《计算教育学》从理论指导和数据驱动的视角，围绕如何量化教育主体，解决学习过程中的内隐与外显式的行为分析问题，紧随国际上计算社会科学、学习分析和教育数据挖掘、教育人工智能几大学科和研究分支的发展趋势，对计算教育学的理论体系、研究方法、研究场景、数据获取以及建模分析技术进行了系统的分类梳理。

《计算教育学》围绕计算教育学的场景计算、主体计算、服务计算和伦理四大主题，侧重于将人工智能方法、机器学习技术与当前先进的教育研究范式相结合，旨在为解决教育改革创新问题提供综合的科学方法和工具。

前言

第一部分 概述 1

第1章 计算教育学 3

1.1 概念与框架 4

1.2 关键问题与核心任务 6

1.3 应用领域与面临的挑战 8

第2章 研究对象与方法 11

2.1 计算教育学的研究对象 11

2.2 计算教育学的研究方法 15

第二部分 场景计算 31

第3章 教育场景 33

3.1 简介 33

3.2 概念内涵 34

3.3 智慧教室 37

3.4 智慧校园 41

3.5 其他场景 43

第4章 教育数据标准与规范 49

4.1 简介 49

4.2 教育大数据标准体系框架 50

4.3 教育数据典型标准 53

第5章 教育边缘计算与数据感知 67

5.1 简介 67

5.2 教育边缘计算 68

5.3 教育数据感知 70

5.4 边缘计算的应用与展望 76

第三部分 主体计算 81

第6章 学习成效 83

6.1 简介 83

6.2 基于线上数据的学习成效研究 85

6.3 基于线下数据的学习成效研究 88

6.4 基于双空间数据融合的学习成效研究 90

第7章 知识追踪 95

7.1 简介 95

7.2 概率知识追踪模型 97

7.3 深度知识追踪模型 101

7.4 因子分析知识追踪模型 105

7.5 融合知识追踪模型 107

第8章 认知风格 113

8.1 简介 113

8.2 基于问卷和心理计量测验的认知风格分类 114

8.3 基于神经网络方法的认知风格识别 116

8.4 基于模糊分类树的认知风格预测 118

8.5 基于贝叶斯网络的认知风格推理 120

8.6 基于遗传算法的认知风格分析 122

8.7 基于语义分析的认知风格识别 123

8.8 其他方法 124

第9章 情感状态 133

9.1 简介 133

9.2 基于量表的情感测评 134

9.3 基于生理信号的情感检测 136

9.4 基于面部表情的情感识别 138

9.5 基于语音信号的情感检测 140

9.6 基于文本数据的情感分析 142

9.7 基于多模态数据的情感识别 144

9.8 基于行为-主题概率建模的情感分析 146

第10章 协作学习 151

10.1 简介 151

10.2 协作问题解决 151

10.3 协作学习状态监测 156

10.4 协作学习中的教学反馈 158

10.5 协作学习系统 160

第11章 群体学习 169

11.1 简介 169

11.2 群体学习动力学 170

11.3 群体学习演化模式 177

11.4 群体学习中的多层网络 182

第四部分 服务计算 189

第12章 智能导学 191

12.1 简介 191

12.2 用户接口 192

12.3 学生模型 194

12.4 领域模型 195

12.5 教学模型 196

12.6 开放式学习环境的智能导学系统示例—Betty’s Brain 197

12.7 对话式智能导学系统示例—AutoTutor 200

第13章 资源推荐 205

13.1 简介 205

13.2 知识图谱 205

13.3 学习路径规划 212

13.4 个性化资源推荐 220

13.5 实际案例 228

第14章 教育数据可视化 235

14.1 简介 235

14.2 学习主体可视化 235

14.3 学习过程可视化 242

14.4 学习资源可视化 253

14.5 基于地图的教育大数据可视分析方法 256

第15章 教育评价 261

15.1 简介 261

15.2 教育环境评价 262

15.3 教育主体评价 265

15.4 教育资源评价 273

15.5 教育管理评价 277

第五部分 伦理 285

第16章 计算教育伦理 287

16.1 简介 287

16.2 大数据伦理 287

16.3 教育数据伦理 290

16.4 人工智能伦理 296

16.5 智能教育伦理 302

16.6 计算教育伦理治理 307

第六部分 未来 313

第17章 未来教育 315

17.1 简介 315

17.2 全球发展战略 315

17.3 未来挑战与展望 324

第一部分 概述

第1章 计算教育学

计算教育学的兴起源自教育学科本身面临的挑战和新时代教育变革与创新的现实需要。进入21世纪以来，互联网、大数据、人工智能等新兴信息技术深刻改变着教育的环境、内容、方式及模式等，也极大地丰富了教育研究方法。从系统学的视角来看，教育是以教育主体为核心，包含了教育目标、教育环境、教育资源、教育模式与方法等多种要素的复杂系统，各要素之间相互联系、相互作用，具有整体性、目的性与动态性。不同时代背景下的教育系统具有不同的目的属性及演化特征，但是由于人类对自身认识的局限性、教育系统具有动态高维的特点、教育活动的长周期以及与其他社会系统的不可分割性等，人们对教育的理解多来自思辨、经验及部分碎片化的实证分析，对教育规律的认识，特别是与时俱进地把握教育规律一直是教育学科面临的巨大挑战。

2010—2019年，基础研究逐渐代替应用研究成为教育研究的主体，这在一定程度上反映了教育研究更加聚焦于对学科内部基本问题和基本规律的探索。与此同时，大量的跨学科研究进入教育科学研究领域，使得教育科学研究呈现出多元化、多视角的发展态势（王树涛，顾建民，2020）。新时期的教育研究已经不再局限于单一学科、单一视野，通过加强教育科学与自然科学的交叉融合，充分运用新兴学科、新技术和新的研究方法不断拓宽教育研究的广度和深度，已成为教育学科的一个新命题和新的研究方向（田学军，2020）。

当前，计算教育学已逐步获得学术界的关注，我国学者也已从不同视角和层面对计算教育学进行了探索。基于第四研究范式的计算教育学为准确把握和指导教育科学研究开辟了新的道路，它不仅是构建信息时代教育理论体系的内在需求，也是教育科学在新时代的自然发展和新的增长点，将有效助力理解现有教育，探索未来教育，构建“有教无类、因材施教”的现代教育体系。

1.1 概念与框架

目前，学术界对计算教育学尚无统一的定义。计算教育学的概念*早可以溯源到2014年，李未（2014）院士在分析如何提高高等教育质量这一核心问题时，从信息科学与教育融合的视角提出了计算教育学，认为“在计算机、先进信息网络环境下，研究以大数据为支撑的个人和群体的学习和教学行为，建立面向教育全过程的数学模型，进而合理地优化、配置和共享优质教育资源，全面而均衡地实现教育的规模化共享、个性化学习和创新性培养”，期待把以定性研究为主体、以经验为基础的教育科学转变为以大数据为基本对象、以计算和模型为手段的定量精确科学。随后，孙仕亮（2015）也对计算教育学的定义与研究范畴进行了界定，认为其是“运用人工智能等信息处理技术（理论、算法、软件），对过去与现在的教育数据进行定量分析，以发现和揭示教育中的规律，更好地为教育服务”的一个交叉学科或研究方向。张远增（2017）在针对教育数据制式化与设计的研究中，从教育科学研究范式的角度提出计算教育学是教育大数据范式的理论核心，是“关于模拟教育系统及其运转的理论体系”。许新华（2019）将计算教育学等同于计算机（辅助）的教育学，认为计算教育学“是用计算机科学技术的一切方法、技术手段与相关成果，来研究教育现象、教育问题及其规律的交叉学科”。王晶莹等（2020）认为，计算教育学“是教育学领域借助计算机、互联网和人工智能等新兴科技手段，利用数据挖掘、机器学习等技术获取与分析数据，基于跨学科视域研究，解释教育现象与教育行为的一种融和式研究范式或思维方式”。总体来看，以上针对计算教育学的定义主要是从教育科学研究范式层面进行探讨的。

另外，在计算问题层面，杨宗凯（2019）从教育复杂系统视角提出并分析了数据驱动个性化学习中的教育情境可计算、学习主体可理解、学习服务可定制三大核心问题，作为应对构建未来学习环境、更好地认识教育主体和提高个性化学习服务水平这些挑战的*佳策略。黄荣怀等（2019）在研究面向智能教育的基本计算问题时，提出了融合认知计算、行为计算、环境计算的“计算教育学”要素模型。

与此同时，在教育学层面，李政涛和文娟（2019）从教育学角度深入探讨了计算教育学作为学科成立的可能性，并从学科性质、构建及要素，学科发展的基本规范与基本逻辑等方面阐释了计算教育学“如何可能”，以透析计算教育学的基本特性和未来走向。郑永和等（2020）从现代学科建制的角度辨析了计算教育学的学科基本立场，认为“计算教育学是一门融合多学科知识，基于量化的教育数据和计算的方法，以揭示日常难以发现的教育教学规律，注重体系化的理论建构的跨领域新兴学科”。从学科性质上看，由于计算教育学*终指向教育学问题，其姓“教”不姓“计”，“教育”才是计算教育学安身立命的“魂魄”与“根基”（李政涛，文娟，2019），这已成为众多学者的共识。

因此，计算教育学隶属于教育学，并与信息科学、数学、心理学、脑科学等众多科学理论紧密联系，从自身的研究对象出发，结合本学科的实践经验，同时吸取上述诸多学科的有关成果。综合来看，计算教育学是通过技术赋能，基于数据密集型的研究范式，解释信息时代的教育活动与问题，揭示教育复杂系统内在机制与运行规律的新兴交叉学科。计算教育学以信息时代的教育活动与问题为主要研究对象，通过量化教育各要素及要素之间的互动过程，开展多学科交叉融合研究，解释教育现象与教育内在机制，揭示新时期教育复杂系统的运行规律，服务人才培养模式创新，促进教育科学化，为实现教育现代化提供理论指导和技术支撑。

计算教育学知识体系如图1-1所示。正如对于教育学及其边界的内涵与外延需要结合其他相关学科的复杂关系来探究一样，计算教育学也需要以原教育学研究为基础，针对符合时代特征的教育问题，在跨学科互动合作中应用不同的研究范式、理论框架、基本方法等生成新的发展路径（李政涛，2018）。计算教育学以多学科交叉为基础，发展并形成特有的新思想、新理论，构建专门的研究手段与技术工具，重点完成新时代人才培养过程中计算教育伦理、教育情境计算、教育主体计算以及教育服务计算等核心任务。

计算教育学具有明显的综合交叉性学科和应用性学科的特点。鉴于人的复杂性，对教育问题的研究也具有复杂性和自身的独特性，教育研究既有人文学科、社会学科的特性，也有自然学科的特性，其理论和实践问题已经成为多个学科、多种范式协同攻关的科学问题。计算教育学的学科基础包含多个学科不同程度的交叉，涉及教育学、信息科学、数学、心理学、脑科学等众多学科的基本理论与方法技术，这些跨领域交叉学科的发展为计算教育学研究提供了新的研究方法和经验，构成了其理论依据和来源。正如叶澜（2004）所说，“通过学科交叉来发展教育学科群，也成为教育学科在中国发展的一个重要走向”，计算教育学就是这一发展的典型例证。

图1-1 计算教育学知识体系图

1.2 关键问题与核心任务

“每个时代总有属于它自己的问题，只要科学地认识、准确地把握、正确地解决这些问题，就能够把我们的社会不断推向前进。”（马克思，恩格斯，1982）任何一门学科对于重大问题的凝练都是该学科做出重大社会贡献的动力，也是社会发展的现实需要。

信息时代的教育更为关注学生个性差异和对学生的创新思维的培养，以期在遵循学习者身心发展规律的基础上提供*适宜的发展方式来促进个人成长。计算教育学以创新人才培养为主要目标，聚焦教育主体的理解、教育情境的感知及教育服务的定制等重大问题，其核心任务是围绕计算教育伦理、教育主体计算、教育情境计算、教育服务计算开展研究与实践。