李世瑾 顧小清

什么影響了人工智能教育的教學效果？*——基于教師技術(shù)認知和教學實踐層面的分析

李世瑾 顧小清[通訊作者]

（華東師范大學 教育信息技術(shù)學系，上海 200062）

目前，人工智能已被逐步應(yīng)用于教育實踐，而教學效果決定了人工智能教育的實踐進程。為保障人工智能教育的有序推進，文章以1638位中小學教師為研究對象，從技術(shù)認知和教學實踐兩個層面，采用量化方法分析了人工智能教學效果的影響因素，以及不同性別、學歷、教齡、學段、學科教師在教學效果方面的差異化表現(xiàn)。研究發(fā)現(xiàn)，影響人工智能教學效果六個因素的效應(yīng)水平依次為：組織支持＞課堂文化＞能力感知＞價值感知＞活動內(nèi)容＞教學設(shè)計；不同性別、教齡、學段教師的教學效果存在顯著差異，但在學歷、學科上的差異表現(xiàn)未達到顯著水平。基于研究結(jié)果，文章從協(xié)同多元力量、關(guān)注實踐差距、優(yōu)化設(shè)計內(nèi)容等角度針對人工智能教育實踐的開展提出建議，以期科學推動人工智能教育實踐，提升人工智能教育的教學效果。

人工智能教育；教學效果；技術(shù)認知；教學實踐

新一代人工智能為教育生態(tài)注入了新動能，同時也激發(fā)了教育工作者參與智能化實踐的熱情和信心。然而，理性看待人工智能教育的實踐效果，其現(xiàn)實表現(xiàn)并不盡如人意。一項元分析結(jié)果表明，智能導(dǎo)學系統(tǒng)對學生成就的正向效應(yīng)值僅為0.09[1]。若借助智能技術(shù)干預(yù)，會讓表現(xiàn)不佳的學生感到恐懼，甚至加劇學生的同質(zhì)化傾向[2]。此外，人工智能教育實踐還存在一定的風險，如李世瑾等[3]從管控視角闡釋了智能技術(shù)還原教育世界的本體風險、認識風險、價值風險和倫理風險，并從復(fù)雜性治理范式、多主體協(xié)同機制、多元創(chuàng)新方法論等層面提出了應(yīng)對智能教育風險的出路；吳河江等[4]指出了人工智能教育應(yīng)用的潛在風險類型，并提出了有效規(guī)避策略。此外，還有學者運用復(fù)雜系統(tǒng)科學理論，提出人工智能教育面臨實踐質(zhì)量不充分、基礎(chǔ)理論研究較薄弱、實踐應(yīng)用領(lǐng)域不均衡等問題[5]。基于現(xiàn)有研究不難發(fā)現(xiàn)，有關(guān)人工智能教育的實踐效果審視聚焦于方法推介或風險闡釋層面，鮮有研究從量化視角回應(yīng)其影響因素與效應(yīng)水平。因此，本研究采用問卷調(diào)查法，從教師技術(shù)認知和教學實踐兩個層面，分析人工智能教學效果的影響因素，并探究不同性別、學歷、教齡、學段、學科教師在教學效果方面的差異化表現(xiàn)，以期為推動人工智能教育實踐提供合理依據(jù)和有效參照。

一 研究設(shè)計

1 調(diào)查問卷編制

本研究編寫了“中小學人工智能教育的教學效果”調(diào)查問卷，采用李克特五點量表計分，內(nèi)容分為兩部分：第一部分為基本情況調(diào)查，包括性別、學歷、教齡、學段、學科等人口學信息，以及教師對人工智能教育的了解程度、技術(shù)操作熟練度和實踐態(tài)度等應(yīng)用情況；第二部分為人工智能教學效果的影響因素調(diào)查，分別從“技術(shù)認知”和“教學實踐”層面進行系統(tǒng)分析。

①技術(shù)認知層面：技術(shù)認知是教師對人工智能教學的主觀認識和實踐傾向，其中，能力感知與價值感知是影響教師開展人工智能教學的關(guān)鍵因素[6][7]。能力感知是教師認為自身具備開展人工智能教學的能力程度，而價值感知是教師相信開展人工智能教學對自身工作績效和教學目標的實現(xiàn)程度?；诖耍狙芯拷梃bDavis[8]、Venkatesh[9]等設(shè)計的技術(shù)接受度量表，圍繞能力感知和價值感知兩個子維度，共設(shè)計了6道測試題。

②教學實踐層面：教學實踐是教師開展人工智能教學的真實體驗，以及實踐進程中面臨的行動挑戰(zhàn)。結(jié)合人工智能教學實踐的內(nèi)涵，本研究參照改革教學觀察協(xié)議（Reformed Teaching Observation Protocol，RTOP）[10]，分別從人工智能教學設(shè)計、活動內(nèi)容、課堂文化、組織支持四個子維度，共設(shè)計了14道題。其中，人工智能教學設(shè)計強調(diào)使用智能化教具，幫助學生創(chuàng)造性地解決復(fù)雜問題；活動內(nèi)容重視通過陳述性和程序性的組織方式，勾勒人工智能應(yīng)用的具體情境，培養(yǎng)學生的人工智能素養(yǎng)；課堂文化關(guān)注人工智能教學的愉悅氛圍，包括積極的交流互動和良好的師生關(guān)系；組織支持則是人員隊伍、智能裝備、經(jīng)費保障和管理制度對人工智能教學的支持力度。

③教學效果：教學效果關(guān)注教師、學生和應(yīng)用效益等方面的變化情況，基于人工智能教學效果的界定范疇，本研究參照Wang等[11]設(shè)計的人工智能教學問卷，圍繞教學效率、學業(yè)成就、智能應(yīng)用效益設(shè)計了3道題目。

2 問卷信效度檢驗

經(jīng)計算，調(diào)查問卷各維度的信度系數(shù)均在0.9以上，說明問卷具有較好的內(nèi)部一致性。效度檢驗方面，KMO值為0.969，Bartlett’s球形檢驗的c2值達到0.05顯著水平，即測試題的相關(guān)矩陣之間存在共同因素，適合進行因子分析。進一步采用主成分分析法，并經(jīng)過方程最大化正交旋轉(zhuǎn)，從問卷的原始指標萃取出6個主因子，分別對應(yīng)能力感知、價值感知、教學設(shè)計、活動內(nèi)容、課堂文化、組織支持，此時因子荷量均在0.600以上，總體方差解釋為69.976%，滿足統(tǒng)計學因素負荷量大于0.45和累積解釋變量大于60%的要求，說明該問卷效度良好。

3 數(shù)據(jù)收集過程

本研究采用整群抽樣和方便抽樣相結(jié)合的方式確定調(diào)查對象：首先采用整群抽樣法從34個省級行政區(qū)隨機抽取東部、中部和西部15個樣本省級行政區(qū)作為一級抽樣單位，然后從15個樣本省級行政區(qū)隨機抽取48個地級市作為二級抽樣單位，最后按照方便抽樣原則抽取96所中小學作為三級抽樣單位。在整個抽樣過程中，本研究將“開展人工智能教育實踐”作為遴選標準。2021年7月，本研究采用網(wǎng)絡(luò)問卷形式，開展了為期四周的數(shù)據(jù)采集工作，共收回1758份問卷，其中有效問卷1638份，有效率約達93%。

圖1 人工智能教學效果的測評分析框架

4 數(shù)據(jù)分析過程

數(shù)據(jù)分析過程如下：首先，根據(jù)有效調(diào)查問卷確認教師開展人工智能教學的基本情況；然后，從技術(shù)認知和教學實踐兩個層面，探討能力感知、價值感知、教學設(shè)計、活動內(nèi)容、課堂文化和組織支持對教學效果的具體影響；最后，探究不同性別、學歷、教齡、學段、學科教師在各影響因素和教學效果方面的差異化表現(xiàn)，具體如圖1所示。

二 研究結(jié)果

1 教師開展人工智能教學的基本情況

本研究中，中小學教師的基本情況包括性別、學歷、教齡、學段、學科等人口學信息，以及教師對人工智能教育的了解程度、技術(shù)操作熟練度和實踐態(tài)度等應(yīng)用情況，如表1所示。

2 人工智能教學效果的影響因素

本研究首先分析了樣本數(shù)據(jù)的相關(guān)性，發(fā)現(xiàn)能力感知、價值感知、教學設(shè)計、活動內(nèi)容、課堂文化、組織支持兩兩之間均顯著相關(guān)，且這六個因素與教學效果的相關(guān)系數(shù)分別為0.753、0.736、0.759、0.822、0.839、0.628。之后，本研究采用多元線性回歸與路徑分析，探索各因素對教學效果的影響水平，結(jié)果發(fā)現(xiàn)：能力感知（=0.000＜0.05）、價值感知（=0.000＜0.05）、教學設(shè)計（=0.031＜0.05）、活動內(nèi)容（=0.001＜0.05）、課堂文化（=0.000＜0.05）、組織支持（=0.000＜0.05）對人工智能教學效果均有顯著影響，且共同解釋教學效果總變異量的78.7%。

3 不同性別、學歷、教齡、學段、學科教師的差異化表現(xiàn)

①不同性別教師的差異化表現(xiàn)：男教師和女教師在教學效果上存在顯著差異（=0.003＜0.05），且男教師表現(xiàn)更佳（t=3.011）。具體來說，不同性別教師在能力感知（=0.001＜0.05，t=3.446）、價值感知（=0.000＜0.05，t=3.670）、教學設(shè)計（=0.008＜0.05，t=2.641）、活動內(nèi)容（=0.019＜0.05，t=2.356）、課堂文化（=0.027＜0.05，t=2.209）、組織支持（=0.015＜0.05，t=2.443）等維度均存在顯著差異，且男教師的表現(xiàn)水平均優(yōu)于女教師。

②不同學歷教師的差異化表現(xiàn)：不同學歷教師在教學效果上的差異表現(xiàn)未達到顯著水平（=0.279＞0.05），但不同學歷教師在能力感知（=0.031＜0.05）、價值感知（p=0.009＜0.05）、教學設(shè)計（=0.023＜0.05）、活動內(nèi)容（=0.003＜0.05）、課堂文化（=0.006＜0.05）、組織支持（=0.003＜0.05）等維度均達到顯著差異水平。進一步通過事后多重比較，可以發(fā)現(xiàn)：能力感知、價值感知、教學設(shè)計、活動內(nèi)容、課堂文化等維度的效應(yīng)水平為博士＞碩士＞本科＞?？疲M織支持維度的效應(yīng)水平依次為博士＞碩士＞?？疲颈究?。

③不同教齡教師的差異化表現(xiàn)：不同教齡教師在教學效果上存在顯著差異（=0.000＜0.05），且效應(yīng)水平依次為2年以下＞2～5年＞11～15年＞6～10年＞16年以上。具體來說，不同教齡教師在能力感知（=0.000＜0.05）、價值感知（=0.000＜0.05）、教學設(shè)計（=0.000＜0.05）、活動內(nèi)容（=0.000＜0.05）、課堂文化（=0.000＜0.05）、組織支持（=0.000＜0.05）等維度均存在顯著差異。進一步通過事后多重比較，可以發(fā)現(xiàn)：能力感知維度的效應(yīng)水平依次為2年以下＞2～5年＞11～15年＞6～10年＞16年以上，價值感知維度的效應(yīng)水平依次為2～5年＞11～15年＞2年以下＞6～10年＞16年以上，教學設(shè)計、活動內(nèi)容維度的效應(yīng)水平依次為2～5年＞2年以下＞11～15年＞6～10年＞16年以上，而課堂文化、組織支持維度的效應(yīng)水平依次為2年以下＞2～5年＞11～15年＞6～10年＞16年以上。

④不同學段教師的差異化表現(xiàn)：不同學段教師在教學效果上存在顯著差異（=0.000＜0.05），且效應(yīng)水平依次為小學＞初中＞高中。具體來說，不同學段教師在能力感知（=0.003＜0.05）、價值感知（=0.000＜0.05）、課堂文化（=0.031＜0.05）三個維度存在顯著差異，但在教學設(shè)計（=0.767＞0.05）、活動內(nèi)容（=0.285＞0.05）、組織支持（=0.185＞0.05）三個維度不存在顯著差異。進一步通過多重比較，可以發(fā)現(xiàn)：能力感知、價值感知維度的效應(yīng)水平依次為小學＞初中＞高中，課堂文化維度的效應(yīng)水平依次為初中＞小學＞高中。

⑤不同學科教師的差異化表現(xiàn)：不同學科教師在教學效果上的差異表現(xiàn)未達到顯著水平（=0.320＞0.05）。具體來說，不同學科教師在教學設(shè)計（=0.236＞0.05）、活動內(nèi)容（=0.539＞0.05）兩個維度不存在顯著差異，但在能力感知（=0.000＜0.05）、價值感知（=0.021＜0.05）、課堂文化（=0.045＜0.05）、組織支持（=0.000＜0.05）四個維度存在顯著差異，且體育、信息技術(shù)、物理和通用技術(shù)學科的教師表現(xiàn)較佳。

三 研究討論

1 教師的技術(shù)認知和教學實踐對人工智能教學效果有正向影響

根據(jù)研究結(jié)果可知，教師技術(shù)認知和教學實踐層面的六個因素均能正向影響人工智能教學效果，且效應(yīng)水平依次為組織支持＞課堂文化＞能力感知＞價值感知＞活動內(nèi)容>教學設(shè)計。這意味著要提高教學效果的首要任務(wù)是提供充分的組織支持，創(chuàng)設(shè)智力流動的文化環(huán)境。也就是說，當使能條件越豐富時，教師的努力期望愈加明顯，實踐成效也越顯著[12]。這是因為，人工智能教學是前進性和曲折性的統(tǒng)一體，當組織支持或課堂文化越理想時，教師就越能感知到人工智能教學的現(xiàn)實必要性，也就越容易產(chǎn)生實踐動力和信心，從而獲得更高水平的教學效果。

能力感知和價值感知對人工智能教學效果的影響次之，其原因可能在于教師的能力感知越充分，就越傾向于創(chuàng)新設(shè)計教學內(nèi)容和活動流程，主動走出傳統(tǒng)教學的舒適區(qū)。在這個過程中，教師對人工智能教育的價值感知和實踐信念也較高，期待通過持續(xù)投入時間和精力，促使教學實踐發(fā)生顛覆性創(chuàng)新。因此，我們應(yīng)充分激發(fā)教師能力認知的積極心理和效能期待，并驅(qū)動教師開展人工智能教學，從而循序漸進地提升人工智能教學效果。

活動內(nèi)容和教學設(shè)計也正向影響人工智能教學效果，即可以通過選擇、組織、設(shè)計合理的活動內(nèi)容和教學支架，來保障教學實踐的有效性。Mayer[13]強調(diào)基于科學的教學設(shè)計原則，能夠塑造學生積極、努力的人格傾向與心理范式，幫助不同認知水平的學生在刺激聯(lián)結(jié)中建立技術(shù)應(yīng)用的融合模式，最終實現(xiàn)對技術(shù)知識的內(nèi)化與重組。因此，科學界定人機協(xié)同的技術(shù)規(guī)則，選取合理的課程資源和智能工具，正是人工智能教育實踐科學落地的關(guān)鍵。

2 不同性別、學歷、教齡、學段、學科教師的差異化表現(xiàn)分析

根據(jù)研究結(jié)果可知，在性別方面，男教師的教學效果更加顯著，且在各影響因素上的表現(xiàn)均優(yōu)于女教師。這是因為，源自技術(shù)感知優(yōu)勢，男教師對人工智能教學表現(xiàn)出更為濃厚的興趣，且更愿意付出足夠的努力，探索人工智能知識和教學實踐策略[14]。因此，在中小學人工智能教學實踐的進程中，必須高度關(guān)注女教師的消極表現(xiàn)，可利用同儕影響和榜樣示范等途徑，調(diào)節(jié)女教師對人工智能技術(shù)應(yīng)用的感知偏頗，從而縮小不同性別教師智能化教學效果的差距。

在學歷方面，不同學歷教師的教學效果并不存在顯著差異，但在各影響因素上的表現(xiàn)存在顯著差異，且博士、碩士學歷明顯優(yōu)于本科、?？茖W歷。這是因為，人工智能教學實踐尚處于探索階段，不同學歷教師群體的認知水平和精力投入整體處于中間狀態(tài)，故教學效果整體不存在顯著差異。但由于博士、碩士學歷的教師已經(jīng)體驗過人工智能實踐項目或具有人工智能學習經(jīng)歷，因此其更容易適應(yīng)人工智能教學實踐流程，也更愿意探索智能化實踐策略。

在教齡方面，不同教齡教師在各影響因素及教學效果上均存在顯著差異，且效應(yīng)水平依次為2年以下＞2～5年＞11～15年＞6～10年＞16年以上。通過對比可知，教齡處于5年以內(nèi)的教師多為新晉年輕教師，他們期待快速提升教學績效，加上年輕教師比較擅長創(chuàng)新探索與創(chuàng)意實現(xiàn)的活動設(shè)計，故能夠取得相對滿意的教學效果。而教齡處于10年以上的教師多為年長型教師，他們由于長期受傳統(tǒng)教學理念的熏陶，容易對人工智能教學產(chǎn)生恐懼甚至排斥心理，同時受職業(yè)倦怠的影響，其努力程度和績效期待也隨之降低，故在人工智能實踐教學中表現(xiàn)不佳。

在學段方面，不同學段教師在能力感知、價值感知、課堂文化、教學效果上存在顯著差異，且相較于高中教師，小學、初中教師的表現(xiàn)更佳。這是因為，學習是情境性活動，關(guān)注實踐共同體合法的邊緣性參與[15]。也就是說，小學和初中階段強調(diào)學生探究意識及創(chuàng)意想法的萌生，故教師期待通過人工智能實踐活動，激發(fā)學生積極創(chuàng)新的動機意識。而高中階段的教學任務(wù)及課業(yè)負擔更為繁重，教師普遍重視學生學科知識和專業(yè)技能的習得，以及教學活動的“有效輸出”。在這種情境下，教師的主觀意愿和實踐信念也隨之弱化，很難獲得相對滿意的教學效果。

在學科方面，不同學科教師的教學效果并不存在顯著差異，但在能力感知、價值感知、課堂文化、組織支持上存在顯著差異，且排名前三的學科為體育、信息技術(shù)、通用技術(shù)。究其原因，可能在于人工智能的發(fā)展熱潮起源于體育競技產(chǎn)業(yè)[16]，體育教師由于長期受智能體育的專業(yè)熏陶，更愿意持續(xù)投入足夠精力，設(shè)計兼具創(chuàng)意與成效的活動流程；而信息技術(shù)、通用技術(shù)教師作為國內(nèi)人工智能課程資源的骨干設(shè)計者，能夠依托原有創(chuàng)新經(jīng)驗，將人工智能元素有效融入教學設(shè)計和組織活動，因此主觀層面的能力感知、價值感知、課堂文化、組織支持等表現(xiàn)相對較佳。

四 中小學開展人工智能教育實踐的建議

基于上述中小學人工智能教學效果影響因素與差異化表現(xiàn)的討論結(jié)果，本研究針對中小學人工智能教育實踐的開展提出以下建議：

1 協(xié)同多元力量，豐富人工智能教學的組織文化

本研究發(fā)現(xiàn)，組織支持和課堂文化正向影響教學效果，且影響系數(shù)分別位居前兩位。由于人工智能教學是一項系統(tǒng)化工程，因此協(xié)同多元力量、完善組織保障機制、優(yōu)化課堂實踐氛圍是提升人工智能教學效果的堅實基礎(chǔ)。一方面，要發(fā)揮高等院校、教育研究所、企業(yè)、中小學校等支持聯(lián)盟的資源優(yōu)勢，建立人工智能實踐共同體；加強職前、職后教師培訓(xùn)支持，通過在高等教育課程體系中增設(shè)人工智能教育實踐項目，讓“準教師”盡早了解人工智能教育知識，定期舉辦人工智能教育專題研討活動，或通過真實項目、在線虛擬培訓(xùn)方式，讓職后教師充分體悟人工智能教學設(shè)計流程。另一方面，要營造輕松、智能的學習氛圍，鼓勵不同學科背景、經(jīng)驗水平的教師協(xié)同反思教學問題，并基于“建立愿景→改善心智→自我超越”的教學變革路徑，實現(xiàn)從“邊緣參與”到“充分參與”的角色認知轉(zhuǎn)化。此外，還要通過創(chuàng)新教學的彈性激勵，如通過提升薪酬、遴選人工智能“明星教師”或“種子教師”等途徑，持續(xù)激發(fā)教師的努力期望。

2 關(guān)注實踐差距，提升人工智能教學的勝任感知

任何新興技術(shù)在應(yīng)用進程中都不可避免地會受到實踐主體的質(zhì)疑，本研究所發(fā)現(xiàn)的能力感知和價值感知正向影響教學效果就證實了這一點。基于此，有必要強化中小學教師的主觀積極性，并培養(yǎng)其集體感：首先，要充分發(fā)揮輿論平臺的積極導(dǎo)向作用，激發(fā)一線教師的實踐動力，尤其是女性、教齡偏長、學歷偏低的教師群體，鼓勵教師努力將知識儲備與教學經(jīng)驗外化為行動舉措，提升其開展人工智能教學的勝任感知。其次，借助人工智能實踐共同體的幫扶機制，幫助不同教師樹立高度認同感與實踐價值觀，同時依托多元主體協(xié)同力量和關(guān)鍵腳手架等，持續(xù)激發(fā)教師的創(chuàng)新人格特質(zhì)與實踐信心。最后，尊重教師的話語權(quán)和行動力，持續(xù)為其主觀層面的“勝任感知詞典”（即勝任特征集群、成功與錯誤行為示例和行動等級描述等），提供情感包容的心理養(yǎng)分支持。例如，參照“素養(yǎng)=（知識+能力）態(tài)度”結(jié)構(gòu)模型[17]，分別從人工智能創(chuàng)意知識、人工智能智力管理、人工智能教學設(shè)計等層面，提升教師勝任感知的文化涵養(yǎng)。

3 優(yōu)化設(shè)計內(nèi)容，打造人工智能教學的教練群體

本研究已證實，教學設(shè)計和活動內(nèi)容正向促進教學效果。實際上，行動科學研究者早已認識到，教學不應(yīng)僅停留于觀念層面，還必須從實踐行動層面明晰具體的教學設(shè)計及其相對應(yīng)的行為操作[18]。首先，要注重內(nèi)在提升，以教師熟悉的課堂場域為抓手，將人工智能知識建構(gòu)“明學于心、實踐于行”，持續(xù)拓展教師的人工智能教學設(shè)計力[19]。通過觀摩人工智能示范課堂，讓教師在真實情境中分析、建構(gòu)、內(nèi)化整合人工智能的學科教學知識（AI-PACK），促使教師產(chǎn)生人工智能教學實踐的“心流體驗”，形成主動適應(yīng)人工智能教學的感知力、行動力和洞察力。其次要重視外部陶冶，即拓展人工智能實踐場景，豐富一線教師對智能化氣息的感知。通過建立人工智能實驗室，或在科創(chuàng)中心、創(chuàng)意工作坊、走廊、屋頂或綠色空間等融入人工智能技術(shù)，滋養(yǎng)人工智能與學校場域融合共生的文化底蘊。需強調(diào)的是，人工智能教學設(shè)計和活動內(nèi)容的重點并非是要求教師熟練掌握相關(guān)技術(shù)原理，故應(yīng)避免智能認知的負荷超載，尤其是應(yīng)保證女性和教齡偏長的教師能在足夠了解人工智能教育應(yīng)用的前提下，積累智能化教學經(jīng)驗并提出實踐策略。

五 結(jié)語

人工智能的教育應(yīng)用并非一蹴而就，本研究通過分析教學效果的影響因素，以及不同性別、學歷、教齡、學段、學科教師的差異化表現(xiàn)，進一步明確了中小學人工智能教育的推進方向與行動舉措。未來，研究團隊將持續(xù)推進以下工作：①研究樣本雖遍布我國東部、中部和西部，但主要集中在上海、北京、天津、河南、四川、寧夏等地域，研究結(jié)論的適用范圍可能受限于地域情境。未來將擴大樣本數(shù)量，開展更大規(guī)模的實證調(diào)查研究，以形成更具普遍意義的推進策略。②人工智能教學效果的影響因素，遠比研究涉及的變量及其變量關(guān)系復(fù)雜。后續(xù)將采用動態(tài)建模和仿真實驗的方法，引入更多實踐變量，調(diào)節(jié)變量的影響路徑與作用機理。③結(jié)合學校發(fā)展情境對人工智能教練群體進行專門培訓(xùn)，同時整合已驗證的有效教學干預(yù)方案，形成“最小風險”“可重復(fù)、可共享”的人工智能有效教學提升路徑與整體實施策略。

[1]Steenbergen H S, Cooper H. A meta-analysis of the effectiveness of intelligent tutoring systems on K-12 students’ mathematical learning[J]. Journal of Educational Psychology, 2013,(4):970-987.

[2]Lin H C K, Chen M C, Chang C K. Assessing the effectiveness of learning solid geometry by using an augmented reality-assisted learning system[J]. Interactive Learning Environments, 2013,(6):799-810.

[3]李世瑾,胡藝齡,顧小清.如何走出人工智能教育風險的困局:現(xiàn)象、成因及應(yīng)對[J].電化教育研究,2021,(7):19-25.

[4]吳河江,涂艷國,譚轢紗.人工智能時代的教育風險及其規(guī)避[J].現(xiàn)代教育技術(shù),2020,(4):18-24.

[5]徐莉,梁震,楊麗樂.人工智能+教育融合的困境與出路——復(fù)雜系統(tǒng)科學視角[J].中國電化教育,2021,(5):78-86.

[6][11]Wang S Y, Yu H T, Hu X F, et al. Participant or spectator? Comprehending the willingness of faculty to use intelligent tutoring systems in the artificial intelligence era[J]. British Journal of Educational Technology, 2020,(5):1657-1673.

[7]Federica I. Preservice teachers’ perceptions of artificial intelligence tutors for learning[D]. Columbus: Ohio State University, 2020:73-82.

[8]Davis F D. Perceived usefulness, perceived ease of use, and user acceptance of information technology[J]. MIS Quarterly, 1989,(3):319-340.

[9]Venkatesh V. Determinants of perceived ease of use: Integrating control, intrinsic motivation, and emotion into the technology acceptance model[J]. Information Systems Research, 2000,(4):342-365.

[10]Piburn M, Sawada D. Reformed teaching observation protocol(RTOP): Reference manual[OL].

[12]Luckin R, Cukurova M. Designing educational technologies in the age of AI: A learning sciences-driven approach[J]. British Journal of Educational Technology, 2019,(6):2824-2838.

[13]Mayer R E. What should be the role of computer games in education?[J]. Policy Insights from the Behavioral and Brain Sciences, 2016,(1):20-26.

[14]Wellner G, Rothman T. Feminist AI: Can we expect our AI systems to become feminist?[J]. Philosophy & Technology, 2019,(2):191-205.

[15]Brown J S, Collins A, Duguid P. Situated cognition and the culture of learning[J]. Educational Researcher, 1989,(1):32-42.

[16]Yu Y, Gao P. Application of computer-aided intelligent training in sports control[J]. Advanced Materials Research, 2010,(4):588-591.

[17]蔡清田.素養(yǎng):課程改革的DNA[M].臺北:高等教育文化事業(yè)有限公司,2011:70.

[18]Geuss R. The idea of a critical theory[M]. Cambridge: Cambridge University Press, 1981:61-63.

[19]Terblanche N. A design framework to create artificial intelligence coaches[J]. International Journal of Evidence Based Coaching and Mentoring, 2020,(2):152-165.

What Affects the Teaching Effect of Artificial Intelligence Education?——Based on the Analysis of Aspects of Teachers’ Technology Cognition and Teaching Practice

LI Shi-jin GU Xiao-qing[Corresponding Author]

Nowadays, artificial intelligence has been gradually applied in the educational practice, and the teaching effect determines the practical process of artificial intelligence education.In order to ensure the orderly advancement of artificial intelligence education, this paper took 1638 primary and secondary school teachers as the research objects, and used quantitative methods to analyze the influencing factors of the teaching effect of artificial intelligence and teachers’ differentiated performance in different genders, education backgrounds, teaching ages, school periods and subjects, from the two perspectives of technology cognition and teaching practice. It was found that the six factors influencing artificial intelligence teaching effect, when listed from high to low according to their effect levels, were organizational support, classroom culture, ability perception, value perception, activity content and teaching design. The teachers’ teaching effects in different genders, teaching ages, and school periods showed significant differences. However, this differences in academic qualifications and subjects did not reach a significant level. Based on the research results, this paper put forward suggestions for the development of artificial intelligence practice education from the perspectives of coordinating multiple forces, paying attention to practice gaps, and optimizing design content, in order to scientifically promote artificial intelligence education practice and improve the teaching effect of artificial intelligence education.

artificial intelligence education; teaching effect; technology cognition; teaching practice

G40-057

A

1009—8097（2022）08—0092—08

10.3969/j.issn.1009-8097.2022.08.011

本文為2019年度國家社會科學基金重大項目“人工智能促進未來教育發(fā)展研究”(項目編號：19ZDA364）的階段性研究成果。

李世瑾，在讀博士，研究方向為學習科學與技術(shù)設(shè)計、智能教育，郵箱為shijinliEdu@163.com。

2021年10月11日

編輯：小時