互联网改变世界，也必将深刻地改变教育。互联网企业的极大成功除了昭示数据的极端重要性以外，还为将“有教无类，因材施教，寓教于乐，教学相长”等我国古老教育智慧付诸实践提供了很多鲜活的可资借鉴的案例和理念，这赋予教育信息化新的丰富的内涵。教学过程的数据化和信息化成为当前的重要工作，无感收集的实态教育大数据是促成教育与信息技术深度融合的重要要素，推动教育学研究从“定性”到“定量”转变，使精准教学成为可能。
与此同时，随着工业4.0的到来，人工智能、万物互联、大数据、信息爆炸等构建出了新的社会生态，新时代对创新人才的新需求正在推动教育体系的深刻变革，新时代呼唤时空灵活、优质高效和培养创新人才的个性化教育服务。在大数据时代，更多样的数据采集方式、更大规模的教育数据以及更丰富的教育应用将会使教育学和数据科学与工程交叉融合，形成计算教育学，计算教育学具有特定的研究对象、研究任务、研究内容和关键问题。
图1 新技术和新应用促使教育范式发生变迁
2018年底，数据科学与工程学院获批一项国家自然科学基金委员会联合基金重点支持项目“教育大数据的获取、管理与知识构建方法研究”，该课题已于今年年初启动，由金澈清教授主持，桂林电子科技大学和中山大学的专家团队共同参与，以“信息技术和教育领域交叉融合”为特征的应用基础性研究，其目的是要通过解决现有教育大数据平台在数据获取、管理和知识构建等方面的突出问题，从而为大数据驱动的教育改革与创新奠定理论和技术基础。本课题的研究内容分为以下四项：
1.基于多通道情境建模的教育数据动态获取
2.以学习行为为中心的高效分布式数据管理技术
3.融合教育情境与行为的知识构建理论与体系
4.教育大数据管理工具集的实现与应用验证
本课题的特色与创新体现在以下三个方面：
基础理论层面：突出“数据驱动教育革新” 的理念，以教育大数据来促进教育的改革与创新。当信息技术不成熟时，教育工作者只能够凭经验“定性”地描述教育相关实体； 当教育数据尚不完备时，能够描述相关实体，但还不够全面。仅当教育大数据完备时，才可支持做出全面、精准的“定量” 描述。然而，大数据驱动的计算教育学理论和方法尚不完善， 本课题的研究内容是计算教育学的重要组成部分。
方法学层面：突出对整个教育过程的全面考量。教育大数据内涵丰富，包括情境数据、行为数据和其他数据。只有同时考虑了所有类型，才能够准确还原教育现场。现有的教育数据管理研究比较多地考虑用户行为数据，而对于行为与情景的交互考虑得比较少。因此，本课题在方法学层面有创新。
技术层面上：充分根据教育大数据的特征进行优化。经过最近十多年的发展，大数据技术已经得到了显著发展。尽管这些通用的大数据技术也可以管理教育大数据，但是它们并没有针对教育大数据的特征（全程、全员、全方位）进行优化，在性能上存在不足。本课题紧密结合教育大数据的特征来设计相应的处理技术，从而提升了效率。
教育是一个复杂的动态系统，解决教育发展难题既需要单点突破，更需要系统研究。要通过系统开展大数据、人工智能等新技术支持下的新型教育研究与实验，加速研究突破个性化学习问题，通过多学科交叉，汇聚多领域专家智慧，共同推动教育科学问题的解决。按照科学发现的四个范式的发展路径，融合实证研究、理论研究的理念，在互联网、大数据时代发起“计算教育学”研究，探索其实质性的科学内涵，践行教育理念，建设信息化、智能化的教学环境与辅助工具，与教育学形成学科交叉，开展数据驱动的计算教育学研究具有深刻的现实意义。
文案：方敏、熊双宇
排版：方敏
