实证研究怎么做：让研究者困惑的地方

刘选

摘要：“第二届全国教育实证研究论坛”于2016年10月在华东师范大学举行，本届论坛重点围绕“怎么做实证研究”进行对话，展现了多样性的“怎么做”的实证研究成果。华东师大袁振国教授认为，我的信念，就是没有不能用实证方法研究的东西，关键在于能不能够有好的设计，能不能够找到好的方法。实证研究怎么做，是让研究者困惑的地方。这届论坛给我们呈现以下启示：一是实证研究议题以解决问题为要旨。这就要求研究的议题必须蕴含理论的、实践的和逻辑的价值，即“值得研究”，而不是充满矛盾、无需证明的伪问题。二是实证方法实践内化为一种学术自觉。实证首先是一种实证思想，然后才是方法。实证研究必须从专业化的角度来提升实证方法的实质规范，这需要研究者在研究实践中不断反思、沉淀和提升。三是数据分析体现研究者的学术底蕴和智慧。实证研究就是要揭示事物之间的因果关系，科学的数据分析才能有一个确定的结论，这还需要研究者自身的经验与智慧不断在原始资料与已有理论之间进行假设、验证和建构。四是有价值的研究议题必须有经得起考验的诠释。这样的诠释才能避免研究结果解释方面存在的解释牵强和阐释肤浅的问题，甚至存在的数据分析过程复杂但研究结果无需证明的矛盾与尴尬。

关键词：教育实证研究；研究理路；研究范式；研究方法；会议文献评述

中图分类号：G40-032 文献标识码：A 文章编号：1009-5195（2017）03-0018-08 doi10.3969/j.issn.1009-5195.2017.03.003

推进教育研究范式转型，扎实开展跨领域实证研究，是繁荣教育科学研究的必由之路。为转变我国教育研究长期以来“重思辨、轻实证”的严重倾向，使实证研究在我国教育界能够蔚然成风，华东师范大学连续两年成功举办了全国教育实证研究论坛。首届论坛于2015年10月17 -18日举办，重点讨论了为什么要做实证研究、什么是实证研究、开展实证研究不同的方式与方法等理论和方法层面的问题，旨在形成教育实证研究的文化氛围（王春丽等，2015）。第二届论坛于2016年10月29-30日举办，参会人数超过1000人，重点围绕怎么做实证研究，即如何确定问题、如何选择研究方法、如何进行数据分析、如何解释数据的理路而展开，旨在展现教育实证研究的多样性。本届论坛共设有16场主报告，涉及教育学、经济学、文化学、心理学、社会学、技术学等多个学科领域，中西方对话，灵感与思想碰撞，可谓一场实证研究范式的学术盛宴。不同学科领域的研究者立足于自身的研究背景和理论视角，紧扣重要且有意义的研究议题，将实证研究方法应用得灵活巧妙，对数据分析得鞭辟入里，对实践问题的解释均颇具深度，理论与实践的转换和提升经由实证方法这一工具和范式而形成一种交相辉映。实证研究是一种基于事实和证据的研究，强调用科学的方法，获得科学的数据，得出科学的结论，接受科学的检验。实证研究表现出来的特征蕴涵出其追求思想观念、原则标准、方法程序有机统一的逻辑。这实质上揭示了教育实证研究究竟应该怎么做的问题。

一、实证研究议题以解决问题为要旨

纵览本届论坛所涉及的议题，既有国家惠农政策、中国老年人生活来源、学校布局调整政策、农村教育问题等宏大议题，也有学校办学水平、教师专业发展、教师情绪劳动等中观议题，还有儿童语言与阅读、儿童代数学习、学习模式与儿童学习信念、视频课堂分析等微观议题。这些不同层面的议题均是当前社会与技术快速发展背景下教育及其相关领域彰显出来的重要且迫切需要解决的问题。教育实证研究的议题突出表现为以下特征：

1.研究議题具有“值得研究”的价值

任何一项教育实证研究议题必定是有价值的。这里的“价值”是基于实用主义哲学的，是客体之于主体的有用性（杨志成等，2013），包括内在价值和外在价值。其中，内在价值意指教育问题本身所蕴含的理论的、实践的和逻辑的价值，即“值得研究”，而不是充满矛盾、无需证明的伪问题；外在价值是指教育问题之于教育理论和实践的功能性价值，即能够对推进理论创新和实践问题解决有所裨益。本届论坛中，不同学科领域的知名学者所展现的研究议题虽然不同，但都体现出重要的研究价值。每一项研究都体现出明显的“问题意识”和深刻的“历史渊源”。华中师范大学中国农村研究院院长徐勇教授的“国家惠农政策是否惠了农——基于百村观察计划”研究议题，题目本身就蕴含了深刻的问题意识和浑厚的人文情怀，同时体现了扎实的研究基础，其价值性不言而喻。北京大学教育学院陈向明教授的“如何通过理论对话提升质性研究的质量”研究议题，其题目暗示了当前我国质性研究质量不高的现状，以及通过理论对话是提升质性研究质量的途径，但是怎么做却是研究者深感困惑的地方，因而其研究价值更加凸显。华东师范大学教育学部柯政博士的“‘好学校的办学水平更高吗”研究议题，其题目直接折射出研究者对“好学校”（即重点学校）办学水平的质疑，通过对现实的批判展现了议题深刻的研究价值。

2.议题设计注重视角的切入

当研究问题确定后，就需要设计合理详细的研究方案。研究方案的设计需要注意以下几点：一是研究问题的分解，即由一个问题分解为几个子问题，问题细化有利于深入、有目的的解决问题；二是视角的切入，即根据研究者的研究背景和学术专长选择合适的切入视角，有利于更专业地探讨研究问题的解决途径；三是设计过程的不断优化，即根据研究假设和问题需要不断对原有方案进行修改和完善，以期更合理地解决研究问题。对于充满复杂性和不确定性的教育问题而言，研究设计方案的优化至关重要，也最能体现研究者的学术素养和功底。本次论坛中，诸多学者在研究方案设计方面的经验值得借鉴。华中师范大学雷万鹏教授将“义务教育学校布局调整政策研究”分解为“影响学校布局调整的因素”、“决定学校撤并的标准”和“学校布局调整政策实施效果”三个子问题，并分别采用多元回归、文本分析（内容分析）、问卷调查及访谈等方法来进行分析。华东师范大学教育学部郑太年博士突破原来课堂教学研究的传统思路，选择从视频分析的视角切入，展现了视频分析应用于课堂教学的优势、方法和效果。国外学者对研究问题的设计更趋专业性，美国斯坦福大学教育学院院长Deborah Stipek教授以数学课堂教学为例，为研究“遏制学生自信心与内在学习兴趣下降”的原因，她首先通过评估课堂教学环境和教师教学方法来观察和测量不同年龄阶段儿童的学习行为表现，然后开展了课堂观察现象与儿童学习动力的相关性研究，最后探讨了教师干预力度轻重与学习动机及自信心之间的关系，从多个方面环环相扣、层层深入，直至问题解决。

3.研究议题关注前瞻教育问题

研究议题的前瞻性具有两层涵义，一是教育研究者应该关注具有前瞻性的教育问题，通过前瞻性的研究来指导当前的教育实践，引领学科发展；二是教育研究议题应该具有延续性和发展性，能够通过持续扎实的实证研究解决当前的教育问题，为未来研究做好准备。本届论坛中，诸多规模宏大、历时长久的持续性研究都展现出研究议题的前瞻性。美国北卡罗莱纳大学教堂山分校教育学院Bill McDiarmid教授对教师教育与学习研究始于20世纪80年代，一直持续至今，涉及“学徒式观察”的背景渊源、理论/概念框架提出、研究方案设计、案例与方法选择等，这项研究在继承原有研究的基础上，扩展了教师教育与学习研究的新领域，对美国乃至国际教师教育与学习领域具有积极的引领作用。东北师范大学农村教育研究院刘善槐教授开展的农村教育问题研究，不仅回应了当前社会广泛关注的农村教育焦点问题，如农村教育现状如何，如何保障农村学生的教育获得公平等。特别是从教师工作量的角度切入建立了农村教师基本编制测算模型，弥补了以往编制配置方法（如生师比、班师比、科师比、综合法）的不足，为未来教育决策提供了参考和指导，如提出“机动编”比例的设置标准，以及建议增加寄宿学校生活教师和留守儿童关爱教师两类“专业编”教师的配置。这些前瞻性的研究议题对于学科领域发展、实践指导和政策制定都具有深远意义。

二、实证方法实践内化为一种学术自觉

每一种研究方法都有其规范的研究流程，遵循规范是确保研究规范的前提。但是每一种研究方法又有其适用范围，所能解决问题的尺度有其难越的局限。这就要求研究者要把握研究方法的灵活性，即在自身学术领域深耕细作的范围内，尽量应用多种方法尝试从不同角度解决问题。这就是教育实证研究所倡导的研究方法的有机混合运用。这也是本届论坛所彰显出来的又一特色。

1.实证方法选择和分析应恰当

恰当性主要回答研究方法应用是否合适的问题。恰当性主要有两个方面的涵义，其一是方法选择的恰当性，其二是方法分析的恰当性，这两个方面是相辅相成的关系。针对同一教育问题，从不同的视角切入，并运用不同的方法开展研究，这是形成教育成果多样性的重要途径。但是如果针对复杂的教育问题，却盲目采用常规的调查方法，则可能既费时费力，也难以获得有启发的结果。美国雪城大学教育学院Louise Wilkinson教授在对双语男孩阿瑞尔（Ariel）学习早期代数思想的构建研究中，就认为采用个案研究法比其他方法更能指导实践。虽然诸多社会科学分析软件（如SPSS、SAS、EXCEL等）的方法分析比较智能，这主要由于其基于数学和统计学的原理，因此只要选择好分析的变量，就可以得出看似精确的分析结果，但实际上样本数量和变量选择都可能会影响输出结果。另外，对于质性研究而言，研究者需要在现实问题和已有理论之间不断相互解释和借鉴，并最终形成具有本土文化的理论，这更加需要研究者掌握方法分析的恰当性。本届论坛中，陈向明教授开展的关于实习生与指导教师互动对其知识转化与身份获得的影响研究中，就是基于个人的经验知识，与实征（Empirical）资料以及前人理论（包括符号互动论、行动科学理论、互动仪式链理论、“仁礼”关系和华人人际和谐与冲突理论等）进行对话，最终借鉴扎根理论的主轴编码范式对资料进行整合分析，由此形成具有一定解释力度、合适的概念框架和本土化理论。这一波数折的演化过程不仅要求研究者始终抱着一种开放探索的心态，在各种理论诠释与研究对象呈现的行为和意义世界之间来回穿梭、循环往返、逐步聚焦研究问题的动态演进，而且要求研究者主动将自己的理论见解和现有理论进行平等对话，并合理地整合到研究结论中。这就是质性研究的行动公式：“拿-破-变-立的循环、旋转与升华”。

2.实证方法应体现形式与实质上的规范

实证方法都有其约定俗成的研究流程，研究者只有按照既定的流程來开展研究才能确保研究的科学规范，这是形式上的规范。大多数人经过短期的学术训练都可以掌握这种规范技能，并在实践中按部就班地遵循。但是要想由形式上的规范跃升为实质上的规范并不容易，需要研究者在长期的学术训练和实践中不断应用、反思、修改、提升和沉淀，最终真正内化为一种学术自觉。本届论坛中，国内外各学科领域的专家学者都体现出深厚的学术研究功底，他们对实证研究方法应用的规范性不仅体现在形式上，更体现在实质上。这种实质性的规范在质性研究方法的应用中最能体现。陈向明教授在实习生与指导教师互动对其知识转化与身份获得的影响研究中，应用到扎根理论的主轴编码；美国布朗大学李瑾博士在儿童学习信念发展的研究中，对通过叙事方式所收集的质性数据运用“内容分析”的原则进行了量化处理，而且特别强调了编码程序的两大关键步骤，一是编码立项（Establishing Codes），二是信度编码（Reliability Coding），并指出了各自应该遵循的编码原则。还有学者对某种具体方法的设计规范提出了建议，雷万鹏教授在谈及问卷设计的问题时特别指出，问卷设计一定要有前期的调研基础，问卷初步成型之后一定要有试调查，问卷要吸纳不同群体讨论、修订和完善，问卷设计的目的是要寻找结构性问题。他们团队为设计一份尽量完美的问卷，前后打磨了60多个版本。刘善槐教授在针对农村教育问题开展的大规模调查中，围绕“调查谁”、“调查什么”、“怎么调查”制定了详细规范的调查流程，为研究实施提供了参照和准则。此外，实证方法的规范性在心理学研究中也有明显的体现。华东师范大学教育学部周兢教授在研究汉语儿童阅读发展的特点与规律时，采用了“语料+测验+眼动仪”的研究方法；华东师范大学心理与认知科学学院郭秀艳教授在研究“后悔”这一人类共同的社会性情绪时，综合运用了自评报告、行为测量和脑功能成像等技术方法，这些方法都具有严谨的形式规范。

3.灵活运用多种实证方法服务复杂教育问题解决

在现实中，无论是宏观的教育政策问题，还是中观的学校和教师发展问题，抑或微观的课堂教学问题，都不可能希冀使用单一的研究方法来解决问题。教育问题是关涉人、社会、文化等相互交织的复杂问题，必然要求综合、灵活应用多种研究方法来解决它。本届论坛中，大多数研究者都应用多种方法来开展研究，而且研究方法的选择均由研究的问题而定。总体上研究方法表现为以质性方法为主、以量化方法为主、综合应用量化与质性方法三大类别。中国人民大学社会与人口学院杜鹏教授探讨的中国老年人主要生活来源变化的主题，主要就是利用量化研究的方法，即队列分析的方法，追踪揭示了同一批老年人在相同时间节点上所经历的变化，弥补了以往研究运用截面数据分析老年群体主要生活来源变化的不足，从而为相关政策制定提供更加科学的依据。广西师范大学教育学部王彦教授针对广西桂北地区乡村教师的专业成长问题，主要运用质性研究的方法，从文化学的视角进行了富有深意的分析。雷万鹏教授在探讨义务教育学校布局调整政策研究的问题时，同时应用量化和质性的方法开展研究，他还特别指出量化与质化研究都是基于证据的实证研究，任何一种研究都是有局限的研究，方法各有利弊，方法间具有互补性，在应用时应寻找合适的方法组合，有效解决现实问题。

三、数据分析体现研究者的学术底蕴和智慧

从广义的层面讲，现实世界是数据的折射和反应，我们生存的世界都是由各种各样的数据构成的，包括显性数据和隐性数据。因而在复杂的教育世界中，如何理解数据的复杂性是数据收集和分析的重要前提和基础。教育实证研究中的数据既包括量化数据，也包括质性数据，量化数据是指能够用自然数字表征意义的数据，质性数据是指通过观察、访谈等手段获得的本文、图片、影视等数据。两类数据在教育实证研究中虽各有侧重，但相互补充、相辅相成。本届论坛中，研究者所展现的教育实证研究数据主要偏向量化数据，而且量化和质性数据的结合也是较为明显的特征。

1.理解数据复杂性的内涵

数据在本质上是静态的，而教育实证研究要求研究者用静态数据来分析、解释和支撑鲜活灵动的教育实践。这本来就存在某种缺陷。这暗示着复杂的教育实践难以通过静态的数据来表征。总体上，数据的复杂性主要有三方面的涵义：一是数据结构的复杂性，即教育实践中更多是非良构的、离散的数据，这类数据不容易探查其内在的关联性和规律性，而我们在教育活动中所获得的又大多是结构良好的数据。二是数据表征的复杂性，即我们难以用数据全面表征教育活动的多重属性，而仅仅是局部属性。三是由大数据带来的复杂性，即大数据的大量、高速、多样、低价值密度和真实性直接促成教育数据在量和质的层面发生变化，为教育实践问题的解决既提供了机遇，也带来了挑战。本届论坛中，诸多学者均指出教育数据的复杂性。杜鹏教授提出关于老年人生活来源的截面数据不利于追踪同一批老年人在相同时间节点上所经历的变化。刘善槐博士针对农村教师配置问题，开展了以决策为目的的构建性研究，其中构建了复杂的数据测算模型。南京财经大学公共管理学院黄斌教授从教育经济学的视角分析了教育研究中的因果关系，指出判断因果关系最困难之处在于“要求假设的‘因对‘果的影响已经考虑了其他所有可能的解释”，事实上要实现对全部变量的控制是极具挑战性的。虽然标准随机实验在理论上能够确定因果关系，但是由于其应用于社会行为中存在诸如成本巨大、伦理道德争议而并不可行，因而需要致力于发展针对非实验（观测）数据的因果推断方法，该方法的核心问题是如何处理残值中的异质性。他同时指出，现实中非实验（观测）数据的因果推断方法主要是准实验方法，可以通过工具变量法、倾向得分法和倍差法来解决异质性的问题。

2.数据收集要真实、准确和有效

在教育实证研究中，数据收集一定要重视精确性。这里的精确包含真实、准确和有效三层涵义，真实强调数据应来自被试本人在理解问题基础上所做出的客观回应，准确强调数据采集过程中应谨慎并多次核对，有效强调每一份样本数据的关键信息应该全面完整。当然，这里的精确亦是一个相对的概念，即在力所能及的范围内做到精确。只有确保数据收集的准确无误，才能为数据分析及其结果解释提供可靠基础和保障。本届论坛中，很多专家学者都非常重视数据收集的准确性。王彦教授在开展关于乡村教师和学生的调研过程中，其团队针对广西某乡村1-2年级学生开展的问卷调查，所回收的数据要全部剔除，因为针对这个学段的学生采用教师当场读题学生作答的方式，实际上教师每次读题都要用当地语言重新解释这个题目，这种引导方式导致所有学生的答案都一样。徐勇教授在开展关于惠农政策是否惠农的研究中，利用“百村观察计划”进行专项调查，在调查之前都会对教师和学生进行专业训练，而且将回收的数据纳入数据库之前都要经过严格把关，要经过两次审核，剔除一些误差，确保数据的真实性，以防止和杜绝虚假数据可能对教育现象解释和教育决策制定带来风险。

3.数据分析的客观性是一种研究态度

客观性实际上是对研究者研究态度的一种期许。教育实证研究中的数据分析一般包括量化数据分析和质性数据分析，常用的量化数据分析主要有描述性分析、相关分析、回归分析、方差分析、聚类分析、因子分析等，能通过相应的量化分析软件来实现，只要量化数据的质与量都足够好，分析得出的结果就具有可靠性和可信性。而质性数据的分析过程通常要从无序的数据中找出有序的结果，其核心环节在于建立编码系统，即按照“切分意义单元-提炼意义内容-编码归类-分析与解读”的大致思路，不断通过归纳和推理，最终得出具有较强解释力的本土化理论（陈向明，2000）。虽然目前辅助质性资料分析的工具有Atlas.ti、Nvivo、Maxqda等，其具有一定的操作便利性和可视化呈现的优势，但是分析的过程仍然具有较强的主观性，这就要求研究者运用自身的智慧来尽量客观公正地展现数据分析的过程。相对而言，量化数据收集的重要性要高于数据分析的重要性，因为收集数据的质与量决定数据分析结果的质量；而质性数据分析的难度则远远高于数据收集的难度，因为数据分析需要依靠研究者自身的经验与智慧不断在原始资料与已有理论之间进行假设、验证和建构。在本届论坛所涉及的几项质性研究中，研究者对质性数据的分析均体现出研究者本身具有深厚的学术底蕴和智慧。例如，陈向明教授、李瑾博士、王彦教授等从文化学的视角分别对实习生与指导教师互动、东西方学习模式与儿童学习信念、乡村教师专业成长的乡土环境和文化基因进行了独到的、令人信服的、有新意的质性分析。

四、有价值的研究议题必须有经得起考验的 诠释

不同研究者面对同样的数据分析结果可能会有截然不同的解读，因此在对实证研究结果进行解释时，研究者必须要厘定数据结果所能解释的范围，在限定的范围内进行深入的探讨。所能探讨的深度就是研究结果的质量体现，有价值的研究议题必定期待有深度、高质量、经得起考验的诠释。而高质量的研究结果也必定能对内促进本学科领域的深化，对外影响相关学科领域的发展，进而为我国的政策制定和教育改革提供扎实可靠的证据。

1.研究结果的解释应具有解释力度

数据分析的结果如何解释，数据解释的范围和尺度如何厘定，这是摆在研究者面前的又一关键问题。当前我国教育类学术期刊中有不少实证研究类文章在研究结果解释方面存在解释牵强和阐释肤浅的问题，甚至存在数据分析过程复杂但研究结果无需证明的矛盾与尴尬。这是典型的为方法而应用方法的结果，并没有围绕为解决问题而运用方法的核心。在研究结果的解释方面，量化解释和质性解释也截然不同，量化解释依据问题和量化数据的分析结果来进行，具有较强的客观性，主观性主要体现在研究者对分析变量的设定，以及对结果的阐释；质性解释则依据问题和质性数据结果来进行，具有较强的主观性，实际上质性数据分析的过程就是研究结果建构的过程，两者的界限并不明显。本届论坛中，不同学科领域的专家学者针对各自的研究议题，通过选择适宜的研究方法，进行各个层面的数据分析，最终呈现出非常多样化的研究结果，而且建立在数据分析基础上的结果阐释都比较令人信服。当然，任何实证研究都不可能达到“完美”的境地，但可以不断接近“完美”的程度。雷万鹏教授团队为设计一份针对“义务教育学校布局调整”的调查问卷，先后打磨了60多个版本，但最终仍然发现问卷存在瑕疵，因而也可能影響到研究数据的收集和结果的阐释。

2.研究的深度就是研究结果的质量

如何保证研究的质量，实质上也是如何提升研究结果的质量问题。无论是调查研究、归因研究、个案研究，还是建构研究，都要通过扎实的研究过程来体现研究结果的质量。当然研究结果的质量首先取决于研究选题的质量，只有有价值的研究选题，才可能得出有价值的、高质量的研究结果。为了确保研究结果的质量，还需要研究者慎重而灵活地选择研究方法，通过研究方法的互补来完善研究的过程。此外，还可以通过多元互证的方式来证明和提升研究结果的质量。本届论坛中，来自不同领域的专家学者在研究议题的选择上都非常重视质量，这些研究议题大多与我国当前国情和教育实践中凸显的问题相关，因而为研究结果的质量奠定了良好基础，如惠农政策、老年群体收入构成、农村教育、课堂教学、学习模式、儿童阅读、教师教育等，都展现出“值得研究”的意义。在研究方法的灵活应用方面，不少研究者将量化方法与质性方法相结合，将多种量化方法相结合，随着问题的发展不断引入新的方法，最终目的是为研究问题的解决而服务。在多元互证方面，柯政博士在开展“‘好学校的办学水平更高吗”的研究中，为了验证初步得出的“重点学校与非重点学校的办学行为没有明显差异”这一结果，还利用了2009年PISA上海数据涉及的152所学校进行验证，在此基础上提出科学设置“实验学校”（而不是“重点学校”）制度的建议，这种二元互证不仅使研究结果可信，而且有利于指导实践。Louise Wilkinson教授在开展“阿瑞尔的个案研究：早期代数思想的构建与交流”研究中，为了提升研究结果的质量，同时纠正人们认为的“个案研究是不够严谨的实证研究”的认识，通过全面多元的数据采集、严谨的数据描述和分析，以及其他研究人员对案例的研究和解读，以期证明该研究是合理严谨的实证研究。其中，数据采集的渠道主要有面对面观察、观察笔记、视音频记录、成绩单、笔记、访谈等，研究效度主要通过多维数据源互证、参与观察、对背景和数据的深描、同行评论等方式来保证。

3.高质量的研究结果延展学科和实践

研究结果的延展性主要包括两层涵义，一是指对本领域理论的拓展和对实践的指导及引领，二是指研究结果所产生的社会效应和贡献。在理论拓展方面，陈向明教授在开展实习生与指导教师互动的研究中，借鉴“符号互动论”、“行动科学理论”、“互动仪式链理论”、“仁礼”关系和“华人人际和谐与冲突理论”等，最终形成具有一定解释力度的本土化理论。王彦教授对广西桂北地区乡村教师专业成长问题提出了新的解释，认为乡村教师并不完全像当下研究视域中的那么不堪，很大一部分乡村教师对自己的专业生活依然有着一种天然的、本能的和纯朴的坚守，除了物质环境、机会平台与成就动机等因素之外，乡村教师的乡土归属对于乡村教师的专业成长有着显著性影响，当地的民风民俗以及尊师重教的传统对乡村教师的专业成长也有着显著性的影响。在实践指导及引领方面，Bill McDiarmid团队历时长久、持续跟踪的教师教育干预研究揭示出，一定要让教师更多地直接投身到课堂中去进行教学的练习和演练，而不是理论化的闭门造车式的学习；在进行实操的时候如何进行有效的督导和指导也非常重要。另外，周兢教授开展的新疆民族儿童双语学习与阅读教育研究，其研究结果已经用来指导新疆民族儿童双语学习与阅读的实践。在社会贡献方面，徐勇教授团队围绕惠农问题、基于百村观察研究形成的研究报告，引起中央办公厅和国务院办公厅等决策部门的高度重视，并据此调整惠农政策。雷万鹏教授团队围绕“农村教学点”、“寄宿制学校”、“留守儿童”、“城镇大班额”、“农村代课教师”等议题，向国务院、教育部提交了13份教育政策咨询报告。刘善槐博士的研究成果直接转换为2015年全国“两会”提案，即《关于进一步调整我国农村教师编制的提案》。总之，当我们的教育实证研究成果能够真正促进学科理论发展、指导实践、服务社会的时候，也是我们教育研究者感到欣慰和赢得自信与尊重的时候。

五、下一届教育实证研究论坛的主题是什么

华东师范大学教育学部李政涛教授在主持开幕式中指出，两届全国教育实证研究论坛主要有两点差别：一是首届论坛更多是讨论“为什么要做实证研究，什么是实证研究”，本届论坛更多是关注“怎么来做实证研究”；二是首届论坛更多是展现实证研究不同的方式和方法，本届论坛更多是聚焦到“数据分析和研究”上。确实在本届论坛中，诸多学科领域的专家学者围绕“怎么做实证研究”的核心问题，为我们展现了教育实证研究的研究理路和广阔图景，将教育实证研究又向前推进了一大步。他们对研究议题的把握与切入、对实证方法应用的规范与灵活、对数据收集及分析的谨慎和深入、对研究结果的解释与升华，无不体现出他们敏锐的学术敏感、严谨的学术风格、过硬的学术功底和实事求是的学术品质。随着教育实证研究的逐步推进，实证研究的方法与精髓也将逐渐内化到研究者的学术素养中，进而经过研究、沉淀和积累最终产出高质量的实证研究成果，从而为形成良好的学术氛围、促进科学决策、加强国际对话、提升国际影响力提供可信可靠的依据。然而，教育实证研究的深入开展并非易事，我们离内蕴实证精神的实证研究还有很长的路要走。诚如华东师范大学袁振国教授（2016）在这届论坛闭幕式总结发言中所指出的，今天我们300多种教育杂志所发表的文章，大概90%以上都不能算作“研究”，最多只能说是为研究做的准备。我们所发表的成果仅仅是谈一些自己的观点、想法，并没有调动自己的经验积累，依靠我们的智慧去思考问题，这可能会造成我们学术水平的长期徘徊。实证研究作为当今国际教育研究的主流话语和主要方法，我们要想在国际教育研究中获得平等的话语权，赢得国际同行的认可，必须身体力行地做一些自己可以驾驭的实证研究，而不是凭借想象发表感想。

随着科学技术的快速发展，尤其是大数据、脑科学、虚拟现实、人工智能等技术逐步成熟，必将为复杂教育问题的解决提供新的思路、途径和方法。当前世界各国对这些技术及其应用的关注度非常高，联合国Global Pulse在2012年发布了《大数据发展：挑战和机遇》报告，美国教育部在2012年发布《通过教育数据挖掘和学习分析促进教与学》报告，我国国务院于2015年9月印发《促进大数据发展行动纲要》，旨在推进大数据的发展及其对教育教学等诸多领域的深入应用。新媒体联盟发布的《2016地平线报告：高等教育版》中指出，学习分析将是未来1年内广泛采用的技术之一，虚拟现实是未来2～3年内采用的技术之一，情感计算是未来4～5年采用的技术之一（NMC，2016）。未来技术对高等教育的影响正在加剧。此外，各种测量大脑活动与行为的新技术的出现也促进了脑科学的发展，脑与计算机深度融合后产生的脑机融合系统，不仅有助于促进脑与机器的相互调用、相互学习、相互适应，也有助于机器智能与生物智能在诸多方面形成相互补充和相互增强的势态，进而推动人工智能新理论新方法的发展（吴朝晖等，2015）。由此可以预见，未来科学技术尤其是大数据和智能技术将会为进一步丰富教育实证研究方法提供突破口，为教育数据的采集、获取、分析提供更加多元化的途径，进而为解决复杂的教育问题提供更加多样化、更具精确性的支持路径。同时，未来教育实证研究跨国界、跨学科、跨领域的特征也将进一步凸显，未来教育研究将需要国内外教育研究者和技术专家共同来完成，因而也将凸显“研究有品位、合乎专业规范、有亲切感、富于智慧性且有效用的多重特征”（閻光才，2013）。

致谢

华东师范大学柯政老师为本文撰写提供了会议文献，并提出宝贵的写作意见。我刊编辑部在此表示感谢！

参考文献：

[1]陈向明（2000）. 质的研究方法与社会科学研究[M]. 北京： 社会科学出版社.

[2]国务院（2015）.《国务院关于印发促进大数据发展行动纲要的通知》国发〔2015〕50号[DB/OL]. [2016-12-10]. http：//www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.

[3]王春丽， 顾小清（2015）. 形成基于证据的教育研究文化——“全国首届教育实证研究论坛”综述[J]. 中国远程教育， （12）： 5-11.

[4]吴朝晖， 潘纲（2015）. 脑科学的新手段新技术： 信息+系统+智能视角[J]. 科学通报， （10）： 912-916.

[5]阎光才（2013）. 教育及社会科学研究中的数据——兼议当前的大数据热潮[J]. 北京大学教育评论， （4）：77-86.

[6]杨志成，柏维春（2013）. 教育价值分类研究[J]. 教育研究， （10）： 18-23.

[7]袁振国（2016）. 袁振国教授在“第二届全国教育实证研究论坛”闭幕式上的讲话[R].

[8]NMC（2016）. The NMC Horizon Report： 2016 Higher Education Edition[R]. [2016-12-10]. http：//www.nmc.org/publication/nmc-horizon-report-2016-higher-education-edition/.

[9]UN Global Pulse（2012） Big Data for Development： Challenges & Opportunities. http：//www.unglobalpulse.org/sites/default/files/BigDataforDevelopment-UNGlobalPulseJune2012.pdf.

[10]U.S. Department of Education（2012）. Enhancing Teaching and Learning through Educational Data Mining and Learning Analytics： An Issue Brief[R]. http：//www.ed.gov/edblogs/technology/files/2012/03/edm-la-brief.pdf.

收稿日期 2017-02-11 責任编辑 田党瑞