决的关键问题、核心研究内容是什么?如何促进和保障计算教育学的健康发展?计算教育学如何助力教育基础科学问题的解决,又如何指导教育实践?如此等等。为此,需要就计算教育学的内涵和发展路径进行深入的讨论分析,对计算教育学的内涵达成基本共识,明确定位、目标、问题和努力方向,基于数据驱动的研究范式,充分发挥计算教育学的优势,结合大数据、人工智能、物联网、区块链等信息技术对教育过程的动因系统进行量化跟踪,开展多学科、系统性研究,助力实现教育过程的全面优化与重构,以服务新时代的教育实践,丰富新时代的教育学。

  二、计算教育学的内涵

  计算教育学是信息时代科技进步与教育创新发展的产物,是教育学在技术助力下新的发展方向,是教育学科的有机组成部分。正如教育学及其边界的内涵与外延需要结合其他相关学科的复杂关系来探究一样,计算教育学也需要以原教育学研究为基础,针对符合时代特征的教育问题,在跨学科互动合作中,介入不同的研究范式、理论框架、基本方法等,生成新的发展路径。[10]

  (一)计算教育学的界定

  教育是以教育主体为核心的多要素构成的复杂系统,各要素之间相互联系、相互作用,具有整体性、目的性与动态性。不同时代背景下的教育系统具有不同的目的属性及演化特征,但是,由于人类对人本身认识的局限性、教育系统动态高维的特点、教育活动的长周期以及与其他社会系统的不可分割性等现实困难,人们对教育的理解多来自思辨、经验以及部分碎片化的实证分析,对教育规律的认识、特别是与时俱进地把握一直是教育学科所面临的巨大挑战。基于第四研究范式的计算教育学为准确把握和指导教育复杂系统开辟了新的道路,将有效助力理解现有教育,探索未来教育,构建“有教无类、因材施教”的现代教育体系。

  计算教育学是通过技术赋能,基于数据密集型的研究范式,解释信息时代的教育活动与问题,揭示教育复杂系统内在机制与运行规律的新兴交叉学科。计算教育学以信息时代的教育活动与问题为主要研究对象,通过量化教育各要素及要素间的互动过程,开展多学科交叉,解释教育现象与教育内在机制,揭示新时期教育复杂系统运行规律,服务人才培养模式创新,促进教育科学化,为实现教育现代化提供理论指导和技术支撑。

  (二) 计算教育学的学科定位

  计算教育学源起自教育学科本身面临的挑战和新时代教育变革与创新的现实需要,不仅是构建信息时代教育理论体系的内在需求,也是教育科学在新时代的自然发展和新的增长点。

  计算教育学隶属于教育学,并与信息科学、数学、心理学、脑科学等众多科学理论紧密联系,从自身的研究对象出发,结合本学科的实践经验,同时吸取上述诸多学科的有关成果,旨在阐明教育系统内部要素的本质,找出教育活动良性运行的影响因素,揭示教育活动发生发展的规律,服务于新时代教育创新,最终的价值追求是实现教育教学的个性化(因材施教)和教育管理的精准化(教育治理的现代化)。计算教育学将重新审视原有的教育方法与实践,审慎而系统地助力教育创新变革,建立良性的教育供给与需求关系,为形成高质量的新时代人才培养体系提供理论、方法与技术支撑。

  (三) 计算教育学的知识体系

  计算教育学以多学科交叉为基础,发展并构建完整的基础理论,重点解决新时代人才培养过程中计算教育伦理、教育情境计算、教育主体计算以及教育服务计算等核心任务。(见下图)

                  

                                            计算教育学知识体系图

1. 学科基础

  教育研究经常具有多重属性,既有人文学科、社会学科的特性,也有自然科学的特性,其理论和实践问题已经成为多个学科、多种范式协同攻关的科学问题。当前,受信息化趋势的推动,自然科学及交叉学科领域,特别是大数据、人工智能、社会学、心理学等领域中,在处理大规模复杂问题的方法和手段取得了不少突破性进展,教育学的发展呈现出多元化和多样性的特征,计算教育学就是这一发展的典型例证,具有明显的综合交叉性学科和应用性学科的特点。

  计算教育学的学科基础包含了多个学科不同程度的交叉,涉及教育学、信息科学、数学、心理学、脑科学等众多学科的基本理论与方法技术,这些跨领域交叉学科的发展为计算教育学研究提供了新的研究方法和经验,构成其理论依据和来源。

  2. 基础理论

  以工业时代为基础建立起来的现代教育学基础理论,往往无法全面解释数字化时代教育与人的发展等新问题,需要建立新的基本观点、理论体系与方法体系,以对教育的本质、价值与目的作出新的阐释[11]。

  计算教育学的基础理论是回答这一新学科方向是研究什么,用什么方法去研究,有哪些基本原理与研究范式,是该学科方向得以持续发展及应用的根本。计算教育学依托第四研究范式,形成特有的新思想、新理论,构建专门的研究手段与技术工具,创新应用实践模式,支撑新型人才培养体系的重塑。

  3. 核心任务

  信息时代的人才培养更加关注个性差异和创新思维,在遵循学习者身心发展规律的基础上提供最适宜的发展方式来促进个人成长。计算教育学以创新人才培养为主要目标,其核心任务是围绕计算教育伦理、教育主体计算、教育情境计算、教育服务计算开展研究与实践,以实现教育主体的理解、教育情境的感知及教育服务的定制。

  一是计算教育伦理。在“人—技”协同进化的教育发展态势日趋明显下,尤其是在大数据、人工智能等技术的介入下,伦理问题成为人才培养过程中不容忽视的问题。发展计算教育学,首先需要计算教育伦理作为助力和保障人才发展的护盾。教育数据伦理作为计算教育伦理的有机组成部分,是对教育数据产生、采集、存储和分析利用过程中所应秉持的道德信念和行为规范的理性审视。[12]同时,为了迎接教育与技术的结合以及人类智能与机器智能的协同,亟须开展信息时代教育场域中有关道德重构的哲学研究,建构相应的计算教育伦理框架,研究技术素养、技术异化问题以及相关的法律法规问题,[13]杜绝技术研发、运用与服务过程中的异化而导致对教育主体的桎梏,服务教育的本质要求。

  二是教育主体计算。教育主体是教育系统的核心要素,对教育主体的全面理解是成功开展“因材施教”的前提。教育主体计算以个体行为的多元属性和群体行为的涌现为核心,实现对学习者外显行为和内隐状态精准化的表示与计算,关注个体差异与群体影响,研究数据驱动的学习者认知建模、情感建模、能力建模等,全方位诊断与评测学习者;研究数字化环境下学习的认知规律、个体学习机制以及学习者成长与发展规律等,探索新型环境下的学习机理;研究数字化环境下的群体学习规律、群体学习的动因分析及演化趋势预测等,实现群体学习的优化控制。

  三是教育情境计算。教育情境是指教育主体在开展教育活动时的环境、场景或背景信息,包括教育目标、学习环境、学习内容与资源、学习模式与方法等,是开展教育活动的物质基础。教育情境计算重点面向教育人机环境中的人与机、机与机的协同与互动,研究多空间学习环境构建理论、人机协同机制、学习环境效能评估方法等,实现物理学习空间与虚拟学习空间的无缝融合;研究多场景教与学过程的量化与数据采集、多模态学习行为自动感知、学习数据链自动生成与融合等,实现伴随性学习数据采集与融合;研究教育场景边缘计算基础理论及计算模型、教育场景信息智能分析方法等,实现教育场景的智能化。

  四是教育服务计算。教育服务计算针对教学主体的差异性以及教学需求的多样性,以智能导学、精准推荐、群体互助、精细评价等需求为牵引,提供个性化的学习规划、学习资源、学习活动、教学工具与服务等,是实现人才培养目标的重要依托。教育服务计算研究知识供给机制、领域知识图谱与可视化、碎片化知识资源聚合与智能进化、知识服务模式等,解决学习服务的来源与组织问题;研究个性化学习路径规划、自适应学习诊断、学习需求精准提取、学习服务精准匹配、有效性评价以及教学设计优化策略等,解决学习者需求与学习服务的精准匹配;研究智能导师、智能学伴、教育智能体、教育机器人和教育机器解答等,实现更加智能化的个性化学习服务。

  三、计算教育学的应用

  利用新兴信息技术探索人才培养和教育发展规律,使教育满足新时代的要求,是教育科学研究的使命。计算教育学将充分发挥互联网和智能感知等技术在前所未有的广度和深度上数据采集的能力,助力教育教学过程的精准化观察和剖析,发现信息时代教育教学的模式和规律,对创新人才培养的方法、评价与管理等进行优化与重构。

  (一) 人才培养的个性化

  长期以来,我国教育面临的突出矛盾是人们对高质量个性化教育服务的普遍需求与优质教育资源供给的严重不足。[14]针对教育资源供给侧的创新和个性化教育服务新模式的探索是当前教育改革与发展所面临的重大任务之一。其核心包括个性化教育服务机理、优质化教育服务供给、情境化教育服务适配与可信化教育服务保障等。

  个性化教育服务机理的探索依赖于大规模智能化教育应用场景的构建与高质量学习交互数据的获取,从海量数据中去发现和揭示个性化教育服务生态系统内、外部各种元素之间的关系和规律,建立可计算、可控制的个性化教育服务模型。优质化教育服务供给涉及知识图谱计算、资源协同计算、资源进化计算等关键技术,以解决知识资源的有序组织、协同构建、质量优化等问题。情境化教育服务适配主要包括智能教育环境创设、教育情境自动感知、学习者需求动态建模、教育资源智能推荐等环节,以实现面向多情境的教育资源或服务的个性化适配。可信化教育服务保障旨在解决教育主客体身份识别、数字教育资源确权与侵权追踪以及数据隐私保护等问题,支撑构建一种真实可信、安全可靠、高效快捷的服务交易与监管环境。因此,计算教育学的相关理论与方法将加速个性化教育服务关键技术的突破,助力于实现高质量教育服务个性化与规模化的有机统一。

  (二) 教育评价的科学化

  教育评价是教育的关键环节,科学化一直是教育评价领域不断追求的目标。受传统教育模式影响和现实国情制约,当前我国教育评价仍然存在维度单一、手段不足、主观性强等问题,难以适应新时代以核心素养培养为代表的现代教育改革方向和趋势。随着大数据、物联网、人工智能等为代表的新一代信息技术与教育教学的不断融合,全方位、伴随性、实时化的教育大数据采集与分析正在成为现实,这为建立一套更为科学、完善的新型教育评价体系提供了新的助推器。

  计算教育学将从数据思维与计算方法两方面提升对教育过程的建模、分析与评测能力,以实现对各种教育行为的科学化度量和评价。首先,利用大数据手段采集和汇聚教育主体的行为、心理、生理等多模态数据,挖掘学习成长特征、教学过程特征、教学质量核心指标、教师能力素养等测量数据与各类教育评估指标间的关联,建立基于大数据的教育过程动态监控与综合评估体系,再辅以大数据可视化手段进行多视角、多尺度的交互分析,促进教育评价从“经验化”向“科学化”转变。其次,采用大规模实时计算方法,对教育全时空数据进行实时处理与动态分析,满足针对教育全过程开展建模分析的需求。利用感知计算、认知计算等各类计算智能方法,提升学习行为数据的表达与计算能力,增强数据驱动的学习分析与教育评价技术,建立基于多模态数据的教育评价量化分析模型,实现多维度、多层次的科学化教学评价。

  (三)教育管理的精准化

  我国教育管理实践中,教育决策虽然建立在实际的监测数据之上,但很多时候决策模型本身是基于专家经验而构建,有一定的主观成分,往往也难以承受决策之重。在大数据背景下,传统的教育管理与决策正在从以管理流程为主的线性范式逐渐向以数据为中心的扁平化范式转变,教育管理与决策中各参与方的角色和相关信息流向更趋于多元与交互,为推动教育管理由“粗放式”向“精准化”转变提供了机遇,也为实现我国教育治理现代化提供了重要契机。

  计算教育学将提升教育管理的动态监测与智能决策能力,增强对教育系统多层级、教育业务全流程、教育资源全生命周期的精准化管理。围绕各级教育基础数据库、教育业务平台和教育应用系统,以及学习者成长、教学活动与校园生活等情境,开展关于师生发展、教学过程、基础设施、教学资源、学校治理和区域教育投入及效益等全方位持续性监测,利用基于大数据的教育动态监测技术,实现监测模式智能匹配和监测指标自动筛选,支持教育决策模型的动态演化,满足教育动态发展需求。基于监测数据,面向学校、区域教育管理业务及宏观教育管理中的若干问题,运用聚类分析、规则推理、时间序列分析、神经网络等数据分析与智能计算方法,构建支持智能优化和动态演进的教育决策模型,实现对教育目标与过程的精准化管理。此外,利用基于智能计算的预测方法,构建教育政策模拟预演模型与教育关键指标预警模型,前者可模拟教育政策实施和教育管理业务的演变过程,预测并推断实际决策可能产生的结果和影响,后者可实现对各种教育管理业务和教育专项工程的智能预警,确保各项教育指标按需实现,提升精准化教育管理的能力。

  四、计算教育学的进路

  计算教育学作为一个新兴的教育学科发展方向是教育科学研究范式的转变、社会发展的需要与技术的进步等方面共同作用的产物,面临着社会伦理、数据获取与量化困难、跨学科人才缺乏等方面的问题。

  (一)伦理先行

  计算教育学遵循数据密集型研究范式,数据处于核心位置。随着技术与教育的不断融合,基于教育大数据而开展的科学决策、教育研究以及各类创新性教学服务正在成为新常态,推动计算教育学不断向前发展。但技术是把双刃剑,在技术快速演进、法律法规相对滞后的当下,也孕育着难以预知的风险,由此可能引发一系列的社会问题和伦理挑战。教育大数据是由数据主体、数据客体、教育活动和教育数据等要素组成的有机整体,在处理教育大数据与人的相互关系时应遵循“有用”、“无害”的伦理诉求,[15]充分发挥教育大数据的育人价值。因此,必须建构计算教育伦理框架,明确教育数据的价值定位,界定教育主体的数据权利,厘清教育数据的教育效用,引导技术与教育融合的进程和谐共进,杜绝技术异化而导致的对教育主体的桎梏,为计算教育学的健康发展设置“看门人”,对大数据时代的教育尤显急迫而重要。

  (二)科学量化

  学习的发生需要依托一定的场景或活动完成,尤其是多空间融合的场景下,对学习场景的感知构成了理解学习者及其学习过程的前提,也为各类个性化学习干预或辅助服务的有效开展提供了必要的上下文信息。因此,如何科学量化教育场景是计算教育学发展过程中首要解决的问题之一。由于教育场景的多样性、人的不确定性以及人、机、物之间交互的复杂性等因素,增加了教育场景量化的难度系数。但随着计算机视觉、自然语言处理、认知计算等为代表的智能计算技术在教育领域的不断深入应用,为教育场景量化带来了机遇。例如,采用计算机视觉自动感知课堂教学场景中的个体及其行为,或基于认知计算实现特定教育场景的语义理解与推理计算,为学生的自我学习监控与教师的教学决策提供科学依据。科学量化教育场景将使教育学从基于实际经验的认知模式向基于量化信息的数据化认知模式转变,推动计算教育学走向科学化和精确化。

  (三)融合智能

  首先,教育是一个开放的生态系统,针对不同教育场景和多样的数据类型,对教育数据以及跨界数据进行全面、动态和持续的采集和汇聚是开展计算教育学研究的基础与前提。针对数据多源、高度异构和复杂性高等问题,提升异构数据处理和多源数据汇聚能力,以实现对教育主体、教学过程、教育发展等方面的全景刻画,避免因单一数据来源信息缺失或各孤立数据平台所形成的片面认知问题。[16]其次,理解学习者是计算教育学的核心问题之一,但当前教育大数据以个体属性和行为数据为主,以信息“广度”著称。而厚数据是记录个体行为及其前后关联信息的集合,旨在揭示行为背后的感情、故事和意义等信息,以信息“深度”见长,与计算教育学追求深度理解学习者的目标不谋而合。因此,计算教育学的发展需融合大数据和厚数据的思想,综合运用定量和定性的分析方法,才能增强对教育情境以及教育主体的理解。

  (四)学科交叉

  教育是一项复杂的系统工程,既需要点线突破,更需要系统创新。计算教育学涉及教育学、信息科学、数学、心理学、脑科学等众多学科和技术,必须综合运用自然科学与人文社会科学研究方法,着力探索多学科深度交叉融合、联合攻关的新方法、新模式,开拓计算教育学研究的新领域、新方向、新发现,汇聚并培养一批具有跨学科思维的复合型人才队伍,形成综合研究能力,以促进计算教育学研究中规律性和机制性的理论突破,发展面向未来教育的颠覆性新方法、新技术与新应用,为解决教育改革发展中的教学环境重构、教学资源创新、教学方法创新、教学评价变革等一系列重大问题,提供更加综合的科学方法和技术工具。

  (五)协同创新

  协同攻关是新时代教育科学研究的重要特征。围绕构建计算教育学新型理论与方法、评价机制、推进创新应用示范、标准体系建设以及人才队伍培养等问题,探索教育领域相关组织与机构开展多主体协同创新的新途径与新机制。按照高校/科研机构(U)、政府(G)、企业(B)、学校(S)各方共同参与、广泛合作的“UGBS”运行模式,充分发挥政府引导者与推动者的作用,在教育政策引导、宏观组织、标准制定、经费投入、绩效评估等方面开展体制机制创新,为计算教育学的顺利发展奠定政策、经费与人才基础。通过政府、高校、企业与学校等多主体协同,形成涵盖基础理论突破、关键技术攻关、产品研发和应用能力构建的整体布局,实现学科链、产业链、资金链的有机衔接,从而提升计算教育学科研质量和应用服务的整体效能。

  当前,计算教育学的探讨尚处于起步阶段,其具体实现还需要借助并开发一系列计算模型、方法及工具,这对教育研究者提出了更高的要求,需要教育学、信息科学、数学、心理学、脑科学等领域学者积极行动起来,突破学科边界,整合资源优势,共同参与计算教育学研究,推动计算教育学的理论体系、学科方法、技术工具、实践模式等方面的不断完善,助力我国教育现代化的发展。

  ————————

  参考文献:

  [1] Hey,T. The Fourth Paradigm-Data-Intensive Scientific Discovery[J]. Proceedings of the IEEE, 2011, (8).

  [2] Lazer,D., et al. Life in the Network: The Coming Age of Computational Social[J]. Science, 2009, (5915).

  [3] 刘智, 等. 物理学习空间中学习者情绪感知研究综述[J]. 远程教育杂志, 2019, (2).

  [4] 刘三女牙, 等. 量化学习:数字化学习发展前瞻[J]. 教育研究, 2016, (7).

  [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).

  [6] 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).

  [7] 杨宗凯. 个性化学习的挑战和应对[J]. 科学通报, 2019, (64).

  [8] 黄荣怀,等. 面向智能教育的三个基本计算问题[J]. 开放教育研究,2019,(5).

  [9] 李政涛,文娟. 计算教育学:是否可能, 如何可能?[J]. 远程教育杂志,2019,(6).

  [10] 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).

  [11] 刘复兴. 论教育与机器的关系[J]. 教育研究, 2019, (11).

  [12] 刘三女牙, 等. 教育数据伦理:大数据时代教育的新挑战[J]. 教育研究, 2017, (4).

  [13] 刘三女牙, 等. 人工智能驱动教育技术发展的中德视角—2019年中德双边研讨会综述[J]. 电化教育研究, 2019, (8).

  [14] 王蓉. 教育蓝皮书:中国教育新业态发展报告(2017)[M]. 北京:社会科学文献出版社, 2018. 1—3

  [15] 戚万学, 等. 教育大数据的伦理诉求及其实现[J]. 教育研究,2019,(7).

  [16] Daniele,D. M.,et al. From Signals to Knowledge:A Conceptual Model for Multimodal Learning Analytics [J]. Journal of Computer Assisted Learning,2018,(34).

  ——————————

  * 本文系科技部国家重点研发计划2017年度重点专项资助课题“数字教育众筹众创个性化服务理论研究”(课题批准号:2017YFB1401301)的研究成果。

  

               Computational Education: Connotations and Approaches

                       Liu Sannyuya, Yang Zongkai & Li Qing

  Abstract: With the deep integration of information technology and education, and the formation of big data in education, computational education has come into existence as a new interdisciplinary course. Based on the power from technology and the data-intensive research paradigm, it aims to interpret the educational activities and problems in the era of information, and reveal the internal mechanism and regular patterns of the complex educational system. Also, focusing on the computational education-based ethics, educator computing, educational situation computing, and educational service computing, it conducts research and do practice so as to cultivate individualized talents, evaluate education in a scientific way,and exercise accurate educational management. To promote the development of computational education, it is urgent to construct computational education-based ethics, scientifically quantify educational situations, enhance the capabilities of data fusion and intelligent processing, promote interdisciplinary teaching, and strengthen collaborative innovation.

  Key words: computational education; research paradigm; big data in education; smart education

  Authors: Liu Sannyuya, Executive Deputy Director and professor of the National Engineering Research Center For E-Learning, Central China Normal University; Yang Zongkai, President of Xidian University, and Dean and professor of the National Engineering Research Center for E-Learning, Central China Normal University; Li Qing, lecturer of the National Engineering Laboratory for Educational Big Data, Central China Normal University (Wuhan 430079)