《Sage Open》：Artificial Intelligence in Teacher Education as a Sociotechnical Negotiation: Evidence From Post-Conflict Liberian Colleges of Education
编辑推荐：
专业术语翻译
人工智能（Artificial Intelligence, AI）在教育领域的快速扩张加剧了关于其教学潜力和伦理影响的辩论。然而，现有研究主要集中在技术先进的环境，对于AI如何在资源受限的教育系统中被解读提供的见解有限。本研究基于社会技术系统理论
专业术语翻译
人工智能（Artificial Intelligence, AI）在教育领域的快速扩张加剧了关于其教学潜力和伦理影响的辩论。然而，现有研究主要集中在技术先进的环境，对于AI如何在资源受限的教育系统中被解读提供的见解有限。本研究基于社会技术系统理论（Sociotechnical Systems Theory, STS），探讨了后冲突利比里亚的教师教育者如何解读和协商AI在教师教育中的作用。采用定性阐释主义设计，研究人员与来自三所机构的十五名教师教育者进行了半结构化访谈。通过反思性主题分析法分析数据，以探索技术可能性如何受到制度、专业和基础设施条件的影响。研究结果表明，AI主要被解读为一种补偿性的教学基础设施，能够解决教学资源和学术支持方面的局限性。同时，教育者对智力依赖、学术诚信和教师专业性的维护表示担忧。制度能力差距和基础设施不稳定进一步成为影响AI整合可行性的关键因素。该研究提出了“约束性社会技术对齐”（constrained sociotechnical alignment）这一概念，作为一种情境敏感的阐释视角，用于理解在资源受限的教师教育中，AI整合如何取决于基础设施稳定性、制度能力和专业考量之间的相互作用。在此类背景下，基础设施不仅作为技术系统的一部分，而且作为社会技术实践的先决条件发挥作用。通过将AI采纳置于低基础设施教育环境中，该研究提供了一个情境敏感的理论框架，用以理解在全球南方（Global South）技术创新是如何被解读和协商的。这些发现对政策、制度战略以及未来关于教师教育中公平AI整合的研究具有启示意义。
论文解读文章
研究背景与问题
在当前全球教育体系中，人工智能（Artificial Intelligence, AI）正以前所未有的速度渗透，从自适应学习平台到生成式AI工具如ChatGPT，其应用日益广泛。尽管已有大量研究探讨AI的教学潜力与伦理风险，但这些研究大多聚焦于技术发达、基础设施完善的地区。对于资源严重匮乏、甚至刚从冲突中恢复的地区，AI如何被理解和接纳，学界知之甚少。这种认知空白可能导致技术推广中的“数字殖民主义”（digital colonialism）风险，即低收入国家被动接受而非主动塑造技术未来。
利比里亚作为一个历经长期内战和埃博拉疫情的后冲突国家，其教育系统面临基础设施脆弱、网络连接不均、信息技术整合度低的严峻挑战。与此同时，国家话语又将AI定位为变革性的发展机遇。这种技术渴望与现实约束并存的状态，引出了一个核心问题：在无法假设基础设施稳定性的教育系统中，AI究竟被如何解读？教师教育者作为培养未来教师的关键群体，他们如何在这一过程中扮演中介角色，决定了AI最终是沦为边缘创新、补偿性工具还是结构性的教学资源。因此，本研究旨在深入探究后冲突利比里亚教师教育机构中，教师教育者如何在制度与基础设施的现实条件下，解读和协商AI的角色、意义与可行性。
研究方法与技术
为实现研究目标，研究者采用了定性阐释主义（qualitative interpretivist）研究设计。主要关键技术方法包括：
- 1.
半结构化访谈（Semi-structured interviews）：作为核心数据收集手段，研究者对来自利比里亚三所教师教育机构（两所大学和一所师范学院）的15名教师教育者进行了深度访谈。样本覆盖城市和半城市地区，参与者来自幼儿教育、初等教育、中等教育及教育技术等多个学科，教龄从3年到16年不等。
- 2.
目的性抽样（Purposive sampling）：为确保获取信息丰富的观点，研究者根据参与者的教学角色和专业经验进行有目的的筛选。
- 3.
反思性主题分析（Reflexive thematic analysis）：所有访谈录音被逐字转录后，研究者采用此方法对数据进行系统性的编码、归类与主题提炼。分析过程既保持对数据的归纳性开放，又受社会技术系统理论（Sociotechnical Systems Theory, STS）的敏感性引导，最终形成了五个核心主题。
研究结果
研究结果围绕三个研究问题展开，揭示了五个相互关联的主题：
主题一：AI作为资源受限教师教育中的补偿性教学基础设施
研究发现，教师教育者普遍将AI视为一种补偿性资源，用以弥补教学资源短缺、师资力量不足和图书馆资料陈旧等结构性缺陷。例如，参与者指出，AI可以在讲师无法提供个别指导时为学生提供持续的学习支持，并能帮助讲师更高效地备课。这表明，在利比里亚的语境下，AI并非被视为颠覆性创新，而是一种务实的、辅助性的教学补充。
主题二：协商AI时代的专业现代化
教师教育者认识到，教师教育项目必须适应技术变革，将AI素养视为未来教师的必备专业技能。他们认为，教师教育机构有责任培养学生批判性地使用AI工具，而不是简单地回避。然而，他们也强调，这种现代化进程不能脱离核心教学原则和伦理价值，必须在创新与传统之间寻求平衡。
主题三：捍卫智力自主性与教师专业性
这是研究中涌现的核心伦理关切。教师教育者强烈担心学生对生成式AI工具的过度依赖会削弱其独立思考、批判性分析和自主学习的能力。他们视培养学生的独立推理能力为教师教育的根本目标，并将自己定位为“智力自主性的守护者”，负责界定AI使用的合理边界，以维护学术诚信和教师职业的专业性。
主题四：制度准备度与AI采纳能力的局限
研究发现，利比里亚教师教育机构在AI整合方面处于非常早期的阶段。许多教师自身仍在使用基础数字工具，缺乏针对AI的专业培训。此外，各院校普遍缺乏明确的政策和指导方针来规范AI在教学和评估中的应用，导致教师在实践中感到困惑和不确定。因此，制度层面的能力建设成为AI从理论走向实践的瓶颈。
主题五：基础设施作为技术可能性的边界
这是所有参与者最一致强调的障碍。不稳定的互联网连接、不可靠的电力供应以及数字设备的匮乏，从根本上限制了AI技术的实际可用性。即使教师愿意尝试，恶劣的基础设施条件也使得AI工具的日常使用变得困难重重。这揭示了一个核心的社会技术洞察：在利比里亚，基础设施不仅是技术系统的组成部分，更是决定社会技术实践能否发生的先决条件。
讨论与结论
本研究的核心贡献在于提出了“约束性社会技术对齐”（constrained sociotechnical alignment）这一概念。它指出，在资源受限的环境中，AI整合的成功与否，并不单纯取决于技术本身或个体态度，而是依赖于基础设施稳定性、制度能力和专业价值观这三者能否有效协同。研究挑战了主流的、以个体接受度为核心的技术采纳模型（如技术接受模型TAM），证明在结构性约束面前，意愿不足以驱动变革。教师教育者在其中扮演着积极的中介角色，他们的解读、担忧和专业判断共同塑造了AI在本地的意义与合法性。
研究结论：
本研究考察了在后冲突利比里亚教师教育的社会技术条件下，教师教育者如何解读人工智能。AI并非作为一种中立的教育工具运作，而是作为一种由背景调节的现象浮现，其重要性由基础设施、制度能力和专业实践所塑造。“约束性社会技术对齐”的概念提供了一个情境敏感的视角，用以理解技术整合如何在资源受限的教育系统中展开。这一视角将AI采纳重新定义为一个有条件的过程，其中技术潜力的实现取决于那些能够促成或限制技术可能性与制度现实之间对齐的条件。更广泛地说，本研究强调了关注塑造教育技术变革的结构性条件的重要性。它表明，需要将AI整合不仅视为一个创新问题，也视为一个能力、协调和情境准备度的问题。为此，将AI有意义地整合到教师教育中的努力需要持续关注基础设施、制度发展和专业学习。未来的研究应探索这些动态如何在不同的教育背景下展开，特别是在基础设施发展不均的环境中。这类工作对于确保AI在教育领域的进步不仅是技术驱动的，而且是情境响应和公平的至关重要。
