教育政策仿真：推進教育決策科學化的方法基礎

何文萱　柯政

摘要：教育決策的高利害性對其科學性提出了高要求，傳統教育政策研究方法已難以滿足教育決策發展需求。大數據、人工智能等技術的發展，使得可以前瞻性預測和分析政策實施效果的教育政策仿真成為可能。相較于“自上而下”的建模機制，以“自下而上”為取向的“基于主體的建模”更適用于教育政策仿真。其關注微觀層面具有適應能力的主體，可通過主體的自主演化和主體間交互來預測教育政策實施效果，從而有助于解決教育決策中的復雜性和不確定性問題。教育政策仿真能夠實現教育政策實施效果預測和風險評估，提高教育決策的科學性，有助于深入認識教育系統的運行法則和內在規律。此外，教育政策仿真還可以豐富和改進教育政策理論研究，助力現實情境中真實問題的挖掘。在具體實施上，教育政策仿真的具體操作步驟包括明確研究問題和建模目標、構建靜態與動態概念模型、模型實現、模型檢驗、驗證與校準、計算機仿真實驗和結果分析等環節。

關鍵詞：教育決策;教育政策仿真;基于主體的建模;仿真技術

中圖分類號：G434? ?文獻標識碼：A? ? 文章編號：1009-5195（2022）04-0065-09? doi10.3969/j.issn.1009-5195.2022.04.008

一、推進教育決策科學化需要創新研究方法

1.傳統的教育政策研究方法存在局限

近年來，我國愈發注重教育決策①的科學化，強調以科學和系統的方法論來指導教育政策研究。已有學者梳理了我國教育政策研究的發展脈絡，主要包括國際比較研究、理論思辨和實證研究（高曉清等，2007;胡伶，2017;范國睿，2020）。然而，已有教育政策研究方法存在不足，難以完全滿足當下教育決策的發展需求。

在改革開放初期，我國研究者開始運用國際比較方式來對國外改革經驗進行總結、評析和借鑒。但由于社會背景和文化觀念等方面存在差異，國外的已有經驗并不一定能有效解決我國的教育問題（李志超，2015）。上世紀90年代以來，國內學者開始采取理論思辨方式來對教育政策的相關概念、命題、基本理論等進行邏輯推理，但隨著時代的發展，理論思辨研究也遭遇了一些質疑和批評，比如缺乏對事物內部矛盾的動態認識（彭榮礎，2011）、研究問題脫離現實（勞凱聲，2014）、論證主觀且缺乏現實根據等（余清臣，2018）。為了更好地結合現實，提升教育決策的科學性，國內學者開始呼吁加強實證研究（葉瀾等，1989;袁振國，2017），教育政策研究中也出現了這種趨勢。教育政策的實證研究主要采用訪談法、問卷調查法和實驗法等研究方法。但政策改革通常涉及多方權益的博弈，一般性調研方法（如問卷調查法、訪談法等）難以進行全面充分的溝通和協調，很難把握實際的政策傳播機制，更無法對政策實施結果進行精準預測（劉復興，2004;李大宇等，2011）。在這樣的背景下，“試點”作為真實實驗的典型方法脫穎而出，其能夠提供真實的經驗反饋，檢驗政策實施效果并分散風險（韓月，2019）。但真實實驗的可操作性不高。實驗對象具有不確定性和不可控制性，通常是牽一發而動全身，成本高且風險大（趙俊芳等，2019）。而且，政策制定在很大程度上依賴于專家學者的經驗判斷，教育系統的復雜性往往會超出他們的預料，在真實實驗中一旦出現紕漏或差錯，會引發嚴重后果，甚至導致改革“后遺癥”。除此之外，從真實實驗獲得的結論在可推廣性上存在不足。教育系統的復雜性、地域差異性等因素會導致一些政策試點的推廣范圍受限（劉軍強等，2018;吳全華，2018）。

既然傳統的教育政策研究方法存在較多局限，那么為了最大程度上保證政策制定的合理性和科學性，有必要進行教育政策研究方法的創新。

2.政策仿真有助于提升教育政策研究科學化水平

近年來，得益于計算機技術的發展，我們可以在虛擬環境中構建模擬的社會系統。以游戲《模擬人生》為例，該游戲的工程師利用模型來模擬人類行為，通過角色變量的設定來描述并控制虛擬市民的能力和即時需求、對活動的偏好以及他們與其他虛擬市民和所處環境的關系，從而構建了一個和現實高度貼近的虛擬人類社會。這種對真實世界的模擬被稱為仿真，仿真的思想和邏輯同樣可以應用于學術研究。其中，政策仿真研究在國外的起步和應用較早，主要用于社會治安政策、外交政策、宏觀經濟或市場管理政策等方面（邱楓等，2013）。近年來，國內學者也開始利用政策仿真方法開展研究，主要集中于對宏觀經濟政策（如產業政策、區域發展與規劃政策等）、社會政策（如社會保障政策）等的研究（婁成武等，2013）。

政策仿真能夠解決其他方法難以應對的現實問題。以我國的生育政策為例，由于其對社會發展的影響巨大，因此在制定生育政策時，需要考慮諸多影響因素，這就對政策研究方法提出了很高的要求。一般性調研雖然能夠獲取社會各方對生育政策的態度傾向，卻難以長期追蹤動態的民意變化，也無法預測不同政策實施的結果和影響。真實實驗方法亦不可取，一方面其受到倫理道德的限制，另一方面其可操作性低、政策實行風險過高。而通過政策仿真研究，可以避免上述問題。有研究者利用全國人口普查數據為仿真起點數據，基于我國人口發展變化規律與趨勢進行假設，測算出不同生育政策下未來人口數量和結果的變動情況，分析了不同政策可能產生的影響，從而為政策制定提供證據（郭震威等，2008）。相較于真實實驗，利用政策仿真方法不會受到現實的道德倫理限制，還可以避免研究的高成本與高風險弊端。政策仿真具有可重復、可檢驗的特點，可以通過不斷修正和迭代，更真實地反映社會現象，讓我們對客觀規律有更深入的認識。

鑒于此，可以將政策仿真方法引入教育政策研究中，從而提高教育政策研究的科學化水平。近年來，國內研究者也關注到了這一前沿研究方法。他們認為，利用模擬的方式，可以為科學的教育決策提供依據（顧小清等，2016）;在利用計算機仿真技術實現的教育模擬系統中，可通過參數演化，自動化、快速生成大數據，基于對大數據的分析觀察教育系統的演化過程，可進一步總結教育演化規律（余勝泉等，2019）。

二、“自上而下”和“自下而上”：政策仿 真的兩種建模機制

政策仿真是我國教育政策研究的未來方向和必然訴求，本文將教育領域的政策仿真稱為教育政策仿真。在教育政策仿真研究中，我們應該如何模擬真實的教育政策實行環境，如何構建模型，都是亟待探討的核心問題。總結文獻發現，政策仿真研究中的建模機制可以分為“自上而下”和“自下而上”兩種基本取向（Axelrod，1997;Macy et al.，2002）。

1.自上而下的建模機制

目前常用的自上而下建模以經濟學模型為主，比如可計算一般均衡模型（Computable General Equilibrium Model，CGE）、局部均衡模型等。以CGE為例，它將一個整體的系統拆分為不同的部門或區域，對政策變量（如稅率、利率、價格等）進行量化，利用方程組來描述整個體系及變量之間的關系，求出方程組在均衡狀態下（如市場供需均衡）的結果，從而得到整個系統的反饋（趙春富等，2015;石敏俊，2016）。

自上而下建模方法的重點在于描述均衡狀態，對數理關系、模型假設等有精確的要求。其在經濟與環境研究領域較為常用，常被用于分析各類稅收利率、國際貿易、收入分配與能源結構等，是非常重要的政策分析工具。以經濟領域為例，已有研究者通過自上而下的建模機制分析財稅政策對高新技術產業發展及產業結構調整的影響（張同斌等，2012）、貨幣政策對宏觀經濟系統的影響（范小云等，2015）、碳稅政策對中國經濟的影響（張友國等，2015）等等。

2.自下而上的建模機制

另一種思路是自下而上的建模，代表方法為基于主體的建模（Agent-Based Modelling，ABM）②。與自上而下的建模相比，ABM把建模的重點放在微觀層面的主體（Agent）上，其核心理念是霍蘭（Holland）提出的復雜適應性系統（Complex Adaptive System），即系統中存在大量具有適應能力的主體，這些主體由現實世界中的個體（如個人、學校、家庭等）抽象而來，主體在與環境及其他主體進行交互的過程中，能夠不斷學習和積累經驗，在一定規則下產生有組織的系統行為，這種行為最終能夠涌現為宏觀層面的現象，從而形成一個虛擬的現實世界（廖守億等，2004;邱楓等，2013）。簡單來說，ABM由一系列具有特定行為規則的主體構成，通過主體間的交互行為來模擬系統的動態性和復雜性。典型的ABM應該包含三個核心要素：一是主體，包括其特征屬性（如主體的個性、信仰等）和行為能力（如決策、交互等行為表現）;二是環境，即主體活動的空間與該空間中的其他屬性特征，可以是地理意義上的空間位置，也可以表現為市場或社會;三是交互規則，其回答與誰交互和如何交互的問題，具體包括主體適應性（主體在不同情境下的策略選擇與進化）、主體與環境的交互（環境變量變化對主體變量變化的作用機制）、主體之間的交互（主體受到其他主體稟賦屬性、態度、行為決策、關系等方面的影響）（王錚等，2016;Macal et al.，2010）。這種方法并不完全依托于變量的數理關系或統計特征，而是設定微觀個體的特征或行為，通過主體演化和主體間交互，運行生成宏觀層面的現象或系統屬性，從而解決充滿復雜性和不確定性的現實問題，能夠為預測教育政策實施結果以及教育決策提供依據。

三、基于主體的建模：一種具有廣闊前景的 教育政策研究方法

基于上述兩種建模取向，何種建模方法更適合我國的教育政策研究，其應用前景和價值如何？下文將依次對這兩個問題展開討論。

1.基于主體的建模更適用于我國教育政策研究

自下而上取向的基于主體的建模更適用于我國的教育政策研究。下文將從教育政策研究實際情況、理論支撐和可操作性三方面來對其進行論述，并通過案例進一步說明。

就教育政策研究的實際情況而言，自上而下的建模方式并不適用。首先，以CGE為代表的自上而下建模，關鍵在于參數的數理關系和精確量化假設，以及基于均衡狀態求解方程組。但是教育政策研究中尚未發展出系統的數理模型，也難以提出類似均衡狀態的研究假設，這就導致無法對方程組進行求解。并且，具體的教育政策往往充滿復雜性，無法聚焦于某個適用于所有群體的政策變量，對不同教育活動參與者的影響也各不相同，不像經濟政策那樣有單一明確的政策工具（如稅率、利率、價格等），因此無法簡單而精確地進行抽象和量化。更重要的是，這種方法無法體現不同主體（如教師、學生）在政策變動中表現出來的自主學習能力和適應性，不能動態刻畫出他們的策略和行動。

如何模擬真實的政策實行環境，歸根結底是我們怎么認識現實社會的問題。換言之，我們選擇的模擬思路應該同我們如何認識政策制定和實施相一致。方法論意義上的復雜科學越來越多地影響人們對現實社會和教育系統的基本看法（鄭金洲等，2005）。在傳統的社會學觀念中，社會生活被理解為是“自上而下”塑造社會結構或制度，進而控制個體行為及規范。而按照復雜科學的觀點，系統具備自主性和自組織性，系統在運行中并不依賴人為的控制，而是大量個體在相互作用和影響下自然演化的結果（范國睿，2004）。就教育系統而言，分門別類的學科課程體系、類型多樣的教育機構體系、各項教育政策和措施等，并非是遵從固定程序的預設結果，而是由系統內部各種主體通過交互、內生驅動而演化出的結果。

符號互動學派也持有類似的主張，他們認為，社會環境根據社會活動過程而獲得各種意義。在符號互動學派看來，人們不是被動的、機械的，也不是具有一成不變的人格，而是處于變化的狀態中，是動態的行動者（胡榮，1989）?，F實社會是由各種關系組成的組織，它的出現與一群參與社會活動、參與由各種社會經驗和社會行為組成的社會過程的有機體有關（喬治·赫伯特·米德，2014）。在互動中，人們進行角色扮演，相互溝通、解釋、學習，調整自己的動作，指導和控制自我，于是產生了社會（胡榮，1989）。簡單來說，社會是由互動著的個體構成。因此，我們對于各種復雜的社會現象的解釋，只能從這種互動中尋找答案。符號互動學派的研究單位正是微觀層面的社會過程，其重點在于探究社會個體互動的性質和過程。

根據復雜科學理論和符號互動理論，宏觀社會的結果都是微觀個體行為和互動的累積和涌現，這與ABM的建模思路不謀而合。在教育政策制定和實行中，教師、家長等群體并不是被動地接受改變，而是不斷積累個人經驗、相互學習，自主靈活選擇不同的策略，從而達成個體利益最大化。此外，不同主體之間也有利益表達和協調等互動，這些自適應和交互行為共同對政策實施效果產生影響，是非常典型的復雜適應性系統。

有學者將社會科學研究領域的仿真趨勢總結為：從傳統的基于變量的模型向基于行動主體的模型發展，由“Factors”轉向“Actors”，也就是轉向自下而上的建模。ABM提供了一條探索動態演化過程的路徑，是政策仿真研究領域的前沿方法和關鍵技術。這種政策仿真方法在具體操作上要求較高，但得益于大數據時代的動態監測技術和算力的發展，基于模型的數據收集和運算已經成為可能。首先，通過大數據動態監測技術，可以采集到長時間、全樣本的動態過程數據。其次，借助大數據計算和人工智能，可以建立復雜的可計算模型，因而能夠實現對現實社會的模擬。

國外已有一些教育政策研究者開始關注ABM方法，在此通過一個教育券政策的研究案例來說明該方法如何實現科學的教育決策。就現實而言，美國在實際發行和使用教育券上的經驗不足，這限制了研究者從既有經驗中獲得大量數據和信息。對于該問題的探索，在以往的實證研究中，有研究者從特定的方面（如學校財政等）來分析教育券制度所產生的影響，雖然能獲得清晰的統計結果，但結論比較片面，也無法呈現多方主體態度和行為演化的內在機制和動態過程。也有研究者選取了復雜的理論模型，但對政策實行后宏觀結果的預測能力有限。于是，有學者利用ABM構建了一個高度異質性的學區教育系統，模擬兩種不同教育券（通用教育券和目標教育券）發行條件下學生和學校的反應，即考察學生轉學情況和同伴效應，以及學校之間的競爭，從而評估兩種教育券對教育公平和教學效率的影響（Akyol，2016）。就該案例而言，ABM不僅能夠測試不同類型教育券發行下學生和學校的反應，還能展現主體自適應過程和主體間交互的動態演變，比如學生教育選擇策略的改進、同伴效應的作用、校際競爭及學校情況的變化，從而打開教育系統內部動態演化的“黑箱”，這都是研究方法創新帶來的“附加值”。

2.基于主體的建模在教育政策研究領域應用前景廣闊

承上所述，ABM適用于我國教育政策研究。這一方法有助于我們更深入地理解教育政策實行后社會現象的動態發展過程，具備廣闊的應用前景，其價值主要表現為：測試教育政策實施效果，輔助并優化決策;推動教育政策研究理論創新;激發研究者探究真實教育問題的潛能。

（1）教育政策“模擬器”

將仿真技術應用于政策決策輔助研究，可以建立一個低風險、低成本，且具備科學性和可行性的政策研究平臺，霍蘭將這種用途的ABM稱為“飛行模擬器”?！帮w行模擬器”的使用能夠大幅度提高政策實施效果預測的準確性。教育政策作為實驗的自變量，其影響通常不是直接的、線性的，而是多方主體相互影響的結果，甚至政策本身在實行過程中也會受到環境和教育主體的影響。通過建模與仿真，我們可以利用大數據平臺，整合不同行動主體的特征屬性和交互規則，模擬出不同政策的實施過程，預測可能出現的結果，比較不同政策方案的異同，從而為決策者提供前瞻性的預判報告。

以高考改革政策為例，這一政策作用于學生、家長、教師和學校等多個主體，其影響不是機械的、線性的。最終的政策實施結果由主體的互動決定，往往會出現一個既不是規劃出來的、也不是大家主動選擇的結果。改革結果為什么不如改革者的預期，宏觀結果涌現的微觀機理是怎樣的，不同條件下改革實施結果會有什么差異，想要回答這些問題，就需訴諸“飛行模擬器”。具體來說，通過ABM研究高考改革政策的基本邏輯為：從主體的微觀行為視角出發，以高考改革政策在教育主體之間的傳播機制為基礎，研究他們在教育活動中的行為規則、決策模式以及主體間相互影響機制。在此基礎上，采用ABM構建一個“學?！獧C構—家庭”教育活動模擬模型，并基于模擬器對各方的決策和行為進行模擬和預測，從而設計出合理可行的、能夠有效提升學生素質素養與促進教育公平的高考改革方案，并對其進一步優化，從而達到預估政策實施效果和優化教育決策的目的。

（2）理論研究“實驗室”

除了對具體教育政策的研究，仿真技術還能對教育政策研究領域的理論創新作出貢獻。不同于“演繹—律則模型 ”（Deductive-Nomological Model）和“歸納—統計模型”（Inductive-Statistical Model），基于主體的建模方法為社會科學研究提供了全新的第三種方式（Axelrod，1997;Hedstr?m et al.，2010）。它從一些基本假設出發，演化生成可以歸納總結的經驗數據，因此有學者認為其介于理論構建型研究方法（如案例研究）與理論驗證型研究方法（如統計分析）之間（Davis et al.，2007）。作為理論研究的“虛擬實驗室”，ABM具有十分重要的價值。它不是通過普適性的社會規律或某些變量的統計結果，而是通過一系列主體（以及屬性）及其與其他主體互動的行為，來展示社會現象產生的機制。相對于傳統的研究方法，仿真技術的優勢在于其強有力的機制性解釋和清晰明確的研究邊界。

一方面，我們可以通過模擬的方法探索因果關系并獲得機制性解釋，從而豐富和改進教育政策理論?，F有的教育政策研究大多采用數理統計方法來探索因果關系，比如研究自變量政策A和因變量B（如學生成績等）之間的關系，并不能進一步解釋和分析非線性的交互作用（如不同學校之間的借鑒和互動等），而政策仿真研究方法能夠幫助我們探知動態的因果過程及機制性解釋。機制性解釋的核心思想在于，機制并不是一個可以簡化的因果概念（比如X會決定Y），而是一個因果過程實體（即X影響Y的過程，甚至是X和Y互相影響的過程）（Hedstr?m et al.，2010）。要解釋的結果是由因果過程中的“齒輪”及其運轉引發的，因此適當合理的解釋應該詳細說明因果過程中的“齒輪”及其運轉過程。在仿真研究中，基于一定理論和基本假設，主體會產生相應的行動和交互，這些主體行為進一步引發社會現象，完整呈現出現象產生的內在機制和動態過程，從而深化和豐富我們對教育政策理論的認識。

另一方面，我們可以在虛擬環境中驗證或測試現有的理論，觀察假設或條件的變化對結果的影響。這一點尤為重要，因為基于強假設或固定條件下的獨立推論很容易出錯。比如經典的理性人假設，其認為人的行為是理性的，總是力圖以自己最小的經濟代價去獲得最大的經濟利益，然而現實社會中的教育主體是有限理性且易受到環境影響的。通過建模仿真可以放寬對微觀主體的特征屬性和行為規則的假設條件，從而能夠測試理論的穩健性。同樣，對于那些只適用于特定條件的理論，我們也可以改變模型參數，探索該理論在實際情境的適切性，并找出像臨界點或閾值這樣的關鍵指標。

（3）真實問題“發展點”

基于主體的建模在多個方面對研究者提出了要求，比如對微觀社會活動的關注、對具體參數和規則的刻畫等，這些要求能夠激發研究者發現、抽象和精煉真實問題的巨大潛能，是研究真實問題的“發展點”。

ABM提供了一個自下而上觀察社會現象的角度，促使研究者打破常規思維，因此可能會給人們認為理所應當的問題帶來不同理解。按照以往的研究思路，研究者更多會考察教育政策實行以后某類主體的反應和行動，并將其視為孤立的、被動的和機械的，往往忽略了家庭、學校作為具有學習和自適應能力主體的主觀能動性。那么，學校和家庭究竟如何理解和學習教育政策，在政策實行后如何選擇能使得自身利益最大化的行動策略，又是如何通過一系列利益表達和協調活動來影響政策實行，這都是需要進一步研究的問題。

政策仿真研究不僅要求研究者聚焦于微觀的主體行為和互動，并且要求對參數及規則表征進行精細而準確的刻畫，這使得研究者必須深入到真實的問題中去。以“雙減”政策下校外輔導的選擇為例，假設升學競爭壓力會影響家庭課外輔導投入，那么在不同政策環境下，哪種類型的家庭對政策變動最為敏感，家庭的決策模式是否會因競爭壓力發生變化，是不是會受到其他家庭或者學校的影響，這些行為決策方式和交互規則具體是怎么樣的？為了回答這些問題，我們需要立足現實情境，深入挖掘和分析，這正是教育政策仿真所激發的研究潛能。

四、基于主體的建模在教育政策研究中的基 本操作框架

目前而言，政策仿真尚未發展出一個固定的標準化流程。本研究在分析已有文獻基礎上，對ABM在教育政策研究中的基本操作框架進行了梳理和總結，其具體實施步驟大體上包括：明確研究問題和建模目標、構建靜態概念模型（即確定模型主體與環境）、構建動態概念模型（即構建交互規則）、模型實現、模型檢驗、驗證與校準、進行仿真實驗、結果分析（如圖1所示）（李大宇等，2011;邱楓等，2013;王錚等，2016）。下文以“某省是否具備推進新高考綜合改革的社會輿論基礎”這一問題為例，進一步闡明該操作框架的應用情況。

1.明確研究問題和建模目標

在正式建模前，需要明確研究問題和建模目標，將現實原型抽象并簡化為可操作的問題，這一步驟又被稱為領域模型的構建。在教育政策研究中，建模首先要注意同一個研究問題的不同研究目的將指向不同的領域模型。當研究目的在于洞察教育政策傳播過程或教育參與者的反應和行為時，我們可以選用僅囊括基本細節的模型;當研究旨在為教育決策提供依據時，我們需要更大規模體系的模型，對建模的要求更高。本例的建模目標是為政策制定和實行提供前瞻性預判，因此需要在設定模型時選用更細致的交互規則和更龐大的數據，盡可能地模擬該省的真實情況。其次，對同一問題的解讀和分析也可以從不同的視角出發，確定合適的研究視角和研究邊界至關重要。對是否推行新高考的研究，可以從社會基礎、經濟效益、民眾意志等多元角度出發，本例著眼于啟動新高考改革的社會輿論，也就是通過建模探究“該省推進新高考改革后社會輿論將發生怎樣的變化”，為教育部門分析啟動改革的輿論基礎提供參考。最后，還需要考慮研究的限制條件，如建模能力、數據可獲得性等。

2.構建靜態概念模型

明確研究問題后，應分析主體變量和環境變量，根據關鍵要素的特征確定模型的假設條件，構建靜態概念模型。在這一步，首先需要思考模型主體是什么，有哪些行為，其特征和偏好如何。從現實原型中提煉出模型的主體后，需對其特征屬性和行為能力進行初始化賦值。一般來說，教育政策研究中的主體有家庭（包括學生、家長等）、學校（包括教師等）、社會機構等。就本例而言，社會輿情主體必然包括家庭和學校。在面對高考改革問題時，這些參與者的偏好是相對固定的，家長和學生尤為關注高考的公平性，同時受到“唯分數論”和“唯文憑論”的影響，中學教師追求升學率，而高校教師對生源質量等更為關注。其次，要回答主體所處的環境如何，主體與環境如何交互等問題，并對這些影響因素的屬性進行量化和初始化。在本例中，環境可能表現為該省高考競爭壓力氛圍、當地改革經驗等。值得注意的是，應針對研究問題提出具體的研究假設，例如：家長對新高考改革的初始態度和看法由其自主意識決定，并且他們是有限理性的，易受外部環境的影響;民眾對高考改革的敏感度高等。

3.構建動態概念模型

構建基于主體模型的交互規則在于識別主體適應性、主體與環境的交互和主體之間的交互，這是構建動態概念模型的關鍵。主體適應性主要是指主體在不同情境下的策略選擇與進化，即主體在經驗積累中的自主學習。主體與環境的交互是指環境變量變化對主體變量變化的作用機制，如實行新高考“一科兩考”后，學生在特定學科的學業負擔減小。主體間的交互是指主體會受到其他主體稟賦屬性、態度、行為決策、關系等方面的影響，是相互影響的過程，這種交互可能是經驗分享和學習合作、利益溝通和協商、競爭等，例如家庭會根據學生學習情況和相對優勢改變科目選考策略。在本例中，著眼于社會輿論，可以設定如下規則：學校對家庭有輿論引導作用，學校對家庭的影響與其權威性相關;對新高考具體舉措不了解、態度中立且從眾性高的家庭更易受到輿論影響等。

4.模型實現

構建完概念模型后，需通過計算平臺將其實現為仿真模型。ABM需要通過軟件工具來實現，目前國際上廣泛應用于開發的平臺可以分為兩類：一類是提供類庫的平臺，該類平臺可以調用類庫中的封裝函數，對編程基礎要求較高，具有代表性的有Swarm、Repast等，如美國桑塔菲研究所利用Swarm開發了虛擬的股票市場。另一類平臺不依賴底層的編程開發環境，可以直接在Windows等主流系統中單機運行或在網絡環境中運行，用戶可以改變平臺自帶模型庫的設置來進行探索性研究，更為簡單易用，如StarLogo、NetLogo等（王錚等，2016）。

5.模型檢驗、驗證與校準

模型檢驗、驗證與校準旨在保證仿真模型的可信度。模型檢驗（Verification）的目的是確認仿真模型是否正確實現了概念模型，關注的是“是否正確地建模與仿真”，即強調建模過程的正確性。檢驗工作主要是對軟件系統的調試，包括檢驗概念模型、軟件設計及代碼。在此基礎上，模型驗證（Validation）的目的是確認仿真模型是否正確反映了被仿真系統（真實的現實世界），關注“是否建立了正確的仿真模型”，即強調建模結果的正確性。驗證方法中較為直接的是比較仿真模型的輸出結果與真實世界的觀測結果，如果兩者相似程度高，則說明模型的精確度高;如果模型和真實世界差距較大，則需要通過調整模型參數等方式對模型進行校準（Calibration）（李大宇等，2011;王錚等，2016;Macal et al.，2010）。由于教育決策對模型輸出結果的穩健程度要求較高，敏感度分析也是必不可少的。

6.仿真實驗與結果分析

經由檢驗、驗證和校準后，研究者可以調整教育政策變量并運行仿真模型，從而獲得不同條件下的模型輸出，即預測不同政策的實施效果，并進一步開展政策評價、方案選擇等工作。就本例而言，研究者可以借助仿真模型預判高考改革可能出現的輿情風險，并觀測到微觀主體的行動及其交互如何引發輿情。

五、總結

本文分析了教育政策仿真相較傳統教育政策研究方法的優勢，介紹了政策仿真的兩種建模思路，并從教育政策研究實際情況、理論支撐和可操作性三個方面出發，詳細闡述了基于主體的建模這一自下而上建模方法在教育政策研究中的適切度，并分析了該方法的價值和應用前景。最后，通過一個案例，簡要梳理了該方法在教育政策研究中的基本思路和操作框架。

將ABM應用于教育政策研究領域是很有價值的，但我們并不能忽略使用該方法時可能出現的問題。一方面，如何評價政策仿真的結果。有學者認為，可以借鑒自然科學實驗研究中的可重復性、可比較性、可標準化和可推廣性來考量仿真研究的信效度（鄭永和等，2020）。研究者在建模中的參數設定可能存在隨機性，而模型對參數設定是敏感的，這就導致模型在實現過程中存在“蝴蝶效應”，即仿真數據與真實經驗數據之間會出現差異。模型的訓練和調試需要大量真實數據，而由于真實實驗的可行度低，從現實中獲得經驗數據存在困難，這加大了模型可信度評估的難度（邱楓等，2013）。這就更加凸顯了敏感性分析、模型驗證和校準的重要性，其也是目前仿真研究的熱點問題之一。另一方面，該方法在技術上對研究者提出了挑戰，主要是對跨學科專家團隊進行合作的要求，以及構建計算機模型的技術性要求（鐘瑋等，2017）。

教育政策仿真具有廣闊的應用前景，是教育政策研究的前沿方向和必然訴求，是推進教育決策科學化的方法基礎。教育政策仿真有助于預測政策實施效果并評估風險，推動教育政策理論改進和創新，挖掘現實情境中的真實問題。在未來的研究中，應充分挖掘仿真技術的潛能，推進教育政策研究方法的創新和發展，全面系統地討論教育政策問題，提高教育決策的科學性。

注釋：

①“教育決策”是與教育事業相關的選擇或決定，本文中特指教育領域的公共政策決策。

② 已有文獻中，學者們對該方法的翻譯有所不同，如“基于主體的建模與仿真”“基于主體的模型”“基于主體模擬”等，本文中統稱為“基于主體的建模”。

參考文獻：

[1][美] 喬治·赫伯特·米德（2014）.心靈、自我和社會[M].霍桂桓.南京：譯林出版社：270-279.

[2]范國睿（2004）.復雜科學與教育組織管理研究[J].教育研究，（2）：52-58.

[3]范國睿（2020）.教育政策研究[M].福州：福建教育出版社：274-284.

[4]范小云，張景松，王博（2015）.金融危機及其應對政策對我國宏觀經濟的影響——基于金融CGE模型的模擬分析[J].金融研究，（9）：50-65.

[5]高曉清，蔣小豐（2007）.我國教育政策研究20年[J].中國教育學刊，（10）：24-27.

[6]顧小清，薛耀鋒，孫妍妍（2016）.大數據時代的教育決策研究：數據的力量與模擬的優勢[J].中國電化教育，（1）：56-62.

[7]郭震威，齊險峰（2008）.“四二一”家庭微觀仿真模型在生育政策研究中的應用[J].人口研究，（2）：5-15.

[8]韓月（2019）.教育政策創新擴散的風險及其規制——以新高考改革試點為例[J].教育發展研究，39（12）：37-42.

[9]胡伶（2017）.我國教育政策研究方法的演進與反思：2000—2015年[J].現代教育管理，（6）：47-52.

[10]胡榮（1989）.符號互動論的方法論意義[J].社會學研究，（1）：98-104.

[11]勞凱聲（2014）.教育研究的問題意識[J].教育研究，35（8）：4-14.

[12]李大宇，米加寧，徐磊（2011）.公共政策仿真方法：原理、應用與前景[J].公共管理學報，8（4）：8-20，122-123.

[13]李志超（2015）.教育政策比較研究的價值及其限度[J].比較教育研究，37（4）：15-20.

[14]廖守億，戴金海（2004）.復雜適應系統及基于Agent的建模與仿真方法[J].系統仿真學報，（1）：113-117.

[15]劉復興（2004）.論我國教育政策范式的轉變[J].北京師范大學學報（社會科學版），（3）：15-19.

[16]劉軍強，胡國鵬，李振（2018）.試點與實驗：社會實驗法及其對試點機制的啟示[J].政治學研究，（4）：103-116，128.

[17]婁成武，田旭（2013）.中國公共政策仿真研究：現狀、問題與展望——基于CNKI相關文獻的統計分析[J].中國行政管理，（3）：24-29，98.

[18]彭榮礎（2011）.思辨研究方法：歷史、困境與前景[J].大學教育科學，（5）：86-88.

[19]邱楓，米加寧，梁恒（2013）.基于主體建模仿真的公共政策分析框架[J].東北農業大學學報（社會科學版），11（4）：71-78.

[20]石敏?。?016）.區域發展政策模擬[M].北京：中國人民大學出版社：38.

[21]王錚，吳靜，孫翊等（2016）.政策模擬導論[M].北京：科學出版社：220-227.

[22]吳全華（2018）.論教育改革試點的非理性現象[J].全球教育展望，47（11）：63-71.

[23]葉瀾，陳桂生，瞿葆奎（1989）.向著科學化的目標前進——試述近十年我國教育研究方法的演進[J].中國教育學刊，（3）：2-6.

[24]余清臣（2018）.論教育思辨研究的時代挑戰與應對[J].教育學報，14（5）：13-21.

[25]余勝泉，徐劉杰（2019）.大數據時代的教育計算實驗研究[J].電化教育研究，40（1）：17-24.

[26]袁振國（2017）.實證研究是教育學走向科學的必要途徑[J].華東師范大學學報（教育科學版），35（3）：4-17，168.

[27]張同斌，高鐵梅（2012）.財稅政策激勵、高新技術產業發展與產業結構調整[J].經濟研究，47（5）：58-70.

[28]張友國，鄭世林，周黎安等（2015）.征稅標準與碳關稅對中國經濟和碳排放的潛在影響[J].世界經濟，38（2）：167-192.

[29]趙春富，劉耕源，陳彬（2015）.能源預測預警理論與方法研究進展[J].生態學報，35（7）：2399-2413.

[30]趙俊芳，劉艷紅（2019）.高考改革社會風險評估與規避機制芻議——基于權力監督與公共政策價值分析的視角[J].大學教育科學，（1）：53-59，124.

[31]鄭金洲，程亮（2005）.中國教育學研究的發展趨向[J].教育研究，（11）：3-10.

[32]鄭永和，嚴曉梅，王晶瑩等（2020）.計算教育學論綱：立場、范式與體系[J].華東師范大學學報（教育科學版），38（6）：1-19.

[33]鐘瑋，劉洋（2017）.基于主體模擬：一種探索公共管理問題的新方法[J].中國行政管理，379（1）：72-78.

[34]Akyol， M. （2016）. Do Educational Vouchers Reduce Inequality and Inefficiency in Education？[J]. Economics of Education Review， 55：149-167.

[35]Axelrod， R. （1997）. Advancing the Art of Simulation in the Social Sciences[J]. Complexity， 3（2）：16-22.

[36]Davis， J. P.， Eisenhardt， K. M.， & Bingham， C. B. （2007）. Developing Theory Through Simulation Methods[J]. Academy of Management Review， 32（2）：480-499.

[37]Hedstr?m， P.， & Ylikoski， P. （2010）. Causal Mechanisms in the Social Sciences[J]. Annual Review of Sociology， 36：49-67.

[38]Macal， C. M.， & North， M. J. （2010）. Tutorial on Agent-Based Modelling and Simulation[J]. Journal of Simulation， 4（3）：151-162.

[39]Macy， M. W.， & Willer， R. （2002）. From Factors to Actors： Computational Sociology and Agent-Based Modeling[J]. Annual Review of Sociology， 28：143-166.