随着5G、人工智能、大数据、物联网等新一代信息技术的发展，科学研究和社会实践的范式正不断发生改变，促进了跨学科集智融合。以计算社会学的蓬勃发展为例，通过对大规模人类行为进行数据仿真和演算，极大地提高了人们对于社会公平、信息传播等各类复杂社会现象的认知。

　　新兴技术迅猛推进，加快促进了数据的采集、分类、存储、加工、流通、分析和转化过程，形成以数据要素为新兴生产力主导的发展格局。与此同时，数据科学与大数据技术逐渐渗透到教育领域的教、学、测、评、管等各方面，海量且快速增长的数据蕴藏着对教育生态系统优化与变革的巨大价值，正在对教育研究范式的演进和创新产生深远影响。

　　教育科学是复杂的系统工程，需要开展多学科交叉融合、渗透，以此支撑教育领域中重大科学突破和原创性创新。在数据驱动下，教育科学研究呈现出学科边界拓展以及集成创新、融合发展的新态势。多学科交叉融合为前沿技术与教育体系的重塑提供了源泉与动力，驱动现代教育不断进行系统改革，以学科交叉融合推动教育科学发展已成为当今社会的一大主导方向和颠覆性创新的重要途径之一。世界一流大学纷纷对这一学科领域的前沿交叉与融合发展、特别是数据驱动下的智能教育进行前瞻性布局和积极尝试，为重塑未来教育提供机遇和动能。

　　智能教育是未来教育的重要创新战略发展方向。国务院发布的《新一代人工智能发展规划》明确指出，智能教育理应从科研研发、应用推广和产业发展等方面进行一系列措施部署，旨在打造智能学习、交互式学习的新型教育体系。随着数据成为新的生产要素，智能技术已成为教育教学场景的新型支撑，智能教育视角下的新型教育元素包括主体、环境、资源和数据四要素，其内涵可阐释为：以数据要素为一大核心，形成“以服务主体为中心”的外循环和“以数据自治演进”的内循环两个循环，满足数据和主体、数据和环境以及数据和资源的三种双向赋能关系，达到智能教育新四要素主体、环境、资源和数据的四位深层合一。数据作为主体、环境和资源要素流通的核心枢纽，是智能教育生态系统的中枢“智脑”，通过运用教育新型基础设施和智能教育核心技术手段，能对教师、学生、环境、资源等各教育教学组成部分展开全方位深度感知，对教育教学全周期活动进行科学化表征，对规模化教学与个性化学习形成全态势诊断与分析，在数据驱动、智能增强下实现教育教学过程的可计算，助力人类智能（教师）和机器智能（人工智能）的深度融合，服务于未来教育的创新变革。

　　教育的可计算促使教育研究及教育教学规律的探寻更加科学，计算教育学开始兴起。2014年，中国科学院院士李未在分析如何量化和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”。计算教育学是新时期教育学科发展边界的新拓展，是教育科学内化表征的“行动抓手”，是数据科学研究范式转型、技术赋能教育和多学科方法交汇的共同作用产物，具有鲜明的社会历史属性。它是基于数据密集型研究范式，通过智能技术赋能，解释信息时代的教育科学活动与问题，旨在科学揭示教育复杂系统（教育主体、教育环境、教育资源等）内在机制与运行规律的新兴交叉学科。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，以促进教育科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（“扁平化”转向“立体化”）、教学资源创新（“狭义化”转向“泛义化”）、教学方法创新（“可观测化”转向“可计算化”）、教学评价变革（“经验化”转向“科学化”）等一系列重大问题，提供更加科学的综合方法和技术工具。

　　计算教育学的兴起，标志着教育科学迎来新的发展时代。我们应秉承计算教育学视角下的教育科学发展支撑理念，综合运用对立统一的辩证唯物思想新方法论，坚持对教育科学实践矛盾的正确认识和准确把握，重视教育科学实践过程中问题导向与目标导向、工具理性与价值理性，积极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。加强数据驱动、技术赋能、学科集智，创新高质量的教育服务个性化，建立更为科学、完善的新型教育评价体系，创设教育管理的“精准化”导航，助力教育教学过程的数据计算、教育研究的科学理解以及教学规律的寻根溯源，为加快建设教育强国、推进教育现代化，提供重要支撑。

　　（作者为教育大数据应用技术国家工程实验室常务副主任、华中师范大学人工智能教育学部副部长）

(责编：何淼、郝孟佳)

分享让更多人看到