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：

　　（I）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。

"