张驰

［摘要］思想政治教育定量研究范式是运用数理统计对思想政治教育现象及过程进行监测、依据数据验证理论猜想、揭示各变量间因果关系的研究范式。它弥补了传统定性研究的不足，以全新视角透析思想政治教育系统，对提升思想政治教育的科学化水平、实现思想政治教育的高质量发展、助推思想政治教育数字化转型有着重要意义。但思想政治教育的意识形态属性，使其与定量研究范式并不具有天然的契合性，在研究进程中常面临诸多问题。为此，应在研究理念、研究方法、研究目标上进行优化，推进思想政治教育定量研究范式的变革与创新。

［关键词］思想政治教育定量研究研究范式

研究范式是学科研究活动中自觉遵守的、带有共同属性的理念方法。研究人员“以此来把握研究前提，分析研究问题、形成研究思维、选择研究方法、确立研究结构、设计研究框架、创新研究内容、完成研究工作、评价研究成果”。[1]因此，范式的丰富程度往往是评判学科成熟与否的重要标志。作为以思想观念、政治素养、道德情操为研究领域的学科，思想政治教育承载着“统一思想、凝聚共识、鼓舞斗志、团结奋斗”[2]的重要使命。由于思想的复杂性，要求所提供的研究范式既系统又全面，因此常以定性为主，定量为辅。随着云计算等算力设施的日趋完善，数字化生态日渐生成，“计算充斥在社会的每一个角落”，[3]数字技术极大地提升了定量分析的呈现力，思想政治教育定量研究范式呼之欲出。思想政治教育定量研究范式就是运用数理统计对教育现象及过程进行监测、依据数据验证理论猜想、揭示各变量间因果关系的研究范式。作为定性研究的有益补充，定量研究范式以数据运算描述教育现象及规律，推进思想政治教育的实证化。值得注意的是，不能将定量研究范式简单等同于实证主义研究范式。作为实证主义研究范式的一种，数据量化是定量研究的特性。这就意味着，即使有充足的理论假设，但使用的是非量化数据，也只能属于“实证而非定量”的研究范式。当前，思想政治教育定量研究范式正处于上升期，大量有价值的成果不断涌现，但也面临一些亟待解决的问题。思想政治教育真的需要定量研究吗？如果需要，如何开展规范的定量研究？回答好这些问题，需要在思想政治教育的学科语境下对定量研究开展理论反思，以此实现方法论的拓展。

一、思想政治教育定量研究范式的应然价值

数字技术掀起的智能化浪潮，将数据密集型的定量研究范式引入人文社会科学中。在此背景下，[基金项目]2023年度国家社科基金高校思政课研究专项“思政小课堂与社会大课堂的有效衔接研究”（项目批准号：23VSZ092）、2023年度上海市哲学社会科学规划一般课题“系统观念视域下‘大思政课’的育人机理研究”(项目批准号：2023BKS008)。

思想政治教育的研究范式被数据驱动所吸引，实现了从经验判断到数据建模的跃迁。定量研究范式弥补了传统定性研究的不足，可以帮助研究者以全新视角透析思想政治教育系统。

1.推进思想政治教育研究科学化的创新之举

定量研究有着严格的流程规定，如果操作存在差异，结果就会大受影响。首先，定量研究有着明确的研究边界。有研究者指出：“无价值的研究问题无论其后的量化研究过程如何科学和精彩也是在做无用功。”[4]其次，基于问题构建理论模型，提出具有可操作性的研究假设，明确各因变量、自变量等数理关系。在此基础上，开始对数据进行收集、录入、分析和评估。在剔除无效数据，明确加权方案后，为数据分析这一核心环节做准备。再次，在数据分析环节，既要进行样本均值、估计区间等总体宏观的描述性分析，也要围绕自变量和因变量的逻辑关系开展微观的解释性分析。最后，需要对统计结果进行反思。围绕数据分析结果来验证最初的研究假设。如果研究数据难以支持最初的设想，则表明研究假设已被“证伪”；如果研究数据支持最初的设想，也并不能充分证明假设被“证实”，只能表明研究假设在目前特定条件下未被“证伪”。围绕数据的验证情况，回归相应的理论建构，推动现有理论的完善。

从这个角度看，定量研究以规范的研究程序，构建了“问题—假设—搜集—分析—反思”的研究闭环，“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”。[5]因此，当把定量研究范式引入思想政治教育领域，以数理运算对教育现象进行分析推演时，一方面，势必会拓宽研究者的方法论视野。定量研究范式独有的数理统计呈现出文献研究所不具备的优势，它不仅可以精准描述对象的数理特征，也极大地提升了思想政治教育的可预见性。通过预测未来某节点思想政治教育工作的发展态势，实现对思想政治教育的理论完善和实践检验。这就打破了原有的学科研究框架，为思想政治教育研究提供了一种全新的方法选择。另一方面，有利于规范思想政治教育的研究程序。长期以来，思想政治教育之所以被误认为是研究领域模糊的“万金油”，与缺乏清晰明确且具有可操作性的研究程序存在莫大关系。而程序问题是贯穿定量研究范式的核心问题。无论是“比较四步法”、“科学量化法”，还是“问题研究法”，定量研究所蕴含的程序思维，为思想政治教育提供了一系列能量化的研究方法，从而进一步明确了思想政治教育的学科边界，有助于提升思想政治教育的科学性。当然，我们也必须看到，定量研究范式并非思想政治教育研究科学化的充分条件，单纯靠定量研究范式无法完全实现思想政治教育研究的科学化。

2.实现思想政治教育高质量发展的重要抓手

党的二十大报告指出，要“加快建设高质量教育体系”，[6]这赋予了思想政治教育新的时代使命。“思想政治教育高质量发展应是以效率、效益、效期为出发点，以创新、协同、精准、开放、高效为关键词的动态过程。”[7]在此过程中，围绕投入结构与产出效率等关键性问题的探讨，就不能仅仅停留于感性的现象描述，还需要构建精准的量化评价体系。通过系统的数据收集，推进思想政治教育定量研究的规范化，使高质量发展细化为“看得见”、“有温度”、“可感知”的数据指标。因此，规范化的定量研究对实现思想政治教育的高质量发展意义重大。

那么，何为规范化的定量研究？有何明确标准？事实上，规范化最突出的特点就是“能够利用定量研究恰到好处地解决有限的问题”。[8]这就要求定量研究一是要概念清晰、逻辑明确。“只有概念清晰才能确定变量，只有逻辑关系明确才能构造变量间的关系。”[9]要对数据保持高度敏感，尽量确保数据的客观公正。二是要解决有限问题。定量研究并非是万能的，对问题的解决也有一定的限制。规范化的定量研究是紧紧围绕研究的问题提出假设，运用模型探究解决路径，并对理论产生密切影响的研究。只有研究范式、研究对象、研究内容形成良好的匹配，问题才能迎刃而解。因此，规范化的定量研究，既能够避免数据量化在思想政治教育中的滥用，规避了从理性走向非理性的风险，也提供了基本的方法遵循，为实现思想政治教育的高质量发展提供了全新思路。

正所谓“格物”才能“穷理”。借助定量研究，“通过比较同一个体在经历干预条件后的结果与其未经历干预条件下的潜在结果，从而识别因果关系是否存在”。[10]之前受技术条件的限制，面对同一个体，模型往往只能观测到一种结果，无法推断其他潜在的可能。这加大了因果关系的辨别难度，阻碍了定量研究在思想政治教育领域中的推广。因为思想政治教育是“强调社会需求和个人需求、教育主体和教育客体共同的实践活动”，[11]这就使在“施加、转化、培养”的过程中，存在着各种潜在可能。单一模型往往无法确定差异究竟是来自外界干预，还是因自身差异产生的不同影响。而大数据的出现，有效解决了这一难题：一方面，能构建起海量的观测样本，涵盖研究对象的各种异质性因素，剔除其他易混淆因素；另一方面，能开展对研究对象的长期跟踪，基于个体自身变化便可探索其内在因果关系。这样，量化测评对思想政治教育高质量发展的意义就不言而喻，它既可以把复杂的教育现象转化为可提取的关键指标，还可利用数字画像进行深度测评，从中挖掘出深层的教育规律。

3.契合思想政治教育数字化转型的趋势所需

数字技术的发展势必对思想政治教育产生深远影响。可计算性将成为数字时代思想政治教育学科发展的全新特性，推动整个学科的转型升级。思想政治教育数字化转型“是以数字技术为支撑，以人的思想引导、价值观塑造为旨趣，推动思想政治教育理念、方法、载体、话语、管理、评价等方面的系统变革、智能升级，实现思想政治教育与数字技术深度融合、双向赋能的动态过程”。[12]可见，以数据的育人价值赋能整个教育实践，不仅是思想政治教育数字化转型的前提性共识，更进一步凸显了定量研究在转型中的根基性作用。

这种作用贯穿思想政治教育数字化转型的全流程。从运作机理来看，虽然数字化思想政治教育的形态千差万别，但其演化过程却大致类似。首先是借助人机协同的智能设备，对教育环境进行数据扫描，尤其是对学习主体围绕教育的数字化发展作出的心理期许予以重点关注，为各类数据在虚实空间的无缝衔接提供技术保障。其次是以数据流为核心，对学习主体的外显状态、内隐认知进行动态跟踪，使群体化学习主体背后的社会网格、学习特征能得到抽丝剥茧般的展现，准确还原学习主体的知识掌握状态和思想认知规律，使下一步的定制化学习有据可循。再次，依托算法对学习主体的思想需求予以精准提取。通过契合学习主体的学习偏好，实现学习诉求与供给服务的完美匹配。不难看出，数字化转型的核心就是将复杂的教育信息转化成各类教育数据，并加以分析推演。事实上，教育数据是教育信息的载体，教育信息的价值是由教育对象“人”所赋予的。数据是否能提高育人实效，取决于数据蕴含的信息能否被完整提取，并在以“人”为核心的实践中得到充分解读。因此，数据是否承载了足量、关键的育人信息，这些信息是否可以得到全面、准确的提炼，提炼后又是否可以助推育人实效的提升，这些重要节点中任何一个节点的堵塞都会影响思想政治教育数字化转型的整个进程。而定量研究就是确保节点畅通的利器。如果没有规范的定量研究，即使获取海量数据，也难以提炼出其中蕴含的育人信息，把握数字化思想政治教育的本质就更无从谈起。

“站在计算之桥上，可以看到技术与具备数字化、模型化属性的教育对象相遇后绽放出的绚烂火花。”[13]大到复杂的教育现象，小至主体自身的知识建构，正被数字技术演化为能够精准计算的作用对象，思想政治教育与数字技术开始深度融合。在此过程中，思想政治教育的研究范式需要与数字化转型的步调保持一致，而定量研究范式可以满足研究者“沿数循规—依数定策—以数育人—循数评价”的需要。可以说，在未来的思想政治教育生态中，谁掌握了定量研究范式，谁就把准了思想政治教育数字化转型的脉搏。但我们也要看到，这一转型是一个长期的过程，“一定会引发新的学习方式和教学方式变革，孕育新的学习规律和教育规律，零散、随机、局部、机械的研究远远不能满足系统全面艰巨的变革要求”，[14]这就呼唤定量研究范式自身的理论革新。

二、思想政治教育定量研究范式的现实考量

思想政治教育的意识形态属性，使其研究目的和传统人文社会科学并不完全一致，由此导致定量研究范式与思想政治教育学科并不具有天然的契合性。在推动思想政治教育定量研究的进程中，还存在一些深层次的现实问题有待解决。因此，有必要保持高度警惕，通过深刻的理论反思，明确定量研究范式在思想政治教育中的适用条件。

1.量化的“前提性”问题：如何提升研究数据的精准性？

开展定量研究，首要的问题是对数据质量的把控。但教育现象的复杂性决定了研究数据很难像自然科学中那样精确。在现实研究中，想要获取高品质的数据还存在诸多困难。

从社会科学本身来看，研究对象的可量化性与生俱来就偏低。虽然量和质的二重规定性阐明了社会科学可以像自然科学一样开展量化，但“可以进行量化并不意味着一定可以进行高度量化，也不意味着现在一定可以进行量化”。[15]对思想政治教育而言，绝大多数现象复杂多变，背后盘根错节的关系使结果充满了不确定性。即使可以量化，也只能进行低度量化。由于意识形态的抽象属性，在开展量化之前，必须经历一个概念的转换过程，即将无法予以直接测量的抽象概念分解为具有可操作性的测量指标。但由于缺乏统一标准，指标转化就具有很强的主观性。以“信仰”为例，不同的量化分析方法对其进行了各种操作性定义的界定，而不同定义反映的测量尺度、内涵标准差异巨大，很难像自然科学的测量工具那样具有普遍性的标准共识，往往是面对同一事物，因操作性定义的标准不同，造成测量结果的千差万别。这其实是一种低量化的简易测量，和自然科学的量化数据相比，既无法实现多维度的丰富多彩，也难以达到高品质的精准可靠。

从研究主体来看，抽样框的界定模糊会进一步加大误差。在随机抽样之前界定抽样框，目的是保证符合标准的个体，都能获得均等的入选样本范围的机会。但教育现象的流动性，使研究主体很难完整准确地界定抽样框。尤其是当研究对象包含隐藏群体时，范围就更难以界定。往往造成原本不在研究序列里的个体被纳入样本范围之内，而符合条件的则被拒之门外。这不仅导致抽样单位数量失真，也造成符合条件的个体被抽中的真实概率与初始随机概率不符。受此影响，调研的随机性就难以保证。对思想政治教育而言，开展定量研究关注的重点往往是总体而不是样本个体，一旦样本的随机性降低，对群体的代表性便会大打折扣甚至丧失，错误的概率就会加大。

而从研究对象来看，即使抽样范围界定明晰，也难以保证结果不会失真。这是因为思想政治教育和现实生活密切相关，受干扰因素较多。例如，任何数据调研都是在特定环境中进行的，而研究对象是否会受到环境的干扰？如果会，是否会导致同一个体在面对同一个问题时前后回答不一致？再如，研究对象的“心理二重性”，将对外公开和自我保密严格区分开来，是否会存在刻意隐瞒自身想法而迎合研究人员，给出其想要的答案？即使不迎合，他的所答是否就能如实反映他的所思所想？如果能反映，在飞速发展的今天，这种想法的“保质期”又能有多久？可见数据结果的失真有较大概率，且很难通过事后反思加以甄别与弥补。

2.方法的“内生性”问题：如何增强前提假设的可靠性？

定量研究范式有着明确的使用规范，每一种具体方法的运用，都需要满足相应的前提条件。遵从这一原则，思想政治教育开展定量研究，也必须设定相应的前提假设，以此满足方法的使用前提。但思想动态的易变性，使前提假设的设定存在诸多矛盾，最为突出的就是“总体异质性”与“个体同质性”之间的矛盾。

以大学生思想政治教育调研为例，“问卷设计主要围绕反映大学生思想政治状况的‘观念与行为’和反映高校思想政治教育开展状况的‘教育与成效’两个方面展开”。[16]而大学生作为研究对象本身就存在变异性，这种变异性不仅表现在不同群体间，同一个体在不同时期也存在差异。尤其是后一种变异，分析难度更大，因为它会受到多种潜在因素的影响，不仅未来的发展趋势会影响当前的行为特质，而且过去已发生的，哪怕是偶然因素，也会对当下的价值判断产生影响。所以，在定量研究中，模型会随着个体的差异而发生变化。这就是“总体异质性”。由于这种情况无法完全排除，为了将“总体异质性”引发的误差降到最低，就需要对模型作出“个体同质性”的基本假设——即个体之间，无论先天还是后天，并不存在实质性差异，而且思想政治教育在不同个体间产生的育人效能也大致相同。可见“个体同质性”是思想政治教育调研的基本前提假设。

但如果仔细推敲，这种假设其实并不符合思想政治教育的基本事实。因为思想政治教育除了要落实教育教学目标、课程设置等方面的统一要求外，还要因地制宜、因材施教，“尤其是处于‘拔节孕穗期’的青年群体，他们的价值观尚未完全形成又思维活跃，热衷于新事物，因此会产生更多新情况”。[17]这就要求思想政治教育“充分考虑大学生的思想特点和差异，在准确把握不同个体，不同群体大学生思想实际状况上下功夫”。[18]有些调研尝试通过社会分组，扩大组员内部间的同质性以及组与组之间的差异性。虽然分组确实能够比不分组更进一步接近客观事实，但也不能达到组员内部的完全同质。

此外，某些前提假设可能存在多种选择。当前，定量研究的前提假设大都是回溯式的，即围绕研究目标选择研究方法，基于方法再提出前提假设。为了达到研究目的，可同时采用多种方法，而每一种方法都需要满足不同的前提假设，因此前提假设的设定也就有了多重选择。当同一组数据因设定不同的前提假设，采取风格各异的模型予以分析时，结果会完全不同。对思想政治教育而言，正确的事实应该是单一明确的。如果不同前提得到的结论截然相反，就反映出现象背后的真相被扭曲。这既违背了定量研究精准性的价值追寻，也扰乱了对教育主客体之间真实关系的理解。

3.研究的“规范性”问题：如何强化因果模型的解释力？

作为定量研究中最为常用的分析方法，因果模型通过对现象的量化分析，开展对现象背后事实成因的探寻。但就思想政治教育而言，价值观念充满了不确定性，这就使围绕特定教育现象建立的因果模型解释力不足。

从模型本身看，建构方法的科学性并不强。一方面，抽样方式较为单一。当前多是以简单随机抽样为基础来建构因果模型。但现实中，抽样方式并不止是随机抽样，而是包含各类型的其他抽样。对于不通过简单随机抽样获取的数据，严格意义上说是不能够直接作用于模型的，必须进行包括加权在内的转换，以便使数据尽可能向随机抽样靠拢。另一方面，变量控制异常困难。尤其是在思想政治教育中，影响某一结果的额外变量或无关变量异常繁杂，很难进行彻底排除，研究者往往寄希望于调研结束后统计软件的分析限制。但事实上，统计软件的把控非常有限，仅靠软件无法确定究竟该对哪些变量予以控制。即使明确了变量的种类，但控制到何种程度也是个难题。思想动态的异质性决定了很难按照相同标准控制各类变量。由此产生样本遗漏、样本偏差等问题，影响了因果推断的精准性。

从模型的思想政治教育意义来看，因果模型最大的缺陷就是忽视了人的价值。人既有理性的一面，也有感性的一面；既有个体性的一面，也有整体性的一面。调研中，虽然力求将调研对象作为区别于他人的独立个体来看待，以此获得大量具有自身属性的个体数据，但个体之间的互动因素却在有意无意间被忽略了。这种人际互动和社会互动在定量研究中看似微不足道，但在思想政治教育中却具有举足轻重的作用。因为任何个体的思想观念与举止行为都不是孤立的结果，人际互动和社会互动在其中起着重要的助推作用，并由此形成了复杂的运行关系。各种教育现象与社会互动之间，并不是明显的单向关系，而是“鸡生蛋、蛋生鸡”的双向互动。因此，在模型的建构中，社会互动就成了一个进退两难的选择：把社会互动抽离出来，进行孤立的模型建构，势必会削弱对教育现象背后真相的探寻；但将社会互动纳入模型，因经历了多回合的交互作用后，究竟谁为因谁为果，谁在前谁在后，变量间的社会作用关系很难说得清楚。受此影响，在模型建构中便呈现出浓厚的主观色彩。因为缺乏统一规范性的标准，研究者往往是“仁者见仁、智者见智”，将模型朝着对自己有利的方向解读，诠释分析具有较强的自由度，推断出的因果关系值得商榷。

三、思想政治教育定量研究范式的进阶探索

在数字化日益发展的今天，思想政治教育的研究范式来到了重要拐点。党的二十届三中全会指出，要“形成网上思想道德教育分众化、精准化实施机制”。[19]这一时代要求势必会推动包括定量研究在内的整个研究范式的系统性革新。为此，思想政治教育定量研究范式应积极迎接时代挑战，在研究理念、研究方法、研究目标上进行优化。

1.研究理念的升华：倡导复杂性的系统思维

定量研究范式在思想政治教育中之所以产生内生性、前提性、规范性等问题，是因为忽视了思想政治教育的复杂性。破解这一难题，需要将思想政治教育视为开放多元的复杂系统。只有引入复杂系统论的分析方法，才能深刻认识定量研究范式的作用，为推动研究范式的创新提供思路。

一方面，要以系统思维的协同性原则明确研究范式的整体布局。无论是定性研究还是定量研究，二者既不是非此即彼的对立，更不是机械式的简单融合，而是在各要素深度耦合中实现协同发展。首先，要认识思想政治教育研究范式的丰富性。定量研究范式只是诸多范式中的一种，“这一范式下的客观知识和教育规律只是基于特定条件的独立存在，无法确保放之四海而皆准，也不具备完全的可复制性”。[20]倘若单一使用因果模型，而忽视了教育过程中人的情感、意志，就会将复杂的教育问题简单化。其次，要重新审视定量研究范式中的思想政治教育内涵。定量研究并非单纯的数字量化。在自然科学领域，定量研究是通过对客观世界的观察与分析，提炼与总结规律；在社会科学领域，定量研究是在历史发展的反复实践中验证假设、猜想。思想政治教育离不开人的诠释，倘若将定量研究只是理解为数据、量表等单一表征，忽视了人的独特性，便是舍本逐末，与研究初衷背道而驰。再次，要破除定性研究与定量研究的二元对立。事实上，思想政治教育的研究应摒弃在范式上的争高低、谈利弊，而要将关注重点转移到对研究范式的高质量运用上。要树立理论与数据并重的研究理念，既注重理论对研究的规范指导作用，通过大量的文献阅读，形成符合思想政治教育学科特质的研究思路；也要关注数据对研究的复查作用，利用多层次的数据收集，提升研究成果的精准性。

另一方面，以系统思维的开放性原则构建符合思想政治教育内在逻辑的独特范式。既要合理借鉴各学科已有的成熟的研究方法，也要对思想政治教育学科特有的研究方法予以深刻反思，形成属于自己的独特的研究体系。首先，就思想政治教育的知识生产而言，其独特的实践属性决定了其知识生产不会单单局限于有限的教育空间，任何教育实践活动都存在孕育新知识的可能。其次，就思想政治教育的研究性质而言，不仅是“证实”与“证伪”的事实判断，还蕴含复杂的道德伦理，这就决定了判断研究方法的科学与否，不能单纯以是否验证猜想为唯一依据。再次，就思想政治教育的研究结果而言，任何思想政治教育的研究结果都是对特定场域下、特有人群的特殊状态的揭示，即便是同样的思想政治教育现象，不同研究者作出的分析和推论也不尽相同。不能因研究结论的多样就断定研究质量的粗劣。“对结果的质量判定应在于结果对理论与实践、人与场域(现象)的解释说明和批判改进的程度，而非执拗于是否符合某一种研究性质或范式的特征。”[21]

2.研究方法的拓展：建构计算思想政治教育

思想政治教育新动态与智能算法新技术的融合，开启了数据密集型的研究新范式，计算思想政治教育应运而生。作为一门新型交叉学科，其核心就是将思想政治教育“各要素及要素间互动过程进行量化”，[22]实现对“各种现象、行为数据进行采集、分析、建模、预测等目的”。[23]相较于传统的定量研究范式，计算思想政治教育提供了全新的研究平台。主要表现为：一是新的数据。从传统的抽样数据到海量的“非结构化”数据，体现了从关注局部到获取整体的研究转向。二是新的分析手段。数据分析与发掘，心理学、脑科学与思想政治教育学科相融合的人机实验，行动者的模拟分析等，这些方法突破了传统定量研究中以线性模型为主的分析架构，拓展了定量研究范式的方法体系。三是新的因果识别策略。传统定量研究侧重于对平均因果关系的识别，而引入算法技术后，可实现具有异质性的因果识别，进一步优化了因果验证。

可见，计算思想政治教育不仅秉持了定量研究中的分析方法，而且引入了复杂性算法。这一全新范式有助于破解定量研究范式的现实难题。首先，计算思想政治教育有助于挖掘高质量的数据资源，推动研究尺度不断向“极大”与“极小”两极延伸。“极大”意味着在长过程的时间维度和广覆盖的空间维度上对数据进行采集，实现样本数据的连续性与全面性。这样，因研究主体自身认知局限而造成的对数据的影响便可降到最低。而“极小”反映出在毫秒级的时间维度和纳米级的空间维度上，研究人们的认知心理活动，把握研究对象的瞬时状态。通过两个尺度的延伸，不仅可以“突破传统结构化数据忽视教育教学细节与过程及质性材料难以分析的局限”，[24]还能发掘复杂思想政治教育现象背后各因素间的内在关系，加深对本质问题的思考。其次，计算思想政治教育有助于揭示深层次的因果关系，通过“建模”与“模拟”实现研究方法的创新。实验法是揭示因果逻辑的有效方法。传统思想政治教育中，开展实验多秉持经验观察法，以严格的变量控制进行去场景化的分析，但以经验为主的单一向度“本质上仍旧是对人类直觉、经验等的验证，与我们期望中科学的、实然的教育尚有一定距离”。[25]而计算思想政治教育通过对智能模型的精准配置，整合教育过程中认知、情感、动机、环境等多方面变量，打造出具有高度现实还原性的虚拟空间，如结构方程建模可对变量中的多元关系予以调控，提供了一种灵活检测的分析技术。这样不仅消除了现实中无关变量的干扰，而且极大地提升了思想政治教育现象中各因果关系的可解释性。

当然，“新的基于计算的研究范式并不一定会完全取代原有的研究范式，而是可能形成一种新旧范式并存的学术生态”。[26]为此，应强化对计算思想政治教育的学科范式、理论体系、方法标准等的研究，尤其是要注重培养既懂思想政治教育规律，又能够熟练处理教育大数据的跨学科人才，以此实现思想政治教育定量研究范式的创新发展。

3.研究目标的转向：强化前瞻性的预测研究

定量研究的目的“在于发现真理、揭示规律，它具有描述、解释、预测三大基本功能”。[27]从这一层面看，在思想政治教育中开展定量研究，就是要对思想政治教育的全流程进行因果关系分析，理清各因素的作用层级，并预测思想政治教育的未来走向。其中包含两个规定性动作：一是解释研究，即通过探寻因果关系，揭示已发生现象的作用机理；二是预测研究，即立足现有信息去研判未来的可能结果。作为定量研究的重要分支，预测研究主要回答以下三个问题：一是在可预见的时期内，思想政治教育领域将发生哪些重要变化，成因有哪些？变化的性质又如何？二是变化大致何时发生，影响将达到何种程度？三是变化发生的潜在可能性有多大？对这些问题的探寻，将极大地提升思想政治教育的时效性。因此，如果说定量研究致力于揭示思想政治教育的因果关系，推动思想政治教育科学化，那么前瞻性的预测研究应成为定量研究范式未来的发展方向。

当前，预测研究之所以是思想政治教育研究的“冷门”，“并非是人们认为它不重要，而是因为它是思想政治教育理论与实践中较有难度的问题”。[28]思想政治教育过程的复杂性，各因素与结果之间的关系不是决定论，而是概率论，加之传统算力的局限，使思想政治教育预测的难度极大。因此，尽管传统的定量研究已经发展出较为成熟的分析模型，但思想政治教育研究往往局限于“事后的诠释”，很少进行“事前的预测”。直到深度学习的普及，这一局面才得以改观。作为机器学习的最新阶段，深度学习的核心就是以数据驱动的方式，“从大量已有数据中学习规律，自动发现数据中潜藏的模式”，[29]逐层发掘出复杂、抽象的内在特征，从而预测研究对象的发展态势。一般来看，非控制的原生态数据越多，其映射的现实情境就越强，可供算法学习的模式也就越广，预测也就越精准。如此一来，深度学习的赋能将推动思想政治教育研究领域的拓展，传统定量研究开始转向“事前预测”的全新态势。

这一转向开启了定量研究范式的系统性革新。首先，研究取向从“始于假设”向“基于数据”转变。传统定量研究是在理论指导下提出假设，以随机抽样的方式获取数据并进行验证，而新的预测研究不再囿于前提假设，而是“从海量数据集中发掘出更为宽广的问题域和新的研究问题”。[30]其次，预测方法从“传统回归”向“机器学习”转变。传统定量研究利用回归模型，明确自变量和因变量，以此为依据开展预测分析。而深度学习通过算法与数据的相互作用，“不断将数据反馈作为输入，直到通过学习算法得到目标的最优解”，[31]极大地提高了对复杂教育现象的预判能力。再次，研究模式从“单一路径”向“多元融合”转变。传统定量研究主要是基于小数据开展的数理统计，模式较为单一，而新的预测研究将深度学习与传统计量方法相融合，将大数据的全局性分析与小数据的特质性分析相结合，不仅有助于提高预测的精准度，还能对预测结果作出多层次阐释。

参考文献：

[1]李艳.比较思想政治教育研究的问题、规定及范式[J].社会科学战线，2014(6).

[2]中共中央国务院印发《关于新时代加强和改进思想政治工作的意见》[N].人民日报，2021-07-13.

[3][13]刘三女牙，郝晓晗，李卿.论教育的可计算性[J].电化教育研究，2023(3).

[4]王军.社会科学量化研究范式、常见谬误及反思——以青年研究为例[J].青年探索，2022(3).

[5]王攀峰，王亚荣，翟静丽.教育定量研究范式：价值、困境与创新路径[J].大学教育科学，2024(2).

[6]习近平.高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[N].人民日报，2022-10-26.

[7]沈壮海，刘灿.论新时代思想政治教育的高质量发展[J].思想理论教育，2021(3).

[8][9]刘润泽，巩宜萱.回顾与反思：定量研究在公共管理学科的滥用[J].公共管理学报，2020(1).

[10]谢宇.社会学本土化与定量研究的再思考[J].学术月刊，2024(3).

[11]冯刚，彭庆红，佘双好等.新时代高校思想政治教育学原理[M].北京：人民出版社，2021：8.

[12]罗红杰.思想政治教育数字化转型：认知前提、实践原则与推进策略[J].思想理论教育，2023(12).

[14]张广斌，薛克勋.数字教育学的底层逻辑与构建路径——兼论中国式数字教育学建设[J].华东师范大学学报（教育科学版），2023(11).

[15]许加明，陈友华.数据质量、前提假设与因果模型——社会科学定量研究之反思[J].社会科学研究，2020(2).

[16]沈壮海等.中国大学生思想政治教育发展报告2020[M].北京：北京师范大学出版社，2022：2.

[17]项久雨.新时代思想政治教育主题论[M].北京：人民出版社，2023：282.

[18]冯刚.理直气壮开好思政课——把握新时代思政课建设规律[M].北京：人民出版社，2019：120.

[19]中共中央关于进一步全面深化改革、推进中国式现代化的决定[N].人民日报，2024-07-22.

[20][21]孔苏，王晓晓.教育实证主义研究范式的赋魅与祛魅[J].重庆高教研究，2023(3).

[22][23][24][25]刘三女牙，周子荷，李卿.再论“计算教育学”：人工智能何以改变教育研究[J].教育研究，2022(4).

[26]胡安宁，陈滔，李东雨.从定量社会学到计算社会学：传统进路与新兴议题[J].西安交通大学学报（社会科学版），2022(1).

[27][29][30][31]万力勇.算法时代的教育预测及其研究范式转变[J].远程教育杂志，2022(3).

[28]董雅华，赵成林.思想政治教育预测的学理定位与可能性分析[J].思想理论教育，2021(3).