导读：近日，在第一届教育信息科学与技术年会上，华中师范大学人工智能教育学部副部长刘三女牙教授发表了题为《数据驱动的教育智能计算》的精彩演讲。在演讲中，刘三女牙教授提出了教育是否可计算的命题。
分享 | 刘三女牙
整理 | 教育信息化100人
来源 | 第一届教育信息科学与技术年会
发展到今天，教育信息科学和技术的研究范式是不是可以有一些更为深入的思考？一些专家对于相关的问题已有了一些深入的研究，在他们的基础上，我也有一些思考，希望能够引起关于教育信息科学与技术的新型研究范式的研讨以及更为深入的拓展。我们可以从新型社会、新动能、新要素、新范式这四个角度来理解如今的新态势。
新一代信息技术的快速发展，对社会的影响越来越深刻，特别是以物联网为代表的万物互联、以大数据为代表的万物皆数，以人工智能泛化深入应用为代表的万业智能，以及我们最新的基础计算设施（云计算、区块链、元宇宙）的不断丰富和完善。在新一代信息技术的基础上，我们可以看到，一个新型的社会形态正在形成，我们称之为计算型社会，计算现在无处不在。在这种新态势之下，以新一代信息技术为核心的教育的创新和变革，带来了一个发展的新阶段，给教育的创新和发展注入了新动力。新动能具体在表现两个方面。一方面，在新型的教育创新的态势下，教育的要素体系发生了变化。以往的要素体系含主体、环境、资源三个要素，主体当然是多元的，包括教师、学习者、政府主管机构等，在此之外，我们又有了一个新的要素，就是数据。
在新技术的助力下，教育的数字化转型，已经形成了一种新的教育范式，这种新的教育范式在不断逼近新的人才培养需求。新教育范式提出了一系列的科学问题，同时，也对教育的研究范式提出了一些新的挑战，传统的研究范式要不断累积，加以新范式的补充，才能够有效地解决科学难题。在新一代信息技术的助力之下，我们认为，教育信息化进入了一个新的阶段。一个标志性的事件是，2021年7月，教育部等六部门发布《关于推进教育新型基础设施建设构建高质量教育支撑体系的指导意见》，这标志着教育信息化进入了一个新阶段，新阶段需要新技术，也需要解决新的科学问题。
计算由来已久，但我们以往的计算只是落到数学层面，到了今天，由于信息技术的快速应用，我们应该用21世纪的视角来看待计算，这个视角值得我们高度关注。而且在此基础上，我们可以看到，计算主义正在形成，这与计算型社会的形成相辅相成。计算主义最初是认知科学的一种研究纲领，其基本思想是：心理状态是计算状态，心理过程是计算过程。计算主义还渗透到生命科学、物理科学等领域，把人的生命体等同于计算系统，认为宇宙是一台计算机，即生命和认知、思维的本质皆为计算或算法。计算主义者沃尔弗拉姆认为，“一切皆为计算”将成为科学中一个富有成效的新方向的基础，我国学者李健会则大胆提出“自然界这本书是用算法语言书写的”，计算主义现已成为一种世界观和方法论，改变着人们对世界的看法及看待世界的方式。计算主义思想认为，教育教学的过程其实是信息的交互与生产的过程。无论是人的大脑、人的行为，还是人与整个物理世界、虚拟世界的交往过程，都是一个庞大复杂的计算系统。
教育是否可计算，其实可以从方法层面、认知层面，以及现实层面进行更深入的讨论和思考。在方法层面，古希腊人毕达哥拉斯曾向世人宣称：万物皆数。伽利略曾经斩钉截铁地说，世界是一本以数学语言写成的书。卢卡奇指出，近代以来，数学成为认识的理想工具，借助于数学的工具性力量，所有的现象都可以成为精准计算的对象，进而能够探求各种现象之间的内在因果关系。在认知层面，计算主义有多种表现形式。1981年，纽厄尔和西蒙提出“物理符号系统假设”，主要采取的是符号操作或符号转换的方法探索认知和智能的本质。联结主义则通过构建人工神经网络，模拟符号计算难以模拟的一些认知现象。兰顿认为，人类心智的本质是一种形式，该形式可通过程序与算法表现出来。莱布尼兹认为，心智活动就是“对于符号的形式化操作”。人工智能之父图灵则认为，计算机在本质上与大脑没有区别。从现实层面来看，社会的可计算性成为一种吞噬一切的力量。如果我们从信息科学的角度来看，或者从计算的视角来看，教育是可以计算的，只是由于我们目前的设备有限、对于事物的理解不足，以及研究的方法和手段的局限，可能还有很多的路要走。教育计算是教育信息化的应有之义。我们今天讨论教育可计算的问题，或者说计算教育学的问题，不是是否科学和是否合适的问题，而是如何推进的问题。
现在教育可计算有了坚实的物质基础，这个基础便是教育大数据。新技术助力下的教育场域正在积累大数据，这些数据包括教研活动、户外教学、课程教学、线上教学等教学数据，多媒体素材、在线课程、电子教材、学科工具等数字资源数据，教师、学生、学校、其它机构等管理数据，图书借阅、健康运动、社交、娱乐等生活数据，以及医疗、经济、就业、市政等其它领域的数据，这些数据在不断累积，累积的数据为教育的可计算准备了很好的物质基础。所以，我们研究数据驱动下的教育计算是可行的，符合当下的数据密集型的科研范式。数据驱动下的教育计算提供了科学的方法论，助力实现基于数据的决策支持与教育实践的革命。数据驱动下的教育计算提供了研究的新范式，促进基于数据的实证研究与科学发现。我们还希望数据驱动下的教育计算可以成为变革的新引擎，深刻改变思维方式和教育要素互动模式，促进教育创新。规模化与个性化的有机统一是今后一段时间内教育科学研究与实践的主要目标。提到教育公平以及个性化学习，特别重要的是要实现规模化与个性化的有机统一，这是解决我们人才培养问题的现实需要。这一目标给我们提出了基本的计算任务，包括3个方面：教育情境可感知；学生主体可理解；学习服务可定制。
实现三个基本任务的具体着力点包括4个方面：场景；感知；理解；服务。第一，场景——虚实结合、人技协同。场景的核心问题是人类智能与机器智能一体化新型教育人技环境。场景是利用新一代信息技术结合教育的现实。教育是一个有教师、学习者在场的复杂系统，我们要把人类的智能和机器的智能有机结合起来，构建我们新型的教育人技环境。第二，感知——量化学习过程。感知主要是指要量化学习过程，其核心问题是学习主体、学习场景、学习活动状态的深度捕获。第三，理解——数据驱动的学习机理计算。理解是指数据驱动的学习机理计算，其核心的问题是要解决学习是如何发生的问题。第四，服务——算法定义学习。服务是指通过算法来定义学习，核心的问题要解决学习服务的个性化供给问题，能够满足我们因材施教，个性化人才培养的需求。感知与理解、解构与赋能、重构与增强、教育伦理是当前教育计算发展的重点。感知与理解可以从智能感知与计算、学习认知机理两个方面理解。智能感知与计算的重点是智能感知设备与算法，包括行为状态感知、生理状态感知，以及智能感知算法的完善，我个人觉得，我们研究教育大数据、数据赋能的教育智能计算，首先要讨论的问题是，教育数据的感知以及表征，这个问题不解决，我们的很多事情很难深入。当然现在很多的专家学者做了很多有意义的工作，但是其实仅限于某个特定的产品、环节，限于某个具体的点，现在需要取得一些突破了，我们需要充分考虑到教育场景的智能感知设备以及相关算法问题的解决。学习认知机理的重点是智能计算驱动下的学习机理揭示，包括两个方面的问题：认知过程的透明化，认知模型的可解释。这两点非常重要，我们要把认知过程以及认知模型的黑箱打开。我们在结合老科学研究的基础上，要重点考虑智能计算驱动下学习机理的揭示，基于脑科学、神经影像学等揭示教育教学过程的数据，发展一种新的计算方式来揭示我们的学习规律和学习机理。也就是说，我们是否可以跳出分子层面或生物的层面，建立一种新的范式。解构与赋能需要关注个体智能化导学、群体智能调控这两个方面的问题。我们进行解构与赋能首先要关注的是个体智能化导学，个体智能化导学的重点是认知诊断与资源推荐，包括三个方面：认知诊断模型的构建，知识追踪算法的改进，智能资源推荐算法的完善。虽然我们做了大量的工作，但是目前对于资源的推荐，我们面向学科的点做的比较多，在其普适性、落地场景的应用等方面，还需要做大量的工作。群体智能调控的重点是学习群体知识建构规律。学习不仅是个体的活动，还是群体的社交活动。在群体中，怎样通过相应的研究以及科学问题的解决来揭示学习群体的知识建构规律，其中有大量的问题值得我们去挖掘。
进行重构与增强需要关注人机协作共融，重点是人-机-场的学习协同。教育新范式下的人机协作共融是指，研究以学习者为中心的情感智能交互技术，构建能够理解教师教学和学生学习行为的机器智能，建立学生、机器、学习情境等多要素间的和谐交互机制。教育伦理的重点是新型人技环境下的教育伦理的数理机制。我们讨论教育伦理的时候，可能讨论原则性、指导性的内容比较多，而且丰富充分，但我觉得最重要的是，如果把教育信息科学技术作为研究课题，是不是应该更深入一层，要研究这种新型的人技环境下教育伦理的数理机制。也就是说，从技术层面、落地实施层面，我们要解决更本质的一些东西来指导我们的实践，而且在实践当中，为技术的落地和立德树人的过程，提供相应的把关，而不仅仅是原则、指导。
注：刘三女牙，现任华中师范大学人工智能教育学部副部长，国家数字化学习工程技术研究中心/教育大数据应用技术国家工程实验室常务副主任。主要研究方向为大数据、人工智能及教育技术。
“教育信息化100人”由媒产学研联合发起，聚焦教育信息化、教育新基建、智慧教育、互联网+教育、教育技术等领域，我们正在寻找 “中国教育信息化100人”，对教育科技感兴趣或想投稿，可以添加我们微信：zhushou3721,点击下方关注我们。
华南师大柯清超：数据驱动教育变革已成为不可阻挡的发展趋势
北师大余胜泉：“开放型在线辅导”来了
华中师大吴砥：教育新基建与高质量教育体系的建设
北师大陈丽：互联网推动教育变革的七大方向
倪闽景：教育新基建的本质是行动，不是规划