人工智能時代教育研究的算法邏輯、可能風險及規制策略

陰祖寶 容中逵

[摘 ? 要] 在教育數字化轉型背景下，基于算法的教育研究已呈現出蓬勃發展之勢，正推動著教育研究由以個體數據為主的實證分析向以海量關系數據為主的智能預測轉型。基于算法的教育研究具有獨特的運行邏輯，表現為指向計算主義的研究本體論規定，指向算法表征的研究認識論預設，指向數據驅動的研究方法論實踐，指向模型預測的研究價值論訴求。但基于算法的教育研究也面臨量化一切的算法崇拜、人之主體性的僭越、唯數據論的方法圭臬以及教育研究的非正義性等潛在風險。為防范和化解算法風險需要建立相應的規制機制，具體包括嵌入基于人文主義的研究立場，構建主體間性的“人—算”協同關系，推進基于數據效能的算法公開，重塑基于教育邏輯的算法正義等。

[關鍵詞] 人工智能； 教育研究； 算法； 算法風險

[中圖分類號] G434 ? ? ? ? ? ?[文獻標志碼] A

[作者簡介] 陰祖寶（1988—），男，山東泰安人。博士研究生，主要從事教育基本理論研究。E-mail：yinzubao@yeah.net。

一、引 ? 言

教育研究的“算法轉向”是人工智能賦能教育研究再造升級的集中體現，對創新教育研究范式，促進教育研究數字化轉型具有重要意義。然而，算法并非完美無缺的，其自身存在的算法理性、算法鴻溝、算法歧視等問題，也給教育研究帶來了潛在風險和挑戰。而這正是基于算法的教育研究亟待克服和解決的重要問題。有鑒于此，本文在闡明算法作用于教育研究的內在邏輯基礎上，辯證審視和追問算法研究可能存在的風險及產生原因，并提出規制算法風險的策略，以期對教育研究范式創新有所助益。

二、算法邏輯：教育研究的當下之“維”

基于算法的教育研究以數據關聯思維構建教育數據關系模型，并以可計算的方式將具體問題置于算法模型中，從而依托智能算法技術對教育社會結構和運行規則加以解構和分析。由此可見，算法為教育研究提供了一種全新視角，是對傳統教育研究范式從思維、認識再到方法、實踐的全面突破，這種突破反映了算法研究所具有的獨特運行邏輯。具體而言，可以從研究本體論、認識論、方法論、價值論四個維度予以詮釋。

（一）指向計算主義的研究本體論規定

若要探究人工智能時代教育研究的算法邏輯，首先必須明晰其背后隱含的本體論立場。哲學領域的本體論是指一切“實在”的本原或基質，其要回答的是世界是什么，以及如何解釋、理解世界的問題。本體論代表著一個具有最高、最普遍的邏輯規定性的先驗原理系統，旨在為人們認識世界提供哲學立場[1]。就教育研究而言，本體論所要解決的是研究方法或范式的指導思想問題，即何種本體論立場決定何種研究方法或范式。事實證明，不同教育研究范式有著不同的本體論立場。如實證主義范式秉持主客二分觀，相信原子論、還原論；解釋主義范式堅持人與世界一體觀，反對主客體截然分開；批判理論范式則主張教育是意識形態過程，存在于對現實的否定和批判之中[2]。當前，計算主義作為認識世界、理解世界的新的認知范疇，逐漸成為人工智能發展的哲學思想基礎，為各學科結合領域需求開展算法實踐提供了本體論框架和指導。計算主義認為，整個世界由算法控制，物理世界、生命過程、認知意識皆可計算，所謂的存在實質上不過是以不同的方式所顯現的信息形式，整個宇宙猶如一臺巨型計算機，世界從根本上是按照一定算法或程序計算的過程；生命、心靈和智能也是計算演化的結果，而人類大腦及意識則被視為宇宙計算機中的虛擬機，其既是宇宙計算的產物，也可以模擬和推演整個宇宙的本質[3]。從本質上講，計算主義是通過數學的方式將人類的認知行為和模式轉化為某種特定的算法，然后映射到“比特世界”中，實現世界算法化、算法世界化。就教育領域而言，基于算法的教育研究需要依托智能科技賦能，以數智世界中的教育問題為主要研究對象，利用海量教育數據從算法設計、數據構造等方面對教育研究問題進行可計算、可控制的建模分析，并以量化方式呈現各要素及要素間的互動關系，進而建立多維度、多層序的問題分析與預測模型，據此研究和解釋復雜教育問題及其內在作用規律。

（二）指向算法表征的研究認識論預設

在人工智能時代，算法成為解釋和認識人、教育、社會關系的基本思維方式。以算法表征世界、重構世界的認識論與以往的研究認識論具有顯著不同，其根本差異在于算法思維絕不只是一種空洞的思辨，也不是單純基于實驗操作的關于事物本體意義的溯源，而是“基于功能模擬、結構模擬和行為模擬，以算法語言的方式描述領域世界的實體、對象、關系以及過程等，實現理性推導、深度學習、智能模擬的動態互釋，即走向一種可以整合理性主義、經驗主義和具身認知的新的認識論”[4]。指向算法表征的教育研究認識論內含表征主體和表征關系兩個操作規定。表征主體規定的是“誰來表征”的問題，即“機器”在一定程度上具備了類人化的認識能力，被賦予了虛擬的表征主體身份。傳統研究的數據分析是以人腦為媒介的命題澄清過程，而算法思維則側重以電腦、云平臺等機器為媒介，通過數據化、模型化的方式將教育問題的產生機理、作用關系等表達出來，此時呈現的研究結果已不再是單純的人的主觀意志，而是互滲機器算法意志的表達。研究者與算法之間演化為一種“賽博格”式的認識結構關系，即人與技、人與機之間的關系由傳統的主客“器用”關系轉變為新形態的主體間性關系。算法表征實質是人機協同的結果，并由此使教育研究的知識表征呈現出“人類編碼知識+智能代理編碼知識”的雙重性[5]。表征關系規定的是“表征什么”的問題，即算法表征教育現象之間的相關關系。在傳統教育研究中，對因果關系的探索一直被視為研究的基本使命，嚴密的因果推理和關系驗證是揭示教育現象與問題本質的最基本的思維模式。此間，因果關系得以表征的前提是數據、變量的“人為操縱性”，即研究者在精確控制足以影響研究實驗結果的無關干擾變量之下，方能了解自變量與因變量之間是否存在因果關系。而在算法時代，研究者獲得的則是大量的非人為操縱的原始真實數據，同時，數據繁雜、變量多元且難控。在此情況下，普遍意義上的因果關系已難以“捕捉”，而更適合的是相關關系的“抓取”。由此，教育研究從關注因果關系轉向關注相關關系。

（三）指向數據驅動的研究方法論實踐

數據驅動科學發現是基于算法的教育研究所遵循的方法論原則。與傳統研究范式相比，基于算法的教育研究對數據性質定位、研究進路選擇有著不同理解和把握。人工智能技術和計算社會科學的發展使數據采集突破了時間、空間及體量限制的瓶頸，而以機器學習、神經網絡模型、圖像智能識別為代表的算法技術則使大數據分析突破了多源異構、多維多類教育數據耦合應用的障礙。此時，數據成為一種新型的生產要素。正如佩德羅·多明戈斯（Pedro Domingos）所言，“所有知識，無論過去的、現在的還是未來的，都有可能利用某個單一的、通用的學習算法而從數據中獲得。”[6]如此數據被賦予了“知識發現”的功能，數據本身具有了表征教育事實的意義，而研究者所要做的就是從數據中提取這些意義。在大數據教育研究中，研究者直接作用的對象是大規模、全樣本、多模態、全流程的教育元數據“本身”，并通過對數據的算法分析獲得那些之前未曾知道或知道但未覺其價值的復雜現象和規律。研究者不需要基于現象考察事先確定某種理論假設后再展開研究，而是直接基于數據達成知識發現的目的。這實則代表了兩種不同的研究理路，前者是“始于假設”的理論驅動型進路，而后者則是“基于數據”的數據驅動型進路[7]。“基于數據”的教育研究遵循“數據挖掘—數據清洗—數據分析—預測服務”的自下而上的歸納推理路徑，其目的不在于理論驗證，而是旨在數據解釋和理論建構。這在一定程度上顛覆了以前置性理論預設為前提的“觀察現象—提出假設—驗證假設—形成結論”的研究傳統，規避了研究者非中立的意識判定可能存在的偏見和干擾，同時以高維、高頻大數據算法，彌補了傳統研究用“小樣本”證明“大邏輯”（用簡單的數量關系外推復雜的教育因果關系），用“小數據”演繹“大定律”的缺陷（用有限的數據模擬闡釋教育宏觀系統問題），從而提升研究結果的可靠性、解釋力，以及可適用性。

（四）指向模型預測的研究價值論訴求

教育研究價值論是對教育科學研究存在意義的闡釋，是對研究自身價值構造和功能承載的抽象概括。算法之所以具有強大的變革潛力和認知世界的智慧，關鍵在于其創建的數字化模型能夠刻畫物質世界乃至人類思想的內隱秩序。就教育研究而言，創建算法模型的目的在于參照教育系統的特征以及各種教育現象、教育對象的依存關系，以智能模擬或擬態仿真的方式，賦予數據表征價值，并利用數學公式、圖形圖表等呈現特定教育研究問題或對象之間的關系和規律，借以解釋和預測未來的發展趨勢。沿循以上邏輯，基于算法的教育研究價值論在現實層面表現為解釋規律性和預測可能性兩個功能承載。在解釋功能上，基于算法的教育研究依托人工智能技術，以超強算力和智能算法為保障，以教育學科為基礎，綜合運用統計學、社會學、經濟學、計算科學等學科資源，構建具有復雜自適應性的廣域、開放的教育問題算法模型。這種建模可以“實現對教育實踐中復雜變量關系的準確把握和對教育系統的整體認識，使研究人員能夠真正關注復雜教育系統具有的非線性特征，為教育研究構造新的時空關系，”[8]進而揭示和解釋以往常規方法難以洞見或無法觸及的教育深層問題、規律或事實，并為探討復雜智慧網絡和數字化空間中的一系列新興教育議題提供研究理路。在預測功能上，建立在相關分析基礎上的“預測”是基于算法的教育研究的核心功能。預測原本就是教育研究的應有功能。現如今，在大數據、算法技術助力下，研究者可以通過模型配置對諸多教育現象之間的相關關系加以量化分析和定性闡釋，創設虛擬仿真情境，對有關教育問題進行趨勢性、概率性預測。尤其是在教育規劃和政策制定中，基于算法的教育預測能夠破解教育決策中選擇性偏差和時效性制約，將教育決策需要考慮的多方面因素進行量化和可視化，使教育決策者能夠對潛在的教育管理問題和未來發展方向加以預測，促進教育規劃編制科學化和決策精準化[9]。

三、可能風險：教育研究的算法之“危”

相較于傳統教育研究范式，基于算法的教育研究在邏輯構造的關系呈現、研究數據的規模保障、邏輯推演的智能水平、研究結果的預測水平等方面實現了難以匹及的技術飛躍。然而，算法是一把雙刃劍，其在賦能教育研究的同時，也將自身技術缺陷和意識偏見滲透到了教育研究活動中，從而引發一系列潛在風險。

（一）量化一切：教育研究的“烏托邦”

計算主義“一切皆可計算”的核心理念清楚地展現了人工智能時代以數據和算法為基礎認識事物本質及其特征的思維邏輯。而智能技術的本質就是人類精神和心靈的技術化或者說計算化（算法化）[10]。在計算語境下，教育自然被置于某種算法的運行模式中，關乎教育本質的一切，包括教育主體的認知和意識都是計算的結果，任何教育行為都可以通過某種算法程序加以呈現和解釋。在此意義上，教育成為可算度的教育，教育研究的過程就是利用算法技術對教育問題進行代碼化與算法化的處理，從而獲得可量化的確定性規律或結果。不難看出，基于算法的教育研究力圖將教育問題置于一個可計算的空間中加以研究，并借此展現教育研究“科學化”的曙光。然而，對于教育而言，算法的應用范圍有其局限性，教育并非一個絕對可算的世界，不是所有情境中的教育問題都適合用算法加以模擬和解析。一旦忽視這一點，基于算法邏輯的教育研究將面臨算法崇拜、研究簡約化等風險。具體表現為：

一是教育研究極易陷入“把一切交由算法，一切靠數據說話”的算法控制論誤區。算法世界是確定性的、物化的，其處理的是一些本身能夠被計算或精確定義的現象或問題。當然這也是算法得以發揮作用的重要前提。但教育世界卻具有復雜性和模糊性，其充滿了諸多不確定且難以算度的因素。對算法的盲目崇拜，讓人們誤以為算法技術能夠克服教育不確定性的羈絆，讓教育變得客觀、可測，甚至將“量化一切”視為衡量教育研究科學性的唯一標準。由此演變為對思辨研究的排斥，及其方法科學性的否定。

二是教育研究可能淪為一種簡約化、單向度、線性化的思維模式。“量化一切”背后隱藏著算法本體論的魔咒，即為實現可量化、可計算的目標而借用某種算法機制將教育生活中模糊性的動態數據，簡約化為確定性的靜態數據，并將整個教育社會生活當成一個沒有生命力的靜態數據集。這種簡約化實則是對教育數據本身所具有的復雜性和客觀性的排斥，其使數據失去了豐富的內涵和諸多有價值的成分，并導致數據的單一化和殘缺化，進而影響對問題本質的呈現。

（二）算法理性：人之主體性的僭越

由于算法對人類生活的全方位介入，以及算法較之人類所具有的先天技術勢差，以算法表征為認識論基礎的算法理性在教育研究中日益凸顯，并不斷沖擊著人的認識主體地位。尤其是在更加自動化、自主化、意識化的強智能算法面前，研究者更加倚重算法實現教育數據的自動演算和分析，并期望獲得令人驚喜的研究發現，而其自身在研究中的主導和支配作用卻漸趨虛置。對于算法技術的過度迷戀，使研究者在無意識中將主體性讓渡于算法，最終淪為算法的附庸，由此引發人的主體性危機。具體表現為：

一是面臨算法反向馴化的風險。作為研究工具的算法在被研究者設計、編制的同時，也在以自身的技術負載影響著研究者的認知和思維，從而產生反向馴化作用。與此同時，算法所固有的“自我生產能力”，使其能夠按照自身運作邏輯，改造既有的教育研究認識范式，建構不依賴于教育主體意志的規則機制。在此機制下，“沒有人能夠理解這些算法的內在邏輯或者解釋我們接收到這些信息的原因”，“算法逐漸成為隱藏在人類社會幕后的控制者，并以它們的方式對待我們，而我們卻對此毫不知情”[11]。這種反向馴化使研究者從對算法的技術性依賴轉變為價值性服從，以致越來越難逃算法的操縱與規制。人反而成了表達算法意義的工具，而所獲得的研究結果或許只是算法想要我們看到的結果，并不一定是教育問題的真實反映。

二是面臨理論闡釋弱化的風險。基于算法的教育研究試圖以相關關系取代因果關系。然而，相關關系作為一種表象的、非本質的思維路徑，其回答的僅是事物“是什么”的問題，而不是“為什么”的問題，對于教育規律的揭示仍需借助于教育現象背后因果關系的解釋。因果關系判斷和推理是作為主體的人所具有的獨特能力，更是理論闡釋得以實現的基礎。盡管運用算法可以對海量教育數據加以分析，并從中發現各類復雜教育行為和現象之間的相關性，但是數據相關性只是描述性的表象發現，卻不能告訴我們這些現象的內在機制和運作規律，有時反而會掩蓋事物的本質，從而給我們的認識過程帶來誤導，這也是相關性分析固有的缺陷。

（三）算法濫用：唯數據論的方法圭臬

基于數據驅動的教育研究方法論并非絕對完美，事實上隱含著唯數據論的傾向。如過分夸大數據在研究中的價值，一味強調“數據會自己說話”，罔顧并非一切現象都能以數據形式表征的客觀事實和應用限制；又如盲目擴大算法適用范圍，簡單將“量大”等同于“質優”，以數據規模代表數據的有效性和正確性。唯數據論的傾向致使人們無法客觀識別算法濫用對教育研究結果和過程造成的潛在風險。具體表現為：

一是數據噪聲導致研究結果偏差。數據噪聲是指在獲得的總體數據中存在著偏離期望值的異常乃至錯誤的數據，這些數據會影響算法模型的性能，從而大大降低模型在研究結果分析上的準確性。數據噪聲是不可避免的，大數據技術在捕捉所謂有研究價值數據的同時，也將個體日常生活中無意義的情節、社會活動中非目的性活動、人際交往中偶然性事件等數據信息一并囊括其中。同時，當教育卷入一種虛擬與現實并行的智能生活模式時，個體在虛擬空間中會刻意表現出他人期待、認可或被智能技術人為設計的行為，這就造成虛擬空間與現實空間中個體心理意向、行為表現的偏差。基于此所獲取的數據勢必會存在偏誤，而在此基礎上經由算法所得到的研究結果的可靠性必然大打折扣。

二是算法黑箱導致研究過程失真。算法黑箱是指算法的計算過程猶如一個密閉而不透明的“黑箱”，人們所能看到的只是算法的輸入和輸出環節，卻無法獲知和理解算法內部的運算程序、決策機制以及目標意圖。對于算法使用者而言，算法運行是看不見、摸不著的，是脫離于人的控制而獨立進行的。由于算法黑箱的存在，研究者始終無法知道算法處理分析教育問題以及得出研究結論的邏輯思路和研究過程。盡管從計算主義擁護者的立場出發，科學的研究結論足以為“輕視過程”提供辯護，并默認研究過程是科學合理的[12]。但科學清晰的研究過程是保障研究可重復性和結論可再現性的基礎，這也是研究信度的重要體現。而算法黑箱所造成的研究過程的不透明性、不可理解性，卻加劇了教育研究的信度危機。

（四）算法歧視：看不見的教育非正義

盡管基于算法的教育研究總是試圖借用技術優勢將自身標榜為客觀、公正的化身。但是，作為人類思維外化的產物，算法卻存在固有的偏見屬性。同時，隨著算法決策深度介入教育研究和教育管理的各個領域，算法歧視得以潛藏于算法模型和數據代碼之中，以更加隱蔽、不易察覺的方式影響教育生活，并持續生產偏見，導致對教育主體或教育問題的差別對待，侵害教育利益相關者的權益和尊嚴，進而造成教育偏見和決策誤判，引發教育非正義的倫理風險。具體表現為：

一是引發教育偏見。算法模型的建立依賴于教育大數據，但并不是所有的數據都會被納入模型的演算之中，能夠作為模型基礎數據的都是那些“訓練數據”。訓練數據往往是在數據挖掘階段出現頻率高的數據，這些數據與數據模型性能直接相關，是算法預測分析過程中使用的關鍵元素，也是構成算法推薦的基礎。一旦訓練數據中涵蓋錯誤的、片面的或帶有歧視的成分，或捕捉范圍是具有偏見意識人群的樣本，則建立的模型也會帶有先天的歧視和偏見，由此所輸出的結果也會體現出價值偏見，從而導致研究結論的片面、失實。

二是引發決策誤判。算法決策的本質是在過去數據基礎上對未來作出預測。然而，過去數據是基于過去教育情境形成的，當我們用這些數據所建立的模型去分析處于新的教育情境中的問題和現象時，可能會水土不服，從而無法對當下問題作出準確的判斷和預測，甚至會導致決策失誤。同時，對算法模型的過度依賴可能會弱化研究者的批判意識，全盤接受由算法生產的各種研究結論和趨勢預測而全無價值判定和取舍，隱藏著極大的誤判風險。此外，算法本身具有價值負載性，算法設計者的價值立場或社會偏見也會不自覺地嵌入模型之中，從而影響結果公正。

四、規制策略：教育研究的算法之“位”

為有效推動教育研究的數字化轉型，必須對基于算法的教育研究所存在的潛在風險加以規制，讓算法在合理軌道上運行，而不越“位”，從而使其真正發揮驅動教育變革和塑造研究新范式的作用。

（一）嵌入基于人文主義的研究立場

教育研究本質上是科學性與人文性相統一的活動，并由此形成了科學主義和人文主義兩種傳統研究立場。兩種立場雖各有側重，但不可割裂，且以人文主義為基礎。正如有學者所言，“教育研究離不開思想性與人文性，甚至它的實證與科學化也要以人文性為前提。過于倚重實證、量化、技術及其效率，教育研究過程就有可能淪陷于機械化的工具與程序，勢必偏離了以人的存在為目的的教育本身”[13]。盡管算法正深刻改造著教育研究范式與思維方式，但這種改造不能違背人存在的意義。為此，基于算法的教育研究必須嵌入人文主義價值立場，以此破除對“量化一切”的過度膜拜。首先，“必須承認算法不是全能的，并停止科技烏托邦的幻想，即無根據地寄希望于用算法解決一切問題”[11]。算法研究是有限度的，其發揮作用有其特定時空限制，研究者不能無限夸大算法能力。算法研究也只是多種教育研究范式中的一類而已，憑其一己之力無法完全解釋整個教育世界。其次，基于算法的教育研究要指向人的發展，在對教育問題進行技術化審視和診斷的同時，更要關注人的意義的探討，要從文化和人文層面探討影響教育問題演進的各種情感、個性等非理性因素，將教育研究引入更為廣闊的人文性視野思考框架之中。此外，為避免人文主義傾向的研究陷入碎片化、個體化的境地，基于算法的教育研究必須符合所處時代社會文化語境的要求，對人文化場景中的人、物、事進行整體性研究，并借助算法技術手段，實現由個體經驗、感受、判斷上升到對社會意義、群體意義的建構上，從而建立科學性與人文性的關聯渠道，實現人文性與科學性的統一。

（二）實現基于主體間性的“人—算”協同

在基于算法的教育研究中，之所以會存在人之主體性被算法理性僭越的風險，其根本原因在于人與算法關系的異化和錯位。為此，要規制算法理性風險，必須科學理解和定義人與算法的關系，并在此基礎上，實現人之主體性的回歸。具體而言：一方面，在認知層面重塑人與算法的主體間性關系。人與算法的關系不是簡單的主體與客體、改造與被改造的關系，而是一種主體間性關系，其所要達成的是人與算法的協同共生。人之主體性的真正回歸并不是將算法置于人的強力控制之下，而是在承認算法的智能化、類人化特性基礎上，賦予算法智能主體身份，實現人與算法的有機結合，從而形成一種“新形態的認識主體”[14]。“人—算法”作為一種新形態的認識主體，其目的不是要創造一個所謂的“人工認識主體”，而是要利用算法彌補人之局限，進而拓展教育研究的深度和廣度，同時又利用人的意識洞察和糾正算法表征結果中的偏見和誤識。另一方面，在實踐層面實現相關表征與因果推理的協同互促。教育研究中主體性的回歸還體現在對算法表征結果的闡釋上，即研究者要在相關關系分析基礎上，論證其因果推理和判斷。就教育研究而言，相關關系是應對復雜系統的一種橫向思維方式，而因果關系則是應對現實情境的一種縱向思維方式。這兩種思維針對不同教育問題，且分屬不同思維向度，不存在替代可能。因此，基于算法的教育研究不僅要關注相關，而且要探明相關背后的深刻原因。這既是去偽存真、剔除假相關的過程，也是揭示教育規律和生成教育理論的必然歷程。

（三）推進基于數據效能的算法公開

防范算法濫用風險是實現教育數據價值最大化，推進算法在教育研究領域科學高效運用的關鍵。而保障數據導向正確、安全可控，算法公開透明、監管有序是規避算法濫用帶來的風險隱患的有效舉措。具體而言：一是規范數據質量監控機制。建立涵蓋教育數據獲取、收集、存儲、使用、分析等整個數據生命周期的全鏈條、全流程質量管理體系。研究者要避免“貪大求全”“量大則質優”的算法研究誤識，并以教育研究問題域為基準確定數據獲取的范圍、規模、對象、標準等；要構建數據質量校驗的模型方法，并據此甄別和清理無效數據、冗余數據、僵尸數據、冷數據等，從而確保數據質量和安全使用。二是健全數據隱私保護機制。教育數據的獲取與處理必須遵守倫理規約，要保障原始數據權利人（如教師、學生、學校等）的知情權，只有在獲得其授權情況下才能對教育數據加以采集、使用或共享。同時，針對師生個人身份信息、興趣行為偏好、成績考評、學籍學歷等敏感數據，要構建教育系統敏感數據安全儲存和傳輸機制，保障隱私信息、敏感信息不被篡改、竊取、盜用、泄露等。三是建立算法程序公開機制。盡管算法黑箱本質上并非人為刻意制造，而是由算法自身的隱蔽性技術特征導致的。但這并不意味著算法黑箱是無解命題，人們通過開源技術手段能夠在一定程度上實現算法程序的透明與公開。基于算法的教育研究要及時、合理、有效地公開研究過程中的算法原理、維度變量、模型參數、決策標準等信息，并建立算法研究程序解釋機制，對數據處理、決策過程及應用情況加以解釋說明，從而提升研究公信力。同時加強算法程序公開的監督審查，有學者提出，“由學校、教師、家長、政府等教育利益攸關方組成一個監督委員會，對算法教育程序合理公開加以審查”[15]，這不失為一個可行舉措。

（四）重塑基于教育邏輯的算法正義

算法秩序的構建并不只是一個技術問題，而是一個實實在在的社會正義問題[16]。而算法歧視卻是對社會正義評價的扭曲。為此，基于算法的教育研究必須重塑教育世界的算法正義空間和秩序，最大限度地減少算法偏見和歧視，保障教育主體的平等權利，維護教育公平正義。具體而言：一是要以正義原則引領算法運行。算法應用于教育研究要以實現算法效率和保障個人權利與自由為基本準則。為此，要將算法正義貫穿于教育研究算法設計、數據挖掘、結果輸出等全過程，以正義價值防范算法權力的無限擴張，規避算法霸權對教育價值的侵蝕以及對弱勢群體的歧視，保障教育決策和行動的正義性與公平性。二是要以教育邏輯規制算法設計。任何形式的教育研究都必須以教育的本質屬性為邏輯基礎，這是確保教育研究獨立性，避免成為其他學科附庸的前提。基于算法的教育研究要堅持教育邏輯，而不是算法技術邏輯，即要由教育的需求決定選用何種適合的算法，而不是由算法決定何種教育才是適合的教育。也就是說，教育算法必須是基于教育實際問題和應用場景的“原創者”，而不是做其他領域應用場景的“跟隨者”[17]。這是解決算法歧視的根本所在，只有如此才能保障以教育思維去思考教育問題，而避免算法邏輯的宰制與操控。三是要以監測機制服務算法決策。實現以算法為核心的教育自動化決策是算法參與教育治理的重要方式，也是基于算法的教育研究的內在追求。但算法決策卻潛藏誤判風險。為此，有必要加強對算法決策過程及實踐應用的動態監測，及時發現和預警偏離教育現實或引發教育行動偏差的情況；同時建立算法決策糾偏機制，及時調整教育政策或措施，并對教育預測模型加以修正。

[參考文獻]

[1] 俞宣孟.本體論研究[M].上海：上海人民出版社，2012：19．

[2] 張羽，劉惠琴，石中英.指向教育實踐改進的系統范式——主流教育研究范式的危機與重構[J].清華大學教育研究，2021，42（4）：78-90.

[3] 李建會，符征，張江.計算主義：一種新的世界觀[M].北京：中國社會科學出版社，2012：2-5.

[4] 肖峰.人工智能與認識論的哲學互釋：從認知分型到演進邏輯[J].中國社會科學，2020（6）：49-71.

[5] 鄧國民.智能時代教育研究的認識論變革與方法論轉變[J].現代教育技術，2020，30（5）：26-32.

[6] 佩德羅·多明戈斯.終極算法：機器學習和人工智能如何重塑世界[M].黃芳萍，譯，北京：中信出版社，2017：33．

[7] 鄒太龍，易連云.從“始于假設”到“基于數據”——大數據時代教育研究范式的轉型[J].教育研究與實驗，2017（4）：74-79.

[8] 劉三女牙，周子荷，李卿.再論“計算教育學”：人工智能何以改變教育研究[J].教育研究，2022，43（4）：18-27.

[9] 萬力勇.算法時代的教育預測及其研究范式轉變[J].遠程教育雜志，2022，40（3）：35-44.

[10] 孫周興.人類世的哲學[M].北京：商務印書館，2018：85．

[11] 凱西·奧尼爾.算法霸權：數學殺傷性武器的威脅[M].馬青玲，譯.北京：中信出版社，2018：201，243．

[12] 靖東閣.人工智能時代教育研究的計算主義及超越[J].電化教育研究，2021，42（2）：18-24.

[13] 閻光才.如何理解中國當下教育實證研究取向[J].大學教育科學，2020（5）：4-11.

[14] 王治東.人工智能研究路徑的四重哲學維度[J].南京社會科學，2019（9）：39-47.

[15] 肖鳳翔，張雙志.算法教育治理：技術邏輯、風險挑戰與公共政策[J].中國電化教育，2020（1）：76-84.

[16] 董青嶺，朱玥.人工智能時代的算法正義與秩序構建[J].探索與爭鳴，2021（3）：82-86.

[17] 譚維智.人工智能教育應用的算法風險[J].開放教育研究，2019，25（6）：20-30.

Algorithmic Logic， Possible Risks and Regulatory Strategies of

Educational Research in the Era of Artificial Intelligence

YIN Zubao， ?RONG Zhongkui

（Research Institute for Rural Education， Hunan Normal University， Changsha Hunan 410081）

[Abstract] In the context of digital transformation of education， algorithm-based educational research has shown a booming trend and is driving the transformation of educational research from empirical analysis based on individual data to intelligent prediction based on massive relational data. Algorithm-based educational research has a unique operating logic， which is manifested as the research ontological prescriptions of computationalism， the research epistemological presuppositions of algorithmic representations， the data-driven research methodological practices， and the research axiological appeal of model prediction. However， algorithm-based educational research also faces potential risks such as the cult of the algorithm that quantifies everything， the arrogation of individual subjectivity， the principle of data-only method and the injustice of educational research. In order to prevent and resolve algorithmic risks， it is necessary to establish corresponding regulatory mechanisms， including adhering to a humanistic research standpoint， constructing an intersubjective "human-algorithm" cooperative relationship， promoting an algorithm openness based on data efficiency， and reshaping the algorithmic justice based on the logic of education.

[Keywords] ?Artificial Intelligence; ?Educational Research; ?Algorithm; ?Algorithmic Risk