摘 要：知识生产的历史就是人类生产劳动的历史。人工智能时代，新兴技术推动了教育学知识生产的转型，知识生产的主体从单一个体到群智协同，知识生产的过程由基于经验到数据分析，知识形式从原理形态转向差异（交叠）形态。这在一定程度上提升了教育学知识生产的客观性和科学性，但是人工智能时代的教育学知识生产也隐含着数字偏见、价值失控、数字致瘾等危机。应对智能时代教育学知识生产危机，并不能断然拒绝智能技术在知识生产中的应用，而是让技术在教育学知识生产中合理介入，同时注重体现人文主义精神，让技术与人文共存、相融，形成教育学知识生产的数字人文路径。

关键词：人工智能；教育学知识生产；数字人文

知识生产与劳动生产活动是相一致的。从农业时代到工业社会，人类知识生产发生了根本性变革。当前，我们正处于人工智能时代，智能技术引领的信息革命，深刻地改变人与自然的互动关系，“人机共生”和“人物一体”的全链接状况成为常态，这引发了知识生产条件和方式的重大转变。借助于智能技术，教育学知识生产的规范性、科学性得以增强，但是智能时代的教育学知识生产也危机重重，这需要我们认真对待，重构人工智能时代教育学知识生产的方法和路径。

一、人工智能时代教育学知识生产的转型

智能技术推动了教育学知识生产的现代转型，从知识生产的主体到知识生产的过程，再到最终形成的知识形态，都发生了前所未有的变革，这对于我们掌控教育学知识生产的方向具有重要的前提性意义。

（一）知识生产的主体从单一个体到群智协同

在农业经济时代，人类对客观世界的认识和把握仅仅停留在感官所能触及的层次上，所以我们理解的世界是基于人们生活所及的世界，由此形成经验形态的知识。就教育学而言，自人类社会产生，我们就一直探索教育的奥秘，孔子、苏格拉底、孟子、柏拉图等都形成了各自的教育思想，并对中西方教育理论产生深远、广泛的影响。然而孔子等人所创造的教育学知识是基于他们的教育经验，是对教育中某些问题的特定认识，这时的教育学知识具有极强的个体性，知识生产也以个体为单位。来到工业社会，欧洲率先实现了知识形态的革命性转变，强调系统推理且普遍适用的原理形态的知识应运而生，原理形态的知识源于经验，但又不像经验形态的知识那样止步于经验描述，而是对经验背后规律性的探究、把握，陈述不受特定经验规约的普遍性原理。但是基于经验并超越经验，从而提出知识原理，并不是任何人都可为，就如大多数人有关于物理的生产生活经验，唯独牛顿、伽利略等少数个体提出了物理学的原理。现代知识生产高举科学大旗，对于知识生产者的资历提出了更高要求，并不是参与教育活动的任何人都可以成为知识生产者，面对教育学知识科学化、合理性的要求，那些接受过正规学术训练的专业从业人员才能进入知识生产体系中，而拥有丰富教育体验的教师、旁观教育的社会人士、服务教育活动的教育管理者等主体，由于他们的教育经验不具普适性，这些主体的知识和经验不能进入教育学科中。可见，在农业经济时代和工业社会中，教育学知识生产的主体具有显著的个体性和单一化特点。

当前，大数据、人工智能等信息技术的跃起，改变了知识观及知识生产的主体。知识如今具有了网络的属性，这个网络，存在于政府、商业、媒体、图书馆、博物馆，以及人们交流时的想法中……当知识变得网络化后，房间中最睿智的那个，已然不是屋子前面给我们讲课的那个，也非房间中所有人的集体智慧，而是房间本身：是包含其中所有的人与思想，并把他们与外界联结的这个网。^[1]这意味着，知识不再是所谓权威专家的专属物，而是网络结构中的集体智慧，这一网络中的每一个人都是知识生产的主体。知识生产的人不再是专门从事知识生产的知识分子，而是各式各样的社会行为主体，知识的生产与进化是在去中心化的协作网络中完成，协作关系成为了知识创新的动力。^[2]智能时代教育学知识生产的主体也表现为群智协同的特点，教师、学生、学校、教育管理部门、校外教育机构、社会民众都能为教育学的知识生产贡献数据，智能技术对海量数据进行挖掘、计算和分析，从而生成对教育的新认识。

（二）知识生产的过程由基于经验到数据分析

人工智能时代以前，人类知识的生产依赖于经验。经验形态的知识是古人基于长期的生产体验和生活阅历，对具体时空境遇的经验描述；原理形态的知识也并非反对经验，而恰恰是非常重视和依附经验的，只是在知识存在形式和知识理论体系上超越经验，打破特殊生活场域的束缚，对不同境遇下的事物都具有指导性。^[3]知识生产的经验依赖性在人文学科中体现的尤为明显，“老学者”往往用来形容一位研究者资历深、权威高、话语重，因为他拥有丰富的学术经验和人生经历。我们周密建构的、看做通向真理之路的理性知识，不过是基于一种起初就知道自己必死的生物在某个特定时间和空间内的生活经验。^[1]也正是由于知识生产的经验依赖性，导致教育学不被承认为一门科学。即便是把教育学视作一门科学的念头，也会使人感到忐忑和难堪。教育学是一门次等学科（subdiscipline），把其他“真正”的学科共冶一炉，所以在其他严谨的学科同侪眼中，根本不屑一顾。^[4]

美国著名的数据库专家詹姆斯·格雷提出“科学方法的革命”，认为科学研究依次经历了经验科学、理论科学、计算科学和数据密集型科学四个阶段，与之相对应的研究范式分别是经验范式、理论范式、模拟范式和与大数据科学相匹配的第四范式。^[5]进入智能时代，大数据和信息技术将教育中各个要素数据化，同时，与教育相关的个体、团体、机构、部门也贡献了海量的教育数据，教育学开始向数据密集型科学转变，教育研究也走向第四范式。基于智能技术的第四范式中，知识生产者不是根据自己的经验开展研究，也不是对某一特殊教育现象进行解读，而是进行数据分析，充分挖掘数据背后隐藏的教育规律，用数据表达观点，夯实了教育学知识生产的实证根基。需要说明的是，这里的“数据”不是“小数据”，而是“大数据”，大数据不是通过随机样本进行分析这样的门路，而是采用所有数据的方法。^[6]在大数据时代，所有社会现象几乎都可数字化，数据获得更加便利，通过云计算，数据处理更加容易，这就为对教育现象进行全景式描述奠定了基础，如此一来，基于教育大数据的知识生产更具普适性，不再是仅凭局部数据得出适用特定范围的论断。

（三）知识形式从原理形态转向差异（交叠）形态

18世纪以降，自然科学的迅猛发展及其成果转化应用，不仅改变了社会生产方式，还促进人的观念的蜕变，现代知识观由此生成。现代知识观认为，在自然科学研究方法基础上对世界的认识才是知识，并将自然科学研究方法视为知识生成的唯一正当途径。要想获得“科学”的资格，教育学知识生产也不可避免地遵从现代知识观的指导，期望生成如物理学、数学那般普适性的原理形态的知识。赫尔巴特的《普通教育学》标志着教育学学科体系的初步确立，该著作具有显著的科学主义特征，这为教育学知识符合现代知识观奠定了基础。从此，教育学者们为建构系统、完善、独立的知识体系，谋求教育学现代学科的地位而努力。

根据历史唯物主义，知识生产的历史，即是劳动生产活动的历史。原理形态的知识与工业社会的标准化生产相适应，原理形态的知识是大工业和集中化生产对知识生产提出新要求的结果。同理，人工智能时代的新兴技术也必然带来知识生产的变革。譬如，互联网为人们思想的碰撞、知识的传播提供了技术平台，从而催生新的知识形态，这种知识便是（差异）交叠形态的知识。由于信息技术，任何人的观点都可以通过网络被其他人关注，知识生产已经不再是学科专家的专属权利，要构建一个恒久不变、一致认同的知识体系似乎已经变得不可能。曾经我们自以为我们在事实的基础上建立了不可撼动的知识宫殿，但恐怕仅仅是因为那些振臂高呼的不同观点并没有被公众听到。^[1]但在智能时代，不同领域的看法，甚至非专业人员的意见，会最终体现在知识体系中，这样的知识具有丰富性、差异性、公共性、交叉性和未决性的特点，这便是（差异）交叠形态的知识，智能时代的教育学知识也属于这种知识形态。对于教育学知识生产者来说，收集研究素材和使用分析工具都变得异常简单，超级丰富的在线世界几乎可以为我们提供研究的全体样本，智能分析软件让我们不再为处理数据素材而苦恼，机器把丰富、复杂的研究素材变得可视化了。更重要的是，智能机器对教育大数据进行分析时，没有将“不合时宜”的数据剔除掉，而是包容各式各样的数据素材，并将这种差异体现在研究结果上。这就意味着，智能时代的教育学知识体系囊括了来自专家学者、一线教师、学习者、教育管理者以及教育系统外人员的意见。

二、人工智能时代教育学知识生产的危机

技术革新推动了人类社会变革，这种变革既包含惊喜也存在隐忧。长期以来，科学都是现代的主要正统力量，它本应是净化空气的真理之风，却恰恰污染了空气、助长了洗脑、提供了战争武器。^[7]在人工智能的加持下，教育学知识生产的过程更加科学、规范，教育学知识更符合现代知识的标准。然而，人工智能在教育学知识生产中的应用也潜在各种危机，不同性质的数据供给导致数字偏见，技术的自主性让知识的价值表达失去人的控制，教育学知识的过度精确化表达导致数字致瘾。

（一）人工智能时代教育学知识生产的数字偏见

尽管以往的教育学知识生产也表现出个体合作的特点，但是作为知识生产者的不同个体的性质却是同质的，即都是专业的教育研究者。人工智能时代，教育学知识生产的主体变得多样化，教育学知识的构建不再是某一特定人员的专属权利，而是群智协同的结果。如前所述，当今处在网络中的任何主体都能为知识生产贡献智慧，也就意味着为教育学知识生产提供的数据越来越呈现出多层化、多元化、结构化与非结构化并存等表征，这固然能为知识生产提供全面地事实基础，但也存在数字偏见危机。

首先，数据的异质性影响教育学知识的公正性。作为知识生产的素材，教育大数据具有异质性大的特点，从数据来源上说，网络空间、物理世界和人类社会三个性质各异的空间都提供了海量数据，这些数据在理论上能够描绘出教育现象的全貌，但是需要建立在三个空间提供的教育数据具有同样特质的基础上。^[8]现实情况是，三个空间教育大数据的价值具有高度的场域依赖性，即一个空间的教育数据的内涵必须由这一场域的其他因素加以解释、说明，因此教育大数据中的每一个数据有其“数据附件”，这些“数据附件”影响有效信息的提取。而三个空间的教育数据的表征方式有差异，这些不同空间中教育数据的“数据附件”又具有异质性，导致教育学知识生产对三个空间教育大数据的依存性不同，由此产生的教育学知识仅仅反映局部，而不是整体，教育学知识有失公正。

其次，数据的异质性导致教育学知识的偏颇。多个渠道、多个领域汇集形成的教育大数据，可分为结构性数据和非结构性数据。结构性数据是高度格式化的数据，它可以用具有固定结构的数字符号去表示，容易被计算机搜索和识别。非结构性数据是结构性数据之外的所有数据，它不符合任何预设的模型，不容易被组织或格式化，很难用数理符号去表达，它可能是文本的或非文本的，也可能是人为的或机器生成的。这两类教育数据有很大的异质性，对教育问题的表征方式也不同，智能机器更容易识别结构化数据，结构化数据的表达方式更符合智能设备的运算法则，而非结构化数据则相反。因此，当我们用智能机器去分析教育大数据时，结构化数据所承载的教育信息更容易被算法提取出来，而非结构性数据，由于其非特征性和歧义性，难以被计算机所理解。由此导致教育学知识基本建立在结构性数据的基础上，非结构性数据被忽略。其背后隐藏的问题是，教育学知识是官方或主流学者的观点表达，因为只有他们才有实力发布结构性的数据，而非结构性数据多是来自民间或少数派的主张，由此生产的教育学知识疏漏了那些力量微弱的教育呼声。

（二）人工智能时代教育学知识生产的价值失控

长期以来，人们一直选取自然科学作为一切知识应该追求的理想，因为自然科学，特别是其可定量的方面，能在很大程度上超脱于研究者的历史－社会视角，对真知的解释才可信，若想要获得的知识旨在把握质，则为此做出的所有努力都价值较低。^[9]可见，我们对自然科学的崇拜发展到了无以复加的地步。自然科学秉持“主客二分”“价值中立”的原则，使其成为“科学”的代名词，人文科学为了追求自身的科学地位，也效仿自然科学的研究范式，马尔库塞对此批评道：“导致在数学框架内来解释本质的定量化，把现实与一切固有的目的分离开来；进而，又把真与善、科学与伦理分离开来……不管作为观察、测量和计算中心的主体的作用多么重要，该主体都不能作为伦理、审美或政治的行为者来发挥科学作用。^[10]

定量化之所以能将事实和价值隔离开来，是由于技术产品在科学研究中应用。传统的观点认为技术产品是中立的，它可以剥离人的主观观念，从而客观地呈现外部世界的本真面目。但是随着技术的进化，自主性技术观念开始对我们曾经认为完全可靠的观点提出了质疑，尤其伴随着人工智能技术的不断成熟，技术产品具有了自主性。我们的技术工具不时呈现出自我持存和自我生成的一面，人类在网络中仍然具有一种名义上的存在，但是他们已经失去了主动指挥者的角色，并且往往不加批判地遵守他们声称要支配的那些系统的标准和要求。^[11]然而，智能技术并不像马尔库塞所批评的那样，让事实和价值泾渭分明，事实上智能系统所呈现的事实包含了价值观念，只是这种价值观念并不一定与人类的主张一致。

在教育学知识生产中，智能技术对数据材料的分析需要有既定的算法程序，这种算法规则并不是由人来设定，而是机器自主习得。人工智能技术有三大基石：大数据、深度学习和云计算。智能技术之所以有自主性，体现出“智能”，根本原因是有大数据的支持，智能机器能够对数据资料进行全新的分析和总结，从大数据中寻找特征、发现规律、总结模型，发现某种“套路”，这就是深度学习，而智能机器具备处理天文级数据的能力，则依赖于云计算。从智能技术的工作原理看，智能时代的教育学知识生产遵循着机器系统自主习得的某种逻辑，最终生成的知识系统并不是“价值无涉”，而是在表达着某种价值理念，只是这种价值表达失去了人的控制，因为对于人来说，机器深度学习的过程及其生成的算法规则是一个“黑箱”^[12]，失控成为必然。

（三）人工智能时代教育学知识生产的数字致瘾

一切技术发展的最后决定因素，在于人类劳动的省力化。施密特认为，人类的劳动和表现日益省力化分为三个阶段：一是工具的阶段，即劳动所必需的物理能量和所必要的智力投入，都还依赖于主体；二是机器的阶段，即物理能量被技术手段客体化；三是自动化阶段，即技术手段使得主体的智力投入也变得不必要，因为技术达到了它在方法上的尽善尽美。^[13]而人类已经进入智能时代，技术已经不只是自动化，而是数字化和智能化，它能够自主学习并做出决策，人类的省力化进入更高境界，只需较少行动或仅需语音命令就可以妥善安排自己的生活和工作，人们沉湎于数字化的生产生活方式，“数字时代的境况和氛围比历史上任何时期都更容易让人上瘾……社交媒体彻底塑造了当代人的头脑。”^[14]

教育学知识生产也难逃数字致瘾。在追求科学化的道路上，教育学从未停止脚步，但却从未染指科学的标准，直到人工智能、大数据、物联网等技术的不断成熟，为教育学知识生产能够赶上自然科学研究的步履提供了支持和保障。利用智能软件，可以将原本复杂的教育现象数字化，用数理符号呈现研究结论，这不仅在程序上符合科学标准，在研究结果上更是能摆脱人的主观观念，教育学知识的客观性由此达成。这种知识生产的方式不仅便捷，而且更贴合科学的要求，从此人们热衷于对教育现象进行数字化加工，把教育研究的结果进行数字化表达，形成数字致瘾。

教育学知识生产的数字致瘾背后是知识生产虚无和知识共享危机。在教育学知识生产中，存在这样一种现象，即事实材料丰富、分析工具先进、研究过程规范，从形式上看来，这是一项有价值、有实质知识产出的研究，但结果却是用数理方法验证了早已形成的共识，看似“热闹”的背后是知识生产的虚无化。即便一项研究可以产出有价值的知识，但是知识的数字化表达又会给知识分享带来障碍，教育研究者作为人文学者，一般比较缺乏信息技术基础，他们对数字技术非常陌生，不能清晰地把握研究过程和研究结论，知识交流和观点论争并不会发生。更重要的是，任何一位知识生产者都在追求知识的独特性，这可以让他们的知识产出得到关注，增加知识生产者自身的价值，故他们刻意进行数据筛选或者追求方法和工具创新，生成独特的知识体系，这会影响知识在大多数教育学人中的分享。

三、人工智能时代教育学知识生产的重构

大数据、云计算、人工智能、虚拟现实、移动互联网等技术的完善和应用，让人们的生活和生产方式发生重大变革，也深刻影响着人文学科知识的生产和传播。智能时代的教育学知识生产，一方面需要借助数字技术，创新研究范式，增强教育学知识生产的科学性；另一方面教育学作为一门人文学科，必须继承和发扬人文主义传统。只有把各种不同的认知方式和它们各自的认识论并置起来以后，才能创建一种更为基础性的、涵盖范围更广的认识论。^[9]数字技术与人文研究方法相结合，成为“全球性的、超越历史和媒介的创建知识和意义的途径”^[15]，数字人文成为智能时代教育学知识生产重构的新路径。

（一）教育学知识生产需要数字技术增强

长期以来，教育学以质性研究为基调，教育学知识生产的过程充满了主观、笼统、情感和偶然，其科学性备受质疑，然而这一切都随着智能技术在教育学知识生产中的应用而发生改变。智能技术的不断进化以及教育大数据获取的便利，让教育学知识生产也朝着数据密集型科学的方向发展，在数据技术的支持下，教育学知识生产的科学性、普适性和客观性得以提升。

首先，“基于数据”保证教育学知识生产的科学性。教育学是人文学科，是成人之学，因此人文性受到多数教育学者的青睐。有研究者认为教育学知识生产应坚守人文立场，教育学知识生产“以个人体验为起点，是自觉地、境遇式实践智慧的结晶”^[16]。也有研究者主张“觉悟乃是人文研究的基本方法”，唯有如此，才能“对人的存在的整体性、丰富性深入理解与对个人命运深切同情”，“彰显历史与文化之中人的个性、个体人格的独立性、价值性”，“坚持人文理想而又脚踏实地是教育研究人文意蕴的旨归”。^[17]在教育学知识生产中彰显人性本无可厚非，若过分强调人文性，则会成为人们诟病教育学知识生产缺乏科学性的理由。而“基于数据”的教育研究摒弃了从“主观”出发的研究路径，从海量数据中归纳、总结教育规律，用数据表达观点，夯实了教育研究的实证根基。

其次，“全景描述”确保教育学知识的普适性。与传统教育学知识生产的小样本分析和局部探究不同，建立在大数据与数字技术基础上的教育学知识生产，可以对教育现象进行全景式呈现。与自然学科相比，教育问题与人密切关涉，具有显著的复杂性，这就需要将与教育问题一切相关的要素进行数据搜集和分析，只有如此才能较全面地反映问题的实质。如此建构起来的教育学知识才是普遍性原理，不是基于独特体验的个人观点。最后，“技术介入”提高教育学知识生产的客观性。传统教育学知识生产体现为研究者对教育问题的观察、分析和诠释，这不可避免地将人的价值观念卷入其中，教育学知识也就成了人的主观表达，这与“价值无涉”的科学精神相悖。大数据时代的教育学知识生产需要处理海量数据，这非人类智能所为，因此数字技术开始介入知识生产的过程。而技术具有价值中立性，它不携带任何情感、观念，形成的知识也就客观。

（二）教育学知识生产需重启人文主义传统

美国社会哲学家刘易斯·芒福德坚信，科技具有人文传统，这一传统建立在“以尘世为中心、接近自然、符合人性的模型”之上，为了避免“巨机器”（megama-chine）的灾难性进程人类必须回归这一传统，“替换掉机械世界图景，将现在给予机器和电脑的优先地位赋予人，而后者正是生命的最高展现”。^[18]在技术无处不在的当下社会，我们不能任由技术摆布一切，否则世界将变得冰冷无情，重启人文主义传统势在必行。

在教育学知识生产中，先对教育现象进行数字符号抽象，进而通过既定计算程序对数据进行整理、剖析和概括，各种相关关系和可视化图表成为教育学知识的表达形式，数据和计算剥离了人的观念，教育学知识开始走上自然科学式的生产道路，研究者也更推崇数理逻辑和计算思维。马克斯·韦伯说：“再也没有任何神秘莫测的、无法计算的力量在发挥作用，人们可通过计算掌握一切，而这意味着为世界除魅。”^[19]因此，在数理逻辑下，教育世界变得清晰、简单。

然而，由于教育学的人文学科属性，决定了数字技术增强教育学知识生产具有一定限度。不可否认，数字技术在一定程度上推动教育学知识本身及其生产过程的科学性，开拓了研究视野，但是教育问题远非单纯依靠数字技术就能描述和解决的，人的自由、尊严、价值、民主、理性等因素无法用数字衡量，教育学知识生产需继承人文主义传统，深入生命的内部来对生命的历程加以“体验”“重演”“理解”和“解释”。

其一，从学科归属上来说，教育学是人文科学，在该领域，对于同一个现象或问题有不同的认识和看法，才是一种科学的研究立场。著名历史学家何兆武先生针对历史学研究说过：“史料本身是不会发生改变的，但是历史学家对史料的理解则因人而异。”^[20]史料作为早已存在的客观事实，不会发生变化，对于史料的解读则见仁见智。教育学与历史学相似，对于相同的教育现象或教育问题，具有不同哲学观、价值观、教育观的研究者对它的解读也就有差异。

其二，从教育的实质来讲，教育是人的精神活动的外化，它包含事实和价值两方面的内容，教育问题既包含事实，也蕴含价值。对于教育事实，可以通过数字编码、数据分析的方式进行研究，但是教育价值问题却不能。教育构建者赋予教育的目标期待、教育活动的直接参与者投入的情感、教育活动中传播的价值观念等因素不能或无法准确用数字表达。因此，数字技术只能局限于描述教育事实问题，教育价值问题需要坚持人文科学的研究范式，而人文科学的研究范式必定包含着对生命的敬畏、理解、关怀、尊重和诠释。

（三）教育学知识生产坚持人文与技术相融合

一直以来，我们总是将科技与人文对立起来，认为二者非此即彼，但现实表明，技术与人文的融合正在发生。数据库、应用程序、数字工具已经对人文学者可利用的资源类型和研究方法产生了强大影响，人文知识生产发生了不可逆转的变化。因此，人文学科需要适应这种变革，主动借助数字技术对现有知识生产方式进行拓展，但同时也要坚守人文科学的属性，继承人文主义传统。于是，当传统人文遇上数字技术，数字人文就产生了。

数字人文致力于将数字技术融入人文学术研究中，为人文学术研究提供新的方法。数字人文为教育学的知识生产提供了新的视角和方法，要保证教育学知识生产的科学、有效，这需要包括教育学人在内的知识生产者做出以下努力。

第一，教育学知识生产者需要加强数字信息技术素养。受学术传统的影响，教育学者的信息技术、软件应用等素养不够，往往远离科技发展前沿，无法有效利用新兴技术解决本领域的问题。这就需要教育研究者具备一定的数字技术基础，从而能够参与到工具开发、数据库建设、程序编制等环节中，掌握数字技术的算法原理。

第二，教育学知识生产者要避免技术迷恋。数字技术能够帮助研究者解决人文学科已经存在而传统人文研究方法无法攻克的问题，这让研究者沉醉于“技术万能”的梦幻世界。研究者只有正确看待数字技术并恰当应用数字技术，打破技术至上的认识误区，以此实现人与机器更好的有序共处，才能有效“与数字技术抗衡”。

第三，教育学知识生产者应坚持主观判断。在教育学中，对价值、文化、观念的重要性以及深层意义等问题的探究是必要的，研究者在关注可证实、可量化事实的同时，也要强调主观判断，避免让技术替代研究者做出抉择，否则就会让人在参与教育学知识生产中沦为技术的附庸，失去了价值表达的权利。因此，教育学知识生产者需要进行必要的批判性和反身性思考。

参考文献：

[1][美]戴维·温伯格.知识的边界[M].胡泳，高美，译.太原：山西人民出版社，2014：11-12，282，64.

[2]Gibbons M.The new production of knowledge:the dynamics of science and research in contemporary societies[M].London:Sage,1994:36

[3]韩震.知识形态演进的历史逻辑[J].中国社会科学，2021（6）.

[4][美]伊曼纽·华勒斯坦，等.学科·知识·权利[M].刘健芝，等，译.北京：生活·读书·新知三联书店，1999：43.

[5]Tony H,Stewart T,Kristin T.The fourth paradigm:data-intensive scientific discovery[M].Washington DC.:Microsoft Research Press,2009:18.

[6][英]维克托·迈尔－舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013：39.

[7]Paul G.The new reformation:notes of a neolithic conservative[M].New York:Random House,1970:21.

[8]刘金松.大数据应用于教育决策的可能性与潜在问题研究[J].电化教育研究，2017（11）.

[9][德]卡尔·曼海姆.意识形态与乌托邦[M].李步楼，等，译.北京：商务印书馆，2017：337，339.

[10][美]赫伯特·马尔库塞.单向度的人———发达工业社会意识形态研究[M].刘继，译.上海：上海译文出版社，2008：117.

[11][美]兰登·温纳.自主性技术———作为政治思想主题的失控技术[M].杨海燕，译.北京：北京大学出版社，2014：24.

[12]王旦，张熙，侯浩翔.智能时代的教育伦理风险及应然向度[J].教育研究与实验，2021（4）.

[13]吴国盛.技术哲学经典读本[M].上海：上海交通大学出版社，2008：518.

[14][美]亚当·奥尔特.欲罢不能：刷屏时代如何摆脱行为上瘾[M].闾佳，译.北京：机械工业出版社，2018：10.

[15][美]安妮·伯迪克，约翰娜·德鲁克，彼得·伦恩费尔德，等.数字人文：改变知识创新与分享的游戏规则[M].马林青，韩若画，译.北京：中国人民大学出版社，2018：3.

[16]朱旭东，吴原.教育研究的传统与科学化[J].教育研究，2011（4）.

[17]刘铁芳.教育研究中的人文意蕴[J].教育研究，2008（11）.

[18]Lewis M.The myth of the machine:the pentagon of ower[M].New York:Harcourt Brace jovanovich,1970:413.

[19][德]马克斯·韦伯：学术与政治[M].冯克利，译.北京：生活·读书·新知三联书店，1998：29.

[20]何兆武.历史理性批判论集[M].北京：清华大学出版社，2001：9.

责任编辑：桑尔璇