郝祥軍　顧小清

摘要：在數(shù)據(jù)定義萬(wàn)物、數(shù)據(jù)量化萬(wàn)物、數(shù)據(jù)聯(lián)接萬(wàn)物的人工智能時(shí)代，數(shù)據(jù)科學(xué)在大數(shù)據(jù)的推動(dòng)下取得快速發(fā)展，將目標(biāo)直接指向了如何從數(shù)據(jù)中提取和建構(gòu)知識(shí)。數(shù)據(jù)科學(xué)指向的數(shù)據(jù)挖掘與知識(shí)創(chuàng)造過(guò)程系統(tǒng)描繪出從數(shù)據(jù)到知識(shí)發(fā)現(xiàn)的完整流程。本研究試圖從數(shù)據(jù)科學(xué)的視角探尋以數(shù)據(jù)為核心的新知識(shí)觀形成，從數(shù)據(jù)與智能技術(shù)帶來(lái)的知識(shí)生產(chǎn)方式與知識(shí)生產(chǎn)要素的變化中嘗試刻畫出重塑的知識(shí)觀輪廓，并對(duì)“教什么知識(shí)”“知識(shí)如何教”“如何化知識(shí)為素養(yǎng)”三個(gè)問題進(jìn)行探討并做出回答，以尋求教育迎接知識(shí)創(chuàng)新人才挑戰(zhàn)的發(fā)展路徑。

關(guān)鍵詞：數(shù)據(jù)科學(xué)；人工智能；知識(shí)觀；數(shù)據(jù)挖掘；知識(shí)創(chuàng)造；知識(shí)生產(chǎn)；知識(shí)教學(xué)；教育發(fā)展

中圖分類號(hào)：G511? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? 文章編號(hào)：1009-458ｘ（2023）5-0013-11

一、引言

隨著大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等智能技術(shù)的深入發(fā)展，人類社會(huì)逐漸從“信息化”轉(zhuǎn)向“智能化”，萬(wàn)物互聯(lián)成為智能時(shí)代的關(guān)鍵特征。這種特征背后的一個(gè)假設(shè)就是“萬(wàn)物皆可數(shù)據(jù)”，人與人之間、人與物之間、物與物之間都可以以數(shù)據(jù)作為紐帶形成聯(lián)接，在平行宇宙中鏡像構(gòu)建出一個(gè)數(shù)據(jù)世界。恰如古希臘哲學(xué)家畢達(dá)哥拉斯的“數(shù)是萬(wàn)物本原”的觀點(diǎn)，直接將數(shù)據(jù)視為世界的本體或本質(zhì)去討論（林夏水， 1989）。當(dāng)前，技術(shù)的發(fā)展日新月異，似乎由于數(shù)據(jù)與技術(shù)的推動(dòng)人類將更接近這一本質(zhì)。例如，以機(jī)器學(xué)習(xí)為內(nèi)核的人工智能（Artificial Intelligence， AI）已經(jīng)滲透到社會(huì)的各個(gè)領(lǐng)域，出現(xiàn)智能社會(huì)、智能交通、智能教育、智能醫(yī)療等新的發(fā)展趨勢(shì)。人工智能的核心是算法，算法的核心是基于數(shù)據(jù)的機(jī)器學(xué)習(xí)，以機(jī)器學(xué)習(xí)為內(nèi)核的AI在本質(zhì)上也是數(shù)據(jù)驅(qū)動(dòng)的智能，或稱為“計(jì)算智能”。因此，數(shù)據(jù)是AI成功的重要因素，數(shù)據(jù)和智能構(gòu)成一體兩面的關(guān)系（程學(xué)旗 等， 2020）。而數(shù)據(jù)科學(xué)是一種“使數(shù)據(jù)有用”的科學(xué)理論和技術(shù)系統(tǒng)，探索將數(shù)據(jù)轉(zhuǎn)化為信息、信息轉(zhuǎn)化為知識(shí)、知識(shí)轉(zhuǎn)化為決策的機(jī)制和方法（Xu， 2021）。正是在數(shù)據(jù)科學(xué)的影響下，科學(xué)的知識(shí)發(fā)現(xiàn)與生產(chǎn)從僅追求因果性走向重視相關(guān)性，提出了“科學(xué)始于數(shù)據(jù)”的知識(shí)生產(chǎn)新模式，為人類探索世界提供了新的思維范式與方法途徑（黃欣榮， 2014）。那么，在數(shù)據(jù)定義萬(wàn)物、數(shù)據(jù)量化萬(wàn)物、數(shù)據(jù)聯(lián)接萬(wàn)物的人工智能時(shí)代，當(dāng)一切皆可用數(shù)據(jù)表征、描述、解釋和預(yù)測(cè)時(shí)，人們認(rèn)識(shí)世界的方式是否會(huì)因此改變？知識(shí)創(chuàng)造與生產(chǎn)模式會(huì)發(fā)生什么變化？是否會(huì)重塑出新的知識(shí)觀？教育又該如何應(yīng)對(duì)新知識(shí)生產(chǎn)模式帶來(lái)的人才挑戰(zhàn)？本研究將從數(shù)據(jù)科學(xué)的視角嘗試回答這些問題。

二、數(shù)據(jù)科學(xué)的由來(lái)與內(nèi)涵

數(shù)據(jù)科學(xué)由來(lái)已久，其內(nèi)涵也歷經(jīng)多次演變，而大數(shù)據(jù)的出現(xiàn)和發(fā)展是推動(dòng)數(shù)據(jù)科學(xué)形成的最直接、最重要、最核心的動(dòng)力。據(jù)研究記載（聶淑媛， 2019），數(shù)據(jù)科學(xué)一詞最早于1966年被圖靈獎(jiǎng)獲得者丹麥計(jì)算機(jī)科學(xué)家彼得·諾爾（Peter Naur）提出，意指研究數(shù)據(jù)使用和本質(zhì)的科學(xué)；1996年數(shù)據(jù)科學(xué)第一次正式出現(xiàn)在日本神戶召開的第五屆IFCS大會(huì)的主題中，大會(huì)明確了數(shù)據(jù)科學(xué)的含義，即“數(shù)據(jù)科學(xué)應(yīng)該是統(tǒng)計(jì)學(xué)、數(shù)據(jù)、計(jì)算機(jī)及其相關(guān)方法的綜合交叉，通過(guò)數(shù)據(jù)收集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理和數(shù)據(jù)應(yīng)用等過(guò)程與環(huán)節(jié)，最終達(dá)成利用海量數(shù)據(jù)揭示自然現(xiàn)象和社會(huì)本質(zhì)的終極目標(biāo)”。自此，數(shù)據(jù)科學(xué)的概念被提出，但一直未被正式討論；直到本世紀(jì)初大數(shù)據(jù)出現(xiàn)，數(shù)據(jù)科學(xué)才重新走進(jìn)人們的視野。2007年圖靈獎(jiǎng)得主美國(guó)數(shù)據(jù)庫(kù)專家吉姆·格雷（Jim Gray）提出數(shù)據(jù)密集型科學(xué)研究范式（Tolle et al.， 2011），該研究范式進(jìn)一步凸顯數(shù)據(jù)在科學(xué)知識(shí)發(fā)現(xiàn)與生產(chǎn)上的價(jià)值。發(fā)展至今，數(shù)據(jù)科學(xué)已經(jīng)成為一門強(qiáng)調(diào)如何從數(shù)據(jù)中獲取知識(shí)洞見的交叉學(xué)科，主要與統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)、機(jī)器學(xué)習(xí)等具有千絲萬(wàn)縷的聯(lián)系。而且，數(shù)據(jù)科學(xué)在金融、商業(yè)、教育、新聞等眾多領(lǐng)域已成功實(shí)踐，在“實(shí)踐倒逼理論創(chuàng)新”的趨勢(shì)下，亟待從數(shù)據(jù)科學(xué)的學(xué)科視角深入挖掘蘊(yùn)藏在實(shí)踐背后的新理念、新方法、新技術(shù)和新理論（朝樂門， 2019）。

那么究竟何為數(shù)據(jù)科學(xué)？中國(guó)工程院李國(guó)杰院士（2012）從社會(huì)學(xué)的角度解釋為，數(shù)據(jù)科學(xué)是關(guān)于大數(shù)據(jù)時(shí)代的科學(xué)，旨在揭示大數(shù)據(jù)時(shí)代的新挑戰(zhàn)、新機(jī)遇、新思維和新模式，是大數(shù)據(jù)時(shí)代新理論、新方法、新模型、新技術(shù)、新平臺(tái)、新工具和新應(yīng)用等組成的一套知識(shí)體系。后來(lái)，經(jīng)過(guò)進(jìn)一步討論認(rèn)為，“數(shù)據(jù)科學(xué)是方法論和本體論在數(shù)據(jù)價(jià)值實(shí)現(xiàn)目標(biāo)下的統(tǒng)一”（程學(xué)旗 等， 2020）。在方法論上，數(shù)據(jù)科學(xué)的內(nèi)涵是“數(shù)據(jù)驅(qū)動(dòng)科學(xué)發(fā)現(xiàn)”，即延續(xù)了數(shù)據(jù)密集型科學(xué)研究范式中通過(guò)數(shù)據(jù)揭示事物本質(zhì)規(guī)律的思想；在本體論上，數(shù)據(jù)科學(xué)是“用科學(xué)方法來(lái)研究數(shù)據(jù)”，即強(qiáng)調(diào)了數(shù)據(jù)作為反映自然世界的符號(hào)化表征，運(yùn)用科學(xué)方法來(lái)探索數(shù)據(jù)的一般性規(guī)律。而國(guó)外學(xué)者對(duì)數(shù)據(jù)科學(xué)的認(rèn)識(shí)似乎更加技術(shù)化。普羅沃斯特（Provost）等認(rèn)為，數(shù)據(jù)科學(xué)是支持和指導(dǎo)從數(shù)據(jù)中原則性地提取信息和知識(shí)的一套基本原則，與其最密切相關(guān)的概念是數(shù)據(jù)挖掘（Provost & Fawcett， 2013）。例如，使用分布式計(jì)算環(huán)境中的大型多結(jié)構(gòu)數(shù)據(jù)的統(tǒng)計(jì)和機(jī)器學(xué)習(xí)技術(shù)來(lái)識(shí)別相關(guān)性和因果關(guān)系，對(duì)事件進(jìn)行分類和預(yù)測(cè)等（Das et al.， 2015）。馬丁內(nèi)斯（Martinez）等將數(shù)據(jù)科學(xué)定義為計(jì)算機(jī)科學(xué)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)之間的多學(xué)科交叉領(lǐng)域，包括利用科學(xué)方法和技術(shù)從大量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)中獲取知識(shí)和價(jià)值（Martinez et al.， 2021）。雖然數(shù)據(jù)科學(xué)的定義還未統(tǒng)一，但從眾多概念定義來(lái)看，數(shù)據(jù)科學(xué)是研究如何從數(shù)據(jù)中提取和建構(gòu)知識(shí)的計(jì)算原理、方法和系統(tǒng)的領(lǐng)域，旨在通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方式揭示事物規(guī)律和科學(xué)發(fā)現(xiàn)以解決復(fù)雜的實(shí)際問題。

綜上所述，數(shù)據(jù)科學(xué)作為大數(shù)據(jù)技術(shù)推動(dòng)下的產(chǎn)物，其出現(xiàn)有其必然性和必要性。尤其當(dāng)前處在數(shù)據(jù)驅(qū)動(dòng)的智能時(shí)代，數(shù)據(jù)已經(jīng)上升為生產(chǎn)資料，數(shù)據(jù)科學(xué)則可以為發(fā)掘數(shù)據(jù)效能提供理論方法與技術(shù)支撐，從而增強(qiáng)大數(shù)據(jù)的能力，并將其轉(zhuǎn)化為實(shí)際生產(chǎn)力。因此，從知識(shí)創(chuàng)造與生產(chǎn)的角度來(lái)看，數(shù)據(jù)科學(xué)為數(shù)據(jù)到知識(shí)的轉(zhuǎn)變提供了理論指導(dǎo)和技術(shù)路徑。恰如徐（Xu）等總結(jié)的“三個(gè)轉(zhuǎn)變、一個(gè)實(shí)現(xiàn)”，即數(shù)據(jù)科學(xué)的目標(biāo)是實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界的認(rèn)識(shí)和控制，數(shù)據(jù)科學(xué)的科學(xué)任務(wù)是完成數(shù)據(jù)空間中從數(shù)據(jù)到信息、從信息到知識(shí)、從知識(shí)到?jīng)Q策的轉(zhuǎn)變（Xu et al.， 2021）。因此，數(shù)據(jù)科學(xué)就是探索如何從數(shù)據(jù)到知識(shí)轉(zhuǎn)變過(guò)程的理論、技術(shù)和應(yīng)用的一套體系，直接以數(shù)據(jù)增值過(guò)程指向知識(shí)創(chuàng)造，進(jìn)而實(shí)現(xiàn)對(duì)以往知識(shí)生產(chǎn)流程的再造。

三、數(shù)據(jù)科學(xué)指向的知識(shí)創(chuàng)造

數(shù)據(jù)科學(xué)作為一門以數(shù)據(jù)為研究對(duì)象的科學(xué)，將目標(biāo)指向如何實(shí)現(xiàn)從數(shù)據(jù)到信息、從信息到知識(shí)、從知識(shí)到?jīng)Q策的轉(zhuǎn)變，暗含著一個(gè)以數(shù)據(jù)為出發(fā)點(diǎn)的知識(shí)創(chuàng)造過(guò)程。最早的DIKW金字塔模型形象地詮釋了數(shù)據(jù)（Data）、信息（Information）、知識(shí)（Knowledge）和智慧（Wisdom）之間的關(guān)系以及數(shù)據(jù)向上轉(zhuǎn)化的過(guò)程（Rowley， 2007）。那么，如何從數(shù)據(jù)到信息，又從信息到知識(shí)，從而實(shí)現(xiàn)數(shù)據(jù)增值呢？數(shù)據(jù)是物理世界和人類社會(huì)活動(dòng)的數(shù)字記錄，是編碼形式的信息載體，常見的數(shù)據(jù)表達(dá)包括表格、圖形、圖像、視頻和文本等多類型；信息是具有語(yǔ)義解釋的數(shù)據(jù)，是經(jīng)過(guò)一定抽象和處理后對(duì)人類有意義和有用的形式的數(shù)據(jù)；知識(shí)是通過(guò)信息的合成、相關(guān)性、演繹和推理獲得的，并且已被驗(yàn)證為準(zhǔn)確和一般人相信的信息（Xu et al.， 2021）。通過(guò)數(shù)據(jù)和信息與知識(shí)之間的概念關(guān)系可知，數(shù)據(jù)發(fā)揮價(jià)值需要經(jīng)過(guò)一套完整的增值過(guò)程，而這個(gè)過(guò)程就是數(shù)據(jù)挖掘或知識(shí)發(fā)現(xiàn)。

（一）數(shù)據(jù)挖掘過(guò)程：數(shù)據(jù)驅(qū)動(dòng)的知識(shí)發(fā)現(xiàn)

由于數(shù)據(jù)庫(kù)的大量應(yīng)用，各領(lǐng)域非常關(guān)注如何從數(shù)據(jù)中獲取價(jià)值。如果沒有使用適當(dāng)?shù)募夹g(shù)來(lái)提取有用的知識(shí)，這些數(shù)據(jù)庫(kù)中包含的所有價(jià)值和豐富的信息都有可能被漠視和浪費(fèi)。法耶德（Fayyed）等認(rèn)為，“數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)”就是從數(shù)據(jù)中發(fā)現(xiàn)知識(shí)的全過(guò)程，包括數(shù)據(jù)如何存儲(chǔ)和訪問，算法如何縮放到海量數(shù)據(jù)集并仍然高效運(yùn)行，結(jié)果如何解釋和可視化等；數(shù)據(jù)挖掘是將適當(dāng)?shù)念A(yù)處理數(shù)據(jù)轉(zhuǎn)化為模式，隨后可以轉(zhuǎn)化為有價(jià)值的和可操作的知識(shí)（Fayyed et al.， 1996）。之后一系列關(guān)于數(shù)據(jù)挖掘的過(guò)程模型被提出并應(yīng)用，如KDD（Knowledge Discovery Databases）、 SEMMA（Sample， Explore，Modify， Model， Assess）、CRISP-DM（Cross-Industry Standard Process for Data Mining）（Shafique & Qaiser， 2014）。其中，CRISP-DM過(guò)程模型（如圖1所示）作為跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)是目前使用最廣泛的工具，經(jīng)過(guò)20多年的發(fā)展，其數(shù)據(jù)挖掘模式仍然適用于今天的數(shù)據(jù)科學(xué)項(xiàng)目；從精確的業(yè)務(wù)目標(biāo)開始，轉(zhuǎn)化為明確的數(shù)據(jù)挖掘任務(wù)，最終將“數(shù)據(jù)轉(zhuǎn)化為知識(shí)”（Martínez-Plumed et al.， 2019）。

業(yè)務(wù)理解：這是數(shù)據(jù)挖掘的第一步，因?yàn)樽畛醯臄?shù)據(jù)挖掘服務(wù)于商業(yè)應(yīng)用，故此階段側(cè)重于從業(yè)務(wù)角度理解業(yè)務(wù)（知識(shí)發(fā)現(xiàn)）的目標(biāo)和要求，從而定義數(shù)據(jù)挖掘問題、制定挖掘目標(biāo)；在目標(biāo)導(dǎo)向下為整個(gè)流程初步擬定計(jì)劃，篩選挖掘技術(shù)和工具。

數(shù)據(jù)理解：該階段從最初的數(shù)據(jù)收集開始，然后進(jìn)行一些數(shù)據(jù)獲取與檢測(cè)活動(dòng)。重點(diǎn)是數(shù)據(jù)收集、數(shù)據(jù)檢測(cè)和質(zhì)量驗(yàn)證，以熟悉數(shù)據(jù)、識(shí)別數(shù)據(jù)質(zhì)量問題、形成對(duì)數(shù)據(jù)的初步見解或檢測(cè)感興趣的子集，進(jìn)而在洞察數(shù)據(jù)的基礎(chǔ)上生成隱藏信息的假設(shè)。

數(shù)據(jù)準(zhǔn)備：該階段包括從初始數(shù)據(jù)構(gòu)建最終數(shù)據(jù)集所需的所有活動(dòng)，重點(diǎn)是選擇和準(zhǔn)備最終的數(shù)據(jù)集。這個(gè)階段可能包括許多任務(wù)記錄、表和屬性選擇以及數(shù)據(jù)的清理和轉(zhuǎn)換。數(shù)據(jù)準(zhǔn)備工作也可能會(huì)重復(fù)執(zhí)行，因?yàn)樾枰獙?duì)原始數(shù)據(jù)進(jìn)行反復(fù)清洗、過(guò)濾、組織和重構(gòu)等以達(dá)到“建?！彪A段的要求，并且要能夠匹配最初的業(yè)務(wù)目標(biāo)與挖掘目標(biāo)。

建模：在該階段，選擇和應(yīng)用各種建模技術(shù)，設(shè)置不同的參數(shù)，建立不同的模型，并將參數(shù)校準(zhǔn)到最優(yōu)值。針對(duì)同一數(shù)據(jù)挖掘問題類型可能有多種技術(shù)方案，有些技術(shù)對(duì)數(shù)據(jù)的形式有特定的要求。因此，該階段通常需要返回到數(shù)據(jù)準(zhǔn)備階段，為適應(yīng)建模要求而重新調(diào)整數(shù)據(jù)形式。

評(píng)估：重點(diǎn)是對(duì)得到的模型進(jìn)行評(píng)估，并決定如何使用挖掘結(jié)果。從數(shù)據(jù)分析的角度來(lái)看，該階段似乎已經(jīng)建立了高質(zhì)量的模型。在繼續(xù)進(jìn)行最終的模型部署之前，應(yīng)更徹底地評(píng)估模型并檢查構(gòu)建模型所采取的步驟，以確保它正確地實(shí)現(xiàn)了知識(shí)發(fā)現(xiàn)目標(biāo)，并就未能考慮到的內(nèi)容進(jìn)行再補(bǔ)充和深化。

部署：重點(diǎn)是確定獲取知識(shí)和結(jié)果的使用。這個(gè)階段還著重于以用戶可以使用的方式對(duì)所獲得的知識(shí)進(jìn)行組織、報(bào)告和呈現(xiàn)。

各階段的詳細(xì)任務(wù)如表1所示。由于技術(shù)“黑箱”的緣故，其實(shí)并非所有人都清楚數(shù)據(jù)是如何從生成到被檢測(cè)、清洗和建模，再到被解釋或賦予意義的。該模型清晰地詮釋了以目標(biāo)為導(dǎo)向的數(shù)據(jù)增值的重要環(huán)節(jié)及其相互關(guān)系，交代了從數(shù)據(jù)到信息的轉(zhuǎn)化、再到最終被應(yīng)用于知識(shí)產(chǎn)品的流程。這個(gè)過(guò)程有迭代優(yōu)化的周期：在數(shù)據(jù)理解階段之后，數(shù)據(jù)分析人員往往需要回到業(yè)務(wù)理解中重新考慮最初的知識(shí)發(fā)現(xiàn)目標(biāo)；在數(shù)據(jù)建模階段之后，需要新的數(shù)據(jù)預(yù)處理來(lái)改進(jìn)衍生數(shù)據(jù)模型，甚至開發(fā)其他數(shù)據(jù)模型；評(píng)估階段的調(diào)查結(jié)果還可能需要從第一個(gè)階段開始，即業(yè)務(wù)理解，以防模型不支持事先確定的知識(shí)發(fā)現(xiàn)目標(biāo)。以此來(lái)看，數(shù)據(jù)挖掘是一個(gè)從相對(duì)明確的業(yè)務(wù)目標(biāo)和數(shù)據(jù)開始的過(guò)程，這些目標(biāo)和數(shù)據(jù)已經(jīng)收集并可用于進(jìn)一步計(jì)算處理，這種過(guò)程類似于在確定礦物或金屬存在的特定地理位置開采有價(jià)值的礦物或金屬：數(shù)據(jù)是礦石，在礦石中發(fā)掘有價(jià)值的知識(shí)（Martínez-Plumed et al.， 2019）。

（二）知識(shí)創(chuàng)造過(guò)程：人的智慧與數(shù)據(jù)協(xié)同

數(shù)據(jù)挖掘雖然實(shí)現(xiàn)了從數(shù)據(jù)中提取有效信息乃至形成知識(shí)認(rèn)知，但其本質(zhì)上還不是真正意義上的知識(shí)創(chuàng)造，因?yàn)檎嬲闹R(shí)創(chuàng)造需要有人的智慧性參與。正如知識(shí)創(chuàng)造理論之父野中郁次郎（Nonaka， 1994）提出的知識(shí)創(chuàng)造動(dòng)態(tài)模型，強(qiáng)調(diào)知識(shí)的社會(huì)化、外在化、組合化和內(nèi)隱化，尤其強(qiáng)調(diào)社會(huì)互動(dòng)有助于擴(kuò)大和發(fā)展新知識(shí)，以及知識(shí)是通過(guò)默會(huì)（隱性）和明確（顯性）知識(shí)之間的持續(xù)對(duì)話而創(chuàng)造的。這凸顯人的智慧性在知識(shí)創(chuàng)造過(guò)程中的重要性?；诖?，Nonaka（1994）開發(fā)了組織知識(shí)創(chuàng)造過(guò)程模型（Organizational Knowledge Creation Process， OKCP）（如圖2所示）。這里的“組織”是指具有共同業(yè)務(wù)目標(biāo)的機(jī)構(gòu)或群體。該模型充實(shí)了個(gè)體與群體之間知識(shí)的傳播路徑，強(qiáng)調(diào)了擴(kuò)大個(gè)體知識(shí)、為共享知識(shí)尋找共同概念（概念化）、將共享知識(shí)具體化為具體產(chǎn)品或系統(tǒng)（結(jié)晶化）、評(píng)估所使用的產(chǎn)品和知識(shí)（論證）以及通過(guò)組織傳播概念（知識(shí)網(wǎng)絡(luò)化）的重要性。

從該模型的要素來(lái)看，首先知識(shí)創(chuàng)造的原動(dòng)力是個(gè)體，個(gè)體通過(guò)直接的“實(shí)踐”經(jīng)驗(yàn)積累隱性知識(shí)。隨后，個(gè)體在組織內(nèi)部分享和交流經(jīng)驗(yàn)，并在互動(dòng)過(guò)程中對(duì)隱性知識(shí)進(jìn)行概念化和反思，個(gè)體的知識(shí)就通過(guò)這種經(jīng)驗(yàn)與理性的相互作用而擴(kuò)大，并結(jié)晶成一個(gè)獨(dú)特的視角。其次，“論證”是最終聚合和篩選的過(guò)程，它決定了組織內(nèi)創(chuàng)造的知識(shí)在多大程度上對(duì)組織或社會(huì)真正有價(jià)值。從這個(gè)意義上講，論證決定了所創(chuàng)造知識(shí)的“質(zhì)量”，并涉及判斷真實(shí)性的標(biāo)準(zhǔn)。這符合傳統(tǒng)認(rèn)識(shí)論中對(duì)知識(shí)的定義，即“知識(shí)是證成的真信念”（Knowledge is justified， true beliefs）（斯坦福哲學(xué)百科全書，2020），其強(qiáng)調(diào)的是知識(shí)的真實(shí)性以及被論證。最后是知識(shí)網(wǎng)絡(luò)化。在該階段組織群體已經(jīng)將概念化、結(jié)晶化和論證的概念整合到組織知識(shí)庫(kù)中，組織知識(shí)庫(kù)構(gòu)成了一個(gè)完整的組織知識(shí)網(wǎng)絡(luò)；通過(guò)已建立的組織或社會(huì)愿景和新創(chuàng)建的概念之間相互誘導(dǎo)的互動(dòng)過(guò)程，新的知識(shí)被創(chuàng)造出來(lái)，最終擴(kuò)大了個(gè)體知識(shí)內(nèi)容并更新了個(gè)體內(nèi)部知識(shí)結(jié)構(gòu)。值得強(qiáng)調(diào)的是，知識(shí)創(chuàng)造過(guò)程是一個(gè)永無(wú)止境的循環(huán)過(guò)程，它不局限于組織內(nèi)部，包括許多與外部環(huán)境的接口，因?yàn)榄h(huán)境是激勵(lì)組織內(nèi)知識(shí)創(chuàng)造的持續(xù)來(lái)源，比如來(lái)自環(huán)境中的社會(huì)發(fā)展意圖、混亂與波動(dòng)、信息冗余等都會(huì)引發(fā)組織知識(shí)創(chuàng)造。

該模型揭示了從人的經(jīng)驗(yàn)知識(shí)出發(fā)經(jīng)過(guò)社會(huì)化反思與論證而產(chǎn)生新知識(shí)的過(guò)程。但大數(shù)據(jù)時(shí)代海量數(shù)據(jù)成為知識(shí)發(fā)現(xiàn)與創(chuàng)造的新源泉，新的知識(shí)創(chuàng)造方式應(yīng)融合數(shù)據(jù)挖掘的理念與方法，并將人的智慧性與技術(shù)的智能化進(jìn)行融合。為此，海科等人（Haiko et al.， 2021）從數(shù)據(jù)科學(xué)的視角整合了CRISP-DM框架與OKCP框架，構(gòu)建了數(shù)據(jù)科學(xué)指向的知識(shí)創(chuàng)造過(guò)程模型，即數(shù)據(jù)智能和分析的知識(shí)創(chuàng)造模型（如圖3所示）。他們認(rèn)為CRISP-DM框架與OKCP框架剛好形成相輔相成的關(guān)系，能將“利用個(gè)人默會(huì)知識(shí)創(chuàng)建組織知識(shí)”和“專注于數(shù)據(jù)挖掘模型的構(gòu)建”的優(yōu)勢(shì)結(jié)合，能為數(shù)據(jù)分析師和領(lǐng)域?qū)I(yè)人員之間的知識(shí)協(xié)同作用創(chuàng)造空間。

根據(jù)其內(nèi)容介紹，本研究將該過(guò)程劃分為三個(gè)階段：

第一個(gè)階段是業(yè)務(wù)理解與概念化階段。該模型的前兩個(gè)活動(dòng)“擴(kuò)大個(gè)體知識(shí)”“分享隱性知識(shí)”可以等同于CRISP-DM框架的“業(yè)務(wù)理解”。不同個(gè)體通過(guò)社會(huì)化互動(dòng)進(jìn)行經(jīng)驗(yàn)知識(shí)的發(fā)散與聚合，能夠增加組織整體知識(shí)和提升不同個(gè)體對(duì)業(yè)務(wù)內(nèi)容的共同理解。比如，領(lǐng)域?qū)＜遗c數(shù)據(jù)分析師的知識(shí)背景不同，他們可以在此階段形成數(shù)據(jù)挖掘目標(biāo)的共識(shí)。該模型的第三個(gè)要素“業(yè)務(wù)概念”（Business concept）是CRISP-DM與OKCP的融合要素，因?yàn)椤皹I(yè)務(wù)概念”活動(dòng)的目的是個(gè)體通過(guò)互動(dòng)分享來(lái)擴(kuò)充知識(shí)，以增強(qiáng)對(duì)業(yè)務(wù)內(nèi)容的理解（這與CRISP-DM的“業(yè)務(wù)理解”一致），從而促進(jìn)業(yè)務(wù)內(nèi)容的概念化，這為發(fā)展業(yè)務(wù)概念創(chuàng)造了有利條件，而且該階段獲得的業(yè)務(wù)概念將為后續(xù)活動(dòng)中的“模型創(chuàng)建”提供藍(lán)本。

第二個(gè)階段是數(shù)據(jù)準(zhǔn)備與建模階段。該階段是進(jìn)入以數(shù)據(jù)為中心的循環(huán)圈。首先，“數(shù)據(jù)理解”是依據(jù)確定的業(yè)務(wù)概念來(lái)確定數(shù)據(jù)的來(lái)源與采集方式等。其次，“數(shù)據(jù)準(zhǔn)備”即對(duì)數(shù)據(jù)進(jìn)行清理、篩選和整合，并保證數(shù)據(jù)質(zhì)量（“數(shù)據(jù)理解”“數(shù)據(jù)準(zhǔn)備”是CRISP-DM的關(guān)鍵要素）。再其次，“模型創(chuàng)建”是CRISP-DM“建?！迸cOKCP“結(jié)晶化”的結(jié)合，強(qiáng)調(diào)建立不同的數(shù)據(jù)挖掘模型以及將業(yè)務(wù)目標(biāo)具體化到最終產(chǎn)出的制品。最后，“評(píng)估和論證”是兩個(gè)框架的第三個(gè)結(jié)合點(diǎn)，這里強(qiáng)調(diào)既要測(cè)試和驗(yàn)證數(shù)據(jù)，對(duì)模型進(jìn)行評(píng)估，也要根據(jù)領(lǐng)域?qū)I(yè)知識(shí)為模型提供論證。在數(shù)據(jù)與領(lǐng)域?qū)I(yè)知識(shí)的雙重標(biāo)準(zhǔn)下對(duì)模型進(jìn)行評(píng)價(jià)和論證，將能夠充分判斷模型是否足夠優(yōu)化、是否可以使用、是否還需要改進(jìn)；若模型需要更多改進(jìn)，則返回至“業(yè)務(wù)概念”活動(dòng)尋求獲得有關(guān)業(yè)務(wù)內(nèi)容的新見解，啟動(dòng)新一輪迭代循環(huán)。

第三個(gè)階段是知識(shí)生成與模型應(yīng)用階段。該階段包括兩項(xiàng)內(nèi)容：一是OKCP“知識(shí)網(wǎng)絡(luò)化”，意在組織內(nèi)進(jìn)行知識(shí)傳播，促進(jìn)由數(shù)據(jù)挖掘獲得和提煉的新知識(shí)與個(gè)體知識(shí)的重組，以建立新的知識(shí)結(jié)構(gòu)或擴(kuò)充知識(shí)內(nèi)容。二是CRISP-DM“部署”，重點(diǎn)是對(duì)新知識(shí)、新模型的應(yīng)用，應(yīng)向組織成員以及業(yè)務(wù)相關(guān)利益者介紹說(shuō)明如何使用已經(jīng)建立的知識(shí)發(fā)現(xiàn)模型。相對(duì)而言，CRISP-DM在以數(shù)據(jù)作為原料的知識(shí)發(fā)現(xiàn)方式上更加敏銳，所以選擇將“部署”活動(dòng)作為模型組成要素，而且在“部署”活動(dòng)中能夠提供如何在組織中實(shí)施應(yīng)用知識(shí)發(fā)現(xiàn)模型的策略，以促進(jìn)有效應(yīng)用該模型來(lái)發(fā)現(xiàn)更多新知識(shí)。

通過(guò)以上數(shù)據(jù)科學(xué)指向的數(shù)據(jù)挖掘與知識(shí)創(chuàng)造過(guò)程，我們可以知道新的知識(shí)創(chuàng)造方式已經(jīng)形成，數(shù)據(jù)也已成為新的知識(shí)生產(chǎn)要素。從數(shù)據(jù)到信息，再到知識(shí)，這一數(shù)據(jù)增值鏈條闡釋了數(shù)據(jù)科學(xué)指向的知識(shí)創(chuàng)造是對(duì)大規(guī)模、多樣性的數(shù)據(jù)進(jìn)行聚集、清洗、挖掘和再生產(chǎn)，從而形成一種基于數(shù)據(jù)集與算法邏輯規(guī)則的知識(shí)發(fā)現(xiàn)、理解和應(yīng)用。這種以數(shù)據(jù)為主要原料的知識(shí)生產(chǎn)過(guò)程以及智能化算法與技術(shù)的加持，或許已經(jīng)在顛覆我們以往對(duì)知識(shí)的認(rèn)識(shí)，促使人們形成新的知識(shí)觀。比如在知識(shí)主體上，吳飛等（2020）指出“人類的知識(shí)生產(chǎn)經(jīng)歷了從傳統(tǒng)的個(gè)體思考、專業(yè)組織到算法引導(dǎo)和人機(jī)協(xié)同的新階段”，人機(jī)協(xié)同的新階段則生動(dòng)詮釋了人工智能參與知識(shí)生產(chǎn)的形態(tài)——人的智慧性與技術(shù)的智能化融合。而且在知識(shí)的含義、知識(shí)的類型、知識(shí)的獲取方式、知識(shí)的意義等眾多方面對(duì)知識(shí)哲學(xué)產(chǎn)生了深刻影響（肖峰， 2020a）。

四、數(shù)據(jù)科學(xué)下新知識(shí)觀的形成

數(shù)據(jù)在智能時(shí)代的重要性日益凸顯，因?yàn)閿?shù)據(jù)是實(shí)現(xiàn)智能的基礎(chǔ)，從這個(gè)角度甚至可以狹義地認(rèn)為人工智能是數(shù)據(jù)科學(xué)的重要分支。從人們認(rèn)識(shí)到與行動(dòng)相關(guān)的知識(shí)對(duì)發(fā)展人工智能的重要性開始，專家知識(shí)系統(tǒng)、機(jī)器學(xué)習(xí)（深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)）等一系列關(guān)于知識(shí)工程的技術(shù)或算法接連出現(xiàn)。智能技術(shù)讓機(jī)器從大量數(shù)據(jù)集學(xué)習(xí)中形成自己的知識(shí)或是由機(jī)器感知外部環(huán)境獲取數(shù)據(jù)來(lái)發(fā)現(xiàn)知識(shí)，逐漸顛覆了人類傳統(tǒng)知識(shí)創(chuàng)造依靠經(jīng)驗(yàn)、認(rèn)知乃至直覺的方式（顧小清 & 郝祥軍， 2022）。在數(shù)據(jù)與技術(shù)的雙重推動(dòng)下，人類的科學(xué)知識(shí)生產(chǎn)方式與生產(chǎn)要素都發(fā)生了巨大變化。

（一）知識(shí)生產(chǎn)方式的變化

認(rèn)識(shí)論是有關(guān)知識(shí)的哲學(xué)分支，知識(shí)是認(rèn)識(shí)論領(lǐng)域的核心主題，它研究我們所知道的（內(nèi)容）、我們?nèi)绾沃溃ǚ椒ǎ┮约爸酪馕吨裁矗ㄒ饬x）。早期的研究者們大致形成三種知識(shí)觀念：一是“唯理論”，代表者有笛卡爾、斯賓諾莎和萊布尼茨等人，他們主張“天賦觀念”是知識(shí)的源泉，唯有經(jīng)過(guò)人腦的演繹和綜合推理獲得的理性認(rèn)識(shí)才是可靠的知識(shí)，因此唯理論推崇演繹法；二是“經(jīng)驗(yàn)論”，代表人物有貝克萊、休謨和馬赫等，他們認(rèn)為感知經(jīng)驗(yàn)是知識(shí)的來(lái)源，是對(duì)客觀世界的直接反映，通過(guò)經(jīng)驗(yàn)歸納和總結(jié)形成知識(shí)，因而經(jīng)驗(yàn)論崇尚歸納法；三是對(duì)“唯理論”和“經(jīng)驗(yàn)論”的綜合，代表人物是康德，其將感知經(jīng)驗(yàn)作為認(rèn)知基礎(chǔ)，需要通過(guò)“天賦”的認(rèn)知規(guī)則即演繹、歸納和類比等才能形成知識(shí)，兩者缺一不可。由此可知，傳統(tǒng)的知識(shí)觀強(qiáng)調(diào)經(jīng)驗(yàn)以及主體認(rèn)知，夾雜著一定的主觀性。

科學(xué)是知識(shí)生產(chǎn)的重要途徑（張康之， 2021）。在近代認(rèn)識(shí)論的演變當(dāng)中，科學(xué)知識(shí)生產(chǎn)經(jīng)歷了從“科學(xué)始于觀察”到“科學(xué)始于問題”，再到今天“科學(xué)始于數(shù)據(jù)”的轉(zhuǎn)變。首先，“科學(xué)始于觀察”是現(xiàn)代西方科學(xué)哲學(xué)中邏輯實(shí)證主義所秉持的觀點(diǎn)，他們認(rèn)為觀察包括自然觀察與實(shí)驗(yàn)觀察兩種，任何觀察都代表科學(xué)研究者對(duì)于事物對(duì)象的客觀認(rèn)識(shí)，是人的感官能夠感知的。在這種觀察感知的基礎(chǔ)上通過(guò)歸納方法總結(jié)出科學(xué)知識(shí)，可以說(shuō)深受經(jīng)驗(yàn)認(rèn)識(shí)論的影響。其次，“科學(xué)始于問題”是證偽主義者波普爾提出的著名觀點(diǎn)（邱仁宗， 2006， p. 51），他認(rèn)為邏輯實(shí)證主義所尊崇的觀察并不具備絕對(duì)的客觀性而且是有限的，這種歸納得出的認(rèn)識(shí)深受科學(xué)研究者的背景與理論預(yù)設(shè)影響，因而提倡科學(xué)的邏輯起點(diǎn)應(yīng)始于“問題”，科學(xué)研究者針對(duì)現(xiàn)有理論無(wú)法解決的“問題”提出各種猜想與假設(shè)并在實(shí)驗(yàn)當(dāng)中驗(yàn)證（問題→猜想性理論→排除錯(cuò)誤→新問題）?？梢钥闯?，“科學(xué)始于問題”的知識(shí)生產(chǎn)方式綜合了經(jīng)驗(yàn)論與唯理論的思想，強(qiáng)調(diào)實(shí)驗(yàn)法對(duì)發(fā)現(xiàn)科學(xué)知識(shí)的重要性。最后，“科學(xué)始于數(shù)據(jù)”成為大數(shù)據(jù)時(shí)代知識(shí)生產(chǎn)與科學(xué)發(fā)現(xiàn)的一種新方式（黃欣榮，2014）。時(shí)至今日，各類信息媒體或智能工具為人類構(gòu)建了一個(gè)數(shù)據(jù)世界，從數(shù)據(jù)中挖掘新知識(shí)、新規(guī)律是數(shù)據(jù)科學(xué)“開礦掘金”，實(shí)現(xiàn)數(shù)據(jù)到信息、知識(shí)的轉(zhuǎn)化增值，指向知識(shí)創(chuàng)造與生產(chǎn)的使命?！翱茖W(xué)始于數(shù)據(jù)”的方式就是以規(guī)模巨大、類型多樣的數(shù)據(jù)作為知識(shí)生產(chǎn)原料，這將能夠打破傳統(tǒng)以主觀經(jīng)驗(yàn)為主導(dǎo)的知識(shí)生產(chǎn)局限，走向以客觀數(shù)據(jù)為主導(dǎo)的規(guī)律探索與知識(shí)發(fā)現(xiàn)。

“科學(xué)始于數(shù)據(jù)”的知識(shí)生產(chǎn)方式得益于數(shù)據(jù)量化萬(wàn)物的思想，哪怕是人類已經(jīng)固化于書本的知識(shí)乃至人類的社會(huì)化行為都可以被技術(shù)數(shù)字化、符號(hào)化為數(shù)據(jù)表達(dá)。所以，這里的數(shù)據(jù)不僅僅是指狹義理解中的數(shù)字形式，而是對(duì)人類世界一切事物的數(shù)據(jù)化表征，可以是人類原始的行為與經(jīng)驗(yàn)，也可以是人類已經(jīng)確證或固化于書本的知識(shí)，包含表格、圖形、圖像、視頻和文本等多類型、多模態(tài)的數(shù)據(jù)形式，所以數(shù)據(jù)的類型也分為非結(jié)構(gòu)化、半結(jié)構(gòu)化和結(jié)構(gòu)化。這種量化的方式使得現(xiàn)在的人工智能機(jī)器能夠靈活運(yùn)用人類知識(shí)，比如AlphaGo在機(jī)器學(xué)習(xí)算法支持下從預(yù)置的大量人類棋手棋局模板中學(xué)習(xí)圍棋知識(shí)實(shí)現(xiàn)了人機(jī)較量；“微軟小冰”通過(guò)學(xué)習(xí)人類已經(jīng)廣泛流傳的詩(shī)歌、音樂和美術(shù)等作品實(shí)現(xiàn)藝術(shù)創(chuàng)作，甚至舉辦了畫展、出版了個(gè)人繪畫作品集，引發(fā)了人類對(duì)AI知識(shí)產(chǎn)權(quán)主體的倫理探討（曹新明 等， 2020）。正如陳麗（2019）在闡述知識(shí)觀變革的動(dòng)因時(shí)指出的，“信息與行為的可量化”使得人類第一次可以運(yùn)用數(shù)據(jù)科學(xué)方法精準(zhǔn)分析和系統(tǒng)掌握人類行為的規(guī)律。這揭示了數(shù)據(jù)科學(xué)影響下知識(shí)生產(chǎn)方式變化的根本原因，即以數(shù)據(jù)作為紐帶形成連接，創(chuàng)建了平行于宇宙的鏡像數(shù)據(jù)世界。同時(shí)，這一知識(shí)生產(chǎn)方式的變化也從正面詮釋了人類認(rèn)知的三類進(jìn)路（董春雨 等， 2018）：一是純粹靠人類感知獲得的經(jīng)驗(yàn)知識(shí)；二是以實(shí)驗(yàn)為手段，通過(guò)儀器量化來(lái)衍生人類感知與經(jīng)驗(yàn)；三是大數(shù)據(jù)技術(shù)推動(dòng)“萬(wàn)物數(shù)據(jù)化”，以“數(shù)據(jù)+算法”獲得一般性規(guī)律。這同樣也揭示了知識(shí)形態(tài)的演進(jìn)過(guò)程，即從經(jīng)驗(yàn)形態(tài)的知識(shí)（在感官所能觸及的層次上把握世界）到原理形態(tài)的知識(shí)（以普遍公式和系統(tǒng)推理構(gòu)成的演繹體系表達(dá)的知識(shí)，并通過(guò)實(shí)驗(yàn)加以驗(yàn)證），以及今天有信息技術(shù)支撐的交疊形態(tài)的知識(shí)（韓震， 2021）。信息技術(shù)支撐的交疊形態(tài)的知識(shí)是以計(jì)算科學(xué)來(lái)闡釋人類的社會(huì)現(xiàn)象與科學(xué)問題，通過(guò)大量、多源的數(shù)據(jù)采集、處理、挖掘和分析來(lái)構(gòu)建一個(gè)與客觀世界平行的鏡像數(shù)據(jù)世界并獲得認(rèn)識(shí)，從而實(shí)現(xiàn)大數(shù)據(jù)知識(shí)發(fā)現(xiàn)與生產(chǎn)。

（二）知識(shí)生產(chǎn)要素的變化

以數(shù)據(jù)為關(guān)鍵原料的知識(shí)生產(chǎn)范式的出現(xiàn)與知識(shí)形態(tài)的演變，意味著新的認(rèn)識(shí)論或知識(shí)觀正在悄然形成。例如，董春雨等（2019）就在大數(shù)據(jù)、機(jī)器學(xué)習(xí)科學(xué)應(yīng)用背景下討論了機(jī)器認(rèn)識(shí)論的可能性，總結(jié)出以數(shù)據(jù)為基礎(chǔ)的認(rèn)識(shí)論正在從人類中心走向非人類中心。今天處在知識(shí)經(jīng)濟(jì)時(shí)代的重要發(fā)展階段，生產(chǎn)要素的形態(tài)隨著經(jīng)濟(jì)發(fā)展不斷變遷。2020年3月30日中共中央、國(guó)務(wù)院發(fā)布《關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見》，首次將數(shù)據(jù)增列為生產(chǎn)要素，數(shù)據(jù)成為新的生產(chǎn)力。眾所周知，生產(chǎn)力包括勞動(dòng)者、勞動(dòng)對(duì)象、勞動(dòng)工具，三者的結(jié)合構(gòu)成生產(chǎn)方式。那么，“科學(xué)始于數(shù)據(jù)”的知識(shí)生產(chǎn)方式的形成代表著知識(shí)生產(chǎn)要素，即“知識(shí)生產(chǎn)主體”“知識(shí)生產(chǎn)對(duì)象”“知識(shí)生產(chǎn)技術(shù)與工具”發(fā)生了重大變化。

1. 知識(shí)生產(chǎn)主體，出現(xiàn)人、智能機(jī)器和人機(jī)協(xié)同三者共生的形態(tài)。人自出生時(shí)起就開始與外界產(chǎn)生各種交互而獲得知識(shí)，最原始的是通過(guò)觀察模仿行為，進(jìn)而形成認(rèn)識(shí)、創(chuàng)新行為，逐漸適應(yīng)社會(huì)生活。這也是現(xiàn)在廣受肯定的具身認(rèn)知下的知識(shí)觀，即“知識(shí)是內(nèi)嵌于環(huán)境之中，是認(rèn)知主體與對(duì)象、環(huán)境相互作用的結(jié)果”（范文翔 等， 2020），強(qiáng)調(diào)了“物體—背景—身體”的整體結(jié)構(gòu)，體現(xiàn)了“人”作為認(rèn)知主體的知識(shí)建構(gòu)形態(tài)。智能機(jī)器也是基于知識(shí)的運(yùn)行結(jié)果，機(jī)器最初被“輸入”人類的知識(shí)（專家知識(shí)系統(tǒng)）、模擬人的思維，然后變得能夠自動(dòng)學(xué)習(xí)或生產(chǎn)（機(jī)器學(xué)習(xí)）原本需要通過(guò)實(shí)踐、認(rèn)知和頓悟才能獲得的知識(shí)。智能機(jī)器開始能夠參與乃至主導(dǎo)一些人類的知識(shí)生產(chǎn)活動(dòng)，比如大家所熟知的“微軟小冰”，還有我們每天閱讀的新聞資訊也開始轉(zhuǎn)變?yōu)槿藱C(jī)協(xié)同編輯甚至機(jī)器自動(dòng)化生成，原有的傳播格局被打破（任瑞娟 等， 2021）。知識(shí)創(chuàng)造似乎再也不是人類獨(dú)有的智慧專利。盡管目前機(jī)器還不能達(dá)到人的智能程度，但機(jī)器已經(jīng)表現(xiàn)出來(lái)的高級(jí)智能不容小覷，基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)算法的“自學(xué)習(xí)”過(guò)程在人工智能領(lǐng)域已經(jīng)實(shí)現(xiàn)。智能化的技術(shù)使得碎片化知識(shí)和跨領(lǐng)域知識(shí)能夠快速整合與聯(lián)結(jié)，知識(shí)生產(chǎn)與迭代速率已經(jīng)超乎想象，基于算法規(guī)則的知識(shí)生產(chǎn)已經(jīng)在文藝創(chuàng)作、新聞、醫(yī)學(xué)、生物等各類活動(dòng)當(dāng)中實(shí)現(xiàn)。但人和智能機(jī)器都有各自的局限，比如人在面對(duì)海量數(shù)據(jù)時(shí)的處理能力不足，智能機(jī)器對(duì)數(shù)據(jù)分析結(jié)果的理解力與可解釋性不足，等等。人工智能所能支持的自主知識(shí)創(chuàng)造是機(jī)器對(duì)人類智能理性思維的機(jī)械模仿，本質(zhì)上依然欠缺人的社會(huì)與情感屬性。正如王鑫等（2018）在探討人工智能的知識(shí)觀時(shí)指出的，AI已經(jīng)發(fā)展到如何具備人類思維與常識(shí)的技術(shù)節(jié)點(diǎn)，需要嘗試修復(fù)機(jī)器先天欠缺的“靈魂”，賦予機(jī)器常識(shí)，促進(jìn)機(jī)器的知識(shí)理解、交互、自主學(xué)習(xí)與常識(shí)推理能力。對(duì)于現(xiàn)在的機(jī)器智能水平而言，想要跨越這個(gè)技術(shù)節(jié)點(diǎn)，必須人與機(jī)器高度協(xié)同。所以，在數(shù)據(jù)成為重要知識(shí)生產(chǎn)要素的形勢(shì)下，在當(dāng)前乃至未來(lái)的知識(shí)生產(chǎn)活動(dòng)中，人、智能機(jī)器以及兩者協(xié)同都是可以共同存在的主體形態(tài)（郝祥軍 & 賀雪， 2022）。人的歸人、機(jī)器的歸機(jī)器，讓人和機(jī)器在各自最擅長(zhǎng)的領(lǐng)域或環(huán)節(jié)發(fā)揮最大的作用，未來(lái)的知識(shí)生產(chǎn)分工也將更加明確。

2. 知識(shí)生產(chǎn)對(duì)象，范圍不斷拓展以及需要進(jìn)行數(shù)據(jù)化形式轉(zhuǎn)換。在人類以往的知識(shí)生產(chǎn)活動(dòng)中，知識(shí)生產(chǎn)主體主要面對(duì)的都是自然物理空間與人類社會(huì)空間，探索的是人類復(fù)雜的自然科學(xué)與社會(huì)科學(xué)問題。但隨著大數(shù)據(jù)時(shí)代的到來(lái)，信息爆炸與數(shù)據(jù)量暴增，人類開始從數(shù)據(jù)映射的信息空間中挖掘反映自然人類與社會(huì)的規(guī)律。人類社會(huì)、物理世界、信息空間構(gòu)成了當(dāng)今世界的三元，三者之間相互作用決定了社會(huì)發(fā)展呈現(xiàn)出數(shù)字化、網(wǎng)絡(luò)化和智能化的技術(shù)特征（徐宗本， 2019）。因此，知識(shí)生產(chǎn)對(duì)象相比以往有兩個(gè)關(guān)鍵特征。其一，知識(shí)生產(chǎn)的資源范圍被拓展。恰如陳麗等（2019）在闡述“互聯(lián)網(wǎng)+教育”背景下所出現(xiàn)的回歸論知識(shí)觀時(shí)指出，互聯(lián)網(wǎng)的出現(xiàn)正在改變知識(shí)的內(nèi)涵、生產(chǎn)方式和傳播方式，為人類創(chuàng)建了繼社會(huì)空間、物理空間后的信息空間，呈現(xiàn)出信息貢獻(xiàn)草根化、信息生產(chǎn)眾籌化、聯(lián)結(jié)關(guān)系網(wǎng)絡(luò)化等關(guān)鍵特征，知識(shí)不再僅存于單個(gè)人的頭腦中，還存在于個(gè)體、組織和機(jī)器等不同主體組成的網(wǎng)絡(luò)中。而且在知識(shí)被生產(chǎn)和被吸收的同時(shí)，也會(huì)以某種信息形態(tài)在數(shù)據(jù)庫(kù)中被存儲(chǔ)下來(lái)。在知識(shí)生產(chǎn)資源獲取上將不再局限在紙本文獻(xiàn)或組織內(nèi)部，而逐漸延伸到互聯(lián)網(wǎng)、社交媒體和社區(qū)網(wǎng)絡(luò)等內(nèi)容上，實(shí)現(xiàn)了跨時(shí)空的范圍拓展。對(duì)于數(shù)據(jù)科學(xué)下的知識(shí)創(chuàng)造而言，存儲(chǔ)于互聯(lián)網(wǎng)中的知識(shí)或信息就是一種數(shù)據(jù)形式，可以被特定智能技術(shù)（如語(yǔ)義分析和自然語(yǔ)言處理）進(jìn)行知識(shí)表征和推理。其二，知識(shí)生產(chǎn)資料的數(shù)據(jù)化。信息空間的主要成因是客觀世界的量化與數(shù)據(jù)化，在數(shù)字化環(huán)境當(dāng)中人的行為和事物都被智能設(shè)備完整記錄和儲(chǔ)存，數(shù)據(jù)與事物之間形成一種數(shù)據(jù)世界與物理世界的映射關(guān)系。當(dāng)數(shù)據(jù)量化萬(wàn)物，人類生活空間的一切事物就都可以在數(shù)據(jù)科學(xué)的指導(dǎo)下實(shí)現(xiàn)價(jià)值挖掘。在AI影響下的認(rèn)識(shí)論中，人借助AI輔助認(rèn)識(shí)時(shí)，必須是在對(duì)人所面對(duì)的世界加以數(shù)據(jù)化后，機(jī)器的認(rèn)識(shí)過(guò)程才可開啟，所以對(duì)于人的認(rèn)識(shí)對(duì)象的數(shù)據(jù)化是智能機(jī)器在認(rèn)識(shí)對(duì)象上的特點(diǎn)，也是前提（肖峰， 2020 b）。王竹立（2019）曾以軟、硬知識(shí)為主要?jiǎng)澐謽?biāo)志來(lái)描述新知識(shí)觀，提出了“知識(shí)結(jié)構(gòu)由靜態(tài)層級(jí)變成動(dòng)態(tài)網(wǎng)絡(luò)”“軟知識(shí)越來(lái)越多，硬知識(shí)也開始變軟”“知識(shí)生產(chǎn)由單純依靠人類變?yōu)槿藱C(jī)合作”等變化，恰恰從知識(shí)生產(chǎn)主體和知識(shí)生產(chǎn)對(duì)象層面肯定了智能時(shí)代新知識(shí)觀的發(fā)展轉(zhuǎn)向。所以，從知識(shí)生產(chǎn)對(duì)象來(lái)看，數(shù)據(jù)科學(xué)影響下知識(shí)觀以量化、數(shù)據(jù)化的資料為核心原料，而且在互聯(lián)網(wǎng)和智能技術(shù)塑造的時(shí)空中，數(shù)據(jù)化的生產(chǎn)資料范圍逐漸覆蓋到人類社會(huì)、物理世界和信息空間三元融合的空間。

3. 知識(shí)生產(chǎn)技術(shù)與工具，主要以智能算法為支撐，凸顯相關(guān)性思維。當(dāng)前人工智能技術(shù)發(fā)展日新月異，數(shù)據(jù)挖掘在人工智能和統(tǒng)計(jì)分析的推動(dòng)下取得了較大突破，實(shí)現(xiàn)了自動(dòng)化、智能化知識(shí)發(fā)現(xiàn)以及趨勢(shì)預(yù)測(cè)。尤其機(jī)器學(xué)習(xí)的快速發(fā)展，極大提升了數(shù)據(jù)挖掘或數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)的效率與質(zhì)量。亞馬遜首席科學(xué)家李沐（知乎， 2017）認(rèn)為，成功的機(jī)器學(xué)習(xí)應(yīng)包括“數(shù)據(jù)、轉(zhuǎn)換數(shù)據(jù)的模型、衡量模型好壞的損失函數(shù)和一個(gè)調(diào)整模型權(quán)重來(lái)最小化損失函數(shù)的算法”四大要素。而這與前文數(shù)據(jù)挖掘過(guò)程對(duì)“數(shù)據(jù)準(zhǔn)備”“建模”所提出的要求不謀而合。知識(shí)發(fā)現(xiàn)技術(shù)中基于算法的方法是主要一類，典型的應(yīng)用于知識(shí)發(fā)現(xiàn)的算法有貝葉斯網(wǎng)絡(luò)、決策樹、K-means聚類、關(guān)聯(lián)規(guī)則挖掘、聯(lián)機(jī)分析處理（On-line Analytical Processing， OLAP）、神經(jīng)網(wǎng)絡(luò)、遺傳算法和模糊分類等。在算法的支持下，知識(shí)發(fā)現(xiàn)的知識(shí)類型包括分類型、關(guān)聯(lián)型、預(yù)測(cè)型和偏差型等。因此，從知識(shí)生產(chǎn)的工具來(lái)看，大數(shù)據(jù)時(shí)代的知識(shí)生產(chǎn)技術(shù)與工具轉(zhuǎn)向了以智能算法為支撐的數(shù)據(jù)挖掘。而這種算法支撐下的知識(shí)生產(chǎn)凸顯一種思維轉(zhuǎn)變，即從因果轉(zhuǎn)向強(qiáng)調(diào)相關(guān)。因?yàn)樵谌f(wàn)物皆可數(shù)據(jù)化的條件下，人類越發(fā)趨向于發(fā)掘數(shù)據(jù)規(guī)律，不再追求數(shù)據(jù)之間的因果關(guān)系而追求其相關(guān)關(guān)系（比如沃爾瑪超市的啤酒和尿布的關(guān)系發(fā)現(xiàn)）。這是大數(shù)據(jù)作用下的一種認(rèn)知，即“相關(guān)關(guān)系比因果關(guān)系能更好地了解這個(gè)世界”（舍恩伯格 等，2013，p.67）。肖峰（2020 a）在人工智能的知識(shí)哲學(xué)研究中以AlphaGo可以下棋但不懂棋理知識(shí)為例，也論述到人工智能只是從相關(guān)性分析中統(tǒng)計(jì)出一種數(shù)據(jù)意義上的最優(yōu)解，而不會(huì)對(duì)事物進(jìn)行因果性的理解和把握來(lái)決策。所以，在智能技術(shù)塑造的充滿不確定性的社會(huì)中，隨著知識(shí)經(jīng)濟(jì)的發(fā)展，以物質(zhì)形態(tài)出現(xiàn)的生產(chǎn)要素在產(chǎn)品中的價(jià)值比重下降，而越發(fā)注重知識(shí)、信息的資源價(jià)值，知識(shí)生產(chǎn)的方式與思維也隨之改變（張康之， 2021）。而且，今天越來(lái)越多的科學(xué)數(shù)據(jù)或信息都長(zhǎng)期存儲(chǔ)在可以開放獲取的各類智能系統(tǒng)當(dāng)中，知識(shí)的呈現(xiàn)也不再局限于白紙黑字，而更加傾向于選擇數(shù)字化和數(shù)據(jù)化表達(dá)。智能技術(shù)對(duì)人類世界的感知、建模和分析都在朝著數(shù)據(jù)定義萬(wàn)物、數(shù)據(jù)量化萬(wàn)物、數(shù)據(jù)聯(lián)接萬(wàn)物的方向發(fā)展。這就要求知識(shí)生產(chǎn)工作者應(yīng)掌握數(shù)據(jù)挖掘的技能，以勝任現(xiàn)在乃至未來(lái)的很多科學(xué)發(fā)現(xiàn)與知識(shí)生產(chǎn)工作。

知識(shí)是指人在實(shí)踐中認(rèn)識(shí)世界和自我的成果，與人的認(rèn)識(shí)和經(jīng)驗(yàn)、信息和信念等具有密切關(guān)系（潘洪建， 2004， pp. 2-14）。所以，知識(shí)也是認(rèn)識(shí)論關(guān)注的核心，知識(shí)觀是指人們對(duì)知識(shí)的基本看法、見解與信念，是人們對(duì)知識(shí)問題的總體看法。因此，知識(shí)觀從人的認(rèn)識(shí)上來(lái)看是關(guān)于知識(shí)的理論探討，主要圍繞認(rèn)識(shí)的來(lái)源、認(rèn)識(shí)發(fā)展的過(guò)程以及認(rèn)識(shí)與實(shí)踐的關(guān)系等問題（肖峰， 2020 a）。綜上所述，知識(shí)生產(chǎn)方式轉(zhuǎn)向以數(shù)據(jù)挖掘?yàn)橹饕x擇，標(biāo)志著人類的知識(shí)生產(chǎn)打破了只通過(guò)“人在實(shí)踐獲得認(rèn)知”的方式局限，現(xiàn)在機(jī)器可以直接模擬人的思維處理海量數(shù)據(jù)，自動(dòng)生產(chǎn)原本需要通過(guò)實(shí)踐、認(rèn)知和頓悟才能獲得的知識(shí)，以及人可以操作機(jī)器來(lái)分析那些并非自身實(shí)踐的數(shù)據(jù)來(lái)獲取認(rèn)知，這在一定程度上也改變了認(rèn)識(shí)與實(shí)踐的關(guān)系。從知識(shí)生產(chǎn)的要素變化來(lái)看，首先知識(shí)不再僅是“人”這一主體認(rèn)識(shí)世界和自我的成果，而是需要機(jī)器來(lái)處理突破人類極限的海量數(shù)據(jù)，走向人機(jī)協(xié)同知識(shí)創(chuàng)造；其次，機(jī)器可以直接越過(guò)人類而從數(shù)據(jù)中挖掘知識(shí)其實(shí)已經(jīng)改變了認(rèn)識(shí)的來(lái)源，即知識(shí)生產(chǎn)的對(duì)象（以前是人通過(guò)經(jīng)驗(yàn)、頓悟和邏輯推理獲得知識(shí)，現(xiàn)在傾向于以海量的數(shù)據(jù)作為知識(shí)原料）；最后，知識(shí)生產(chǎn)的過(guò)程在技術(shù)提供的便利條件與工具支持下發(fā)生了變化，知識(shí)生產(chǎn)速度逐漸得到指數(shù)級(jí)提升，進(jìn)一步加劇了知識(shí)生產(chǎn)的量級(jí)（顧小清， 2021）。所以，在知識(shí)生產(chǎn)方式與要素的變化推動(dòng)下，知識(shí)的內(nèi)涵或許已經(jīng)發(fā)生相應(yīng)的改變，可能不僅僅是人在實(shí)踐中認(rèn)識(shí)世界和自我的成果，也逐漸包括了人和機(jī)器從鏡像數(shù)據(jù)世界中發(fā)掘和認(rèn)知現(xiàn)實(shí)世界的成果。

五、新知識(shí)觀下的教育發(fā)展

知識(shí)生產(chǎn)方式與要素的變化暗示著以數(shù)據(jù)為內(nèi)容的新知識(shí)觀的形成（顧小清 & 郝祥軍， 2022）。這是處在知識(shí)經(jīng)濟(jì)時(shí)代無(wú)法回避的趨勢(shì)，數(shù)據(jù)發(fā)展成為生產(chǎn)要素與生產(chǎn)力，已經(jīng)在各類知識(shí)生產(chǎn)過(guò)程中“誘導(dǎo)”著知識(shí)觀的重塑。這推動(dòng)著人才培養(yǎng)的協(xié)同升級(jí)，因?yàn)橹R(shí)生產(chǎn)與人才培養(yǎng)具有場(chǎng)景一致性、主體一致性和目標(biāo)重疊性（馬廷奇 等， 2019）。本研究認(rèn)為在新知識(shí)觀下，培養(yǎng)面向未來(lái)的人才，迎接知識(shí)創(chuàng)新挑戰(zhàn)，有三個(gè)問題需要在新的時(shí)代背景下探討并回答。

一是教什么知識(shí)的問題，應(yīng)嘗試構(gòu)建學(xué)科知識(shí)圖譜，發(fā)現(xiàn)學(xué)科知識(shí)關(guān)系。目前，知識(shí)還是教學(xué)的重點(diǎn)內(nèi)容，教師固守的教學(xué)知識(shí)來(lái)源主要還是教材。同時(shí)，課程標(biāo)準(zhǔn)是教材編寫的主要依據(jù)，也在某種程度上規(guī)定著教師教什么知識(shí)。即使相關(guān)的課程標(biāo)準(zhǔn)也在不斷更新，教材知識(shí)編排似乎還是遵循以往經(jīng)驗(yàn)主導(dǎo)的邏輯在推進(jìn)，憑著專家、教師累積的教學(xué)經(jīng)驗(yàn)與理解來(lái)劃定整個(gè)學(xué)科知識(shí)的范圍。這樣的方式雖然經(jīng)過(guò)時(shí)間的考量有其合理性，但在知識(shí)選擇、編排等方面的科學(xué)性以及知識(shí)本身性質(zhì)、特點(diǎn)、價(jià)值的客觀性上卻有缺陷。以此來(lái)看，教什么知識(shí)不是簡(jiǎn)單回答教什么具體知識(shí)的問題，而是回答什么知識(shí)更具價(jià)值的問題（季蘋， 2009， p. 3）。這更加證明“教什么知識(shí)”是不能僅憑人類經(jīng)驗(yàn)就能回答的。如今，數(shù)據(jù)科學(xué)在大數(shù)據(jù)與人工智能的推動(dòng)下為發(fā)現(xiàn)事物規(guī)律提供了重要的理論與方法支撐，其可視化的知識(shí)處理方式也使得人類能夠更加直觀地理解隱藏的知識(shí)關(guān)系?，F(xiàn)在備受推崇的知識(shí)圖譜技術(shù)，能夠用來(lái)分析學(xué)科知識(shí)的核心結(jié)構(gòu)與發(fā)展歷史，并通過(guò)挖掘分析對(duì)學(xué)科與跨學(xué)科知識(shí)之間的相互聯(lián)系進(jìn)行可視化，揭示知識(shí)的動(dòng)態(tài)發(fā)展規(guī)律。所以在數(shù)據(jù)分析的支持下，這將使教學(xué)知識(shí)更加具有完整性，從是什么、為什么、價(jià)值與意義等方面系統(tǒng)呈現(xiàn)知識(shí)的內(nèi)容與結(jié)構(gòu)，進(jìn)而提升知識(shí)教學(xué)的深度與廣度。因此，在新知識(shí)觀背景下，回答教什么知識(shí)的問題則可以運(yùn)用數(shù)據(jù)科學(xué)的手段對(duì)學(xué)科知識(shí)進(jìn)行全面關(guān)聯(lián)，發(fā)現(xiàn)潛在規(guī)律，組建學(xué)科結(jié)構(gòu)化的知識(shí)庫(kù)，搭建學(xué)科與跨學(xué)科的實(shí)體或概念以及之間的聯(lián)系，借助知識(shí)推理能力把各個(gè)知識(shí)點(diǎn)聯(lián)系起來(lái)，使其以更好的組織形式得到管理，實(shí)現(xiàn)領(lǐng)域知識(shí)共融。尤其在新課程標(biāo)準(zhǔn)頒布之后，新的教材編寫在即，應(yīng)借助智能算法與數(shù)據(jù)分析技術(shù)構(gòu)建學(xué)科知識(shí)圖譜，加強(qiáng)課程標(biāo)準(zhǔn)與學(xué)科教學(xué)的科學(xué)銜接，為大規(guī)模個(gè)性化教育實(shí)踐提供基礎(chǔ)。

二是知識(shí)如何教的問題，應(yīng)協(xié)同教師與數(shù)據(jù)的智慧，促進(jìn)個(gè)性化教育。教學(xué)觀的發(fā)展與知識(shí)觀的演進(jìn)有著內(nèi)在一致性，有什么樣的知識(shí)觀就可能導(dǎo)致什么樣的教學(xué)觀（潘洪建， 2004， pp. 31-32）。所以，知識(shí)如何教的問題在新的知識(shí)觀背景下需要重新思考與回答。在回答這個(gè)問題之前，我們應(yīng)注意知識(shí)的可傳遞性，要清楚教和學(xué)是兩個(gè)過(guò)程，若要知識(shí)有效傳遞則需要滿足主體的認(rèn)知態(tài)度一致性、認(rèn)知目標(biāo)一致性和認(rèn)知方法一致性（季蘋， 2009，pp. 34-36）。知識(shí)的可傳遞性要求知識(shí)教學(xué)要注重認(rèn)知主體的動(dòng)機(jī)和與其個(gè)性特征相適配的方法，其潛在內(nèi)涵恰恰指向“因材施教”的個(gè)性化教育。因此，關(guān)于知識(shí)如何教的問題是現(xiàn)代教學(xué)觀的重要內(nèi)容，應(yīng)在新的時(shí)代背景下扎實(shí)落實(shí)以學(xué)習(xí)者為中心的教育思想，關(guān)注人的全面發(fā)展，利用智能技術(shù)推動(dòng)個(gè)性化教育的落地。數(shù)據(jù)科學(xué)指向的知識(shí)創(chuàng)造將人的智慧與數(shù)據(jù)協(xié)同，既體現(xiàn)了人在社會(huì)活動(dòng)中的主體地位，也強(qiáng)調(diào)了數(shù)據(jù)所蘊(yùn)含的知識(shí)價(jià)值。同樣，在知識(shí)如何教的問題上，應(yīng)協(xié)同教師與數(shù)據(jù)的智慧，教師從以人為本、學(xué)生成長(zhǎng)的價(jià)值內(nèi)涵出發(fā)做好教學(xué)設(shè)計(jì)，同時(shí)在智能技術(shù)的賦能下多維度、全過(guò)程采集教與學(xué)的數(shù)據(jù)，通過(guò)數(shù)據(jù)發(fā)現(xiàn)教學(xué)狀態(tài)、反映教學(xué)活動(dòng)規(guī)律，從而使教師不斷生成對(duì)教學(xué)的理解，優(yōu)化教學(xué)實(shí)踐。今天的人工智能凸顯數(shù)據(jù)驅(qū)動(dòng)的智能特征，以數(shù)據(jù)來(lái)滿足知識(shí)傳遞過(guò)程中主體的認(rèn)知態(tài)度、認(rèn)知目標(biāo)和認(rèn)知方法的一致性，具有一定的可行性，因?yàn)閿?shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)教學(xué)模式做到了實(shí)時(shí)記錄、跟蹤和分析學(xué)習(xí)者的學(xué)習(xí)狀態(tài)和行為表現(xiàn)，有效促進(jìn)了教師開展差異化教學(xué)的探索。同時(shí)，以自適應(yīng)學(xué)習(xí)技術(shù)和認(rèn)知圖譜技術(shù)為主要支撐的知識(shí)追蹤、學(xué)習(xí)診斷和學(xué)習(xí)推薦也助力個(gè)性化學(xué)習(xí)的落地。所以，關(guān)于知識(shí)如何教的問題，應(yīng)明確教師與數(shù)據(jù)在教學(xué)實(shí)踐中所扮演的功能角色，從以往預(yù)設(shè)性教學(xué)轉(zhuǎn)向生成性教學(xué)，使教師的智慧與數(shù)據(jù)驅(qū)動(dòng)的智能得以協(xié)同，探索滿足學(xué)生個(gè)人發(fā)展需要的個(gè)性化教育實(shí)現(xiàn)路徑。

三是如何化知識(shí)為素養(yǎng)的問題，應(yīng)以數(shù)據(jù)科學(xué)的思想和方法指導(dǎo)構(gòu)建知識(shí)與素養(yǎng)的關(guān)聯(lián)邏輯。知識(shí)經(jīng)濟(jì)加劇了知識(shí)的開放性，人類再也不需要靠“死記硬背”的方式獲取和應(yīng)用知識(shí)，而如何運(yùn)用知識(shí)、創(chuàng)造知識(shí)將成為人類需思考的問題。因此，在知識(shí)生產(chǎn)方式與生產(chǎn)要素發(fā)生巨大變化的條件下，教育需要發(fā)展的是如何培養(yǎng)學(xué)生的知識(shí)創(chuàng)新與應(yīng)用能力。用或者不用，在智能技術(shù)的支持下數(shù)據(jù)或信息都在那，我們可能不再受制于知識(shí)生產(chǎn)的原料（數(shù)據(jù)），而漸漸受限于對(duì)事物規(guī)律與內(nèi)在本質(zhì)發(fā)現(xiàn)的思維與能力。素養(yǎng)是運(yùn)用知識(shí)和技能解決復(fù)雜問題的能力，核心素養(yǎng)的落地需要處理好知識(shí)與素養(yǎng)的關(guān)系，亟須打破傳統(tǒng)知識(shí)觀的局限以構(gòu)筑新知識(shí)觀下素養(yǎng)生成的知識(shí)基礎(chǔ)（張良， 2019）。知識(shí)如何轉(zhuǎn)化為素養(yǎng)，在前人的智慧中強(qiáng)調(diào)“知行合一”，這正凸顯知識(shí)在實(shí)踐中的人文性、境域性和價(jià)值性，因?yàn)樗仞B(yǎng)的“用武之地”在于問題情境（李松林 等， 2020）。因此，新知識(shí)觀下的教育發(fā)展應(yīng)重視重構(gòu)知識(shí)與實(shí)踐的關(guān)系，強(qiáng)調(diào)重建“境域”和發(fā)展“人性”，以在情境中做到知識(shí)價(jià)值的辯護(hù)（葉波， 2021）。有研究以推進(jìn)知識(shí)學(xué)習(xí)走向思維發(fā)展為目標(biāo)，強(qiáng)調(diào)以問題為線索的學(xué)科知識(shí)圖譜構(gòu)建，通過(guò)知識(shí)抽取技術(shù)、語(yǔ)義鏈接技術(shù)和可視化技術(shù)來(lái)確定知識(shí)、問題和能力之間的關(guān)聯(lián)關(guān)系，從而提出遵循“發(fā)現(xiàn)問題—提出問題—分析問題—解決問題”的思維邏輯來(lái)組織學(xué)生展開學(xué)習(xí)與探究（范佳榮 等， 2022）。所以，關(guān)于如何化知識(shí)為素養(yǎng)，還應(yīng)堅(jiān)持問題實(shí)踐的思想，而為了更好地實(shí)踐則可借鑒數(shù)據(jù)科學(xué)的思想和方法，分析課程、知識(shí)單元、知識(shí)點(diǎn)、教學(xué)目標(biāo)、教學(xué)問題之間的多維語(yǔ)義關(guān)系等，挖掘和整合知識(shí)與事物、知識(shí)與知識(shí)、知識(shí)與行動(dòng)、行動(dòng)與思維之間的關(guān)聯(lián)邏輯，描繪知識(shí)、問題與素養(yǎng)三者之間的關(guān)聯(lián)結(jié)構(gòu)以及素養(yǎng)生成的路徑，從而指導(dǎo)以知識(shí)通達(dá)素養(yǎng)的教學(xué)實(shí)踐。

六、結(jié)語(yǔ)

數(shù)據(jù)已經(jīng)成為新的生產(chǎn)要素，是國(guó)際知識(shí)創(chuàng)新競(jìng)爭(zhēng)必須緊緊把握的生產(chǎn)力，以數(shù)據(jù)為原料的知識(shí)生產(chǎn)是知識(shí)經(jīng)濟(jì)時(shí)代的關(guān)鍵特征。當(dāng)前，社會(huì)各界正在享受大數(shù)據(jù)的紅利，數(shù)據(jù)科學(xué)也再次迎來(lái)了春天，人工智能也在基于數(shù)據(jù)的機(jī)器學(xué)習(xí)下成功迎來(lái)新的浪潮，推動(dòng)著關(guān)于知識(shí)的科學(xué)（知識(shí)的表示、知識(shí)的獲取和知識(shí)的應(yīng)用）加速轉(zhuǎn)變，為數(shù)據(jù)轉(zhuǎn)化為信息、信息轉(zhuǎn)化為知識(shí)、知識(shí)轉(zhuǎn)化為決策的機(jī)制和方法提供了新的理論與技術(shù)支撐。但技術(shù)的成熟應(yīng)用是一個(gè)不斷發(fā)展的過(guò)程，鏡像數(shù)據(jù)世界的打造還需要克服很多現(xiàn)實(shí)世界的問題，比如數(shù)據(jù)安全、算法偏見等，更多利弊需要人類自身來(lái)權(quán)衡和選擇。尤其在教育的育人實(shí)踐上人類更需要遵循以人為本的理念，探索符合人的全面發(fā)展和生命成長(zhǎng)的技術(shù)融合教學(xué)的方式。所以，以數(shù)據(jù)為核心的新知識(shí)觀雖已在悄然萌芽，但未來(lái)還需要更多的討論和實(shí)踐，以求更加清晰地刻畫出重塑的知識(shí)觀輪廓，同時(shí)為教育的人才培養(yǎng)方式調(diào)整提供新的方向。

［參考文獻(xiàn)］

曹新明，& 咸晨旭. （2020）. 人工智能作為知識(shí)產(chǎn)權(quán)主體的倫理探討. 西北大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），50（1），94-106.

朝樂門. （2019）. 大力推進(jìn)數(shù)據(jù)科學(xué)的理論研究. 計(jì)算機(jī)科學(xué)，46（2），1.

陳麗，逯行，& 鄭勤華. （2019）. “互聯(lián)網(wǎng)+教育”的知識(shí)觀：知識(shí)回歸與知識(shí)進(jìn)化. 中國(guó)遠(yuǎn)程教育（7），10-18.

程學(xué)旗，梅宏，趙偉，華云生，沈華偉，& 李國(guó)杰. （2020）. 數(shù)據(jù)科學(xué)與計(jì)算智能：內(nèi)涵、范式與機(jī)遇. 中國(guó)科學(xué)院院刊，35（12），1470-1481.

董春雨，& 薛永紅. （2018）. 大數(shù)據(jù)時(shí)代個(gè)性化知識(shí)的認(rèn)識(shí)論價(jià)值. 哲學(xué)動(dòng)態(tài)（1），95-101.

董春雨，& 薛永紅. （2019）. 機(jī)器認(rèn)識(shí)論何以可能？. 自然辯證法研究，35（8），3-10.

范佳榮，& 鐘紹春. （2022）. 學(xué)科知識(shí)圖譜研究：由知識(shí)學(xué)習(xí)走向思維發(fā)展. 電化教育研究，43（1），32-38.

范文翔，& 趙瑞斌. （2020）. 具身認(rèn)知的知識(shí)觀、學(xué)習(xí)觀與教學(xué)觀. 電化教育研究，41（7），21-27.

顧小清. （2021）. 當(dāng)現(xiàn)實(shí)逼近想象：人工智能時(shí)代預(yù)見未來(lái)教育研究. 開放教育研究，27（1），4-12.

顧小清，& 郝祥軍. （2022）. 從人工智能重塑的知識(shí)觀看未來(lái)教育. 教育研究，43（9），138-149.

韓震. （2021）. 知識(shí)形態(tài)演進(jìn)的歷史邏輯. 中國(guó)社會(huì)科學(xué)（6），168-185.

郝祥軍，& 賀雪. （2022）. AI與人類智能在知識(shí)生產(chǎn)中的博弈與融合及其對(duì)教育的啟示. 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），40（9），78-89.

黃欣榮. （2014）. 大數(shù)據(jù)對(duì)科學(xué)認(rèn)識(shí)論的發(fā)展. 自然辯證法研究，30（9），83-88.

季蘋. （2009）. 教什么知識(shí)：對(duì)教學(xué)的知識(shí)論基礎(chǔ)的認(rèn)識(shí)（第1版）. 教育科學(xué)出版社.

李松林，& 賀慧. （2020）. 整合性：核心素養(yǎng)的知識(shí)特性與生成路徑. 教育科學(xué)研究（6），13-17.

林夏水. （1989）. 畢達(dá)哥拉斯學(xué)派的數(shù)本說(shuō). 自然辯證法研究（6），48-58.

馬廷奇，& 李蓉芳. （2019）. 知識(shí)生產(chǎn)模式轉(zhuǎn)型與人才培養(yǎng)模式創(chuàng)新. 高教發(fā)展與評(píng)估，35（5），8-16.

聶淑媛. （2019）. 數(shù)據(jù)科學(xué)的發(fā)展與人才培養(yǎng)研究. 統(tǒng)計(jì)與信息論壇，34（1），117-122.

潘洪建. （2004）. 教學(xué)知識(shí)論（第1版）. 甘肅教育出版社.

邱仁宗. （2006）. 科學(xué)方法與科學(xué)動(dòng)力學(xué)（第2版）. 高等教育出版社．

任瑞娟，王保超，& 趙雅倩. （2021）. 演進(jìn)與動(dòng)向：人工智能在傳媒領(lǐng)域的應(yīng)用. 新聞與傳播評(píng)論，74（2），26-35.

斯坦福哲學(xué)百科全書（Stanford Encyclopedia of Philosophy）.（2020-04-11）. Epistemology. 斯坦福哲學(xué)百科全書網(wǎng)站. https：//plato.stanford.edu/entries/epistemology/#Aca

王鑫，& 沙永鋒. （2018）. 從AI到AM：人工智能的知識(shí)觀. 新聞與傳播評(píng)論，71（6），41-50.

王竹立. （2019）. 新知識(shí)觀：重塑面向智能時(shí)代的教與學(xué). 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），37（5），38-55.

維克托·舍恩伯格，& 肯尼思·庫(kù)克耶. （2013）. 大數(shù)據(jù)時(shí)代（盛楊燕，周濤 譯）. 浙江人民出版社.

吳飛，& 段竺辰. （2020）. 從獨(dú)思到人機(jī)協(xié)作——知識(shí)創(chuàng)新模式進(jìn)階論. 浙江學(xué)刊（5），94-104.

肖峰. （2020a）. 人工智能的知識(shí)哲學(xué)審思. 求索（1）：87-94.

肖峰. （2020b）. 人工智能與認(rèn)識(shí)論新問題. 西北師大學(xué)報(bào)（社會(huì)科學(xué)版），57（5），37-45.

徐宗本. （2019）. 數(shù)字化 網(wǎng)絡(luò)化 智能化 把握新一代信息技術(shù)的聚焦點(diǎn). 網(wǎng)信軍民融合（3），25-27.

葉波. （2021）. 化知識(shí)為素養(yǎng)：現(xiàn)實(shí)困境、理論闡釋與教學(xué)實(shí)現(xiàn). 中國(guó)教育學(xué)刊（8），45-49.

張康之. （2021）. 重建相似性思維：風(fēng)險(xiǎn)社會(huì)中的知識(shí)生產(chǎn). 探索與爭(zhēng)鳴（7），121-132，179.

張良. （2019）. 核心素養(yǎng)的生成：以知識(shí)觀重建為路徑. 教育研究，40（9），65-70.

知乎. （2017-09-06）. 機(jī)器學(xué)習(xí)的簡(jiǎn)介. 知乎網(wǎng)站. https：//zhuanlan.zhihu.com/p/29100405

Das， M.， Cui， R.， Campbell， D. R.， Agrawal， G.， & Ramnath， R. （2015）. Towards methods for systematic research on big data. IEEE International Conference on Big Data. IEEE， 2072-2081.

Fayyad， U.， Piatetsky-Shapiro， G.， & Smyth， P. （1996）. The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM， 39（11）， 27-34.

Haiko， V.， & Bulder En， S. V.， Cunningham， S.， & Janssen， M. （2021）. Data science as knowledge creation a framework for synergies between data analysts and domain professionals. Technological Forecasting and Social Change，173（4），1-10.

Li， G.， & Cheng， X. （2012）. Research status and scientific thinking of big data. Bulletin of Chinese Academy of Sciences， 27（6），647-657.

Martinez， I.，Viles， E.， & Olaizola， I. G. （2021）. Data science methodologies： Current challenges and future approaches. Big Data Research， 24（3）， 1-18.

Martínez-Plumed， F.， Contreras-Ochando， L.， Ferri， C.， Hernández-Orallo， J.， Kull， M.， Lachiche， N.， ... & Flach， P. （2019）. CRISP-DM twenty years later： From data mining processes to data science trajectories. IEEE Transactions on Knowledge and Data Engineering， 33（8）， 3048-3061.

Nonaka， I. （1994）. A dynamic theory of organizational knowledge creation. Organization Science， 5（1）， 14-37.

Provost， F.， & Fawcett， T. （2013）. Data science and its relationship to big data and data-driven decision making. Big Data，1（1），51-59.

Rowley， J. （2007）. The wisdom hierarchy： representations of the DIKW hierarchy. Journal of Information Science， 33（2）， 163-180.

Shafique， U.， & Qaiser， H. （2014）. A comparative study of data mining process models（KDD， CRISP-DM and SEMMA）. International Journal of Innovation and Scientific Research， 12（1）， 217-222.

Tolle， K. M.， Tansley， D. S. W.， & Hey， A. J. （2011）. The fourth paradigm： Data-Intensive scientific discovery. Proceedings of the IEEE， 99（8），1334-1337.

Xu， Z. （2021）. Four major tasks of data science. Data Science and Management， （3），1-2.

Xu， Z.， Tang， N.， Xu， C.， & Cheng， X. （2021）. Data science： Connotation，methods， technology， and development. Journal of Information Technology and Data Management， 1（1）， 32-37.

AI Reshapes the View of Knowledge： Knowledge Creation and Education Development under the Influence of Data Science

Xiangjun Hao and Xiaoqing Gu

Abstract： In the era of artificial intelligence （AI） data defines， quantifies and connects everything. Data science has achieved rapid development driven by big data and directed the goal that how to extract and construct knowledge from data. The process of data mining and knowledge creation systematically depicts the complete process from data to knowledge discovery. The study attempts to explore the formation of a new view of knowledge centered on data from the perspective of data science， and tries to portray the outline of a reshaped view of knowledge from the changes in knowledge production methods and knowledge production factors brought about by data and intelligent technology. Finally， the study provides answers to the three questions of “what knowledge to teach”， “how to teach knowledge”， and “how to turn knowledge into literacy” in order to seek a development path for education to meet the challenges of knowledge innovative talents.

Keywords： data science; artificial intelligence; view of knowledge; data mining; knowledge creation; knowledge production; knowledge teaching; educational development

責(zé)任編輯 劉莉