中小学数学教师TPACK的人口学变量影响因素分析*

聂晓颖，魏金宝

（1.陕西师范大学 数学与信息科学学院，陕西 西安 710119；2.陕西省教育学会 教育质量综合评价中心，陕西 西安710119）

一、研究背景与问题提出

随着信息技术的迅猛发展，新技术不断引入教育教学，技术在教学中的应用从早期的信息技术辅助教学到当今信息技术整合于教学，信息技术对教学的影响向纵深发展，同时技术在教育教学中的价值也被广泛接受。技术与教学的整合，将教学和学习过程从高度的以教师为主导转变为以学生为中心。技术在促进教育教学发展的同时，为教师的专业发展带来了机遇与挑战，教师的知识结构也发生相应的变化。

2006年，美国密歇根州立大学的米什拉（Mishra）和科勒 （Koehler）详述了整合技术的学科教学知识（Technological Pedagogical Content Knowledge， 简 称TPACK），[1]这是在舒尔曼（Shulman）学科教学知识（Pedagogical Content Knowledge，后简称PCK）的基础上，加入技术知识形成。它由技术知识（TK）、学科知识（CK）和教学法知识（PK）三个核心要素以及它们的交互，即学科教学知识（PCK）、整合技术的学科内容知识（TCK）、整合技术的教学法知识（TPK）、整合技术的学科教学知识（TPACK）共七个成分组成。

TPACK用以描述教师整合技术进行有效教学的专业知识，其所包含的七个成分解决了教育技术领域中教师信息技术整合专业知识体系理论规范的缺失。自此，TPACK框架成为一个流行的透镜，用于研究教师知识结构以及许多与教师教学相关的研究。

目前与TPACK相关的研究主要集中在以下几个方面：

1.TPACK概念的界定

在TPACK概念提出后，由于界定不清，许多学者致力于TPACK概念与结构体系的深入探讨，使得TPACK理论逐步得以完善。

2.TPACK七个因子结构测量与结构模型研究

许多学者借鉴施密特 （Schmidt）和阿查波特（Archambault）分别设计开发的包含七个维度的TPACK量表，由于两个量表都具有良好的信度，因而成为当前广泛采用或借鉴的TPACK测量工具。但二者的缺点在于都没有对量表进行结构效度的检验，不同研究借鉴他们所设计开发的七因素TPACK测量工具，经聚类或探索性因素分析，因素个数都有不同程度的缩减，部分因素被合并为一个，[2-5]实践表明很难将每个维度清晰地分离。同时，一些学者还对TPACK的七个因子之间的结构关系进行了探究，并建构关系模型，找出对TPACK具有显著预测作用的因子。

3.教师TPACK水平测量及发展策略的制定

TPACK水平测量架起了理论与实践的桥梁，一方面为教师TPACK培养策略的制定提供了依据，另一方面通过前后测的对比检验了培训的有效性。

4.教师TPACK的影响因素研究

教师技术整合实践受多方面因素的影响，学者从不同角度探究影响TPACK的因素，包括性别、教龄、学校环境以及教师的态度、信念、自我效能感等。

笔者采用问卷法对我国不同地区的400余名中小学数学教师进行调查，运用SPSS数据分析方法并采用结构方程建模技术，探讨中小学数学教师人口学变量（如性别、教龄、职称、所在地区、学段、所在学校特征等）对TPACK要素和TPACK的影响以及三者之间的结构关系。

二、研究方法与过程

1.研究工具

本研究借鉴施密特（Schmidt）和阿查波特（Archambault）设计开发的包含七个维度的TPACK量表，结合我国《中小学教师信息技术应用能力标准（试行）》进行改编，共设置34个题项，采用李克特5等级评定量表：1代表非常不同意，2代表不同意，3代表既不同意也不反对，4代表同意，5代表非常同意。

量表还包括人口变量部分，主要收集被试的个人资料，包括性别、教龄、职称、所在省份、教师所在学校性质、学校级别、学校位置共7个题项。根据教师的素质、能力表现，结合教龄将教师的发展阶段分为适应期（工作第1年）、熟练期（工作3-5年）、探索期（第10年左右）、成熟期（第15年左右）、专家期（第20年左右）。[6]

本研究将教龄分为3年以下、3-5年、5-10年、10-20年、20年以上；职称分为初级、中级、高级；学段分为小学、初中、高中；学校等级分为省级重点、地（市）级重点、县（区）级重点、乡（镇）中心、一般学校；学校属性分为完全民办私立学校、民办公助学校、公办学校；学校位置分为省会城市市区、地市级城区、县（区）城区、农村地区。

2.研究对象

本研究以中小学数学教师为研究对象，通过QQ、E-mail以及纸质问卷的方式对不同省市地区的中小学数学教师进行了调查，共回收430份问卷，409份有效，有效率为95.12%。其中男教师119人，女教师290人。

3.统计分析

所有采集的数据使用统计软件SPSS20.0进行数据录入和相关处理，并用Amos17.0进行模型的建构。

三、结构方程模型的建立

虽然已有学者对人口学变量与TPACK因子间关系做过研究[7]，但数据处理使用了相关及回归模型，这只能关注变量与整合技术的数学教学知识间的直接关系，即只能发现两个变量间单纯的线性关系，无法揭示出多个变量间的复杂交互作用。结构方程模型可以同时分析调节变量和干预变量，这样能够更好地捕获不同因子间的动态关系，对理解基础知识间复杂的关系非常有用。

仅按TPACK各层面进行因素分析得到的七个维度的变量，在建立结构方程模型后模型适配度不佳，因而，需将整个量表中所有题项放在一起，重新对量表进行探索性因素分析。

1.探索性因素分析

首先，依然是进行量表的信度和结构效度分析。将整个量表中所有题项作为整体，从所回收数据中随机提取189份进行探索性因素分析。量表的KMO和Bartlett的检验值如表1所示，KMO值为0.938，指标统计量大于0.9，呈现的性质为“极佳的”标准，表明题项变量间具有共同因素存在，非常适合进行因素分析。

表1 KMO和Bartlett的检验

采用主成分分析法抽取主成分，转轴法为最大方差法，提取特征值大于1以上的因素。经反复进行因素分析，删除因素负荷量小于0.5的题项，最终量表剩余26项，提取出4个共同因素，共解释全量表65.492%的变异量（具体见表2）。抽取主成分后所有项目的因素负荷量在0.582至0.841之间。

表2 解释的总方差

表3 TPACK量表

有两个共同因素与原先编制的构念及题项符合，分别为TK包含6个题项，将此变量重新命名为技术知识；PK包含4个题项，将此变量重新命名为教学组织与管理知识。CK与PCK合并为一个共同因素，共包含6个题项，将此变量重新命名为数学与数学教学知识；TCK、TPK和TPCK合为一个共同因素，共包含10个题项，将此变量重新命名为整合技术的数学教学知识，最终形成的量表如表3所示。

克隆巴赫系数被用来测量量表信度以确定内部一致性。量表各维度信度、均值及标准差见表4。由表4可见，量表各维度内部一致性信度系数值在0.826至0.943之间，表明各维度的信度高。全量表的信度系数值为0.945，表明整份量表信度很高，非常理想。从均值上看，中小学数学教师各维度均值在3.026至3.891之间，略高于中等水平，由高到低依次是教学组织与管理知识>整合技术的数学教学知识>数学与数学教学知识>技术知识。可见教师的技术知识在知识框架中处于最低水平。

表4 量表各维度信度、均值及标准差（N=189）

2.结构方程模型

本研究在已有研究的基础上建构教师人口学变量与TPACK因子间关系的结构方程模型。用余下的220份调查量表数据进行验证性因素分析，通过逐步删除路径系数未达显著水平的路径（包括性别、教师所在省份、学段、教师所在学校性质、学校级别、学校位置等对TPACK因子的影响路径），最终得到模型如图1所示。

所建模型的各项拟合指标分别为：卡方值x2为10.565，自由度为6（21-15=6），卡方自由度比值=1.761＜3.000，p=0.103在统计上不显著，接受假设模型，表示假设模型与数据契合。各项指标值符合评价标准给定的范围，模型具有非常理想的拟合度，具体如表5所示。

图1 教师人口学变量与TPACK因子间关系模型

表5 模型拟合指标

表5中各项拟合指标表明模型拟合非常理想，进一步看各变量对整合技术的数学教学知识的效应，技术知识、教学组织与管理知识、数学与数学教学知识对整合技术的数学教学知识具有正向影响。

其中，技术知识对整合技术的数学教学知识具有显著的正向效应(路径系数=0.282，p＜0.001；总效应为0.615，其中直接效应为0.282，通过数学与数学教学知识的间接效应为0.333）。

数学与数学教学知识对整合技术的数学教学知识有最强的直接正向预测力，路径系数为0.399，说明教师的数学与数学教学知识水平越高，其整合技术的数学教学知识能力也越强。

教学组织与管理知识对整合技术的数学教学知识也具有较强的直接正向预测力 （路径系数=0.287，p＜0.001；总效应为 0.547，其中直接效应为 0.287，通过数学与数学教学知识的间接效应为0.260）。

职称和教龄对整合技术的数学教学知识产生了不同程度的间接正面效应。表6列出各变量对整合技术的数学教学知识的预测力。

表6 各变量对整合技术的数学教学知识的预测力

四、分析与讨论

从结构方程模型来看，教龄、职称对中小学数学教师TPACK因子的影响不可忽略，二者又分别通过不同的要素间接影响了教师的TPACK，这与乔伊斯（Joyce Hwee Ling Koh）的研究结果一致[8]。乔伊斯通过回归分析，发现教师的人口学变量（性别、年龄、教龄和教学学段）中，只有教龄和教学学段对TPACK有显著影响，而年龄和性别对TPACK没有显著影响。

这一现象的产生可归结为：入职时间不长的教师比较年轻，更容易掌握与接受当代新兴技术，但是缺乏相应的教学、管理及整合经验。教龄长的教师自然年龄较大，虽然不容易掌握新兴技术，但拥有较为深厚的知识背景及丰富的经验，一旦学会使用技术，则很容易将其融入自己的教学。因而在年龄上，不同年龄段的教师将技术整合于学科教学都处于不断的摸索与创新阶段。

但对于教龄而言，教龄越长的教师越有经验，更有信心将技术与学科教学进行整合，充分发挥技术的优势支撑自己的教学。所以在教师未来的专业发展过程中，需要着重考虑教龄这一因素对教师TPACK的影响。职称与教龄、教学能力密切相关，与教龄一样成为影响教师TPACK的关键因素。同时，具有不同职称的教师在职后的专业成长道路上有着不同的发展途径与机会。因此，在教师职后的专业发展与培训过程中，也应根据教师真正的需求和差异，有针对性地进行培训。

本研究没有发现教师所教学段对TPACK的显著影响，也没有发现教师所在的学校属性对教师TPACK产生显著影响，这可能与目前我国正在大力发展教师的信息化教学能力有关，各级各类学校都积极作出响应，从基础设施的建设到教师的信息化教学能力，全方位促进信息化环境下教师的专业发展。

另外，中小学数学教师TPACK专业发展应关注技术知识、教学组织与管理知识、数学与数学教学知识。研究结果表明这三种知识都直接影响了TPACK，因而发展三种知识能够有力提高教师的TPACK。

首先，技术中心的方式确实不足以解决教育技术理论与真实课堂环境中教学实践的鸿沟，但从大量研究结果来看，技术知识是一个关键因素。“工欲善其事，必先利其器。”当今技术具有发展迅速、多样性的特征，在技术深入影响人类生产、生活的同时，也影响着教育的方方面面，改变着教育形态，如果教师不能够自如地掌握、使用新技术，就根本无法进行有效的技术整合，更谈不上创新教育教学。缺少技术这一有利的工具，即使再有经验的教师，也只能是“巧妇难为无米之炊”。因此，在教师专业发展过程中，要能紧跟技术发展的步伐，掌握应用于教育教学的相关技术，适应新技术对教学带来的影响与变革。

其次，应用于教学的技术受学科的影响较强，数学学科除了一些通用的技术外，还有应用于本学科领域的专有技术知识。因而要根据适合于不同学科背景的技术知识，对教师进行技术应用于教学的培养，而不能仅仅只是传授技术知识。教育部于2018年4月13日发布的《教育信息化2.0行动计划》中指出，“教师信息技术应用能力基本具备但信息化教学创新能力尚显不足，信息技术与学科教学深度融合不够”。对于数学教师而言，如何通过技术表征数学知识，真正做到以学生为中心，引导学生通过技术探究、理解数学关系，培养学生的创造性思维，这需要教师具有深厚的数学与数学教学知识，才能够将技术与数学教学深度整合。

同时，教师应当转变教育观念，更新旧的教学理念，增强整合技术的信心，从而促使教学模式的变革，重构教学体系，以适应当今教育信息化的发展，这需要教师具有教学组织与管理知识。数学与数学教学知识对TPACK具有最强的直接正向预测力，这也支持了先前的观念——PCK（学科教学知识）是TPACK的基础。帕慕克（Pamuk）指出PCK是直接影响TPACK发展的主导知识。[9]对PCK更有自信的教师同样会有较高的感知和能力去综合TK、PK、CK、TCK和TPK。[10]在技术整合过程中，关键问题是教师应该在何时、何处及如何介入技术，这在本质上回归到教师对所教学科内容的深刻理解与对学生当前状况的准确把握，即教师的PCK（学科教学知识）。PCK能力较高的教师，也会拥有与之匹配的“设计思维”，从而能够移除技术整合中的障碍。

皮尔森（Pierson）发现具有广泛的教学和技术专业知识的教师是最有效的技术整合者，[11]这表明教师在形成TPACK之前要先发展一定的学科教学知识和技术知识。因而教师TPACK专业发展过程中应同时重视中小学数学教师的技术知识、教学组织与管理知识、数学与数学教学知识。

五、结论

通过结构方程模型验证出人口学变量中的教龄和职称对整合技术的数学教学知识的预测具有层阶关系，通过技术知识、教学组织与管理知识、数学教学知识间接影响了整合技术的数学教学知识，TPACK的技术知识、教学组织与管理知识和数学与数学教学知识具有直接效应，数学与数学教学知识最强地预测了整合技术的数学教学知识。在未来教师专业发展过程中，应当根据教师个人真正的需求与差异，为教师寻找一种更加灵活的发展与培训方式，以便有针对性地进行培训，从而使教师的专业发展活动变得更加有效。