摘 要：在飞速发展的人工智能技术驱动下，教育学知识生产范式转型已成为人类智慧与人工智能融合、共同推动教育学知识体系发展的新趋势。智能机器已参与到教育研究的全流程，并基于组合技术与机器机理实现了教育学知识的机器生产，形成了区别于人类的教育学知识生产模式。在此背景下，教育研究者应当借助机器的研究能力，“负责任”地进行教育学知识生产；弥补机器研究限度，“关怀性”地进行教育学知识生产；发展高阶研究能力，“高质量”地进行教育学知识生产；引导机器研究方向，“反思性”地进行教育学知识生产。在智能机器的驱动下，教育学知识生产范式的转型使人与机器构成复合智能的教育研究共同体，形成了数字化的教育问题域与教育学新知识，创新了教育现实数据转换、教育世界虚拟镜像、教育知识链接生成三种模式下的知识生产方式。鉴于此，中国教育学人应积极探索和实践新的知识生产范式并推动“以中国为方法”“以中国为中心”“以中国为标准”的自主知识生产，进而推进中国教育学自主知识体系建设，实现中国教育学高质量发展。

关键词：教育中国化；中国教育学；教育学人；早期觉醒；思维路向

一、问题提出

以生成式预训练变换器（Generative Pre-Trained Transformer，GPT）为代表的生成式人工智能（Generative Artificial Intelligence，GAI）正在开启科学研究的新纪元，催生了区别于传统经验、理论、计算机以及数据密集型研究范式的第五范式——人工智能驱动的科学研究（AI for Science）。在第五范式下，科学研究从数据密集型向计算密集型过渡，越来越多的研究过程将由智能机器参与甚至主导，其区别于第四范式的主要特点包括：基于模型的预测与优化、机器辅助的科学发现、自动化实验设计和执行、社会科学和人文科学的应用。人文社会科学与自然科学具有截然不同的研究旨趣、研究对象、研究方法等，两者研究范式转型的步调并不总是一致。不同于自然科学对于客观真理的追寻和探索，人文社会科学更加关注人类本身以及人类所创造并赖以生存的社会之意义与价值。以教育学为例，其对于GAI等智能机器驱动研究范式变革的探索呈现出一定的延滞性，这种延迟和滞后在向数据密集型研究范式转型的过程中亦有体现。在“计算一切”的潮流中，教育学难免被裹挟其中，然而教育学者却能够对于其是否属于“可计算社会科学”保持难能可贵的清醒，这意味着教育的第四研究范式与自然科学的第四研究范式具有差异性。

当下的客观事实是，GAI等智能机器对于人文社会科学研究而言具有跨时代的意义。智能机器已能够通过文献综述提出研究问题和理论观点、产生研究材料、模拟并收集研究数据以及分析数据，促使人文社会科学研究的知识获取途径从检索式向生成式转变，思维运作过程从综合式向选择式过渡。由此带来的影响是：定量研究会进一步普及、GPT可能会成为研究者的新导师、跨学科变得更加容易、人类研究者的主要工作将可能从创造转向选择、人的智能涌现能力可能会减弱等。尽管这些影响是单点的，但是未来不排除产生具有极大意义的现象，即“涌现”出一种新范式聚焦到教育研究，智能机器在工具层面提升了研究者的科研效率与质量，在思维层面提供了新的教育研究认知路线，在范式层面拓宽了教育科学研究叙事尺度，但是GPT的不当应用或其固有的技术限制可能对教育知识产出构成潜在威胁。为应对挑战与危机：研究人员务必要审慎研判教育研究中技术对人的主体性僭越；教育研究更需彰显思想的力量；只有建立在海量文献和高质量问题提出基础上的人类智能和机器智能的学术对话，才可能指向更高质量的学术成果。概言之，智能机器对教育研究的影响引发了学界热议与争鸣，但令人感到缺憾的是，智能机器驱动的第五教育科研范式的涌现却相对受到忽视。

在教育学领域，研究活动与知识生产之间呈现出一种深层次的相互依存与促进的关系。在静态视角下，教育研究是教育学知识生产的核心途径和关键机制，其研究旨趣之一便是追求高质量的教育学知识生产。在动态视角下，教育研究与知识生产相互作用，研究者通过对教育问题的深入探究，创新性地提出新的教育概念和理论，这些新知识又反过来指导和深化教育研究，形成一个持续循环、相互促进的逻辑链条。在某种意义上，智能机器驱动的教育研究既意味着教育研究方法论的革新，也可以被理解为教育学知识生产新范式的涌现。它强调人类研究者与智能机器之间的协作与互补，其核心在于利用智能机器的数据处理能力和模式识别优势，结合人类研究者特有的创造力、批判性思维和对教育情境的深刻理解等，共同推进教育学知识的生成和发展。在此背景下，教育学知识生产范式转型成为人类智慧与人工智能融合、共同推动高质量教育学知识生产的新趋势，其对于建构中国教育学自主知识体系的意义和价值亦值得深入思考。鉴于此，本研究首先对智能机器参与教育学知识生产的机制和模式进行剖析，然后尝试对人类研究者应如何应用智能机器进行教育学知识生产进行探讨，并在此基础上提出智能机器驱动教育学知识生产范式变革的思考，最后聚焦“中国化”问题，探赜智能时代中国教育学自主知识生产。

二、智能机器如何参与教育学知识生产

不同教育研究范式中教育学知识的发现、生产截然不同。经验科学研究范式主要依靠人类研究者的观察和实验发现教育学知识；理论科学研究范式中人类研究者注重将经验与理论结合，通过归纳与演绎法获取新的知识；计算科学研究范式是人类研究者基于计算机模拟和模型获得新的知识；数据密集型研究范式是智能机器从海量教育数据中提取有价值的教育信息，并经由人类研究者选择和检验后转化为教育学知识。可以看出，智能机器的价值在教育学知识生产中逐渐彰显。随着GAI技术的飞速发展，智能机器正在开启教育研究与教育学知识生产的新纪元，涌现出智能机器驱动的科学研究新范式，教育学知识不再仅由人生产，还正在被智能机器生产。教育学知识的机器生产涉及“能否生产”“何以生产”“如何生产”等问题。在第五科研范式下，智能机器以数据为基础，以算法为核心，依托自身强大的数据收集、处理、分析、计算甚至生产等能力参与教育研究全流程，从而获得了在教育研究中生产教育学知识的可能性；其基于组合技术与机器机理实现了教育学知识生产，并形成了区别于人类的教育学知识生产模式。

（一）能否生产：参与教育研究全流程

智能机器目前已经能够参与教育研究全流程并赋能各个研究环节，实现了在完整的教育研究活动中生产教育学知识。依据不同的分类标准，教育研究可以分成不同种类，但是无论何种类型，教育研究程序基本包括问题提出、文献综述与研究假设、研究设计、资料搜集与资料分析、得出结论与成果撰写等步骤。在问题提出阶段，智能机器可以挖掘隐藏于教育数据和知识背后的有教育价值的信息和潜在的教育问题。在这些有待于鉴别的教育潜在问题之中可能蕴含着有待于人类深入研究的教育真问题。智能机器通过对海量跨学科知识的学习和理解可以创建一些人类意料之外的知识链接，这些新的知识链接中可能具有新的理论增长点。可见，智能机器可能为教育研究提供新的有价值的研究方向，自动生成具有一定逻辑性和连贯性的问题描述。在文献综述、研究假设阶段，智能机器可以更高效地处理和分析海量文献，快速筛选出与研究主题密切相关的文献，并自动提取关键信息，进行知识图谱分析，对研究现状、研究热点与研究主题等进行可视化呈现，并对未来研究趋势进行预测，生成元文献综述报告；还可以根据已有文献自动生成元研究假设和理论框架，为研究人员提供更多的创新思路。在研究设计阶段，智能机器可以帮助研究人员更快速地制定元研究方案，通过对大量研究设计的学习和模仿，智能机器可以为特定研究问题生成合适的元研究方法和实验设计，这将极大地提高研究设计的效率和质量。在资料搜集与分析阶段，智能机器既能够充分利用大数据资源，为教育研究提供丰富的数据支持，又能生成模拟数据，进一步丰富教育研究的数据来源；还可以更好地处理非结构化数据，如文本、图像和音频等，从这些数据中提取有价值的信息，为教育研究提供证据支持。在得出结论和成果撰写阶段，智能机器可以根据分析结果自动生成元研究结论和研究报告，这将加速研究成果的产出，同时也有助于提高成果的质量和准确性；还能够对研究成果进行多语言、多模态的表征与转换。目前智能机器尚不能完全独立驾驭整个教育研究流程，其研究成果（知识）的有效性和可靠性仍然需要依靠人类研究者的专业知识和判断力予以验证和确认。

（二）何以生产：基于组合技术与机器机理

智能机器在教育研究中基于组合技术与机器机理生产教育学知识。

一方面，智能机器基于以GAI为中心、多技术为支撑的组合技术实现了教育学知识生产。单一的技术需要经过一个组合进化的过程，由单数技术、单体技术走向复数技术、组合技术，形成“域”，才能被赋予重塑某个领域的技术力量。以GPT为代表的GAI无疑是目前最具决定性的单体技术，形成了以GAI为中心并以大数据、元宇宙、云计算、物联网等诸多技术为支撑的组合技术，新的技术“域”对教育研究、教育学知识生产具有革命性、颠覆性的影响。

另一方面，智能机器基于包括契合人类之思的逻辑推演与颠覆人类之思的机器幻觉的机器机理实现教育学知识生产。契合人类之思的逻辑推演主要是由智能机器的数据、算法、算力决定的。机器遵循其固定的规则，对海量的数据、知识进行推演或者建立它们之间的某种链接，在没有先验认识、情感等干扰因素的情况下能够运算出规则范围内所有的可能性，从而加速研究流程与提高教育学知识发现的成功率，这可称作是教育研究或者教育学知识发现的暴力美学。颠覆人类之思的机器幻觉实际上是智能机器能够以不同于人类逻辑的机器逻辑形成对教育现实的感知与理解，为研究问题提供机器化的解决方案，生产出全新的、有待于人类检验的教育学知识。人类的认知和经验会过滤、构造和扭曲人们所知的一切，即使人们试图只通过逻辑实现“纯粹的”理性。由人类理性支配的人类感知对教育现实的图景造成了一定程度的遮蔽，人类感知的教育现实是部分的而非完整意义上的教育现实，而智能机器为人类提供了一种人类逻辑之外的接触现实、理解现实的手段，也为生成新的教育学知识提供了另一种可能。在为智能机器设定具体的目标和基本的规则之后，智能机器可能提供一种超越当下人类想象疆域并带有非人类逻辑印记的解决方案。诸如GPT出人意料的回答、机器幻觉等均可视为是机器对人类认知边界的拓展、想象力的解放与创造力的激发。正是基于这些超出人类思维疆域的输出启示，研究者对问题予以重新审视和思考；正是机器他者性对于人类同一性的超越，人们才可能在机器所提供的答案中获取新的发现。

（三）如何生产：区别于人类的教育学知识生产模式

智能机器在教育研究中主要依靠三个关键模式生产教育学知识。

一是教育现实数据转换模式，其代表性技术是大数据、人工智能。智能机器对由教育对象、教育活动构成的教育现实进行记录、采集和分析。在数据化过程中，智能机器还发挥着“放大镜”和“显微镜”的作用，如大数据技术可以使教育研究对象变得“极大”，面部识别技术可以使教育研究对象变得“极小”。在“放大镜”和“显微镜”的新视角下，传统现实教育世界呈现新的面貌。可以说，智能机器是从数据中提取知识，它通过对海量教育数据的收集、挖掘和分析，将原始数据转换为有教育价值的信息和知识，运用数据挖掘、机器学习和其他统计方法，发现数据中的潜在规律和趋势，从而为教育实践和政策制定提供有力支持，实现数据的教育增值。

二是教育世界虚拟镜像模式，其代表性技术是元宇宙。第三范式中的计算机、第四范式中的数据均是对教育系统、教育世界的一种有限模拟。当下，源于科幻的元宇宙在技术的不断赋能下已经成为一种教育现实，GAI进一步为元宇宙构想的落地提供了技术支撑，智能机器已成为虚拟教育空间或情境中知识生产的实体。虚拟教育空间或情境将人类现有的知识汇聚并共享，智能机器在虚拟空间或情境中可以重新组合和利用这些知识；虚拟空间或情境对于现实空间具有超越性，智能机器在虚拟空间中可能实现更为自由的认识活动；智能机器在虚拟世界中对真实的教育规律作出验证，并且对于教育未来与未来教育作出前瞻性预测，从而验证某一教育规律或者获取对于教育未来的预测性认识。

三是教育知识链接生成模式。智能机器能够将不同来源的文字、图像、音频、视频、代码、3D模型等不同形态的教育知识作为原材料进行知识链接与提取，GPT、Sora进行知识生产的实质可以被视为是在最小单元之间建立链接，新链接的创建意味着新的知识生产。智能机器能够通过语义对齐的方式实现多模态知识的转换，发现不同知识之间的关联。这从根本上打破了因为知识分化而形成的领域壁垒与学科藩篱，以及那些由“小圈子”“小团体”利用知识不对称所设下的迷局和障碍，为跨学科知识生产提供了现实可能，从而助推教育理论创新的可能性。

三、人类研究者如何应用智能机器进行教育学知识生产

在机器文化喧嚣与沸腾的时代，人类正在亲历智能机器在教育研究领域的巨大力量及其对教育学知识生产的深刻影响。面对教育学知识机器生产的深刻现实，人类研究者应如何应用智能机器进行教育学知识生产？

（一）借助机器研究能力，“负责任”地开展教育学知识生产

GAI时代人类研究者需要学会站在机器肩膀上做研究，借助机器的研究能力，“负责任”地进行教育学知识生产。机器在教育研究中可以或应该为人类研究者做什么是一个应该由人来思考和决定的问题。而这种思考不仅仅由技术现实和技术可能决定，更要根据人类当下和未来的价值需求以及教育当下与未来的发展需求决定。

一方面，人类研究者借助机器的研究能力能够为教育研究带来新可能、新时态与新对象。借助机器研究能力，人类研究者可以进行沉浸体验和深度描绘，在教育研究中开展数字模拟实验和分布式决策，实现教育研究结果的数据表达和精确性判断。智能机器开展教育研究推动了教育研究“时态”的多元化。过去以人类为中心的教育研究范式是“过去时”和“现在进行时”的研究，关注的是已经发生的教育过去和正在发生的教育现在；智能机器开展教育研究增加了“将来时”的研究，人可以借助机器想象、预测教育的未来和未来的教育发展，提高教育研究的客观性、科学性。同时，也应该将机器作为研究对象，研究机器是为了更好地研究人。人类研究者可从机器学习出发探索和揭示人的学习和发展规律，以推动人的生命成长与发展。

另一方面，GAI时代更需要人类研究者应用智能机器进行负责任的教育研究。智能机器对于人类研究者的帮助和代替并不意味着人类研究者责任的解除，反而意味着其需要承担更多的机器衍生责任，并在承担责任的过程中实现自身的发展。GAI可以帮助人类研究者进行头脑风暴、摘要提取、内容生成、辅助阅读等，这种帮助本身是为了人的自由解放。但是帮助和替代是截然不同的事情，人不应该放弃教育研究中自身的责任，这包括身体的责任、思考的责任等。人类永远不应该向技术投降，让机器代替人的观察、体验、判断、思考，将种种权利拱手让渡于机器。因为机器无法为自身的研究负责，无法对其生产出的机器知识提供任何形式的解释，无法判断机器知识的质量，所以使用机器或者与机器协同进行研究的人需要承担这些责任。

（二）弥补机器研究限度，“关怀性”地进行教育学知识生产

从机器的限度来看，机器无法像人一样研究人，人类研究者应该弥补机器研究限度，进行人类特有的“关怀性”教育学知识生产。机器可以进行循证教育研究，但无法进行人文教育研究。循证教育研究为人文教育研究提供数据支持，人文教育研究为循证教育研究提供理论假设与依据，二者为教育学科的发展合力贡献价值。智能机器进行教育研究的实质是将教育研究程序化和算法化，但是并不是所有的教育研究都可以程序化和算法化。从人工智能程序与算法的机制与特征看，某些采用严格实验、实证方法的实证教育学研究和遵循清晰逻辑规则的分析性教育学研究可能被人工智能模拟甚至替代；但基于人类情境性经验、具身性体验，带有价值取向、跳跃性思维、想象力的教育学研究则难以被人工智能程序化和算法化。循证教育研究中，智能机器能够将教育事物转换为教育数据，用相对整全的教育数据对事情存在的状态进行描述，对事情是如何发生的进行说明，尊重客观事实的真实性，规避人类研究主体的感情涉入。但是事实性研究的重点不是对经验的描述和对事情本身的说明，而是对事情因果关系的探究。这是事实性研究的价值旨趣所在，也是智能机器的限度所在。人文教育研究中，智能机器无法窥探、理解和分析情感、心灵、灵魂、精神、理念等不可见的教育主观实在，无法关注教育目的、教育价值、教育的善与美等问题，无法对应然的教育理想世界进行沉思与追寻。

概言之，机器可以研究总体的人和片面的人，无法研究个体意义上整全的人；可以间接地通过数据、知识、文本、理论等研究人，但无法以具身的方式研究人。但教育研究中最重要的不是总体人的规律，而是个体的生命成长与自由发展；不是可以被量化的教育主体的行为表征，而是无法被数据化的主观实在；不是通过非在场的数据、文本、知识、理论研究人，而是具身地处于人之中理解人、关怀人、研究人。人研究人是在直接与间接（实践与理论）之间对总体意义上与个体意义上整全的人的双向关注与关怀，而机器永远无法像人一样以人的方式研究人。正是在这个意义上人需对机器进行弥补，教育研究者需要在弥补机器研究局限的意义上进行教育研究与教育学知识生产。

（三）发展高阶研究能力，“高质量”地进行教育学知识生产

机器究竟是替代人、超越人、吞噬人，还是辅助人、赋能人以实现人的新生，这是一个由人而非机器决定的问题。人类研究者可以选择成为区别于机器的具有高阶教育研究能力的研究主体。可以肯定的是，能够被机器替代的能力不能称之为核心的、高阶的教育研究能力。人应该学会利用机器发展人类特有的教育研究能力，比如想象力、鉴别力、创造力，又如对教育情境的深刻理解力、对生命的感受与关怀能力等，进行“高质量”的教育学知识生产。

因此，研究者应当拒绝机器式的套路化、模板化教育研究，发展具有创造性与思想性的教育研究。机器或者借助机器的教育学知识生产可能会造就学术繁荣的假象；工具理性所推崇的加速逻辑无法与真正的教育研究发展、教育学学科发展相挂钩。智能机器开展教育研究为人类提供了反向镜鉴，至少对于纯粹的理论思辨研究而言，人类研究主体要避免生成与机器雷同的论文，应该规避已经被机器所掌握、烂俗的套路和模板，并在教育实践与理论之间发现真正的教育研究问题，做兼具创造性、思想性的教育研究，生产真正具有创新性、创造性与思想性的教育学知识，推动教育学学科发展与真正的学术繁荣。经由教育研究所产出的教育学知识是从教育学独特的学科视角出发、通过对教育中的人的研究与探索而得出的能够经受教育实践检验从而推动教育中人的发展的知识。研究者应当从理解人、关心人、关怀人、促进人的全面与个性化发展的角度来研究人，将推动教育中人的生命成长与发展作为研究旨趣。教育研究，本质上是从人的灵魂健康成长的立场来理解人及其教育，离开了这一点，人们将无法真正地思考和言说教育的问题，更遑论基于教育问题思考的教育学知识生产。

（四）引导机器研究方向，“反思性”地进行教育学知识生产

智能机器开展教育研究在当下甚至在未来依然无法脱离人类的限制与规约，人类研究主体应该引导智能机器所开展的教育研究的方向，进行“反思性”的教育学知识生产，在教育研究中生产“以人为本”与人类文明“求真”“向善”契合的教育学知识。

一方面，人类始终是机器学习的模版，机器在很大程度上是反思人类自身的一面透镜，智能机器开展教育研究带来的种种问题很大一部分是人类的固有问题，如人类偏见与歧视的再生产、不公平与文明间冲突的再生产等。当人们想要机器生产出更多高质量的教育学知识，实现求真与向善的教育研究时，人类首先应对自身的知识生产、教育研究的“真”“善”维度予以保证。GAI时代，人类研究者应该遵守科研伦理底线，追求求真崇善的研究上线，成为教育场景的建构者与教育数据的提供者，跨越和消除语言本身带来的不平等。

另一方面，智能机器所开展的教育研究的目的性是人为赋予的。教育研究中的人机关系始终是一种严格意义上的不对等关系，机器是人造物，由人创造，被人为地赋予目标函数。这意味着，每一个利用机器进行教育研究的人都将是机器的训练师、把关人，应当引导智能机器进行教育研究、教育学知识生产的方向。在某种意义上可以说，利用智能机器开展的教育研究仅为人类研究者提供一些原始的素材和多种可能性，而人类研究者应当决定教育研究的方向以及由此产出的教育学知识的性质。机器能够采集数据并对数据作出分析，但是这些数据本身并不具有研究意义，需要人类研究者对数据作出解读和阐释，说明数据背后的意义，厘清数据背后的因果关系。机器能够依赖强大的算法推演出无限种教育的可能性，但是需要人类研究者从机器所提供的多种可能性中作出最具可能的选择，从而更好地预测教育的未来与未来的教育发展。机器能够通过知识链接提取形成新的知识，从教育理论中获得新的教育发现，但是这需要建立在人类研究者的问题意识与高质量的人机对话基础上。教育研究的准确性、可信度、创造性需要人类研究者提供基础保障，并且新的知识仍需要人来检验。可以说，人类研究者始终应是引导教育研究方向与决定教育学知识性质的存在。

四、智能机器驱动的教育学知识生产范式变革

知识生产范式是知识生产主体在知识生产活动中共同遵循的理念基础与实践规范。技术发展与教育学知识生产范式的转换是相互联系、相互作用的，技术冲击并形塑教育学知识生产的理念与方法，新范式的涌现需要与之匹配的技术支持。新范式并不是替代旧范式，新范式只是对于新的教育研究问题匹配度更高，但根本上也只是为知识生产提供另一种可能。目前，教育学者在教育学知识生产中偏重经验与理论范式，惯用思辨与实证研究方式，相关争论亦集中于思辨与实证。值得注意的是，在计算机范式中智能机器的教育学知识生产的力量已初见端倪；数据密集型范式中智能机器的力量真正彰显；而在智能机器驱动的范式中智能机器的力量更是无法忽视且无法回避。由此，教育研究者有必要跳出思辨与实证的二元范式之争，将真正的焦点转移到智能机器驱动的教育学知识生产范式涌现之处，对新范式所关涉的复合教育研究共同体、教育问题域或教育新知识、新知识生产方式等作探赜与前瞻性思考。

（一）人与机器构成复合智能教育研究共同体

智能机器驱动的教育学知识生产新范式重新定义“谁来生产知识”这一问题，实现了知识生产“由人”到“非人”的转变，智能机器从知识生产的辅助者进化为与人类并驾齐驱的“新生产者”。教育研究中人与机器呈现出具身的共生关系，指向复合智能教育研究共同体的建构。复合智能教育研究共同体具有融合、协同与进化三重意蕴，契合中国哲学视野与思维中“合—分—和”的整体逻辑。

一是以“合”为起点建构人机融合的人机共生关系。人类与智能机器的融合是指二者共同构成一个复杂的社会技术生态系统，人类作为系统的中心，发挥着积极的作用，各种智能机器则成为人类的肢体延伸和得力助手。人体被智能机器重新“塑造”，智能机器实现对人类体力、脑力的边界拓展与技术增强。在教育研究中，这意味着智能机器改变了人类研究者的视觉格式塔。人类研究者能够以人机融合的新目光去观察与审视教育，获得被人类单一视角遮蔽的教育新发现，生产超越人类自身的教育学知识。这也意味着智能机器成为独立于传统教育研究者与研究对象的第三方主体，其以海量循证研究为基础，形成了教育研究领域的集体智慧集结。这还意味着智能机器成为人的外脑，并与人的内脑构成“复合脑”。教育研究和教育学知识生产活动不再仅仅是人的身体性的，在人的脑海中发生的，而且是机器性的、技术性的，发生于人的身体与机器部件融合的过程之中的。

二是以“分”为核心建构协同互补的人机共生关系。智能机器的优势在于只要为其设定合理的程序，智能机器就能够一以贯之地进行逻辑推演与“思考”，而且这种“思考”具有连续性、可重复性。但智能机器仅负责执行可计算和程序化的教育研究工作，依据对数据的描述或基于数据的预测生产知识。人类教育研究者具有独特的体验和经验，能够进行具有学术想象力、创造性思维、价值取向的教育研究，获得“新”的教育研究认识与发现，更擅长从事不可计算和不可程序化的教育研究，从而生产具有强大解释力与影响力的教育学知识。智能机器的研究优势即是人类研究者的劣势，反之亦然，人与智能机器在发挥各自优势的过程中实现对二者弱势的相互补充。

三是以“和”为终点建构共同进化的人机共生关系。机器与人类研究者在教育研究中共同生产教育学知识的过程是人机共同进化的过程。对于机器而言，机器通过自然语言与人类交互的过程就是其学习和被训练的过程。这种学习在一定程度上揭示和反映了人类“书读百遍其义自见”的学习规律。参与共研的频次、程度与机器的研究能力、研究水平基本是成正比的，也符合智能涌现的规律。对于人类研究者而言，人在人机共研过程中不断生成新的研究智慧以实现人的进化，包括人独特的学术想象力和创造力、人通过机器进行教育研究的能力、人的知识生产能力等。机器迭代本身不仅是技术的进化，更昭示着人类自身的进化。

（二）形成数字化教育问题域与教育学新知识

智能机器驱动的教育学知识生产新范式与经技术化重塑的教育世界中的新型数字问题相匹配，为“什么知识最有价值”这一问题提供了新的答案。有研究者将这一时期的教育学称为算法教育学，并提出算法教育学将新型数字化教育教学活动作为研究对象，具有自身独特的概念范畴、问题领域、理论体系。GAI时代教育研究的客体是全新的、被技术化重塑的教育世界与模拟生成的虚拟教育世界，人与机器作为复合智能研究共同体需要面向全新的教育世界展开研究，关注和挖掘其中的数字教育问题，生产更具描述性、解释性、预测性甚至影响力的教育学知识，推动教育学知识的更新。

新范式的涌现意味着教育研究对象、范畴已发生改变，教育问题域被重新域定，形成了新的数字化教育问题域，教育问题选择标准也被重塑。此时，研究者需要重新思考：什么是真正值得研究的教育真问题？什么是GAI时代教育学应该关心的问题？教育研究需要将传统教育问题、经典教育命题置于最新的时代境遇中予以重新审思。作为教育主体的GAI已经成为教育世界与虚拟教育世界中的重要存在，与人类教育主体共同建构和不断生成教育世界和教育虚拟世界。在教育世界中，教育主体已经从传统意义上的人变成人与机器的双重存在，作为主体的机器被赋予了教育者与学习者的双重角色。教育既需要以文化人，又需要以文化机器。教育学不仅要研究人，也要研究机器。人工智能离不开教育理论的指导，教育学已成为解决人工智能瓶颈问题的新方法。教育研究问题需要从“人教人”的基本教育问题扩展到“机器教人”“人教机器”的问题上。

新范式的涌现还意味着教育概念、理论、话语等多样态知识的改变，推动着教育学知识的更新。教育世界与虚拟教育世界的新形态、新特质促使教育学中教育、学习、教师等核心概念被重新定义，其内涵和外延都需要在新的教育现实与技术现实中被重新审视和拓展。面对新的教育研究客体所呈现的新特质，教育理论需要对其进行回应。机器正在生成教育学知识并且建构教育学话语，这些教育学知识中存在不能被人类理解的暗知识，教育学话语中存在人类文明之外的机器话语。事实上，传统的概念、理论、话语等构成的知识体系已经不足以说明和解释GAI时代教育世界与教育虚拟世界中的种种新现象，教育研究需要提出与研究客体实际更相匹配的、更为适切的概念、理论、话语等多样态知识，以解释和说明教育实际并指导教育实践。

（三）创新数据、模拟与链接的知识生产方法

智能机器驱动的教育学知识生产新范式涉及“以何种方式生产教育学知识”“教育学知识可以以何种方式被生产”的问题，前者是“如何”的具体方法问题，后者是“何以可能”的基本假设问题。新范式总的方法论是人机共生，人机共生方法论假设是人与机器的教育学知识生产能够达到“1＋1＞2”的效果，突破传统由人进行知识生产的局限，教育学知识生产出现了一个区别于人的真正意义上的他者。这意味着对于同一个教育研究问题，不再局限于人类研究者单一的研究视域、研究方法、研究立场、价值取向等，智能机器能够提供补充和增益。人机共生方法论指导下的具体知识生产方式包括数据、模拟与链接三种，分别由机器的教育现实数据转换、教育世界虚拟镜像、教育知识链接生成三种模式与人的负责任、高质量、关怀性、反思性的知识生产结合而成。其一，数据知识生产方式的假设是还原主义与计算主义，复杂的教育世界可以被还原为各个组成部分，教育活动与教育主体是可以被量化的，通过数据挖掘与分析能够发现教育模式和教育规律。简言之，教育学知识可以从数据中提取和发现。典型案例是计算教育学为教育系统及其要素的定量化、模型化转变创造技术条件与实践范式。其二，模拟知识生产方式假设人的理性无法直接认识教育世界和教育系统，需要通过模型与模拟才可以贴近，人在模拟中实现教育学知识生产。其实践模式与典型案例是教育仿真模拟实验，它在虚拟世界中对现实复杂教育系统的运行状况开展实验研究，模拟系统的动态演化过程。其三，链接知识生产方式假设智能机器能够以最小单元切分的方式建立知识链接，这些知识链接中可能蕴藏着新的知识和理论生长点。最小单元切分（诸如文本被切分成单词或字符）是智能机器保持数据统一性和降低计算复杂度的重要手段。人类向GAI输入是知识链接生成的起始步骤，智能机器基于概率和反馈对人类的提问作出回答，将问题与可能的答案进行链接。经典案例是GPT类机器生产教育学知识，被列为论文作者，引发法律、伦理层面的诸多讨论。

智能机器驱动的教育学知识生产在未来还可能延伸出具身方式。基于“逻辑学”的符号主义流派、基于“控制论”的行为主义流派、基于“仿生学”的联结主义流派是人工智能三大技术流派，他们或注重机器认知、或注重机器与外界的行为交互。语言是认知的突破口，身体则与行为交互密切相关，语言与身体是机器发展的两个重要面向。在教育研究中，机器对于人类语言的突破使机器可以以不同于人类的知识生产方式实现教育知识的创造，而身体的发展则意味着机器能够感知现实教育世界并且作用于教育世界，它以感知世界的方式形成教育认识。在传统“人为”的教育研究范式中，根据生成教育知识的基础和依据，可将教育研究分为基于经验的研究、基于逻辑的研究和基于体验的研究三种。基于经验的教育研究是指通过感知形成对教育世界的认识。智能机器的感知目前是通过传感器实现的。当机器发展出与人类相媲美的语言能力与机器身体感知，教育研究将形成新的突破，届时机器将获得新的教育认识和教育发现，实现具身的教育学知识生产。

五、智能时代中国教育学自主知识生产

这是最好的时代，也是最坏的时代。对于教育学者而言，智能机器驱动的教育学知识生产呈现出两种截然不同的趋势——学者大众化与学者再精英化。学者大众化意味着智能机器真正意义上降低了教育研究的准入门槛，使那些原本缺乏专业知识和专业技能的普通大众也能够参与到教育研究中，进行新知识的生产与创造。学者再精英化则对研究者提出了更高的要求。在一个数据、信息、知识泛滥并且持续泛滥的时代，教育学者需要充分激发自身想象力、鉴别力与创造力，将关注点投注于真正有价值与有意义的教育真问题上，借助机器并超越机器对教育中个体人的生命成长与发展的问题进行研究，生成真正具有创新性、思想性的高质量教育学知识。更为关键的是，中国教育学人肩负着推动中国教育学自主知识生产和体系建设的重任，而智能机器驱动的教育学知识生产为其提供了契机。鉴于此，中国教育学人应当积极探索和实践智能机器驱动的教育学知识生产范式，借助新范式推动“以中国为方法”“以中国为中心”“以中国为标准”的教育学自主知识生产，从而加速推进中国教育学自主知识体系建设，推动中国教育学与教育高质量发展，提升中国教育学与教育的国际话语权与影响力。

（一）实现“以中国为中心”的教育学自主知识生产

智能机器驱动的教育学知识生产新范式有益于中国教育学人实现“以中国为中心”的教育学自主知识生产，即以中国问题为中心、以中国人民为中心的教育学知识生产。这意味着，教育学知识生产可以聚焦于中国特有的教育问题和中国人民的教育需求，从而形成具有本土特色的教育学理论体系。中国教育数字化转型实践为教育学自主知识生产提供了坚实的数字化基础。面对智能机器驱动的教育学知识生产范式，中国教育学人需要积极探索中国数据库、语料库以及GAI的教育应用场景构建。GAI时代，中国教育学人能够超越传统研究惯习，不再单纯移植西方的教育概念、理论和思想，而是致力于开展原创性研究，将中国教育问题作为研究的出发点和归宿。这种以中国问题为核心的研究路径，要求深入教育现场，产出描述性知识以记录和解释中国教育现象；同时，针对教育实践中出现的问题，提供解释性知识，以及对未来教育发展趋势的预测性知识。此外，以人民为中心的知识生产可以围绕人民的需求展开，回应新时代人民的教育关切，并将人民作为知识评判的主体，将人民的反馈作为检验教育学知识价值的重要标准，使之更好地服务于人民。新范式为中国教育学人坚持中国自主的知识论，包括以中国为中心的贡献知识论、实践知识论、原创知识论和自主知识论提供了时代际遇。

（二）探索“以中国为方法”的教育学自主知识生产

智能机器驱动的教育学知识生产新范式有益于中国教育学人探索“以中国为方法”的教育学知识生产。确立知识生产与理论创新的中国主体性是现代中国教育学人的基本追求，可表达为以中国为方法的现代教育学的想象、探索与建构。“以中国为方法”具有两层意蕴：一是教育学自主知识生产以中国为基本方法、路径，二是以中国为方法论指导。中国教育学人需要积极探索冠以“中国”之名的智能机器驱动的教育学知识生产新范式。GAI时代，中国传统“格物、致知、诚意、正心、修身、齐家、治国、平天下”是回到知识生产本源的一种“生成性的”知识生产方法或路径。中国教育学知识生产不仅具有关系理论、中庸辩证法、“二元一体”、共生理论、和合主义等方法资源，而且共生理论与和合主义贡献了一种颇有潜力的和合方法论。“以中国为方法”是对中国传统优秀文化中丰富的方法、路径以及方法论资源的深入挖掘和继承发展，是传统方法、路径、方法论在中国教育现代化、中国教育高质量发展的新时期与现代教育学方法的融合与创新，是对西方既有教育学知识生产方法的反思、批判、借鉴与吸收。“以中国为方法”意味着中国将不再处于被凝视的地位，而是将中国作为视角、视域并从中国出发去打量、审视、观照中国教育实际。

（三）推进“以中国为标准”的教育学自主知识生产

智能机器驱动的教育学知识生产新范式有益于中国教育学人推进“以中国为标准”的教育学自主知识生产。“以中国为标准”具有双层意蕴：一是倡导摒弃西方主导的教育学知识生产标准，二是旨在将中国标准提升为全球教育学知识生产的新典范。长期以来，西方教育学界惯于认为自身具有普遍意义和价值，倾向于以自身的理论框架和评价标准、以自身为尺度和参照来评判、衡量中国教育学知识的独特性。当中国教育学知识的特殊性与西方所谓的知识普遍性相抵牾时，中国教育学知识的特殊价值则会遭到贬斥。并且，由于中西方文化与文明的差异性与特殊性，将中国教育学知识纳入西方教育学知识体系的过程本身就具有将中国教育学知识肢解的嫌隙，存在将中国教育学知识割裂和简化的风险。更进一步地，历史和实践证明，所谓西方普世标准未必是多元文化与文明和谐共生时代里的最优解，而教育学知识生产的中国标准则为尊重中国教育学知识的特殊性与本土性以及促进不同教育学知识之间的相互理解和沟通提供了另一种答案。因此，中国教育学人需要紧握新范式赋予“以中国为标准”、以自身作为参照的教育学知识生产新契机。世界结构中的中国自主教育学要拒绝西方文化的合法性“暴力”，引领中国本土性知识超越本土范围而具备普遍性与世界性意义。

（本文参考文献略）

Intelligent Machine-Driven Educational Knowledge Production and Its Sinicization

LiYongmei TanWeizhi

Abstract: Driven by the rapid development of artificial intelligence technologies, the paradigm of knowledge production in education has been transformed into a new trend that integrates human wisdom and artificial intelligence to jointly advance the development of educational knowledge system. Intelligent machines are now involved in the entire process of educational research, enabling machine-driven knowledge production based on combined technologies and machine mechanism, thereby forming a mode of educational knowledge production distinct from that of humans. In this context, educational researchers should leverage the research capabilities of machines to responsibly engage in educational knowledge production, address the limitations of machine research to conduct knowledge production with care, develop advanced research capacities for high-quality knowledge production, and guide the research directions of machines for reflective knowledge production. Under the drive of intelligent machines, the transformation of knowledge production paradigm in education has established a composite and intelligent human-machine research community, creating a digitalized domain of educational problems and generating new educational knowledge. Its innovation manifests in three modes of knowledge production: converting educational reality data, constructing virtual mirrors of the educational world, and linking and generating educational knowledge. In light of this, Chinese educational researchers are encouraged to actively explore and practice this paradigm to advance autonomous knowledge production in pedagogy, under the framework of a “China-focused”, “China-led” and “China-defined” approach, to advance the construction of an autonomous knowledge system in Chinese pedagogy, thereby achieving the high-quality development of Chinese pedagogy.

Key words: educational knowledge production; educational research; intelligent machines; autonomous educational knowledge system

初审：黄华强

复审：孙振东

终审：蒋立松