教育研究方法創新的三重“加法”：問題+方法+理論+數據+技術+協作

/教育研究方法創新的三重“加法”：問題+方法理論+數據技術+協作——專訪首屆“全球教育研究方法創新獎”獲得者HerbMarsh【摘要】當前世界已進入“大科學”時代，學術研究和科技創新面臨前所未有的挑戰與機遇。在此背景下，深化教育研究方法的創新和運用，對于促進中國教育學科研究范式變革和構建自主知識體系具有重要意義。如何實現教育研究方法、理論與實踐之間的良性互動，以迎接未來教育研究的挑戰，成為中國教育研究者亟須共同探討的現實難題。為此，華東師范大學教育管理學系師生團隊邀請“全球教育研究方法創新獎”首屆獲得者之一赫伯·馬什教授進行了對談。馬什教授結合在自我概念領域的研究經驗，展示了如何通過“實質性—方法論協同”實現教育研究方法的創新，深入闡述了教育研究方法創新的三重“加法”：以“問題+方法”驅動教育研究的持續創新；以“理論+數據”促進教育研究的推陳出新；以及以“技術+協作”應對教育研究的全新挑戰?！娟P鍵詞】教育研究方法；實質性—方法論協同；自我概念；大魚小池效應

一、引言 隨著全球教育研究的不斷發展，教育實證研究方法的創新已成為推動理論進步和實踐改進的關鍵驅動力，也是構建教育學自主知識體系的內在要求(袁振國等，2024)。為了促進中國教育實證研究走向世界，積極推動全球教育科學研究的創新發展，第十屆全國教育實證研究論壇增設了“全球教育研究方法創新獎”(GlobalAwardforInnovationinEducationResearchMethods)。該獎項旨在表彰全球范圍內不同學科領域在教育實證方法創新方面取得突破性成果的頂尖學者，以推動學術創新并構建國際化學術共同體，彰顯了中國學界參與全球教育治理的學術自覺與實踐擔當。 作為首屆“全球教育研究方法創新獎”獲獎者之一，赫伯·馬什(HerbMarsh)教授是國際公認的教育研究方法學家，目前擔任澳大利亞凱斯林大學積極心理學與教育研究所教授，同時是牛津大學名譽教授。馬什教授發表學術論文超過800篇，引用次數超150000次，谷歌學術H指數達215，連續兩年(2021和2022年)被評為全球被引用次數最高的教育研究者之一。他的學術貢獻獲得廣泛認可，曾榮獲美國教育研究協會職業成就獎和澳大利亞心理學協會心理科學杰出貢獻獎。作為國際自我概念增強與學習促進(Self-conceptEnhancementandLearningFacilitation，SELF)研究中心的創始人和主任，馬什教授在過去25年間領導500多名頂尖研究人員，推動了自我概念(Self-Concept)、學習動機及教育干預等領域的研究，涵蓋了自我概念形成與干預、“大魚小池效應”(Big-fish-little-pondeffect，BFLPE)、學生對教學效果的評價、同伴支持與欺凌預防等多個重要議題。 馬什教授以其精湛的量化分析方法而聞名，尤其在結構方程模型領域做出了諸多創新。其研究涵蓋了結構方程模型擬合指數(Marsh，2004)、面板數據分析(Marsh，1990)、多群組比較分析(Marsh，2018)等多個方面。2024年，他進一步提出了探索性結構方程模型(ESEM)的R包(Marsh&Alamer，2024)，有效解決了結構模型驗證的難題。與此同時，馬什教授在多層次建模、跨國大數據研究和潛在交互效應建模等領域拓展了量化研究的技術和理論邊界，為未來的研究與實踐提供了新視角和路徑。他在自我概念方面多層次、多維度的量化研究成果，已在多個國家和地區的教育干預中得到應用，有效提升了學生的學習動機和自我效能感。 筆者在第十屆全國教育實證論壇期間專訪了馬什教授，圍繞教育中定量研究方法的發展現狀、應用創新與未來挑戰等內容進行討論。馬什教授分享了關于教育實證研究方法的深刻見解，提出了通過方法創新促進教育研究創新的三重“加法”經驗。訪談內容已整理如下，以饗讀者。 二、以“問題+方法”驅動教育研究的持續創新 對話者：馬什教授，您好！感謝您接受我們的邀請，并再次祝賀您獲得首屆“全球教育研究方法創新獎”！能否分享一下您獲得此獎項后的感受及其學術意義？ 赫伯·馬什：能獲得一個國際性、全球性的獎項，且這個獎項專注于我的定量貢獻，對我來說真的是一種榮譽。我非常感謝有機會參加這次活動，這個獎項對我來說意義非凡，它不僅認可了我的研究工作，還為我提供了與國際同行交流的機會，這對于推動全球教育研究方法的創新具有重要意義。雖然此獎項可能尚需時間贏得國際聲譽，但它無疑邁出了至關重要的一步。 對話者：當下研究方法的發展非常迅速，新的技術和工具層出不窮。您如何看待定量研究方法的發展現狀？ 赫伯·馬什：當下定量研究方法的發展令人興奮，隨著計算機技術的進步和分析軟件的普及，研究變得更加高效。然而，這種快速發展也帶來了諸多挑戰。首先，研究者很難跟上定量研究方法的快速進步。新的技術不斷涌現，研究者需要具備足夠的直覺判斷和理解能力，才能快速掌握新技術的原理和應用方法。這種能力對于研究者來說非常重要，但同時也非常難以培養。其次，不同學科領域對定量方法的應用水平差異較大。例如，教育技術和教育測量領域已經相對成熟，但教育心理學等領域在定量研究上的能力較弱，這種不平衡在一定程度上削弱了這些領域的研究質量。顯然，研究人員需要接觸多種不同的研究方法。 雖然使用更強的工具可以提高研究質量，但關鍵在于研究者是否充分理解這些工具的優勢和局限性，判斷對研究問題是否有實質性幫助。最近，我與學者們討論了一些新研究，應用了非常復雜的網絡分析和機器學習方法。雖然我不完全理解研究方法的細節，但我能夠指出應用了高度復雜的方法也并不意味著解決了已有的問題。因此，研究者需要具備對新方法的批判性思維能力，應用這些工具時充分理解其優勢和局限性，確保方法的選擇能夠真正解決問題并提高研究質量。 我認為，擁有扎實的研究方法論基礎去接觸新技術和新模型非常重要，這樣你才能對新工具產生的結果有一種直覺上的判斷。就像批判性閱讀一樣，你必須有足夠的知識基礎去分辨虛假新聞和可靠信息。同樣的道理，在使用新的統計模型時，你也要盡可能從底層上理解它們的工作原理，否則你就無法判斷這些結果是否真實可靠。因此，方法本身的演進是一方面，用方法來研究什么問題可能是更重要的一面。 對話者：正如您在論壇的演講中所言，您的定量研究方法是隨著“自我概念”的研究而逐步發展的。可以具體談談您在自我概念的研究上是如何實現研究方法創新的？在此過程中，有哪些關鍵階段和重大突破？ 赫伯·馬什：早期的自我概念研究被稱為“粗暴”的經驗主義(dustbowlempiricism)，即過于注重實證觀察和數據收集，而忽視理論框架的建構。20世紀80年代初，我接觸到了理查德·沙維爾森(RichardShavelson)的研究，沙維爾森等人在1976年提出了一個多維度、分層的自我概念理論模型(Shavelson,etal.，1976)。這一理論模型徹底改變了自我概念的研究方向，成為我研究自我概念的起點。 但當時的Shavelson模型主要基于理論假設，缺乏實證支持，也沒有合適的評估工具。這讓我發現自我概念研究領域似乎是一個理想的領域，可以很好地結合我的量化技能與我的“軟技能”。為了驗證自我概念的多維結構，我們開發了三種自我描述問卷(Self-DescriptionQuestionnaire，SDQ)，分別針對青少年的三個年齡階段，即兒童期(preadolescents)、青少年期(adolescents)、成年期(late-adolescents)。研究發現，不同自我概念維度之間存在顯著差異，各量表間的平均相關系數僅為約0.10，證實了自我概念的多維度，即包含學術、社交、情感和身體等不同方面(Marsh，1990)。 從方法論的角度來看，自我概念研究從探索性因子分析(ExploratoryFactorAnalysis，EFA)進展到確認性因子分析(ConfirmatoryFactorAnalysis，CFA)，再到探索性結構方程建模(ExploratoryStructuralEquationModeling，ESEM)，接著引入了結構方程模型(StructuralEquationModeling，SEM)和多層次建模(MultilevelModel，MLM)，最終將這些方法結合起來理解自我概念。特別值得介紹的是，早期我們使用的是單水平模型(Single-levelModel)，接下來的迭代引入了帶有潛在變量的單水平模型和基本加權設計，以調整多水平聚類。進一步，我們又開發了情境模型的分類法，使用Mplus進行真正的多水平模型分析。我們區分了班級層面的情境效應和氛圍效應(contextualandclimateeffects)，這一模型現在已成為評估情境效應的標準模型，為理解自我概念在不同情境下的表現提供了更為精確的模型。 近幾年來，我們還采用了貝葉斯結構方程(BayesianStructuralEquationModeling，BSEM)建模。它的優勢在于：在ESEM的基礎上加入了貝葉斯估計器(BayesianEstimators)和顯式先驗分布(ExplicitPriors)，可以提高模型的靈活性，處理更復雜的數據結構。我們也嘗試在研究自我概念時使用網絡分析方法(NetworkAnalysis)，探討同班同學之間的“大魚小池效應”。具體來說：學生在班級中所處的相對位置如何影響他們的自我概念，而不僅僅是只考慮班級的整體平均水平。研究結果雖然是一個無效的發現，但這一過程依然很有趣，為未來的研究提供了新的視角和啟示。 對話者：您不僅深化了對自我概念結構和動態變化的理解，還創新出研究方法和分析技術。從您的研究經歷來看，研究方法和實質性問題之間的關系是怎樣的呢？ 赫伯·馬什：“實質性—方法論協同(Substantive-MethodologicalSynergy)”是我創造的一個術語，用來描述在研究中將實質性內容與方法論相結合的過程，并且這種協同效應貫穿于我的大部分工作中。這有點像“先有雞還是先有蛋”的問題，在我的研究經歷中，方法和問題并非總是線性發展的，而是相互交織、共同演進的。我偶爾也會開展純粹的定量研究，但大多是在現有方法難以應對實質性問題時，與定量專家合作尋找新解法。定量研究者愿意與我合作，是因為我提出的問題富有實質性價值；而實質性研究者也欣賞我能將實際問題轉化為嚴謹的定量研究。我的量化研究大多源于對實質性問題的探索，反過來，這些方法的提升也不斷推進實質性工作的開展，從而形成“實質—方法”協同的良性循環。我的大部分量化研究貢獻都源自我的實質性研究問題，但這些量化研究的發展反過來又促進了我的實質性工作——形成了一個方法論與實質性研究的良性循環，對理論、方法、政策以及實踐都具有重要影響。 在研究生涯初期，由于缺乏扎實的數學基礎及系統的數學訓練，我在數學方面的能力相較于專業的定量方法學者而言相對薄弱。但通過實質性研究的推動，我逐漸培養了定量分析的能力，也正是這樣，我的研究方法有著更強的應用導向。例如，關于“更好的自我概念是否會導致更好的學業表現？”這一核心問題，我們認為傳統觀點對于單向因果關系的假設過于簡單化，于是提出了互惠效應模型(ReciprocalEffectModel，REM)，認為二者之間的影響是相互的、動態的和持續的。通過縱向數據交叉滯后面板模型(Cross-LaggedPanelModel，CLPM)和新擴展的隨機截距交叉滯后面板模型(RandomInterceptCross-LaggedPanelModel，RI-CLPM)，我們驗證了對REM的支持都是一致的(Marsh,etal.，2023)。 定量研究方法與實質性問題之間有一種自然的協同作用，每當我們開始探索一個新的研究主題時，往往會在現有的方法框架下推進，直到遇到瓶頸，促使我們思考新的解決方法。對我而言，每完成一項研究，至少會產生兩個新的研究問題，而這些問題可能需要不同的方法來解答。因此，在問題驅動下，無論是聯合專家還是自主創新，都在不斷促進研究方法與實質貢獻的良性循環。 三、以“理論+數據”促進教育研究的推陳出新 對話者：您的研究揭示出實質性問題與研究方法之間的協同演化，這對理論構建意義重大。作為您在自我概念研究中的一個重要發現，“大魚小池”這一理論是如何逐步構建出來的呢？ 赫伯·馬什：“大魚小池效應”并不是一開始就作為一個理論出現的，而是源自我的一項研究發現，這一發現與我個人的經歷相悖，引發了我更深入地探究。小學時，我的成績僅勉強排在前10%；在高中時仍然保持在這一水平；上大學后，我的成績稍微超過前10%。每個層級的競爭都越來越激烈，我也在不斷進步。我一直認為，競爭會促使我不斷變得更好。然而，令我感到意外的是，這并不是所有人的普遍經歷。 最初，我并沒有關注到學校的平均成績，而是從社會經濟地位的角度出發，嘗試從社會學的視角去探討其對學生學業成績的影響。在閱讀文獻時，我發現有些研究是從個體層面來研究社會經濟地位的，而另一些研究則從學校層面來看待，這兩者在方法上存在很大的不同。那時，教育研究中的多層次建模還沒有得到廣泛應用。我開始系統地比較學生層面和學校層面的社會經濟地位對學業成績的影響，得出了意想不到的結果。早期的研究雖然相對粗糙，但結果卻異常穩健，最終推動了學業自我概念的理論發展。 進一步地，以往的研究通常將L2視為學校平均或班級平均，但很少在同一研究中同時包含這兩個層次。我們使用了三層模型(L1=學生，L2=班級，L3=學校)，結果表明，班級平均成就顯著影響學生的自我概念，而學校平均成就的影響則不顯著，并且大部分被吸收進班級層面效應中(Marsh,etal.，2008)。這一發現揭示了局部優勢效應(LocalDominanceEffect)，即學生更傾向于使用最接近的參照框架(FrameofReference)——班級，以此來評估自己的相對位置。 到后來，雖然多個國家的研究都支持“大魚小池效應”的存在，但跨文化的一致性尚缺乏系統驗證。為此，我通過分析連續三次的國際學生評估項目(PISA)數據(Marsh&Hau，2003；Seaton，Marsh，&Craven，2009；Nagengast&Marsh，2012)，發現學校平均成就對學術自我概念的影響在123個樣本中的122個中都是負面的，并且在114個樣本中顯著，證明了“大魚小池效應”是教育與心理研究中最具跨文化普適性的現象之一。 對話者：在這一理論的形成過程中，是否遇到了理論與實踐之間的張力或意外的發現？這些發現又是如何推動您對教育研究的思考和方法的發展呢？ 赫伯·馬什：確實，我經常研究一些與現有社會問題相關且具有爭議性的主題。我在研究中得到了一些意想不到的結果，不僅挑戰了傳統的教育觀念和主流看法，還促使我們重新審視理論與實踐之間的關系。 “大魚小池效應”就給實踐帶來了新的啟發和實踐方案。許多家長和教育工作者通常認為，就讀于高能力學校(high-abilityschools)有助于學生的學業發展，但這種觀點忽視了學生初始能力和既有能力的差異。從社會比較理論和社會心理學的視角出發，我們提出了“大魚小池模型”，指出學生的學術自我概念不僅受到個人成就的影響，還受到同伴群體能力水平的相對影響。也就是說，相同能力的學生在高能力學校中的學術自我概念低于在低能力學校中的學術自我概念(Marsh，1987)。 我們還檢驗了“大魚小池效應”在特殊學生群體中的表現。從政策層面上來看，全球范圍內有越來越多的輕度智力障礙學生(AcademicallyDisadvantagedStudents，AD，IQ56-75)被納入到普通教室中接受教育，這一趨勢被稱為“主流化”(mainstreaming)。雖然這種做法旨在促進包容和公平，但我們的研究發現：AD學生在特殊班級中的學術自我概念和同伴自我概念(PeerSelf-Concepts)顯著高于在普通班級中的表現；同時，AD學生在普通班級中更容易感到被排斥，而非被包容。這一發現表明，簡單地將特殊學生納入普通教室并未有效提升他們的自我概念，反而可能導致負面的心理和不良社會后果。 “大魚小池效應”的發展過程具有一定的特殊性，但它也為其他領域的研究提供了寶貴的啟示。我認為，研究的起點應該是一個強有力的理論框架，這能為研究提供堅實的理論基礎。然而，它也存在很多局限，強烈的理論導向有時會局限我們的視野，往往忽視了框架外的因素。我的一個長期合作者萊因哈德·佩克倫(ReinhardPekrun，英國埃塞克斯大學心理學教授)是一位很強的理論家和定量研究者，但他通常從理論角度出發；而我則是從實證研究中逐步構建理論。這種從實證數據出發的方法，使我能夠更自然地將研究結果轉化為有意義的故事，以便公眾更容易理解和接受。因此，我更主張在理論與實證之間保持靈活的互動。通過不斷的實證驗證和理論修正，逐步構建出更具解釋力和普適性的理論框架。 “大魚小池效應”一直是我的一個重要研究主題，但在探索過程中，我發現了一個更具吸引力的概念：“參照框架效應(frameofreferenceeffect)”，這使我們得以超越“大魚小池”這一熟知的現象以開展更廣泛的研究。我們重點研究了以下三個框架：(1)與同伴進行社會比較，即“大魚小池效應”；(2)內部/外部參照模型(I/E模型)，即在不同學科領域間進行成就比較；(3)時間比較，即個體在不同時點上對自身成就的比較。這三個參考框架模型既可以單獨檢驗，也可以整合為一個統一的模型，結果一致地支持每個模型在所有分析中的預測。也就是說，這三個模型不是相互競爭，而是互補的，通過整合不同的參照框架，我們可以更深入且全面地探討青少年如何在不同的社會、時間和學科領域中形成和發展他們的自我概念。 對話者：這種整合不同的參照框架確實給我們帶來了更全面的理解。能否結合您在教學評估領域的研究，分享一下如何基于評估結果或實證研究結果優化實踐？ 赫伯·馬什：在我的教學評估研究中，特別關注評估工具設計的有效性及其對教師教學能力提升的實際幫助。在我看來，有效的教學評估工具不僅應能夠準確反映教師的教學質量，還應為教師提供多維度的反饋，幫助他們在不同領域提升教學能力。為此，我們開發了一個包含15個因素的高中教師評價工具，適用于學生評教和教師自我評價。但是，簡單地用問卷得出來的總分來衡量教學效果，顯然是沒有意義的，我們更應該關注的是教師的“評價檔案”，而不是單一的總分。作為總結性評價的補充，形成性評價可以更加靈活，因此我們建立了一個問題庫，提供可選的問題供教師選擇。 此外，教師的專業發展必須與學生評價和反饋相結合，形成一個閉環的改進機制。僅僅給教師低評分而不提供相應的支持幾乎是不道德的，需要為他們提供規范的反饋和支持機制。盡管許多大學教師通常是優秀的研究者，但在教學方面可能表現欠佳。為了幫助教師們提升教學效果，我們開發了涵蓋教學有效性關鍵要素的手冊，為每個要素提供30項具體的教學策略，通過隨機分配，我們發現教師通常會選擇自己最薄弱的領域進行改進，在實施這些策略后，教師教學薄弱環節和整體教學效果都得到了顯著提升。 然而，在一些大學嘗試設立教學支持服務時，我發現這些服務并未得到充分的利用。這一現象并非源于大學對教學的忽視，而是過于強調研究，導致教師將更多的時間和精力投入到發表學術論文和獲取科研經費上，弱化了對教學改進的關注。為了更好地平衡教學與研究之間的關系，一個可行的解決方案是在評估過程中對教學有效性賦予一定的權重。然而，這也意味著我們需要找到有效且可靠的方式來評估教學效果。盡管大學已經存在了數百年，卻仍未找到理想的解決方案，圍繞教學評價存在許多誤解和迷思，值得進一步探討。 至于現實政策的制定和變革，往往會受到復雜社會政治因素影響，而研究者對于實踐的關切應該更聚焦重要而有趣的問題本身。我研究的是具有重要影響的真實問題，希望這些研究成果能夠被納入政策制定中。只有關注真問題并以嚴謹的方法做出高質量的成果，才是以研究影響實踐的有效路徑。 四、以“技術+協作”應對教育研究的全新挑戰 對話者：隨著人工智能時代的到來，您能分享一下您是如何使用人工智能工具的嗎？您覺得它在教育研究領域可能帶來哪些優勢和風險呢？ 赫伯·馬什：雖然我還沒有非常廣泛地使用人工智能，但顯然它是一個極其重要的工具。我會把ChatGPT當作一個討論平臺，我常常將自己的想法輸入其中，問它的看法，然后ChatGPT會給出一些回應，我再反過來問它：“如果這樣呢？”這種互動方式類似于與一個“聲音板”進行對話。然而，它也存在一定的局限性，因為它有時候會編造內容，例如它提供了十個參考文獻，我會要求它檢查哪些是真實的，它會告訴我其中七個是真實的，而對另外三個虛假的文獻表示道歉。因此，它是一個有風險的工具，但我發現把它當作對話工具時，它確實很有效，并可以進行自我修正。 從教育研究的角度來看，人工智能工具在量化數據分析方面確實具有巨大的潛力，但也存在顯著的風險。我最擔心的是：它是一個“黑箱”——隨著技術的發展，理解這些工具內部運作原理的難度也越來越大。如果沒有扎實的研究方法基礎，研究者可能無法判斷從工具中獲取的結果是否合理。因此，我經常告訴我的學生，研究者需要具備足夠的直覺判斷和理解能力，才能在未使用過的新技術面前迅速掌握其原理和應用方法。只有這樣，我們才能有效識別潛在的問題，避免因盲目依賴技術而導致錯誤結論。 此外，倫理問題也是學術研究中不可忽視的重要部分。如今，獲得倫理審查批準變得越來越困難，期刊對于倫理合規性的要求也越來越嚴格。然而，在使用像ChatGPT這樣的工具時，我并不完全清楚它的倫理問題在哪里。這些問題確實令人擔憂，人工智能的廣泛應用可能會帶來意想不到的后果，如果這些工具被濫用，后果可能是災難性的。這種風險不只限于學術領域，任何掌握人工智能技術的人都可能做出對世界產生毀滅性影響的事情。 對話者：在您看來，哪些領域在未來的研究中將成為重要的研究議題？對您個人而言，您未來研究的重點將會放在哪里？ 赫伯·馬什：我認為一些可能成為重要領域的有：社會情感學習(socialemotionallearning)、公平問題(issuesofequity)、人工智能和技術，特別值得注意的是，腦科學(brainscience)將在心理學領域占據越來越重要的地位，雖然目前它在教育領域還不突出，但我相信在未來十年內會有重要的進展。如果我還年輕，我可能會考慮將這一領域作為研究重點。 目前，我的研究重心之一是學校欺凌問題，這是一個極具挑戰性和現實意義的研究課題。我們的研究團隊在自我決定理論(Self-DeterminationTheory，SDT)的應用上取得了顯著進展。基于這一理論框架，我們不僅開發了經實證檢驗過的干預措施，還構建了統計模型來評估這些干預的效果。 當下大多數學校對欺凌的干預措施主要集中在學生個體上，而我們的方法則更為獨特——聚焦于課堂氛圍和教師行為的改變。研究表明，如果課堂氛圍本身支持欺凌行為，那么對個體干預效果有限，甚至可能適得其反，因為被欺凌的學生可能會被視為反抗者，進而成為欺凌的目標。因此，改變課堂氛圍才是解決欺凌問題的關鍵。 我們的干預措施是自主支持教學(Autonomy-SupportiveTeaching)，通過兩天的教師培訓工作坊，幫助教師從根本上改變課堂氛圍。這種干預形式不僅顯著減少了欺凌行為，而且幾乎所有干預效果都通過課堂氛圍來進行調節。我們已經通過隨機對照實驗(RandomizedControlledTrial，RCT)驗證了這一干預措施的有效性，結果顯示該措施效果優于現有研究中的其他干預措施。 接下來的研究將在成功改變課堂氛圍的基礎上，對個別學生進行針對性干預。我們的研究表明，只有在改變了課堂氛圍后，針對學生的干預才會取得顯著效果。有趣的是，這項研究還帶來了一個意外的發現，即教師的工作滿意度顯著提高。這表明，改變課堂氛圍不僅對學生有益，也對教師的職業滿意度起到了積極的促進作用。 此外，我們還在進行另一項研究，旨在探討課堂氛圍的變化是否能夠從部分班級推廣到整個學校。這一研究對于解決全球范圍內普遍存在的欺凌問題具有重要的意義，并且在統計建模方面也提供了非常有趣的視角。 對話者：轉換研究關注的層面可能會給我們帶來意想不到的研究發現，不同學科也可能會帶來有趣的觀點和看法。您來自社會心理學背景，結合了社會學和心理學兩個學科，在您的學術生涯中，您認為跨學科合作起到了什么樣的作用？ 赫伯·馬什：我擁有社會心理學背景，這一領域融合了社會學和心理學的理論與方法，使我的教育心理學研究具有跨學科的應用性。事實上，大學內部的學科壁壘往往比外部更為堅固。大學內部不同的學科領域之間缺乏足夠的交叉與合作，這使得跨學科合作變得困難。然而，為了推動更為創新和高質量的研究，我們迫切需要走出舒適區，與不同學科領域的專家進行合作。 首先，我會考慮與經濟學家合作，經濟學家通常在方法論方面比教育學研究者更為精通，尤其在定量分析和模型建構方面。其次，雖然過去我與計算機科學領域的專家合作不多，但隨著人工智能技術如ChatGPT的快速發展，我認為這種跨學科合作將會不斷增加，學科之間的界限也會逐漸打破。 回顧我自己的學術經歷，幾乎所有的研究都涉及與其他領域專家的合作。在我的職業初期，雖然發表了很多單獨署名的論文，但在過去的十年里，我幾乎所有的論文都是通過團隊合作完成的，每篇論文通常有2至5位，甚至8位合作者。例如，我和侯杰泰教授一直保持密切的合作，從30年前就開始了，共同發表了共有40篇左右的論文。這種長期合作無疑是我能夠如此高效和富有生產力的一個重要原因。 跨學科合作不僅提升了研究質量，還可能帶來更多的發展機會。在我職業生涯中期創建博士項目時，我們邀請了許多行業專家，討論他們對博士生的期望。結果發現，澳大利亞的公司更傾向于招聘具有廣泛知識背景的美國博士，而不是專注于某一領域的澳大利亞博士。這使我意識到，跨學科合作對于培養具備綜合能力的博士生至關重要，尤其是在學生未來進入行業領域時，跨學科背景能夠賦予他們更大的競爭力。 與此同時，管理合作關系需要耗費一定時間和精力，但幸運的是，我的工作主要集中在研究上，而沒有常規教學任務，唯一的教學責任是指導博士生。我所在大學聘用我的初衷便是希望我能在頂級期刊上發表文章，這與我個人的研究目標完全契合。因此，我可以將大量時間投入在全球各地的優秀學者合作中，并通常帶上我的博士生一起參與。這種合作網絡的建立得益于長期的學術互動，我的合作伙伴包括曾指導過的博士生、博士后以及同事等。我非常享受這種跨學科、跨地區的學術交流與合作模式。 五、寄語成長中的未來教育研究者 對話者：在您的職業生涯中，您成功指導了許多博士生成為高產的研究者，幫助學生實現了“自我增值”。您能分享一下在這個過程中發生了什么？其中最關鍵的因素是什么？ 赫伯·馬什：確實，我指導的許多博士生在學術領域取得了顯著成就，他們的成就可能讓人認為我是一個出色的導師。之前我在牛津大學工作了6年，在那里我指導了很多資質較好的博士生。然而，實際上我也有指導過很多表現并不突出的博士生，但這些故事往往沒有被廣泛傳播。 許多博士生在剛開始時常常認為我是個“柔軟(soft)的人”，但實際上我對他們有著非常高的要求。我注重成果導向，因此在選擇學生時會優先考慮那些具有一定學術潛力、良好定量分析能力，并對我的研究領域感興趣的候選人。如果學生符合這些條件，通常會有一個