曾育芬 黃甫全 曾文婕

[摘? ?要] 多學(xué)科交融創(chuàng)新時代，彰顯了教育科學(xué)的超學(xué)科范式，亟須系統(tǒng)厘清其形態(tài)、結(jié)構(gòu)與方法。伴隨著從教學(xué)機(jī)器到信息技術(shù)，再至人工智能的升級，教育科學(xué)在形態(tài)上歷經(jīng)教育心理學(xué)、神經(jīng)心理學(xué)和教育神經(jīng)科學(xué)三個階段，由跨學(xué)科和多學(xué)科走向超學(xué)科形態(tài);結(jié)構(gòu)上，凸顯了“學(xué)習(xí)神經(jīng)基礎(chǔ)的探索”“教學(xué)方式的創(chuàng)新”“超學(xué)科型人才的培養(yǎng)”等新型共性問題群，開發(fā)了由協(xié)同群體、“生—心—社”融合實在、混合方法簇和超學(xué)科哲學(xué)相互作用的融合方法論，努力達(dá)致整體性認(rèn)識;方法上，已經(jīng)發(fā)展出“特定科學(xué)領(lǐng)域與教育教學(xué)實踐融匯創(chuàng)生”的概念框架、應(yīng)用—調(diào)適雙饋系統(tǒng)模型和介導(dǎo)模型，運(yùn)用轉(zhuǎn)化和具化兩大機(jī)理，構(gòu)建一門關(guān)于教育的科學(xué)。這一切展現(xiàn)出一幅美妙畫卷，教育科學(xué)的智能化時代正在來臨。

[關(guān)鍵詞] 教育科學(xué); 超學(xué)科; 范式; 人工智能

[中圖分類號] G434? ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] A

一、引? ?言

不經(jīng)意間，一個多學(xué)科交融創(chuàng)新時代來臨了。人工智能、認(rèn)知科學(xué)和神經(jīng)科學(xué)等的快速崛起與交叉融入，推動教育從“Internet+”向“AI+”和“Neuro+”發(fā)展[1]。隨之，教育科學(xué)由跨學(xué)科（Interdisciplinarity）嘗試和多學(xué)科（Multidisciplinarity）探尋，走向超學(xué)科（Transdisciplinarity）范式。超學(xué)科，是不同學(xué)科的學(xué)者和利益相關(guān)者協(xié)同工作去解決生活世界問題的一種嘗試，既有別于多學(xué)科中其他組群的個人知識總和，亦非跨學(xué)科里已有學(xué)科的交叉部分，而是將來自多種學(xué)科的知識整合而生成一個超越性的學(xué)科新形態(tài)，建構(gòu)起一種新范式[2]。對此，本文基于神經(jīng)科學(xué)和人工智能勃興背景，凸顯學(xué)習(xí)認(rèn)知神經(jīng)科學(xué)，采用文化哲學(xué)視角，簡要闡釋教育科學(xué)超學(xué)科范式的形態(tài)、結(jié)構(gòu)與方法。

二、教育科學(xué)的超學(xué)科形態(tài)

自古希臘以來，人類知識經(jīng)歷了一個不斷分化的過程。最早，學(xué)科間沒有明顯界限。啟蒙運(yùn)動后，受還原論影響，逐步發(fā)展出許多有著精確邊界和獨(dú)特方法的單學(xué)科，學(xué)科間的圍墻越筑越高。20世紀(jì)，人們逐漸意識到學(xué)科過于分化的弊端，掀起了科學(xué)綜合化運(yùn)動，致力于“實踐觀照”與“學(xué)科交融”。在教育學(xué)、心理學(xué)、神經(jīng)科學(xué)以及技術(shù)學(xué)的交融中，學(xué)習(xí)認(rèn)知神經(jīng)科學(xué)觀照具體科學(xué)與教育實踐的結(jié)合，伴隨著從教學(xué)機(jī)器到信息技術(shù)，再至人工智能的換代，穿過教育心理學(xué)、神經(jīng)心理學(xué)和教育神經(jīng)科學(xué)三個階段，引領(lǐng)教育科學(xué)歷經(jīng)跨學(xué)科和多學(xué)科進(jìn)入超學(xué)科形態(tài)（如圖1所示）。

（一）第一階段：教育心理學(xué)孕育學(xué)習(xí)心理學(xué)

19世紀(jì)末20世紀(jì)初，是科學(xué)信念盛行的時代。進(jìn)化論的傳播、詹姆斯（James W）的《心理學(xué)原理》、霍爾（Hall G S）的兒童研究運(yùn)動及杜威（Dewey J）的實驗學(xué)校，都在一定程度上推動了教育的科學(xué)化進(jìn)程。心理學(xué)原理被認(rèn)定可以給教育學(xué)提供科學(xué)基礎(chǔ)，成為教育領(lǐng)域的熱門話題。在這樣的背景下，桑代克（Thorndike E L）于1903年出版了《教育心理學(xué)》一書，教育心理學(xué)正式成為一門獨(dú)立學(xué)科。它作為心理學(xué)與教育學(xué)交融的產(chǎn)物，確定了跨學(xué)科的性質(zhì)和研究對象為“教育過程中的心理現(xiàn)象與規(guī)律”[3]。根據(jù)這一概念，斯金納（Skinner B F）開發(fā)使用了“教學(xué)機(jī)器”[4]，教育者則普遍地對神經(jīng)科學(xué)視而不見（如圖1（a）所示）。

注：由下而上標(biāo)示三個階段;由左到右，左欄表示三個階段不同學(xué)科間的關(guān)系，即學(xué)科交叉;中欄表示三個階段學(xué)科交叉創(chuàng)生的新學(xué)科領(lǐng)域，即學(xué)科創(chuàng)生;右欄則表示三個階段主要的研究范式特點，分別為跨學(xué)科、多學(xué)科和超學(xué)科。

在教育教學(xué)情境中，教中一定蘊(yùn)含學(xué)。學(xué)習(xí)的心理現(xiàn)象與規(guī)律，順理成章地成為教育心理學(xué)的核心研究領(lǐng)域，被視為是教育教學(xué)的理論基礎(chǔ)，受到學(xué)者們的普遍關(guān)注，并發(fā)展出行為主義、認(rèn)知主義、人本主義和建構(gòu)主義等各具特色的學(xué)習(xí)理論。這為我們透析學(xué)習(xí)的本質(zhì)與規(guī)律提供了很大幫助，也為學(xué)習(xí)心理學(xué)這一分支學(xué)科的孕育奠定了基礎(chǔ)。學(xué)習(xí)心理學(xué)致力于探尋“學(xué)習(xí)的本質(zhì)”“學(xué)習(xí)的過程”“影響學(xué)習(xí)的因素”等問題，為教育教學(xué)實踐貢獻(xiàn)了諸多理論。其間發(fā)展出的“教學(xué)機(jī)器”和“程序教學(xué)”理論是后來計算機(jī)輔助教學(xué)和現(xiàn)代教學(xué)軟件開發(fā)以及教育信息技術(shù)的直接思想來源（如圖1（b）所示）。

這一時期的跨學(xué)科范式表現(xiàn)為教育學(xué)和心理學(xué)兩個單學(xué)科互動（如圖1（c）所示），在概念和方法上持續(xù)交流找到共通之處，并建構(gòu)和孕育出教育心理學(xué)、學(xué)習(xí)心理學(xué)（如圖1（b）所示）。學(xué)科的發(fā)展過程充分體現(xiàn)了其作為跨學(xué)科的學(xué)科間性，著力在課堂上開發(fā)使用教學(xué)機(jī)器。然而，當(dāng)時的研究主要局限于“心理學(xué)原理在教育情境中應(yīng)用”，很多教育原理源自實驗室情境下的動物實驗，在一定程度上脫離了真實人類的教育實踐。所幸的是，新興的神經(jīng)科學(xué)、神經(jīng)心理學(xué)擴(kuò)展到“認(rèn)知”活動（如圖1（a）所示），學(xué)習(xí)研究也逐步深化到心智“認(rèn)知”層面，并為后來學(xué)者們對神經(jīng)網(wǎng)絡(luò)和新聯(lián)結(jié)主義的熱衷、學(xué)習(xí)的神經(jīng)科學(xué)解釋成為當(dāng)代學(xué)習(xí)研究中最重要的取向之一奠定了基礎(chǔ)。

（二）第二階段：神經(jīng)心理學(xué)凸顯認(rèn)知神經(jīng)科學(xué)

20世紀(jì)初，社會生產(chǎn)力的高速發(fā)展，促使科學(xué)研究由孤立走向群體化，“大科學(xué)”出現(xiàn)。列強(qiáng)開始研發(fā)氫彈、人造衛(wèi)星，以及國際廣泛參與合作的人類基因組研究等，它們的興起與發(fā)展否定了笛卡爾的“主—客體”二元對立的個體認(rèn)識論模式[5]。學(xué)科間相互合作借鑒成為常態(tài)，各層次的交叉學(xué)科如雨后春筍般不斷涌現(xiàn)。大量自然科學(xué)和社會科學(xué)在教育領(lǐng)域中的應(yīng)用，產(chǎn)生了復(fù)數(shù)形式的教育科學(xué)[6]。神經(jīng)科學(xué)是一門研究神經(jīng)系統(tǒng)的學(xué)科，其與心理學(xué)的融合催生了神經(jīng)心理學(xué)（如圖1（d）所示），它把心理與生理過程重新聯(lián)結(jié)起來，將“心腦關(guān)系”作為核心命題，對腦與人的各種認(rèn)知活動的關(guān)系進(jìn)行探討。

繼布魯卡（Broca P）和威尼克（Wernicke C）等人開創(chuàng)神經(jīng)心理學(xué)研究后，福多（Fodor J A）提出的大腦機(jī)能組塊理論則將相關(guān)研究推進(jìn)到認(rèn)知神經(jīng)心理學(xué)（如圖1（e）所示）[7]。人們開始運(yùn)用認(rèn)知解析的方法，探討心理過程的神經(jīng)表征模式，尤為關(guān)注學(xué)習(xí)過程的內(nèi)在神經(jīng)機(jī)制。認(rèn)知神經(jīng)科學(xué)是一門以揭示大腦認(rèn)知功能的神經(jīng)基礎(chǔ)為目標(biāo)的前沿學(xué)科，[8]它借助事件相關(guān)電位和功能性磁共振成像等手段，從時間和空間兩個維度揭示行為科學(xué)觀測不到的學(xué)習(xí)的神經(jīng)機(jī)制。與此同時，以西蒙（Simon H A）為代表的人工智能專家通過計算機(jī)模擬對人類問題解決方式的探索，開啟了學(xué)習(xí)研究的“機(jī)器”隱喻，[9]整合信息技術(shù)創(chuàng)生了計算機(jī)輔助教學(xué)、認(rèn)知診斷測驗等新穎教、學(xué)、評方式。

（二）融合方法論

方法論創(chuàng)新對于教育科學(xué)發(fā)展起關(guān)鍵作用。行動者網(wǎng)絡(luò)理論（Actor-Network Theory， ANT）指出：“凡是通過制造差別而改變了事物狀態(tài)的造物都是行動者?！盵19]這是一種嶄新的世界觀：宇宙存在著人類、自然/環(huán)境、技術(shù)以及觀念/理論四類行動者，世界實質(zhì)上就是這四類行動者相互作用著的一個復(fù)雜而動態(tài)的網(wǎng)絡(luò)。由此觀之，超學(xué)科的教育科學(xué)作為一個特殊網(wǎng)絡(luò)世界，就是由協(xié)同群體、“生—心—社”融合實在、融通性混合方法簇和超學(xué)科哲學(xué)相互作用而不斷建構(gòu)發(fā)展著的動態(tài)學(xué)習(xí)網(wǎng)絡(luò)世界。

1. 協(xié)同式研究群體

在教育科學(xué)活動中，協(xié)同性的研究群體是創(chuàng)新的關(guān)鍵和基礎(chǔ)。研究就不再是單個學(xué)者的個人活動了，必須由多學(xué)科（不同學(xué)科領(lǐng)域的科研人員）和多層次（參與或關(guān)注教學(xué)工作的組織和個人）人員組成。既需要一線教師將課堂由“解決問題的場所”重構(gòu)成“問題設(shè)計與解決的場域”，[20]主動發(fā)現(xiàn)、構(gòu)想合宜的研究問題，還需要科研人員更加關(guān)注實踐問題并走進(jìn)實際教學(xué)情境中針對實踐問題的解決而開展研究。

2. “生—心—社”融合實在

智能化背景里的教育科學(xué)，所研究的事物或?qū)ο笠呀?jīng)深入到學(xué)習(xí)的大腦神經(jīng)機(jī)制的分子遺傳學(xué)層面。貝茨（Bate， T. C.）綜合多項研究提出了“‘生—心—社融合體”教育模型，指出學(xué)習(xí)過程涉及了“生理、心理和社會行為”三個層面活動（如圖2所示）。[21]最微觀的是生理層面，分基因和神經(jīng)網(wǎng)絡(luò)兩方面。其次是心理層面，涉及價值、記憶、詞匯、推理等方面，它們既受內(nèi)在遺傳因素影響，又受外在生活經(jīng)驗、社會文化等環(huán)境因素影響，屬于交互性層面。最外層的是行為層面，也稱客觀特性層面（Objective Biography），指外部刺激與心理適應(yīng)相互作用所得的可觀察結(jié)果。教育就不僅僅屬于該層面，教師和學(xué)校是外在環(huán)境中的重要因素，與學(xué)生“已有心智水平（Current Mental State）”互動，以期生成“新增心智能力（New Mental Capacities）”和“生理承載力（Biological Capacities）”[21]?！啊摹缛诤象w”實在景觀，成為智能化時代教育科學(xué)所彰顯的特殊本質(zhì)。

3. 融通性混合方法簇

協(xié)同性研究群體，對生成性的“‘生—心—社融合體”進(jìn)行開發(fā)研究，融通性混合方法簇（Integrated Mixed Methods）[22]就應(yīng)運(yùn)而生了。它們實際上就是已有的文獻(xiàn)綜述、量化研究、質(zhì)性研究和行動研究等超越了相互割裂而融會貫通形成的一套動態(tài)化方法群。當(dāng)前已有許多研究采用系統(tǒng)性文獻(xiàn)綜述方法，配合調(diào)查、網(wǎng)絡(luò)感知、模擬測驗等定量方法和結(jié)構(gòu)化的觀察、焦點訪談等定性方法收集數(shù)據(jù)，[23]并發(fā)展出無創(chuàng)腦功能成像、群組研究、哥倫布法（無預(yù)定目標(biāo)的探索法）、溯因推理法、整體研究法和生態(tài)控制法等系列方式，其中成像技術(shù)發(fā)展出遺傳影像學(xué)、心理神經(jīng)免疫學(xué)成像以及多模態(tài)成像等多學(xué)科交叉樣態(tài)，既為多層次數(shù)據(jù)收集提供保障，也對結(jié)果分析解釋提出更高要求。所以，借助人工智能、大數(shù)據(jù)、語義網(wǎng)等技術(shù)，互聯(lián)網(wǎng)數(shù)據(jù)庫快速發(fā)展，機(jī)器已可以替代人完成部分腦力分析工作，如深度學(xué)習(xí)、知識計算、自然語言處理等[24]。

4. 超學(xué)科哲學(xué)

融通性混合方法簇的合理性和合法性訴求，催生了超學(xué)科哲學(xué)，構(gòu)成了教育科學(xué)作為特殊網(wǎng)絡(luò)世界的觀念行動者。隨著超學(xué)科范式的哲學(xué)基礎(chǔ)、元理論基礎(chǔ)和方法論基礎(chǔ)持續(xù)夯實，年輕而著名的科學(xué)哲學(xué)家婺亞娜（Uher J）率先在個體研究領(lǐng)域提出了超學(xué)科哲學(xué)范式（Transdisciplinary Philosophy-of-Science Paradigm， TPS-Paradigm）[25]。教育科學(xué)研究，即使在嚴(yán)格意義上講，亦屬于一種特殊的個體研究。因而，超學(xué)科哲學(xué)對于教育科學(xué)具有適切性。因為是個體研究，又置身科學(xué)傳統(tǒng)的客觀性限制之中，所以超學(xué)科哲學(xué)旨在引領(lǐng)研究者超越傳統(tǒng)局限。婺亞娜敏銳地指出：“探索個體的科學(xué)家，因為本身就是個體，因而并不獨(dú)立于研究對象，從而遇到了深刻的挑戰(zhàn);特別是人類中心主義、民族中心主義和自我中心主義偏見以及各種推理謬誤的高寒風(fēng)險?！盵25]對此，超學(xué)科哲學(xué)竭力張揚(yáng)批判性，旨在通過探索和明確正在形成的教育科學(xué)的哲學(xué)預(yù)設(shè)，以及該領(lǐng)域所使用的元理論和方法論，來應(yīng)對這些挑戰(zhàn)。

（三）整體性認(rèn)識

當(dāng)前，學(xué)者們已逐步形成關(guān)于超學(xué)科研究的目標(biāo)、重點、評估等方面的整體性認(rèn)識，并理解到技術(shù)或人工智能既是工具，亦滲透在問題、知識和成果之中，使得超學(xué)科的問題、知識和成果成為“智能整合性的”。

1. “解決現(xiàn)實問題”作為研究目標(biāo)

超學(xué)科的核心目標(biāo)是不同學(xué)科的學(xué)者與從業(yè)者，為了社會共同利益，合作解決現(xiàn)實世界的重大問題。這些問題可能是技術(shù)或人工智能滲入其中參與甚或獨(dú)自固執(zhí)“生成”的現(xiàn)實問題，并且這些問題解決方法可以在一個較為廣泛的領(lǐng)域中得以運(yùn)用。例如，學(xué)習(xí)作為關(guān)涉人類命運(yùn)的關(guān)鍵問題，是教育科學(xué)、學(xué)習(xí)神經(jīng)科學(xué)、人工智能、心理學(xué)科以及數(shù)理科學(xué)等交融加以認(rèn)識把握的核心主題。

2. “創(chuàng)造知識”作為研究重點

超學(xué)科的動力除了源自對學(xué)術(shù)研究實際應(yīng)用的需求，還有對新知識的追求，[26]促使其旨在通過整合學(xué)科和非科學(xué)的觀點，獲得對現(xiàn)實世界的整體認(rèn)識。這其中有兩個關(guān)鍵點：（1）打通不同學(xué)科間的知識壁壘。每個學(xué)科都有其獨(dú)特的話語體系和交流方式。即便學(xué)科間具有共同的基礎(chǔ)，仍會因術(shù)語概念不同等情況造成誤解甚至形成壁壘。如“學(xué)習(xí)”一詞在不同領(lǐng)域有不同界說，腦科學(xué)揭示學(xué)習(xí)的生理基礎(chǔ)，心理學(xué)描述學(xué)習(xí)的心理機(jī)制，教育學(xué)則強(qiáng)調(diào)學(xué)習(xí)的外在條件。（2）建構(gòu)超學(xué)科領(lǐng)域知識體系。已有研究提出，超學(xué)科研究中涉及系統(tǒng)知識、目標(biāo)知識和行動知識三類知識（見表1）[27]。

3. “成果導(dǎo)向”作為評估原則

超學(xué)科范式的逐步發(fā)展引導(dǎo)學(xué)者們對如何評價超學(xué)科研究進(jìn)行了探討，并提出三個評估方向：[28]（1）研究的結(jié)果和成果，具體包括論文成果發(fā)表的數(shù)量、相關(guān)領(lǐng)域知識/技術(shù)的創(chuàng)造、學(xué)術(shù)機(jī)構(gòu)的認(rèn)證等。（2）研究成果的轉(zhuǎn)化度，相關(guān)研究成果為政策、實踐等提供借鑒意義。（3）研究參與者對過程和結(jié)果的感覺、看法等。

四、教育科學(xué)的超學(xué)科方法

自赫爾巴特（Herbart J F）試圖整合教育學(xué)與科學(xué)而使之具備科學(xué)品格以來，人們對教育學(xué)的科學(xué)性進(jìn)行了大量探索，并發(fā)現(xiàn)“教育科學(xué)”之復(fù)雜性遠(yuǎn)非“教育”與“科學(xué)”兩個術(shù)語的簡單疊加。同樣，“將神經(jīng)科學(xué)或人工智能的研究成果運(yùn)用到教學(xué)實踐中”并不能使教育科學(xué)化。因此，康奈爾（Connell M W）等人受啟發(fā)于杜威對教育科學(xué)的理解，洞察了超學(xué)科的具化（Integration）與轉(zhuǎn)化（Translation）特性，將這一問題升華為“如何將特定科學(xué)（如神經(jīng)科學(xué)、人工智能等）與教學(xué)實踐有機(jī)整合，進(jìn)而形成一門關(guān)于教育的科學(xué)（a Science of Education）”[29]。這一教育科學(xué)的超學(xué)科范式，已經(jīng)構(gòu)建了教育科學(xué)的“特定科學(xué)領(lǐng)域與教育教學(xué)實踐融匯創(chuàng)生”的概念框架、應(yīng)用—調(diào)適雙饋系統(tǒng)模型和介導(dǎo)模型。

（一）理論基礎(chǔ)

科學(xué)是知識及其方法的統(tǒng)一體?？茖W(xué)知識總是在適切方法的“做功”中生成的，所以它總是內(nèi)化了適切的科學(xué)方法?？墒?，我們在彰顯摯愛的科學(xué)知識時，則往往對其中的科學(xué)方法視而不見。所以，杜威特別指出：“科學(xué)一詞含義廣泛?？茖W(xué)的重點不在于尋找不同主題的統(tǒng)一客觀特征，而在于研究方法。科學(xué)即意味著存在系統(tǒng)的研究方法;當(dāng)我們將這些方法和各種事實聯(lián)系起來時，便能更好地理解這些事實，并在控制這些事實時多些理智，少些偶然性與常規(guī)性?！盵30]教育科學(xué)的超學(xué)科范式則深化為三個元欲求，即充分認(rèn)識到元理論屬性就是所研究的不同種類的現(xiàn)象，將方法論與所研現(xiàn)象的元理論屬性相匹配，并不斷地對研究的既定標(biāo)準(zhǔn)和所選顯性與隱性前提提出批判性的質(zhì)疑[31]。

因此，教育科學(xué)的源泉問題就細(xì)化為教學(xué)過程中各類現(xiàn)象的元理論屬性及與之相匹配的方法論。杜威將教育科學(xué)的源泉分為“教育教學(xué)實踐（Educational Practice）”和“特定科學(xué)領(lǐng)域（Special Science）”兩種類型。這里，特定科學(xué)領(lǐng)域又具體到神經(jīng)科學(xué)、人工智能、心理學(xué)和行為科學(xué)等學(xué)科。這一說法改變了已有的提問方式，將“神經(jīng)科學(xué)、人工智能研究在教育實踐中的作用是什么”這一問題，深化為“神經(jīng)科學(xué)、人工智能等研究和教育實踐在教育科學(xué)中的作用是什么”。如此，教育科學(xué)就成了“教育者利用相關(guān)科學(xué)研究結(jié)果”以及“反思性教育實踐者集體經(jīng)驗”的融會結(jié)晶。

（二）應(yīng)用—調(diào)適雙饋系統(tǒng)模型

教育科學(xué)的兩類源泉啟示我們，教育從一門藝術(shù)成為科學(xué)，研究者需具備兩個關(guān)鍵條件，一是用以引導(dǎo)自身教學(xué)實踐的“說明性心智模型（Explanatory Mental Models）”，二是用以改進(jìn)心智模型的“系統(tǒng)探究方法（Systematic Methods of Inquiry）”。其中，心智模型是鏈接研究者認(rèn)知和行動的關(guān)鍵要素?？的螤柕热嗽诙磐碚摰幕A(chǔ)上提出教育科學(xué)超學(xué)科范式的“應(yīng)用—調(diào)適雙饋系統(tǒng)模型”（如圖3所示），具體包括“應(yīng)用”和“調(diào)適”兩個過程環(huán)節(jié)[29]。

在該模型中，應(yīng)用環(huán)聚焦日常教育教學(xué)實踐。研究者需對學(xué)生進(jìn)行觀察（對應(yīng)圖中的“認(rèn)知”），借助一定經(jīng)驗或理論來說明所觀察到的學(xué)生行為和表現(xiàn)（對應(yīng)圖中的“心智模型”），并據(jù)此作出判斷和決策（對應(yīng)圖中的“行動”）。心智模型是“外部世界在人腦中的表象”，相當(dāng)于現(xiàn)實中一小部分情境在頭腦中的簡化模擬，它除了具有“說明”作用聯(lián)結(jié)研究者的認(rèn)知和行動，還蘊(yùn)含研究者個性化的理論或經(jīng)驗。因而，即便是對相同條件的教育教學(xué)活動，他們也會有不同的說明。值得注意的是，這是一個反復(fù)迭代的過程，假設(shè)研究者期望通過行動幫助學(xué)生達(dá)到特定的教育教學(xué)目標(biāo)，那么，研究者每次行動都會改變課堂情境，并引出新的觀察和新行動。未來也許可以像人類基因組計劃那樣，研究出大腦連接譜系圖，借助于人工智能使研究者的心智模型“智能化”，進(jìn)而在面對具體情境時可以迅速做出判斷，指導(dǎo)后續(xù)教育教學(xué)活動。

如果說應(yīng)用環(huán)是“應(yīng)用理論”的過程，那么調(diào)適環(huán)就相當(dāng)于“系統(tǒng)地生成和提煉理論”的過程。這就涉及教育教學(xué)工作者和特定科學(xué)領(lǐng)域?qū)W者之間的復(fù)雜合作。在這個過程中，教育教學(xué)工作者扮演著兩種角色：一是“問題發(fā)現(xiàn)者”，發(fā)現(xiàn)值得解決的教育教學(xué)問題;二是“（問題解決）方案驗證者”，判斷解決方案的價值并在實施中加以驗證。而學(xué)者則主要負(fù)責(zé)系統(tǒng)開發(fā)與相應(yīng)教育教學(xué)問題相關(guān)的說明性心智模型。

其中，又涉及“研究問題的價值度”和“解決方案的適切性”兩大難點，而問題解決的關(guān)鍵在于“具化”和“轉(zhuǎn)化”，因此，康奈爾等人對“應(yīng)用—調(diào)適雙饋系統(tǒng)模型”進(jìn)行了修訂和細(xì)化（如圖4所示）[29]。具化指的是將一般化的理論模型具體化為適合解決具體教育教學(xué)問題的方案;而轉(zhuǎn)化是將具體化的且合乎規(guī)范的（Normative）教育教學(xué)問題抽象為描述性的（Descriptive）研究問題，即“概化”之意。

（三）應(yīng)用—調(diào)適雙饋介導(dǎo)模型

在實際運(yùn)用過程中，人們發(fā)現(xiàn)，系統(tǒng)模型的確為教育教學(xué)工作者參與科學(xué)研究指明了道路，但容易因缺乏“適切的原理模型”和“系統(tǒng)的研究方法論功夫”而停滯不前。由此，康奈爾等人借用軟件工程中的重要概念“設(shè)計模式（Design Patterns）”，融入了“設(shè)計媒”，將模型發(fā)展為教育科學(xué)超學(xué)科范式的“應(yīng)用—調(diào)適雙饋介導(dǎo)模型”（如圖5所示）[29]。

設(shè)計模式旨在對重復(fù)出現(xiàn)的問題進(jìn)行描述，并提供一個通用的解決方案，使得來自實踐和理論的“設(shè)計師”在遇到類似問題時可以使用已有解決方案，從而實現(xiàn)設(shè)計層次的開發(fā)。這就生成了“設(shè)計媒”，起著關(guān)鍵的介導(dǎo)作用，作為一種“外化的心智模型（Externalized Mental Model）”或“思維工具（Tool to Think with）”，通過轉(zhuǎn)化和具化機(jī)理融合“應(yīng)用環(huán)”和“調(diào)適環(huán)”（見表2）。

概而言之，設(shè)計模式嘗試對問題進(jìn)行分析和描述，以產(chǎn)生適用于大多數(shù)情境的通用的問題解決方案。因此，它搭建起一個腳手架作為媒介，即“設(shè)計媒”，幫助人們在特定的情境下區(qū)分教學(xué)實踐和理論研究，具體包括以下三個維度：

1. 時間范圍

理論研究通常時間跨度較長，可能持續(xù)一年、數(shù)十年甚至上百年，教育實踐者則需要即時的方案指導(dǎo)教學(xué)，時間跨度細(xì)致到秒、日、周。而設(shè)計模式是即時即用的，通常附有“何時運(yùn)用、如何評價有效性、應(yīng)用案例”等的指導(dǎo)。這為不同領(lǐng)域的研究與實踐人員提供了溝通的橋梁，以便互相借鑒研究成果（如研究問題）以及必要時更新理論（如原理模型）。

2. 基本觀點

科學(xué)研究的觀點多是“描述性的”，而教育實踐則是“規(guī)范化的”，并伴有一定的目標(biāo)導(dǎo)向、價值導(dǎo)向或倫理道德導(dǎo)向。教育實踐問題轉(zhuǎn)化為科學(xué)研究問題，實質(zhì)是促進(jìn)教育基本觀點從規(guī)范性轉(zhuǎn)向描述性。同理，原理模型具化為教學(xué)問題解決方案時，實則是在描述性原理模型的基礎(chǔ)上補(bǔ)充了“何時運(yùn)用、怎么運(yùn)用、如何評價”等規(guī)范性信息。轉(zhuǎn)化和具化這兩個過程則是通過設(shè)計模式的“問題描述”和“解決方案描述”實現(xiàn)的。

3. 抽象程度

理論研究開發(fā)的原理模型多是一般化、超越具體情境（Context-Free）的，而課堂實踐需要的是非常具體的且情境化的（Context-Specific）解決方案。設(shè)計模式通過“解決方案描述”巧妙地將兩者整合在一起，描述一般化的原理模型以保證方案的科學(xué)可靠性，又綜合考慮特定情境的需求，生成針對性的方法策略等以保證方案的實踐適用性。

五、結(jié)? ?語

超學(xué)科哲學(xué)范式的興起，推進(jìn)教育科學(xué)基于人工智能這類技術(shù)媒介并藉由“學(xué)習(xí)神經(jīng)科學(xué)”這一路徑得到蓬勃發(fā)展。這一切展現(xiàn)出一幅美妙畫卷，教育科學(xué)的智能化時代正在來臨。人工智能“是一種強(qiáng)大力量，正在重塑日常實踐、個人和專業(yè)互動以及環(huán)境?！盵32]人工智能與神經(jīng)科學(xué)、心理學(xué)和教育的深度融合，對學(xué)校教育和課堂實踐產(chǎn)生著深遠(yuǎn)的影響。當(dāng)然，我們也應(yīng)該清楚地認(rèn)識到，“路漫漫其修遠(yuǎn)兮”，作為超學(xué)科的教育科學(xué)，在其概念內(nèi)涵、原理模型、學(xué)科邊界、知識體系和方式方法等方面，還亟待進(jìn)一步深入而系統(tǒng)的研究。

[參考文獻(xiàn)]

[1] 戴偉輝.現(xiàn)代遠(yuǎn)程教育發(fā)展新轉(zhuǎn)變：從Internet+到AI+和Neuro+[J].現(xiàn)代遠(yuǎn)程教育研究，2018（2）：3-13，31.

[2] SAMUELS B M. Can the differences between education and neuroscience be overcome by mind， brain， and education？[J]. Mind， brain， and education， 2009， 3（1）： 45-55.

[3] 莫雷.教育心理學(xué)[M].北京：教育科學(xué)出版社，2007：5-6.

[4] SKINNER B F. The science of learning and the art of teaching[J]. Harvard educational review， 1954（24）： 86-97.

[5] 夏基松.簡明現(xiàn)代西方哲學(xué)[M].上海：上海人民出版社，2015：2-3.

[6] 鐘柏昌，安濤，李藝.中國教育技術(shù)學(xué)基礎(chǔ)理論問題研究——關(guān)于邏輯起點的評述[J].電化教育研究，2012，33（12）：14-18，40.

[7] 尹文剛.神經(jīng)心理學(xué)[M].北京：科學(xué)出版社，2007：14-16.

[8] 方方，王佐仁，王立平，等.我國認(rèn)知神經(jīng)科學(xué)的研究現(xiàn)狀及發(fā)展建議[J].中國科學(xué)基金，2017，31（3）：266-274.

[9] 鄭旭東，王美倩.學(xué)習(xí)科學(xué)：百年回顧與前瞻[J].電化教育研究，2017，38（7）：13-19.

[10] NATHAN M J， SAWYER R K. Foundations of the learning sciences[M]// SAWYER R K. The Cambridge handbook of the learning science. 2nd ed. New York： Cambridge University Press， 2014： 24.

[11] 胡誼，桑標(biāo).教育神經(jīng)科學(xué)：探究人類認(rèn)知與學(xué)習(xí)的一條整合式途徑[J].心理科學(xué)，2010，33（3）：514-520.

[12] CHALL J S， MIRSKY A F. Education and the brain[M]. Chicago： The University of Chicago， 1978： 377.

[13] 周加仙.“教育神經(jīng)科學(xué)”與“學(xué)習(xí)科學(xué)”的概念辨析[J].教育發(fā)展研究，2016（6）：25-38.

[14] 尹睿，黃甫全，曾文婕，等.人工智能與學(xué)科教學(xué)深度融合創(chuàng)生智能課程[J].開放教育研究，2018，24（6）：70-80.

[15] 詹青龍，楊夢佳，郭桂英.CIT：一種智慧學(xué)習(xí)環(huán)境的設(shè)計范式[J].中國電化教育，2016（6）：49-57.

[16] PICKERING S J， HOWARD-JONES P. Educators' views on the role of neuroscience in education： findings from a study of UK and international perspectives[J]. Mind， brain， and education， 2007， 1（3）： 109-113.

[17] FLOGIE A， ABERSEK B. Transdisciplinary approach of science， technology， engineering and mathematics education[J]. Journal of baltic science education， 2015， 14（6）： 779-790.

[18] 黃甫全，李義茹，曾文婕，等.精準(zhǔn)學(xué)習(xí)課程引論——教育神經(jīng)科學(xué)研究愿景[J].現(xiàn)代基礎(chǔ)教育研究，2018，29（3）：5-14.

[19] LATOUR B. Reassembling the social： an introduction to actor-network-theory[M]. New York： Oxford University Press， 2005： 71.

[20] ABLIN J L. Learning as problem design versus problem solving： making the connection between cognitive neuroscience research and educational practice[J]. Mind， brain， and education， 2008， 2（2）： 52-54.

[21] BATES T C. Education 2.0： genetically-informed models for school and teaching [M]//SALA S D， ANDERSON M. Neuroscience in education： the good， the bad， and the ugly. Oxford： Oxford University Press， 2012： 198.

[22] NASH D， MEMMOTT P， RESER J， et al. We're the same as the inuit?。?exploring Australian aboriginal perceptions of climate change in a multidisciplinary mixed methods study[J]. Energy research and social science， 2018， 45（SI）： 107-119.

[23] RAVET J， WILLIAMS J H G. What we know now： education， neuroscience and transdisciplinary autism research[J]. Educational research， 2017， 59（1）： 1-16.

[24] 羅立群，李廣建.智慧情報服務(wù)與知識融合[J].情報資料工作，2019，40（2）：87-94.

[25] UHER J. Conceiving "personality"： psychologist's challenges and basic fundamentals of the transdisciplinary philosophy-of-science paradigm for research on individuals[J]. Integrative psychological and behavioral science， 2015， 49（3）： 398-458.

[26] 曾文婕.關(guān)注“知識創(chuàng)造”：技術(shù)支持學(xué)習(xí)的新訴求[J].電化教育研究，2013，34（7）：17-21，52.

[27] HADORN G H， HOFFMANN-RIEM H， BIBER-KLEMM S， et al. Handbook of transdisciplinary research[M]. Dordrecht： Springer， 2008： 30.

[28] TAYLOR C， COCKBURN J， ROUGET M， et al. Evaluating the outcomes and processes of a research-action partnership： the need for continuous reflective evaluation[J/OL]. Bothalia - African Biodiversity and Conservation， 2016， 46（2）： a2154[2019-11-04]. http：//dx.doi.org/10.4102/abc.v46i2.2154.

[29] CONNELL M W， STEIN Z， GARDNER H. Bridging between brain science and educational practice with design patterns [M]//SALA S D， ANDERSON M. Neuroscience in education： the good， the bad， and the ugly. Oxford： Oxford University Press， 2012： 267，270，272，279.

[30] 約翰·杜威.杜威全集 晚期著作 1925-1953 第5卷 1929-1930[M].孫有中，戰(zhàn)曉峰，查敏，譯.上海：華東師范大學(xué)出版社，2015：1.

[31] UHER J. Interpreting "personality" taxonomies： why previous models cannot capture individual-specific experiencing， behaviour， functioning and development. major taxonomic tasks still lay ahead[J]. Integrative psychological and behavioral science， 2015， 49（3）： 600-655.

[32] TADDEO M， FLORIDI L. How AI can be a force for good[J]. Science， 2018，361（6404）： 751-752.