教育信息科学与技术研究的现实图景与发展路向——2018—2022年F0701资助情况分析

□郑永和 王一岩 吴国政 赵瑞珍 肖斌

自2018年国家自然科学基金F0701（教育信息科学与技术）申请代码设立以来，得到了教育部、科技部、基金委相关领导的重视和来自教育和科技领域广大专家学者的关注和支持。经过五年的探索，F0701在资助数量、研究团队、组织模式、评审机制、项目质量等方面都取得了重大进展，汇聚了一大批来自各个领域的专家学者，资助了400余项研究课题，综合资助率稳步提升，并在重点项目、重大项目上取得突破性进展，为后期资助工作的开展打下了坚实基础。

F0701代码的设立对于我国教育科学研究具有里程碑式的重要意义，标志着教育科学研究逐渐突破传统以“问卷、访谈”为代表的实证研究方法，开始吸收并整合自然科学的研究范式去探索教育领域的关键科学问题，以“符号化、数据化、标签化”的思想对教育系统的主体、环境、资源等要素进行全时空、多层次、细粒度、时序性的建模分析，并对相关要素之间的关联关系和教育系统的演化机制进行挖掘分析，进而实现“教育主体可理解、教育情境可计算、教育规律可解释、教育服务可定制”的远景目标（刘三女牙等，2020），以此来完善教育科学的研究体系，推动教育研究的科学化发展。其核心特征在于：其一，发挥物联网、大数据、人工智能、云计算等智能技术在教育情境感知、教育过程表征、教育主体刻画、教育规律挖掘、教育服务变革等方面的核心作用，以多源异构教育数据的采集汇聚和融合分析，打造教育科学研究和教育实践变革的“动力引擎”；
利用数据密集型科学的研究范式探究学习发生的内在机理，助力智能时代教育科学研究思想和研究方法的系统变革（郑永和等，2021a）。其二，综合运用教育学、心理学、脑科学、认知科学、系统科学和信息科学等学科的理论和方法，从“行为—生理—心理—神经”等多个层面探究个体的发展规律、教与学的运作规律和教育系统的演化规律，推动多个学科的理论、方法和证据的科学互证，构建层次清晰、结构合理的研究体系，推动教育科学研究范式的转型。其三，面向教育改革发展的现实需求，聚焦创新人才培养和教育改革发展的核心问题，以科技创新为教育服务能力的转型升级提供“新动能”，发挥智能技术在教育实践中的优化、变革和调节作用，探究人才培养规律，转变人才培养策略，优化人才培养模式，提升“教育科学研究”向“教育实践变革”的转化能力，以此为智能时代教育的创新发展提供思想指引。

在F0701 代码设立五周年之际，系统、全面地回顾与梳理其资助情况，并展望未来的发展方向，对于F0701 未来的申请、资助和研究工作的开展具有良好的指导作用。基于此，本文通过对2018—2022年教育信息科学与技术资助情况的系统分析，归纳该领域的资助情况和关键特征，并从多个维度对教育信息科学与技术的研究路向进行研判，以期为后续研究和资助工作的开展提供参考。

1.2018—2022年资助项目类别分布

F0701 五年来的资助项目（见表1）以面上项目、青年科学基金项目和地区科学基金项目（简称“面、青、地”）为主，其中面上项目的资助数量最多，在资助项目总数中占到了53.38%；
青年科学基金项目的受资助数量总体上呈现增长态势，占受资助项目总数的35.02%；
地区科学基金的数量整体较为稳定，占受资助项目总数的9.66%；
其他类别的项目（包括优秀青年科学基金项（简称“优青”）、重点项目（简称“重点”）、重大项目（简称“重大”）、国际（地区）合作与交流项目（简称“国际合作”）），累计资助8项，占受资助项目总数的1.93%。

表1 2018—2022年资助项目类别分布（单位：项）

五年来F0701在重点项目的组织方面取得了突破性进展，共有5 项重点项目获得立项，分别是：2019年华中师范大学杨宗凯教授主持的“多空间融合下的大学生个性化学习与智能教育服务关键技术研究”；
2020年浙江大学吴飞教授主持的“面向在线教育的群体智能支持下人机协同学习研究”；
2021年西安交通大学郑庆华教授主持的“在线教育跨媒体智能问答的可解释推理方法研究”和华东师范大学钱卫宁教授主持的“面向教育的数据驱动学习行为建模与可解释性分析”；
2022年广东工业大学胡钦太教授主持的“课堂流媒体跨模态知识元协同解析与评估方法”。2022年，F0701首个重大项目也获得立项，是由华中师范大学杨宗凯教授主持的“人工智能赋能教与学的理论与关键技术研究”。这也是F0701资助工作取得的另一项重大突破。

2.面、青、地项目综合资助率分析

从2018—2022 年面上项目、青年科学基金项目、地区科学基金项目的资助情况来看（见表2），2018年是F0701的初创阶段，国家自然科学基金委做了大量宣传工作，因此在申请阶段得到了相关领域专家学者的大力支持，但在项目评审中反映出契合F0701研究选题的项目数量较为有限，因此资助数量和资助率较低。之后经过两年的探索，行业内的专家学者对于F0701的定位和特色认识得更加清晰，因此从2020 年开始，面、青、地项目的申请和资助数量逐渐趋于稳定，综合资助率也处于稳步提升并逐渐趋于平稳的状态。

表2 2018—2022年面、青、地项目综合资助率

3.资助项目依托单位分布

自2018 年F0701 代码设立以来，五年间共有130所学校和科研院所获得资助。从各单位获资助项目总数来看，共有20所高校获得5项以上的项目资助（见表3），其中华中师范大学和北京师范大学占据F0701资助项目总数的前两位，分别获资助74项和41项，占资助项目总数的27.78%；
陕西师范大学、浙江大学、华东师范大学、江西师范大学、华南师范大学、东北师范大学、北京航空航天大学、清华大学、西南大学获资助7～13项，占资助项目总数的21.26%；
天津大学、西北师范大学、浙江师范大学、北京理工大学、桂林电子科技大学、江苏师范大学、南京邮电大学、西安交通大学、中南大学等学校获资助5～6项，占资助项目总数的11.59%。

表3 2018—2022年资助项目依托单位分布及资助率分析

从整体来看，近年来F0701受资助项目的依托单位主要以师范类院校为主，尤其是以华中师范大学和北京师范大学为代表。这两所学校在教育信息化、“互联网＋”教育、智能教育等方向的研究一直处于领先地位，相关团队的研究范式也契合教育信息科学与技术研究的定位与特色，因此获得了较多的资助。浙江大学、北京航空航天大学、清华大学、天津大学等理工类院校也有专家学者关注教育领域的研究，这也为人工智能、神经科学、系统科学等领域的专家学者申请F0701的项目起到了良好的带头作用。

从2018—2022 年各个学校的项目资助率来看，资助率最高的是北京理工大学、中南大学、桂林电子科技大学、西安交通大学、华中师范大学、清华大学、北京航空航天大学、浙江大学、天津大学。可见理工类院校的项目资助率整体高于师范类院校，原因在于理工科教师对于自然科学研究范式的把握更为准确，更善于从自然科学研究的视角出发去凝练教育领域的关键科学问题，因此在基金评审当中具有更大优势。师范类院校的项目申请数量虽然远高于理工类院校，但对于自然科学的研究范式把握不够到位，因此在基金评审当中往往处于劣势。未来F0701资助工作的开展，一方面要鼓励理工类院校的教师积极申报F0701的相关项目，另一方面也要帮助师范类院校的教师更好地运用自然科学的研究范式来凝练、分析和解决教育领域的关键科学问题，把握自然科学基金评审的核心要求，提高基金申请质量。

4.资助项目研究方向分布

从2018—2022 年面、青、地项目研究方向的分布（见表4）来看：

表4 2018—2022年面、青、地项目研究方向分布（单位：项）

第一，“教育大数据分析与应用”“学习分析与评测”“自适应个性化辅助学习”三个研究方向资助数量较多，原因在于这三个研究方向所涵盖的研究范畴比较广泛，且均是目前教育科学研究的热点话题，因此得到了行业内诸多学者的关注和支持。

第二，“教育信息科学基础理论与方法”“在线与移动交互学习环境构建”“虚拟与增强现实学习环境”三个方向的受资助数量处于中间水平，历年来的受资助项目数量整体变化不大，但从2021年开始“在线与移动交互学习环境构建”受资助数量明显减少。

第三，“教学知识可视化”“教育认知工具”“教育机器人”“教育智能体”四个方向资助数量较少，原因在于“教学知识可视化”和“教育认知工具”这两个方向涵盖的范围较为有限，专注这两个方向的研究团队较少，而“教育机器人”和“教育智能体”两个方向研究体量庞大、技术难度较高，国内涉及该领域的研究团队较少，历年来的申请和资助数量都较为有限。但在2021 年，“教育机器人”和“教育智能体”方向的资助数量也有小幅度提升，说明近年来国内相关研究团队对智能教育产品的关注程度有所提高；
“教育认知工具”方向的资助数量也有明显提升，原因在于从2021年开始，F0701逐渐开始关注“教育神经科学”的相关研究，召开了多次“教育神经科学资助管理工作研讨会”，吸引了一大批神经科学领域的专家学者申请教育神经科学的相关项目。

通过对2018—2022 年F0701 受资助项目的系统分析，发现教育信息科学与技术研究的核心特征在于利用“信息科技手段”和“教育数据要素”推动教育科学研究范式的转型升级，利用物联网、大数据、人工智能等智能技术手段来改善教育环境、刻画教育主体、挖掘教育规律、优化教育服务、变革教育实践。

1.助力教育科学研究范式转型，推动教育研究的科学化发展

教育信息科学与技术研究强调从自然科学的研究视角出发凝练教育领域的关键科学问题，以科技创新推动教育研究的科学化转型。它注重物联网、大数据、云计算、人工智能等新兴技术与教育研究的深度融合，通过对多源异构教育数据的感知、分析、汇聚、融合来还原教育过程、刻画教育主体、揭示教育规律、优化教育服务，以此来推动教育研究的科学化发展。教育信息科学与技术与以往实证研究的区别在于，传统的实证研究大多采用问卷、访谈等自我报告的方式去发现教育问题、解释教育现象，但此种方式受研究者和被试主观思想影响过大，且研究结论的得出需要经历漫长的分析和论证，其科学性、有效性和及时性无法满足智能时代教育创新发展的需要。而教育信息科学与技术的相关研究一方面重视教育学、心理学、脑科学、系统科学、信息科技等多学科理论和方法的综合运用，从“行为—心理—神经—生理”等多个层次还原教育生态系统的全貌，另一方面更加强调“数据驱动”的全时空、全要素、多层次学习过程表征，面向教育实践的真实场景，通过多源异构教育数据的采集分析和汇聚融合，解释教育现象、刻画教育主体、挖掘教育规律，实现“全过程、多层次、宽领域”的教育系统建模与分析，以此推动教育研究的科学化发展。除此之外，相较于传统基于“事后解释”的实证研究方法，教育信息科学与技术相关研究能够通过智能技术的应用实现对教育现象的有效还原、教育问题的精准分析、教育规律的科学解释，为教育实践的发展提供更加精准智能的干预措施以及更加科学可靠的决策支持。

2.优化教育环境与资源形态，推动教育教学实践场域革新

智能技术与教育教学深度融合最直接的体现便是利用人工智能的技术手段去优化教育环境和教育资源的表征形态，为学习者打造虚实融合的学习环境，增强学习者的沉浸感和临场感，提升学习兴趣和学习投入度（黄荣怀等，2012）。目前相关研究主要关注：其一，通过虚拟现实、增强现实、全息影像、数字孪生、元宇宙、教育智能体、教育数字人等技术为学习者打造富媒体化的学习环境和学习资源，让教与学活动的发生能够打破学习时空的限制，让学生能够身临其境地去体验学习对象，使得教学活动的实践场景和组织模式更加灵活多样，从而赋予智慧学习无限的可能。其二，关注智慧学习环境和智慧教育资源对学习者个体认知负荷、情感体验、学习投入、学习沉浸感、学习兴趣、学习动机、学习过程和学习效果的影响机制，探究智慧教学情境下学习发生的内在机理。例如：张慕华等（2022）关注沉浸式虚拟现实学习环境下学习者的沉浸感和情感状态对学习效果的作用方式；
王雪等（2020）关注教学视频的视听觉情绪设计对学生学习效果、情绪状态、认知加工过程的影响机制等。其三，关注智慧学习环境下学习服务的精准供给，利用多样化的智能感知设备实现面向学生、教师、教学内容、教学资源、教学环境、教学媒体、教学活动、教学服务的全方位感知和智能化测评，对学生潜在的学习问题和学习需求进行精准识别，并通过学习资源的推荐、学习路径的规划、学习活动的设计、学习伙伴的匹配，实现基于情境感知的个性化学习服务供给（杨丽娜等，2020）。

3.实现教育主体表征与刻画，为解释教育规律提供根本遵循

学习者是教与学活动的主体，因此关于学习者外显状态和内隐特征的表征、理解和干预一直是教育信息科学与技术研究的核心话题，旨在通过对学习者在多场景、多学科环境下长周期、多层次、多模态教育数据的采集分析，对学习者的关键特征进行深层次的挖掘分析，以此实现对教育主体的精准表征与刻画。相关研究主要通过对学习者在多元学习场景中学业、心理、学习行为、面部表情、身体姿态、生理信息、人机交互等多模态数据的采集汇聚，并利用机器学习和深度学习的算法模型挖掘多模态教育数据之间的信息互补机制（王一岩等，2022a），实现对学习者学习行为、认知水平、情绪状态、学习参与度、学习投入、学习风格、学习动机、学习坚毅力等特征的测评分析，并逐渐衍生出了学习行为分析、教育认知诊断、教育知识追踪、教育情感计算、学习投入识别等较为成熟的研究领域（郑永和等，2021b）。但从整体来看，此类研究更多关注多模态数据驱动的学习状态表征方法，很大程度上会演变为人工智能算法模型的创新研究，对于真实教育场景中教育过程的表征、教育问题的揭示和教育服务的优化并未起到应有的支撑作用。因此，近年来部分研究者将研究视角逐渐迁移到多模态教育数据驱动的多元学习状态智能表征、动态演化、发生机制、耦合机理和调节策略的相关研究，尤其关注学生认知和情感的动态演化机制和协同进化机理，强调学生信息的多源整合性、学习发生的情境依存性、学习状态的时序变化性、学生模型的层次表征性、学生发展的协同进化性（王一岩等，2021a），以此为教育规律的解释、教育评价的开展、教育干预的实施提供根本遵循。

4.揭示学习发生的内在机理，为教育实践变革提供证据支持

对于教育规律的探寻和追问是教育科学研究的最终目标，也是智能时代教育改革发展关注的核心问题，有助于厘清教育系统演化的内在逻辑，进而指导教育教学实践活动的有效开展。“教育规律”是教育现象或教育活动内部各要素之间本质的、必然的联系。其关注教育系统内部各个要素之间的根本关系和演变规律，旨在挖掘教育现象的本质，从而揭示整个教育系统的运行机制（侯怀银等，2018）。从现有关于教育规律的表述来看，教育规律与自然规律不同，教育规律所决定的趋势，即育人效果的显现具有长期性（赵沁平，2012），教育研究很难找到类似自然科学般的“普遍规律”，更多的是通过实证研究的方法获得一些“统计性规律”（彭虹斌，2021）。教育系统的复杂性突出体现在真实教育场景中学习者、教师、教育资源、教育媒体、教育环境等要素表征形态、组织机制和交互模式的多样性、生长性和关联性，这也为教育规律研究带来了极大挑战。从近年来教育信息科学与技术的资助情况来看，相关研究越发强调教育规律的“情境依存性”，主要关注课堂学习、在线学习、混合学习、泛在学习、移动学习、协作学习、游戏化学习、虚拟与增强现实学习、人机协同学习等教育情境中教育现象的解释和教育规律的发现，通过教学环境的设置、教学资源的设计、教学活动的组织，探究各类教育系统要素对学生学业发展、情绪动机、行为习惯和思维模式的影响，为教育实践的开展提供证据支持（郑永和等，2021b）。在研究方法层面，相关研究一方面强调学业测评、心理测量、视频分析、眼动追踪、脑电监测、神经影像、行为分析、情绪识别和认知建模等方法的综合运用来表征学生的学习状态、认知结构和心理偏好，另一方面重视外在教育情境要素与学生外显状态及内隐特征之间关联关系的挖掘和协同进化机理的探究，以此来拓展教育规律的研究脉络，实现全时空、多要素、多层次的学习机理分析与探究。

5.驱动教育服务能力转型升级，助力教育实践样态系统变革

传统意义上讲，教育科学研究应该围绕揭示教育规律、探究学习机理进行不断拓展和深化，以此为教育实践的开展提供更加可靠的证据支持。但教育信息科学与技术研究与以往教育科学研究的不同之处在于，其在很大程度上承载着依靠科技创新来还原教育过程、揭示教育问题、挖掘教育规律、变革教育服务、优化教育模式的历史使命，因此相关研究不能仅仅停留在“挖掘教育规律”这个层面，还需要进一步借助智能技术驱动教育服务能力的转型升级，为教学、学习、管理、评价等实践工作的开展提供有效支持。历年来关于智能教育服务的相关研究也受到广大研究人员的关注，主要集中在：其一，机器智能服务关键技术研发。主要包括人机交互、试题标注、作业批改、智能解题等，旨在利用深度学习技术帮助学生和教师解决一些单调、重复或需要耗费大量认知资源才能够完成的工作，提升机器解决真实教育问题的能力，以此来优化教育教学的中间环节，促进教育效率的有效提升。其二，基于知识图谱的教育资源组织与聚合。主要利用知识图谱的方法对知识点之间的包含关系、前后关系、上下位关系进行表示（李艳燕等，2019），通过人机协同的教育资源标注建立“资源—知识点—知识图谱”之间的动态映射模型，为教育资源的跨平台迁移、智能化聚合和个性化推荐提供可靠保障。其三，个性化智能导学关键技术研究。主要通过学习者和机器之间的智能交互实现对学习者学习意图、学习需求、学习风格的精准测评。在此基础上，通过数据建模的方式实现学习者和学习资源之间的智能匹配，为学习者推荐个性化的课程、资源和路径，减少因海量教育资源检索困难、重复性的知识学习、学习内容与学习需求不匹配等问题带来的学习时间和认知资源的浪费，促进学习效率和学习效能的共同提升。教育服务的转型升级是人工智能教育应用的重要体现，能够通过各种资源、服务、策略、活动和模式的精准供给来改善和优化教育教学实践的组织形式，助力教育实践样态的系统变革。

6.构建系统化教育评价解决方案，推动教育治理模式系统革新

对于教育评价问题的关注和解决是近年来教育信息科学与技术研究的重要方向。以往研究更加关注教育主体的刻画、教育环境的优化、教育规律的挖掘、教育服务的供给，而F0701资助的教育研究则更偏重于聚焦教育改革发展的现实需求，从“教育目标、评价体系、技术研发、实践应用、反馈优化”等方面构建系统化的教育评价解决方案，以此推动教育评价实践工作的有效开展（刘邦奇等，2022）。近年来F0701资助的项目中教育评价的相关研究主要涉及面向学生的信息素养、数字素养、问题解决能力、高阶思维能力、社会情感能力等的评价，以及面向教师的数字素养、信息化教学胜任力评估等等。从本质上来讲，利用信息科技手段推动教育评价的科学化、智能化、系统化转型，是未来一段时间教育信息科学与技术需要关注和解决的核心问题。教育评价牵涉到教育系统“为党育人、为国育才”的根本要求，只有在明确目标、使命与愿景的前提下，才能更好地厘清现有教育发展水平与教育高质量发展需求之间的差距，明确未来教育改革发展的实践方向。因此，教育信息科学与技术相关研究的开展要承担起应有的历史使命，以创新人才培养为目标、以信息科技为依托、以教育规律为参照，构建面向学生、教师、课堂教学和区域教育系统的多层次、多主体评价体系，通过智能技术驱动教育评价手段的转型升级，构建系统完善的教育评价解决方案，以此为人才选拔方式的转变、教学策略的改进、教学模式的变革、教育政策的制定提供有效参考。

从整体来看，五年来F0701的资助工作取得了显著成效，搭建了一个优质的学术交流平台，资助了一批高质量的科研项目，凝炼了教育科学研究的重点方向，培育了一支相对成熟的研究团队，其自身的战略定位更加清晰、研究体系更加完善、研究范式也更加成熟。面向未来，教育信息科学与技术研究的开展应该进一步坚持守正创新，面向我国教育改革发展的新形势、新问题、新需求，立足教育数字化转型的目标愿景，逐步完善基金的推进思路、资助体系和研究范式，重视智能教育产品的研发与应用，构建教育科学研究的创新生态，开创中国式的教育科学研究新格局。

1.立足教育现代化远景目标，构筑教育数字化转型智慧大脑

在数字技术与人类生产生活深度融合的时代背景下，建设以“数字化”为支撑的高质量教育体系、推动教育数字化转型，是应对新时代教育变革、实现教育创新发展的必然选择。教育数字化转型的本质是强化数字技术与教学资源、教学环境、教学活动、教学过程、教学范式、教育评价、教育治理的全方位、深层次整合，实现全要素、全流程、全学段、全领域的数字化转型与变革。其主要方式是通过各种数字技术和数字产品的应用，革新数字化教育理念、打造数字化教育环境、建设数字化教育资源、提升数字化教育服务、探索数字化教育模式，驱动学生、教师和管理者数字化意识、思维和能力的全面提升，推动数字化教育评价与治理体系的全面形成，最终借助数字技术打造高质量教育体系，推动教育优质均衡发展，重构面向未来学习的智慧教育新生态（祝智庭等，2022；
杨宗凯，2022；
黄荣怀，2022）。

从本质上来讲，“教育信息科学与技术”与“教育数字化转型”具有相同的底层逻辑。教育数字化转型倡导的是利用数字技术“实现”教育系统全方位、全要素、全过程的转型升级，而教育信息科学与技术关注的是“如何”利用智能技术来优化教育环境与资源、变革教育服务、改善教育模式。前者强调“过程”“举措”与“愿景”，后者则更加强调“机制”“方法”与“策略”，即教育数字化转型主要关注“为何转”“转去哪儿”的问题，而教育信息科学与技术解决的是“如何转”的问题，二者是相辅相成的。首先，“教育数字化转型”能够为“教育信息科学与技术”研究的开展提供愿景、目标和场域支持。一方面，教育数字化转型能够从人才培养和教育变革趋势两个层面厘清智能时代教育改革发展的核心目标，以此为教育信息科学与技术研究的开展提供目标参照；
另一方面，教育数字化转型所依托的数字化教育环境、数字化教育资源、数字化教育服务、数字化教育模式，为教育信息科学与技术研究的开展提供了广阔的实践场域，能够帮助相关专家学者将自身研究与教育数字化转型的实际工作相结合，促进教育研究与教育实践的深度融合。其次，“教育信息科学与技术”研究能够为“教育数字化转型”的实现提供理论、方法和证据支持。一方面，教育信息科学与技术相关研究的开展能够为教育数字化转型提供理论指引和方法支撑，明确数字技术与教育教学深度融合的实践逻辑和推进策略，确保教育数字化转型的建设能够真正有助于教育的高质量发展；
另一方面，教育数字化转型的成效也需要通过教育信息科学与技术研究来加以检验，以此调整和优化教育数字化转型的实践方向，比如：通过剖析数字化的教育资源、教育环境、教育服务、教育模式对于学生知识学习、能力提升和素养培育的影响机制，为教育要素的数字化转型提供指引。因此，未来应该更加强调“教育信息科学与技术”和“教育数字化转型”的协同推进和深度融合，打造教育现代化的“一体两翼”，助推教育的高质量发展和智能化变革。

2.聚焦教育改革深层次问题，凝聚力量推进有组织科研

新一轮的科技革命和产业革命在极大程度上改变了世界范围内的经济发展和政治格局，也对新时代的科技创新、教育变革和人才培养提出了新要求。党的二十大报告也明确提出“教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑”，并针对未来的教育、科技、人才工作作出了整体部署。因此未来教育信息科学与技术相关研究的开展一方面要凸显其“研究”属性，通过前沿的科学与技术手段去优化教育环境与资源，探究教育发展的底层规律，提升智能教育服务水平，为科技赋能教育提供新思路，助力教育研究和教育实践的全方位变革；
另一方面要凝聚力量，利用科技创新打造教育高质量发展的“新动能”，以高水平创新型人才的自主培养为目标，聚焦个性化自主学习、人机协同高效能课堂教学、智能教育评价、人机协同教育治理、智能教育系统研发等核心问题，发挥基金资助的体制优势，加强有组织科研，引导行业内的专家学者针对智能时代教育改革发展的核心问题进行项目申报，凝聚广大研究人员的智慧，破解教育改革发展的核心问题（潘教峰等，2021）。需要强调的是，除了基金委在2022年设立首个重大项目以外，近年来科技部的相关项目中对教育的支持力度也在逐渐提升，在每年国家重点研发计划、科技创新2030“新一代人工智能重大项目”的指南编制中均有针对教育的相关选题，可见利用信息科技推动教育研究和教育实践创新变革的重要性已逐渐显现。未来教育信息科学与技术资助工作的开展，一方面需要进一步加强对重点项目、重大项目和重大项目群的组织和策划，聚焦国家人才培养和教育变革的现实问题来整合国内科研力量，破解困扰教育改革发展的核心问题；
另一方面要强化对相关项目的引导作用，通过国家级重大项目的设立进一步推动科技创新向教育研究和教育实践的转化，从而助推教育的高质量发展和智能化变革。

3.完善系统化基金资助格局，引领教育科学研究未来走向

F0701第一版的申请代码包含教育信息科学基础理论与方法、在线与移动交互学习环境构建、虚拟与增强现实学习环境、教学知识可视化、教育认知工具、教育机器人、教育智能体、教育大数据分析与应用、学习分析与评测、自适应个性化辅助学习等10个研究方向，以此引领教育信息科学与技术领域资助工作的开展，并取得了显著成效。但研究方向的设置需要根据前沿发展和重点问题的演变及时调整优化，才能保持为未来相关工作的开展提供思想指引。本研究团队经过一段时间的探索，对F0701的资助方向和发展脉络进行了重新梳理，从“基于智能技术的学习者特征挖掘与智能建模”“智慧教育资源的表征、聚合与供给机制”“智慧学习环境建构关键理论与技术”“个性化学习支持服务关键理论与技术”“智能教育产品研发与应用”“多元教育情境下的学习发生机理研究”“基于教育神经科学的学习发生机理阐释”“智能技术支持的教育评价”等方面尝试对F0701的资助体系和研究方向进行重新划分。相关研究内容既包含对教育主体、教育资源、教育环境、教育产品等教育系统关键构成要素核心特征的挖掘和分析，也包含对教育研究方法的探讨，以及对智能教育服务核心理论和关键技术的关注，在一定程度上对构建更加系统科学的研究体系进行了有益探索。随着F0701资助工作的开展和领域研究热点的不断变化，研究方向还会进一步迭代和演化。但不管研究方向怎么变，教育信息科学与技术相关研究始终要围绕着“理解学习的发生过程”“挖掘真实的教育规律”“提供精准的教育服务”“重构科学的教育模式”等核心问题进行不断深化。因此未来相关研究的开展要加强自身研究与这些关键目标之间的关联，建立科学的研究体系，形成面向复杂教育问题的系统化解决方案，以此促进教育科学研究的常态化发展。

4.构建多学科交叉研究范式，推动教育科学研究体系创新

教育系统的复杂性使得单一学科的理论和方法已无法满足教育研究的现实需求，多学科研究思想和交叉融合的研究方法，已成为解决教育关键问题，推动教育研究创新发展的新视角。从教育科学的研究现状来看，教育学重视对教育现象、教育问题和教育活动本身的发现与解释，以及对教育系统各要素关联关系的挖掘；
心理学关注教育现象和教育问题背后学生和教师的认知心理机制，从认知的视角探索教育规律；
数据科学偏重于从数据本身出发对事物之间潜在的关联关系进行挖掘，以此构建描述客观世界的数理逻辑，发现深层次的教育规律；
脑科学则从“认识脑”“理解脑”和“塑造脑”的角度为教育规律研究提供新的证据支持，关注大脑对知识技能习得的编码、保持、提取和迁移的一般过程，以及师生的注意、执行功能、元认知等认知因素和情绪、动机、兴趣等非认知因素对教学的调节作用及其脑认知机理等（周加仙，2013）。由此可见，各个学科均有自己的一套解释教育现象和挖掘教育规律的理论和方法体系，且关注点和侧重点各有不同。如何实现各个学科研究结论的三角互证，揭示教育系统各要素之间本质的、必然的联系，为教育实践提供科学可靠的证据支持，是未来教育信息科学与技术研究要解决的关键问题。因此，未来教育信息科学与技术相关研究的开展，要进一步打造多学科交叉的研究团队，综合运用多个学科的理论和方法破解困扰教育改革发展的核心问题，助推多学科理论、方法和证据的科学互证，以此打造多科学交叉的研究范式，推动教育科学研究体系的系统重构。

5.重视智能教育产品研发与应用，打造智慧教育创新变革关键支点

随着智能技术与教育教学融合程度的不断加深，智能教育产品的研发与应用越发受到互联网教育企业和智能教育研究人员的重视。人们期待能够以智能教育产品为依托，整合物联网、大数据、云计算、人工智能等智能技术的核心优势，实现教育情境的智能感知与融合计算、教育数据的智能汇聚和融合分析、教育需求的智能识别和精准应答、教育服务的智能生成和精准推送，为学生提供个性化、智能化的学业问题解决方案（王一岩等，2021b）。常见的智能教育产品包括智能导学系统、教育机器人、自适应学习平台等智能教育系统，以及目前市面上比较常见的学习机、作业灯、智能笔等智能教育硬件产品。从本质上来讲，智能教育产品是智能技术教育应用的核心“落脚点”，也是教育数字化转型的关键“支点”。因为无论技术如何先进、分析如何智能、服务如何精准，其最终还是要落脚到“应用”层面，而智能教育产品能够打造“产品—资源—数据—服务”一体化智能教育供给体系，为学习者打造“一对一”的数字教师，为其个性化自主学习的实现提供可靠保障，从而真正推动人工智能赋能教育的实践落地。因此未来教育信息科学与技术相关研究的开展需要进一步重视智能教育产品研发与应用的相关研究：一是要重视智能教育产品的技术研发，如人机交互、智能解题、学习者建模、学习资源推荐、学习路径规划等，以此提升教育产品的智能化水平。二是要重视智能教育产品支持下的人机协同学习规律研究，探究智能教育产品的应用和智能教育服务的供给对学生学习成绩、学习投入、学习动机、学习行为、学习习惯的影响机制（王一岩等，2022b），为智能教育产品研发方向的优化提供证据支持。三是要打造智能教育产品实践应用的典型模式，探究智能教育产品支持下的人机协同学习、人机协同教学、人机协同育人的实践模式（方海光等，2022），并形成可推广的实践经验，为智能教育产品的实践应用提供方向指引，以更好地落实智能技术教育应用的长远目标。

6.推动“政产学研”多元主体协同创新，构建教育科学研究实践共同体

从目前来看，教育信息科学与技术相关项目的申请单位主要以高校为主，其研究内容也大多聚焦在理论探究、技术研发和规律探索等方面，更多的还是聚焦在“研究”本身。这其中存在的问题是，目前的研究更多是为了“研究”而研究，对于其能够解决教育实践中的哪些问题缺乏足够关注，也没有在教育实践中检验其研究结论和研究成果。因此，未来教育信息科学与技术相关研究需要进一步打造开放创新的教育科学研究新格局，推动“政、产、学、研”多元主体协同创新，构建教育科学研究的实践共同体。政府应该以教育数字化战略为指引，加强对教育信息科学与技术相关研究的支持力度，将教育科学研究与目前正在推进的智慧教育示范区建设、教育数字化转型试点区建设、信息化教学实验区建设等相结合。企业应该进一步加强智能技术和优质产品的供给，一方面为教育科学研究的开展提供良好的研究工具和技术手段，帮助研究人员解决教育科学研究中关键的技术难题，充分发挥企业的技术优势来推动教育研究的智能化、科学化发展；
另一方面通过优质产品的应用，在智慧教育资源供给、智慧学习环境构建、智能教育服务推送等方面为教与学活动的开展提供可靠保障，为教育研究的开展打造虚实融合、智能增强、人机协同的实践场域，帮助研究人员对智能技术教育应用的实施成效、潜在问题和推进策略进行深入研究。学校层面应该为教育信息科学与技术研究的开展提供场景支持，一方面是将真实课堂向研究团队开放，在保证不干扰正常教学秩序、不泄露师生隐私、不影响教学效果的前提下实现对课堂表征样态、演化机制和潜在问题的深入探究，并提出课堂教学的优化策略和推进模式；
另一方面是将课堂作为检验教育科学研究成果的实践场域，将研究团队揭示的规律、发现的问题、提出的策略、构建的模式在课堂教学中加以检验，以此实现“教育研究”和“教育实践”的双向赋能和协同进化。