《Sage Open》:Teachers’ Digital Pedagogical Readiness for AI-Supported Teaching: Preliminary Internal-Structure Evidence for a Five-Dimensional Model
编辑推荐:
人工智能(Artificial Intelligence, AI)正成为日常教学的一部分,但其教育价值取决于教师以教学化、批判性和伦理化的方式使用AI的能力。这项定量横断面研究(quantitative cross-sectional study)考察了一个初
人工智能(Artificial Intelligence, AI)正成为日常教学的一部分,但其教育价值取决于教师以教学化、批判性和伦理化的方式使用AI的能力。这项定量横断面研究(quantitative cross-sectional study)考察了一个初步教师准备度题组的内部结构证据,并比较了选定的背景群体。研究人员通过探索性维度缩减、验证性测量建模、独立样本t检验和单向方差分析(one-way ANOVA)分析了538名教师的调查数据。补充分析评估了信度、聚合与区分证据、测量不变性、斜交因子模式和竞争测量模型。保留的31题模型被解释为五个初步维度:AI支持的教学设计与个性化(AI-supported instructional design and personalization)、协作在线教学法与AI支持的评估、对教育技术的创新性与开放性、评价性数字能力、技术信心与专业影响,以及伦理的、反思性的与实践性的AI教学法。原始的相关的五因子模型拟合良好,但补充比较也支持一个强的一般准备度因子。标准化验证性因子分析(Confirmatory Factor Analysis, CFA)载荷范围为0.623至0.840。准备度在性别或学科专业上没有差异;具有先前AI相关学习的教师准备度更高,且随学校背景和职业阶段而变化。然而,学校类型、学科和经验比较需要谨慎,因为未对这些分组建立测量等价性,且若干检验在多重性调整后处于边缘显著。这些发现提供了具有相关子领域的广泛准备度概况的初步证据,而非对完全成熟工具的验证。
本文围绕教师对AI支持教学的数字教学法准备度展开测量学与背景比较研究。随着人工智能(Artificial Intelligence, AI)从边缘教育创新迅速进入日常教学,其教育价值取决于教师能否在教学、批判和伦理层面有效使用AI。然而,现有实施往往停留在工具性使用,且教师准备度相关研究多聚焦于AI基础素养或使用意愿,缺乏对数字教学法准备度这一多维结构的系统测量。为此,研究人员基于技术教学内容知识(Technological Pedagogical Content Knowledge, TPACK)框架、AI素养理论及多个国际教师AI能力框架,提出教师数字教学法准备度应涵盖教学设计、教学实施、评价判断、创新开放与伦理责任等层面,并研制了初始题组,在土耳其2025/26学年通过非概率自愿抽样收集了538名教师的问卷数据。研究旨在检验该题组的内部结构,评估保留的测量模型,并比较不同学校类型、先前AI学习经历、性别、学科专业和教学经验教师之间的准备度差异。
研究人员主要得出以下结论:保留的31题模型呈现五个相关的初步维度,但补充分析同时支持一个强的一般准备度因子;先前参与AI相关课程或学习活动与更高准备度稳定相关;性别和学科专业未显示显著差异;学校类型和教学经验存在一定差异,但因测量等价性未完全确立而需谨慎解读。研究提供了五维结构的初步内部结构证据,而非完整量表的验证,提示教师准备度是由多个相关子域构成的广泛专业能力。
研究方法方面,研究采用定量横断面问卷设计。初始题项经理论推导生成,共有38题,经探索性因子分析(主成分提取、Varimax旋转,补充主轴因子/oblimin斜交旋转)筛减为31题;验证性因子分析(Confirmatory Factor Analysis, CFA)用于检验五因子相关模型及竞争模型;信度采用Cronbach's alpha和McDonald's omega;聚合效度采用组合信度(Composite Reliability, CR)和平均方差抽取量(Average Variance Extracted, AVE),区分效度采用异质-单质比率(Heterotrait-Monotrait Ratio, HTMT);测量不变性按性别和AI课程参与分组检验;组间比较采用独立样本t检验和单向方差分析(ANOVA)。样本源自土耳其2025/26学年通过参与学校和授权渠道招募的实践教师,初始N=538,因探索性筛选删除28个异常值后,主分析样本为510例,补充分析使用完整538例数据。
研究结果部分。4.1 探索性因子分析:数据适合因子分析(Kaiser-Meyer-Olkin抽样充分性=0.971,Bartlett球形检验显著),初始提取出5个特征值大于1的因子,累计方差解释率64.03%。经旋转后形成五个初步维度:AI支持的教学设计与个性化、协作在线教学法与AI支持评估、对教育技术的创新性与开放性、评价性数字能力/技术信心与专业影响、伦理/反思/实践性AI教学法。各维度内部一致性良好,Cronbach's alpha在0.843至0.922之间,McDonald's omega在0.848至0.924之间。4.2 验证性SEM测量模型:基于510例样本,五因子相关模型拟合良好,χ
2(399)=884.96,χ
2/df=2.22,CFI=0.960,RMSEA=0.049,标准化载荷范围为0.623至0.840。潜变量协方差范围为0.30至0.48,表明维度间正向关联。4.3 补充信效度与稳健性分析:基于完整538例数据的补充分析显示,标准化载荷仍为0.623至0.840,CR为0.849至0.924,AVE为0.532至0.635,均达到常用基准;HTMT值介于0.731至0.872,低于0.90。补充斜交EFA可见交叉载荷,竞争模型比较显示双因子模型拟合良好,提示存在广泛的一般准备度因子。测量不变性分析支持性别与AI课程参与分组的标量不变性,但学校类型多群组模型因私立学校样本较小而无法收敛。4.5 背景变量差异:学校类型比较中,私立学校教师在协作在线教学法与AI支持评估上显著高于公立学校教师(Holm校正后仍显著),其余维度在未校正时边缘显著;AI课程参与组在五个维度上均显著高于未参与组,效应量d为0.35至0.45;性别无显著差异;学科专业无显著差异;教学经验中,1至10年教龄教师在教学设计、协作教学、创新开放和伦理AI教学维度上高于16年以上教龄教师,但经验分组的测量等价性未检验,解释需谨慎。
讨论部分总结了四个突出发现:一是五个准备度子域得到初步支持,但内容效度因缺乏专家评定和预试而未确立;二是信度、收敛效度、斜交因子和竞争模型证据共同表明一个宽泛的一般准备度因子与相关子域并存;三是先前AI学习与更高准备度一致关联,但因果关系不能确立;四是性别与AI课程参与比较有标量不变性支持,而学校类型、学科和经验比较需谨慎。研究人员强调,教师AI准备度比采用意愿或技术自我效能更广阔,包含教学设计、课堂实施、创新取向、评价判断和伦理责任。研究结论部分可翻译为:教师对AI支持教学的感知数字教学法准备度似乎包含一个广泛的一般准备度因子以及若干相关子域,涉及教学设计、教学实施、创新开放性、评价判断和伦理取向。这些发现提供了这些题组聚类的初步内部结构证据,但并未验证一个完全成熟的工具,也未证明五个维度是明确分离的。AI相关学习与更高感知准备度相关联,而本研究样本未检测到学科差异。加强教师对AI支持教学的准备度,不仅需要关注技术获取和操作技能,还需要持续提供基于教学法的、经过批判性评价的、并具有伦理意识的专业学习。