中小学教师智能教育素养模型的构建研究

高宇 于颖

［摘 要］智能技术在教育领域的渗透引发了巨大的变革，同时也对教师素养结构提出了严峻的挑战，智能教育素养成为智能时代教师必备的核心素养之一。本研究在明晰智能教育、智能教育素养概念内涵的基础上，通过对已有智能素养模型的分析，赋之教育领域的独有特性，以布鲁姆认知分类理论为指导，构建出三维六层的教师智能教育素养层级金字塔模型。三维指智能教育素养由基础知识、核心能力、伦理信念3个维度构成，进一步将其分为记忆、理解、应用、分析、评价、创造6个层级，并针对各维度及其所对应的层级进行详细阐述与分析，以期为智能教育素养体系的构建提供参考。

［关键词］智能教育素养；人工智能；智能教育；素养模型；布鲁姆认知分类理论

［中图分类号］G40-057 ［文献标识码］A ［文章编号］1005-5843（2023）04-0054-07

［DOI］10.13980/j.cnki.xdjykx.2023.04.009

一、倡导教师智能教育素养的时代背景

人工智能技术的应用从根本上改变了人们的生产生活方式，同时也推动着教育领域的变革与创新。世界各国高度重视人工智能的教育应用，并颁布系列计划来推动人工智能教育的发展。美国曾在多份战略报告中提到培养人工智能人才，英国也于2018年将人工智能纳入学校课程。我国虽起步较晚，但势头猛烈，逐渐成为国际人工智能教育的领跑者。2017年国务院颁布的《新一代人工智能发展规划》中，明确指出要在中小学阶段设置人工智能相關课程，推广编程教育。此后，《普通高中信息技术课程标准（2017年版）》以及《义务教育信息科技课程标准（2022年版）》都将人工智能划入其中，尤其是后者，更是将人工智能作为课程的6条逻辑主线之一。

智能技术与教育的全方位深度融合对教师提出了更高的要求，原有信息时代的信息素养已无法胜任智能时代的挑战，教师专业素养亟需转型升级。2016年，M Kandlhofer、G Steinbauer等学者首次提出“人工智能素养”一词，并视其与经典素养（阅读/写作）同等重要^［1］。我国也于2018年提出“智能教育素养”的概念，并积极开展教师培训，旨在为智能教育培养一批“领头雁”^［2-3］。自此，智能教育素养的内涵解析、模型建构、培养路径等成为研究的焦点。目前，国内外学者对智能教育素养的研究各有侧重且尚处于起步阶段，对其所包含的要素尚未明确。为此，本文通过梳理相关研究，在厘清智能教育、智能教育素养内涵的基础上，尝试从学理性的视角出发研究与分析教师智能教育素养所包含的要素，以期为后续研究提供参考与借鉴。

二、教师智能教育素养的内涵释义

（一）概念明晰：智能教育

综观国内已有研究，发现目前对智能教育的内涵众说纷纭，总体上可分为3种观点，即技术应用说、智能培养说以及融合说。其中，技术应用说与智能培养说两者并非完全独立，只是作者在描述时侧重点有所不同。

1.技术应用说。技术应用说注重技术导向，强调利用智能技术实现各教学要素的智能化。赵银生指出，智能教育是运用先进的技术变革教与学的方式，其本质是教育手段的智能化^［4］。刘斌认为智能教育是一种新型教育形态，包括智能化的教育环境、教育模式以及教育管理和服务方式^［5］。从技术应用的视角出发，产生了诸多智能产品，如智能导师系统、自适应学习系统等。

2.智能培养说。智能培养说由技术冲动回归至教育的育人本质，其典型表现是教育形态开始由人工智能教育向教育人工智能转变。祝智庭等指出，以人为本是人工智能在教育领域驻足的基础，并借此提出人本人工智能的概念，坚持人性为王^［6］。张进宝等认为智能教育的核心要义是促进人的智能发展，培养具有关键性思维的人才^［7］。可见，智能培养说更加关照教育的本质，将“人”置于核心地位，以智能技术服务于教育来培养“完整的人”。

3.融合说。目前多数学者都赞同融合说的观点。刘邦奇等认为智能教育是“人的发展”和“技术应用”两者有机融合形成的统一整体^［8］。祝智庭等则将智能教育的内涵分为三层，即智能技术支持的教育、学习智能技术的教育以及促进智能发展的教育^［9］，这在本质上也是持融合说的观点。

本文更倾向于融合说的观点，并参照祝智庭教授的阐释，将智能教育的内涵发展视为AI支持的教育、以AI为内容的教育、促进人的智能发展的教育3个由“表”及“里”的阶段（如图1所示），体现了智能教育由外延式发展向内涵式发展的转变。

（二）脉络梳理：从信息素养到智能教育素养

“素养”一词的内涵随时代发展不断延伸拓展，出现了诸如媒介素养、计算机素养、信息素养等不同的素养类型，有学者认为这构成了“素养连续统”，且各素养之间相互交叉^［10］。“智能教育素养”随智能时代而产生，其必然也是对素养连续统的丰富与发展，因此，通过梳理连续统“成员”的概念内涵及演变历程，有助于我们更好地理解智能教育素养。本文选择信息素养和数据素养两类“知名度”较高的素养展开探讨。

1.信息素养。“信息素养”一词由美国信息产业协会主席保罗提出，原指“人们在解决问题时利用信息的技术和技能”^［11］。2015年美国《高等教育信息素养框架》的颁布成为信息素养的一次重要转型，更加强调元认知能力和批判性思考的能力^［12］。放眼国内，信息素养最初指文献检索的策略和技巧，随着信息环境的变化，信息获取能力逐渐成为信息素养关注的焦点^［13］。可见，信息素养的内涵一直处于动态发展和不断深化之中，由强调外在“硬”技术向关注内在“软”能力转变，并逐渐衍生出数据素养、媒介素养、智能素养等不同的表现形态，变得丰富而复杂。

2.数据素养。数据密集型科研范式的转型以及大数据技术的飞速发展，拉近了人与数据之间的距离，数据素养也因此映入眼帘，吸引了众多学者对其展开研究。对于数据素养与其他素养的关系，有学者认为数据素养与统计素养等同^［14］；也有学者将数据素养视为信息素养的组成部分，它使个体能够访问、解释、批判性评估、管理、处理以及合理地利用数据^［15］。到目前为止，关于数据素养的内涵无统一界定，但大都认同数据素养是21世纪公民必备的重要素养，具备数据素养的人能有效获取、分析、利用和交流数据。

3.智能教育素养。为应对智能时代的挑战，进一步丰富素养体系，Martin Kandlhofer等人提出“人工智能素养”一词，并为不同教育水平的学生（幼儿园、初中、高中、大学）设计了相应的人工智能素养主题，旨在培养其人工智能读写能力^［16］。随后，国内关注到了教师智能教育素养，并成为学界研究的热点话题。在已有研究中，李湘将智能教育素养视为人工智能素养在教育专业工作中的具体化表现，是教师信息技术素养在智能时代的新表征^［17］。郭炯等人认为智能教育素养是教师开展人机协同教学工作的能力、思维和品质的集合体^［18］。王润兰等则将智能教育素养视为后天形成的集知识、能力、情感等于一体的综合素养^［19］。

通过上述梳理，得到以下启示：（１）就名称而言，信息素养、数据素养等概念面向全体公民，具有普适性；智能教育素养则是面向教育领域，具有针对性。就概念内涵而言，各素养之间交叉重叠，后出现的素养是对前者的“继承”与发展。故智能教育素养可视为对信息素养、数据素养等进行分析与整合，并结合智能时代特征所形成的新素养。（２）可以从两个视角理解智能教育素养，一是视其为一种能力，表现为能批判性地利用人工智能开展教学工作；二是视其为一种综合素养，不仅包括上述的能力，还涵盖人工智能思维品质及伦理道德规范。

本文认为，“教师智能教育素养”与“教师智能素养”两者无本质区别，因“教师”一词本就赋予其“教育者”的角色，但当脱离教师这一群体时，智能教育素养较智能素养更加具有领域针对性，且所包含的要素指向更加具有明确性。至此，本文将智能教育素养视为智能素养在教育领域的映射，它是教师胜任智能时代教育教学工作所应具备的知识、能力、态度的集合体，包括了解AI基本知识、有效开展AI教学实践等内容。

三、智能素养模型的已有研究分析

采用文献研究法对国内外智能素养模型进行梳理，以从中得到启示。具体操作如下：在中国知网的学术期刊库以及Web of science核心合集检索、参考已有文献并用滚雪球法进一步搜集相关文献，通过研读从中筛选出8个具有代表性的智能素养模型/框架（如表1所示）。

严格来讲，上述素养模型的应用对象分为教师和学生两类，但因部分学者在构建模型时并未指明面向的具体对象，因而将这部分归为通用型模型。通过对上述模型内容的系统梳理可以发现：（１）各素养模型的维度划分以及所包含的指标数量不尽相同，但大都在一级或二级维度中涵盖智能知识、智能能力、智能伦理态度三项，这说明知识、能力、伦理态度是智能时代教师以及学生应具备的三项基本素质。另外从不同角度出发，也有学者将智能思维、智能创造等作為概括性较高的一级维度，但从本质上来讲，智能思维与智能能力并非“界限分明”，因思维本身也是一种能力，它是实现智能创造的前提。（２）部分学者虽在文中指明模型所面向的对象是学生或教师，但仅通过模型框架并不能明确看出对象的指向性和独特性，需要在后续研究中加以廓清，避免模型泛化带来的“价值失真”。（3）大多数研究在最后提出智能素养的培养策略或实施路径，具有一定的理论高度，但在实操性的借鉴意义方面还有待商榷。智能时代重构教师角色，助推教师专业发展，具备良好智能教育素养的教师可以帮助学生获得更佳的学习体验，赋能学生全面成长。本文参考已有研究成果，结合布鲁姆认知分类理论，构建教师智能教育素养模型，以期为教师智能教育素养的评价、培养策略等提供依据和着力点。

四、教师智能教育素养理论模型构建

美国著名教育家布鲁姆将教育目标划分为认知、情感以及动作技能三大领域，其中最为后人所津津乐道的莫过于认知领域的分类。最初版本将认知领域分为知识、理解、运用、分析、综合、评价，1996年安德森率众对其进行修订，除增加知识维度外，另将认识过程调整为记忆、理解、运用、分析、评价、创造，展现出思维发展的过程性、渐进性以及复杂性，它与加涅的学习结果分类理论相通^［28］。从本质上来看，核心素养即学习的结果^［29］，而智能教育素养作为智能时代教师必备的核心素养之一，故也是一种个体学习的结果，同时也是预设的目标指向，这是以布鲁姆认知分类理论为指导构建智能教育素养模型的可行性所在。

需要说明的是，之所以选择布鲁姆认知分类理论而非加涅学习结果分类理论（下文简称“布氏”“加式”）为模型构建的依据，主要有以下两点考虑：首先，布氏以外显行为作为认知领域分类的基点，易于观察、测量，增强了模型的可操作性；加氏则以能力、倾向等内隐行为作为学习结果分类的基点，在具体操作过程中存在困难且易产生歧义。其次，布氏将认知划分为由简单到复杂的六级，具有一定的累积性；加氏虽将智慧技能领域分为“辨别、概念、规则、高级规则”四级，但从整体上看不具有连续性、累积性，而智能教育素养的形成需经历从量变（知识）到质变（能力/思维/素养）的累积过程。从另一层面看，已有研究将布氏与人工智能素养相结合，这也给本研究带来启发，下面对其作简要概述。

香港学者Davy等人^［30］对人工智能素养的相关文献进行探索性回顾，发现学界对人工智能素养概念的理解集中于4个方面，即“认识和理解人工智能”“使用与应用人工智能”“评估和创造人工智能”以及“伦理问题”，并以布鲁姆认知分类法为基础架构起人工智能背景下的认知过程层级模型（如图2所示）。该模型以布鲁姆认知分类为蓝本对人工智能素养水平进行划分，并以各级别所对应的动词对其精确表述，既体现了人工智能素养的不同能力要求，也为检验自身处于哪一素养层级提供可资借鉴的范本。由图2可知，在“记忆”“理解”层面更关注AI相关概念和知识，属于最底层也是最基础的层级；而“应用”“分析”“评价”“创造”层面的落脚点均为AI应用程序，且能力水平要求逐级提高。基于前期分析加之上述启示，以布鲁姆认知分类理论为指导，构建出教师智能教育素养层级金字塔模型（如图3所示）。

如该层级金字塔模型所示，教师智能教育素养分为基础知识、核心能力、伦理信念3个维度，并与布鲁姆认知领域划分相契合，即分为六层。其中，基础知识维度主要涉及记忆、理解层面，是教师智能教育素养立足之所在；核心能力维度指向应用、分析、评价、创造，内生于知识的积累，其最终目的是教师实现自身专业发展的同时，为学生全面成长带来福祉；伦理信念则是在获取基础知识、习得核心能力过程中秉持以人为本的理念，其作为基石而存在。

（一）基础知识：智能教育素养立足之所在

教师智能教育素养的形成首先需要有相应的人工智能知识作为有力支撑，否则就是无源之水、无本之木。智能技术应用于教育的终极价值旨向是提高教育效益，促进人的全面发展，而教师作为中间“桥梁”，理应知晓人工智能“所为何物”“如何使用”，故教师智能教育素养的基础知识包括AI本体知识和AI教育知识两部分内容，需要教师知道（记忆）并理解，以便从中建构意义，形成核心能力。

1.AI本体知识。AI本体知识是教师应具备的最基本的知识，也是入门AI的“敲门砖”以及灵活驾驭AI的前提，主要涉及AI发展历史、AI基本原理、AI应用领域等内容。对AI发展历史与基本原理的了解，有助于教师“看清”AI的本质，形成对AI的敏锐感知力，进而能预测其未来发展趋势以及对教育领域的潜在影响。以近日热议的ChatGPT为例，了解AI发展历史和原理的教师便会“褪去”其华丽外表，知晓它是海量数据、算法突破和强大算力融合交织下的产物，并敏锐地捕捉对教育可能产生的变革性影响，理性看待它的逐渐普及，避免“后知后觉”以及当这种潜在的变革性影响变为现实时的“茫然无措”。AI应用领域方面的知识主要指对AI“能为”和“可为”的了解，知道AI适合做什么，不适合做什么，以便能进一步明确AI教师与人类教师在不同方面的角色分工，使两者从双存走向共生^［31］。

2.AI教育知识。AI教育知识主要涉及整合AI的学科教学知识以及AI的教育应用场景两方面。进入21世纪，以AI为代表的数字技术不断拓宽教师的知识结构，整合AI的学科教学知识成为教师构建高效课堂所必备的关键性知识。以信息科技教学为例，如今学生置身于AI场景中并与之发生“无意识”的互动，能够将AI与信息科技学科教学知识“无缝融合”的教师，便可在课堂中通过情境创设和活动设计（如教授“身边的算法”模块时，从智能家居中提取算法问题作为教学实例），将这种“无意识”变为“有意识”进而“有意义”，实现课堂教学的创变和转型升级。而尽管AI给教育带来机遇，但应秉持“为教学提质增效”的初衷，避免為“用技术”而“用技术”。因此，教师理应熟知AI的教育应用场景，真正使学生启智增慧，如合理应用AI技术营造虚实相生的教育环境，促进学生的具身参与式体验；实现基于数据的精准评价，发挥评价促发展的效用等。

（二）核心能力：智能教育素养关键之所成

核心能力主要指教师在内化AI本体知识和AI教育知识的基础上所形成的胜任智能时代有效教学的关键能力。结合布鲁姆认识分类理论，这种核心能力可以划分为AI应用能力、AI分析能力、AI评价能力以及AI创造能力。

1.AI应用能力。AI应用能力属于最基础的能力，是形成高阶核心能力的前提。随着AI在教育领域的全方位渗透式发展，教材、媒体等教学要素呈智能化倾向，亟需教师对其适应并有效应用。具体而言，包括能在AI环境下开展教学、人机协同教学两方面。前者主要表现为能选用恰当的智能化资源工具组织教学活动，优化教学等。后者则是将AI作为“数字导师”与其协同开展教学，如利用ChatGPT生成学习和教学材料、回答学生在学习中遇到的问题^［32］。

2.AI分析能力。正如分析是评价、创造的开端^［33］，教师的AI分析能力也是AI评价能力和创造能力的开端。包括辩证看待人与技术的关系、利用AI开展学情分析两方面。首先，教师需要理性分析人与AI技术的关系，是“控制”“反控制”还是“共生”？对该问题的回答决定了AI将以多大程度赋能教育发展，同时也避免陷入技术崇拜或技术恐惧两种极端。其次是AI支持的学情分析能力，表现为能利用AI技术收集、整理与分析学生的差异化数据，对其进行细致的“学情画像”，提高教学精准度和有效性。

3.AI评价能力。AI评价能力主要涉及两方面：一是评估AI在教育中的应用，厘清其之于教育的价值所在，AI应用于教育领域的应然之态是提高教学质量、促进学生发展，而实然是否如此，还需教师综合分析评估AI技术使用前后，学生的课堂专注度、参与度、素养水平等是否有所改善，客观评估AI的应用。二是利用AI工具开展教育评价，一方面是对学生的学习过程进行数据采集和深度挖掘，为学习评价提供数据决策支持，提高评价的科学性和精准性；另一方面可使用AI技术处理课堂教学视频，以此评价教师自身的教学过程，以便在反思教学中得到提升。

4.AI創造能力。AI创造能力是核心能力最为集中的体现，兼具高综合性和统摄性^［34］，主要包含以下能力：一是根据实际需求开发AI教学产品的能力，如能结合具体课程内容设计智能答题辅助工具或制作数字教育资源，辅助教学实践。二是利用AI创新教育教学模式，如基于大数据构建精准教学模式，追踪学生的学习全过程，实现个性化教学。三是借助AI谋求专业发展之道以助力学生全面成长，比如利用AI技术开展人机协同教研或组建跨区域学科教研共同体，在教研中不断反思，提升专业能力，同时优化学生的学习体验。

（三）伦理信念：智能教育素养基石之所属

伦理信念在智能教育素养模型中作为基石而存在，同时也渗透于各层级之中（如“辩证看待人与AI技术的关系”“评估AI在教育中的应用”均涉及教师的伦理信念问题），意为教师在学习基础知识、形成核心能力的过程中以伦理道德为底线，秉持以人为本，人性至上的理念。具体而言包括理性认识AI技术、遵守伦理道德规范两方面。

1.理性认识AI技术。随着AI逐渐成为教育领域不可或缺的重要元素，教师对AI的态度易产生两种极端：一是认为AI无所不能便将其全盘接纳，过度依赖导致渐失教师本色；二是忧虑自身职业会被AI替代，将其拒之门外，全然否定。面对逐渐出现类人意识的AI技术，教师应保持理性的态度和观念。首先，认识到人类教师在学生情感培养、价值观引领等方面的不可替代性，树立角色自信，同时持终身学习的理念，不断提升自身专业化水平，确保“人”在教育中的主体性地位。其次，善用AI技术辅助教学实践，找准其在教育中的生态位，人机协同共育促进学生优质化发展，实现课堂教学的减负增效。最后，把握AI技术应用于教学的优势和边界，秉持需求为本的技术应用准则^［35］，避免“唯技术主义”，以“促进师生共同成长”为技术抉择的最终考量。

2.遵守伦理道德规范。由AI技术应用引发的伦理道德、个人隐私、数据安全等问题屡见不鲜，已引起广泛关注。教育有其复杂性和特殊性，一旦对学生造成伤害便不可逆转，将伴其一生，故教师开展智能化教学实践应遵循一定的伦理道德规范，警惕隐私泄露、性别歧视等风险和挑战。首先，明晰数据收集的边界，避免对学生全过程、“无死角”的监控，将课堂或学校异化为“智能化监狱”。其次，合理应用收集到的数据，为学生的个性化学习服务，保障数据隐私安全，如不随意将学生的学习过程、情感交互等数据上传至网络平台，以免数据滥用或引发教育不公平问题。除此之外，AI教学产品的设计与开发应以学习者为中心，且为人所控，具有可操作性，用以增强教师自身的教学能力或学生的学习能力。

参考文献：

［1］［16］Kandlhofer M，Steinbauer G，Hirschmugl-Gaisch S，et al.Artificial intelligence and computer science in education：From kindergarten to university［C］//2016 IEEE Frontiers in Education Conference（FIE）.IEEE，2016：1-9.

［2］教育部.教育部办公厅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［EB/OL］.http：//www．moe．Gov.cn/srcsite/A10/s7034/201808/t2018-0815_345323.html，2018-08.

［3］教育部.教育部关于实施第二批人工智能助推教师队伍建设行动试点工作的通知［EB/OL］.http：//www．Moe.Gov.cn/srcsite/A10/s7034/202109/t2021-0915_563278.html，2021-09.

［4］赵银生.智能教育（IE）：教育信息化发展的新方向［J］.中国电化教育，2010（12）：32-34.

［5］刘斌.人工智能时代教师的智能教育素养探究［J］.现代教育技术，2020（11）：12-18.

［6］祝智庭，韩中美，黄昌勤.教育人工智能（eAI）：人本人工智能的新范式［J］.电化教育研究，2021（01）：5-15.

［7］张进宝，姬凌岩.是“智能化教育”还是“促进智能发展的教育”——AI时代智能教育的内涵分析与目标定位［J］.现代远程教育研究，2018（02）：14-23.

［8］刘邦奇，王亚飞.智能教育：体系框架、核心技术平台构建与实施策略［J］.中国电化教育，2019（10）：23-31.

［9］祝智庭，彭红超，雷云鹤.智能教育：智慧教育的实践路径［J］.开放教育研究，2018（04）：13-24，42.

［10］王佑镁，杨晓兰，胡玮，等.从数字素养到数字能力：概念流变、构成要素与整合模型［J］.远程教育杂志，2013（03）：24-29.

［11］于颖.新信息环境下基于跨学科视角的信息素养教育转型［J］.图书馆学研究，2019（09）：10-16，66.

［12］韩丽风，王茜，李津，等.高等教育信息素养框架［J］.大学图书馆学报，2015（06）：118-126.

［13］刘慧.泛信息素养的概念内涵及其内容要素解析［J］.图书与情报，2020（04）：67-73.

［14］Stephenson E，Schifter Caravello P.Incorporating data literacy into undergraduate information literacy programs in the social sciences：A pilot project［J］.Reference services review，2007（04）：525-540.

［15］Prado J C，Marzal M á.Incorporating data literacy into information literacy programs：Core competencies and contents［J］.Libri，2013（02）：123-134.

［17］［21］李湘.師范生智能教育素养的内涵、构成及培育路径［J］.现代教育技术，2021（09）：5-12.

［18］［20］郭炯，郝建江.智能时代的教师角色定位及素养框架［J］.中国电化教育，2021（06）：121-127.

［19］王润兰，李梦雪.师范生智能教育素养：框架构建、现状调查与培养路径［J］.中国电化教育，2023（03）：120-126.

［22］胡小勇，徐欢云.面向K-12教师的智能教育素养框架构建［J］.开放教育研究，2021（04）：59-70.

［23］张银荣，杨刚，徐佳艳，等.人工智能素养模型构建及其实施路径［J］.现代教育技术，2022（03）：42-50.

［24］Long D，Magerko B.What is AI literacy？ Competencies and design considerations［C］//Proceedings of the 2020 CHI conference on human factors in computing systems，2020：1-16.

［25］Kim S，Jang Y，Kim W，et al.Why and what to teach：AI curriculum for elementary school［C］//Proceedings of the AAAI Conference on Artificial Intelligence，2021（17）：15569-15576.

［26］［29］郑勤华，覃梦媛，李爽.人机协同时代智能素养的理论模型研究［J］.复旦教育论坛，2021（01）：52-59.

［27］杨鸿武，张笛，等.STEM背景下人工智能素养框架的研究［J］.电化教育研究，2022（04）：26-32.

［28］吴红耘.修订的布鲁姆目标分类与加涅和安德森学习结果分类的比较［J］.心理科学，2009（04）：994-996.

［30］Ng D T K，Leung J K L，Chu S K W，et al.Conceptualizing AI literacy：An exploratory review［J］.Computers and Education：Artificial Intelligence，2021：100041.

［31］于英姿，胡凡刚.人类教师与AI教师联袂之道：从双存走向共生［J］.远程教育杂志，2021（03）：94-103.

［32］焦建利.ChatGPT：学校教育的朋友？还是敌人？［J］.现代教育技术，2023（04）：5-16.

［33］安德森.布鲁姆教育目标分类学：分类学视野下的学与教及其测评（完整版）［M］.蒋小平，等，译.北京：外语教学与研究出版社，2021：60.

［34］赵慧勤，王兆雪，张天云.面向智能时代“4C能力”培养的创客课程设计与开发——基于STEAM理念的实施路径［J］.远程教育杂志，2019（01）：104-112.

［35］赵磊磊，蒋馨培，代蕊华.内在主义技术伦理：教学评价智能化转型考量［J］.中国远程教育，2023（01）：40-48.

（责任编辑：姜佳宏）

Research on the Construction of Intelligent Education Literacy Model of Primary and Middle School Teachers

GAO Yu，YU Ying

（Qufu Normal University，Rizhao，Shandong 276826，China）

Abstract： The penetration of intelligent technology in the field of education has led to great changes.At the same time，it also poses a severe challenge to the structure of teachers' literacy.Intelligent education literacy has become one of the essential core qualities for teachers in the era of intelligence.On the basis of clarifying the connotation of the concepts of intelligent education and intelligent educational literacy，this study，by analyzing the existing intelligent literacy models / frameworks，endows the unique characteristics of the field of education，and under the guidance of Bloom's cognitive classification theory，constructs a three-dimensional and six tiered pyramid model of teachers' intelligent education.Three dimensional refers to intelligent education literacy，which is composed of three dimensions： basic knowledge，core competence and ethical belief.It is further divided into six levels： memory，understanding，application，analysis，evaluation and creation.It also elaborates and analyzes each dimension and its corresponding level in detail，in order to provide reference for the construction of intelligent education literacy system.

Key words：  intelligent education literacy;artificial intelligence;intelligent education; literacy model; Bloom's theory of cognitive classiffication