大數據之於教育研究「科學化」的價值與局限

原題：論大數據之於教育研究「科學化」的價值與局限

作者：張務農

刊期：2018.08

科學化一直是教育研究孜孜以求的目標，但教育具有人文性，科學方法與人文旨趣的不同訴求使自然科學研究方法在教育領域的推進一直遭遇阻力。大數據方法能在多大程度上調和二者的矛盾？

大數據之於教育科學數據：

質的跨越?

科學數據來源於科學活動中的觀察和測量，以及由此派生的數據。科學取數是有意識、有目的的活動，目標是獲取現象的證據。由觀察和測量得來的數據不僅是現象的「證據」，而且是現象顯示其存在的唯一途徑。從數據本身的質量來看，科學數據是一種受控數據、純凈數據、簡化數據。

科學數據的上述特性與自然科學的發展相得益彰，但與人文社會科學的內在訴求存在矛盾。在社會科學領域，由於人文社會環境中的影響因素極其複雜，受控取數變得異常困難，取得的數據總是受到懷疑。另外，受控取數獲得的是簡化的數據，因而說明的也是簡化的現象。人文社科領域更多秉承有機的世界觀和方法論，與機械還原論的自然科學研究方法難以相容。因此，「科學數據」難以有效揭示人文規律。

人文領域是否有規律？大數據能否揭示？大數據反映的是世界的本來面貌，大數據不僅可以表達事物的輪廓與色彩，還能夠記錄人的行為、習慣，甚至心理活動。技術的發展正在不斷昭示先前不能被數據化的東西正在實現數據化。「世界萬物都有數據化的形式，都可以被數據化」，「世界不再是由一系列的自然事件和歷史事件構成的，世界的本質是由數字構成的」。因此，人文領域也可以被數字化，也可以通過數據揭示其規律。不過，該使命只有通過大數據才可能實現。

大數據之於教育研究

科學化：新的突破?

●「大數據」作為教育研究的對象

教育領域是一個價值意義系統，不具客觀性，這是教育研究難以科學化的根本原因。經典科學研究方法對教育研究的科學化嘗試只不過是將教育領域中的師生主體排除在外，抽離出一種抽象的教育結構，或者付諸於生物神經學的研究路線。但大數據方法只需擁有數，且不苛求數據的來源，從而不再囿於經典科學的取數方式，打破了經典科學範式的基礎，將曾被認為的非科學數據全都納入了分析框架。可以認為大數據方法的研究對象只有數，對象是數，方法是數，結論還是數。大數據方法並沒有拋棄經典科學對科學的定義，但它打破了經典科學範式的數據潔癖，包容了更多的數，同時也拓展開了更多的可能。

●大數據方法與教育研究數據的提取

大數據具有跨界性，彌補了經典科學數據自成體系的分割狀況，不同數據之間的交流與融通能為教育研究者提供更為全面的數據。大數據記錄的是相對原始的數據。它沒有經過科研人員的條件控制，也沒有經過科研人員的主觀加工，機器對數據的記錄與人相比能夠更好地剔除人的主觀認知偏見。不過科學實驗數據等人為數據也是大數據的構成部分，但它要被重新放在更複雜的數據系統中得到檢驗和發掘。正是在更寬廣的數據視域和更複雜的數據聯繫中，教育的「人文規律」才可能像自然科學規律一樣被揭示出來。

●大數據方法與教育研究證據的呈現

證據是教育科學研究的基本前提。經典科學研究方法中的證據是可重複出現的證據。但教育空間截然不同於自然科學實驗室。教育空間的生活世界屬性使得教育事件不可控、不能控、不應控，證據缺乏可重複性。因此，教育研究的證據範圍更為廣泛，不僅應包括「重效果和技術主義的證據」，還應包括「理論證據和人文證據」。教育活動中的人文證據，如學生個體的情感表達、情緒體驗等方面的證據往往不可重複，這就使得經典科學研究方法的取證方法在教育領域難以適用。大數據方法正好可以在這方面發揮作用。

●大數據方法與教育人文規律的揭示

教育領域具有強人文性、弱規律性特徵。教育領域的因果關係既不夠客觀（教育主要是價值活動），也不夠必然和恆定。大數據方法本質上是一種類似歸納法，它基於概率論，其發現的結論不具有必然性與恆常性，它只是一種心理習慣意義上的定律。而教育領域正是意義和價值系統構成的心理習慣領域。更為重要的是，具有心理習慣定律發現功能的大數據認識論是一種「創構認識論」，認識主體更容易發揮人的主觀能動性，使科學研究方法的發掘功能向求善求美的方向轉變。

大數據之於教育

科學研究：人文終結？

尤瓦爾·赫拉利在《未來簡史》一書中斷言，未來人類將不再需要自由意志，大數據將告知一切。大數據能使教育研究徹底科學化（數據化）嗎？

●教育領域仍無法徹底數字化

無論現代智能機器對人類行為的感知和記錄如何詳細，這些數據本質上仍然是「行為數據」而不是「思維數據」（內部情感、態度、價值觀、思維過程等）。另外，大數據所標榜的客觀性也是相對的。大數據雖能在很大程度上濾除數據使用者的主觀偏見，但卻難以避免數據設計師的主觀偏見。大數據方法雖不為教育現象的數據量化設定條件，也不追究數據的來源，但並不意味著數據的來源和數據的質量不重要。在當前的大數據技術方法構架中，仍然存在一些數據量化的盲區，限制了大數據潛在功能的發揮。

●大數據並不揭示客觀必然性

根據既有認識，傳統所謂科學的方法是追尋因果必然性的，而大數據方法主要揭示關聯性。這種關聯至多是一種心理習慣，本質上是概率，大數據只是記錄了類似事件出現的概率，因而它不具有必然性，只具有概然性。在教育領域，數據本身仍是現象，而不是原因，揭示背後的原因需要教師的勞動。大數據的評判和運用仍需要教師的教育學知識以及相應的批判性思維以及價值觀的介入。

●大數據仍存在自身適用局限

大數據雖是客觀的資源，但大數據滲透著技術工程師的種種偏見，因而仍具有有限的客觀性。大數據呈現的數據規律理應與研究者的經驗展開對話。另外，數據的本質就是對現象的歸一化處理，它既抹平差異，也製造新的差異。一方面，在對教育現象的描述中數據可能將任何異質的「一」歸結為同質的「一」；另一方面，數據的堆砌製造出對研究對象多少、長短、優劣的比較，而賦予教育對象數字化標籤正是教育研究領域所忌諱的。

●大數據仍受限於技術發展限制

首先，大數據與現代技術構架密切相關，但後者的發展並沒有達到理想狀態。其次，誕生於商業領域的大數據方法天生具有求用、求效的價值取向，與教育研究的訴求存在一定矛盾。最後，捕捉大數據的各種計算機軟體不是全能的，數據的記錄方法和處理方法被技術人員設定，只具有有限的功能，大數據仍然是具有某種目的性的部分數據或特定視角數據。

（本文系摘編，未標註參考文獻等，詳閱及引用務請核對原文。）

編輯：劉莉

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！