教育科学研究中的定量化分析，本文主要内容关键词为：科学研究论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：G40-034
文献标识码：A
文章编号：1672-0059(2003)03-0044-04
一
20世纪80年代以来，我国教育研究不断深入，但教育科学研究方法仍亟待完善和发展。有的学者对近20年我国教育研究所采用的研究方法及分析资料的方法进行了研究，郑日昌、崔丽霞选择较有代表性的5种教育类杂志，即《教育研究》、《教育研究与实验》、《电视大学》、《课程、教材、教法》、《湖南教育》。然后从每种杂志1981至1998年每年刊登文章中，随机抽取24篇（这24篇文章平均分配在每期里）共检索文章2160篇。结果表明，大量的文章是解释或综述性的，实证性文章比例很低。总结经验是我国教育研究的一大特点。[1]教育经验的总结虽然是教育科学研究的重要方法，但不是惟一的方法，教育科学毕竟是一门实践性很强的科学，需要大量进行实证研究；思辨也必须建立在客观事实的基础上，缺乏事实的乱发议论是科学的大忌。另一项研究是对16种教育科学核心期刊1999年的2098篇论文的调查结果，其结论是，目前我国教育科研的主要方法，有92.6%是传统的定性思辨方法。有7.4%的论文用量化方法，其中6.3%论文使用表格、百分比的一般量化方法。有少量论文应用方差分析、假设检验、回归分析、一般函数等传统定量方法。其他如差分方程和微分方程模型方法，以及系统科学方法，模糊数学方法和灰色数学方法，在教育科学研究领域至今极少有人使用。[2]另外，研究者还指出，计算机技术虽已经进入社会生活的各个领域，但在教育科学研究领域，计算机似乎大多用于文字输入和排版，用专用计算机软件作数据处理、建模、分析的寥若晨星。
重视定性研究是我国教育研究的传统，可是教育科学如果只停留在定性分析上，很难实现对教育规律的科学认识。因为定性认识，只是判定研究对象实体是否存在、结构如何、各要素之间具有何种联结等。它往往是认识事物的开始，具有某些相对性与局限性。首先，它缺乏定量化的严格的观察、测量、统计、计算和表述，不能对特定事件给出严格的描述、说明、解释和阐述。所以，它仅仅是给出某种研究的大致方向或趋势，具有不确定性。其次，它不具有严格的操作规则或实践规则的约束，因此，研究结构具有很大的随意性，在主题、对象、时间、空间和条件等各个因素之间均具有很大的跳跃性，从而强化了研究者的背景知识对分析结果的“污染”，具有不精确性。再次，定性分析是以经验描述为基础、以归纳逻辑为核心的方法论系统，它的推理缺乏严格的公理化系统的逻辑约束，因此，在它的前提和结论之间可能不存在逻辑的必然性，即其结论往往具有或然性。
由于定性认识具有上述局限性和相对性，故在定性认识的基础上，应该对事物进行定量认识，也只有这样才能获得清晰、准确、普遍的认识。定量分析的目的在于测定对象目标的数值，求出其与各相关要素间的精确的经验公式。它是一种具有确定逻辑结构的认识，这些逻辑结构的不断展开就是定量研究方法的实现。任何事物都同时具有质和量两个方面，是质和量的统一体。因此，事物的认识既需要定性认识，又需要定量认识。对于任何科学研究领域来说，定性分析和定量分析都可以说是两种最基本的分析方法，它们也是两种互相补充的分析方法。由于研究目的和研究对象性质的差异，在不同研究领域和研究项目中，定性分析和定量分析各自所占的比例也不相同。问题是教育科学研究领域重复性的定性分析有余，定量分析则明显不足，当与其它社会科学领域相比时，这一点表现的尤为明显。笔者认为，由于我们过分地依赖定性分析，在很大程度上，使我国教育科学研究处于一种理论薄弱或缺乏科学理论的状态。从严格的意义上讲，一种理论应该包括一系列基本的前提假设，在此前提假设下，进行一定的逻辑推理，得到可以用事实或实验来证明或证伪的结论。在理论研究中，“要杜绝无谓的推测，就需要我们最终把理论考察拿出来与真实现象进行比较。”[3]这种验证或许依赖于直接事实，或许依赖于该理论所附带的逻辑结果。牛顿万有引力定律，作为一种天体理论，其正确性的一个十分重要的证据在于，人们曾经根据它成功地预测了太阳系中未知行星的存在，并正确地预测出它们的运行轨道。
科学研究的目的，是为了对现实提供一种合理和再强有力的解释，帮助我们更好地认识和了解有关事实和现象，并在需要的时候预测事物和过程的发展变化，以提高我们的判断和决策的质量。然而，在教育科学研究中，很少有什么理论是能够被事实证明或证伪的，我们见到的大多数教育理论，只是一些不精确的分类法、众说纷纭的界定、对事实的罗列和对原因与影响的分析和猜测。教育科学刊物上的理论文章，基本上是对个案和某个问题的“就事论事”的分析描述为主，经验和感性判断在其中占据着重要的位置。其实，我们在教育理论刊物上读到的一些文章，它们的可取之处并不在于其思想与研究方法上，而在于其文字风格上的成熟。这种状况不仅仅局限在教育科学，其它社会科学领域也是普遍存在的。这些表述在很多人看来可能有些刻薄，但是所陈述的事实和现象是普遍存在的。对教育问题进行分析，需要有两个基本的前提，一个是对基本事实和基本数据的准确了解，即事实与数据的前提；另一个是根据分析的目的采用和选择的分析方法与分析手段，即逻辑与技术手段的前提。在教育科学研究领域，我们面对的问题是，经验事实与材料比较丰富，而逻辑分析与技术手段相对不足。特别是，有许多教育现象的比较研究，只是材料与事实的堆砌和对可能的原因与影响因素的主观罗列。它们与其被称作是对教育问题的比较研究，不如说是对基本文献资料进行收集与整理的结果。
二
1971年2月，哈佛大学的卡尔·多伊奇和两个同事在《科学》杂志上发表了一项研究报告，列举了从1900年到1965年的62项“社会科学方面的进展”。在他们的研究中，引人注意的是：早期的成就全部都是理论性的和定性的。而后来的成就，或者甚至早期发现的后来发展，都主要是数学和统计方法的革新，或者是由定量分析推导出来的理论。[4]可见，社会科学研究发展的突破性成就越来越多地表现为定量研究或定量研究与定性研究相接合。数量化研究已经成为社会科学研究的基本趋势，特别是统计学和模型方法的发展及计算机的广泛运用，加速了这种趋势。对于这种趋势，教育研究领域也不能例外。采用数量化的手段，能够加深我们对许多教育问题的理解，使模糊的认识清晰化，并能够更准确地揭示和描述许多教育现象的相互作用和发展趋势。从其社会作用看，定量研究有助于促进教育决策的科学化，提高决策质量。对每一个从事教育科学研究的人来说，掌握程度不同的定量研究方法和手段是非常有必要的。
发展数量化研究的方法和手段，是使教育研究走向成熟的一个重要方面。进行定量分析，常常可以消除一些无谓的争论，或者使人们对问题的讨论具有共同的基础。在教育科学研究中，量化分析的另一个重要作用是通过它得到更准确和更有效的定性结论，以深化人们对教育规律的认识，优化教育决策。教育科学研究的定量化是教育科学研究领域的重要方法论思想。它在教育科学研究中具有不可替代的价值，这是因为：
(1)教育科学数量化分析是教育科学成其为科学的重要标志。数学是研究数量与形式的工具，而成熟的科学都致力于揭示研究对象之间的数量的或形式的关系。只有在一门科学能对研究对象之间的相互关系及其基本规律做出数学的（定量的或形式化的）描述之后，它才能算是一门精密的科学。教育科学研究对象的复杂性并不能否定它的研究对象的某些内在规律也必然通过量的关系存在，考虑到人的思维的特点，甚至可以说正是因为教育现象的高度复杂性，教育科学可能更需要定量分析方法。至于采用哪一种数学形式则是具体的技术问题，它由具体教育现象本身的性质和研究需要达到的目的决定。
定量关系或形式关系的分析，可以使教育科学改变以往对教育的表层现象进行描述，而很少揭示教育现象的内在深层结构的习惯。教育科学家们力图像自然科学家那样采用经验的研究程序，通过对可观察的教育现象之间的相互关系提出解释，建立可以接受实际检验的理论，这就往往意味着将各种解释事物因果关系的命题做出定量的或形式的表示，然后在数学系统的框架下对它们进行检验。
(2)教育科学数量化分析反映了社会对教育科学科学性的迫切需要。这种需要是伴随着工业文明的成长，社会的全面发展，教育组织复杂程度的增加而加强的，因为社会的发展、变化越深刻和微妙，教育组织越复杂，我们对教育规律的认识、判断和决策就越依赖于对基本情况的准确了解和对未来变化的可靠性更高的预测，这也需要教育科学理论更加实用化和精密化。这种客观需要的存在迫使教育科学工作者尽量采用更好的定量研究方法来帮助提高教育理论的准确程度和实用程度。
(3)教育科学数量化分析是多学科综合研究发展趋势的必然结果。现代科学发展的一个重要特征是，各学科都在融合，向综合化迈进。由于数学方法在物理学中表现出卓有成效的作用，于是，它的成功唤起并鼓舞了自然科学家在自然科学之外的其他领域做出各种尝试，并取得了一个又一个的成功。由于各种原因，自然科学家与数学家也经常涉足于教育科学领域，尤其是近几十年来，科学工作者越来越关心一些重要的教育问题，如教育投资、教育成本、教育预测、教育规划、教育决策、教育发展战略等等。他们出于各种目的，以各种形式对这些问题进行了大量研究，教育科学工作者与他们分享了许多重要的思想成果和研究方法，如控制论、系统论等等，这些思想方法的介入，使教育科学的许多领域发生了根本性的变化。最近几十年来，科学研究一种越来越明显的趋势是，自然科学、系统科学的新理论一旦形成，包括其创始人在内的科学家们竞相把新理论推广应用到社会科学包括教育科学研究中，所谓交叉研究已经蔚然成风。特别是，在这一潮流中最突出的是被称为“非线性科学”中出现的一些新理论，如耗散结构理论、协同学、浑沌科学和分形理论等等。很多自然科学研究人员认为，把这些理论推广到社会现象的研究中，是对它们的普适性和深刻程度的证明。由于当代自然科学（包括系统科学等）在相当程度上是数学化的，它们不但对“数”，而且对于关系、结构、次序、演化的研究也发展了很好的定量研究手段，所以，当许多新理论把教育现象作为它们的应用对象时，自然科学也就把定量研究的一些新手段带入了教育科学研究之中。
需要说明的是，这里对定量研究的强调，并不是说定量研究能够代替定性分析，而且基本上不会有人持这样的观点。定性认识与定量认识在基础、形式、结构和功能方面是存在差别的。从本质上说，它们是以方法论的形式展开了两种不同的研究纲领和两种不同的认识论框架。从技术上讲，则是由于研究对象的复杂性和多样性，采取了不同的解题方式。[5]即使在自然科学中，对力、电场和磁场的某些性质的认识和对原子结构的认识也都是定性问题，只不过对这些性质的结论要经受严格的实验检验，在化学、生物学、地理学中，定性研究也是很重要的。要有效地运用数学方法从事科学研究就必须对研究对象在质上的特点有一定的理解。没有高水平的定性理论，定量研究只不过是盲目的数字游戏，即是在自然科学中，定量分析的方法也只有在与良好的定性分析结合在一起时才能充分发挥其作用。事实上，有效的理论大多是能把定性分析与定量分析合理地结合起来的理论，而要使定量分析研究与定性分析研究很好地结合，根本的出路是让研究人员对两种方法都有一定了解。
三
在科学发展历程中，教育科学在数量化研究的发展方面远远落在自然科学后面。甚至落在经济学、社会学、人口学等其它社会科学后面。这种现象主要是有以下原因造成的：(1)教育科学研究对象的复杂性使得数量化研究所面临的困难较大。(2)担心某些人为数字而数字、片面追求高深数学技术的倾向会使一般人难以判断各个计算步骤的有效性，他们认为即使是简单地用数学关系来表示各种教育现象，也可能使人忘记被数字掩盖起来的实质发现内容。
与自然科学中的量化相比，教育科学研究中的量化确实面临着难以克服的困难，这些困难主要表现在以下一些方面：
(1)对软指标量化的可行性。例如一所中学的教学质量、学生的学习动机、农村小学教师的苦恼、大学生所关心的问题等等。很多教育科学的研究人员因此而否定量化在教育科学研究中的作用，否定对这些因素进行量化的可能性，这种观点无疑是片面的。应该说，要使这些因素量化的准确程度达到类似于自然科学中的量化所达到的水平基本上是不可能的，但是对于具体应用来说足够有效的量化是可能的。例如，我们知道，“学生所学知识的掌握程度”是一个很难把握和衡量的量。但是在现实生活中，人们仍然通过考试的方法来对其进行衡量，而且，量化的结果也被社会较为普遍地接受，并被作为很多决策的重要依据。这样的例子还有很多，例如体操比赛时的动作评分，音乐、美术学院对学生作品的分值和等级评价等等。
(2)数据的不可重复性。由于教育现象在时间上具有不可逆性，使得我们对于获得的很多数据，不能够再回过头去作严格的检验，也不能够通过可控实验，来发现数据中可能存在的问题。而在物理学中，当我们测量某一物体的长度时，常常可以通过测量多次，取测量数据的平均值等方法来减少和控制测量误差。在教育科学的测量中，许多类似的成熟方法难以借用。教育现象的这一性质要求我们在使用有关数据时，需要加倍小心。
(3)定义的不确切性。自然科学中量化的主要是一些有确切规定性，并具有客观基准的量，如长度、温度、时间、速度等等。而教育科学中的许多量，在界定上是含糊的。有些量即使在界定上是清晰的，在具体统计时也难以掌握。严格地讲，在教育科学中，要杜绝在分类与测度真实现象时产生不确切的定义是不可能的。这不仅是我们的实物测度技术不够精确，在大多数情况下也因为我们对所使用的测度方法给不出确切的描述的缘故。对此我们可以举个简单的例子加以说明：假设我们要测量我国大学毕业生的质量，我们立刻碰到的困难是“大学生的质量”这个概念不是准确的概念，不同大学相同专业的毕业生质量并不相同，同一大学不同专业的毕业生质量也不相同，这样对它们的数量尺度的内容就会产生争议。我们最终即使给出了一个量化值，这一量化值在精确程度上也成问题，因此，在具体使用各种量值的时候，我们应该了解这些值是如何测定的。
(4)其统计口径的不一致性。对于自然科学中的大多数问题，在统计口径上基本是一致的，在统计标准上的争议也少得多。对于教育研究中的很多指标，联合国教科文组织、国家教育部以及各个地区，往往都有自己的不同的统计数据，具体选用哪一个数据，由采用这些数据的人来选择。
(5)统计过程中的时差性。例如，对于大学生在校人数的统计来说，它所反映的应该是某一时点的数据，但是，实际的统计过程的周期很长，各所学校呈报数据的时间是不一致的，而由于各学校的实际情况又处于不停的变动过程中，因此，实际的数据并不能够真正说是某一较短时间段的数据。这也对教育科学中的许多基础数据的准确性造成了不利影响。
虽然对教育现象进行量化有很多难以克服的困难，但是，对于进行量化分析的重要性，学术界还是存在着比较普遍的共识。事实上，进行量化的困难与是否量化是两个性质不同的问题。