現代遠程教育發展新轉變：從Internet＋到AI＋和Neuro＋

| 全文共19049字，建議閱讀時19分鐘 |

本文由《現代遠程教育研究》授權發布

作者：戴偉輝

摘要

信息技術的迅猛發展、腦科學研究的不斷深入已成為遠程教育發展的兩股核心驅動力。隨著互聯網應用的日益普及、大數據環境的逐步形成、人工智慧技術的快速崛起和神經科技的重大突破，現代遠程教育發展正面臨著從Internet+向AI+和Neuro+的新轉變，其教育理論、研究方法、教學模式與技術手段亟待創新。發源於20世紀70年代的神經教育學（Neuroeducation）和由中國學者2006年提出的神經管理學（Neuro Management）兩大新興交叉學科的發展，成為對現代教育理論與研究方法新發展的理論框架，現代遠程教育涉及新的研究問題是：從Internet+到AI+和Neuro+的新轉變、神經教育學與神經管理學的學科發展、教育理論與方法創新的群智演進模式、從理論到應用實踐的生態群落及機制，進而提出遠程教育理論與研究方法創新的群智演進模式，剖析從理論到應用實踐的可持續創新發展的生態群落及生態鏈機制。

關鍵詞：人工智慧；遠程教育；神經教育學；神經管理學；群智演進；廣義生態群落

一、引言

遠程教育（Distance Education）發萌於19世紀40年代英國的函授學習（Holmberg，1989），從其通訊載體看，先後經歷了函授教學、廣播電視教學、互聯網教學三個發展階段（Moore et al.， 2005；張秀梅等，2006）。縱觀其170餘年的發展歷史，遠程教育為促進人類文明與知識的傳播、推動全民教育的普及發揮了巨大作用，已成為面向偏遠和欠發達地區教育傳播、全社會終身教育體系構建和國際化教育發展的重要支柱。在這一過程中，社會經濟快速發展對遠程教育產生了強勁的需求拉動，而電子載體、多媒體、互聯網、移動通訊、社交媒體、虛擬現實、人工智慧、大數據分析等信息技術的迅猛發展和從基本生理功能到複雜高級功能的腦科學研究不斷深入，形成了遠程教育發展的兩股核心驅動力（Moore et al.，2005；Saleh et al.，2015；Samigulina et al.，2016；褚宏啟， 2018）。

進入21世紀以來，隨著移動互聯網的快速發展及各類社會化學習媒體的不斷湧現，遠程教育已經進入了一個泛在學習（Ubiquitous Learning， U-Learning）的新階段（Saleh et al.，2015； Samigulina et al.，2016； Cárdenas-Robledo et al.，2018），使得學習過程轉變為以學習者為中心、在開放式學習共同體中基於其自身需求對知識的個性化自主建構過程（Cárdenas-Robledo et al.，2018；Guabassi et al.，2018；謝振平等， 2018）。與此同時，學習者個性化基礎及學習技能的差異、課堂教學互動真實感的缺失、海量學習資源搜索與匹配的困難、網路課件的內容與質量問題，以及時間、地點、環境等複雜的情境因素，已成為影響上述學習主動性和學習效率的主要原因，甚至使得學習者產生焦慮情緒（Gao et al.， 2012；Ilgaz et al.，2013；Scarinci，2015； Pozdnyakova et al.，2017）。泛在學習環境的新變化為教育理論的研究帶來了新的課題，由此促進了建構主義、情感教學、情景認知和非正式學習等現代學習理論及相關教學方法的進一步發展（潘基鑫等，2010；穆瀟等，2017；Cárdenas-Robledo et al.，2018）。

教育與腦之間關係的研究不斷深入，正如國家教育諮詢委員會委員、中國工程院院士、教育部原副部長韋鈺院士所指出的「教育實質上就是在建構人的腦」（韋鈺，2017）。發源於20世紀70年代的神經教育學（Neuroeducation）（Chall et al.，1978）和由中國學者2006年提出的神經管理學（Neuro Management）（馬慶國等，2006）兩大新興交叉學科的研究與發展，為泛在學習環境下學習者的個性化腦建構及其教學管理提供了基於神經學機理的科學理論與方法（Summak et al.，2010；Zadina，2015；Pincham et al.，2014；戴偉輝，2017）。與此同時，泛在學習環境下形成的大數據，為基於上述理論與方法深入分析學習者的個性化特徵，通過人工智慧技術對學習者的行為數據進行挖掘分析，及時發現其興趣與需求，採用精準、高效的資源組織模式和隨需應變的教學策略提供了新的基礎（Zhou et al.，2015； Samigulina，2016；Cárdenas-Robledo et al.，2018；謝振平等，2018）。由於互聯網應用的日益普及、大數據環境的逐步形成、人工智慧技術的快速崛起和神經科技的重大突破，現代遠程教育的發展不只停留在通過互聯網來改變其教學方式與途徑，而且面臨著以人工智慧與神經科技的新發展為驅動，從Internet+向AI+和Neuro+的新轉變。

在上述轉變中，現有的教育理論、研究方法、教學模式與技術手段亟待創新。自從1806年「現代教育學之父」Herbart的奠基之作《General Pedagogy》（普通教育學）出版以來，現代教育學作為一門規範、獨立的學科在兩個多世紀里取得了巨大發展。然而，從不同角度、基於不同的發現和認識提出的眾多學說如「熱帶叢林」般難以形成統一的理論體系並為實踐提供精準的指導。在當今複雜多變的環境下，事物的變化猶如一頭「賓士的野象」，各種研究方法存在著一定的局限性。現代遠程教育發展的新轉變，亟待以新的系統性思維在新的信息網路平台和大數據基礎上吸納多學科的研究成果，在教育理論與研究方法上創新，進而為其教學模式與技術手段的創新實踐提供更有力的指導。本文將從「從Internet+到AI+和Neuro+的新轉變」、「神經教育學與神經管理學的學科發展」、「教育理論與方法創新的群智演進模式」、「從理論到應用實踐的生態群落及機制」四個方面對相關問題進行闡述，以期為現代遠程教育的研究、發展與應用實踐提供參考及借鑒。

二、從Internet+到AI+和Neuro+的新轉變

1.社會經濟發展對遠程教育的新需求

從宏觀上看，教育作為知識和人力資本的生產部門是形成綜合競爭國力、促進社會經濟發展的基礎。從微觀上看，教育是實現人的全面發展的重要手段。人類自身的發展和對物質文明與精神文明的不斷追求，形成了社會經濟發展的動力，而社會經濟發展對人類自身的發展又不斷提出了新的要求，繼而對教育的發展產生了持續的拉動作用。

遠程教育與傳統的課堂式教育相比較，實現了時間、空間的分離，為受教育者帶來了極大的便利和全新的個性化、低成本學習方式，為緩解教育資源的緊張和提升教育的普及性提供了新的途徑，因而被世界各國列入其國家教育發展戰略，具有廣闊的發展前景。圖1為艾媒諮詢發布的2011-2016年中國在線教育市場規模數據。

圖1　2011-2016年中國在線教育市場規模

數據顯示，2016年中國在線教育市場規模達到了2218億元，年均增長率為30.02%。據艾媒諮詢預測，2018年市場規模將達到3480億元。以在線教育為主要形式的遠程教育在中國已進入高速增長期，不僅已成為社會化教育的主體，而且對目前的課堂式教學向混合式教學轉型將產生重大影響。

2.現代遠程教育的科技驅動與新轉變

信息技術的迅猛發展對遠程教育產生了強大的驅動力。廣播電視技術為遠程教育提供了高效的信息傳播渠道，電子載體、多媒體技術、虛擬現實技術的出現為遠程教育的課件製作及其呈現藝術、教學手段帶來了革命性變化。移動互聯網的廣泛應用和各類社交學習媒體的湧現，使得遠程教育進入了泛在學習的新階段。

泛在學習環境下，遠程教育的學習方式發生了重大變化，並由此帶來了個性化自主學習中的一系列新問題，如何運用新的科技手段解決上述問題已成為遠程教育研究與發展中關注的重點。人工智慧技術自1956年提出以來，經歷了起伏曲折的發展歷程（Russell et al.，2009； Simonite，2014；顧險峰，2016）。進入21世紀以後物聯網、互聯網、移動通訊網發展所形成的大數據基礎為其提供了以數據為驅動模型學習新發展途徑，促進了人工智慧技術的重新崛起（王沖鶄， 2017），人工智慧技術為解決泛在學習環境下的問題帶來了智能化的新技術手段，已成為現代遠程教育發展的前沿技術驅動力量。

20世紀90年代出現的fMRI（功能性磁共振成像）等先進的神經科學實驗觀測手段，使得人類首次可以對全腦的神經活動直接進行無創觀測。在此基礎上，腦科學的研究與神經科技的發展取得了突破性進展：從人體基本生理功能的神經活動探測到高級思維與決策活動的發現（Martino et al.，2006），從單一腦功能區的分析到腦功能網路整合模式的研究（Park et al.，2013），從神經感知計算到類腦（Brain-Like）與仿腦（Artificial Brain）系統的實現。上述進展不僅為基於教育經驗和思辨論證而形成的教育理論提供了科學機理和實驗觀測驗證方法，而且為在真實環境與各類複雜情景下研究教育是如何「建構人的腦」提供了類腦與仿腦模型及計算模擬分析手段。

從現代科技進步對遠程教育發展的影響來看，上個世紀90年代互聯網技術的興起促進了信息的共享、交互和教育傳播、學習方式的變革，使得Internet+成為遠程教育發展的重要驅動力。進入21世紀以後，基於人工智慧技術和神經科技成果對上述教育的智能化、科學化研究已成為新的驅動前沿，現代遠程教育的發展正面臨著從Internet+到AI+和Neuro+的新轉變，通過全球最大的科學文獻資料庫Scopus進行檢索分析，充分表明了這一新的轉變趨勢。採用「Distance Education」分別與「Internet」、「Intelligent（or Intelligence）」、「Neuro」組成聯合關鍵詞，對Scopus文獻庫中1977年至2017年發表的相關論文進行主題檢索。其數量如圖2所示。圖中，Internet+、AI+、Neuro+分別為通過聯合關鍵詞檢索出的論文數量在各年度的分布。

圖2　1997-2017年Scopus主題檢索論文發表數量

通過上述檢索發現，自1977年至2017年期間發表的Internet+、AI+、Neuro+論文總數量分別為5995篇、1311篇、630篇。然而，從圖2中論文數量的變化趨勢看，自2008年開始Internet+的論文數量急劇下降，而AI+、Neuro+的論文數量總體呈快速上升趨勢。論文數量的變化趨勢充分說明了對遠程教育發展的關注，自2008年開始已經從Internet+向AI+和Neuro+轉變。通過對相關文獻的深入分析表明，人工智慧技術與神經科技成果的應用，已成為上述轉變的基礎支撐。因此，中國遠程教育的發展應該在新的起點上，以人工智慧技術為驅動，促進神經教育學與神經管理學兩大新興交叉學科的發展及其研究成果的應用，構建遠程教育的創新發展新模式及機制。

三、神經教育學與神經管理學的學科發展

1.學科概念及發展背景

關於神經教育學的學科名稱、概念及其內涵，目前尚未形成一致的看法，其名稱在學術界使用較多的主要為「教育神經科學」（Educational Neuroscience）和「神經教育學」（Neuroeducation）（韋鈺，2011；周加仙，2016a）。其中，「教育神經科學」一詞由Chall和Mirsky於1978年最早提出，是指將生物科學、認知科學、發展科學和教育學等學科的知識與技能進行深度整合，提出科學的教育理論、踐行科學的教育實踐的、具有獨特話語體系的一門新興學科（周加仙，2009）。上述名稱已被經濟合作與發展組織（OECD）、聯合國教科文組織（UNESCO）、美國國家教育研究學會 （National Society for the Study of Education）、美國教育研究學會（AERA）、美國國家科學基金會等相關組織與機構廣泛使用（周加仙，2016a）。但是關於以上名稱，韋鈺院士卻認為「教育神經科學」指「用於教育領域的神經科學，是神經科學的一部分」，而神經教育學「是一種教育學」，「要把基礎科學中發現的規律與知識綜合應用來解決教育」，並傾向於把上述學科稱為「神經教育學」（韋鈺，2011）。本文認為韋鈺院士的看法準確地體現了上述學科的發展目標與專業領域定位，故採用「神經教育學」的統一表述方式，但在對相關文獻進行分析時，不對以上名稱作專門區分。

自從18世紀末顱相學被應用於教育開始，腦就已經成為了教育學研究的重要對象。但在相當長的時期內，教育學所採用的研究方法主要為哲學思辨方法，缺乏客觀的科學實證，難以形成統一的學說（楊開城等，2018）。20世紀90年代以來，醫學領域的循證研究（Evidence-Based Research）方被並應用於教育研究領域，上述方法強調根據以科學研究為基礎、基於科學證據來進行教育決策和開展教育實踐（韋鈺，2015；周加仙，2016b）。由腦科學、神經科學與心理學交叉結合而產生的認知神經科學在20世紀90年代取得了快速發展，為心理學研究提供了大量神經機理的新發現和科學實證的新方法，使得以心理學為基礎的現代教育學研究與神經科學建立了關聯，由此促進了神經教育學的發展。雖然，神經教育學還遠未發展成為一門完整的學科，但已對現代教育學的發展產生了深遠的影響，在教育理論的創新及理論與應用實踐之間架起了關鍵的橋樑（Goswami et al.，2011； Wyk et al.，2011；陳巍等，2010；姜永志，2014）。隨著學科交叉的不斷深入，教育學的很多現象與規律將從自然科學層面獲得更為科學、系統的詮釋。例如，鏡像神經元系統（Mirror-Neuron System）的發現，為解釋人類的學習現象與規律提供了系統性的神經學機理（Rizzolatti et al.，2004）。從未來的發展看，如何更好地推進神經科學與教育學的深度融合，並為實踐應用提供深入指導，系亟待解決和正在探索之中的問題（Mason，2009；Han et al.，2016；Palghat et al.，2017；周加仙，2016c）。

神經管理學（NeuroManagement）的概念是由中國學者馬慶國教授於2006年提出的，指運用神經科學理論、方法與技術手段探索管理學的問題及其內在機制，發現新的管理規律，提出新的管理理論的新興交叉學科體系（戴偉輝，2017）。20世紀90年代fMRI的出現，使得人類對腦的社會功能等高級功能活動觀測獲得了大量新發現，形成了神經科學與更多與人文社會科學交叉的新興學科。1992年，Cacioppo和Berntson在《American Psychologist》發表了論文「Social Psychological Contributions to the Decade of the Brain: Doctrine of Multilevel Analysis」，開啟了社會神經學（Social Neuroscience）研究的新領域（Cacioppo et al.，1992）。2000 年12月，普林斯頓大學在其研討會Princeton Workshop on Neural Economics上首次採用了神經經濟學（Neural Economics）的名稱，2002年諾貝爾經濟學獎得主Vernon Smith在頒獎大會上提出了採用大腦影像技術去探索神經經濟學問題的新方向，推動了神經經濟學的誕生與發展（馬慶國等， 2006）。與此同時，腦科學、神經科學及其實驗觀測技術的快速發展，為從大腦的神經活動特徵來深入理解、分析和探索管理中的人類心理與行為機理以及相關管理問題的研究提供了新的理論基礎與技術手段，由此促進了神經管理學的誕生（戴偉輝，2017）。

經過十多年的發展，神經管理學已經形成了一個引起全球學術界共同關注的新興交叉學科。國際著名期刊《Science》《Nature》及其子刊已經發表了多篇與神經管理學密切相關的研究論文。2016年，國際大型系列期刊《Frontiers》將神經管理學及相關研究列為「前沿研究主題」，向全球有關學者徵集論文，使得神經管理學成為國際學術研究的重要發展前沿和熱點。2015年12月13日，我國管理科學與工程學會神經管理與神經工程研究會在浙江大學組建。2016年5月在浙江寧波召開了第一屆學術年會，2017年7月在廣州召開了第二屆學術年會，2018年4月在武漢召開第三屆學術年會暨中國技術經濟學會神經經濟管理專業委員會成立大會。目前，中國大陸在神經管理學領域已經形成了一支充滿活力的研究隊伍，成為了國際上該學科的主要研究力量。

2.與相關學科之間關係

腦科學與神經科學在與眾多學科的交叉發展過程中，形成了一系列新興交叉學科，如：計算神經學、認知神經科學、神經教育學、社會神經學、神經經濟學、神經管理學（包括神經營銷學、神經決策學、信息系統神經學、神經會計學、神經人力資源管理學、神經工業工程學、神經創新創業管理學等分支學科）、文化神經學、藝術神經學、神經法學、軍事神經學、人工智慧神經學等等。從上述學科的發展及其相互關係看，呈現出以下兩條主線：

（1）神經科學與其他學科的交叉發展

1891年Cajal創立神經元學說，1906年Sherrington發現神經元間突觸，1926年Adrian提出神經元放電編碼理論，以上三大成就從神經的基本單元、連接結構、信息傳遞機製為神經科學的發展奠定了重要基礎，使得腦科學從以往對腦的解剖結構與基本功能的研究深入到了神經機制的新層面。20世紀40年代到50年代，神經科學的研究成果被應用於計算領域，促進了計算神經學的發展。20世紀60年代，神經科學與生物化學、生物物理學和分子生物學交叉，對神經結構與功能的大分子機制展開研究，形成了分子神經學的新學科分支。20世紀70年代至80年代期間，神經科學、腦科學與心理學結合，促進了認知神經科學的發展。自20世紀90年代開始，神經科學與更多人文社會科學交叉形成了社會神經學、神經經濟學、神經教育學、神經管理學等一系列新興交叉學科。上述發展過程及其形成的新興的交叉學科如表1所示：

表1 神經科學與其他相關學科的交叉發展

（2）學科之間知識體系的關聯延伸

神經科學與眾多學科之間的交叉，形成了一系列新興交叉學科，而上述交叉學科通過知識體系的關聯延伸，進一步帶動了新的學科交叉發展。從總體上看，神經科學及其交叉學科的知識體系關聯延伸如圖3所示（戴偉輝，2016）。首先，腦科學、神經科學在新的信息科學及其技術發展的影響下，促進了腦神經科學的發展。腦科學與生命科學、醫學的進一步交叉形成的神經生理學、神經生物學、神經醫學等交叉學科，為心理學、社會學、教育學的發展奠定了新的基礎，並促進了神經科學與其他各交叉學科的發展。在神經科學的基礎上，對各學科中管理問題及來自實踐的應用研究形成了神經管理學。與此同時，神經管理學通過對上述問題的研究，促進了其自身的發展。從神經教育學與神經管理學的關係來看，神經教育學所研究的是教育理論與實踐的神經基礎及教育本身問題的解決，而神經管理學是從管理活動與規律的神經學基礎角度對上述教育中的管理與服務問題進行研究，兩者具有共同的基礎和密切的關聯。神經教育學和神經管理學相結合，將為研究和解決現代遠程教育發展中的問題提供更全面的支持。

圖3 神經科學及其交叉學科的知識體系關聯延伸圖

四、教育理論與方法創新的群智演進模式

1.教育理論與研究方法的創新探索

現代教育學在過去的200多年裡取得了巨大發展，從不同側面、針對不同時期的教育現象與規律形成了豐富的理論學說。然而，上述理論統一體系的建構困難及其與實踐脫節的問題，一直受到國內外學者的針砭（王艷霞，2008；龍寶新，2017）。本文認為：第一，首先應該認識到教育學是一門應用學科（韋鈺， 2011），其理論研究要為實踐服務，並通過實踐進行不斷完善和豐富。第二，教育學的研究涉及人類在教育環境中複雜的心理與行為及各類因素的系統性影響，其理論難以如自然科學領域一樣構建由概念、公理、定理等組成的嚴謹理論體系，而應更多地為教育實踐提供理念、模式、模型、方法的指導。第三，應注意到在現代社會、經濟及信息網路環境下事物的動態發展變化及其複雜性，教育實踐對理論指導的需求發生了重大變化，充分運用大數據分析、人工智慧挖掘、系統工程學方法等新的研究方法，對事物變化的特徵與規律進行更深入、系統地研究，為實踐提供更精細化的指導已成為迫切需求。第四，應注意到對教育現象與規律的研究發現具有不同的層次及目標，對不同層次的研究需要採取不同的研究方法及範式，理論體系的建構必須通過對以不同層次的研究成果進行系統性綜合而形成。

關於以上第三點，本文以圖4所示的某個變數y的動態變化曲線為例，來說明各種研究方法的局限性。圖中：T為目前的觀測時間點，T的左邊為其歷史狀況，T的右邊為其未來的變化狀況，A、B、C分別為對其歷史狀況進行觀測的三個時間點。

圖4 變數的動態變化曲線（T為觀測時間點）

如果所研究的理論問題是變數y的動態變化規律，而實踐中需要解決的問題是對T時刻以後的變化狀況進行定量預測。對於上述問題，採用各種研究方法所關注的重點、可能獲得的研究發現及其存在的局限性如表2所示：

表2 主要研究方法及其局限性

續表2

以上各種研究方法均存在著一定的局限性，需要針對所研究問題的特徵，採用多種方法相結合。由圖4可見，y的動態變化具有非線性和非完全周期性的特徵，可能由多方面影響因素動態作用所導致，對其變化規律的研究必須在深入把握相關影響因素的作用過程機理以及導致上述變化的微觀機制基礎上，對上述機理及微觀機制進行建模模擬和反演，並經過大數據分析驗證，才有可能系統性把握其變化規律，並對未來的變化作出有效預測，從而為實踐問題的解決提供更精準的指導。採用大數據挖掘分析、系統建模與模擬相結合的方法可以對事務變化的宏觀特徵及其微觀機制較好地進行綜合研究，已成為對複雜問題研究的重要方法。例如，在神經教育學研究中，採用仿腦模型對神經活動過程及其機制進行建模與模擬，通過大數據挖掘相關知識與規則並對上述模型進行訓練，可以分析在不同教育情境中大腦的神經活動過程及其所產生的心理現象和教育效果，為教學方法與策略的制訂提供科學指導。

關於以上第四點，本文參照管理學領域的研究框架，將教育現象與規律的研究發現層次目標及所採用的研究範式歸納如表3所示（戴偉輝， 2016）：

表3 研究發現層次目標及研究範式

教育理論的研究可在上述不同的研究層次上，採用相應的研究範式獲得研究發現。教育理論與方法的建構途徑是在以上前三個層次的逐層研究基礎上，最終通過系統性綜合形成第四層次的新理論及其應用方法。

2.雙螺旋創新特徵與群智演進模式

科學理論與方法的創新具有如下雙螺旋演進特徵：一是自身知識體系建構的螺旋演進；二是與實踐不斷交互的螺旋演進。對於神經教育學、神經管理學這兩大新興交叉學科而言，上述創新的雙螺旋演進，必須通過多學科協同研究，綜合相關領域的最新進展和來自實踐的反饋來實現。這個過程是一個集成科學研究團隊、應用實踐團隊、工程技術與管理人員群體智慧的演進過程，現代信息網路為其過程中的數據採集、信息共享、知識匯聚、協同研究以及與應用系統的連接提供了便捷的平台。因此，遠程教育環境下的理論與方法創新，應充分發揮其信息網路和信息資源的優勢，為創新活動的組織以及群體智慧的演進提供更高效的模式。本文在對大量創新案例進行深入研究的基礎上，針對遠程教育環境的特點，提出其理論與方法創新的群智演進模式，如圖5所示：

圖5 遠程教育環境下的理論與方法創新群智演進模式

模式包括以下主要環節：（1）對研究文獻資料及相關數據、應用系統的在線數據、神經科技成果、互聯網的相關數據以及進行教育調研所獲得的數據進行採集，構建用於創新研究的大數據平台。（2）在上述數據資料基礎上，從自身知識體系建構和來自實踐的需求出發，以問題為導向對相關理論與方法展開多學科協同研究，形成創新性研究成果並面向實踐需求提供指導。（3）將上述指導及重要的信息與知識、技術工具以共享的方式提供給各應用實踐團隊，對應用效果、在應用中發現的新問題以及相關數據資料進行收集，通過大數據平台反饋給研究團隊。（4）研究團隊通過進一步分析、研究，對理論與方法進行修正和完善，並為實踐提供不斷更新的指導。

上述模式中的群智演進機制在面向臨床手術的醫療器具輸送配合決策、大數據驅動的泛在學習情感智能等多學科協同研究中發揮了重要作用（毛華娟等，2017；戴偉輝，2018），為遠程教育環境下的理論與方法創新提供了高效的機制方案。

五、從理論到應用實踐的生態群落及機制

在科學理論與方法創新的雙螺旋結構中，與實踐的不斷交互是理論與方法應用於實踐並通過實踐檢驗來進一步完善其自身知識體系的關鍵。在現代信息化環境下，教育理論應用於實踐往往必須以各類教育信息技術為手段，理論指導下形成教學策略與應用方案，並內化於信息系統的功能設計中，經過實踐應用對理論進行不斷修正和完善。以上與實踐不斷交互的螺旋演進，必須具備良好的組織體系及可持續發展機制。本文將從廣義生態群落理論角度，對這些問題進行剖析。

在生態學上，把特定時間、佔據一定空間的同種生物的集合稱為種群（Population），而把聚集在一定地域或生境中所有生物種群的集合稱為群落（Community）。在長期的發展過程中，群落將演進到一個能量與物質交換趨於最優、相對穩定的「頂級群落」（Climax）。大自然五彩繽紛的鮮花、青翠欲滴的樹林、翱翔藍天的飛禽、馳騁林野的走獸、戲水大海的魚群這充滿著勃勃生機的萬物，以其頑強的生命力和特有的生存方式呈現著與自然的無比和諧，留給了我們無限的思索與啟迪。自然界的生物群落是一個完美的複雜適應系統，總能面對生境的不斷變化而朝著物質與能力交換最優的「頂級群落」方向演進。基於對這些觀察和思考而發展起來的社會經濟生態群落理論為我們分析從教育理論到應用實踐的組織體系及可持續發展機制提供了新的理論視角。

20世紀60年代，人們在對產業組織的研究中發現其組織存在著與自然界不同物種之間類似的共生（Mutualism）、協同進化（Co-evolution）關係。1977年， Hannan和Freeman發表了《The Population Ecology of Organizations》論文，最早提出了完整的組織生態學概念。1982年，Nelson和Winter通過對生物群落演替現象的分析，促進了經濟演化理論的發展。2000年，英國著名的科學家、科學哲學家Ziman組織了多學科認識論研究小組（The Epistemology Group），從哲學、生物學和行為科學的角度對創新的演化特徵及其複雜規律作了多方面深入探討。在上述研究中，學者們注意到了社會經濟生態群落與自然界生物群落之間既存在著相似性，又有著本質的區別。關於上述問題，英國社會學家Spencer提出了社會超機體（Superorganic Bodies）的概念，闡述了社會經濟組織個體與生物有機體個體之間的異同，主張通過一種抽象法則或概念系統來建立兩者之間的聯繫（Turner，1986）。根據Spencer的主張，本文作者在普適性層面上將社會經濟生態群落與自然界生物群落兩者具有的共同的特徵抽象出來，形成「廣義生態群落」（Generalized Ecological Community）的概念，並從群落結構、群落演替、支撐環境及其可持續發展生態鏈四個方面構建了相關的理論與方法（戴偉輝，2012），應用於科技創新群落設計、產業園區規劃、新興產業形成機制等研究中（Dai，2010；戴偉輝，2012）。

從上述廣義生態群落的觀點來看，教育理論從理論到應用實踐的生態鏈結構如圖6所示：

圖6 從教育理論到應用實踐的生態鏈結構

在以上生態鏈中，教育理論的創新需要研究人才、環境設施、研究資源及資金等創新要素的投入。在現代信息化環境下，上述理論研究成果往往需要在相關應用技術和成果轉化力量的支持下，才能應用於教育實踐。例如，在遠程教育中，須首先通過信息技術將這些成果轉化為教育信息系統的功能設計，並通過系統應用實踐來修正和完善理論成果。在這一生態鏈中，從左到右為價值轉化過程，從右到左為要素還原過程，必須通過上述過程形成循環機制才能實現可持續發展。其中，生態鏈各環節的參與主體共同構成了創新生態群落。

從我國目前的現狀看，為了構建從教育理論到教育實踐的可持續創新發展生態群落及生態鏈機制，應對以下方面進行深入思考：（1）建立由教育理論研究、研究成果轉化、應用技術支持、教育實踐應用完整種群體系組成的創新生態群落。（2）在上述種群之間形成有機關聯，最大限度降低各種群之間的信息交互和價值交換成本，提高生態鏈的運行效率。（3）建立完善的要素還原機制，尤其要為教育理論研究者提供補償其投入要素的回報及增值收益，並為整個生態鏈的可持續發展提供良好的驅動機制和支撐環境。

參考文獻：

[1]陳巍, 張靜, 陳喜丹等(2010). 教育神經科學:檢驗與超越教學爭論的科學途徑[J]. 教育學報, (5):83-88.

[2]褚宏啟(2018).中國教育發展方式的轉變: 路徑選擇與內生髮展[J]. 華東師範大學學報(教育科學版),(1):1-14, 159.

[3]戴偉輝(2012).科技自主創新的生態群落模式及實施對策研究[R]. 國家社會科學基金研究報告.

[4]戴偉輝(2017).神經管理學的學科發展與研究範式[J]. 北京工商大學學報(社會科學版), (4):1-10.

[5]戴偉輝(2018).大數據驅動的泛在學習情感智能研究[R]. 教育部在線教育研究中心在線教育基金(全通教育)項目報告.

[6]顧險峰(2016). 人工智慧的歷史回顧和發展現狀[J]. 自然雜誌, (3):157-166.

[7]姜永志(2014). 教育神經科學從基礎科學邁向實踐科學[J]. 教育學術月刊, (9):27-32.

[8]龍寶新(2017).橋樑方法論:鏈接教育理論實踐斷鏈的新工具[J]. 教育理論與實踐, (16):55-59.

[9]馬慶國,王小毅(2006).認知神經科學、神經經濟學與神經管理學[J]. 管理世界, (10):139-149.

[10]毛華娟, 戴偉輝, 景在平(2107). 腔內血管器具學[M]. 上海:上海科學技術出版社.

[11]穆瀟,張瑜(2017). 促進學習的發展:互聯網環境中教與學的理論和方法[M]. 北京:北京師範大學出版社.

[12]潘基鑫, 雷要曾, 程璐璐等(2010). 泛在學習理論研究綜述[J]. 遠程教育雜誌, (2):93-98.

[13]王沖鶄(2017). 人工智慧技術與產業發展態勢分析[J]. 電信網技術, (7):46-51.

[14]王艷霞(2008). 教育理論與實踐關係困境的原因分析[J]. 當代教育論壇, (12):16-18.

[15]韋鈺(2011). 神經教育學對探究式科學教育的促進[J]. 北京大學教育評論, (4):97-117,186-187.

[16]韋鈺(2015). 神經教育學對教育改革的促進[J]. 科學教育與博物館, (1):396-400.

[17]韋鈺(2017). 教育實質上就是在建構人的腦[EB/OL]. [2018-03-01]. https://www.sohu.com/a/202113837_713731.

[18]謝振平, 金晨, 劉淵(2018). 基於建構主義學習理論的個性化知識推薦模型[J]. 計算機研究與發展, (1):125-138.

[19]楊開城, 李波, 董艷(2018). 論教育學研究方法論[J]. 中國電化教育, (1):1-6.

[20]張秀梅, 丁新(2006). 中外遠程教育發展歷史分析與比較[J]. 中國電化教育, (4): 27-31.

[21]周加仙(2009). 教育神經科學引論[M]. 上海:華東師範大學出版社.

[22]周加仙(2016a).「教育神經科學」與「學習科學」的概念辨析[J]. 教育發展研究, (6):25-30,38.

[23]周加仙(2016b).基於證據的教育決策與實踐:教育神經科學的貢獻[J]. 全球教育展望, (8):90-101.

[24]周加仙(2016c).教育神經科學與信息技術的跨學科整合研究——訪英國著名教育神經科學家保羅·霍華德·瓊斯教授[J].開放教育研究, (6):4-10.

[25]周小粒, 王濤(2004). 世界遠程教育發展概況[J]. 繼續教育, (10):54-56.

[26]Cacioppo, J. T., & Berntson, G. G. (1992). Social Psychological Contributions to the Decade of the Brain: Doctrine of Multilevel Analysis[J]. American Psychologist, 47(8):1019-1028.

[27]Cárdenas-Robledo, L. A., & Pe?a-Ayala, A. (2018). Ubiquitous Learning: A Systematic Review[J]. Telematics & Informatics. https://doi.org/10.1016/j.tele.2018.01.009.

[28]Chall, J. S., & Mirsky, A. F. (1978). Education and the Brain[M]. Chicago: The University of Chicago.

[29]Dai, W. H. (2010). Generalized Ecological Community: Theory and Application in IT-Driven Emerging Industry[J]. Advances in Systems Science and Applications, 10(4):666-670.

[30]Gao, G. H., Li, N., & Xiao, W. X. et al. (2012). The Study on the Development of Internet-Based Distance Education and Problems[J]. Energy Procedia, 17:1362-1368.

[31]Goswami, U., & Sz?cs, D. (2011). Educational Neuroscience: Developmental Mechanisms: Towards a Conceptual Framework[J]. NeuroImage, 57:651-658.

[32]Guabassi, I. E., Bousale, Z., & Achhab, M. A. et al.(2018). Personalized Adaptive Content System for Context-Aware Ubiquitous Learning[J]. Procedia Computer Science, 127:444-453.

[33]Han, H., Lee, K., & Soylu, F. (2016). Predicting Long-Term Outcomes of Educational Interventions Using the Evolutionary Causal Matrices and Markov Chain Based on Educational Neuroscience[J]. Trends in Neuroscience and Education, 5 (4):157-165.

[34]Hannan, M. T., & Freeman, J. H. (1977). The Population Ecology of Organizations[J]. American Journal of Sociology, 82(5):929-964.

[35]Holmberg, B.(1989). Theory and Practice of Distance Education(2nd Edition)[M]. London: Routledge, England.

[36]Ilgaz, H., & Askar, P. (2013). The Contribution of Technology Acceptance and Community Feeling to Learner Satisfaction in Distance Education[J]. Procedia - Social and Behavioral Sciences, 106:2071-2080.

[37]Martino, B. D., Kumaran, D., & Seymour, B. et al. (2006). Frames, Biases, and Rational Decision Making in the Human Brain[J]. Science, 313(5787):684-687.

[38]Mason, L. (2009). Bridging Neuroscience and Education: A Two-Way Path Is Possible[J]. CORTEX, 45:548-549.

[39]Moore, M. G., & Kearsley, G. (2005). Distance Education: A Systems View[J]. Computers & Education, 29:209-211.

[40]Nelson, R. R., & Winter, S. G. (1982). An Evolutionary Theory of Economic Change[M]. Cambridge: Harvard University Press, USA.

[41]Palghat, K., Horvath, J. C., & Lodge, J. M. (2017). The Hard Problem of 「Educational Neuroscience」[J]. Trends in Neuroscience and Education, 6:204-210.

[42]Park, H. L., & Friston, K. (2013). Structural and Functional Brain Networks: From Connections to Cognition[J]. Science, 342(6158):579-587.

[43]Pincham, H. L., Matejko, A. A., & Obersteiner, A. et al.(2014). Forging a New Path for Educational Neuroscience: An International Young-Researcher Perspective on Combining Neuroscience and Educational practices[J]. Trends in Neuroscience and Education, 3(1):28-31.

[44]Pozdnyakova, O., & Pozdnyakov, A. (2017). Adult Students』 Problems in the Distance Learning[J]. Procedia Engineering, 178:243-248.

[45]Rizzolatti, G., & Craighero, L. (2004). The Mirror-Neuron System[J]. Annual Review of Neuroscience, 27(5):169.

[46]Russell, S. J, & Norvig, P. (2009). Artificial Intelligence: A Modern Approach (3rd Edition)[M]. New Jersey: Prentice Hall.

[47]Saleh, S. A., & Bhat, S. A. (2015). Mobile Learning: A Systematic Review[J]. International Journal of Computer Applications, 114(10):1-5.

[48]Samigulina, G., & Samigulina, Z. (2016). Intelligent System of Distance Education of Engineers, Based on Modern Innovative Technologies[J]. Procedia - Social and Behavioral Sciences, 228: 229-236.

[49]Scarinci, A. L. (2015). Evaluating Resources for Scientific Modelling in a Distance Education Course[J]. Procedia - Social and Behavioral Sciences, 167:238-244.

[50]Simonite, T. (2014). 2014 in Computing: Breakthroughs in Artificial Intelligence[R]. MIT Technology Review, USA.

[51]Summak, M. S., Summak, A., E., G., & Summak, P. S.(2010). Building the Connection Between Mind, Brain and Educational Practice: Roadblocks and Some Prospects[J]. Procedia - Social and Behavioral Sciences, 2:1644-1647.

[52]Tomlinson, S. (1997). Phrenology, Education and the Politics of Human Nature: The Thought and Influence of George Combe[J]. History of Education. 26(1):2.

[53]Turner, J. H. (1986). The Structure of Sociological Theory[M]. Chicago: The Dorsey Press, USA.

[54]Wyk, B. C. V., & Pelphrey, K. A. (2011). Introduction to a Special Section of Learning and Individual Differences: Educational Neuroscience[J]. Learning and Individual Differences, 21:633-635.

[55]Zadina, J. N. (2015). The Emerging Role of Educational Neuroscience in Education Reform[J]. Psicología Educativa, 21:71-77.

[56]Zhou, X., Dai, G. H., & Huang, S. et al.(2015). CyberPsychological Computation on Social Community of Ubiquitous Learning[J]. Computational Intelligence and Neuroscience.

[57]Ziman, J. (2000). Technological Innovation as an Evolutionary Process[M]. Cambridge: Cambridge University Press.

收稿日期　2018-03-01　責任編輯　田黨瑞

作者簡介：戴偉輝，博士，教授，復旦大學管理學院（上海　200433）。

基金項目：教育部在線教育研究中心在線教育基金（全通教育）項目「大數據驅動的泛在學習情感智能研究」（2017YB115）；科技部政府間國際交流例會項目「基於仿腦機制的人機融合情感智能研究」（4-9/2018）。

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

轉載自：《現代遠程教育研究》2018年第2期

排版、插圖來自公眾號：MOOC（微信號：openonline）

喜歡我們就多一次點贊多一次分享吧~

有緣的人終會相聚，慕客君想了想，要是不分享出來，怕我們會擦肩而過~

《預約、體驗——新維空間站》

《【會員招募】「新維空間站」1年100場活動等你來加入》

《有緣的人總會相聚——MOOC公號招募長期合作者》

產權及免責聲明本文系「MOOC」公號轉載、編輯的文章，編輯後增加的插圖均來自於互聯網，對文中觀點保持中立，對所包含內容的準確性、可靠性或者完整性不提供任何明示或暗示的保證，不對文章觀點負責，僅作分享之用，文章版權及插圖屬於原作者。如果分享內容侵犯您的版權或者非授權發布，請及時與我們聯繫，我們會及時內審核處理。

了解在線教育，

握MOOC國際發展前把沿，請關注:

微信公號：openonline

公號昵稱：MOOC

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！