走向数智教育时代的方法论

　　教育研究不仅要追问“怎样使用”，更需追问“怎样理解”、“怎样规约”和“怎样将技术能力转化为教育洞察”。这种追问本身体现出一种方法意识，它要求研究者清醒意识到，技术中介不只是通道，更是塑造认知的框架。教育研究亟须在智能技术潜能的释放与教育价值边界的守护之间，确立技术理性与教育价值共生的方法论立场

　　人工智能进入教育领域，不应止步于“效率工具”的想象。当算法深度介入课堂分析、学情诊断和知识生产，它正在悄然重塑教育研究的提问方式、证据形态和认知结构。这意味着，我们需要从“用人工智能做研究”转向“以人工智能为方法”。同时，技术理性必须接受教育价值的规约。在教育数字化加速推进的背景下，人工智能赋能教育已成为政策共识。由此，“以人工智能为方法”唯有与教育价值深度融合，方能在意义阐释、价值导向和公共理性审查中坚守教育研究的人文底线，为教育知识生产提供兼具思想锐度和实践温度的方法论支撑。

　　从工具使用

　　走向方法论自觉

　　人工智能进入教育领域，首先表现为技术工具的更新。智能系统可辅助课堂观察、作业批改、资源推送和文本处理，显著提升数据整理和证据发现的效率。然而，若仅将人工智能视为外在工具，便容易忽视其对研究方法、知识形态和认识结构的深层重构。

　　事实上，人工智能已不仅是推动教育系统整体重塑的变革力量，更标志着教育研究方法论条件的深刻变化。它深度介入知识生产过程，参与材料筛选、模式识别和假设生成，改变研究者提出问题、组织证据和生成解释的方式。面对这一趋势，教育研究不仅要追问“怎样使用”，更需追问“怎样理解”、“怎样规约”和“怎样将技术能力转化为教育洞察”。这种追问本身体现出一种方法意识，它要求研究者清醒意识到，技术中介不只是通道，更是塑造认知的框架。教育研究亟须在智能技术潜能的释放与教育价值边界的守护之间，确立技术理性与教育价值共生的方法论立场。

　　对技术中介之认知效应的反思源远流长。《庄子·外篇·天地》说：“有机械者必有机事，有机事者必有机心。”机械工具虽提高效率，却易滋生机巧之心，扰乱人的自然本性。这一“机心”之辩与当代计算理性可能遮蔽人文价值的忧虑遥相呼应。庄子所警觉的，不是工具本身的善恶，而在于它悄然改变人的认知方式和价值感受。当教育研究者借助人工智能拓展认知边界时，算法也在潜移默化地塑造提问方式、评判标准乃至对“何为教育知识”的基本预设。

　　同时，这种方法论转向亦有其学理根基。教育实践本身便蕴含目标设定、活动组织、评价反馈和改进调节等动态环节。泰勒的课程原理，呈现出鲜明的“目标—行动—反馈—修正”结构。而作为人工智能思想重要源流的控制论，其奠基人维纳对系统通信和反馈机制的强调，更为理解教育过程中的调适逻辑提供了重要参照。人工智能的出现，使教育实践中原本内隐的反馈调节机制获得了新的技术表达。由此可见，“以人工智能为方法”，不是倡导技术决定论，而是要求教育研究实现方法论自觉。既看到人工智能拓展认知边界的潜力，也直面其数据依赖、模型偏差和价值遮蔽等风险。技术是数智时代教育方法论重构的重要条件。

　　人工智能作为

　　方法论中介的三重作用

　　“以人工智能为方法”，并非将人工智能简单视为资料处理或效率提升的工具，而是将其视为参与教育认识过程的方法论中介。研究者借助人工智能重新组织教育材料、发现关系模式、生成问题意识，并在与算法输出的对话中反思既有理论预设。譬如，控制论的核心是通过信息、反馈和调节理解复杂系统的运行。教育过程本身也包含类似结构，教师依据学生反应不断调整教学活动，课程实施在目标、经验、评价与改进之间形成循环。人工智能使这种原本依赖经验判断的反馈过程获得了更强的数据感知和动态分析能力。

　　具体而言，人工智能作为方法，正在产生三重作用。

　　其一，改变了教育知识的表征形态。传统教育研究主要依赖文本、访谈和观察记录，侧重概念阐释和意义建构。人工智能介入后，课堂录像、学习轨迹、作业文本等材料转化为可计算、可比较、可聚类的分析对象。教育知识由此从单纯“可讲述”的叙事形态，部分转变为“可计算”的形式化形态，在模式发现与意义建构之间形成往复互动。譬如，一位研究者分析课堂录像时，人工智能可自动识别师生互动的时间分布和话语模式，这些数据再经由教育理论重新阐释，有利于回答互动是否促进了深度学习这一根本问题。

　　其二，改变了教育现象的认识方式。传统研究侧重因果解释，以揭示现象背后的深层机制；人工智能则更擅长在大规模数据中进行预测、分类和反馈优化。这种反馈式认知路径，为教育研究提供了过程追踪和动态建模的新工具。教育现象往往是多因素非线性互动的结果，人工智能能捕捉这些关系的演化过程和涌现模式。譬如，智能课堂分析系统的使用，有助于教育工作者打开课堂的“黑箱”，识别以往难以察觉的隐性结构。

　　其三，改变了教育研究的主体结构。生成式人工智能的使用，让研究主体逐渐转向由研究者、数据、算法模型和教育情境共同构成的复合认知场域。人工智能在问题生成、视角转换和假设检验中持续介入，促使研究者重新审视自身的理论预设。由此，教育研究从“人类独白”转向“人机共思”。人类研究者仍承担价值判断和责任归属的职责，人工智能则作为认知他者，参与拓展问题空间、激活潜在关联。教育研究将在研究者与算法的持续对话中迭代深化。

　　以教育目的

　　守住价值边界

　　人工智能越深度参与教育研究，越需要以教育目的作为价值对齐和边界守护的核心机制。教育研究的核心关切在于，促进人的全面成长、维护教育公平、承担公共责任。人工智能虽能高效辅助技术过程，却绝不能取代教育共同体的价值判断和意义阐释责任。在落实立德树人根本任务、推进教育数字化转型的进程中，这一价值坚守尤为关键。

　　首先，守住知识的意义性边界。人工智能能把教育材料转化为可计算的特征和模式，但教育知识并不只是数据结构，更是关于人的成长、关系和价值的意义建构。公平、责任和尊严等概念既包含事实判断，也包含价值判断，嵌入历史、伦理和制度关系。若把教育知识完全交给算法，研究就可能从意义理解滑向模式识别。算法发现不能直接等同于教育结论，必须经过教育理论、实践经验和情境理解的再解释。

　　其次，守住认识的价值性边界。人工智能擅长根据既定目标进行预测和优化，但它并不回答目标为何正当、优化为了谁、效率服务于什么。而教育研究核心的问题恰恰是“什么样的目标值得追求”。提高学习效率并不必然促进全面发展，精准识别风险也不必然实现教育公平；若目标设置本身狭窄，算法越高效，偏差越被放大。因此，必须以人的发展为尺度，对技术目标、数据选择和评价指标进行价值审查，防止教育目的被技术指标悄然替代。

　　最后，守住结论的公共性边界。人工智能生成的分析往往具有形式完整、推理连贯的外观，但这种外观不等于结论真实，更不等于教育正当。涉及学生评价、资源分配和政策制定的研究结论，必须经得起证据检验、同行讨论和公共追问。人机协同不能把责任转移给模型，也不能让算法逻辑绕过教育共同体的审议。只有当人工智能成果能够被解释、被质疑、被修正并被问责，它才可能进入公共知识体系。在推进教育治理体系和治理能力现代化的背景下，这一公共性要求尤为迫切。

　　走向技术理性与

　　教育价值共生的方法论

　　“以人工智能为方法”与教育的价值旨归深度融合，指向的是一种共生方法论。所谓共生，并非折中调和，而是承认人工智能已成为数智教育时代知识生产的重要条件，同时坚持教育始终是技术运用的价值尺度。人工智能提供新的观察方式和分析能力，教育则提供目的、意义和责任的根本规定。二者在相互支撑、相互校正中，构成具有解释力和规范力的方法论体系。

　　这种共生方法论的关键在于，让技术进入教育之后仍然保持教育性。人工智能能够提高效率，但教育研究不能以效率替代目的；能够发现模式，但不能以模式替代意义；能够生成判断，但不能以生成结果替代公共理性。在实践中，这意味着每一次使用人工智能辅助研究时，都需要同步追问：这一技术选择服务于何种教育目的？是否维护了学生的主体地位？是否符合教育公平的基本价值？

　　这一转向对教育研究者提出了新的要求，未来的研究者既要理解人工智能的基本原理和应用边界，也要具备深厚的教育理论素养、伦理判断能力和公共表达能力，更要在技术逻辑与教育价值之间建立转换能力。这种转换能力意味着，能够读懂算法输出的统计意义，同时判断其教育意义；能够利用人工智能拓宽研究视野，同时坚守研究者的价值立场。既不因技术强大而放弃教育判断，也不因坚守价值而拒绝方法更新。只有形成这种复合素养，教育研究才能在技术变革中保持方向，在方法创新中守住根本。

　　人工智能以其计算逻辑和生成能力，反向照亮了教育研究的限度，也打开了新的可能。教育应当在技术挑战中实现自我更新，在人工智能提供的新方法中重新确认人的主体性，在计算理性扩张的时代重新守护意义的诠释和公共价值。唯有如此，“以人工智能为方法”才能为落实立德树人根本任务、推动中国教育学自主知识体系建构提供坚实的方法论支撑。

　　（作者系国家教材建设重点研究基地［中国特色教材理论与国际化战略研究］研究员，华东师范大学课程与教学研究所副所长、副研究员。本文系国家社科基金2025年度后期资助重点项目［25FJKA002］成果）