中小学教师人工智能技术教学整合困难量表之开发与验证

《Frontiers in Psychology》：Development and validation of a scale on the difficulties of AI technology integration in teaching for primary and secondary school teachers

　　

缺乏综合性且具理论根基的测量工具，制约了系统诊断中小学（K?12）教师在人工智能（AI）教学整合中所面临多维障碍的进程。为此，研究人员基于认知-情绪-意志-行为（CEVB）启发式框架开发并验证了一份多维量表。通过半结构化访谈、专家咨询与预测试，形成初始20题项池，并对来自中国安徽中西部的546名教师施测。心理测量学评估涵盖题项分析、探索性因子分析（EFA）、验证性因子分析（CFA）、信度检验及效度与测量不变性评估。题项分析确认题项区分度满意。EFA提取出清晰四因子结构——认知理解困难、情绪态度困难、意志动机困难与行为实践困难，累计解释方差66.20%。CFA支持一阶四因子模型（χ2/df = 2.014，CFI = 0.944，RMSEA = 0.061，SRMR = 0.056）与高阶模型（χ2/df = 2.162，CFI = 0.935，RMSEA = 0.065，SRMR = 0.066）。量表内部一致性强劲（Cronbach's α = 0.915，McDonald's ω = 0.917）。聚合与判别效度满意，跨性别与学校层级（小学、初中、高中）严格测量不变性成立。效标关联效度得到各维度与教师AI素养维度显著正相关支持。结构方程建模确认显著顺序中介路径（F1 → F2 → F3 → F4），实证验证从认知缺陷到情绪抗拒、再至动机衰退、最终至行为阻碍的理论级联过程。该研究提供具心理测量稳健性与理论驱动的诊断工具，支持分阶段靶向干预，超越一刀切路径以有效支撑教师AI整合教学。

研究背景方面，人工智能在教育中的快速扩散带来个性化学习与智能测评等可能，各国（尤其是中国政府）大力投入AI赋能教育生态，期望教师将AI工具有效融入日常教学。然而大量证据表明，中小学教师在真实整合AI时面临 substantial 困难，这些困难不止于技术层面，更植根于认知准备、情绪反应、动机状态与情境实施障碍。既有研究多基于技术接受模型（TAM）考察感知有用性与易用性，或开发AI素养、AI自我效能、AI准备度、AI技术压力等单维量表，未能系统刻画从概念理解到课堂应用的完整困难链，亦少有理论化“认知缺口触发情绪抗拒→削弱意志动机→阻碍行动”的顺序依存性，限制诊断精度与整体干预框架建构。为此，研究人员移植教育心理学经典“认知-情绪-意志-行为（CEVB）”启发式框架，将教师AI应用困难操作化为认知理解、情绪态度、意志动机、行为实践四维相互关联而可分的构念，以支撑精准分阶段诊断与对症干预。

研究人员通过开展量表开发研究得出核心结论：中小学教师AI教学整合困难系由认知理解困难（F1）、情绪态度困难（F2）、意志动机困难（F3）、行为实践困难（F4）四维构成的多维构念，且受单一高阶因子统摄；四维结构经EFA与CFA稳健支持，高阶四因子模型拟合良好；量表具优秀心理测量属性（α=0.915，ω=0.917，严格测量不变性跨性别与学段成立，与AI素养各子维度显著相关佐证效标效度）；SEM确认F1→F2→F3→F4顺序中介路径显著，实证CEVB级联逻辑。该研究发表于《Frontiers in Psychology》，意义在于突破碎片单维测量，提供理论驱动诊断工具，使教育管理者与培训者能定位瓶颈节点并施以知识脚手架、心理支持、激励调整、基础设施改进等对症策略，推动从“一刀切”转向“精准干预”。

关键技术方法方面，研究人员于2026年3月至5月采用分层随机与方便抽样结合，通过“问卷星”平台调查安徽西部中小学教师，获546份有效问卷（男31.9%，女68.1%；小学24.0%，初中54.6%，高中21.4%），嵌入注意检查项与150秒最低应答时限控质。基于10人半结构化访谈与5位专家咨询形成20题项预测试版（Likert 5点，7–20题反向计分）。以Wang等（2023b）AI素养量表（AILS，Likert 7点）为效标。统计上用SPSS 25.0做题项分析、正态性、EFA（主辅轴因子法+varimax旋转， halves随机拆半）、信度与效标效度；Mplus 7.4用MLR估计做CFA、组合信度、聚合/判别效度、多组测量不变性（形态-度量-标量-严格四级嵌套）；AMOS 24.0用Bootstrap 2000次做SEM顺序中介（Baron-Kenny逐步法建M1–M5）。

研究结果各节简要如下。4.1题项分析：对全样本用临界比（CR）法与题总相关，高低27%组分t>3.000（p<0.001），Cohen's d>0.80，题总相关r₁/r₂>0.400，所有20题留用。4.2正态性检验：拆半两亚样本偏度峰度均近正态（标记Y），支持后续MLR选用。4.4探索性因子分析：前半样本（n=273）KMO=0.893，Bartlett χ²=3080.055（p<0.001）；主辅轴+varimax提取四因子，载荷≥0.45、MSA≥0.80、无交叉重载，累计方差66.198%（F1认知37.781%、F2情绪14.854%、F3意志8.206%、F4行为5.358%），20题全留。4.5验证性因子分析：后半样本（n=273）MLR估计，允许e7?e8、e1?e2残差协方差修正后，一阶模型χ²/df=1.688、CFI=0.951、TLI=0.943、RMSEA=0.050、SRMR=0.054；二阶模型χ²/df=1.815、CFI=0.941、TLI=0.932、RMSEA=0.055、SRMR=0.063，全样本报告一阶χ²/df=2.014/CFI=0.944/RMSEA=0.061/SRMR=0.056，二阶χ²/df=2.162/CFI=0.935/RMSEA=0.065/SRMR=0.066。4.6组合信度与聚合/判别效度：全样本各题项标准化载荷0.40–0.95内，CR均>0.60（F1=0.892、F2=0.793、F3=0.884、F4=0.842），AVE>0.50（F1=0.581、F2=0.446、F3=0.656、F4=0.516），√AVE大于 inter-factor 相关系数，判别满意。4.7测量不变性：多组CFA跨性别（男174/女372）与学段（小131/初298/高117）测形态/度量/标量/严格四级，ΔCFI<0.010且ΔRMSEA<0.015，严格不变性成立。4.8信度：全样本α总=0.915（F1=0.895、F2=0.802、F3=0.881、F4=0.838），ω总=0.917（分维度0.799–0.896）。4.9效标关联效度：四困难维度与AILS四子维度（认知识别、实践应用、批判评估、伦理规范）均p<0.001正相关（r=0.653–0.761），验证假设负向对应（低素养高困难）。4.10顺序中介SEM：全样本AMOS建M1–M5，M5拟合χ²/df=2.487/CFI=0.959/TLI=0.951/RMSEA=0.052/SRMR=0.043；F1→F4直接效应B=0.438（66.77%），F1→F2→F4 B=0.063（9.60%），F1→F3→F4 B=0.041（6.25%），F1→F2→F3→F4链式B=0.114（17.38%），95%CI不含0，级联中介显著。

讨论与结论部分总结：研究人员指出该量表证实教师AI困难为“认知→情绪→意志→行为”级联整体，非孤立障碍；四因子受高阶因子统摄，EFA/CFA一致支持；心理测量属性优秀且跨群体严格不变；与AI素养显著相关佐效标效度；SEM首验CEVB顺序逻辑，解释“高知低行”“愿强手弱”现象，说明单维知识培训难促持续行为改变须同时疏通情绪与意志瓶颈。结论翻译如下：扎根CEVB框架，本研究开发《中小学教师人工智能技术教学整合困难量表》并经546名教师系统心理测量评价，确认其含认知理解、情绪态度、意志动机、行为实践四维且受高阶因子统摄；四维结构经EFA与CFA稳健支持；量表具优秀信效度与跨性别学段严格测量不变性；SEM确认F1→F2→F3→F4顺序中介，实证困难非平行隔离而呈级联；教育实践应由“一刀切”转“精准干预”——认知层给知识脚手架与课例，情绪层建容错与同伴支持心理安全区，意志层纳AI应用入绩效可见评价并调激励，行为层补硬件与现场技术支持打通“最后一英里”。该研究既供验证化测量工具，又验证启发式过程模型以导引未来干预设计。