論大數據之于教育研究“科學化”的價值與局限

【摘 要】 科學化一直是教育研究孜孜以求的目標，而教育研究科學化的重要標志是對教育活動的數據化處理，包括數據模型的建立、數據的獲取和分析以及數據規律的發現，并據此構建理論。但教育具有人文性，科學方法與人文旨趣間的不同訴求使自然科學研究方法在教育領域的推進一直遭遇阻力。大數據方法具有較強的“人文性”和較弱的“科學性”，在一定程度上調和了二者的矛盾，也使得大數據方法在教育研究科學化進程中具有重要價值。但大數據方法并不完美，自身也存在一些問題，因而其推進教育研究科學化進程也存在局限性。

【關鍵詞】 大數據；大數據方法；經典科學；科學數據；教育研究；科學化；價值；局限

【中圖分類號】 G420 【文獻標識碼】 A 【文章編號】 1009-458x（2018）8-0016-06

一、從“科學始于數據”談起

數據一直是人類理解和表達世界的重要方式，記載著人類的認識歷程。畢達哥拉斯正是通過對數的秘密進行思考創立了數學學科，提出了世界的本質就是數的哲學思想。近代自然科學把數據融入研究過程，不僅驅逐了神學和形而上學對人類認識世界的干擾，而且開拓了科學研究范式，確立了數據在科學研究中的核心地位。在波根和伍德沃德看來，科學研究的起點是觀察，觀察的目的是為了獲得關于現象的數據，數據不僅是現象的“證據”，而且是現象顯示其存在的唯一途徑，是建構理論（邏輯實證主義）和證偽理論（證偽主義）的工具（J.Bogen & J.Woodward，1988）。數據還是科學共同體的通用語言，沒有了數據，科學共同體之間將不能交流，不同學科知識之間將不可通約，認識結果將不可共享也無法精確，也就沒有現代科學研究范式。

雖然數據在自然科學研究范式那里奠定了無可爭議的地位，但在人文、社會科學領域一直飽受爭議。至少有以下幾點使數據在社會科學領域的解釋力受到懷疑：

從認識論根基來看，在科學研究范式中數據是現象的“證據”，是科學共同體的“語言”。這些隱喻意味著數字應當與現象相符合，能正確地代表現象。但這一點不僅被詮釋學、存在主義等價值哲學所懷疑，而且遇到了自然科學（量子力學）事實證據的挑戰。例如，量子的運動規律是無法被觀察和測量的。正是利用這一點人類發明了絕對保密的量子通信技術，任何監聽工具試圖對量子通信進行測量時，量子糾纏態就會被破壞，也就是對量子通信內容進行直接數據化是不可能的。這說明，盡管數據幫助自然科學構建了知識的大廈，但其可能性、可靠性即便在自然科學內部也遇到了一定挑戰，成為存在偶然性與價值性等種種量化困境的社會科學進一步排斥數據化方法的新證據。

從數據本身的質量來看，科學數據是一種受控數據、純凈數據、簡化數據。在科學研究的過程中，為了獲得某一方面的觀察數據，往往需要對實驗條件進行控制，以獲得數據的純潔性。但在社會科學領域，由于社會環境中的影響因素極度復雜，受控取數變得異常困難，取得的數據也總是受到懷疑。另外，受控取數獲得的是簡化的數據，因而說明的也是簡化的現象。近代自然科學受到單子論影響，主張把復雜現象簡化，進行單項的研究，然后再還原成總體，分析總體的現象。但人文社科領域更多秉承有機的世界觀和方法論，與機械還原論的自然科學研究方法訴求難以相容。

近代自然科學研究范式遵循嚴格的因果邏輯，即探尋現象背后的根本原因，或曰必然因果。然而，這種因果關聯受到休謨認識論的挑戰。當休謨沿著經驗因果的階梯步步向上走去，發現所謂的因果竟然建立在形而上學的懸崖之上。盡管后來康德試圖通過純粹理性批判重建科學的因果性，但仍然無法從科學實踐經驗上否定因果之鏈源頭的那段人為的“嫁接”和“跳躍”。所謂的因果只不過是“心理習慣”“恒常聯系”“必然性”（張曉強， 等， 2014）。這些對因果關系的理解顯然與自然科學所標榜的數據客觀性、邏輯實證性、研究結果客觀必然性有較大出入，也是自然科學基于數據的研究范式的未盡之謎。

不過，就像技術樂觀主義者所聲稱的那樣，技術的缺陷需要用更好的技術來彌補，數據的不足也應當由數據的發展來解決（盛國榮，葛莉， 2012）。大數據作為數據發展的新形態，將會給科學研究帶來何種可能？能否解決社會科學研究的數據化之惑？為了回答這個問題，首先需要澄清大數據與傳統科學數據有何異質和異構。下面將從大數據的來源、特征和功能三個方面進行簡要分析。

科學數據來源于科學活動中的觀察和測量以及由此派生的數據。科學數據活動是有意識、有目的的活動，目標是獲取現象的證據。但大數據并不是科學數據積累的結果，科學數據充其量只是大數據匯集的一條溪流。因為在大數據認識論中，大數據反映的是世界的本來面貌，數據不僅可以表達事物的輪廓與色彩，還能夠記錄人的行為、習慣，甚至心理活動。人工智能技術的發展正在不斷地昭示先前不能被數據化的東西正在實現數據化，如情感計算、價值觀測量等。舍恩伯格正是通過觀察文字、方位、社交等領域的數據化活動洞察到了世界的數據化本質：“世界萬物都有數據化的形式，都可以被數據化”“世界不再是一系列自然事件和歷史事件構成的，世界的本質是由數字構成的”（舍恩伯格， 等， 2013）。因此，在大數據認識論的視域中，數據也是被“發現”的、被“感知”的。這種發現和感知的主體不局限于人的視力和心靈，也不局限于傳統的科學儀器，而主要依靠一張布滿了傳感器和智能數據加工設備的所謂“互聯網+”。因為在互聯網+時代，人類一切活動都將在網絡上留下痕跡并被記憶，物的聯網（物聯網）把物理世界納入感知網絡。發現和感知數據也是認識世界的過程，當能夠發現或者感知數據的歷史與趨勢、聚合與離散、常態與異常時，就可以及時準確地把握世界的現在與未來，診斷存在的問題并尋找可能的出路。

從數據的特征來看，首先，大數據不是受控數據而是自然數據，構成大數據的主要部分不是在實驗室里獲得的，而是在網絡空間自然記錄的。其次，大數據具有即時性，是動態生成、實時傳輸的數據，更鮮活、更真實。最后，大數據不再具有純凈性，而是具有龐雜性和混沌性。大數據是一條條數據溪流匯聚而成的，跨界流通是大數據的基本特征，也是更多數據規律被顯示、被發現的基本前提。由于大數據的龐雜性和混沌性，每次發現的數據規律都是冰山一角。大數據構成的“世界”具有無限性，具有客觀實在性。

從功能上看，大數據不再像科學數據那樣對世界進行分解，將世界還原成小的單元再進行數據化測量和分析，而是對世界的復雜性進行整體描述。測量和描述是不同的概念，不可測量之物卻是可以描述的，就像對待量子運動那樣，當無法對量子的運行軌跡進行測量的時候，就對它的特點進行更宏觀的描述。大數據恰恰能發揮這樣的功能。另外，大數據方法也不再追求邏輯因果的自洽性，而是呈現數據之間的關聯性。基于此，傳統自然科學研究范式在人文社科領域遇到的數據化與因果危機是否可以被大數據的分析方法化解呢？盡管在這里還存在爭議，但大數據至少提供了新的問題解決思路。

概言之，從科學數據到大數據，數據的來源、特征和功能都存在很大不同，但從兩種數據引發的方法論上看倒具有諸多潛在的互補性，也顯示出大數據方法的超越性。這些互補性和超越性能否成為數據方法進一步深入具有濃厚人文氣息的教育科學研究的契機呢？大數據能夠在多大程度上消解人們對教育研究數據化分析的疑慮？

二、大數據之于教育研究科學化：

一條新的路徑

按照經典科學方法的應有之義，教育科學研究不僅需對研究對象進行科學化處理、構建數據模型，而且需設計可重復的實驗情景，以尋求教育現象間的規律性聯系。但教育科學研究不僅難以確定客觀的研究對象，而且教育現象的量化、教育情景的再現、教育規律的構建都難以契合經典科學研究的標準，教育研究的科學化在此陷入困境。但若說數據方法乃是科學研究方法的根本特征，大數據方法無疑是一種科學的研究方法，只不過大數據方法對待數據的態度和方式不同，可以看作是教育研究科學化的“一條新的路徑”。

（一）大數據對教育研究對象的科學化處理

教育科學研究對象的確立是教育科學研究展開的前提條件。教育科學研究對象包括教育現象、教育活動或者教育問題，三者是對教育科學研究對象基于不同視角的表達。但無論從哪個視角看，都難以構成嚴格意義上科學、客觀的研究對象。首先，教育現象只是教育的表現形式，是教育的證據和待解釋的事物（楊開城， 許易， 2016），是充斥各種意義、價值、權力矛盾的場所。而在現象學意義上，教育現象是沖破了種種科學迷霧的教育本真狀態，是日常生活世界的原本狀態，它甚至要盡可能剝離各種語言符號和各種預設程式的影響，因此它不僅不是客觀的，而且是排斥客觀的。其次，教育活動本身雖然是客觀存在的，但教育活動只是一種實踐。客觀實踐活動是人類主體和客觀自然的統一形式，實踐活動體現著實踐主體的各種價值訴求。這一點也使教育科學研究很難以教育活動為客觀基石建立教育科學的知識大廈。最后，教育領域的問題也不同于自然科學領域的問題，教育領域的問題主要是價值性問題而非客觀性問題。教育首要解決的是求善的問題，而不是求真的問題。看來，教育現象領域是難以客觀對象化的，經典科學研究方法對教育研究的科學化嘗試只不過是將教育領域中的師生主體排除在外，抽離出了一種抽象的教育結構而已（楊開城， 許易， 2016）。因此，經典科學研究范式與教育研究之間存在固有矛盾。但大數據方法不需“設定目標”“設定問題”，也不需“設定條件”“設定理論型”（張弛， 2015），從根本上回避了這一矛盾，因而也化解了這一矛盾。大數據方法只需擁有數，大數據方法不苛求數據的來源，也就不再囿于經典科學的取數方式，打破了經典科學范式的基礎，從而將曾被認為的非科學數據全都納入了分析框架。也可以認為大數據方法的研究對象只有數，對象是數，方法是數，結論還是數。所以大數據方法并沒有拋棄經典科學對科學的定義，即科學就是數據的科學，但它又不同于經典科學，它打破了經典科學范式的數據潔癖，包容了更多的數，同時也拓展了更多的可能，并悄然實現了研究對象的轉換。

（二）大數據對教育量化數據科學化處理

大數據的研究對象轉變為數據，而且對數據來源和數據標準沒有限定，邏輯上使得大數據在教育科學研究中有更廣的適用性。這意味著大數據方法對教育現象量化問題更包容，一切來源、一切質量的數據都可以納入大數據分析框架，從而在數據論基礎上為人文社會領域的數字化奠定了基礎。近現代以來，教育測量興起，但教育測量一直沒有成為教育研究敘事的絕對主流，反而因其可能帶來數字化標簽的惡果而受到種種指責。其原因有二：其一是經典科學研究方法采集的數據是有條件、有標準的數據，過多的標準和條件設置使取得的數據過濾掉了大量信息，因而也就可能失去所描述教育研究對象的一些價值。其二，傳統科學研究方法本質上秉承的是機械的世界觀，在方法論上把整體切割為部分加以研究，然后以部分說明整體，但教育領域恰恰是生態領域而非機械領域。大數據方法的數據表達彌補了上述缺陷，因為大數據包容的特性使其能夠更好地反映混沌、復雜領域的真實面貌，因而成功地把數據量化的合法性推向了人文領域。首先，大數據具有跨界性，彌補了經典科學數據自成體系的分割狀況，不同空間數據之間的交流與融通能為教育研究者提供更為全面的數據。其次，大數據記錄的是相對原始的數據。它沒有經過科研人員的條件控制，也沒有經過科研人員的主觀加工或者科研團隊成員之間的協商，機器對數據的記錄與人相比能夠更好地剔除人的主觀認知偏見。不過科學實驗數據等人為數據也是大數據的構成部分，但它要被重新放在更復雜的數據系統中得到檢驗和發掘。正是在更寬廣的數據視域和更復雜的數據聯系中，教育的“人文規律”才可能像自然科學領域的客觀規律一樣被揭示出來。總之，大數據方法對各種數據更包容，使數據量化有更廣泛的適用范圍，這是“科學研究”標準的轉變，為教育領域量化研究的合法性構建了基礎，也迎合了教育領域的基本特點。

（三）大數據對教育研究證據問題的科學化處理

證據是教育科學研究的基本前提，毋寧說，基于證據的教育研究即是教育科學研究。經典科學研究方法中的證據是可重復出現的證據，能在嚴格的實驗條件下得到控制和表達。但教育空間截然不同于自然科學實驗室。教育空間的生活世界屬性使得教育空間不可控、不能控、不應控，證據缺乏可重復性。值得注意的是，近年來“基于證據”的教育研究成為教育研究科學化新的進路。至于為什么叫“基于證據的教育研究”而不直接叫“教育科學研究”，乃是因為經典科學研究方法中的證據有嚴格的條件，新提法中的 “基于證據”從一定程度上泛化了教育研究證據的概念。教育研究的證據范圍更為廣泛，它不應當只包括“重效果和技術主義的證據”，還應當包括“理論證據和人文證據”（閻光才， 2014）。教育活動中的人文證據，如學生個體的情感表達、情緒體驗等方面的證據往往不可重復，這就使得經典科學研究方法中的取證方法在教育領域難以適用。

大數據方法開辟了新的取證方法，它不設置實驗條件，而是在自然條件下記錄數據，通過對數據的聚類、分類和趨勢性分析取得教育、教學決策的證據。另外，大數據方法不需要重復的數據，它只需要跨界數據、異質數據。大數據的可靠性不是建立在實驗的可重復次數上，而是建立在數據的跨界性、豐富性基礎上。另外，大數據用蓋然性化解了教育科學研究方法中證據的科學化問題。大數據方法中的蓋然性，即不追求兩個事件或諸事件之間的必然邏輯因果關聯，而是通過事件出現的伴隨性特征歸納出結論。這樣的方法也適合教育領域的基本特征。在教育現象中A事件和B事件的聯系，只能通過A的類似事件和B的類似事件的伴隨狀況來歸納，因為A事件是不可重復的， B事件也是不可重復的。大數據的上述取證方法可以看作是對經典科學方法的巨大突破，它不再需要精確的證據，也不需要精確的結論，也不追求必然的因果。但正是這種模糊性空間包容了教育科學研究，也為研究結果解釋的靈活性拓展了疆土。

（四）大數據對教育研究中規律的科學化處理

在傳統科學研究方法中，規律即確定的因果關聯，研究的目的就是尋求規律。因果關系是一系列“因”和一個“果”之間的關系，因和果之間是必然的關系。因果關系具有客觀性、特定性和時間序列性等特點。不過，在不同的學科領域，因果性有不同的表達形式，即因果性是一個寬泛的概念，但客觀性是其根本特征。不過，波普爾認為獲取因果關系的邏輯實證主義的“觀察方法”滲透著觀察者的主觀偏見，科學歸納法則存在著用有限證明無限的邏輯錯誤（黃欣榮， 2014）。波普爾由此提出“所謂的科學因果關系只不過是有待證偽的結論”（張華夏， 2003）。休謨則把因果關系歸結為“心理習慣”“恒常聯系”“必然性”三種類型，提出了新的因果觀。在休謨看來，科學研究中的歸納法只是一種心理習慣，或者說是一種概率論。總之，經典科學對因果規律的定義是邏輯必然性，但也不盡然，它具有更豐富和多元的內涵。

教育領域具有強人文性、弱規律性特征。教育領域的因果關系既不夠客觀（教育主要是價值活動），也不夠必然和恒定。在教育現象領域不會有事件A的n次重現，只會有A 的類似事件不斷出現，因此教育領域的規律只能通過類似歸納法獲得。而大數據方法本質上就是一種類似歸納法，它基于概率論，其發現的結論不具有必然性與恒常聯系的屬性，它只是一種心理習慣意義上的定律。而教育生活領域正是由意義和價值系統構建的心理習慣領域。更為重要的是，具有心理習慣定律發現功能的大數據認識論是一種“創構認識論”（王天思， 2016）。在創構認識論中，認識主體更容易發揮人的主觀能動性，使科學研究方法的發掘功能向求善求美的方向轉變。

三、大數據之于教育科學研究：未盡的困惑

盡管大數據方法克服了傳統自然科學研究方法的諸多局限，使數據方法應用于教育科學研究更加合理可信。但世界上沒有完美的方法，大數據方法也存在自身方法論局限，加之理想和現實的差距，使其在教育科學研究領域的應用也呈現出一些問題和不足，需在學理上加以澄清。

（一）仍然存在的教育現象數據化追問

從認識論上看，大數據由于其龐雜性、混沌性、跨界性，具有描述和揭示復雜社會現象的可能與潛力。這也是技術樂觀主義者認為大數據將為人文社會科學帶來科學研究春天的依據所在。的確，通過現代計算機網絡，大數據可以隨時隨地記錄人類個體極其復雜和細微的行為，而且通過數據的可通約性實現不同學科之間資源的共享（劉紅， 胡新和， 2013）。但是，用大數據來表征教育世界的教育現象，仍存在難以克服的缺陷。無論現代智能機器對人類行為的感知和記錄如何詳細，這些數據本質上仍然只不過是“行為數據”而不是“思維數據”（內部情感、態度、價值觀、思維過程等）。大數據客觀、詳盡地記錄和分析的是人在互聯網上留下的各種“痕跡”“符號”，這種外顯的客觀痕跡和符號更接近于人類行為的表征，而不是內部真實心理、情感的直接顯現。也許大數據方法可以遵循行為主義心理學的原理，把分析人類行為的作用發揮到極致，但認知心理學所揭示的行為分析局限，大數據方法如何克服呢？在教育學研究中，學生的主觀內部世界才是研究的根本重點。目前，對學生內部思想情感數據的獲得仍無法離開學生的主觀經驗報告，因為迄今最先進的智能機器也無法記錄并直接呈現學生的內部心理，或者說會存在很大誤差。因此，很難想象一個依靠數據客觀性、注重外部行為記錄的大數據方法能徹底解決教育科學研究問題。另外，大數據的客觀性也是相對的。大數據雖然能在很大程度上濾除數據使用者的主觀偏見，但卻難以避免數據工程師的主觀偏見。數據工程師的認識對計算認知過程的主觀性滲透，將使大數據對教育現象的反映進一步失真。大數據方法雖不為教育現象的數據量化設定條件，也不追究數據的來源，但并不意味著數據的來源和數據的質量不重要。在當前的大數據方法技術構架中，仍然存在一些數據量化的盲區，限制了大數據方法潛在功能的發揮。

（二）意猶未盡的因果關聯之辯

根據既有認識，傳統的所謂科學的方法是追尋因果性的，而大數據方法主要揭示相關性。因果性是事物之間明確、確定的邏輯關聯；相關性則是事物之間非明確、不必然確定的關聯。據上文分析，大數據所揭示的關聯至多是一種心理習慣，反映這種關聯的大數據定律本質上是概率論，大數據只是記錄了類似事件出現的概率，不具有必然性，只具有蓋然性。但這種蓋然性在教育科學研究領域將面臨倫理困境。因為蓋然性對個別事件、偶發事件是沒有意義的，因為蓋然性偏愛大概率事件，而教學領域卻無法忽視小概率事件。高度蓋然性的規則也不適合教育領域。例如，一種教育方法經過大數據統計對99%的學生有效而對1%的學生無效，那么就無法用99%的概率定律來適用1%的學生，因為在教育學的倫理法則中99%的重要性和1%的重要性是一樣的。有很大可能，適用于99%人的數據定律也適用于剩余的1%的人，但從教育至善的法則來看，教育科學研究需要確定的答案，而不是建立在高概率的基礎上。此外，從大數據方法中發現的教育現象之間的關聯能不能進一步挖掘因果關聯？截至目前的看法有兩種：一種是大數據揭示的關聯性恰好就是因果性，二者發生了巧合。另一種則是通過人的“既有數據”和“背景知識”來發現因果性（張曉強， 等， 2014），即大數據方法本身并不直接揭示因果關系，而是通過人類認識主體去揭示。比如，通過大數據可以對學生分數進行聚類、分類、趨勢等統計分析，但有關分數的數據本身只是現象，而不是原因，揭示背后的原因需要教師的勞動。當然，大數據方法也可以根據其他標準對學生進行分類，比如根據學生學習行為標準進行分類說明，但是何種分類標準更具有參考價值，更能揭示學生學習差異的根本原因，只能靠教師的既有經驗和心理數據進行判斷。這說明教師不可能像蘇加特說的那樣，有了大數據教師就無須思考、教學就會變成體育運動，大數據的評判和運用需要教師的教育學知識基礎、批判性思維以及價值觀的介入。

（三）需要澄清的大數據適用規范

上述分析表明大數據方法并不是萬能的科學研究方法，它有巨大的優勢，也存在一些不足，需要為大數據在教育科學研究中的應用設定規范。其一，客觀看待教育現象的數據化問題。大數據雖是客觀的資源，但大數據滲透著技術工程師的種種偏見，因而具有有限的客觀性。大數據呈現的數據規律應與研究者的經驗展開對話。其二，數據的本質就是對現象的歸一化處理，它既抹平差異，也制造新的差異。一方面，在對教育現象的描述中數據可能將任何異質的“一”歸結為同質的“一”；另一方面，數據的堆砌制造出對研究對象多少、長短、優劣的比較，而賦予教育對象數字化標簽正是教育研究領域所忌諱的。因此，大數據方法在教育研究中應用的首要前提是將教育價值觀融入問題分析，而不是全盤接受大數據呈現的直接數據結果，這與唯利是圖的商業領域純粹比較數字大小和優劣的大數據方法十分不同。其三，正確看待大數據的解釋力和預測力。大數據的解釋力由于其蓋然性在科學研究中并不算高。但就教育研究而言，大數據由于其盡可能統計所有樣本，接近于完全歸納法，因此在解釋力和預測力上總體超越了傳統的科學小數據。但由于教育現象具有低解釋力和低可預測性，而大數據具有低可解釋力和高預測性，大數據方法應用會進一步降低教育研究的解釋力（按照經典科學的標準看），但能提高其預測力。其四，明晰大數據與微觀問題、小數據與宏觀問題之間復雜的辯證關系。按照一般的看法，大數據不是宏觀數據，而是全部數據，它不僅能解決宏觀問題，也能解決微觀問題。但根據教育領域大數據的發育狀況，大數據解決宏觀問題、小數據解決微觀問題才能發揮各自的優勢。比如，當前運用國家宏觀教育大數據制定宏觀教育政策是合適的，但無法有效解決微觀問題。微觀領域的大數據仍不夠成熟，抓取學生個體大數據的技術操作存在難度，不夠普遍，因而數據積累有限。其五，大數據方法有較強的實踐性和較弱的理論性，因此更適用于實踐領域而不是理論領域。

（四）無法回避的理想與現實鴻溝

大數據既是理想的，也是現實的。一些研究文獻在涉及大數據方法論時總是從理想的視角進行分析，或不對理想的大數據方法和現實的大數據方法進行區分，難免造成認識上和實踐上的混亂。首先，大數據的構架和物聯網、云計算構架密切相關，但后者的發展并沒有達到理想狀態。物聯網發展的理想圖景是世界萬物的聯網，也是物聯網和人聯網的深度融合。云計算則是網絡上傳感器獲得數據的計算中樞。但從目前來看，物聯網主要是局部聯網，遠未實現萬物網的發展目標。而人的生活空間也沒有完全網絡化、虛擬化，網絡空間遠不是人生活世界的唯一組成。由于上述物質技術條件的限制，目前現實大數據只是相對的大數據、局部的大數據、領域內的大數據，而大數據需要各種數據自由流通匯集成數據海洋，這正是所謂大數據混沌性、龐雜性、跨界性的根源。因而現實狀況限制了大數據理想方法和結果的實現。其次，誕生于商業領域的大數據方法天生具有求用、求效的價值取向，與教育研究的訴求存在一定矛盾。隨著市場力量向學校的滲透，一些針對學校的網絡化建設也帶有明顯的商業利益訴求，教育力量之外因素的介入也使得教育數據不那么純凈。因此，在現代社會條件下，教育大數據的培育不僅需要市場力量的介入，更應當注重政府力量尤其是教育價值力量的主導。最后，捕捉大數據的各種計算機硬件軟件不是全能的，數據的記錄方法和處理方法被技術人員設定，只具有有限的功能，因而所謂的大數據仍然是具有某種目的性的部分數據或特定視角數據。只不過由于目前技術的空前發展，賦予了人們前所未有的數據視野。最后則是人為的數據隱私、數據開放、數據共享等方面的障礙。即便如此，大數據方法在局部領域內的應用不僅突破了傳統自然科學的數據化處理和分析范式，而且取得了巨大成果。無論現實與理想有多大的鴻溝，趨勢是明確的，大數據方法將成為一種新的教育科學研究范式，不過，這個過程既需要理想牽引現實，也需要腳踏實地探索。

[參考文獻]

黃欣榮. 2014. 大數據對科學認識論的發展[J]. 自然辯證法研究（9）：83-88.

劉紅，胡新和. 2013. 數據革命：從數到大數據的歷史考察[J]. 自然辯證法通訊（6）：33-39.

盛國榮，葛莉. 2012. 數字時代的技術認知[J]. 科學技術哲學研究（4）：58-63.

王天思. 2016. 大數據中的因果關系及其哲學內涵[J]. 中國社會科學（5）：22-42.

閻光才. 對英美等國家基于證據的教育研究取向之評析[J]. 教育研究（2）：137-143.

楊開城，許易. 2016. 論教育科學[J]. 電化教育研究（5）：5-10.

張弛. 2015. 大數據思維范疇探究[J]. 華中科技大學學報（社會科學版）（2）：120-125.

張華夏. 2003. 波普爾的證偽主義和進化認識論[J]. 自然辯證法研究（3）：10-13.

張曉強，楊君游，曾國屏. 2014. 大數據方法：科學方法的變革與哲學思考[J]. 哲學動態（8）：83-91.

V.M-舍恩伯格，K-庫克耶. 2013. 大數據時代[M]. 盛楊燕，周濤，譯.杭州：浙江人民出版社：123-125.

J.Bogen， J. Woodward.1988.“Saving the Phenomena”[J]. Philosophical Review97（47）：217-228.

收稿日期：2018-01-28

定稿日期：2018-03-25

作者簡介：張務農，副教授，碩士生導師，河南大學護理與健康研究所（475004）

責任編輯 劉 莉 張志禎