摘 要：鲁珀特·韦格里夫（Rupert Wegerif，以下简称“韦格里夫”）是英国剑桥大学教育学家、数字未来教育研究中心创始人兼主任，长期致力于对话理论与教育技术研究。他提出的面向数智时代的对话教育理论，为理解教育中技术与人的互动关系提供了关键分析框架。韦格里夫指出，当技术能够承担传统教育培养的人类能力时，教育就需从根本上重思其核心价值，从强调“快速解决问题”转向重视“发现与界定问题本身”这一人类特有的认知能力，教育研究也应系统性反思“研究什么”与“如何研究”。2025年11月，韦格里夫教授获华东师大颁发的第二届“全球教育研究方法创新奖”。本文以史圣朋博士与鲁珀特·韦格里夫教授的学术对话为依托，阐释“对话性”理论的内涵及其引领下的“交叉”方法，探讨人工智能时代教育研究范式的转型逻辑及路径。对话教育理论强调思维的对话性，以及在关系中建构意义的思维方式和主体状态。“交叉”方法论关注通过“由外而内”和“由内而外”的互补视角创设不断生长迭代的“研究性对话空间”。生成式人工智能通过“扩展媒介”与“增强界面”推动教育研究范式向“对话性实践”转型，但它不能成为研究的“替代主体”。基于此，韦格里夫教授提出基于设计研究的双循环模型，使教育研究更具反思性和包容性。

关键词：研究范式；生成式人工智能；交叉主义；对话性；实证研究

史圣朋：韦格里夫教授，您所研究的“对话教育”理论在学界影响深远。人们通常理解的“对话”（dialogue）多指人与人之间的言语交流，但在您的理论框架中，“对话性”具有更深层的哲学与教育学意涵。您能否谈谈“对话性”的核心内涵是什么？它如何超越单纯的“谈话”（talk），成为关乎知识建构、思维发展乃至主体间性（intersubjective orientation）的教育哲学？

韦格里夫教授：很高兴能就此展开探讨。在我提出的“对话教育”理论中，“对话性”的内涵远不止于教学方法或技巧。其核心主张在于：思维本质上具有对话性。人类的意识并非孤立、封闭的，而是在与“他者”（otherness）——无论是另一个个体、一段文本、一种相异的观点，还是某种文化传统——的对话关系中不断生成、发展与转化的。这一思想植根于米哈伊尔•巴赫金的复调理论，它强调意义并非存在于独白式的宣称中，而诞生于“之间”，即不同声音和不同意识相遇、交锋与协商的动态空间中。

因此，对话教育的核心在于有意识地创设并维系具有“对话性”的空间——我将其称为“对话空间”（dialogic space）。这个空间本质上契合马丁•布伯所描述的“我—你”（I-thou）相遇的主体间性，是一个让不同视角、不同声音能以安全、平等且相互尊重的方式，进行真正相遇、质疑、辩论与意义协商的场域。在此框架下，学习就是学习者投身于这一集体性意义建构的对话过程。它不仅仅指向知识的传递与接收，而且促进人们思维从倾向于独白、自我确证与封闭，转向开放、批判性、多元并在、能与“他者”持续回应的“对话性思维”。培养这种思维，正是对话教育旨在达成的核心目标，亦是个体从容应对未来世界复杂性与不确定性的关键心智素养。

史圣朋：感谢您对“对话性”内涵及其教育意义的详细阐述。我注意到，您不仅将“对话性”视为一种教育理想，还将其系统贯彻到研究方法中，并由此构建了一条“交叉性”研究路径。这引发我思考：如果说教育实践应创设“对话空间”，那么教育研究是否也应成为“对话性”的实践活动？这是否意味着，研究者在回应科学问题时也需进入“对话空间”，使不同视角与证据能够相遇、碰撞，从而更丰富、立体地阐释与预测教育过程？

韦格里夫教授：是的！教育研究具备“对话性”。这意味着研究者需自觉进入并维系方法论意义上的“对话空间”。这并非仅是规范性主张，而是由研究对象——人类理解与学习本身的复杂性与交织性决定的。这一认识深受梅洛-庞蒂的“交织”（l'entrelacs）与“可逆性”（la réversibilité）概念的启发。这组概念不仅描述身体与世界的互构关系，更提供了本体论与认识论视角。它揭示了任何宣称价值中立的“客观”观察，其基础实则源于具身化的主体意向性；个体看似“主观”的内在体验，其脉络与意义已在共享、中介性的生活世界中被建构。因此，当研究者研究如何促进“对话性思维”或“意义共建”时，他们自身便已处于这种主客交织、内外互渗的场域中。

因此，教育研究的核心任务，并非从外部剥离或简化这种交织状态，而是对之进行探索与理解。我提出的“交叉”方法论，正是尝试在操作层面系统构建这一“研究性对话空间”。我称这种空间的核心运作机制为“生产性张力”（productive tension）或“相互照亮”（mutual illumination）。该方法通过构建两种互补的研究视角实现“对话性”研究：一是“由外而内”视角，如运用统计学工具量化分析教育行为，揭示客观规律，为教育研究提供可观察、可验证的“外部描述”，勾勒教育的整体形态；二是“由内而外”视角，如用现象学方法深度阐释特定教育行为并结合参与者的反思性访谈，以理解行动者的内在体验、意图并赋予所处境遇的意义。

这两种视角不是两条殊途同归的并行路径，而是共同形成不断生长的、动态迭代的“研究性对话空间”。我不主张对二者进行简单“合并”以追求单一、稳固的结论，反而强调应主动维持他们之间的差异与张力，使其持续处于相互激发、彼此校正的关系中。例如，量化分析所呈现的显著互动模式（“由外而内”视角）与参与者深度的情感叙述（“由内而外”视角）之间发生冲突时，研究者的任务不是急于判断孰是孰非，而是促成二者间的“相互照亮”。我们可以追问统计学上显著的宏观模式，在个体体验中是如何被感知与诠释的？反之，个体的独特叙述，在更普遍的互动情境中是否具有可辨识的普适性印迹，又如何修正、丰富或复杂化我们对一般模式的理解？

正是在这种持续、往复的对话性探究（dialogic inquiry）中，新的理解得以“涌现”。它可能表现为对数据的重新诠释，也可能体现为对个体体验普遍意义的深刻洞察。研究过程由此转为动态的、生成性的“对话性”活动。在此过程中，定量与定性、普遍与特殊、客体与主体之间的二元对立逐步被消解，并转化为相互依存、相互构成的交叉关系。教育研究由此成为深入的、具有自觉性和反身性（reflexivity）的对话性实践。这不仅意味着将“对话”作为研究对象，更意味着以“对话”作为展开研究的根本方式。研究者需主动进入并维护这一“交叉”对话空间，承担起协调者与参与者的双重角色，容许不同证据、视角与声音在其中相遇、碰撞与协商，进而促使更具包容性、更立体、更谦逊的理解逐渐浮现。更深层次来讲，这或许可被视为对教育复杂性与社会多元性的尊重。

史圣朋：您对“交叉”方法论的阐述，为我们超越主客二元对立的认知模式奠定了哲学基础。由此出发，我们可将教育理解为“复杂的适应性系统”（complex adaptive system），教育研究的目标，似乎不应局限于寻求某种抽离情境的“客观真理”，也不应止步于记录某个孤立的“主观感受”。教育系统的复杂性、适应性与生成性，恰恰要求教育研究要成为能与之匹配的、动态的、参与性的实践。基于这样的理解，教育研究者应扮演怎样的角色？教育研究目的该如何重新界定？

韦格里夫教授：好问题！总体而言，我认为教育研究者的角色，应从“外在的解释者”变为“内在于实践的对话性探究者”；教育研究的目的应从“寻求普遍真理”转向“在具体情境中生成有效的、可理解与可迁移的干预智慧”。

正如卡尔•马克思所言：“哲学家只是用不同的方式解释世界，关键问题在于改造世界”。这一观点在教育研究领域体现得尤为深刻——它迫使我们反思，研究究竟应止步于解释，还是应导向切实的改变。我早期参与的研究可作为例证。20世纪90年代，随着信息通信技术进入教育领域，大量有关“教师对信息通信技术态度”的调查研究涌现。这些研究多采用大规模问卷调查方法，主导结论往往将技术整合的困境归因于教师普遍存在的消极态度。此类研究虽然提供了丰富的描述性数据，“解释”了现状，却未能指明改进路径。与此相对，我与米兰达网络（MirandaNet）研究团队合作开展的实践取向研究，并未止步于测量与归因，而是设计并实施了干预：为一批教师提供笔记本电脑，并围绕设备使用构建同伴支持的实践社群。结果正如普雷斯顿所记录的，教师热情高涨与教学实践创新勃发。该研究的价值不在于它否定了先前调查所揭示的挑战，而在于它通过介入行动本身，跳出“解释—归因”的循环，直接指向实践改进，从而创造新的现实可能。

这项研究深刻影响了我对方法论的认识，让我意识到：首先，解释不等于改变，即传统的归因研究即便精准，也往往会导致问题固化而非促成解决；其次，通过干预创造新的理解场域，即提供工具并非单纯的技术应用，其本质区别在于提供工具构成生成性的研究过程，改变了教师与技术、他者的关系结构，使教师的“态度”在行动中被重新塑造；再次，研究是干预性的循环，即有效的教育研究应是精心设计的干预性实践，目的不仅在于观察“是什么”，更在于主动探索“可能成为什么”，并在此过程中理解转变发生的条件与机制。因此，结合马克思的箴言，当代教育研究者的核心使命，在于发展一种既能深刻理解世界，更能审慎而富有创造性地介入世界的实践智慧。教育研究的根本任务，是从“解释问题”迈向“在干预中生成新的理解与新的可能性”。

史圣朋：如您所强调，研究应聚焦探索“有效的干预”及其作用机制。“有效”意味着能切实促进系统的适应性演化与参与者的意义生成。这要求研究者不仅要检验干预是否“有用”，更需通过“交叉对话”理解“为何”与“如何”在具体情境中生效，从而形成可迁移、可调适的“实践智慧”。当前备受关注的生成式人工智能，同样表现出显著的“自适应性”与“生成性”。这是否意味着，它本身也具有“对话性”？它将如何改变教育实践？

韦格里夫教授：人工智能与教育的结合确实并非全新命题，但以生成式人工智能为标志的技术突破，促使我们需要对其背后的认识论预设进行再审视。这种审视的起点在于厘清人工智能新旧范式之间的根本差异。传统的、基于规则的专家系统，其认识论内核是封闭且确定的。它将“理解”等同于在预设的、有限的逻辑树（if-then规则）中进行符号推演，其意义被严格束缚于规则的“包含”关系内。这种范式在本质上是单向的、无增量的“独白”（monologic）：系统自身不具备视角的多元性与可塑性，无法通过与外界互动改变自身的规则，亦无法生成超出既定程序的意义框架。其输出仅是既定知识的重组调用与展开，而非基于情境、创造性的“回应”，因而与我们所探讨的、具有生成性与转化力的“对话性”相去甚远。

相比之下，生成式人工智能的运作逻辑代表了认识论的根本转向。它的“智能”并非源于对抽象规则的编码，而是建构于对海量、异质的人类语言实践——即历史沉淀的无数“对话”痕迹的统计学习。模型通过识别这些数据中的概率关联与模式，内化为动态的“关系性网络”。因此，它的“理解”是概率性的，并对语境高度敏感。其生成意义并非从某个静止不变的核心公理中演绎出来，而是与即时交互语境的动态耦合中“涌现”。每一次回应，都是对当下对话序列与内化的历史语言模式之间关系的、基于概率的推断与建构。正是这种基于历史关系网络、面向具体语境进行动态意义合成的机制，使生成式人工智能展现出初阶的、模拟形式的“对话性”。它摆脱机械的独白，响应具有针对性与不可完全预测的生成特征，尽管其根基仍与人类基于身体和意向性的对话存在本质区别。

史圣朋：是的，教授！从“封闭规则演绎”到“开放语境生成”的逻辑转变，意味着技术不再是被动、静态的工具，而可能成为具有响应性与生成能力的“拟主体”介入研究过程。这是否意味着，教育研究将因此经历范式转型——从研究者对客体的单向解释，转向由研究者、技术行动者与实践情境三者共同构成的、持续互构的“对话性实践”（见图1）（图1略）？研究者该如何在这种新范式下，重新构想知识生产的形态与逻辑？

韦格里夫教授：如你所言，从“规则演绎”到“语境生成”的认识论转向，正在促使技术从被动的工具，转型为能够参与意义共建过程的“准对话者”。这一转变预示着教育研究范式可能从研究者对客体的单向解释，演进为更具交互性与生成性的“对话性实践”。这种演进让我们思考“交叉论”在技术语境下的新形态。在我的理论中，“交叉”的本质在于“由内而外”与“由外而内”两种视角的持续对话与相互照亮，生成式人工智能的介入为这一方法论提供了新的实践路径。一方面，它可作为“由外而内”视角的拓展，通过对海量互动痕迹进行建模分析，揭示人类行为与认知的模式与轨迹；另一方面，它也能丰富“由内而外”视角，如通过对特定情境文本进行语义延伸与多角度阐释，支持研究者获得更深刻和厚重的情境化理解。

因此，当代教育研究的核心关切，已不在于获得结论，更在于对“人—机”生成性对话的过程本身进行系统设计与批判性诠释。研究者需在洞察技术潜力的同时，保持严格的反思性，审辨技术输出中可能蕴含的文化预设、逻辑局限与伦理张力，避免将概率性关联误认为确定性知识。

生成式人工智能能够模拟人类话语的“交织文本性”，通过重组内化的多元语料，模仿多声部、多视角的对话结构，这为创设结构化的“对话空间”提供了新的可能。然而，研究者必须清醒认识到，其作为“类对话伙伴”的能动性（agency）存在本体论层面的根本局限：它缺乏梅洛-庞蒂现象学中构成真实交互主体性的“具身化”基础与“意向性”本源。它的“理解”是基于统计关联而非具身体验，其“回应”源于概率优化而非意向构成。因此，生成式人工智能无法拥有来自自身存在境遇的“视角”，也无法进行真正意义上的质疑与创造，其对话性本质上仍是一种复杂、递归的模仿，而非主体间可逆的“交织”。

综上所述，生成式人工智能可作为强大的“对话代理”与“反思催化剂”，为研究过程提供多维度支持。然而，教育研究的根本目的——理解人的发展并在具体情境中生成有效、可迁移的实践智慧仍必须植根于真实的人际对话与具身实践。由此来看，人工智能应被视为对话的“延伸媒介”与研究过程的“增强界面”，而非教育研究的“替代主体”。

史圣朋：非常赞同您的观点！从基于规则的“演绎逻辑”转向基于语境的“生成逻辑”，只是认识论的转向。然而，无论技术如何演进，教育研究在本体论核心层面依然必须是“人的发展”以及在复杂情境中生成的“实践智慧”。

韦格里夫教授：是的，生成式人工智能的价值不在于替代，而在于拓展。它通过提供超出个人经验范畴的多元视角和系统性的模式呈现，使研究者不断重新审视自己的假设、澄清自己的立场，从而将研究推向更深的反思层次。在这个意义上，它的价值是催化与启发，其最终目的始终是服务于研究者与教育工作者“实践智慧”的生成。

史圣朋：在您以往的论述中，您特别重视“基于设计的研究”（design-based research），并将其视为连接对话理论、交叉方法论与教育实践的关键桥梁。那么，为什么“基于设计的研究”适合作为承载并实现这种对话性研究范式的方法论载体？它的核心特质与迭代逻辑，如何与我们此前讨论的“交叉性”“生成性干预”以及生成式人工智能作为“类对话伙伴”的角色相协同与契合？

韦格里夫教授：回应这个问题，我们需要思考教育学的根本属性。在我看来，教育学在本质上是一门设计科学。它并非仅仅描述或解释已有的教学现象，而是致力于构想、规划并实现更优的教学可能性的实践。当我们追问“应该教什么”“应当如何教”“为何而教”时，我们便已置身于设计的价值与实践领域。这意味着，教育研究的核心使命，是系统探究如何通过有意识的干预来塑造和改善教育现实，从而促进人的发展与繁荣。因此，与其匹配的研究方法，必须本身具备设计的意向性、迭代的行动力与价值的反思性。

基于设计的研究正是承载这一教育愿景的方法论载体。它超越描述性研究对“现状为何”的解释，也超越纯应用研究对“什么有效”的寻找，通过“设计—实施—评估—再设计”的迭代循环，将理论原则转化为具体情境的干预原型，并在真实复杂的教育生态中检验、反思与精炼这些设计。这一迭代循环过程本身就是深刻的“对话性实践”：初始的设计理念（凝聚“由外而内”的客观世界）与师生鲜活体验（“由内而外”的主观视角）持续互动、相互修正。这完美体现了交叉方法的精髓——知识并非预先给定，而是在不同视角的碰撞与协商中生成的。“基于设计的研究”将研究本身变成在行动中理解、在理解中改进的生成性对话。

生成式人工智能的兴起，扩展了教育作为“设计科学”的能力与边界。作为具有生成与模拟能力的“类对话伙伴”，它可以成为设计过程的创造性伙伴：在设计阶段，它能基于海量知识生成多样化的方案与预测性场景；在评估阶段，它能协助分析复杂的过程性数据、识别模式，甚至模拟不同立场的学习者对设计作出回应。这并非替代研究者的设计主体角色，而是引入新的、具有独特运算与联想能力的“对话方”，让研究者更清晰地审视自身的设计逻辑与价值基础，从而将教育设计的迭代循环推向更高的复杂性与反思性层次。

然而，作为设计科学的教育无法回避对价值预设的审议，这是因为任何教育设计都内在蕴含着关于“何为好的教育”“向何种目标改进”的价值判断。“基于设计的研究”的迭代过程，因而也是价值协商与澄清的过程。它将“设计中嵌入何种价值”这一根本问题，置于持续、公开的实践检验之下。教育研究作为一门设计科学的最终追求，并非仅是产出更高效的技术方案，而是通过这种严谨、迭代、对话性的设计实践，在具体境脉中共同建构与阐明那些值得追求的教育价值，从而真正服务于扩大对话空间、促进人类繁荣的根本目的。

史圣朋：十分赞同您的观点。设计在本质上是一种价值负载的实践，它将特定的教育理念嵌入干预方案中。但您所阐述的设计过程更指向对设计所承载的价值判断本身进行迭代性审视与优化。这意味着，设计研究还存在更高深层的、关于价值本身的“双循环”。这似乎超越了传统“基于设计的研究”关注“理论构建”与“实践改进”的维度，而将“价值优化”也作为迭代的部分？这种价值判断的迭代优化如何在方法论层面实现？

韦格里夫教授：是的。传统“基于设计的研究”的迭代循环主要聚焦“设计—实施—评估”，其核心关切在于优化“设计”，即反思“我们采取的行动是否有效”及“为何有效”。这可以被称为“单循环学习”，它是在既定的目标与价值框架内寻求达成目标的最优路径。这个过程固然是迭代的，但其反思重心落在“如何更有效地实现既定目标”，即优化“怎么做”，而其起点——“为何”——被视为牢固的前提。

双循环“基于设计的研究”增加了第二个反思回路：当从“结果”回溯时，它不仅质问“方法”是否有效，更质疑和反思最初的“假设、目的与价值观”本身是否恰当、是否完备。这意味着，迭代过程不仅要优化工具与策略，更要迭代和深化价值判断与教育愿景（见图2）（图2略）。

这是将价值判断置于研究核心的方法论实现路径。在每次设计循环中，研究者、实践者乃至作为“对话伙伴”的生成式人工智能，所共同审视的不仅是数据结果，更是这些结果所映射的、与研究初始价值框架之间的张力。人工智能的角色尤为重要：它能基于多元的伦理框架与学科视角，模拟研究初始设计价值的各种挑战与替代性解释，从而迫使研究共同体不固守原有的“为什么”，而进入持续的、生成性的价值对话中。这个过程本身就是“扩大对话空间”的实践，其产出不仅是更有效的干预措施，更是在行动中被不断检验、澄清与丰富的“实践智慧”。

因此，双循环“基于设计的研究”承认教育设计是价值先行的行动，因而负责任的研究必须包含对价值前提的持续、开放的迭代。这不仅是技术性的优化，更是理论和哲学认识的深化，最终引导研究者走向更具反思性、包容性，也更能促进人类真正繁荣的教育实践。

史圣朋：要实现您所勾勒的将“对话性”“设计科学”与“价值迭代”融为一体的研究愿景，我们任重而道远。教育研究者应如何奠基、如何行动，才能发展这一理想的研究范式？

韦格里夫教授：作为教育研究者，我们需要共同努力。从黑格尔、马克思到梅洛-庞蒂的哲学思想发展脉络表明，学术工作的本质在于推动辩证发展。这意味着研究必须超越对现状的静态描述，在具体的历史文化语境中通过主动介入促进理解范式的演进。这种愿景的实现必须通过实践。实践不仅是应用理论的场域，更是生成知识与价值的根源。有效的实践需要建立在“对话”之上——它不是简单的意见交换，而是不同视角在具体情境的相遇、碰撞与相互转化。对话的核心在于深度“参与”，即研究者、实践者与技术等多元行动者共同介入意义建构过程。在此框架下，我们需要将“交叉”方法内化为基本分析框架，系统协调“由内而外”的经验叙事与“由外而内”的结构分析，使二者保持充分的张力；确立“设计”研究的核心地位，通过迭代干预生成新知，建立“双循环反思”机制，既优化干预效能，又持续审视干预所承载的价值前提。生成式人工智能作为具有“类对话性”的技术媒介，能拓展研究对话空间，提供多元分析视角。然而，其输出始终需要在批判性框架下进行诠释，不能替代研究者作为价值判断与意义整合主体的责任。最后，教育研究的科学性要求研究者在复杂而不确定的实践场域中共同成为严谨的设计者、反思性的对话者与负责任的行动者，保持对学术工作之历史脉络、价值承诺与社会效应的清醒认知。

（本文参考文献略）

Theoretical Reflection and Paradigm Shift of Educational Research in the Age of Artificial Intelligence: An Interview with Professor Rupert Wegerif

ShiShengpeng LiDuyu Rupert Wegerif

Abstract: In the face of the rapid advancement of artificial intelligence technology, educational research should systematically reflect on “what to research” and “how to research” to promote theoretical development and paradigm transformation. Drawing upon the academic dialogue between Dr. Shi Shengpeng and Professor Rupert Wegerif of the Faculty of Education, University of Cambridge, this article elucidates the theoretical connotations of “dialogic” and the “chiasm” methodology it inspires, while discussing the transformation logic and pathways of educational research paradigms in the era of artificial intelligence. Dialogic educational theory emphasizes the dialogic nature of thinking, aiming to cultivate modes of cognition and subject positions that construct meaning within relational contexts. The “chiasm” methodology guided by this theory creates a continuously evolving and iterative “research dialogic space” through complementary perspectives of “outside-in” and “inside-out”. Generative artificial intelligence, serving as an “extended medium” and “augmented interface”, propels the transformation of educational research paradigms toward “dialogic practice”, yet it cannot supplant the researcher as the “substitute subject”. On this basis, Professor Wegerif proposes a double-loop model for design-based research, which optimizes intervention efficacy while continuously scrutinizing underlying value premises, thereby fostering greater reflexivity and inclusivity in educational research.

Key words: research paradigm; generative artificial intelligence; chiasm; dialogic; empirical research

初审：黄华强

复审：孙振东

终审：蒋立松