基于AI-TPACK模型的高职教师AI教育素养现状调查及提升策略

摘 要 基于智能技术与教育融合的教师专业发展创新理论——AI-TPACK理论，构建了适用于高职教师人工智能教育素养的三维模型，包括知识和技能、态度和价值观、持续学习和发展能力三维度。依托该模型编制人工智能素养调查问卷，并对国内16所高职院校1138位教师进行问卷调查和量化分析。研究结果显示，高职教师的人工智能素养总体表现一般，对人工智能教育技术持积极态度，但在知识储备、实践经验和学习态度等方面存在显著不足，并在性别、学历等方面存在差异。基于此，提出了由制度赋能、生态重构、伦理治理构成的高职院校教师人工智能教育素养提升的三维协同发展路径，以推动智能技术在职业教育中的深度融合与创新应用。

关键词 AI-TPACK理论；人工智能教育素养；高职教师

中图分类号 G715 文献标识码 A 文章编号 1008-3219（2025）08-0069-07

在第四次工业革命与教育数字化转型的历史交汇期，以生成式人工智能为代表的技术集群正重构全球产业生态，倒逼高等职业教育人才培养体系进行范式革新。当前，关于“人工智能（AI）+职业教育”的研究正经历从理念倡导到实践深化的跨越式发展阶段，其中对职业院校教师AI教育素养的学理建构与职业发展赋能机制研究仍存在显著不足。特别是2023年以来，以ChatGPT、DeepSeek、Claude等大语言模型驱动的教育智能体，通过自适应学习系统和认知增强技术，正在重塑“人机协同”的教学新图景，这客观上要求高职教师要实现从传统“双师型”向“智能双师型”的认知跃迁。基于AI-TPACK理论框架，本研究构建了高职教师AI教育素养的三维模型，采用混合研究方法对国内16所高职院校的1138名教师作答的有效问卷样本进行实证分析，揭示出我国高职教师AI素养发展的“能力断层”与“认知鸿沟”，进而提出包含制度赋能、生态重构、伦理治理的协同发展路径，以期为提高高职教师数字化素养提供学理支撑。

一、智能教育素养的概念界定与模型构建

（一）人工智能素养

近年来，关于人工智能素养的研究日益增多。有学者定义了人工智能素养，强调理解AI技术的基本原理，并具备批判性评估其在不同情境中应用的能力。此外，有研究指出，AI素养不仅包含技术能力，还涉及社会责任感和伦理意识，要求个体在使用技术时考虑其道德和社会影响。其他学者则探讨了在教育环境中如何有效地教授和培养学生的AI素养，强调了技术工具和教学方法对于提升学生AI理解力的重要性[1][2]。

本研究将人工智能素养定义为个体理解、使用和评估AI技术的综合能力。它不仅涵盖对AI基本知识和技能的掌握，还包括能够批判性地评估这些技术的应用效果，并能有效地将其融入各个领域中。AI素养的培养旨在确保个体在面对迅速发展的技术环境时，能够有效地应用AI技术，同时具备评估和应对这些技术对社会、经济和伦理影响的能力。

（二）人工智能教育素养

我国在2018年由教育部发布的《关于开展人工智能助推教师队伍建设行动试点工作的通知》中首次提及了“智能教育素养”这一概念。现有研究主要从三个视角进行了阐释：一是从定义与工具性的视角强调了对AI技术的理解和应用能力[3]；二是从态度与价值观的视角聚焦于AI技术的伦理和社会责任[4]；三是从可持续学习与发展应用的视角关注AI技术在教育中的长期应用。

综上，本研究将人工智能教育素养定义为在教育环境中培养和应用AI相关知识、技能及批判性思维、伦理意识和可持续发展能力的综合素养[5]。它不仅要求教育者和学习者掌握AI技术的基本原理，还需具备批判性分析其教育影响的能力，并能应对AI技术带来的伦理和社会责任问题。AI智能教育素养旨在帮助教育工作者和学习者在快速发展的技术环境中有效应用AI技术，提升应对未来挑战的能力。

（三）AI-TPACK理论视角下高职教师AI教育素养模型构建

1.理论基础：AI-TPACK模型

2006年，美国密歇根州立大学的米什拉（Mishra）和科勒（Koehler）提出了教育技术整合理论（Technological Pedagogical Content Knowledge，TPACK）。该理论将教师在教学中的三个核心知识领域，即技术知识（Technological Knowledge，TK）、教学知识（Pedagogical Knowledge，PK）和学科知识（Content Knowledge，CK），进行了相互结合和关联，衍生出整合技术的教学知识（Technological Pedagogical Knowledge，TPK）、整合技术的学科知识（Technological Content Knowledge，TCK）以及学科教学知识（Pedagogical Content Knowledge，PCK），这三类知识的融合构成了TPACK理论模型[6]。TPACK为研究前沿技术、教学方法与学科内容之间的关系提供了理论基础，也为教师在信息化社会中实现职业成长、提升专业能力指明了方向。

AI-TPACK模型是对原始TPACK框架的扩展，旨在帮助教育工作者有效地整合人工智能技术于教育教学中。当AI成为TK的核心技术知识内容，TPACK理论模型就需要更新为整合人工智能技术的学科教学知识模型。闫志明等在TPACK理论框架中注入AI内涵，提出了AI教育技术整合（AI-TPACK）模型，见图1[7]。

AI-TPACK模型包括七个核心要素：除了原有的TK、PK、CK外，还包括融合AI的技术知识AI-TK、教学知识（AI-TPK）、学科知识（AI-TCK）、学科教学知识（AI-TPACK）。AI-TPACK模型为构建高职教师AI教育素养提供了理论框架，它不仅要求教师掌握AI技术的基本操作，还要求教师能够批判性地反思和应用这些技术以支持和增强学生的学习效果。通过结合AI技术，教师能够更好地适应快速变化的技术环境，设计个性化学习体验，并解决在传统教学中难以应对的复杂问题。

2.AI教育素养评价模型构建

AI-TPACK模型理论不仅能有效指导人机协同思维下智能技术与学科内容及教学方法之间的融合，且蕴含着构成教师AI教育素养的核心要素，因此，本研究针对当下现代职业教育数字化的新要求，以AI-TPACK为基础，借鉴胜任力的洋葱模型，演绎、归纳和析取AI教育素养的核心维度及构成要素，提出了数字时代背景下高职院校教师AI教育素养评价模型，该模型包含3个一级指标和12个二级指标，见表1。

在知识与技能维度，主要强调教师运用AI技术的施教能力，旨在通过技术优化教学效率和学生体验，对提升教学质量和学生学习效果有直接影响。主要评价教师掌握AI的基本概念、核心原理及其在教育中的应用能力，以及是否能够熟练运用AI工具进行教学设计、实施和评估等。在态度与价值观维度，强调教师在整合AI技术过程中的价值引导和伦理监管，对保障AI在教育中的健康发展至关重要。主要观测教师应对AI技术持积极态度、是否认可其在教育中的价值，以及是否具备处理AI技术相关伦理问题的能力。在持续学习与发展能力维度，强调教师的自我驱动力和成长潜力，确保其在AI技术方面的胜任力得以持续提升。主要评估教师是否保持持续学习的动力，并不断更新自己的AI知识和技能，以适应快速变化的技术环境。

3.高职教师AI教育素养评价模型验证

为验证该模型的有效性，本研究采用专家意见咨询法征询相关领域专家对模型的修正意见。将上述构建的教师AI教育素养模型的评价指标体系作为问卷题项，编制了《基于AI-TPACK理论的教师AI教育素养模型专家咨询问卷》。采用分层随机抽样方法，对32位专家、教师的问卷调查数据进行量化分析。采用结构方程模型（SEM）构建测量模型和结构模型，测量模型用于验证各指标的信度和效度，包括三个潜变量，即知识与技能、态度与价值观、持续学习与发展能力，每个潜变量由若干观察变量（问卷中的具体题项）测量。结构模型则用于检验潜变量之间的因果关系，假设知识与技能、态度与价值观、持续学习与发展三个变量对高职教师AI教育素养有正向影响。通过AMOS软件进行SEM分析，模型拟合度指标（χ2/df=2.1，CFI=0.93，TLI=0.92，RMSEA=0.04）均在可接受范围内，表明模型拟合良好。路径系数表明，知识与技能（β=0.45，p<0.001）、态度与价值观（β=0.37，p<0.001）和持续学习与发展能力（β=0.41，p<0.001）均对AI技术应用效果有显著正向影响，支持研究假设。

二、研究设计

（一）调查工具

本研究所使用的调查工具是基于开发的AI教育素养模型进行题项编写、测试、因素分析、信效度检验等问卷编制程序后生成的有效问卷[13]。本调查问卷分为三个部分，共有30道题。第一部分（1～8题）主要包括调查问卷对象的性别、年龄、学历、职称等基本信息，用于后期的交叉分析。第二部分（9～28题）是主体部分，参照AI教育素养模型对高职教师AI教育素养水平开展调查，共编制了20个题目。每个问题设计四个层级选项，采用4分制正向计分，分数越高说明表现越好，见表2。第三部分（29～30题）是在上述20个题项基础上，设置了两个开放性问题，旨在调查高职教师对AI在教育领域未来发展的预期、态度及对AI技术教学能力提升的培训需求。

本研究通过软件SPSS25.0检验问卷的信效度。AI教育素养调查问卷的总维度及三个子维度的Cronbach’s α值均大于0.8，问卷信度较高，见表3。此外，使用KMO检验对调查问卷进行效度检验，KMO值为0.864，表明问卷的效度适合开展因子分析。综上，该问卷的信效度较理想，可用于高职院校教师AI教育素养现状的调查分析。

（二）调查对象与变量设置

本研究调查对象为分布在浙江、山东、江苏、陕西、云南、贵州、重庆、湖南、江西等省份的16所高职院校的校领导、中层干部和一线教师。此次调查，共有1138位教师通过“问卷星”参与问卷调查。

本研究的潜变量是AI教育素养的三个维度，即“知识与技能”“态度和价值观”“持续学习和发展”。其中，设置了关于调查对象个体特征的性别、年龄、教龄、学历、职称等七个自变量。调查对象基本信息统计见表4。

三、研究结果分析

（一）调查结果分析

1.高职教师AI教育素养表现水平的描述性统计分析

为把握高职教师AI教育素养现状的总体情况，本研究在对总体效果进行描述性统计分析的基础上分别对知识与技能、态度与价值观、持续学习与发展能力三个维度指标进行了描述性统计分析，见表5。

高职院校教师在AI教育素养总体得分均值为2.915，标准差为0.46。这一结果与理论均值2.8分比较，作单样本t检验，发现教师的AI教育素养表现水平超过了预期值（t值为37.464，P值小于0.001）。在所有调查者中，得分低于理论均值2.8分的教师有143名，占总人数的12.57%，高于平均分的教师有605人，占比53.16%。这表明受访教师的AI教育素养总体表现较好。

从三个维度的指标来看，态度和价值观素养的平均得分最高，为3.028分；其次是持续学习和发展能力，平均得分为2.920分；而知识和技能素养的平均得分相对较低，为2.796分。由此可见，高职院校教师在态度和价值观、持续学习和发展两个维度的表现水平偏高，而知识和技能维度的水平表现偏低，未到达理论均值。说明高职院校教师普遍对AI技术的重要性认识到位，对AI教育素养的提升持积极态度，但对AI技术的知识掌握和实践应用效果不佳。通过皮尔逊相关性分析来探究AI教育素养三个维度的关联性，结果显示，这些维度之间存在显著的正相关性。态度、价值观和知识技能、持续学习与发展之间相关程度较高（相关系数分别为0.750和0.807），说明具备良好态度和价值观的教师与其更好地学习和应用AI技术呈正相关，见表6。