信息技术教师人工智能教学效能感提升研究

孙俊梅，杨 艳，马红亮

(陕西师范大学 a.教育学部；b.新闻与传播学院，陕西 西安 710061)

一、信息技术教师教学效能感培养研究的现状

(一)教学效能感及培养途径

自我效能感是个体相信自己完成任务的信念的强弱，它的两个要素是行为期望信念和结果期望信念[1]。Riggs和Enochs将班杜拉的理论应用于教学效能感的研究中，从双向度的视野对教学效能感进行了界定，认为教学效能感是教师认为自己有能力对学生所学产生积极影响的程度，包括教学效能信念和教学结果期望两个维度[2]。

各项研究表明教师教学效能感可以通过四种途径培养，分别为掌握经验、替代经验、社会说服和生理唤醒[3-5]。其中，掌握经验是个体完成特定内容任务的成功经验[3]。比起简单的成功，通过克服困难来掌握经验可以培养弹性形式的自我效能感，这种方式更有益于提高教师自我效能感[6]。替代经验是指通过观察类似成功的社会模范而获得自我效能感的过程，社会模范与自我的相似性和相关性被认为是通过替代体验获得自我效能的关键因素[5,7]。社会说服是指教师从教学环境中其他重要人物那里获得的关于自身表现的口头互动。在社会说服方面，应注重教师自我提升的积极评价，而非同伴比较。生理唤醒是对个体情绪状态和生理反应的感知[5]，心理和情感的唤起也会增加一种能力或无能的感知。

(二)信息技术教师专业发展的形式

信息技术教师是伴随着信息技术教育的发展而不断成长的一类群体。根据活动场域的不同，信息技术教师专业发展活动分为面对面、线上和混合式专业发展活动三种。传统的信息技术教师专业发展形式包括面对面工作坊和暑期学习班[8]，这类专业发展活动一般主要包括短期讲座、工作实例、开放式项目和情境化的信息技术教学实践等[9]。随着智能时代的到来，研究者也运用在线学习来开展教师专业发展活动，教师可以随时随地访问以社区为中心的MOOCs[10]，或利用电子邮件[11]和在线实践社区学习[12]。例如，Goode等通过改造面对面的专业发展活动，以在线的方式促进来自不同区域计算机教师的专业发展，使他们胜任新的、注重公平的计算机课程教学实践[13]。

目前，将面对面的工作坊与课程、网络研讨会、社区会议等各种线上学习活动结合起来的混合式教师专业发展越来越显示出对信息技术教师专业发展的价值。例如，基于罗杰斯混合学习理论，Mashikhi 与Soliman 为40名小学计算机教师设计培训方案并验证了培训项目的有效性[14]；也有研究依托Moodle平台开展中小学教师的Scratch混合式培训，发现该模式促进了教师的计算思维发展[15]；还有研究在正式的面对面讲习班和课程之后，通过在线专业发展社区支持教师间的协作和交流，使教师持续获得同伴支持[16]。

二、研究问题

2017年，国务院印发的《新一代人工智能发展规划》明确提出实施全民智能教育项目，在中小学阶段设置人工智能相关课程[17]。近两年我国部分地区人工智能课程在中小学中开始逐步推进，从实际应用和开展情况来看，中小学人工智能教育目前主要集中在信息技术课程、STEM课程、创客课程中开展[18]，人工智能相关课程任课教师多数由原有的信息技术教师兼任。显然，这对中小学信息技术教师的人工智能知识、能力和教学提出了新的要求，但国家尚未建立起服务于中小学的人工智能师范专业以及相应的教师资格认定制度，进而导致高校没有输出既懂人工智能技术又懂教育教学的专业人才[19]。同时，人工智能教育方面的专业性培训尚未系统的实施，信息技术教师的专业知识储备与人工智能课程教师的要求还有一定差距，这就需要开展相关方面的专业发展以提升信息技术教师人工智能教学专业能力。

在教师专业能力中，教学效能感是影响教师教学内容、教学活动组织和教学行为的潜在结构[20]56-70，与教师的实际知识和能力水平具有同等的影响力[3]，对教师的教学思维具有显著的正向影响[21]，和学生的学习效果具有很强的相关性[22]。因此，提高信息技术教师的人工智能教学效能感不仅对教师的人工智能教学思维和教学实践有积极影响，而且对学生的人工智能学习也会产生积极的作用。同时，Desimone[23]提出教师参与有效的教师专业发展活动可以促进教师知识和教师自我效能感的发展，从而促进教学实践的转变，最终提高学生的学习水平。通过文献研究，目前针对信息技术教师自我效能感的实证研究聚焦在两个方面：一方面是开展自我效能感的现状调研[24]、影响因素[25-26]等调查研究，另一方面聚焦教师专业发展活动以提升教师的信息技术教学效能感[27]、编程教学效能感[28]、计算思维教学效能感[29]和计算思维整合教学的效能感[30]几个层面。可见，这两方面研究均未涉及信息技术教师的人工智能教学效能感。

综上所述，本文旨在为中小学信息技术教师提供专业发展活动，提升其人工智能教学效能感。具体的研究内容包括：(1)设计提升中小学信息技术教师人工智能教学效能感的专业发展内容体系及活动框架；(2)验证该专业发展活动提升中小学信息技术教师人工智能教学效能感的有效性；(3)对具有不同先验知识的信息技术教师，检验该专业发展活动在提升人工智能教学效能感方面是否存在差异。

三、教师专业发展理论框架

(一)知识体系设计

美国学者Koehler和Mishra在学科教学知识PCK的基础上提出了整合技术的学科教学知识TPACK，其框架包含学科内容知识CK、教学法知识PK和技术知识TK三个核心要素；学科教学知识PCK、整合技术的学科内容知识TCK、整合技术的教学法知识TPK和整合技术的学科教学知识TPACK四个复合要素[31]。自此，国内外学者对TPACK展开了大量的理论和实践研究。

目前人工智能知识有两种解读方式，第一种是指赋能教育教学的人工智能技术知识；第二种是作为中小学学科课程内容的人工智能知识。本次人工智能教师专业发展旨在提高信息技术教师的教学效能感，因此作为中小学人工智能课程内容的人工智能知识才是此次专业发展的核心知识。综上，基于TPACK理论，本文构建了专业发展的TPACKAI框架(如表1所示)，包括CKAI、TPKAI、TCKAI、PCKAI和TPACKAI。CKAI是人工智能的知识，包括“人工智能五大理念”[32]和人工智能应用等；TCKAI是关于人工智能的图形化编程，包括使用软件和硬件学习人工智能；PCKAI是关于人工智能的教学方法和教学设计；TPKAI专注于人工智能教学工具，包括相关应用程序、网站和工具；TPACKAI强调集成编程、技术和教学法来教授人工智能，如开发基于学校的人工智能教材。

表1 基于TPACK的信息技术教师人工智能教学效能感提升知识体系

(二)活动框架设计

本文构建了指向人工智能教学效能感提升的专业发展活动框架，如图1所示。在活动形式层面，设计线上线下相结合的混合式专业发展活动，线上活动包括在线课程学习、编程实践和社区讨论等方式；线下活动包括实践社区建设、专家讲座、动手实践、参观学习和教学实践工作坊等多种形式。在具体活动设计方面，根据信息技术学科教师和人工智能知识的特点，结合Darling-Hammond等人提出的有效教师专业发展设计要素[33](内容聚焦、主动学习、支持协作、实践范本和持续时间)和教师教学自我效能感的三种培养途径(掌握经验、替代经验和社会说服)设计相应的专业发展活动。

图1 指向信息技术教师人工智能教学效能感的专业发展活动框架

在内容聚焦方面，活动设计TPACKAI作为框架构建专业发展的知识体系，聚焦人工智能课程知识、技术和教学法等。在主动学习和协作方面，通过在专业发展活动中融入项目式教学、合作学习以及创造性学习，开展小组讨论、作品创作、心得分享等系列活动，使教师在专业学习中分享想法和协作创造，包括合作设计编程作品、研讨教学设计、组织同伴评议。在专家演示和教学示范方面，为教师提供人工智能优质课的教学示范材料，包括人工智能编程作品范例、教学设计和教学观摩等。在持续时间方面，活动包含为期10天60学时的线下集中面对面研修和为期15天36学时的在线课程学习两个阶段。

四、研究设计

(一)研究对象

本文的研究对象是来自陕西省各地市不同学段、不同学校的40位中小学信息技术教师，其中男性22名，女性18名。研究前期调研数据显示，在40位参训教师中，前期接受过人工智能相关培训的教师占42.11%，学校开设了人工智能相关课程的教师占28.95%，所在学校举办过人工智能教育相关讲座的教师占28.95%，组织学生参加过人工智能相关比赛的教师占44.74%，教授过人工智能的相关内容的教师占18.42%。

(二)研究方法

本文采用准实验单组前后测设计，利用问卷法和访谈法收集实验数据，具体实验设计如表2所示。在面对面教师专业发展开始之前，组织教师参与前测评估其人工智能知识和人工智能教学效能感。第一阶段的面对面教师专业发展历时10天，第二阶段的在线教师专业发展持续15天，结束后通过量表测试其人工智能教学效能感，同时对选定教师进行半结构化访谈。

(三)研究工具

1．人工智能教学效能感量表

人工智能教学效能感量表改编自Riggs和Enochs开发的科学教师教学自我效能感评价量表，该量表基于教学结果效能感和教学行为效能感两个维度开发而成，包含25个题项，采用李克特5点计分[2]。笔者对原量表进行了本土化翻译和部分题项的删减修改，形成人工智能教学效能感量表，共计10个题项，其中教学结果期望4个题项，教学效能信念6个题项(如表3所示)。接着在111位中小学信息技术教师中检验量表信效度，KMO值为0.791>0.7，说明各题项之间具有一定的相关性，旋转后的因子载荷矩阵证实该量表具有良好的收敛效度；教学自我效能感的Cronbach's Alpha系数为0.822>0.7(教学效能信念Cronbach's Alpha=0.787>0.7，教学结果期望Cronbach's Alpha=0.738>0.7)，说明该量表具有一定的稳定性和一致性。前测实收问卷38份，问卷回收率为95%；后测实收问卷34份，问卷回收率为85%。由于数据缺失(某些参与者完成了前测，但没有回应后测)，采用前后匹配的方法进行有效问卷的筛选(只有前后测匹配的参与者被纳入分析)，以最大限度地利用样本[34]，剔除无效问卷后，最终剩余有效问卷32份，有效问卷率为80%。

表2 实验设计

表3 人工智能教学效能感量表及旋转后因子载荷矩阵

2．人工智能知识测试问卷

美国K-12人工智能教育行动(AI4K12)在K-12人工智能教学国家指南中将K-12阶段所需学习的人工智能知识分成了5个主题，分别是：感知、表示和推理、机器学习、人机交互和社会影响[32]。根据这5大主题，本研究设计了人工智能知识测试问卷，共计15个题项(10道单选题、5道多选题)。每个题4个选项，单选题选择正确计1分，多选题选择正确计2分(少选计1分，多选不得分)。经过统计分析，该测试问卷各题区分度在0.32-0.41之间，说明各题项区分度较好，具有一定的鉴别力；整套测试题平均难度系数在0.48，说明难度适中。

3．半结构化访谈提纲与访谈对象的选择

针对人工智能课程教师教学效能感，本研究设计的半结构化访谈提纲包括：(1)通过本次培训，您 对开展相关人工智能课程/活动/内容是否更有信心? 为什么?(2)对学生的相关指导是否更有信心?为什么?(3)在您所在的学校，后期您会开展人工智能相关课程/活动/内容吗? 为什么?(4)您认为开展相关课程活动/主题/内容可能面临哪些困难?

在访谈对象的选择方面，对于前测的32份有效问卷使用S-W检验来检验数据的正态分布情况，结果显示教师教学自我效能感的前测数据(W= 0.966,p= 0.406>0.05)和人工智能知识的前测数据(W= 0.964,p= 0.359>0.05)均服从正态分布，这说明其中位数和均值的数值差异很小。因此，可以在中位数和均值中任意选择一种作为参考线，对教师教学效能感和人工智能知识两个维度形成的散点图进行分割形成4个象限(如图2所示)，借此将参与教师分成4类T1(高教学效能感、低人工智能知识)、T2(高教学效能感、高人工智能知识)、T3(低教学效能感、低人工智能知识)和T4(低教学效能感、高人工智能知识)，这4类教师具有不同的特征，在每类教师中选择1位具有代表性的教师，共选择4位教师进行半结构化访谈。

图2 教师分类四象限图

五、研究结果

(一)对信息技术教师人工智能教学效能感的影响

由于样本量小于50，本研究使用S-W检验来检验变化分数的正态性，结果显示：人工智能教学结果期望的前后测变化分(W= 0.965,p= 0.378>0.05)，人工智能教学效能信念的前后测变化分(W= 0.946,p= 0.109>0.05)和教学效能感的前后测变化分(W=0.972,p=0.561>0.05)均服从正态分布。因此，本研究使用配对样本t检验的方法来分析教师专业发展项目对信息技术教师人工智能教学效能感的影响，数据分析结果如表4所示。

从表4的结果可以看出，参加本次人工智能专项培训的教师在参训前后：一方面，教学效能感在总体层面有显著性提升；另一方面，教学效能信念和教学结果期望两个子维度也有显著性提升。比如，在教学效能信念方面，T2在访谈中谈道：“我回去后会调整一下课程设置，加一部分人工智能方面的相关内容，一学期一两节课或者说一个单元或者开展一些相关活动，给学生普及一下人工智能和图形化编程。”在教学结果期望方面，T4说道：“我回去以后就申请Arduino板子，先自己琢磨，做一些东西，我有强烈的愿望做完之后引导学生去创作，学生如果有创意的话，可以结合想法进行创作。”

(二)对不同先验知识的信息技术教师人工智能教学效能感的影响

本次教师专业发展开展之前，利用人工智能知识问卷对参训教师人工智能相关领域的知识储备进行了测试。针对测试结果，采用高低分组法将参训教师的先验知识分为低、中、高3组。为了探究对不同先验知识的信息技术教师人工智能教学效能感的影响是否存在差异，本研究进行了单因素方差分析以判断其是否存在显著性差异，数据分析结果如表5所示。

表4 信息技术人工智能教学效能感前后测比较(N=32)

表5 不同先验知识信息技术教师人工智能教学效能感单因素方差分析

从表5的结果可以看出：具有不同先验知识的信息技术教师，其人工智能教学效能感及两个子维度的提升之间不存在显著性差异。比如先验知识较低的T1说：“我原来没有接触过图形化编程软件，现在我觉得不管是我会不会自己编程，我都能看懂，对这方面的内容也不再担心。另外，原来我不知道人工智能是啥东西，现在对人工智能有大概的了解，我在教学中也更有信心。” 先验知识中等的T3说：“我们学校实施相关课程比较早，采用的还是文本编程软件，这对我们来说比较困难，这次培训回去我打算改成可视化编程软件，让孩子们真正地享受借助编程实现自己的想法。” 先验知识较高的T4说：“我们学校有利用Scratch、编程猫等软件开设的编程社团，之前我只教学生如何编程，由于我们没有那个器材，我自己动手能力差，对于相关硬件的操作没有涉及。经过自此培训，动手操作方面的内容，我感觉我从不感兴趣到现在已经特别感兴趣了，回去我就会大量的去申请购买这些Arduino板子。”

六、结论与讨论

本研究基于TPACK理论设计了提升中小学信息技术教师人工智能教学效能感的专业发展知识体系，结合教学效能感提升途径和有效教师专业发展设计要素构建了线下与线上融合的专业发展活动框架，经过为期25天的第一轮实施，研究发现：信息技术教师的人工智能教学效能感在总体层面以及教学效能信念和教学结果期望两个子维度均有显著性提升；且在不同先验知识的信息技术教师之间不存在显著性差异。这些发现揭示了本研究构建的专业发展知识体系和活动框架在提升中小学信息技术教师人工智能教学效能感方面的有效性。可见，指向信息技术教师人工智能教学效能感提升的专业发展活动应该具有以下两个特点。

(一)培训内容设计在提升信息技术教师人工智能教学效能感方面的有效性

为了提升中小学信息技术教师的人工智能教学胜任力，需要构建一个科学、合理且有效的专业发展内容体系。不同于PCK，TPACK是一个有效地将技术融入教师专业发展的知识框架，能普遍用于指导各学科教师开展技术整合教学的相关培训内容设计[35，36]。针对人工智能这一特定技术，有两种类型的TPACK框架，一种是各学科教师应用人工智能技术开展学科教学的TPACK框架，如闫志明等人构建的AI-TPACK框架[37]，邓国民等人构建的“AI+学科教学”伦理知识框架(AIPCEK)[38]；另一种则是信息技术教师开展人工智能课程教学的TPACK框架(TPACKAI)。这两种框架在教师专业发展方面有很大的差异，其主要区别在于培训对象、培训目标均不同，因此培训内容框架也存在显著差异。已有的研究大多数集中在第一种框架和应用层面，强调教师整合人工智能技术提升信息化教学的能力。技术对于TPACK框架而言至关重要，但有三种类型技术需要做出区分，即作为特定学科工具的技术(如TCK)、作为学习工具的技术以及用来支持专业发展或实践共同体的常规ICT工具[39]。本研究中以上三种类型的技术均有使用，尤其是用来学习人工智能知识的图形化编程技术和开源硬件技术。正是由于使用了这些可操作、可检验的TCK技术，才使得教师们对人工智能知识的学习变得直观、易懂和有效。

本研究的专业发展项目针对信息技术教师，没有采取单纯以AI技能为导向的培训内容设计，而是以人工智能教学胜任力为目标，构建了一个以TPACKAI为核心的专业发展内容体系，将CKAI、TPKAI、TCKAI、PCKAI和TPACKAI整合在一起，以全面增强信息技术教师的人工智能知识、整合技术的人工智能知识、人工智能教学知识以及整合技术的人工智能学科教学法知识。研究结果发现该教师专业发展项目不仅能有效提高信息技术教师的人工智能知识，而且能够提高他们的教学能力和教学效能感。可见，基于TPACKAI的教师专业发展知识框架能够实现人工智能学科知识、教学法和相关支撑技术(图形化编程、开源硬件等)之间的整合与平衡，有助于先前知识储备不同的教师形成对人工智能课程知识灵活的、情景化的理解和认知，从而对他们的人工智能教学胜任力产生了积极的影响。

(二)活动框架设计在提升信息技术教师人工智能教学效能感方面的有效性

仅有有效的知识框架还不足以确保信息技术教师人工智能教学胜任力的全面提升，还需要丰富多元的活动形式来支撑培训内容的有效实施。从本质上讲，知识内容和活动形式是紧密相关、相辅相成的。研究结合TPACKAI框架，整合了能够体现有效教师专业发展要素及提升教学效能感的多种活动形式，尤其包括基于硬件和软件的编程实践与操作、参观学习人工智能教育示范校和以工作坊形式进行小组教学研讨与分享等。

由于活动形式单一，教师专业发展活动在相当长的一段时间内形成了自上而下式的传递形式——“讲座式”专业发展。不同于单纯讲座式的培训，区别于“碎片式的、肤浅的”专题研讨[40]，本研究所设计的能体现内容聚焦、主动学习、协作等有效教师专业发展要素的活动，具有理论学习和实践操作相融合、编程技能和教学设计相结合、自主学习和合作学习相结合的特点，从而能够有效激发教师学习的积极性与主动性，更好地支持教师间知识社会建构、实践经验交流和教学实践转变。首先，专业发展活动课程内容聚焦，知识体系设计不仅有学科专业知识，还涵盖相应的技术和教学法研习，以促进学生的学习[41,42]。其次，参与专业发展项目时教师是积极的参与者，而不是被动的知识接受者。专业发展活动中的实操环节开源硬件设备的操作和编程、教学实践工作坊环节的研讨分享教学设计、在线学习环节的自主学习及编写程序等，这些都为教师们获得自主学习和获得掌握经验提供了机会。再次，专业发展活动提供了一次与同行合作的机会，需要教师分享自己的思考，获得同伴的反馈。在专家讲座、校企参观的过程中，参训教师作为学习者、观察者获取适合自己开展人工智能教育的教学经验，这是获得替代经验的有效途径之一[13]。同时，相近教龄、相同任教学段、同一地区的参训教师具有相似的教学背景，这能加强社会模范对参训教师替代经验的影响，从而获得教学自我效能感。此外，专业发展中的小组研讨和同行评议更加关注教师的自我完善和成长，这与班杜拉的建议相一致，即在自我完善的基础上给予积极评价，而不是将同伴比较作为自我效能感的来源。最后，活动场域设计充分发挥线下和线上活动的双重优势，既满足了教师面对面实时交流、实地观察与体验、亲身动手操作的需要，也拓展了专业发展的时空场域，更有助于结合教师的日常课堂实践。