大数据的涌现和智能技术的进步推动了教育实践的智能化发展及研究范式的系统性变革，使得计算教育学的产生成为必然和应然。计算主义理论研究的深化、技术的先导式发展和教育大数据的广泛应用都为计算教育学发展提供了基础保障。基于学科建构的视角，计算教育学是以量化教育数据为研究对象，以计算为主要研究方法的新兴学科。计算教育学的核心价值在于针对教育领域的真实问题的实践与应用，以及跨领域综合性研究。研究体系以计算方法为核心，研究范式已经从自上而下的量化研究转向自上而下与自下而上相结合的基于数据的教育规律探索研究。目前计算教育学形成了模拟实验与数据密集型探究共同发展的特征。鉴于目前计算教育学的知识建构相对缺乏，社会建构的规范化雏形尚未形成，需从学科理论和关键技术突破、研究范式和学科知识生成、交互环境与教学应用构建等方面构建学科知识系统化框架，从专业学会建立、人才培养计划、学术评价机制、基金项目资助等方面推动学科外在的社会建构。为推进计算教育学发展成为一门独立、新兴、面向应用的跨领域学科，还需要系统性地加强基础理论研究和实践研究，成立专业学会，建立产学研用一体化的平台，凝聚社会各界的力量推进学科发展。
The emergence of big data and the development of smart technology have promoted the intelligent educational practice and the systematic change of its research paradigm. The development of computing theories, technology and big data in education laid the foundations for computational education. Based on the analysis framework of subject construction, computational education is a new subject which use computing technology on quantified educational data to explore the real problems in education. It values practices and cross-disciplinary research. It has a unique research paradigm, based on computing techniques, shifting from top-down research tradition to combined research methods. Nowadays, the main research methods include both computing simulation experiments and data-intensive scientific discovery. This paper argues that computational education still lacks knowledge construction and social construction of the subject. It then puts forward a framework for systematized construction of subject knowledge from the aspects of breakthrough in subject theory and key technologies, research paradigm and generation of subject knowledge, interactive environment and construction of teaching application, and also from the aspects of building professional societies, personnel training plans and academic evaluation. Finally, some constructional suggestions on the subject development of computational education in China are put forward. It is not limited to the development of educational research paradigm based on data science. As an independent, emerging and application-oriented interdisciplinary discipline, computational education needs to systematically strengthen basic theoretical research, applied research, establish professional societies and an integrated platform of production, learning, research and use, and gather the strength of all sectors of society to promote the development of this subject.
陈丽, 逯行, & 郑勤华. (2019). “互联网+教育”的知识观: 知识回归与知识进化. 中国远程教育,2019(07),10-18+92
方文. (2001). 社会心理学的演化: 一种学科制度视角. 中国社会科学,2001(06),126-136+207
龚怡祖. (2013). 学科的内在建构路径与知识运行机制. 教育研究,34(09),12-24
韩军徽, & 李正风. (2018). 计算社会科学: 涵义、特点与前景——对美国计算社会科学专家的访谈. 科学学研究,36(10),1729-1736+1743
韩军徽, & 李正风. (2018). 计算社会科学的方法论挑战. 自然辩证法研究,34(04),14-19
黄荣怀, & 周伟. (2019). 面向智能教育的三个基本计算问题. 开放教育研究,25(05),11-22
黄欣荣. (2015). 数据密集型科学发现及其哲学问题. 自然辩证法研究,31(11),48-54
李建会, 符征, & 张江. (2012). 计算主义: 一种新的世界观. 北京: 中国社会科学出版社.
李政涛, & 文娟. (2019). 计算教育学: 是否可能, 如何可能?. 远程教育杂志,37(06),12-18
郦全民. (2019). 论计算社会科学的双重功能. 上海交通大学学报(哲学社会科学版).
刘邦奇, & 王亚飞. (2019). 智能教育: 体系框架、核心技术平台构建与实施策略. 中国电化教育,2019(10),23-31
卢秋红. (2016). 《中国基础教育大数据发展蓝皮书2015》发布. 中小学信息技术教育,2015(5),4
潘懋元. (1991). 高等教育研究的比较、困惑与前景. 高等教育研究,1991(04),3-14
王国成. (2015). 行为大数据, 通宏洞微与人类决策——计算社会科学的兴起与发展. 科研信息化技术与应用,2015(06),3-11
王晶莹, 杨伊, 郑永和, & 夏惠贤. (2020). 从大数据到计算教育学: 概念、动因和出路. 中国电化教育,2020(01),85-92
肖玉敏, 孟冰纹, 唐婷婷, & et al. (2017). 面向智慧教育的大数据研究与实践: 价值发现与路径探索. 电化教育研究,38(12),5-12
许新华. (2019). 计算教育学——一门新兴的交叉融合新学科. 湖北师范大学学报(哲学社会科学版),39(05),101-106
杨开城. (2019). 教育何以是大数据的. 电化教育研究,40(05),5-11
亿欧智库. (2019). 《2019全球人工智能教育行业研究报告》. 检索来源: https://www.iyiou.com/intelligence/report645.html
杨现民, 王榴卉, & 唐斯斯. (2015). 教育大数据的应用模式与政策建议. 电化教育研究,36(09),54-61+69
杨现民, 唐斯斯, & 李冀红. (2016). 发展教育大数据: 内涵、价值和挑战. 现代远程教育研究,2016(01),50-61
杨现民, 李新, & 田雪松. (2018). 学校导入教育大数据项目: 动因、模式、路径与误区. 中国电化教育,2019(01),50-58
余胜泉, & 徐刘杰. (2019). 大数据时代的教育计算实验研究. 电化教育研究,40(01),17-24
袁振国. (2017). 实证研究是教育学走向科学的必要途径. 华东师范大学学报(教育科学版),35(03),4-17+168
张应强. (2011). 超越“学科论”和“研究领域论”之争——对我国高等教育学学科建设方向的思考. 北京大学教育评论, 9（04）, 49-61+184.
赵超越. (2019). 本体性意义与学科反思: 大数据时代社会学研究的回应. 上海大学学报(社会科学版),36(01),127-140
Cioffi-Revilla, C. (2010). Computational social science. WIREs Comp Stat, 2, 259-271
González-Bailón, & Sandra. (2013). Social science in the era of big data. Policy & Internet, 5, 147-160
HeyTony. (2009). The Fourth Paradigm: Data-Intensive Scientific Discovery. Springer, Berlin, Heidelberg.
Lamb, R. L., Vallett, D. B., Akmal, T., & Baldwin, K. (2014). A computational modeling of student cognitive processes in science education. Computers & education, 79(oct.), 116-125
LambL. Richard. (2017). meta-analysis with examination of moderators of student cognition, affect, and learning outcomes while using serious educational games, serious games, and simulations. Computers in Human Behavior, 80, 158-167
Lazer, D., Pentland, A. S., Adamic, L., Ar al, S., Barabasi, A. L., Brewer, D., & Jebara, T. (2019). Life in the network: The coming age of computational social science. Science, 323, 721-723
Shaffer, David Williamson, & Hatfield, David. (2009). Epistemic Network Analysis: Prototype for 2lst Century Assessment of Learning. International Journal of Learning and Media.
Yaqoob I, Hashem I A T, Gani A, & et al. (2016). Big data: From beginning to future. International Journal of Information Management, 36, 1231-1247
中国人文社会科学核心期刊