人工智能教育学：基于学科建构的视角

缪文卿

（潍坊科技学院 经济管理学院，山东 寿光262700）

在人工智能时代，人工智能与教育融合的深度和广度呈现出前所未有的态势。这种持续而深入的融合已经引起了信息科学、教育学、哲学、伦理学、社会学、管理学、法学、心理学等不同学科的普遍关注，一些跨学科、专业的研究成果开始不断显现。但也毋庸讳言，这些研究成果大多局限于教育实践和教育现象层面，全面、系统和深入的俯瞰式理论研究成果却比较匮乏，“形而下”就事论事式的研究远多过“形而上”的思辨性研究，尤其缺乏基于教育学基本理论而进行的思考。在此情形下，加快推动“人工智能教育学”学科建构已成为一项应然选择。［1］尽管从当下来看“人工智能教育学”尚处于学科建设的萌芽状态，但种种迹象表明这一新兴交叉学科已初步具备了“呼之欲出”的可能性，需要学界同仁前瞻性地审度、筹谋和致力，以宽广的学术视野和极大的学术勇气推动其逐渐走向定型和成熟。有鉴于此，本文试图省思一个关于“人工智能教育学”学科建构的论纲，对“人工智能教育学”的概念界定、学科定位、研究对象和研究范式等进行初步的探索。

一、“人工智能教育学”概念界定和学科定位

从字面意义上来看，“人工智能教育学”似乎是“人工智能+教育学”的结合物。如果仅仅局限于以“加法思维”来理解其字面意义，则“人工智能教育学”其学科建构的价值和意义将得不到当有的体现。应当基于人工智能与教育学彼此之间的有机融合，以“乘法思维”来把握、理解学科意义上的“人工智能教育学”。要而言之，“人工智能教育学”是人工智能与教育日益融合态势在教育学范畴内的具体呈现，是人工智能时代“大教育学”的有机组成部分和新兴分支学科。尽管“人工智能教育学”属于新兴交叉学科的范畴，但它的母体学科仍是教育学，它仍归属于教育学门类而非其他。换言之，它是因人工智能介入教育场域而生发的一门新的教育学学科，它身上有着鲜明的“人工智能”烙印和因子。

从学科定位上来看，“人工智能教育学”应当是教育学一级学科之下的二级学科，“人工智能教育学”学科建设、人才培养、科学研究和组织架构应当基于一个相对稳定的二级学科而进行。一般来说，学科建设有两个层面：一个是知识理论层面上的学科建设，学界同仁基于共同的学术追求将“准学科”知识领域建构成为一门“学科”，或者是拓展、重构、丰富和完善现有的学科知识领域；另一层面则是组织建制层面上的学科建设，也就是积聚“人、财、物”资源以形成学术实体的过程，比如建立相关院系、研究院所等。对于“人工智能教育学”学科建设来说，建基于二级学科之上比较合适。从知识理论层面来看，一个研究领域要建构成为一个学科，应该具有特定的研究对象和研究领域，具有相应的研究方法或研究范式，具有相对完善的知识体系或比较充足的前期研究成果等。建构一个新的学科，使之建基于覆盖面较小的二级学科之上其难度和阻力可能会相对小一点，学科建设目标也更容易实现。在一个较小的认知范围内融汇逻辑一致的研究对象、研究方法和知识体系似乎显得更容易一些。从教育部过去历次学科目录调整来看，几乎所有的新增学科都建基于二级学科之上。从组织建制层面来看，某院校新建一个学科，基于二级学科其可行性和可操作性也会更强，毕竟建设二级学科所需要的“人、财、物”资源远少于建设一个一级学科。而且，对于新建学科而言，建基于二级学科之上可以更好地打造相对比较优势、凝练学科特色。

当前，“人工智能教育”面临着很多机遇和挑战，有些领域对其研究的专门化和精细化提出了更高的要求，以往大而化之、笼而统之的研究取向早已与时代发展相脱节了。当下，“人工智能教育”领域新形势、新情况和新问题不断涌现，亟须研究工作者选准主攻方向开展持久深入、专门化和精细化的理论与实践研究。而面对“人工智能教育”领域所出现的新情况、新问题，要想“形而上”地搞清弄懂其蕴含的逻辑和规律，则必然要仰赖于一个相对稳定的学科架构。在人工智能教育实践如火如荼地遍布于全国各地的现在和未来，“人工智能教育学”必须“应然”与“实然”地依归于“既是学科也是领域”的学科主旨和学科定位。其逻辑如下：“人工智能教育”研究包含两部分，其一是“学科”意义上的研究，主要关涉“人工智能教育”理论性问题，而这些问题唯有在学科架构下才能被系统、全面和深入地研究，另一部分是“领域”意义上的实践性问题，其数量庞杂、种类繁多，除了宏观和中观层面上的实践性问题外，更多的则是微观层面上的问题。以整体性视角来看，可以发现“学科”意义上的“人工智能教育”研究与“领域”意义上的研究常常钩稽交汇在一起，呈现出“你中有我、我中有你”态势。就二者的关系而言，“学科”意义上的“人工智能教育”研究可以为“领域”意义上的研究提供学科指引、学科规训和学科支撑，使“领域”意义上的研究有所依归和信靠，能够做到“形散而神不散”；而“领域”意义上的研究则可以为“学科”意义上的研究提供第一手的研究质料，滋养“人工智能教育学”的学科建设。在“人工智能教育学”学科建构初期，“学科”意义上的研究要着重关注“人工智能教育”理论性问题，从实践中遴选一批代表性问题加以研究，力求发现问题背后的逻辑和规律，并以概念、范畴为载体建构一个具有逻辑自洽性和现实解释力的“人工智能教育”理论架构。“领域”意义上的“人工智能教育”研究可以着重关注某些前沿性实践问题，比如如何消除信息孤岛现象、如何提高基于人机协作的教学活动，人工智能如何赋能课堂教学，等等。

二、“人工智能教育学”的研究对象

在讨论什么是“人工智能教育学”研究对象之前，有必要先讨论一下什么是“人工智能教育”。应当说，关于“人工智能教育”其内涵，学界的认识目前尚未达成一致。在中国知网cssci 来源期刊中以“人工智能”加“教育”为关键词进行检索后，发现“人工智能教育”“教育人工智能”“人工智能教育应用”“智能教育”“智慧教育”“人工智能+教育”“人工智能赋能教育”等名词在多个核心期刊中反复出现，但应用的语境却大相径庭。即使使用同一个名词，不同研究者对其内涵的表述也不尽相同。最典型的是，在同一期刊上发表的论文中，虽然主题相近但所使用的名词却不相同。其中，有些名词似乎是用来指谓培养人工智能人才的学科或专业教育，有些似乎是用来指谓人工智能在教育中的应用，有些似乎是用来指谓“智慧教育”的目标是培养“智慧”(问题解决、决策能力等)。［2］在构词结构上，上述名词虽然大部分由“人工智能”与“教育”组成，但侧重点却有差异，有的是偏正关系，有的则是并列关系。在偏正关系中，有的以“人工智能”为偏，以“教育”为正；有的则以“教育”为偏，以“人工智能”为正。之所以出现这种名词使用上的乱象，与“人工智能教育学”尚处于学科建设的萌芽状态是分不开的。任何一门新兴学科特别是新兴交叉学科，在学科萌芽、成长直至成熟定型过程中都会无可避免地出现一定程度的无序性。随着学科建设和领域研究的不断深入，随着学术共同体的日益形成，这种无序性就会逐渐消弭。目前，对于“人工智能教育”是“人工智能+教育”结合物的观点，学界基本上比较认可。争议之处可能在于，“人工智能”与“教育”二者之间孰“正”孰“偏”。在这个问题上应该达成这样的共识，即“教育”为正、“人工智能”为偏。具体而言，“人工智能”作为一种先进的教育技术，本质上它只是教育场域所引入的一种辅助手段或辅助工具而已。“人工智能教育”活动的出发点和落脚点，过去、现在和未来都应该是“教育”，而这也正是“人工智能教育学”学科大厦得以建构的基石。

推动“人工智能教育学”学科建构，首要的任务之一是要确立其研究对象。研究对象之于一门新兴学科，其重要性不言而喻。作为学科划分、学科定位和学科发展的重要依凭，研究对象不仅可以体现出学科的价值、意义和特色，而且还标志着学科的规范化、科学化程度。一直以来，关涉教育学研究对象的争论从来就没有停止过。主要的观点基本上有四种：第一种认为教育学的研究对象是教育现象，第二种认为教育学的研究对象是教育现象及其规律，第三种认为教育学的研究对象是教育事实，第四种认为教育学的研究对象是教育问题。［3］应当说这四种颇具代表性的观点都有其合理之处，也都有其立论的根据。具体到“人工智能教育学”，我们认为，以“人工智能与教育融合”现象及其规律作为研究对象，似乎更符合当下“人工智能教育”活动的实际。

从认识论视角来看，教育现象是教育本质和规律的外化和外现，而教育规律则是隐匿于教育现象背后并起支配、决定作用的“形而上”存在。在“人工智能教育学”理论研究和学科建构过程中，仍然需要遵循这一认识论指引。透过现象看本质、看规律，一直是经典认识论的看家本领。具体而言，虽然教育现象的出现是以客观事实的面目而呈现出来的，也就是人们经常所说的“它就在那里”，但对现象的观察分析却需要研究者的主观努力。尽管“它就在那里”但你却不去看，或者看是看了但看得“走马观花”。这样的话，无论多么有价值的教育现象，都不能引发新学科、新领域知识理论的生成。比如，目前作为人工智能技术应用的重要领域之一，教育与人工智能的深度融合正呈现出前所未有的态势，“人工智能教育”活动遍布教育的各个层面并日益成为一个“现象级”的大事件。有不少学界同仁敏锐地捕捉到了这一大事件所蕴含的科研机会，闻风而动，发表了不少高水平、高质量的学术论文，抢得了在这个领域的科研先机，初步奠定了在这一领域的学术地位。要知道，在可以预见的未来，“人工智能教育”研究领域一定会越来越热络。教育研究者应当基于“教育眼光”和“教育思维”，发现、审视当代社会中的教育现象特别是那些属于新生事物范畴的教育现象，并透过这些异质性现象，看到其背后所蕴含的逻辑和规律，最终运用抽象性思维上升到理论层面。在“人工智能教育”领域，有很多学者参与到了其中的实践活动，但却只有少部分的人通过省思实践而形成理论研究成果。当下的“人工智能教育”领域，新情况、新问题层出不穷，有积极有益的一面也有困境、挑战甚至风险的一面。如何透过纷繁复杂的现象，深化这一领域的理论研究，揭示“人工智能教育”内在的规律和逻辑，加快“人工智能教育学”学科建构，是摆在学界同仁面前的一项重要任务。我们认为，当前和今后一段时期，以下几个方面的理论和实践问题值得学界同仁投注更多的注意力：“人工智能教育”场域中如何基于人文主义思想提扬人的主体地位？如何确定人工智能在教育场景中的边界以防止人工智能与教育融合的失衡？人工智能与教育深度融合中教师和学生的角色将会发生哪些质的变化？人工智能如何整体融入“教、学、考、评、管”五个教育场景？作为有史以来最具革命性的技术人工智能如何影响人类未来的教育模式？人工智能时代我国的教育治理模式将会发生何种深刻变化？如何防范化解人工智能时代教育治理风险、技术风险、伦理风险？人工智能与教育融合背景下教育理念、教育制度变革演化的路径是什么？

三、“人工智能教育学”的研究范式

在现实世界中，无论何种事物都有其“质”和“量”两个方面的规定性。具体到社会科学领域也是如此，任何一门社会科学其研究范式都离不开定性分析和定量分析。［4］要而言之，定性分析是对研究对象进行“质”的方面的分析，而定量分析是对研究对象进行“量”的方面的分析，二者如鸟之两翼般相携而进、缺一不可。定性分析与定量分析的区别在于：一是关注点有所不同。定性分析高屋建瓴，尤其关注事物的本质和实质，研究中需要思考“为什么”。而定量分析比较关注事物“量”的方面，通常指向“是什么”，研究中注重对事物进行测量和计算。二是起点有所不同。定性分析从研究伊始即存在并贯穿全过程，而定量分析则开始于资料、数据采集完成后。三是对资料或者数据的要求有所不同。定性分析对资料和数据的要求不高甚至很少，即使有所要求也是建立在量化分析基础之上，而定量分析对资料和数据的质量和数量都有限制性要求，如果达不到要求定量分析就没法进行。四是分析程式有所不同。定性分析没有标准化的分析程式，分析过程充满了思辨性色彩，具有综合、归纳、比较、反思和直觉等特点。定量分析则有标准化的分析程式，逻辑缜密，程序严谨，实证主义至上，分析结论具有精准性和可复制性等特点。

作为一门新兴交叉学科，“人工智能教育学”仍然属于哲学社会科学的范畴。社会科学定性分析与定量分析相结合的研究范式同样也适用于它。人工智能时代，无论在宏观层面、中观层面还是在微观层面，“人工智能教育”都是一个复杂的混沌系统和协同系统，系统中诸要素彼此之间交互作用、动态耦合，各自都有其独特的运行规律和变迁路径。在此情形下，“人工智能教育”研究者，必须整体把握“人工智能教育”其全景式的场域演化规律和特征，更需要运用定性分析与定量分析相结合的研究方法。“人工智能教育学”研究中的定性分析就是对“人工智能教育”本质和规律的探求。基于对“人工智能教育”在不同时空节点下的存在形态和实践运行，借助抽象性思维的力量，揭示、阐释其背后所蕴含的本质和规律并以基本理论的形态而呈现出来。对一个研究者来说，要精当地揭示、阐释教育本质和规律，无疑是一项比较困难的事情。教育理论研究是一个由具体而抽象、由感性而理性、由现象而本质的抽象性思维过程，在此过程中基本概念的作用尤为重要，抽象性思维需要借助基本概念的运用而进行，抽象思维活动的质量高低直接取决于所设定的基本概念及其精准性和有效性。［5］教育理论研究在本质上就是一个设定基本概念进而表征教育逻辑和规律的过程，在此过程中研究者从具象的教育现象出发，以抽象思维而设定相应的基本概念，再通过基本概念的阐发得以上升到理论高度。对“人工智能教育学”基本理论的探究同样需要遵循定性分析路径。尽管“人工智能教育学”因人工智能和大数据技术的加持而在定量分析方面有着无可比拟的先天优势，但在“人工智能教育学”基本理论建构上它却必须仰赖于定性分析。

在“人工智能教育学”定量分析中，教育大数据在方法论意义上充当着重要角色。［6］它为精准理解和把握“人工智能教育”复杂系统、推进“人工智能教育学”范畴内的实证化和量化研究提供了全新的视野和方法。具体而言，教育大数据为“人工智能教育学”设定了一种基于数据处理的定量分析范式，这个范式可以对趋势、时间、频率、周期和系统变量等进行深度解析和归纳。人工智能技术可以在自然和真实的教育场景中，低成本、高效率地持续记录、存储和解析教育大数据，为“人工智能教育学”定量分析提供鲜活、丰富、原汁原味的质料，这一优势是以往任何一种实证方法都无可比拟的。正是这种优势，使得基于大样本量持续性地检验、评估研究结论和理论假设，具有了可行性和可操作性。需要指出的是，在“人工智能教育学”定量分析中，定性分析从来都是在场的，定性分析与定量分析如影随形，相辅相成，缺一不可。教育大数据的采集、挖掘、研判和分析，需要其使用者以一定的理论为指导，并对定量分析的成果和结论做进一步的定性分析，只有这样整个研究过程才更完整和更有说服力。尽管基于教育大数据的研究范式有着传统定量分析方法所无法比拟的优势，但也有其局限性。比如，在某些教育场域中教育大数据并不是万能的，可能无法准确反映它所表征的教育事实和教育存在，导致其可靠性和可信度大打折扣。又比如，教育大数据的生成需要基于大量的结构化和非结构化数据，但其采集、挖掘、研判和分析过程却又存在着很多不可控的因变量，导致最终所生成数据的客观性受到影响。还有一点非常重要，就是教育大数据的存储、获取、查询、挖掘和分析，会不可避免地为其相关利益主体带来安全风险和伦理风险。今后，要从技术升级、隐私保护、法律规制、风险防范等各个角度，不断规范约束教育大数据的生成和使用。