《Frontiers in Public Health》:Educational anxiety triggered by artificial intelligence technology: pathways and configuration analysis affecting teachers’ professional well-being
编辑推荐:
引言:本研究旨在系统探索影响教师职业幸福感的关键因素,并揭示其复杂的潜在机制,以期为提升教师职业幸福感提供理论与实践指导。方法:采用混合研究方法,结合结构方程模型(SEM)与人工神经网络(ANN),分析影响教师职业幸福感的因素及路径。结果:首先,教学设计自主性
引言:本研究旨在系统探索影响教师职业幸福感的关键因素,并揭示其复杂的潜在机制,以期为提升教师职业幸福感提供理论与实践指导。方法:采用混合研究方法,结合结构方程模型(SEM)与人工神经网络(ANN),分析影响教师职业幸福感的因素及路径。结果:首先,教学设计自主性、师生关系、职业能力扩展感和主动工作重塑等工作资源与教师职业幸福感显著正相关,而教育焦虑则显著负相关。其次,教育焦虑在工作资源与幸福感之间起关键中介作用,表明这些资源的正向效应部分源于缓解焦虑。第三,工作投入正向调节了职业能力扩展感和主动工作重塑对幸福感的增益效应。讨论:研究建议,管理者应赋予教师更大的教学自主权,并提供高质量的专业发展机会以增强其能力感;学校应关注教师心理健康,建立支持系统以缓解教育焦虑;同时,引导教师主动进行工作重塑是提升个体幸福感的有效内在路径。本研究为改善教师幸福感提供了多维度的理论视角与实践参考。
**研究背景与问题**
进入21世纪第三个十年,人工智能(AI)技术以前所未有的速度渗透教育领域,引发教育范式的深刻变革。从知识传递到能力培养,从标准化教学到个性化学习,从经验驱动到数据驱动,AI正重新定义教育的内涵与边界。尤其以GPT-4为代表的大语言模型,凭借其强大的知识理解、推理和创意生成能力,不仅挑战了传统的知识与学习观,更从根本上拷问了教师的职业角色与价值。这种技术驱动的教育转型呈现出三个显著特征:智能替代加速——AI迅速接管传统上属于教师的认知任务;功能边界模糊——人机协同教学中教师的角色日益模糊;适应紧迫性——教师需快速从“知识权威”转型为“学习设计师”。这些特征共同构成了当代教师的“技术困境”,即拥抱技术创新与维护专业尊严之间的深层冲突。然而,现有关于AI与教育融合的研究普遍分为两大主流范式:一是“技术中心”范式,聚焦AI技术的设计、开发与应用;二是“宏观伦理批判”范式,从哲学、社会学、伦理学角度审视AI在教育中的宏观风险。这些研究虽提供了重要的技术蓝图和伦理框架,却普遍忽视了关键中间环节——教师作为技术采用与实践主体的内在“心理感知与压力反应”。AI技术并非直接客观地作用于教育结果,而需经过教师的认知、解释、情感体验和行为选择等“黑箱”才能转化为真实的教育实践。因此,学术界亟需将研究视角从外部的“技术赋能”或“伦理审视”转向教师个体的“心理感知”,探索技术变革在微观心理层面的涟漪效应。本研究聚焦“AI教育焦虑”这一核心构念,旨在揭示其影响教师职业幸福感的内在机制。论文发表在《Frontiers in Public Health》。
**关键技术方法**
研究人员采用混合研究方法,结合结构方程模型(Structural Equation Modeling, SEM)与人工神经网络(Artificial Neural Network, ANN)进行分析。SEM用于验证基于自我决定理论(Self-Determination Theory, SDT)和工作重塑理论(Job Crafting Theory)构建的假设模型中的线性路径关系;ANN则进一步捕捉变量间潜在的非线性复杂关系,构建高精度预测模型。样本来自中国K-12教育体系(涵盖小学、初中和高中)的在职教师,采用分层随机抽样方法,按地理区域(东部、中部、西部)、学校类型和城乡分布分层,覆盖北京、上海、江苏、广东、四川、陕西6个省市,共发放450份问卷,经严格筛选后获得363份有效问卷(有效回收率80.67%)。
**研究结果**
**4.1 量表信效度检验**
通过Cronbach's α、组合信度(Composite Reliability, CR)和平均方差抽取量(Average Variance Extracted, AVE)检验,各潜变量的CR值介于0.639-0.719,AVE值介于0.841-0.885,均达到或接近学术标准,表明量表具有良好的信度和收敛效度。KMO值为0.884,Bartlett球形检验显著(p<0.001),数据适合进行因子分析。区分效度检验中,各变量AVE平方根均大于其与其他变量的相关系数,且HTMT值介于0.222-0.540(低于0.90),表明潜变量之间具有良好的区分效度。
**4.2 验证性因子分析**
对测量模型进行验证性因子分析(Confirmatory Factor Analysis, CFA),模型拟合指标均达标:CMIN/DF=1.054(<3),GFI=0.964,AGFI=0.948,RMSEA=0.012(<0.05);增值拟合指标NFI=0.966,TLI=0.998,IFI=0.998,CFI=0.998,RFI=0.957,均超过0.95;简约拟合指标PCFI=0.783,PNFI=0.758,PGFI=0.676,均超过0.50。表明CFA模型拟合良好,为后续SEM分析提供了坚实基础。
**4.3 路径系数与假设检验**
SEM路径分析结果显示:教学设计自主性(Teaching Design Autonomy, TDA)(β=0.238, p<0.001)、师生关系深度(Teacher-Student Connection, TSC)(β=0.187, p<0.01)、职业能力扩展感(Perceived Competence Expansion, PCE)(β=0.161, p<0.05)和主动工作重塑(Proactive Job Crafting, PJC)(β=0.164, p<0.01)均对教师职业幸福感(Professional Well-being, PW)有显著正向直接影响;教育焦虑(Educational Anxiety, EA)对PW有显著负向影响(β=-0.275, p<0.001)。同时,TDA(β=-0.266, p<0.001)、TSC(β=-0.196, p<0.01)、PCE(β=-0.222, p<0.01)和PJC(β=-0.234, p<0.001)均对EA有显著负向预测作用。假设H1-H4、H6-H9均得到支持。
**4.4 教育焦虑的中介效应**
中介效应分析表明,教育焦虑在TDA、TSC、PCE、PJC与教师职业幸福感之间均起显著部分中介作用。例如,TDA通过EA对PW的间接效应为0.049(95%CI: 0.007-0.097, p=0.019),直接效应为0.245(p=0.003),总效应为0.294(p=0.001)。TSC、PCE和PJC的间接效应分别为0.034(p=0.023)、0.036(p=0.024)和0.037(p=0.020),直接效应和总效应均显著。这表明,增强这些工作资源不仅能直接提升教师幸福感,还能通过降低教育焦虑间接提升幸福感。
**4.5 工作投入的调节效应**
工作投入(Work Engagement, WE)显著调节了职业能力扩展感与教师职业幸福感之间的关系(交互项系数=0.099, t=2.054, 95%CI: [0.041, 0.194]),也显著调节了主动工作重塑与教师职业幸福感之间的关系(交互项系数=0.118, t=2.084, 95%CI: [0.007, 0.229])。即在高工作投入水平下,职业能力扩展感和主动工作重塑对教师职业幸福感的正向效应更强。
**讨论与结论**
讨论部分指出,本研究的核心发现——教学设计自主性、职业能力扩展感等工作资源对教师职业幸福感的促进作用——与工作需求-资源模型(Job Demands-Resources, JD-R)的理论预测高度一致,并在当前教育背景下提供了新的实证证据。教育焦虑在“资源–幸福感”路径中的核心中介作用,符合资源保存理论(Conservation of Resources Theory, COR)的逻辑:工作资源作为有效的“资源储备”帮助教师抵御外部压力,防止陷入“丧失螺旋”,从而维护心理平衡与幸福感。工作投入的调节效应则表明,工作资源并非对所有人产生同等效应,教师自身的心理状态是资源高效转化为幸福感的“催化剂”;高工作投入的教师更善于主动寻求和利用发展机会,并积极重塑工作内容与人际边界。
研究结论部分翻译如下:本研究通过结合结构方程模型(SEM)与人工神经网络(ANN)的混合方法,系统探索了影响教师职业幸福感的多元因素及其复杂交互机制。主要结论如下:第一,教学设计自主性、师生关系深度、职业能力扩展感和主动工作重塑等工作资源与教师职业幸福感显著正相关,而教育焦虑则显著负相关。第二,教育焦虑在这些工作资源与职业幸福感之间发挥重要的中介作用,表明这些资源对幸福感的正向效应可能部分通过缓解教师焦虑来实现。第三,教师自身的工作投入水平调节了职业能力扩展感、主动工作重塑与幸福感之间的关系,即高水平的工作投入可能放大这两种资源带来的积极体验。ANN模型分析进一步凸显了教学设计自主性和职业能力扩展感在预测教师幸福感和教育焦虑中的核心重要性。基于这些发现,研究为提升教师职业幸福感提供了若干探索性的实践启示。