教育定量研究范式：价值、困境与创新路径

摘要：教育定量研究范式是以实证主义为基础，运用数学工具或统计分析等手段对教育现象或教育过程进行测量，依据数据资料检验理论假设，揭示教育现象中各种因素相关关系的研究范式。它是提升教育研究科学化的关键，是引领教育高质量发展的工具，也是适应教育数字化转型需要的必然趋势。但是，当前教育定量研究在推动教育学走向科学化与实证化的过程中面临着多重困境，表现为方法的“内生性”问题、量化的“前提性”问题和研究的“规范性”问题。我国教育研究向实证研究范式的转型、信息技术的迅猛发展、数据共享与公开机制的形成，为定量研究范式创新提供了现实可能。未来，教育定量研究范式应在多种维度上进行变革和创新，推行复制性研究，发展计算教育学，加强教育预测研究。

关键词：定量研究范式；复制性研究；计算教育学；教育预测研究

中图分类号：G640     文献标识码：A 文章编号：1672-0717（2024）02-0050-09

教育定量研究范式是以实证主义为基础，运用数学工具或统计分析等手段对教育现象或教育过程进行测量，依据数据资料检验理论假设，揭示教育现象中各种因素相关关系的研究范式。早在1985年，胡森就将教育定量研究范式界定为：“模仿自然科学，强调适合于用数学工具来分析的经验的、可定量化的观察。研究的任务在于确定因果关系，并作出解释。”[1]作为教育领域思辨研究与质性研究的有益补充，教育定量研究范式以数据的方式对教育真理或教育规律进行呈现、描述和解释，在仿效“硬”科学的道路上推进了教育学科学化与实证化的发展。定量研究范式以其数据统计的客观性、方法程序的标准化、研究工具的科学性，在教育领域形成了极高的学术声望和研究地位，并受到国内外学者的广泛关注。有学者指出，“量化是促进包括教育学在内的社会科学取得突破性进展的关键”，量化是学科从前科学到科学的转折点，是学术深化的里程碑，是促进学术争论深入的有效手段，是提高决策水平的可靠支撑[2]。2015年“教育实证研究”论坛在华东师范大学召开后，定量研究在教育领域被广泛应用，表现为论文比重逐年增长、模型方法不断更新、学科领域逐步扩大、研究团体日益壮大。研究者通过运用数据统计和计量模型来对教育现象进行全面深入的描述解释，极大提升了教育研究在分析工具、理论建构与科学规律上的现代化水平，增强了中国教育与国际接轨、与国际对话的学术自信。在中国教育改革转型的关键时期，学界还需要对教育定量研究开展本土化理论反思，直面学术困境，破解方法论问题，谋求未来发展之道。

一、教育定量研究范式发展的应然价值

教育定量研究范式是提升教育研究科学化的关键，是引领教育高质量发展的工具，其发展具有应然价值。它不仅是适应教育数字化转型的结果，也是教育学科取得深入发展和突破性进展的写照。

（一）提升教育研究科学化的关键

科学界往往把定量研究水平视为研究科学化的重要指标，教育研究科学化在某种程度上就是教育研究范式向实证化和定量化发展的过程。近年来，我国教育定量研究方法的运用表现出日益增长、不断更新、备受关注的趋势。2013—2022年间，从总体上看，我国运用量化研究方法的论文以超过3%的速度逐年增长，发文量占比达到19.6%；从发展趋势上看，占总体研究的比例由2013—2017年的17.6%增至2018—2022年的21.5%①。近5年来，经典模型与统计方法在大部分论文中被广泛使用，复杂模型与现代方法也用于部分论文中，教育经济学、教育社会学、教育心理学等成为使用定量方法最多的学科领域。但定量研究方法的运用在规范性和科学性上仍存在诸多问题[3]。与国外相比，我国教育定量研究方法的运用在数量与质量上还存在较大提升空间。统计发现，定量研究方法是当前国际教育研究中最主要的研究方法，占全部研究的38.55%，且量化研究方法不断更新迭代、日趋精细科学[4]。从这个角度看，我国要提升教育研究科学化水平，还需在数量和质量上提升定量研究方法的应用水平、推进定量研究范式的发展。诚然，关于教育研究科学化问题还存在诸多争议，定量研究在探寻教育价值与生命意义方面也存在局限性②。然而，近年来定量研究作为主要的实证研究方法之一，已在国内外心理学、经济学、社会学、政治学等人文社科领域得到广泛应用，不仅形成了较高的学术声望和学术地位，而且极大地推动了学科研究的科学化进程，促进了学科理论的深化与发展。

在科学界，定量研究水平往往也是评价研究成果科学性的重要指标。定量研究方法在自然科学领域的广泛应用不仅推动了自然科学的长足发展，而且提升了自然科学理论的规范性和成熟度。自然科学通过发展一套有效的研究方法和规范的研究程序，采用一种以量化为主要特征的实证研究范式，建立一套保证实现“经验—理论—检验—组织更广泛的材料—新的理论”的循环方法，形成了一种对经验材料自组织的过程和理论自我改进的机制，可以使研究者排除主观失误与人为偏差，让研究材料变得完备、理论逐步逼近真理。定量研究广泛运用数据统计方法，不仅可以精确地描述和分析事物的数量特征，而且大大地提高了理论的逻辑清晰性、构造性与预见性[5]。丹尼尔·贝尔指出，定量研究在社会科学中的广泛应用，使其获得了更高的学术威望和更大的社会影响力[6]。陈云松认为，定量研究一直处于方法不断变革和快速发展之中，在社会学科中的地位越来越重要，为社会学科的知识积累奠定了扎实基础[7]。袁振国提出，在自然科学与包括教育科学在内的社会科学中，“学术深化、学科发展取得的突破性进展，往往依赖于量化方法、手段和技术的创新”[2]。因此，我们把自然科学中的定量研究方法应用于教育研究中，根据教育学科特点加以改造和创新，提升教育学理论的解释力、清晰性和预见性，不仅可以推进我国教育学科的科学化进程，而且可以提升教育研究质量，加快教育研究与国际接轨步伐。

（二）引领教育高质量发展的工具

进入新时代，我国学校教育改革从高速度发展向高质量发展转型。在高质量教育发展中，关于教育质量公平、政府教育投入结构与投入效率、课堂教学质量评价、拔尖创新人才培养以及学生学习幸福感、学生课业负担等问题的探讨不能仅仅停留于现象描述与理论论证层面，还应该构建量化的质量评价标准体系，围绕评价指标收集和分析数据，推进基于实证数据的定量分析与教育评价。教育定量研究对于促进教育高质量发展有着不可或缺的作用，推进教育定量研究在教育质量评价领域广泛深入的运用，是促进我国教育高质量发展的保障，也是推进教育治理现代化的关键。

以量化测评助推教育高质量发展工作具有重要意义，主要表现在如下几个方面：第一，明确教育现象和问题的关键特征。教育定量研究追求准确性，理论概念的操作化是定量研究中的重要环节，而操作化就是把教育现象中的关键特征转化为可观察、可测量的指标，以便用量化方法对这个变量进行有效测评，因此，定量研究有助于准确把握教育现象和问题的关键特征。第二，测评教育过程的质量及育人效果。基于人工智能和大数据的定量研究能够实现对教育过程的实时记录和长期追踪，利用数据挖掘、学习分析技术可以开展深入系统的教与学的过程分析，利用用户画像技术可以对教师的教学效果进行评价。新型的教育定量研究不仅可以实现对教学过程的质量监测，而且可以深化人们对于教学活动内在机制和规律的认识。第三，基于数据进行科学预测与制定教育政策。我们可以利用呈现在教育过程中的部分数据，通过建构测评模型和利用计算工具，对教育发展趋势和未来走向进行量化预测，为教育决策提供参考信息和专业依据，为教育的高质量发展指明方向。

（三）适应教育数字化转型需要的必然趋势

教育数字化转型既是当前我国教育改革的热点问题，也是未来教育实践创新的发展方向。教育数字化转型将数字技术融合在教育组织、教学过程、课程内容、教育评价、基础设施等教育领域各方面，推动教育结构、教育功能和教育文化发生整体系统的变革，形成信息空间、物理空间与社会空间相融合的新型数字教育生态系统。教育数字化转型凸显了定量研究范式在大数据时代的基础性功用和战略性价值，也推动着传统定量研究范式的创新发展。

一方面，教育数字化转型为教育定量研究范式的发展带来了更多的机遇。随着信息技术发生数字维度的飞跃，仅仅凭借哲学思辨或质性叙事来探讨教育问题已是不可能的了。教育数字化转型的核心就是将信息转化为可测量的数据并进行处理，如果没有科学的定量分析工具，不能运用数据来获取、分析和表达教育信息，就难以把握数字化教育信息的本质。教育科学研究需要与教育数字化转型步调一致，定量研究范式恰恰能够满足研究者运用数据确定、描述和分析教育现象的需要。可以说，在未来数字化教育生态系统中，谁掌握了定量研究范式，谁就把握了教育数字化转型的发展方向。另一方面，教育数字化转型对教育定量研究范式的发展带来了挑战。教育数字化转型为研究者提供了大规模、持续性、非结构化教育行为数据，而基于小样本、结构化、静态面板数据的传统定量研究方法又日益显示出局限性，因此，教育定量研究范式的创新发展势在必行。教育研究如何以开放积极的态度去对待大数据、以科学有效的工具去处理大数据，便成为教育学科推进教育数字化发展建设的核心任务。我们只有不断吸收新型数据处理技术、重塑教育定量研究范式、开辟新的定量研究方法与技术，才能适应未来教育数字化转型的需要。

二、教育定量研究范式发展面临的实然困境

21世纪以来，伴随着中国社会转型、教育变革与现代信息技术的发展，教育定量研究在推动教育学走向科学化与实证化的过程中面临着多重困境，主要表现为方法的“内生性”问题、量化的“前提性”问题和研究的“规范性”问题。

（一）方法的“内生性”问题：教育研究科学化发展与定量研究因果推断不足的矛盾

内生性问题是指教育领域非实验研究运用简单统计回归方法，只能说明变量之间是否存在关联，不能为研究因果关系提供强有力的解释和证据，在因果关系的推断上存在偏误重重的问题。教育定量研究的根本目的在于揭示教育活动的因果规律，主要包含实验研究与非实验研究这两大类方法。实验研究是识别变量因果关系最有效的方法。与自然科学不同，教育实验受到伦理道德和研究成本的制约，在自变量操纵和无关变量的控制上存在较大难度，无法成为教育研究的主导方法。大量重要的教育研究不得不使用基于问卷调查的非实验研究方法，由于非实验研究方法没有操纵自变量、很难判断变量的时间顺序以及存在太多无关变量未被解释，因此，依据非实验研究进行因果关系推断就会遭遇“内生性”问题的困扰[8]。这些困扰包括一般性的遗漏变量偏误、自选择偏误、样本选择偏误和联立性偏误等[9]。既然教育定量研究旨在阐明教育活动的因果关系和本质规律，而不是停留于描述变量间的统计相关，内生性问题就成为教育定量研究中长期存在、必须直面的问题。如何减少内生性问题，为研究因果关系提供强有力的解释和证据便成为当前教育定量研究面临的一大挑战。近年来，在国际教育研究领域，研究方法日趋精细化和科学化，“倾向得分匹配、双重差分、工具变量、断点回归分析（尽管后三位目前应用仍较少）等统计分析方法的出现”，体现了教育研究者对解决内生性问题的重视[4]。我们只有通过不断改进研究设计、计量模型及数据质量，才能减少“内生性”问题的威胁，从而对教育现象和问题提供令人信服的解释，凸显教育定量研究的方法优势。

（二）量化的“前提性”问题：教育数字化转型背景下定量研究数据质量不高

数据质量是解决教育定量研究“内生性”问题的重要前提，教育定量研究不仅需要良好的研究设计、复杂的理论模型，还有赖于高质量、大规模的调查数据。在现实调查中，研究者要获得高质量的调查数据存在诸多主客体方面的困难。首先，从研究主体来看，提高问卷回收率的同时可能会导致数据质量下降。问卷回收率的高低是评判一项调查研究是否具有代表性的重要指标。在理论上，回收率越高，调查样本代表性越大，定量研究质量越高。在现实中，高回收率意味着更多人力、物力、时间的投入，对于研究主体提出了更多的挑战和要求。为了保证调查的高回收率，研究者最经常的做法就是在调查对象的抽样和调查实施环节进行若干改变或替换，这种改变或替换往往破坏了调查程序的严格性，无形中导致调查数据质量的降低[10]。其次，从研究对象看，中国人突出的“心理二重区域”现象对收集高质量问卷数据带来极大困难。“心理二重区域”现象是指人们心理中存在对外公开与自我保密这两种截然不同、相互冲突的区域，表现为内外有别、两套话语体系等，由此造成被研究者在问卷调查中“说假话”，进而带来数据质量的降低和调查误差的增加[11]。再次，从研究条件看，传统封闭式研究模式不利于获取高质量数据。教育研究人力物力费用不断上升，数据收集、获取、存储与公开成本不断增加，教育数据不能在大范围内整合共享、利用率不高，重复收集数据现象严重，研究多来自个体问卷调查对象的截面数据，而难以获取长时间、大空间、即时性数据，这些现状致使教育定量研究只能承担对教育现象开展“事后阐释”或“理论验证”的工作。