論智能化時代教育科學的超學科范式

曾育芬 黃甫全 曾文婕

[摘? ?要] 多學科交融創(chuàng)新時代，彰顯了教育科學的超學科范式，亟須系統(tǒng)厘清其形態(tài)、結構與方法。伴隨著從教學機器到信息技術，再至人工智能的升級，教育科學在形態(tài)上歷經教育心理學、神經心理學和教育神經科學三個階段，由跨學科和多學科走向超學科形態(tài);結構上，凸顯了“學習神經基礎的探索”“教學方式的創(chuàng)新”“超學科型人才的培養(yǎng)”等新型共性問題群，開發(fā)了由協(xié)同群體、“生—心—社”融合實在、混合方法簇和超學科哲學相互作用的融合方法論，努力達致整體性認識;方法上，已經發(fā)展出“特定科學領域與教育教學實踐融匯創(chuàng)生”的概念框架、應用—調適雙饋系統(tǒng)模型和介導模型，運用轉化和具化兩大機理，構建一門關于教育的科學。這一切展現(xiàn)出一幅美妙畫卷，教育科學的智能化時代正在來臨。

[關鍵詞] 教育科學; 超學科; 范式; 人工智能

[中圖分類號] G434? ? ? ? ? ? [文獻標志碼] A

一、引? ?言

不經意間，一個多學科交融創(chuàng)新時代來臨了。人工智能、認知科學和神經科學等的快速崛起與交叉融入，推動教育從“Internet+”向“AI+”和“Neuro+”發(fā)展[1]。隨之，教育科學由跨學科（Interdisciplinarity）嘗試和多學科（Multidisciplinarity）探尋，走向超學科（Transdisciplinarity）范式。超學科，是不同學科的學者和利益相關者協(xié)同工作去解決生活世界問題的一種嘗試，既有別于多學科中其他組群的個人知識總和，亦非跨學科里已有學科的交叉部分，而是將來自多種學科的知識整合而生成一個超越性的學科新形態(tài)，建構起一種新范式[2]。對此，本文基于神經科學和人工智能勃興背景，凸顯學習認知神經科學，采用文化哲學視角，簡要闡釋教育科學超學科范式的形態(tài)、結構與方法。

二、教育科學的超學科形態(tài)

自古希臘以來，人類知識經歷了一個不斷分化的過程。最早，學科間沒有明顯界限。啟蒙運動后，受還原論影響，逐步發(fā)展出許多有著精確邊界和獨特方法的單學科，學科間的圍墻越筑越高。20世紀，人們逐漸意識到學科過于分化的弊端，掀起了科學綜合化運動，致力于“實踐觀照”與“學科交融”。在教育學、心理學、神經科學以及技術學的交融中，學習認知神經科學觀照具體科學與教育實踐的結合，伴隨著從教學機器到信息技術，再至人工智能的換代，穿過教育心理學、神經心理學和教育神經科學三個階段，引領教育科學歷經跨學科和多學科進入超學科形態(tài)（如圖1所示）。

（一）第一階段：教育心理學孕育學習心理學

19世紀末20世紀初，是科學信念盛行的時代。進化論的傳播、詹姆斯（James W）的《心理學原理》、霍爾（Hall G S）的兒童研究運動及杜威（Dewey J）的實驗學校，都在一定程度上推動了教育的科學化進程。心理學原理被認定可以給教育學提供科學基礎，成為教育領域的熱門話題。在這樣的背景下，桑代克（Thorndike E L）于1903年出版了《教育心理學》一書，教育心理學正式成為一門獨立學科。它作為心理學與教育學交融的產物，確定了跨學科的性質和研究對象為“教育過程中的心理現(xiàn)象與規(guī)律”[3]。根據(jù)這一概念，斯金納（Skinner B F）開發(fā)使用了“教學機器”[4]，教育者則普遍地對神經科學視而不見（如圖1（a）所示）。

注：由下而上標示三個階段;由左到右，左欄表示三個階段不同學科間的關系，即學科交叉;中欄表示三個階段學科交叉創(chuàng)生的新學科領域，即學科創(chuàng)生;右欄則表示三個階段主要的研究范式特點，分別為跨學科、多學科和超學科。

在教育教學情境中，教中一定蘊含學。學習的心理現(xiàn)象與規(guī)律，順理成章地成為教育心理學的核心研究領域，被視為是教育教學的理論基礎，受到學者們的普遍關注，并發(fā)展出行為主義、認知主義、人本主義和建構主義等各具特色的學習理論。這為我們透析學習的本質與規(guī)律提供了很大幫助，也為學習心理學這一分支學科的孕育奠定了基礎。學習心理學致力于探尋“學習的本質”“學習的過程”“影響學習的因素”等問題，為教育教學實踐貢獻了諸多理論。其間發(fā)展出的“教學機器”和“程序教學”理論是后來計算機輔助教學和現(xiàn)代教學軟件開發(fā)以及教育信息技術的直接思想來源（如圖1（b）所示）。

這一時期的跨學科范式表現(xiàn)為教育學和心理學兩個單學科互動（如圖1（c）所示），在概念和方法上持續(xù)交流找到共通之處，并建構和孕育出教育心理學、學習心理學（如圖1（b）所示）。學科的發(fā)展過程充分體現(xiàn)了其作為跨學科的學科間性，著力在課堂上開發(fā)使用教學機器。然而，當時的研究主要局限于“心理學原理在教育情境中應用”，很多教育原理源自實驗室情境下的動物實驗，在一定程度上脫離了真實人類的教育實踐。所幸的是，新興的神經科學、神經心理學擴展到“認知”活動（如圖1（a）所示），學習研究也逐步深化到心智“認知”層面，并為后來學者們對神經網絡和新聯(lián)結主義的熱衷、學習的神經科學解釋成為當代學習研究中最重要的取向之一奠定了基礎。

（二）第二階段：神經心理學凸顯認知神經科學

20世紀初，社會生產力的高速發(fā)展，促使科學研究由孤立走向群體化，“大科學”出現(xiàn)。列強開始研發(fā)氫彈、人造衛(wèi)星，以及國際廣泛參與合作的人類基因組研究等，它們的興起與發(fā)展否定了笛卡爾的“主—客體”二元對立的個體認識論模式[5]。學科間相互合作借鑒成為常態(tài)，各層次的交叉學科如雨后春筍般不斷涌現(xiàn)。大量自然科學和社會科學在教育領域中的應用，產生了復數(shù)形式的教育科學[6]。神經科學是一門研究神經系統(tǒng)的學科，其與心理學的融合催生了神經心理學（如圖1（d）所示），它把心理與生理過程重新聯(lián)結起來，將“心腦關系”作為核心命題，對腦與人的各種認知活動的關系進行探討。

繼布魯卡（Broca P）和威尼克（Wernicke C）等人開創(chuàng)神經心理學研究后，福多（Fodor J A）提出的大腦機能組塊理論則將相關研究推進到認知神經心理學（如圖1（e）所示）[7]。人們開始運用認知解析的方法，探討心理過程的神經表征模式，尤為關注學習過程的內在神經機制。認知神經科學是一門以揭示大腦認知功能的神經基礎為目標的前沿學科，[8]它借助事件相關電位和功能性磁共振成像等手段，從時間和空間兩個維度揭示行為科學觀測不到的學習的神經機制。與此同時，以西蒙（Simon H A）為代表的人工智能專家通過計算機模擬對人類問題解決方式的探索，開啟了學習研究的“機器”隱喻，[9]整合信息技術創(chuàng)生了計算機輔助教學、認知診斷測驗等新穎教、學、評方式。

（二）融合方法論

方法論創(chuàng)新對于教育科學發(fā)展起關鍵作用。行動者網絡理論（Actor-Network Theory， ANT）指出：“凡是通過制造差別而改變了事物狀態(tài)的造物都是行動者?！盵19]這是一種嶄新的世界觀：宇宙存在著人類、自然/環(huán)境、技術以及觀念/理論四類行動者，世界實質上就是這四類行動者相互作用著的一個復雜而動態(tài)的網絡。由此觀之，超學科的教育科學作為一個特殊網絡世界，就是由協(xié)同群體、“生—心—社”融合實在、融通性混合方法簇和超學科哲學相互作用而不斷建構發(fā)展著的動態(tài)學習網絡世界。

1. 協(xié)同式研究群體

在教育科學活動中，協(xié)同性的研究群體是創(chuàng)新的關鍵和基礎。研究就不再是單個學者的個人活動了，必須由多學科（不同學科領域的科研人員）和多層次（參與或關注教學工作的組織和個人）人員組成。既需要一線教師將課堂由“解決問題的場所”重構成“問題設計與解決的場域”，[20]主動發(fā)現(xiàn)、構想合宜的研究問題，還需要科研人員更加關注實踐問題并走進實際教學情境中針對實踐問題的解決而開展研究。

2. “生—心—社”融合實在

智能化背景里的教育科學，所研究的事物或對象已經深入到學習的大腦神經機制的分子遺傳學層面。貝茨（Bate， T. C.）綜合多項研究提出了“‘生—心—社融合體”教育模型，指出學習過程涉及了“生理、心理和社會行為”三個層面活動（如圖2所示）。[21]最微觀的是生理層面，分基因和神經網絡兩方面。其次是心理層面，涉及價值、記憶、詞匯、推理等方面，它們既受內在遺傳因素影響，又受外在生活經驗、社會文化等環(huán)境因素影響，屬于交互性層面。最外層的是行為層面，也稱客觀特性層面（Objective Biography），指外部刺激與心理適應相互作用所得的可觀察結果。教育就不僅僅屬于該層面，教師和學校是外在環(huán)境中的重要因素，與學生“已有心智水平（Current Mental State）”互動，以期生成“新增心智能力（New Mental Capacities）”和“生理承載力（Biological Capacities）”[21]。“‘生—心—社融合體”實在景觀，成為智能化時代教育科學所彰顯的特殊本質。

3. 融通性混合方法簇

協(xié)同性研究群體，對生成性的“‘生—心—社融合體”進行開發(fā)研究，融通性混合方法簇（Integrated Mixed Methods）[22]就應運而生了。它們實際上就是已有的文獻綜述、量化研究、質性研究和行動研究等超越了相互割裂而融會貫通形成的一套動態(tài)化方法群。當前已有許多研究采用系統(tǒng)性文獻綜述方法，配合調查、網絡感知、模擬測驗等定量方法和結構化的觀察、焦點訪談等定性方法收集數(shù)據(jù)，[23]并發(fā)展出無創(chuàng)腦功能成像、群組研究、哥倫布法（無預定目標的探索法）、溯因推理法、整體研究法和生態(tài)控制法等系列方式，其中成像技術發(fā)展出遺傳影像學、心理神經免疫學成像以及多模態(tài)成像等多學科交叉樣態(tài)，既為多層次數(shù)據(jù)收集提供保障，也對結果分析解釋提出更高要求。所以，借助人工智能、大數(shù)據(jù)、語義網等技術，互聯(lián)網數(shù)據(jù)庫快速發(fā)展，機器已可以替代人完成部分腦力分析工作，如深度學習、知識計算、自然語言處理等[24]。

4. 超學科哲學

融通性混合方法簇的合理性和合法性訴求，催生了超學科哲學，構成了教育科學作為特殊網絡世界的觀念行動者。隨著超學科范式的哲學基礎、元理論基礎和方法論基礎持續(xù)夯實，年輕而著名的科學哲學家婺亞娜（Uher J）率先在個體研究領域提出了超學科哲學范式（Transdisciplinary Philosophy-of-Science Paradigm， TPS-Paradigm）[25]。教育科學研究，即使在嚴格意義上講，亦屬于一種特殊的個體研究。因而，超學科哲學對于教育科學具有適切性。因為是個體研究，又置身科學傳統(tǒng)的客觀性限制之中，所以超學科哲學旨在引領研究者超越傳統(tǒng)局限。婺亞娜敏銳地指出：“探索個體的科學家，因為本身就是個體，因而并不獨立于研究對象，從而遇到了深刻的挑戰(zhàn);特別是人類中心主義、民族中心主義和自我中心主義偏見以及各種推理謬誤的高寒風險?！盵25]對此，超學科哲學竭力張揚批判性，旨在通過探索和明確正在形成的教育科學的哲學預設，以及該領域所使用的元理論和方法論，來應對這些挑戰(zhàn)。

（三）整體性認識

當前，學者們已逐步形成關于超學科研究的目標、重點、評估等方面的整體性認識，并理解到技術或人工智能既是工具，亦滲透在問題、知識和成果之中，使得超學科的問題、知識和成果成為“智能整合性的”。

1. “解決現(xiàn)實問題”作為研究目標

超學科的核心目標是不同學科的學者與從業(yè)者，為了社會共同利益，合作解決現(xiàn)實世界的重大問題。這些問題可能是技術或人工智能滲入其中參與甚或獨自固執(zhí)“生成”的現(xiàn)實問題，并且這些問題解決方法可以在一個較為廣泛的領域中得以運用。例如，學習作為關涉人類命運的關鍵問題，是教育科學、學習神經科學、人工智能、心理學科以及數(shù)理科學等交融加以認識把握的核心主題。

2. “創(chuàng)造知識”作為研究重點

超學科的動力除了源自對學術研究實際應用的需求，還有對新知識的追求，[26]促使其旨在通過整合學科和非科學的觀點，獲得對現(xiàn)實世界的整體認識。這其中有兩個關鍵點：（1）打通不同學科間的知識壁壘。每個學科都有其獨特的話語體系和交流方式。即便學科間具有共同的基礎，仍會因術語概念不同等情況造成誤解甚至形成壁壘。如“學習”一詞在不同領域有不同界說，腦科學揭示學習的生理基礎，心理學描述學習的心理機制，教育學則強調學習的外在條件。（2）建構超學科領域知識體系。已有研究提出，超學科研究中涉及系統(tǒng)知識、目標知識和行動知識三類知識（見表1）[27]。

3. “成果導向”作為評估原則

超學科范式的逐步發(fā)展引導學者們對如何評價超學科研究進行了探討，并提出三個評估方向：[28]（1）研究的結果和成果，具體包括論文成果發(fā)表的數(shù)量、相關領域知識/技術的創(chuàng)造、學術機構的認證等。（2）研究成果的轉化度，相關研究成果為政策、實踐等提供借鑒意義。（3）研究參與者對過程和結果的感覺、看法等。

四、教育科學的超學科方法

自赫爾巴特（Herbart J F）試圖整合教育學與科學而使之具備科學品格以來，人們對教育學的科學性進行了大量探索，并發(fā)現(xiàn)“教育科學”之復雜性遠非“教育”與“科學”兩個術語的簡單疊加。同樣，“將神經科學或人工智能的研究成果運用到教學實踐中”并不能使教育科學化。因此，康奈爾（Connell M W）等人受啟發(fā)于杜威對教育科學的理解，洞察了超學科的具化（Integration）與轉化（Translation）特性，將這一問題升華為“如何將特定科學（如神經科學、人工智能等）與教學實踐有機整合，進而形成一門關于教育的科學（a Science of Education）”[29]。這一教育科學的超學科范式，已經構建了教育科學的“特定科學領域與教育教學實踐融匯創(chuàng)生”的概念框架、應用—調適雙饋系統(tǒng)模型和介導模型。

（一）理論基礎

科學是知識及其方法的統(tǒng)一體?？茖W知識總是在適切方法的“做功”中生成的，所以它總是內化了適切的科學方法?？墒牵覀冊谡蔑@摯愛的科學知識時，則往往對其中的科學方法視而不見。所以，杜威特別指出：“科學一詞含義廣泛?？茖W的重點不在于尋找不同主題的統(tǒng)一客觀特征，而在于研究方法?？茖W即意味著存在系統(tǒng)的研究方法;當我們將這些方法和各種事實聯(lián)系起來時，便能更好地理解這些事實，并在控制這些事實時多些理智，少些偶然性與常規(guī)性?！盵30]教育科學的超學科范式則深化為三個元欲求，即充分認識到元理論屬性就是所研究的不同種類的現(xiàn)象，將方法論與所研現(xiàn)象的元理論屬性相匹配，并不斷地對研究的既定標準和所選顯性與隱性前提提出批判性的質疑[31]。

因此，教育科學的源泉問題就細化為教學過程中各類現(xiàn)象的元理論屬性及與之相匹配的方法論。杜威將教育科學的源泉分為“教育教學實踐（Educational Practice）”和“特定科學領域（Special Science）”兩種類型。這里，特定科學領域又具體到神經科學、人工智能、心理學和行為科學等學科。這一說法改變了已有的提問方式，將“神經科學、人工智能研究在教育實踐中的作用是什么”這一問題，深化為“神經科學、人工智能等研究和教育實踐在教育科學中的作用是什么”。如此，教育科學就成了“教育者利用相關科學研究結果”以及“反思性教育實踐者集體經驗”的融會結晶。

（二）應用—調適雙饋系統(tǒng)模型

教育科學的兩類源泉啟示我們，教育從一門藝術成為科學，研究者需具備兩個關鍵條件，一是用以引導自身教學實踐的“說明性心智模型（Explanatory Mental Models）”，二是用以改進心智模型的“系統(tǒng)探究方法（Systematic Methods of Inquiry）”。其中，心智模型是鏈接研究者認知和行動的關鍵要素。康奈爾等人在杜威理論的基礎上提出教育科學超學科范式的“應用—調適雙饋系統(tǒng)模型”（如圖3所示），具體包括“應用”和“調適”兩個過程環(huán)節(jié)[29]。

在該模型中，應用環(huán)聚焦日常教育教學實踐。研究者需對學生進行觀察（對應圖中的“認知”），借助一定經驗或理論來說明所觀察到的學生行為和表現(xiàn)（對應圖中的“心智模型”），并據(jù)此作出判斷和決策（對應圖中的“行動”）。心智模型是“外部世界在人腦中的表象”，相當于現(xiàn)實中一小部分情境在頭腦中的簡化模擬，它除了具有“說明”作用聯(lián)結研究者的認知和行動，還蘊含研究者個性化的理論或經驗。因而，即便是對相同條件的教育教學活動，他們也會有不同的說明。值得注意的是，這是一個反復迭代的過程，假設研究者期望通過行動幫助學生達到特定的教育教學目標，那么，研究者每次行動都會改變課堂情境，并引出新的觀察和新行動。未來也許可以像人類基因組計劃那樣，研究出大腦連接譜系圖，借助于人工智能使研究者的心智模型“智能化”，進而在面對具體情境時可以迅速做出判斷，指導后續(xù)教育教學活動。

如果說應用環(huán)是“應用理論”的過程，那么調適環(huán)就相當于“系統(tǒng)地生成和提煉理論”的過程。這就涉及教育教學工作者和特定科學領域學者之間的復雜合作。在這個過程中，教育教學工作者扮演著兩種角色：一是“問題發(fā)現(xiàn)者”，發(fā)現(xiàn)值得解決的教育教學問題;二是“（問題解決）方案驗證者”，判斷解決方案的價值并在實施中加以驗證。而學者則主要負責系統(tǒng)開發(fā)與相應教育教學問題相關的說明性心智模型。

其中，又涉及“研究問題的價值度”和“解決方案的適切性”兩大難點，而問題解決的關鍵在于“具化”和“轉化”，因此，康奈爾等人對“應用—調適雙饋系統(tǒng)模型”進行了修訂和細化（如圖4所示）[29]。具化指的是將一般化的理論模型具體化為適合解決具體教育教學問題的方案;而轉化是將具體化的且合乎規(guī)范的（Normative）教育教學問題抽象為描述性的（Descriptive）研究問題，即“概化”之意。

（三）應用—調適雙饋介導模型

在實際運用過程中，人們發(fā)現(xiàn)，系統(tǒng)模型的確為教育教學工作者參與科學研究指明了道路，但容易因缺乏“適切的原理模型”和“系統(tǒng)的研究方法論功夫”而停滯不前。由此，康奈爾等人借用軟件工程中的重要概念“設計模式（Design Patterns）”，融入了“設計媒”，將模型發(fā)展為教育科學超學科范式的“應用—調適雙饋介導模型”（如圖5所示）[29]。

設計模式旨在對重復出現(xiàn)的問題進行描述，并提供一個通用的解決方案，使得來自實踐和理論的“設計師”在遇到類似問題時可以使用已有解決方案，從而實現(xiàn)設計層次的開發(fā)。這就生成了“設計媒”，起著關鍵的介導作用，作為一種“外化的心智模型（Externalized Mental Model）”或“思維工具（Tool to Think with）”，通過轉化和具化機理融合“應用環(huán)”和“調適環(huán)”（見表2）。

概而言之，設計模式嘗試對問題進行分析和描述，以產生適用于大多數(shù)情境的通用的問題解決方案。因此，它搭建起一個腳手架作為媒介，即“設計媒”，幫助人們在特定的情境下區(qū)分教學實踐和理論研究，具體包括以下三個維度：

1. 時間范圍

理論研究通常時間跨度較長，可能持續(xù)一年、數(shù)十年甚至上百年，教育實踐者則需要即時的方案指導教學，時間跨度細致到秒、日、周。而設計模式是即時即用的，通常附有“何時運用、如何評價有效性、應用案例”等的指導。這為不同領域的研究與實踐人員提供了溝通的橋梁，以便互相借鑒研究成果（如研究問題）以及必要時更新理論（如原理模型）。

2. 基本觀點

科學研究的觀點多是“描述性的”，而教育實踐則是“規(guī)范化的”，并伴有一定的目標導向、價值導向或倫理道德導向。教育實踐問題轉化為科學研究問題，實質是促進教育基本觀點從規(guī)范性轉向描述性。同理，原理模型具化為教學問題解決方案時，實則是在描述性原理模型的基礎上補充了“何時運用、怎么運用、如何評價”等規(guī)范性信息。轉化和具化這兩個過程則是通過設計模式的“問題描述”和“解決方案描述”實現(xiàn)的。

3. 抽象程度

理論研究開發(fā)的原理模型多是一般化、超越具體情境（Context-Free）的，而課堂實踐需要的是非常具體的且情境化的（Context-Specific）解決方案。設計模式通過“解決方案描述”巧妙地將兩者整合在一起，描述一般化的原理模型以保證方案的科學可靠性，又綜合考慮特定情境的需求，生成針對性的方法策略等以保證方案的實踐適用性。

五、結? ?語

超學科哲學范式的興起，推進教育科學基于人工智能這類技術媒介并藉由“學習神經科學”這一路徑得到蓬勃發(fā)展。這一切展現(xiàn)出一幅美妙畫卷，教育科學的智能化時代正在來臨。人工智能“是一種強大力量，正在重塑日常實踐、個人和專業(yè)互動以及環(huán)境?！盵32]人工智能與神經科學、心理學和教育的深度融合，對學校教育和課堂實踐產生著深遠的影響。當然，我們也應該清楚地認識到，“路漫漫其修遠兮”，作為超學科的教育科學，在其概念內涵、原理模型、學科邊界、知識體系和方式方法等方面，還亟待進一步深入而系統(tǒng)的研究。

[參考文獻]

[1] 戴偉輝.現(xiàn)代遠程教育發(fā)展新轉變：從Internet+到AI+和Neuro+[J].現(xiàn)代遠程教育研究，2018（2）：3-13，31.

[2] SAMUELS B M. Can the differences between education and neuroscience be overcome by mind， brain， and education？[J]. Mind， brain， and education， 2009， 3（1）： 45-55.

[3] 莫雷.教育心理學[M].北京：教育科學出版社，2007：5-6.

[4] SKINNER B F. The science of learning and the art of teaching[J]. Harvard educational review， 1954（24）： 86-97.

[5] 夏基松.簡明現(xiàn)代西方哲學[M].上海：上海人民出版社，2015：2-3.

[6] 鐘柏昌，安濤，李藝.中國教育技術學基礎理論問題研究——關于邏輯起點的評述[J].電化教育研究，2012，33（12）：14-18，40.

[7] 尹文剛.神經心理學[M].北京：科學出版社，2007：14-16.

[8] 方方，王佐仁，王立平，等.我國認知神經科學的研究現(xiàn)狀及發(fā)展建議[J].中國科學基金，2017，31（3）：266-274.

[9] 鄭旭東，王美倩.學習科學：百年回顧與前瞻[J].電化教育研究，2017，38（7）：13-19.

[10] NATHAN M J， SAWYER R K. Foundations of the learning sciences[M]// SAWYER R K. The Cambridge handbook of the learning science. 2nd ed. New York： Cambridge University Press， 2014： 24.

[11] 胡誼，桑標.教育神經科學：探究人類認知與學習的一條整合式途徑[J].心理科學，2010，33（3）：514-520.

[12] CHALL J S， MIRSKY A F. Education and the brain[M]. Chicago： The University of Chicago， 1978： 377.

[13] 周加仙.“教育神經科學”與“學習科學”的概念辨析[J].教育發(fā)展研究，2016（6）：25-38.

[14] 尹睿，黃甫全，曾文婕，等.人工智能與學科教學深度融合創(chuàng)生智能課程[J].開放教育研究，2018，24（6）：70-80.

[15] 詹青龍，楊夢佳，郭桂英.CIT：一種智慧學習環(huán)境的設計范式[J].中國電化教育，2016（6）：49-57.

[16] PICKERING S J， HOWARD-JONES P. Educators' views on the role of neuroscience in education： findings from a study of UK and international perspectives[J]. Mind， brain， and education， 2007， 1（3）： 109-113.

[17] FLOGIE A， ABERSEK B. Transdisciplinary approach of science， technology， engineering and mathematics education[J]. Journal of baltic science education， 2015， 14（6）： 779-790.

[18] 黃甫全，李義茹，曾文婕，等.精準學習課程引論——教育神經科學研究愿景[J].現(xiàn)代基礎教育研究，2018，29（3）：5-14.

[19] LATOUR B. Reassembling the social： an introduction to actor-network-theory[M]. New York： Oxford University Press， 2005： 71.

[20] ABLIN J L. Learning as problem design versus problem solving： making the connection between cognitive neuroscience research and educational practice[J]. Mind， brain， and education， 2008， 2（2）： 52-54.

[21] BATES T C. Education 2.0： genetically-informed models for school and teaching [M]//SALA S D， ANDERSON M. Neuroscience in education： the good， the bad， and the ugly. Oxford： Oxford University Press， 2012： 198.

[22] NASH D， MEMMOTT P， RESER J， et al. We're the same as the inuit?。?exploring Australian aboriginal perceptions of climate change in a multidisciplinary mixed methods study[J]. Energy research and social science， 2018， 45（SI）： 107-119.

[23] RAVET J， WILLIAMS J H G. What we know now： education， neuroscience and transdisciplinary autism research[J]. Educational research， 2017， 59（1）： 1-16.

[24] 羅立群，李廣建.智慧情報服務與知識融合[J].情報資料工作，2019，40（2）：87-94.

[25] UHER J. Conceiving "personality"： psychologist's challenges and basic fundamentals of the transdisciplinary philosophy-of-science paradigm for research on individuals[J]. Integrative psychological and behavioral science， 2015， 49（3）： 398-458.

[26] 曾文婕.關注“知識創(chuàng)造”：技術支持學習的新訴求[J].電化教育研究，2013，34（7）：17-21，52.

[27] HADORN G H， HOFFMANN-RIEM H， BIBER-KLEMM S， et al. Handbook of transdisciplinary research[M]. Dordrecht： Springer， 2008： 30.

[28] TAYLOR C， COCKBURN J， ROUGET M， et al. Evaluating the outcomes and processes of a research-action partnership： the need for continuous reflective evaluation[J/OL]. Bothalia - African Biodiversity and Conservation， 2016， 46（2）： a2154[2019-11-04]. http：//dx.doi.org/10.4102/abc.v46i2.2154.

[29] CONNELL M W， STEIN Z， GARDNER H. Bridging between brain science and educational practice with design patterns [M]//SALA S D， ANDERSON M. Neuroscience in education： the good， the bad， and the ugly. Oxford： Oxford University Press， 2012： 267，270，272，279.

[30] 約翰·杜威.杜威全集 晚期著作 1925-1953 第5卷 1929-1930[M].孫有中，戰(zhàn)曉峰，查敏，譯.上海：華東師范大學出版社，2015：1.

[31] UHER J. Interpreting "personality" taxonomies： why previous models cannot capture individual-specific experiencing， behaviour， functioning and development. major taxonomic tasks still lay ahead[J]. Integrative psychological and behavioral science， 2015， 49（3）： 600-655.

[32] TADDEO M， FLORIDI L. How AI can be a force for good[J]. Science， 2018，361（6404）： 751-752.