【思维碰撞】计算机教育的科学研究（上）

编者按

近年来，国内人工智能等很多计算机科研领域在国际学术界的研究成果能与美国平分秋色。但是，为什么计算机教育领域罕见来自中国的优秀论文？国内的计算机教育研究人员很难获得与国家自然科学基金科研项目同等资助力度的独立研究资助，是重要的原因之一。在以科研项目考核为导向的国内高校，如果继续“重科研轻教学”，我们将在信息领域的国际竞争中面临人才缺失的困境。为此，国家基金委全面启动支持教育科学基础研究的相关工作，目前已经确立了 F0701 教育信息科学与技术二级代码。

《计算机教育》杂志社于 2017 年 10 月 21 日在北京举办了“计算机教育的科学研究”主题沙龙，邀请了国家自然科学基金政策局郑永和副局长以及11名高校教师参加。本刊将陆续发布与会老师的观点，希望能够促进计算机教育领域教育科学基础研究的发展。

郑 莉  清华大学信息科学技术学院

从基础研究的角度来说，我们如何将教育，尤其是计算机教育学科规律中的基础研究问题提炼出来，是非常重要的。“计算机”和“教育”是两个关键词，从这两个关键词来说，我们这些老师提出的建议应该是关于计算机的，所以计算机学科本身的规律反映在教育中，有哪些最基础的东西是我们要研究的，目前应该引起我们的重视。

更基础一点讲，在计算机教育领域，连知识图谱在人工智能领域的应用都有人在研究。我自己的课题也是在研究知识图谱，只不过是中小学的基础教育知识图谱，那么作为高等教育的研究来说，其实鲜有人研究到知识点、知识图谱这么细致。大学课程的研究颗粒度比较粗，实际上我们在教学改革、课程体系改革中有一个重要的问题，就是相关课程之间的相关度是什么，该不该合并，该不该拆分？如果增加一个新课，它跟原有的课有什么关系？各个课按专业分的课组有什么关系？课程之间的先修关系、替代关系是怎样的？在这些方面我们缺乏精细化的设计，只是大面上根据任课老师和教学管理人员、教学主管领导的经验，先形成一个团队或课程委员会，确定一下，但这只是个大致。

当课程体系再需要改的时候，实际上是非常难的，“我的课不许取消”“我的课不想和他的课合并”“我还要开新课”等等理由就会出现，每个老师会从自己理解的角度，从自己对计算机学科课程体系理解的角度去发表自己的意见。但是，如果我们有一个最基础的、定位到具体知识单元或者知识点的知识图谱，知识点与知识点的关系就是可以说得清楚的了。

课与课之间的关系往往有太多知识点的相关性，最后都说不清楚。单个知识点跟另外一个知识点之间是什么关系，每个老师都有话说。如果我们能把这个体系研究清楚的话，那老师在上课中用人大的课程体系也好，用清华的、用北大的、用复旦的，甚至用哪个课程体系也好，都会变成一个明确的事情。每个学校的老师如果牵头一个项目，他肯定认为自己学校的课程体系是最好的，因为那是他参与做的。这里面，我不认为老师是有私心的，但是先入为主，一定就会有这个问题。所以，我们将来研究课程体系的这个团队不管纳入多少老师，总有更大范围的老师没有纳入进去。别人会觉得你们一流大学的课程体系也许并不适合我们，各种观点都会有。

我在跟其他学校的老师聊起来的时候，他们很多人都说你们清华的东西不适合我们。确实，每个学校都有自己的特点。但是，如果我们把知识点的体系弄清楚了，根据知识点的体系，每个学校在组课的时候，遵循每个知识单元与知识单元间的科学结构、科学关系，这样的话，整个课程体系到底几门课，合成一门课还是拆成3门课，开不开这个课，先开哪个后开哪个，这些问题都会变得清晰，我觉得这个没办法标准化。

每个学校都有自己的特点，但是我们要求教学过程必须遵循最基础知识点的体系结构，即它的科学原理。比如某个知识点，先修课里还没有修的你就要用，不是说这样不可以，因为大学课程的台阶不是必须一级一级地上去，从一级上到三级，三级到七级之间并不是没有台阶了，你可以自己找台阶去，这样是可以的。但是，很多课程中有一些知识点，没有任何一门课先修它，这样的知识点老师必须先摘出来，列清楚，跟学生说明白，另外老师要建议学生去参考哪些资料、学习哪些知识，能够去补这几级台阶。课程中这样的逻辑关系要把它分析清楚，我觉得这是一个很宏大的工程。

以上的例子是从计算机科学体系本身的角度来思考问题，但是回归到计算机教育，我们还有一个关键词是“教育”。我觉得有些问题，我们计算机领域的专家来研究，不管你是以从事科研为主还是以从事教学为主，本身都是一个计算机科学的研究人员。在教育学这个领域，我们都没有受过科班的训练，但我们是教育者，根据这么多年当教育者的经验，我们总结归纳了一些朴素也具有实践意义的东西，就要真正把它作为一个基础学科来研究。我认为它应该是一个交叉学科。

我们在谈话中提到了团队设在哪，也谈了人的问题，但我觉得这个团队里应该有教育学的专家。当然，如果我们研究计算机学科的技术类问题，比如大数据分析等，其实也需要教育学家做分析模型。如果真的研究特别基础的教育问题的话，我觉得应该要求有关的教育学专家一起合作，以对待交叉学科的态度来对待这个问题。

另外我们谈到了做这个事情的团队在哪、什么人去做，这确实是一个问题。现在各个学校都在做一定程度的人事制度改革，清华应该算是教学改革的先行者。清华大学专门提出了教学系列这个概念。这一系列老师的教学工作量是最大的，而且是真正的一线老师。如果这些老师能够获得基金的支持，好好地做教学和教育学研究，对学校来说，是造福学生的。因为大量的专业基础课、公共基础课都是教学岗的老师来教，这些老师去申请自然科学基金研究的时候适合研究比较基础的类别，即不需要大量技术开发和编程、实现系统的东西。

清华大学目前不让教学系列的老师带研究生，因此对基础教育研究项目的支持力度并不是很大，因为力度大就意味着要求教师产出成果的水平高且工作量大。水平高体现在要在国际顶级期刊发表文章，这就要求基础教学老师的研究要一步到位，因为做一个一般项目就发到顶级期刊去是有一定难度的。另外，教学系列的老师产生出大的验证性或者实用性系统的可能性也不大。

这种情况下，可能项目支持的钱数不一定多，但是他的研究一定要有意义、有基础性。这样的话，一个老师、一个教研室团队核心的三五个老师就可以把项目做出来，不需要借助研究生团队去做系统开发。这种教育的基础研究，让在学的研究生去做也不合适，他们可以写程序，但他们真的不懂从教师的角度思考教育学原理，他的身份还是学生。所以，这种情况下，如果有些题目能支持这些做教学的老师，就是老师亲自做研究，而不是研究生去做。事实上，像清华大学这样的学校，教学系列的教师也没有研究生。

另一部分就是教学与研究并重的老师。这样的老师，他们也有相应的教学任务。各个学校的教授、院士都是要给本科生讲课的，这些老师是不是我们课题以后预期的申请对象？我觉得不主张是。当然，有一些东西，比如大数据分析等，可能会是做数据分析的资深专家参与这个课题，这个我同意，还有教育学的资深专家也会研究这个课题。

清华以科研为主的老师教学都是很好的，他的教学中规中矩，首先内容肯定正确，前沿性也没问题，理论扎实，所有的指标都是没有问题的。但是，他在教学研究上花费了多少时间呢？可能也没有。但是即使这样，培养出来的学生也是不错的。这应该就是目前一流大学的现状。因为做科研的老师本身的素质和水平使得他讲课没问题、学术报告没问题，他不可能讲不清楚科学问题。这些老师科研很棒，教学平平常常也还不错。如果他们作为主体去抢这些教育科学研究，也就是计算机教育研究的项目，那么一线教学体系教师肯定是抢不过他们的，但他们会不会静下心来去做最基础的教育学问题的研究呢？他会尽量以教育作为场景，比如电子商务，商务是场景，电子是关键；物联网，物是场景，联网是关键。将来他们做计算机教育，教育变成了场景和背景，是他分析的数据和样本，最后他还是在自己的专业领域出成果。那么，这个对教育有没有用呢？非常有用，他们的研究成果将来也会回馈到教育，以突破教育的关键理论和技术的瓶颈问题。

但是，这样的项目支持已经不少了。比如国家对大数据方面的支持，教育大数据做起来很容易，起码不难立项。然而，我们一线的教师能不能有一批人把计算机和教育本身最基础的根本问题提出来做一些研究，里面需要哪些技术支撑，把这些思考以报告的形式提出，再作为技术领域课题让那些的专家研究。这样的话，钱投下去，领这个任务的队伍会真正去研究教育，而不是把教育当个噱头，我还是研究我的专业去，而且那种貌似有用、实则还是技术的成果很多，却忽略了那些基础的教育。

我自己目前在做知识图谱。我经常思考一些问题，比如知识点之间的关系。其实计算机教育中类似的基础问题有很多，可能在不同的一线老师脑袋里有不同的问题，他以一己之力没有力量去研究，其实他需要组织团队，但目前的实际状况是，这样的研究既没有名目也没有经费支持，然后很多的想法就晾在一边。为什么我们做课程体系的时候总觉得做得不那么尽如人意,其实里面有很多基础的问题，包括讲公共基础教育时的计算思维问题。很多老师教学时嚷着计算思维，但最后计算思维到底落实成什么样子，你是否有一个充分的基础理论的支撑观点，其实也没有做出来。这些东西应该是老师亲自做的，而不是我们大牛们带着一群没有经验的年轻老师和研究生们去开发项目时顺带做的事情。

秦磊华  华中科技大学计算机学院 副院长

人才培养是一个系统工程，涉及教与学的方方面面，围绕如何提高计算机类专业人才培养质量的研究，可以从如下3个层面来考虑。

第一个层面是计算机类专业自身人才培养的问题，围绕如何培养满足经济社会发展所需要的计算机类专业人才展开系列研究，包括适应产业需求和技术发展的计算机类专业工程人才的知识体系、课程体系、教学设计、教学模式、教学方法、教学资源建设、师资队伍与教学团队建设等方面的内容。

第二个层面是智能学习环境构建，包括3个方面的研究内容：①如何开发或应用现代化信息工具构建智慧课堂，包括自动考勤、随堂测试及成绩自动评测、教学在线调查、在线交流与答疑等；②虚拟实验系统开发，尤其是具有自动检测功能的计算机类专业系列硬件课程实验及其综合实验系统的开发。

第三层面是基于教育大数据的精准学业指导，研究内容包括应用于学业精准指导的大数据收集方法、大数据有效性评测与过滤、基于大数据的学业精准指导模式与方法等内容。

我本人从事本科教学已有8年，在这个过程当中，对于计算机的教育教学研究有一些思考。教育教学研究跟科学研究现在其实是趋同，都需要转化，教学、科学研究如果只停留在论文阶段是失败的，但是，成果要转化，最终应该落实到课程、教师、学生的学习上去。我主要从4个方面来讲，第一是要围绕课程体系做研究；第二是教师培训，教学的实施是教师做的，因此教师的培训很重要；第三是要围绕学习环境构建我们想做的事情；第四是学业评价，哪些事是过去做的，哪些事未来要做，得分清楚。

在课程体系上我们做了这些事，我们学校在1997年做了一个信息学科平台的课程体系，即所有的信息学院必须开同样的课程，统一备课、分散上课，当时我们的课业负担比较重，我们要把教学内容、教学大纲、教学方法全部更新，我们对教师也做了培训。为了做这个事情，我们在实践教学体系也做了更改，平台一体化、内容一体化、实验指导的精准化、实验考核的工程化。

我们提出要有效教学，有效学习，并力图把它落到实处。每个学生要有这样的体验，我们也是要求全体学生都要有这个体验。我们围绕新工科做了非计算机专业的通识课。在新的生态环境中，学生应该具备数字化思维能力和信息化融合能力。从中国制造2025来看，有一条主线上非常强调信息化，所以我们就强调数字化思维能力和信息化融合能力。在智能硬件方面，原有通识课的体系软件偏强，而硬件，尤其是数字化设计这块偏弱，这是我们想做的事情。

在教师培训方面，其实渠道很多。现在我们就是要把教育思想普及，老师的思维要跟上，技巧要跟上，技能要跟上。我们学校的所有老师，要求是你不能做、不能讲，你就不允许进。关于教师海外本科教学研修，我们从2012年到现在共有30几名老师去培训，他们在MIT、CMU做了3个月以上的教学研究，包括企业培训。

关于教学团队的建设和课程群组的建设，我有一个体会，就是现在名师要变成名师工作室，也就是要建团队。我认为这是很重要的，是一定要做的。 

另外，学习评价一定要有数据，特别是要有过程数据，仅有考试结果是不够的。我们基于微助教的随堂测试结果中，每个点、每个题，你是谁，哪个题错了，每道题错了多少人，这些细节的东西一下子就统计出来了，这些数据都有利于后期教学。我们还做了自测平台，软件内的作业一提交，有哪里不对，很快也有了数据。通过这些渠道，我们可以把学习的过程拿出来，清晰地知道学生的问题在哪里，这为后面的大数据学业精准指导提供了一个好的支持。这些事情我们还在探索，我们的团队也在研究精准指导需要哪些大数据、从哪些平台获取这些数据使数据更有效。

END

更多精彩：