ire
湮灭反应循证教育研究：缘起、困境、体系框架与实施建议作者：任萍萍 李鑫来源：《中国电化教育》2021年第12期 摘要：“循证教育”是将个体教与学经验与外部研究可获得的最佳证据结合起来指导实践的过程，该过程与循证医学在工具方法上具有相似之处，与计算教育学与神经教育学亦有联系。囿于理念、理论、工具及数据方面的限制，循证教育的发展在重视程度、支撑基础、研究过程均存在不同程度的现实困境。为此，该文建构起了循证教育“四个四”的体系框架，以帮助研究人员获得关于循证教育的宏观认识，并在领域问题选择以及工具的使用上提供指导意见。具体来说，循证教育包含了人、方法学、证据以及平台等四要素，瞄准了教育心理、特殊教育、学段教育与理论与方法研究等四个领域，借助了个案报告、关联研究、因果研究以及综述研究等四类方法，进而探讨教育中的影响因素、评价与分型、训练与干预、预后效果等四类问题。为保证该体系框架的落地，该文提供了思想观念、信息平台以及学科人才培养等方面的建设建议，为循证教育的发展夯实基础。 关键词：循证教育；计算教育学；神经教育学；元分析
中图分类号：G434 文献标识码：A
* 本文系中国博士后科学基金面上项目“面向老年认知障碍评估的语音识别、言语特征表示及其建模技术研究”（项目编号：2021M693101）研究成果。
“循证教育”理念是1996年由剑桥大学教育学院的David Hargreaves首次提出的，其在当时又称为“基于研究的教育（Research-based Education）”[1]。该名称后经过“基于文献的教育（Literature-based Education）”和“基于情境的实践（Context-sensitive Practice）”的演变，最终在1999年由牛津大学的Philip Davies正式提出[2]。他提出，“循证教育”是将个体教与学经验与外部研究可获得的最佳证据结合起来指导实践的过程。
酷我音乐盒2008 随着时间的推移，“循证教育”的内涵不断丰富，并存在两种可能的解释，一与医学相关，另一与教育相关。从词性的角度来看，如果把循证看作是名词，教育看作是动词，那么“循证教育”则可理解成为医学生或医务工作者普及循证医学的理念、方法和技术，因此该词可以更确切地说成“循证医学的普及教育”。如果把循证看作是动词，而教育看作是名词，那么“循证教育”指的是用循证的方法理解、解决教育领域的问题，因此可以说成“循证方法在教育领域的研究与应用”，这才是本文所关注的主题。
除此之外，还有一些教育领域的词汇或概念尽管从字面上看似与“循证教育”并不相关，但其在内涵上却有着千丝万缕的联系。第一个与之相近的概念是“计算教育学”，郑永和提出“计算教育学是以量化教育数据为研究对象，以计算为主要研究方法的新兴学科”[3]，与此同时，刘三女牙教授等人也强调科学量化教育场景[4]。从理念的角度来看，计算教育学提倡的“数据”“量化”属于教育中的科学主义范畴，这与循证所强调的“证据”是类似的。从方法的角度来看，计算教育学与循证教育所使用的方法和技术存在诸多交叉，其中许多是教育统计、机器学习、数据挖掘等领域的共性技术。另一个与之相近的概念是“神经教育学”，韦钰用通俗的比喻解释到，“教育神经科学就如同中西医结合的教育学”[5]，周加仙也指出神经教育学更强调“神经科学、心理学与教育学三者的结合”[6]。由此可见，神经教育学和循证教育从数据获取上都依赖于教育测量学，从研究方法上都更接近于现代医学、生物学与实验性的自然科学方法。sy-118
综合其历史沿承与近似概念辨析，“循证教育”这一概念可以从微观、中观与宏观三个层次来理解，具体如表1所示。从微观层面来说，“循证教育”是一种技术手段，重点在循证二字上，具体指采用文献回顾的方法，利用系统评价、元分析等技术对于某一主题的文献进行概括、汇总与分析，进而得出可用于指导实践的二次证据。从中观层面来说，“循证教
育”是一种研究方法，相较微观层面侧重的二次研究，循证教育在中观层面将面对一手的数据展开实验、测量与实证分析等的一次研究也囊括进来，扩大了其指代的研究范围。从宏观层面来说，“循证教育”直指教育的循证实践，面对具体的教育对象，融合科学主义与人文主义，兼顾量化与质性，统筹理论与实践[7]，成为实现教育目标的有效有力的方法论。
（一）循证教育研究的重视程度仍待提高
循证教育是科学的思维、理性的思维，其在教育治理方面、在学科发展方面都具有十分强烈的现实需求，然而我国的循证教育研究仍处于起步阶段，仍需不断提高重视。
在教育治理导向方面，各国政府在教育领域使用循证的理念与方法进行教育的治理、决策由来已久。1993年，伦敦大学教育学院成立了英国政策与实践信息协调证据中心（The Evidence for Policy and Practice Information and Coordinating Centre，EPPICentre），用于整合研究资料为决策提供可靠参考，其中的研究方向就包括了教育。在其影响下，20世纪90年代末，英国政府在制定的“政府现代化”白皮书中明确提到“政府期望更好的利用证据和研究方法来制定政策”，进一步明确了循证方法作为政府决策的行为准则[8]。2002年，美国教育科学研究所为响应NCLB法案建立了“有效教学策略网”（What Works Clearhouse，WWC）[9]。该网站通过查阅、筛选、评价、整合相关教育研究资料，为公众与教育决策者提供高质量的教育治理科学依据来源。美国政府的这一政策具有延续性，到了2016年，奥巴马政府升级NCLB法案成为了《让每一个孩子成功》法案，其中提到“不得支持向学校传播不科学的、没有医学证据的或者不准确的材料”，进一步强化了循证教育的地位。除此之外，多国政府和机构都建立了自己的证据分享平台，如约翰斯·霍普金斯大学建立的Best Evidence Encyclopedia（BEE），以及在美国教育部资助下建立的Comprehensive School Reform Quality Center（CSRQ）等[10]。我国政府高度也重视对于教育规律的探索，如2018年1月，在《关于全面深化新时代教师队伍建设改革的意
见》中再一次强调“遵循教育规律和教师成长发展规律”。此外，“循证”作为探寻教育规律的方法之一，已经开始了多种尝试，例如我国建立了Campbell中国联盟，并且建立了循证社会科学数据库。然而，这些实践处于发展的初期和探索的阶段，并不足以支撑教育治理对循证教育研究的巨大需求，仍需要開展更加多元的实践探索。
泉州移动网上营业厅
在学科发展的需求方面，教育学科与其他学科相互整合，例如教育与心理学的融合形成了教育心理学，教育与信息技术的融合形成了教育技术学。学科交叉融合的一个明显的好处是新的研究方法和技术的引入。例如，教育学是研究人类教育活动及其规律的社会科学，该学科的本质属性决定了其主要的方法学手段集中于质性研究、理论研究和比较研究，而循证教育的发展将实证研究、实验研究、系统评价以及元分析研究等方法带入其中。尽管越来越多的研究人员和机构开始使用自然科学研究的方法来探究教育领域的问题，但这些方法的普及率在教育学领域仍然不高、亟待推广。2018年，国家自然科学基金委首次在信息科学部下增设用于支持教育科学研究的代码“F0701”（教育信息科学与技术）。这一研究代码的设立不仅仅表明国家支持自然科学与人文科学的交叉研究，同时也将信息科学、认知科学、神经科学的量化研究方法引入教育学中，焕发了教育学研究的生机。
（二）循证教育研究的支撑基础仍显薄弱
循证教育研究的开展依赖于理论、人才和数据的积累。三者作为循证教育的可行性支撑，缺一不可。而现实情况下，三者均存在不同程度的局限性，制约着循证教育的开展。
一是领域的理论原理融合不够。一方面，医学实验的基本原则对于教育领域的制证是适用的，例如随机化、对照、盲法、偏倚控制以及伦理要求等[11]。这些基本原则在研究中控制得越好，循证教育的输入素材质量就越高。然而，为更好支撑教育领域中所有的研究实践，仍需要把教育学中的底层原理与医学原则结合起来，这些底层原理包括了本体论、认识论等。另一方面，虽然医学等领域的实验设计方案可以适当迁移至教育领域，例如随机对照、队列研究、病例对照研究、横断面研究、病例分析等，但由于教育研究的对象是人，这限定循证教育在大多数场景下只能开展准实验，因此，其他领域“真实验”的方案设计、分析路径等并不能够完全适用于教育研究，需要加以改造。可见，教育领域的循证研究需要在理论原理及其领域适用性上进行创新性的改良。
烟草专卖行政处罚程序规定
二是研究问题及人才的储备有限。循证教育的研究问题、分析文献、人才队伍尽管有所准备，但仍显储备不足。其一，循证教育研究对象和问题继承自原来的教育学领域，并
不存在无中生有的情况。随着研究的广泛开展和深入探讨，百家争鸣的不同观点、结论、信息、资料与文献随之出现，这既为循证教育的开展提供了丰富的一次证据，也为阶段性辩证地回答教育問题创造了需求。然而，这类辩证的互斥观点难得一见，这直接制约了高质量的研究问题的提出。其二，在人才队伍方面，从事循证教育的研究人员需要多种能力，如掌握统计学、数据分析、大数据、数据挖掘等实用技术，需对教育理论和心理学实验方法有一定的了解。当前高校中培养具备上述能力人才的专业屈指可数，且大多人才并未涉足该领域。
三是研究数据支撑薄弱。从中观层面来看，循证包括了制证与用证两个部分，其证据多以数据形式呈现和展示，因此数据对于循证教育研究的开展至关重要，涉及采集、分析及共享等多个方面。首先，传统教育实验中的数据来源依赖问卷、量表，通过该方式获得的数据偏静态、量少且维度不够。一些前瞻的教育测量手段仍未被普遍应用。例如心理学领域新兴的仪器设备将教育数据从行为学扩展到了脑影像、生理信号等的测量，而这类方法仍停留在实验室阶段，未走入寻常教学活动中。其次，分析技术对数据的加工有助于获取高质量的二次数据，进一步丰富了数据的深度。以用户行为学数据为例，传统的数据分析技术主要集中在模块计分、指标合成与统计学的检验。但面向脑影像、电生理数据的神
经计算方法仍未普及使用。最后，教育数据缺乏普遍的共享。传统的研究以小样本为主，从设计、收集到分析的过程链条长、精力投入大且经费消耗不菲。共享技术的普及使得研究人员获得他人分享的研究数据成为可能，将极大加速基于数据的教育研究，进而促进循证教育研究的发展。反观现实，多数研究人员以持有特有的数据为研究壁垒和“独门绝技”，不利于数据价值的最大发挥。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议