佩塔爾·揚德里克(文) 閆 斐， 肖紹明(譯)

20世紀末，我們逐步使用計算機服務于各種教育目的：教學、學生評估以及管理等。一直以來，這些教育目的主要受制于三個因素：計算機內(nèi)存、處理器和網(wǎng)絡速度。這三個因素分別決定了我們可以存儲多少數(shù)據(jù)、在一個時間單位內(nèi)能做多少運算以及我們能從一臺計算機傳輸多少數(shù)據(jù)到另一臺計算機。盡管進展緩慢，但可以確定的是，最近在計算機方面的進步已經(jīng)消除了許多限制：內(nèi)存實質上變得無限，而處理器和互聯(lián)網(wǎng)已經(jīng)快到足以處理和傳輸大型數(shù)據(jù)集。這種(近乎)實時處理大量數(shù)據(jù)的能力在教育政治、教育政策、教育研究和教育實踐領域引發(fā)了所謂的大數(shù)據(jù)轉向。與此同時，學習分析(learning analytics)領域快速發(fā)展，其產(chǎn)生的“神奇”效果也成功說服許多教育工作者，使他們對數(shù)據(jù)愈發(fā)敬仰。雖然這些新科技的確產(chǎn)生了一些令人著迷的結果[1]，但它們背后的哲學仍舊是老式的實證主義。數(shù)據(jù)集規(guī)模的擴大和數(shù)據(jù)處理能力的提升并不能解決前幾代研究者早已發(fā)現(xiàn)的嵌入實證主義中的認識問題[2]；相反，它們似乎進一步加劇了這些問題。克里斯蒂安·?？怂?Christian Fuchs)指出：

實證主義把對社會的分析簡化為經(jīng)驗主義，并缺乏批判理論那種把社會現(xiàn)象置放于權力結構的動態(tài)、辯證和歷史中去審視的能力。大數(shù)據(jù)分析的實證主義時常導致非常膚淺的分析。這些分析關注從推特(Twitter)、臉書(Facebook)和其他社交媒體平臺所收集的大量數(shù)據(jù)中的主要話題、用戶信息或社會關系，但無法理解用戶們的動機、經(jīng)驗、解釋、準則和價值觀[3]。

更復雜的是，當下的許多大數(shù)據(jù)分析使用各種形式的人工智能工具，而這些工具與它們的前身,如“學習管理系統(tǒng)”(Learning Management System)，是完全不同的。簡言之，“學習管理系統(tǒng)”等較舊的工具執(zhí)行由人類程序員編寫長長的命令行，并且更多的程序代碼命令會轉換為更多的用戶選項。與這些工具相反，人工智能系統(tǒng)擁有迥異的體系結構。人類程序員編寫一組初始規(guī)則，并通過輸入大量數(shù)據(jù)來“教授”系統(tǒng)。在這個“學習”過程中，系統(tǒng)根據(jù)初始規(guī)則獨立鏈接數(shù)據(jù)。最后，當我們向系統(tǒng)“提問”，系統(tǒng)便使用自己的人工“大腦”給我們答案。這兩代計算機系統(tǒng)的關鍵區(qū)別在于，“學習管理系統(tǒng)”等上一代工具是可預測的，而新的人工智能系統(tǒng)是不可預測的，甚至它們的制造者也無法預測它們將得出什么“結論”。

這兩代計算機系統(tǒng)之間概念變化的本質是轉向所謂的算法文化時代：“在這個時代，自動化計算機操作以如此方式處理數(shù)據(jù)，顯著地塑造知識、空間與人的分類過程和優(yōu)化過程”[4]。這種不可預測性顯然使人工智能系統(tǒng)背后的哲學超越了實證主義，但是，有關教育的政治、政策、研究和實踐仍然傾向于以一種本質上伽利略式的方法解釋這些計算機系統(tǒng)提供的結果。

計算機“本質上是最具普遍性的一種媒介”[5]——對教育領域最新進展的這一描述很容易被推廣到許多傳統(tǒng)學科。結果是，我們正在見證人類活動各個領域所發(fā)生的深刻變化——從工廠生產(chǎn)到商店和倉庫的管理，從數(shù)字化醫(yī)學到數(shù)字化人文。根據(jù)喬治·里策(George Ritzer)和史蒂文·邁爾斯(Steven Miles)的說法，一切涉及數(shù)字技術的過程，如“官僚化、麥當勞化，甚至是‘亞馬遜化’，都應該被視為更普遍的理性化過程的變體或階段”[6]；同樣，安德魯·費恩伯格(Andrew Feenberg)在最近的一本書中將社會技術的發(fā)展看成一種多重理性之間的持續(xù)沖突[7]。理性并非一成不變，而是由我們看待自己和周圍世界的方式共同構成。因此，數(shù)字技術不僅是對現(xiàn)有流程的優(yōu)化。這一觀點已成為主流。至少自生物學家和科學哲學家唐娜·哈拉威(Donna Haraway)以來[8]，我們就知道(數(shù)字)技術與當代人類的境況存在深刻的互動；這種數(shù)字技術帶來的影響一直延伸到“作為人類意味著什么”這樣的問題。

如今，像盧西亞諾·弗洛里迪(Luciano Floridi)這樣的哲學家認為：“信息和通信技術不僅是工具，更是環(huán)境因素，并逐漸在以下方面產(chǎn)生影響：(1) 我們的自我概念(我們是誰)；(2)我們相互之間的互動(我們?nèi)绾紊缃?；(3)我們的現(xiàn)實概念(我們的形而上學)；(4)我們與現(xiàn)實之間的互動(我們的行動能力)。”[9]在邁克爾·彼得斯(Michael Peters)和我最近的文章中，我們指出弗洛里迪觀點中的一些問題，并得出以下結論：

人類思想發(fā)展到這個階段，數(shù)字的挑戰(zhàn)已為眾人所知。創(chuàng)造了數(shù)字挑戰(zhàn)的20世紀屬于物理學和工程學；而21世紀，這個人類和我們的星球面臨許多挑戰(zhàn)的世紀，無疑屬于生物科學、生物工程。生物數(shù)字化受編碼驅動，而基于生物信息的生物學研究能夠組裝數(shù)百萬個字母長的氨基酸方程(只有超級計算機和之后的量子計算機能做到)，從而創(chuàng)造新的DNA(新的合成生命)。應用于計算機的新生物學現(xiàn)在也面臨有機存儲的發(fā)展。因此，從長遠來看，我們的存在環(huán)境或存在生態(tài)實際上正是這一切的交叉點。[10]

然而，生物信息的挑戰(zhàn)并非憑空而來。在此援引本人原作中更多的內(nèi)容：“生物挑戰(zhàn)需要被理解為技術資本主義更廣泛創(chuàng)新的一部分，并且只有在后數(shù)字的術語下借助生物數(shù)字主義的后人文主義才能被理解——特別是這兩者之間的力量如何塑造關于‘我們能成為什么’的人類本體論的未來”[10]。本文正是在人工智能系統(tǒng)的后實證主義性質、生物信息挑戰(zhàn)和知識創(chuàng)新以及傳播的政治經(jīng)濟學之間的交叉點上，概述批判教育研究所面臨的一些緊迫性挑戰(zhàn)。

一、認識論和方法論的基礎

批判理論研究的通常做法是單刀直入，直接進行批判，但本文所討論的主題值得對本研究所采用的認識論和方法論進行一些自我反思。所有的批判理論，包括本文所用的理論，都普遍具有“法蘭克福社會科學學派”的背景。聚焦于技術哲學，我特別感謝霍克海默(Horkheimer)和阿多諾(Adorno)在他們的代表作《啟蒙的辯證法：哲學碎片》中對規(guī)訓(disciplinarity)和啟蒙之間關系的辨識[11]。另一個重要的里程碑是赫伯特·馬爾庫塞(Herbert Marcuse)對技術的意識形態(tài)的辨析。在此，有必要引用他在《單向度的人：發(fā)達工業(yè)社會意識形態(tài)研究》中的話：

科學和技術的歷史成就讓價值觀轉化為技術工作成為可能，即價值觀念的物化。……因此，用技術的術語把價值觀念重新定義為技術過程的元素，變得至關重要。這些新的目標，作為技術的目標，不僅在機器的利用中，而且在機器的設計和制造中都起作用。此外，這種新的目標甚至在科學假設的建構過程中、在純粹的科學理論中彰顯自己?？茖W可以從量化第二性的質，進階到量化價值[12]。

盡管馬爾庫塞等思想家們對人類與技術之間的關系有精準的理解，但20世紀中葉的批判理論普遍與各種形式的技術決定論抗爭。這些抗爭中一個最為雄辯的論述是馬丁·海德格爾(Martin Heidegger)在訪談《只有上帝才能拯救我們》中的充分總結：

各個科學領域彼此相距甚遠。它們處理研究對象的方式有著本質上的差異。今天，只有通過大學和院系的科學組織，以及把學科朝著一個方向推進的學科實踐才能將這種分裂的、多樣的學科結合在一起。與此同時，科學在其根本領域的根基已喪失殆盡[13]。

在新一代的技術批判哲學家中，伯納德·斯蒂格勒(Bernard Stiegler)和安德魯·費恩伯格是最具有影響力的兩位。以下引文總結了斯蒂格勒關于技術科學發(fā)展的觀點，而這正是后數(shù)字理論的基礎。

科學不再是工業(yè)投資的對象，而成為工業(yè)為了創(chuàng)造新的投資機會和利潤的資助目標。因為投資代表著預期，那么在這種情形下，現(xiàn)實已經(jīng)歸屬于過去。……在這種意義上，科學成為技術科學，不再描述現(xiàn)實，而從根本上動搖現(xiàn)實。技術性的科學不再說明現(xiàn)實是什么(生命的“法則”)：它創(chuàng)造一種新的現(xiàn)實[14]。

跟隨赫伯特·馬爾庫塞學習哲學的費恩伯格發(fā)展出一種拒斥一切形式的決定論的技術批判理論，為解讀人類與技術的關系提供了一個精準的視角，并為批判性的后人文主義教育奠基[7，15-16]?；谒沟俑窭蘸唾M恩伯格的研究，我們終于獲取了當代批判技術哲學所具有的廣泛多樣的洞察力和方法[17-18]。

二、“房間中的大象”：后數(shù)字挑戰(zhàn)

對當代教育的思考脫離不開數(shù)字技術——諸如電子化學習(e-learning)、數(shù)字化教育(digital education)、技術強化學習(technology enhanced learning，TEL)、網(wǎng)絡學習(networked learning，NL)等流行概念成為主導教育研究、教育政治、教育政策和教育實踐的話語[19-20]。其中一些流行概念，如技術強化學習和網(wǎng)絡學習，關涉獨特的研究傳統(tǒng)，伴有不同的哲學基礎，并對數(shù)字技術持有不同的態(tài)度，通常被描述為技術決定論、使用決定論、社會決定論[21]。雖然這些不同的態(tài)度以各種形式和組合出現(xiàn)，但是，大體上這三種態(tài)度中最受歡迎的是技術決定論[18]。經(jīng)驗主義的研究思想(從客觀主義到主觀主義)比批判方法論具有更大的結構性力量，這導致諸多傳統(tǒng)之間產(chǎn)生各種沖突。對于一個經(jīng)驗主義者來說，否定批判方法論并不困難，因為他們各自的主張和興趣的始基不相容。然而，對于我們這些從事批判方法論研究的人來說，完全摒棄經(jīng)驗主義則較為困難，因為這意味著要放棄批判理論所珍視的關鍵方面，即理論與實踐之間的一種富有成效的關系，這種關系通常被描述為教育實踐[22]。

最近，我們中的一些人越來越意識到，由上述(和其他)教育研究方法所產(chǎn)生的諸多問題在本質上是統(tǒng)一的。對教育的思考不能脫離人的境況，而當代人類境況的很大一部分是借助人與技術的關系才形成的。為了探索這種關系，我們很快發(fā)現(xiàn)了尼古拉斯·尼葛洛龐帝(Nicholas Negroponte)的一篇鼓舞人心的文章，他大膽地宣稱：

面對現(xiàn)實吧！數(shù)字革命已經(jīng)結束。……它的文字形式、技術，已經(jīng)開始被認為是理所當然的，而它的內(nèi)涵將成為未來商業(yè)和文化培育新思想的養(yǎng)料。就像空氣和飲用水一樣，數(shù)字化只會因其缺失而非其存在被關注[23]。

從這里，我們開始發(fā)展一種理論，這種理論接受從20世紀的物理學至上到21世紀的生物學至上的轉變。我們考察了從連續(xù)模擬技術(如留聲機)到離散數(shù)字技術(如CD)的概念轉變。我們從唐娜·哈拉威到如今的各種后人文主義(posthumanist)傳統(tǒng)的視野出發(fā)，審視當代人類境況。而且，我們檢視當下教育的現(xiàn)實，“在這種現(xiàn)實中，社會和物質世界相結合——人類教師的工作遭遇數(shù)據(jù)的影響，進行另一種不同的教學，這種教學既不是人類的也不是機器的，而是二者的某種結合”[16]206。

從現(xiàn)有的術語來看，我們判定目前的方法也會導致嚴重的(哲學上的)偏見。因此，我們決定重新開始，在藝術領域尋求靈感。在21世紀初的關于各種藝術形式如音樂[24]和美術[25]的文獻中，我們發(fā)現(xiàn)了后數(shù)字名義下它們相輔相成的觀點。我們決定采納這一概念，并把我們的想法發(fā)表在一篇“宗旨說明”(mission statement)的文章中[26]。與此同時，我們創(chuàng)辦《后數(shù)字科學與教育》(PostdigitalScienceandEducation)雜志，邀請更多志同道合的研究人員參加，并對這些想法開展更為廣泛的研究。在一個混亂無序的研究領域里開創(chuàng)性地提出一個新概念，這已經(jīng)引發(fā)了一些抵抗(例如列文森[27])。不過從積極角度看，這表明我們拒絕參與學術地盤紛爭，并提供機會建立一個可能在理論和方法論之間搭建橋梁和聯(lián)系的共同基礎。

那么，什么是后數(shù)字呢？我們在早期曾試圖描述后數(shù)字，并寫道：

后數(shù)字很難定義。它混亂不堪、不可預測，包含數(shù)字和模擬、技術和非技術、生物和信息。后數(shù)字既與我們現(xiàn)有的理論斷裂，又是它們的延續(xù)?！斚聦Α昂髷?shù)字”一詞的使用描述了人類此時此刻所經(jīng)歷的與技術的關系，無論是作為個人還是集體。它意味著我們對物理學與生物學、新舊媒體、人文主義與后人文主義、知識資本主義與生物信息資本主義之間模糊而混亂關系的逐漸醒悟[26]。

自從我們寫下上述這些話，后數(shù)字的概念遭到來自各方面的批評。保羅·萊文森(Paul Levinson)寫道：“我并不否認我們正處于后數(shù)字時代。我不同意的是我們現(xiàn)在是首次進入這個領域?！盵27]安德魯·費恩伯格同樣聲稱：“事實上，‘數(shù)字’和‘后數(shù)字’這樣的術語似乎是人為的。如果這些術語的內(nèi)容與我所說的類似，那么后數(shù)字時代是先于數(shù)字時代的，應該被稱為前數(shù)字時代。”[28]然而其他學者，如辛克萊(Sinclair)和海耶斯(Hayes)，則更樂觀地認為：“后數(shù)字時代在社會生活的方方面面提出了新的挑戰(zhàn)和可能?？紤]到話語(使用的語言)塑造我們體驗后數(shù)字化的方式，我們相信，這也開辟了新的途徑。”[29]就目前來看，后數(shù)字的研究方法就像房間里的大象一樣，被視而不見、避而遠之。雖然大多數(shù)人會同意“所有的講授都應該考慮數(shù)字的和非數(shù)字的、物質的和社會的”，但更大的難處是對自己的哲學立場進行自我批判，并接受“諸如‘數(shù)字教育’這樣的觀念是非常有用的，因為它們鼓勵人們近距離地觀察正在發(fā)生的事情。但是，一旦這樣的觀念被用以閉鎖創(chuàng)意，或將(人類的)行為手段、本質屬性歸于科技，就成了問題”[30]。雖然后數(shù)字的人類境況為幾乎無休止的爭論提供了沃土，但我們也需要繼續(xù)追問：后數(shù)字的研究方法應該是什么樣的？

三、“刺猬與狐貍”：認識的挑戰(zhàn)

在不完全否認刺猬模式或其價值的情況下，我認為我們需要去除對它的優(yōu)待，不要只挖一個洞并據(jù)為己有。刺猬方法有巨大的價值，但我認為我們需要更多見縫插針地連接組織的方法，即狐貍方法。用這種方法，你可以從一件事跳到另一件事，并將它們與世界上發(fā)生的事情聯(lián)系起來。(Wark，引自揚德里克[16]123)

后數(shù)字是技術與非技術、生物與信息的奇妙融合。雖然這根本不算是一項新的事業(yè)——在1948年，諾伯特·維納(Norbert Wiener)就將控制論這一新領域定義為關于“動物和機器間的控制和交流”[31]——但這種對完全不同的傳統(tǒng)學科之間清晰邊界的拒斥，為騰空許多認識的空間并從頭開始建構創(chuàng)造了條件。邁克爾·彼得斯和蒂娜·貝斯利(Tina Besley)在其最近的文章中對此提供了一些指導：

后數(shù)字的批判哲學必須能夠理解量子計算、復雜性科學和深度學習的過程，因為它們構塑了新興的技術科學全球體系及其在資本主義體系中的地位，而這一體系本身已為這些發(fā)展所改變[32]。

承接彼得斯和貝斯利的觀點，我現(xiàn)在將探討人工智能和機器學習系統(tǒng)的內(nèi)部工作機制，因為這與傳統(tǒng)的研究方法論有關。

Ng認為，機器學習是“無需明確編程即可使計算機運行的科學”[33]。因此，人工智能系統(tǒng)的功能主要取決于兩個因素：(1)行為或算法的預定規(guī)則；(2)大型輸入數(shù)據(jù)集或大數(shù)據(jù)。但是，對于這兩個因素，均存在激烈的觀點較量。蒂姆·哈福德(Tim Harford)表示，在大型數(shù)據(jù)集中，“原始的數(shù)據(jù)存在系統(tǒng)性的偏見，需要仔細思考才能發(fā)現(xiàn)并糾正這些偏見?！甆=全部’通常只是一種誘人的幻覺”[34]。同樣，微軟研究院的丹娜·博伊德(Danah Boyd)和凱特·克勞福德(Kate Crawford)認為，大數(shù)據(jù)“是一種文化、技術和學術現(xiàn)象。這種現(xiàn)象依賴于技術、分析和神話之間的相互作用”[35]。

接下來談論算法。設計無偏見和非歧視性的行為規(guī)則似乎比收集無偏見和非歧視性的數(shù)據(jù)容易。但是，算法并不孤立地工作，我們(往往)無法預測可能由各種算法之間的各種自動交互而引起的偏見。因此，

人工智能系統(tǒng)不僅可以嵌入、復制或加強數(shù)據(jù)中已存在的態(tài)度或偏見，更重要的是，系統(tǒng)會將這些態(tài)度或偏見重組并產(chǎn)生新的偏見。人工智能的創(chuàng)造者和研究者不能直接預測或干擾這些過程，只能更改輸入的變量，例如神經(jīng)網(wǎng)絡的體系結構或輸入的數(shù)據(jù)集，并希望它們的結果會得到改善。但是，說起來容易做起來難，而且，不可預測性仍然是人工智能自帶的一個重要屬性[36]。

即使我們設法以某種方式擺脫人工智能系統(tǒng)中存在的各種偏見，越來越多的研究人員也開始意識到，“大數(shù)據(jù)重新塑造了關于知識構成、研究過程、我們應如何與信息互動以及現(xiàn)實的本性與分類等的關鍵議題”[35]。簡而言之，新研究方法論的發(fā)展已經(jīng)開始對我們的認識論產(chǎn)生重大影響。羅伯·基欽(Rob Kitchin)指出：“大數(shù)據(jù)分析讓一種理解世界的全新的認識論成為可能。新的數(shù)據(jù)分析并不通過分析相關數(shù)據(jù)來檢驗理論，而是探尋‘從數(shù)據(jù)中生成’的見解?！盵37]基欽繼續(xù)指出，這一轉變會引起兩種類型的回應。一種是經(jīng)驗主義者回應并提出一個簡單而有力的主張，即“新的數(shù)據(jù)分析和整體方法標志著以‘理論的終結’為特征的一個知識生產(chǎn)的新時代”[1，37]。經(jīng)驗主義者的反應令人垂涎欲滴，因為它提供“一種不需要科學或科學家參與就具有洞見的、客觀的且有利可圖的知識的可能性，并免去了與他們相關的日常管理成本、偶然事件以及對解釋和真理的探索”[37]。因此，“這種新經(jīng)驗主義的表述成為一種話語修辭手段，旨在把較為復雜的認識論方法簡化，并以大數(shù)據(jù)分析的實用性和價值說服供應商”[37]。這種新經(jīng)驗主義契合“知識經(jīng)濟”和“知識社會”等流行語，而這些流行語標志著一個數(shù)字資本主義的新時代。在這個時代，“高等教育成為信息產(chǎn)業(yè)的一個重要部門，而在這個產(chǎn)業(yè)中，各種執(zhí)行部門(performative power)直接與新的通信信息技術相結合”[38]47。

另一種回應是數(shù)據(jù)驅動的科學，它“力求堅持科學方法的宗旨，但更開放地使用溯因、歸納和演繹方法的組合增進對現(xiàn)象的理解”[37]。 從理論上講，數(shù)據(jù)驅動的科學可以通過離線的方式完成，例如，將一臺計算機連接到一個實驗設備上。 在實踐中，尤其是論及人文和社會科學時，數(shù)據(jù)驅動的科學很快就淪為一個較為狹窄(但經(jīng)常使用)的概念——網(wǎng)絡科學。奈杰爾·沙伯特(Nigel Shadbolt)等為網(wǎng)絡科學提供了一些令人信服的論點：

在過去的20年中，人類建立了歷史上最大的信息架構。萬維網(wǎng)已經(jīng)被變革……盡管大多數(shù)人尚未接受使用萬維網(wǎng)的正式培訓，但它已在他們的生活中發(fā)揮了核心作用。在過去的幾年中，人們越來越認識到，必須將網(wǎng)絡這樣的生態(tài)系統(tǒng)視為一個重要且連貫的研究領域，這就是網(wǎng)絡科學(Web Science)。“科學”這個術語的原始和廣泛的含義是追求構建一種有組織的知識。從這個意義上講，它(網(wǎng)絡科學)就是“科學”。因此，它將需要包含工程技術——因為網(wǎng)絡是一種工程性的建構，是一組協(xié)議和形式；它同樣需要包含人文和社會科學——因為網(wǎng)絡是一種社會現(xiàn)象，這一現(xiàn)象的巨大規(guī)模已引發(fā)新興的屬性和變革性的行為[39]。

從認識的層次講，數(shù)據(jù)驅動的科學及其子系統(tǒng)，如網(wǎng)絡科學和教育性網(wǎng)絡科學，已經(jīng)超越了對各種多學科、跨學科和超學科方法的相對優(yōu)勢和劣勢的討論范圍[26, 38]，徑直走向新的后學科方法。然而，正如麥肯齊·沃克(McKenzie Wark)在本節(jié)開頭的引文中精心表述的那樣，新的后學科方法認可傳統(tǒng)學科(刺猬模式)具備的很多價值，同時指出有必要在傳統(tǒng)學科之間建立新的聯(lián)系(狐貍模式)。

這是典型的后數(shù)字的情景，這一情景表現(xiàn)為“既有現(xiàn)存理論的斷裂，也有其延續(xù)”[26]，并且不會提供一切皆適用的、一刀切的解決方案。根據(jù)研究問題的性質，我們需要從廣泛的認識論中借鑒并發(fā)展出適宜的研究方法論[17]。如今，越來越多的研究人員針對其感興趣的問題開發(fā)自己的后學科方法。比如，在研究數(shù)字/社交媒體時，克里斯蒂安·?？怂怪鲝垺耙环N研究范式的轉變，這種轉變從行政的、實證主義的大數(shù)據(jù)分析轉向融合批判社交媒體理論、批判數(shù)字方法和批判現(xiàn)實主義下社交媒體研究倫理的批判數(shù)字/社交媒體研究范式”[3]。在另一個例子中，本·威廉姆森(Ben Williamson)分析神經(jīng)技術的發(fā)展與教育(或大腦數(shù)據(jù))之間的關系，并提倡“需要基于后數(shù)字的、生物社會的、社會技術的和后人本主義的理論，進行具有創(chuàng)新形式的分析”[40]。

盡管這兩個例子幾乎沒有共通之處，但它們展示了后學科研究方法論之廣泛多樣的可能，并且有一條非常重要的共有脈絡將它們連接起來：認可數(shù)據(jù)和研究方法論總是緣于特定的背景。但是，這種認可并不意味著對知識持自由放任態(tài)度。根據(jù)安德魯·費恩伯格的觀點，科學終究是一種人類活動，因而并不純粹，“但這在本質上與相對主義無關，與宣稱巴赫(Bach)的音樂只能相對于他的時代沒有什么兩樣。這一點顯而易見，并導致有趣的研究，不過最終是微不足道的：音樂依然那樣存在，不能還原成它創(chuàng)作時的環(huán)境”。因此，費恩伯格繼續(xù)說道：“科學的真理與手工藝的臻品具有相似的地位，它們都超越了它們生成于斯的原初樣態(tài)?！盵41]后學科研究居間于兩種認識，即“人類研究永遠不是中立的”和“人類研究堅決抵制相對主義”，進而，人類需要考慮自己的主人公地位，并發(fā)問：誰進行后數(shù)字研究？如何進行？

四、“狐貍和鸛”：集體挑戰(zhàn)

晚飯時狐貍拿出了湯來招待客人。但是湯被盛在一個淺碟里，因此，鸛一滴湯也喝不到，最多只能用湯沾濕一下自己的喙尖。相比之下，狐貍要喝湯就簡單多了，為了讓鸛感到更難堪，他故意做出一副很享受的樣子。

鸛于是拿出一條香噴噴的魚招呼狐貍。但是魚被放在一個高高的瓶子里，而且瓶頸還十分狹窄。鸛用他長長的鳥喙輕而易舉就吃到了魚，然而狐貍最多只能舔一下瓶身，聞一下魚香。當狐貍終于忍無可忍的時候，鸛冷靜地說：如果你無法忍受別人對你同樣的惡作劇，請不要作弄你的鄰人。(伊索寓言[42])

教育研究的當前狀態(tài)與這個古老的伊索寓言非常相似。如果我們想調(diào)研諸如不平等之類的議題，我們?nèi)匀恍枰谝恍┯矓?shù)據(jù)進行研究。如果我們采用了學習分析(learning analytics)的方法，則需要明白數(shù)據(jù)和算法永遠不是中立的。盡管我們很容易接受后數(shù)字觀點所認為的生物挑戰(zhàn)和信息挑戰(zhàn)之間的統(tǒng)一，也幾乎可以從直覺上接受其后學科形式的推論，但該理論與實踐相距甚遠。經(jīng)驗論的研究人員嘗試采用批判性方法論時，往往就像試圖從淺碟進食的那個可憐的鸛；而在嘗試進行大數(shù)據(jù)分析時，批判性方法論的研究人員則看起來就像憤怒的狐貍，只能在那個細高脖的裝著數(shù)據(jù)的瓶子外聞一聞、舔一舔。這個故事不僅關涉鸛、狐貍和人類研究人員那么簡單——批判性后人文主義的理論做了令人信服的論證，認為高瓶子、淺碟以及我們研究背后的其他技術都有自己的推動力[43-45]。從民間故事回到教育網(wǎng)絡科學的背景：

源自網(wǎng)絡科學的方法是為了理解網(wǎng)絡生態(tài)系統(tǒng)是一個由人和機器組成的開放、動態(tài)的復合系統(tǒng)——蒂姆·伯納斯-李(Tim Berners-Lee)稱之為“社會機器”，該術語意味著擁有集體智慧和動機的網(wǎng)絡用戶合作使用并開發(fā)集體性資源。教育網(wǎng)絡科學需要研究、分析、利用和試驗基于互聯(lián)網(wǎng)形式的集體智慧——這種集體智慧歷經(jīng)長期的發(fā)展，其運行與教育政策、教育測試和教育評價中的個人主義意識形態(tài)背道而馳[38]62。

費恩伯格對相對主義的否認[41]意味著，那種像鸛憑靠纖細脖子熟練使用高高的瓶子所進行的研究的結果，以及像狐貍使用寬淺的碟子所進行的研究的結果，應該在一個較高的概念層次上相遇，這一層次不能簡化為他們得出研究結果時的情形。如今，世界上的“狐貍”和“鸛”需要學習如何合作。在此過程中，他們需要開發(fā)新的研究工具，這種研究工具既不是淺碟也不是頸部狹窄的高瓶。因此，后數(shù)字認識論成為教育研究的集體挑戰(zhàn)。邁克爾·彼得斯在對經(jīng)濟領域和教育領域的創(chuàng)造力的評論中區(qū)分了兩種主要方式：

第一種方式是“個人無政府狀態(tài)的美學原則”(the personal anarcho-aesthetics principle)。(該原則)在源于浪漫主義運動的心理學文獻中出現(xiàn)，強調(diào)創(chuàng)造性的天賦以及從深層的潛意識中迸發(fā)的創(chuàng)造力，包括想象力，并且根植于激情，無拘無束，超出個人的理性控制。這一描述以“頭腦風暴”“思維導圖”或“戰(zhàn)略規(guī)劃”的形式與商業(yè)密切結合，同時與愿意承擔風險的創(chuàng)業(yè)者的形象緊密相關。相比之下，“設計原則”(the design principle)既是關系性的又是社會性的，在表層上與“社會資本”“情境學習”和“P2P”(peer to peer/伙伴對伙伴)等有共同基礎的同伴合作生產(chǎn)相關。它被視為社交環(huán)境、網(wǎng)絡環(huán)境的產(chǎn)物——在這一充滿豐富符號和智力元素的環(huán)境中，一切事物皆可表達[46]。

初步判斷，“設計原則”可以更好地適應后數(shù)字研究的集體挑戰(zhàn)。然而，基于彼得斯的研究，彼得斯和揚德里奇表明，“個人無政府狀態(tài)的美學原則”和“設計原則”是一直共存于現(xiàn)實中的共生類型(mutually co-constituting typologies)——這一創(chuàng)造性的集體研究既需要創(chuàng)造性的個體，也需要創(chuàng)造性的合作[38]。然而，盡管“我們并不與一個關于人力資本和集體勞動選擇的概念打交道”，但是，這些隱喻還是非常有用的，因為它們“提供了一種洞察力，最終審視整個(數(shù)字)資本主義內(nèi)部的人類地位”[38]346?！皞€人無政府狀態(tài)的美學原則”非常適合新的經(jīng)驗主義，并具有數(shù)字資本主義的意識形態(tài)和原則；而“設計原則”則支持批判的網(wǎng)絡科學，并為一個擁有完全不同未來的政治的、社會的和技術的發(fā)展提供機會[38]346。用理查德·巴布魯克(Richard Barbrook)的話說，“設計原則”擁有“使網(wǎng)絡資本主義服務于網(wǎng)絡共產(chǎn)主義”的潛力 (引自揚德里克[16]89)。

此外，我們面對的是后數(shù)字的斷裂和延續(xù)的情況，這可以從多個方面來探討：經(jīng)驗主義和批判方法論，資本主義和共產(chǎn)主義，個人主義和集體主義以及許多其他方面。這些概念可以實現(xiàn)許多混合狀態(tài)(例如中國的共產(chǎn)主義)，并且可以表示許多不同的事物，因此每個方面都可以在多個方向上產(chǎn)生分枝。從個人與集體的角度來看，后數(shù)字研究人員或其他形形色色的人都需要找到一種共同的語言，既不互相壓制，也不被技術壓迫。通過這種方式，我們得出皮埃爾·列維(Pierre Lévy)對集體智慧的定義：

一項旨在通過計算機使人們變得更聰明的科學、技術和政治的工程，而不是試圖使計算機比人們更聰明。因此，集體智慧既不是集體愚蠢的對立面，也不是個人智慧的對立面。這與人工智能相反，是通過利用我們不斷增長的計算能力和無處不在的記憶來發(fā)展更新的人類/文化認知系統(tǒng)的一種方式。(引自皮特斯[47])

后數(shù)字的集體研究改變了我們的理論與方法論；同時，后數(shù)字的條件消除了人類與技術之間的明顯區(qū)別?！安还茉敢獠辉敢?，所有人都成了電子人(cyborgs)——因為我們生活在充溢著數(shù)字化的世界中。”[38]331后數(shù)字電子人具有三個主要特征：

(1)電子人自身是通過與技術之間的辯證關系建構的，而技術反過來又共同建構了我們的社會和經(jīng)濟格局。

(2)電子人自身不可避免地會“拾起”內(nèi)置在(數(shù)字)機器中的意識形態(tài)和原則?！娮尤松矸莸纳鐣嫯a(chǎn)生重大變化，因此，需要認識論層次的重大變化。

(3)我們的數(shù)字自我有時會比我們的物理身體更重要——借助無處不在的追蹤技術，他們也越來越成為收益增長的重要推動力。[38]331-332

后數(shù)字教育研究的集體挑戰(zhàn)比開發(fā)人類使用技術的新方式要深入得多——它從根本上改變了我們的身份、認識論以及社會和經(jīng)濟關系。費恩伯格指出：“技術不是一種天命，而是一幅斗爭的場景?！盵15]我們后數(shù)字研究者有責任參與這場斗爭，并積極塑造我們個人和集體的未來。

五、我們?nèi)绾闻囵B(yǎng)批判的后數(shù)字研究人員？

引用亨特·湯普森(Hunter S. Thompson)的一句話：“當世界變得怪異時，怪異則成為專業(yè)?！币虼耍瑔栴}就變成了：我們?nèi)绾卧谒幍倪@個怪異時代培養(yǎng)怪異的人？ 對我來說，這是教育目前所面臨的真正有趣的挑戰(zhàn)之一。(Wark，引自揚德里克[16]123-124)

以各種形式存在的經(jīng)驗主義與批判理論/方法論之間的理論和實踐的張力與教育一樣古老。但是，大數(shù)據(jù)、學習分析和其他高級數(shù)字工具的出現(xiàn)，加深了兩組教育研究方法之間的許多傳統(tǒng)區(qū)別。后數(shù)字挑戰(zhàn)帶來一系列新的認知挑戰(zhàn)。我們需要同時理解個體的經(jīng)驗(傳統(tǒng)上與解釋主義方法論相關)、基于人類經(jīng)驗產(chǎn)生的大量數(shù)據(jù)(傳統(tǒng)上與實證主義方法論相關)以及共同產(chǎn)生人類經(jīng)驗的權力關系(傳統(tǒng)上與各種批判方法論相關)，這帶來對后數(shù)字新批判哲學的需求[32]。在我們這個后數(shù)字世界中，研究人員的境況不能與認識論和研究方法論相分離，而認識論和研究方法論又不能與有關合作的問題相分離。這些問題是理論性的(什么是新后數(shù)字認識論)、實用性的(我們?nèi)绾捂溄硬煌氖澜缬^和學科方法)以及社會性的(后數(shù)字研究在資本主義關于知識生產(chǎn)和傳播的關系中的地位是什么)。最重要的是，這些問題與我們作為人類和研究者的身份辯證地交織在一起。應當在所有這些層面上同時討論未來教育中批判研究方法的發(fā)展。用麥肯齊·沃克(McKenzie Wark)的話來說，我們或許會在這個問題上找到一個好的出發(fā)點：我們?nèi)绾螢槲覀兯幍暮髷?shù)字時代培養(yǎng)批判的后數(shù)字研究者？