邁向學習分析的形而上學：數據、推論與規範性的本體論定位
arXiv - Computers and SocietyKensuke Takii
本文透過探討學習分析（LA）的本體論，釐清數據本質、代理人角色及數據與規範之間的邏輯關係。
AI 幫你先抓重點
AI 重點 1
區分「數據描述」與「規範推導」的邏輯界限
滑鼠懸停看 AI 判斷理由
這對於開發 AI 輔助教學系統至關重要。理解數據僅能描述「現狀」（is），而不能直接定義「應然」（ought），能防止開發者將算法偏見或預設目標誤認為是數據驅動的客觀真理。
AI 重點 2
警惕「規範嵌入式學習分析」的本體論風險
滑鼠懸停看 AI 判斷理由
當我們設計學習分析工具時，若將預設的教學目標直接與數據運作邏輯綁定，會限制學習者的自主性。這提醒教育科技設計者在開發系統時，應意識到工具的設計本身就帶有價值判斷。
核心研究發現
- 1
本文試圖回答「學習分析是什麼」的本體論問題，透過追溯 LA 的定義與原則，從內部推導其存在的本質。
- 2
研究識別出包含學習者在內的八種作為本體論前提的代理人（Agents），並界定了 LA 所操作數據的性質。
- 3
透過「是與應然」（is/ought）問題的辯證，明確指出學習分析的數據本身並不直接推導出規範或行為準則。
- 4
指出「規範嵌入式學習分析」（norm-embedded LA）存在本體論張力，因為這類實踐將 LA 的目的與其運作過程混為一談。
對教育工作者的啟發
對於教育科技開發者與課程設計者而言，本文提供了重要的警示：在設計數據驅動的教學決策支持系統時，必須區分「數據呈現的事實」與「建議的教學行為」。不應讓系統自動將數據結果轉化為強制性的規範，以免削弱學習者的自主學習（SRL）空間。設計者應意識到，任何學習分析工具的運作邏輯都隱含了特定的價值觀，因此在開發過程中，應更透明地揭示系統背後的教學假設，而非將其偽裝成純粹的數據客觀性。
原始文獻資訊
- 英文標題：
- Toward a Metaphysics of Learning Analytics: Ontological Positioning of Data, Inference, and Normativity
- 作者：
- Kensuke Takii
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。