教师人机协同教学满意度影响因素研究--基于结构方程与模糊集定性比较分析

□方 旭 许 磊 姜 沛

一、引言

教育数字化是我国开辟教育发展新赛道和塑造教育发展新优势的重要突破口（教育部，2022）。而智能技术助力个性化学习的实现则是教育数字化转型的重要形式（教育部，2023）。人机协同作为智能技术应用的重要形式，在实现个性化学习、终身学习等方面对推进教育数字转型具有重要意义，是教育数字化转型的必然选择与本质要求（戴岭，等，2023；胡惠芝，等，2023）。随着人工智能技术不断深入发展，教育场景中人工智能技术支持教育教学的比重也逐步提高，人类社会正快速迈向人机协同化（蔡连玉，等，2021）。新时代教育改革的浪潮，推动着实际教学中人机协同成为现实，教师能够与各种智能技术或产品协同开展教与学，对学生的学习情况进行总结分析与反馈，向学生进行学习资源的推荐等（余胜泉，等，2019），并且人机协同下的教育教学质量也逐步提高。人机协同的思想最早可以追溯至工业时代，当时普遍认为，人机协作就是人与机器在劳动层面的协作关系（毛刚，等，2021），且这种关系更多的是一种从属关系（马红丽，等，2017）。在当今人工智能时代背景下，教育中的人机协同更多是指在复杂的三元空间中，基于人与机器之间的协同关系，促进教师和学生以动态的学习方式推进教育的良性发展过程（方海光，等，2022）。也有学者认为，新时代的人机协同教育还可以分为人与“计算机”以及人与“智能教育产品”之间的协同，主张利用计算机和智能技术优化学生的学习环境，提高学生的学习效率，促进智慧学习的发展（王一岩，等，2022）。目前，大多数研究主要针对人机协同的理论研究，包括人机协同下的精准教学框架构建（符雪姣，等，2023）、人机协同视角下的教师专业发展（戴云，等，2022）、人机协同支持下的教学模式研究（张永霞，等，2023）、人机协同教育视角下的教师教育变革（周跃良，等，2022）等，针对人机协同教师教学中的实证研究还较少。随着人机协作教学应用不断深入，在课前备课准备环节（例如教学目标的制定与教学方案的选取）、课中教学环节（例如课堂讲解、探究式教学等）、课后环节（例如作业布置与批改、课后个性化辅导等）等各个环节均可以采用人机协同的模式完成教学。相较于仅教师或机器进行教学，人机协同教学可以充分发挥教师与机器各自的优势，避免人与机器的劣势，使教学更加精准化、个性化与便利化，达到教学效果与效率提升的目的。虽然目前关于人机协同教学有了一定的理论分析与实践探索，但还缺乏对人机协同教学效果的关注。那么人机协同教学满意度如何？ 有哪些影响因素？ 为此本研究基于期望确认理论、动机理论和信息系统成功模型，结合访谈分析，构建中小学教师人机协同教学满意度的影响因素模型，在此基础上展开实证研究，并提出相关建议对策，以此进一步丰富人机协同教育应用相关理论体系，为推动人机协同教学更好地得到落实、效果得到提升提供参考。

二、模型构建

期望确认理论主要通过研究系统用户在使用系统前的期望度与实际使用后的确认值之间的关系，基于用户的有用性感知和满意度，从而探讨如何从这三个方面出发提高用户的持续性行为意向。动机理论主要通过研究用户使用者的内在动机和外在动机，从客观实际出发，并结合用户主观认知，激发用户产生某种使用行为。信息系统成功模型基于系统自身质量以及用户使用满意度等四个方面，提出用户行为意向、实际行为和满意度三者之间相辅相成的关系。这三种理论都紧紧围绕各因素对满意度和用户行为意向或持续性行为意向的影响关系，可以为本研究模型的建立提供参考，故本研究主要采用这三种理论研究建立初步模型。同时结合对相关教师的访谈，最终确定了本研究模型的变量组成。本研究选取一部分教师进行了访谈，访谈的问题包括人机协同的认知、人机协同的满意度以及未来改善措施等。选取了语文、数学以及英语各科教师，进行了人机协同教学尝试，取得了一定的效果，但也反映出在人机协同教学过程中出现的一些问题。

（一）期望确认理论

1980年，奥利弗（Oliver，1980）在对消费者满意度研究中提出期望不确认理论（Expectancy Disconfirmation Theory，EDT），即消费者在实际使用产品或接受服务前后的期望与实际绩效之间的差值。期望确认理论（Expectancy Confirmation Theory，ECT）是基于期望不确认理论发展而来，结合相关学者（Patterson，et al.，1996；Gilbert，et al.，1982）扩展了对该理论的研究。2001年，巴塔切尔吉（Bhattacherjee，2001）进一步完善了期望确认模型，加入了有用性感知等相关变量，形成了目前学者们普遍接受的期望确认理论（见图1）。期望确认理论模型主要包括四个核心变量，即期望确认、有用性感知、满意度和持续性行为意向。该理论认为系统用户对使用的产品或服务期望确认越高，即预期值越高，那么用户对该产品或服务的有用性感知和满意度就会越高，进而促进用户持续性行为意向的产生。

图1 期望确认理论

（二）动机理论

动机是个体行为产生和推动行动的内驱力。动机理论作为大量心理学研究的支持理论，具有不确定性、复杂性和不可控制等特点。动机理论主要认为动机是影响个体行为意愿、行为方向、行为强度和行为发生的重要因素（皮特里，2005）。凯勒（Keller，1983）认为动机是个体为了实现某一目标或是避免某一行为的出现所做出的主观努力；刘九庆等（2023）认为动机就是个体认为自己愿意去追求对自身有价值和有意义的事情，进而成为追求成功的内在驱动力；郭伟等（2023）通过利用动机理论开展实证研究，得出以学生为中心的教学支持能够促进学生自我调节的动机发展。此外，动机一般可以分为内部动机和外部动机两方面（Deci，1973），内部动机一般指个体没有经过外部的强化或干扰而自发进行活动的内在驱动力；外部动机一般是指个体受外部因素强化或是为了实现不同于活动本身的有价值的结果而开展活动的外在驱动力。

（三）信息系统成功模型

1992年，德隆（Delone）和麦克莱恩（Mclean）共同提出了信息系统成功模型（Information System Success Model，ISSM），他们认为信息系统成功是一个具有时间和因果关系的过程概念（Delone，et al.，1992）。2003年，他们又基于相关研究进一步完善了信息系统成功模型（见图2）。改进后的ISSM 主要包括7 个变量，即信息质量、系统质量、服务质量、行为意向、使用、满意度和净收益。信息系统成功模型系统的信息质量、系统质量、服务质量会对用户的行为意向和满意度产生影响（Delone，et al.，2003）。而在使用意向、行为和满意度这三个变量中，ISSM 强调系统的使用要先于满意度，因为用户积极的使用行为才会导致较高的用户满意度，而较高的用户满意度又会反过来推动用户形成较高的行为意向（Delone，et al.，2003）。

图2 信息系统成功模型

（四）研究假设与模型构建

1.持续性行为意向

在本研究中，持续性行为意向是指教师持续使用人机协同进行教育教学的意愿程度。满意度是指教师在进行人机协同教育教学后的体验感和满意评价。杨文正等（2015）通过对数字教育资源用户使用的研究，指出用户对数字教育资源的满意度对其持续性行为意向具有正相关的关系。此外，曹园园等（2016），张海等（2020）通过相关研究都验证了满意度对持续性行为意向的影响。如果教师在使用人机协同进行教学时教师对人机协同教学的满意度越高，例如教师认为人机协同教学效率较高，学生的学习效果较好，那么教师可能继续采用人机教学的愿望就会越强烈，从而支持其持续性行为意向得到提升。

有用性感知是指教师利用人机协同进行教育教学后对自身工作提升的程度，例如对自身教学效率和学生学习效果的提高程度。乔等（Joo，et al.，2014）通过研究证明有用性感知有利于学习者持续性行为意向的培养。罗卡等（Roca，et al.，2006）通过研究认为有用性感知是影响学习者持续性行为意向的关键因素。也有学者（方旭，等，2023）认为学习者对人工智能技术的有用性感知越高，其使用人工智能技术的意愿就会越高。如果教师认为利用人机协同对自身教学效率和教学效果是有用的，且人机协同教学相较之前教师单独教学或仅用机器进行教学，教学效果更好，在实际教学过程中课堂反馈和学生反馈更为积极，那么教师继续采用人机教学方式的愿望也就越强烈，其持续性行为意向也就越高。

娱乐性感知是指教师利用人机协同进行教育教学时的一种心理状态，即愉悦程度。穆恩等（Moon，et al.，2001）基于研究证实了用户对信息系统的娱乐性感知会影响其持续性行为意向。孙侨羽（2022）认为感知娱乐性对初中生的在线持续学习意愿有显著正向影响。刘虹等（2014）通过研究视频网站用户的持续性行为意向得出感知娱乐性对视频网站持续性使用意向具有显著影响。同理，如果教师在人机协同教学时的教学过程是轻松且愉悦的，其越愿意继续采用人机协同教学，其持续性行为意向也会提升。

基于以上相关学者的研究，本研究提出以下假设：

H1：教师人机协同教学的满意度对其持续性行为意向具有显著正向影响；

H2：教师人机协同教学的有用性感知对其持续性行为意向具有显著正向影响；

H3：教师人机协同教学的娱乐性感知对其持续性行为意向具有显著正向影响。

2.满意度

教师使用人机协作进行教育教学的心理状态并非一成不变，随着教师对人机协作教学的深入使用，其对娱乐性的衡量标准也会愈加明晰，进而对娱乐性的感知也会发生改变。当中小学教师的娱乐性感知逐渐提高便会相应地提升其满意程度。相关学者在对门户网站（Lin，et al.，2005）、网络购物平台（Natarajan，et al.，2018）、短视频平台（张大伟，等，2020）等研究中得出，用户的感知娱乐性越高，对平台的积极态度就越强烈，相对应其满意度也会越高。同理，教师在使用人机协同教学时感知的愉悦性越高，教师在人机协同教学中的体验感越好，其满意度也会越高。

信息质量是指教师对人工智能机器或工具提供信息的品质评价。方东权（2007）认为系统自身的服务特性是影响用户对系统平台满意度的一个重要因素。张慧敏等（2023）通过对在线健康信息平台用户满意度的研究提出平台信息质量对用户满意度具有正向积极影响。金小璞等（2021）研究发现，知识付费平台的信息质量对用户满意度具有正向积极影响。人工智能可以在各个环节为教师与学生提供丰富的信息，包括学生学习状态的诊断报告、精准化的习题与讲解、教师备课资源、学生学习路径的规划等，从而为教学效果的提升提供帮助与参考。人机协同自身所提供的信息质量越高，提供的知识越精确且越为完善，那么教师对人机教学的满意度也会越高。

系统质量是指人机协作中人工智能机器或系统自身性能的衡量。系统界面的功能性和简便性能优化教师的使用体验感，减轻教师的使用负担。相关学者在类似情境，例如移动健身软件系统（权英，等，2022）、在线健康信息平台（张慧敏，等，2023）、社区团购消费者使用平台（刘浩东，等，2023）的研究中得出系统质量对用户满意度具有直接正向影响。同理，如果人机协同自身系统性能稳定性越高，那么教师在使用过程中可能产生的问题就会越少，教师对其的满意度就会提高。

期望确认是指教师在使用人机协作后的实际体验感对预期体验的确认程度。塞尔温（Selwyn，1999）基于研究指出用户的期望确认与使用满意度呈正相关。刘人境等（2013）基于SNS 社交网络个人用户的研究认为用户的期望确认度对满意度具有正向作用。此外，也有其他学者基于各自的研究也验证了期望确认度对满意度的影响（Chiu，et al.，2012；Wang，et al.，2016）。如果教师在使用人机协同教学前的期望度和实际使用后的确认值差异较小，换而言之，如果教师在使用人机协同进行教学后的期望确认能得到肯定，即说明教师对于人机协同教学的预期得到了验证，显然其满意度就会随之提升。

基于上述相关学者的研究，本研究提出以下假设：

H4：教师人机协同教学的娱乐性感知对其满意度具有显著正向影响；

H5：人机协同自身的信息质量对教师的满意度具有显著正向影响；

H6：人机协同自身的系统质量对教师的满意度具有显著正向影响；

H7：教师人机协同教学的期望确认对其满意度具有显著正向影响。

3.有用性感知

教师在利用人机协同进行教学时，如果自身的教学效果和教学效率能够明显提高，那么其有用性感知就会提高。在有关信息系统持续性行为意向的研究中，信息质量和系统质量都是影响用户有用性感知的重要因素。相关学者在移动新闻APP 系统（原薇，2017）、慕课平台（徐卓钰，等，2017）等类似系统的研究中得出系统的信息质量和系统质量对用户有用性感知有显著正向影响。一些研究证实在多终端网络平台系统（Shin，et al.，2017）、在线健康社区（Wu，2018），信息质量对用户的有用性感知均存在显著的正向影响。有学者（Xu，et al.，2018）指出系统自身质量具备比如运行流畅性、界面友好性、功能强大性、响应灵活性等特征，会显著提升使用者的有用性感知。人机协同提供的信息质量越高，教师就会觉得其对自身教学有用，其有用性感知就会提高。同时，人机协同自身的系统质量越高，教师在使用过程中面临的困难就会越少，其有用性感知也会提高。

期望确认理论验证了期望确认对有用性感知的影响。也有众多学者通过研究验证了在不同领域下期望确认对用户有用性感知的影响。大量研究表明期望确认对有用性感知的正向影响作用（钱瑛，2015；杨根福，2016；张大伟等，2020）。教师在人机协同教学中各项预期都得到了验证，人机协同教学在教学效果与效率的提升方面起到了一定的作用，作用越大，其有用性感知也会提高。

基于上述相关学者的研究，本研究提出以下假设：

H8：人机协同自身的信息质量对教师的有用性感知具有显著正向影响；

H9：人机协同自身的系统质量对教师的有用性感知具有显著正向影响；

H10：教师人机协同教学的期望确认对其有用性感知具有显著正向影响。

基于以上研究假设，并结合访谈分析，本研究建立了教师人机协同教学满意度影响因素模型图（见图3）。

图3 教师人机协同教学满意度影响因素模型图

三、实证研究过程

（一）问卷设计与发放

本研究主要采取了问卷调查的方式进行数据收集。基于已有研究的成熟量表，在问卷预发放的前提下，修改了部分有歧义或有问题的题项，形成了最终问卷（见表1）。本问卷主要调查的核心变量包括持续性行为意向、满意度、有用性感知、娱乐性感知、期望确认、信息质量和系统质量等。每个调查变量分别设置了2～9 个题项，并采用Liket 的五级量表设置选项。目前，人工智能在中学教学中不断普及与深入（高琼，等，2021；吴晓如，等，2018）。以中学教师为例，问卷主要通过问卷星平台以线上的方式发放给中学教师进行填答。这些教师都已引入了智学网、会课网等智能教学平台，并在教学中展开人机协同教学尝试，在课前、课中、课后教师与人工智能共同完成教学，包括学情的诊断、教学目标的制定、课堂教学的讲解、课后作业的批改与个性化资源推荐等。共回收300 份问卷，剔除填答高度一致、答题时间过短等无效问卷，最终保留256 份有效问卷，问卷有效率为85.3%。通过对有效问卷进行数据分析得到了受访者基本情况。其中，男性教师146 名（占比57%），女性教师110 名（占比43%）。教师教授的学段分为初中和高中，分别占比39.9%、60.1%。按照教师职称等级，分为三级教师、二级教师、一级教师、高级教师和正高级教师，分别占比12.1%、29.3%、37.1%、18.4%、3.1%。

表1 研究问卷

（二）信度与效度分析

本研究主要通过SmartPLS 4 和SPSS 22 进行数据分析。首先，在信度方面。一般认为，调查变量的克朗巴哈系数（Cronbach’s α 系数）大于0.7 时，量表具有较好的信度。通过软件分析显示：问卷调查的核心变量包括持续性行为意向、满意度、有用性感知、娱乐性感知、期望确认、信息质量和系统质量等均符合标准（见表2），其区间在0.909～0.971 之间，均大于0.7，说明本次样本调查具有良好的信度。其次，在效度方面。通过软件分析显示：问卷数据的KMO 值为0.973，Bartlett 球体检验近似卡方值为9881.054，显著性概率为p=0.000＜0.01，说明问卷变量之间存在相关性，可以进行因子分析。在因子载荷方面，一般认为，每个观测变量的因子载荷应大于0.5，组合信度应大于0.7，平均萃取方差应大于0.5。基于SmartPLS 4 的分析结果如表2所示，通过数据可知各观测变量的因子载荷均大于0.5，且各变量的组合信度和平均萃取方差均符合效度量表的基本要求，说明本次问卷调查的数据具有良好的效度。

表2 信度和效度检验

（三）拟合度分析

SmartPLS 4 采用偏最小二乘法（Partial Least Squares，PLS）作为主要的建模方法，适合用小样本研究或复杂模型，它不要求数据满足多元正态分布，一般要求在30～50 个样本情况下即可进行研究（Hair，et al.，2019）。本研究的研究对象为中小学教师，回收的样本数量较少，故主要采用SmartPLS 4进行小样本数据分析。首先对所构建的模型拟合度进行检验，模型适配度数据如表3所示。根据胡立子（Hu，et al.，1998）和本特尔（Bentler，1998）的标准，SRMR＜0.08 即可接受；根据迪杰斯特拉等（Dijkstra，et al.，2015）的标准，d_ULS＜0.95，d_G＜0.95 即可接受（d）；根据本特尔和博尼特（Bentler &Bonett）的标准，NFI 取值应在0～1 之间，并且越接近1 表示模型拟合越好（Bentler，et al.，1980）。基于以上标准，结合表格数据可知本次研究的模型拟合度较好。

表3 模型拟合度

（四）路径图分析

本研究基于SmartPLS 4 对变量之间的回归系数大小和显著性进行了分析（见表4、图4）。本研究主要通过PLS-SEM 算法及Bootstrapping 方法进行计算，在计算过程中，将重复抽次数设置为5000，取t 值为1.96，显著性水平为0.05 作为标准。当p＜0.001，表示极其显著的统计学差异，用*** 表示；当0.001＜p＜0.01，表示有显著性统计学差异，用** 表示；当0.01＜p＜0.05，表示有统计学差异，用* 表示。具体表现为：满意度在p＜0.01 的情况下对持续性行为意向有显著的正向影响；有用性感知和娱乐性感知在p＜0.001 的情况下对持续性行为意向有显著的正向影响。娱乐性感知在p＜0.01 的情况下对满意度有显著的正向影响；信息质量和系统质量在p＜0.05的情况下对满意度有显著的正向影响；期望确认在p＜0.001 的情况下对满意度有显著的正向影响。信息质量在p＜0.05 的情况下对有用性感知有显著的正向影响；系统质量在p＜0.01 的情况下对有用性感知有显著的正向影响；期望确认在p＜0.001 的情况下对有用性感知有显著的正向影响。结果显示，所设立的假设全部通过检验。

表4 回归结果和假设检验

图4 回归分析路径

此外，本研究采用SmartPLS 4 对模型的解释度进行了检验，通过数据分析获得了本研究核心变量的解释度（见表5）。一般认为，R2＞0.67，表示模型对变量的解释度较高（Chin，et al.，1998）。从表5 数据可知，教师人机协同教学的持续性行为意向、有用性感知和满意度的值均大于0.67，说明该模型的解释能力良好。

表5 模型判定系数表

（五）中介效应

本研究采用SmartPLS 4 对模型进行了中介效应检验。研究主要以单个变量作为中介因素进行特定间接效应检验，根据模型图确定了满意度和有用性感知两个中介变量。以满意度为中介变量，持续性行为意向为结果变量，可以发现的研究路径共计4条；以有用性感知为中介变量，持续性行为意向为结果变量，可以发现的研究路径共计3 条（见表6）。基于数据分析得出的P 值显示，系统质量和期望确认在以满意度为中介变量，持续性行为意向为结果变量的中介效应显著；系统质量和期望确认在以有用性感知为中介变量，持续性行为意向为结果变量的中介效应显著。

表6 中介效应检验

（六）模糊集定性比较分析

本研究基于SmartPLS 4，结合问卷数据，利用PLS-SEM 算法，分析得出了教师人机协同教学满意度的影响因素模型。客观事物的影响因素往往不是单一的，而是受到多个变量组合产生的影响。结构方程一般针对两个变量间的关系进行探讨，而模糊集定性比较分析主要对变量的组合效应进行分析，可以作为结构方程研究的补充，进一步增强对因变量的解释度（Afonso，et al.，2018；Mikalef，et al.，2017）。相关研究也证实了结构方程与模糊集定性比较分析具有良好的解释力（潘克文，2023；Gligor，et al.，2020）。本研究除了采用定量研究外，基于问卷数据的多案例比较分析进行定性研究，采用模糊集定性比较分析（fuzzy-sets Qualitative Comparative Analysis，fsQCA）对教师人机协同教学满意度的样本数据进行进一步分析，可以进一步解释教师人机协同教学满意度的影响规律，为中小学人机协同教学的改善提供更为详实的数据与证据支持。

1.数据校准

首先，针对问卷数据进行校准。根据Liket 量表类数据的标准（Pappas，et al.，2021），通常选取数据中的95%分位点、50%分位点、5%分位点对应的数据作为锚点，锚点的选取如表7所示。然后将每个前因变量的锚点值代入fsQCA 软件中的Calibrate 函数，对数据进行初步校准。为提高模型效果，将校准后的数值统一加0.001，避免生成值为0.5 的模糊隶属度，完成数据校准。

表7 前因变量的数据校准锚点

2.必要性分析

基于fsQCA 进行数据分析首先要评估前因条件的必要性，从而了解是否有一些条件对持续性行为意向的产生始终存在影响。为此本研究将问卷数据通过编辑导入fsQCA 软件，以持续性行为意向为结果变量，计算其他变量的一致性（Consistency）和覆盖度（Coverage），通过数据分析得出表8。一般认为，一致性＞0.9 则表明该变量是影响果变量的必要条件（Schneider，et al.，2010）。由表格数据可知，只有娱乐性感知的一致性＞0.9，因此娱乐性感知是影响持续性行为意向的必要条件。

3.充分性分析

在组态分析前需要构建真值表。本研究主要包括6 个前因条件，可能存在26=64 种构型。将256 份样本案例归纳到65 种构型中，得到用于组态分析的真值表（见表9）。在初步归纳后，要把真值表内一致性过低的组态所对应的结果变量编码改为0，代表不存在。较多学者将一致性阈值确立在0.8 来确保结论的有效性（黄嫚丽，等，2019；余璐，2019）。基于娱乐性感知是必要条件的前提下，本研究对数据进行真值表赋值分析。软件分析的结果包括复杂解、简约解和中间解，大多数研究主要基于中间解来理解前因条件的组态对结果变量的影响（Chuah，et al.，2021；Woodside，2013）。本研究通过分析并结合简约解（见表10）和中间解（见表11），识别出核心条件和边缘条件，再通过计算得出，有用性感知、娱乐性感知、信息质量和系统质量是影响持续性行为意向的核心条件。如以娱乐性感知为必要条件，共有7 条方案通过。通过分析结果，可以绘制影响教师人机协同持续性行为意向的条件组态图（见表12）。表内●是指核心前因条件存在，●是指边缘前因条件存在，⊗是指核心前因条件缺失，⊗是指边缘前因条件确实，空白是指无关条件。此外，已有研究表明方案的一致性不应小于0.75（Ragin，2006）。根据表格数据可知，7 种方案的一致性在0.87527～0.9765 之间，总体方案的一致性为0.879281，均满足标准，即7 组态皆为结果产生的充分条件。同时，7 种组态的总体覆盖率为0.900921，说明这7 种方案能够解释大多数引发教师产生持续性行为意向的情况。其中，7 种组态中组态5 的原始覆盖率最高，说明该方案对教师产生人机协同持续性行为意向的解释力度最好。

表10 简约解

表11 中间解

表12 教师人机协同持续性行为意向的条件组态

4.结果分析

本文基于7 种组态，对fsQCA 进行结果分析。结果表明：组态1 表示在教师娱乐性感知高的前提下，即便在教师满意度、教师期望确认度、人机协同信息质量和系统质量不高的情况下，只要教师的有用性感知高，就会产生较高的持续性行为意向。在此方案中，有用性感知是核心条件。

组态2 表示在教师娱乐性感知高的前提下，即便在教师满意度、教师有用性感知和期望确认度都不高的情况下，只要人机协同的系统质量和信息质量高，那么教师就会产生较高的持续性行为意向。在此方案中，信息质量和系统质量是核心条件。

组态3 表示在教师娱乐性感知高的前提下，即便在教师满意度、教师有用性感知和人机协同系统质量不高的情况下，只要教师的期望确认度高，就会产生较高的持续性行为意向。在此方案中，娱乐性感知是核心条件。

组态4 表示在教师娱乐性感知高的前提下，在教师满意度、教师有用性感知、教师期望确认度、人机协同信息质量和系统质量都高的情况下，就会产生较高的持续性行为意向。在此方案中，有用性感知、信息质量和系统质量是核心条件。

组态5 表示在教师娱乐性感知高的前提下，即便不考虑教师的期望确认度，只要教师满意度、教师有用性感知、人机协同信息质量和系统质量高，就会产生较高的持续性行为意向。在此方案中，有用性感知、娱乐性感知、信息质量和系统质量是核心条件。

组态6 表示在教师娱乐性感知高的前提下，即便不考虑教师的有用性感知，只要教师满意度、教师期望确认度、人机协同信息质量和系统质量高，就会产生较高的持续性行为意向。在此方案中，信息质量和系统质量是核心条件。

组态7 表示在教师娱乐性感知高的前提下，只要教师满意度高，即便教师有用性感知、教师期望确认度、人机协同的信息质量和系统质量低，也会产生较高的持续性行为意向。在此方案中，娱乐性感知是核心条件。

四、结论分析

（一）教师人机协同教学的持续性行为意向分析

在影响教师人机协同教学的持续性行为意向的三个因素中，娱乐性感知对持续性行为意向的回归系数最高，其标准化回归系数达到0.348，与满意度（标准化回归系数0.3）和有用性感知（标准化回归系数0.324）相比较高。fsQCA 检验的结果也再次证实了娱乐性感知是影响教师持续性行为意向的必要条件。两种研究结果都说明，教师在使用人机协同教学，无论是教学前的准备工作，还是教学中的实际教学过程，教师能否感到轻松愉悦对其持续性行为意向的产生具有显著的影响作用。相当多的学者通过各个领域的研究也证实了娱乐性感知（李嘉韩，2023）、满意度（华繁羽，2023；Oghuma，et al.，2016）和有用性感知（周静，2023）对用户持续性行为意向的显著影响。因此，在利用人机协同进行教学时要着力提高教师教学的娱乐性，如何把较为死板的知识通过人机协同教学转换为快乐的教与学是一个重要的问题。

（二）教师人机协同教学的满意度分析

在影响教师人机协同教学的满意度的四个因素中，期望确认对满意度的回归系数最高，其标准化回归系数达到0.375，远高于娱乐性感知（标准化回归系数0.196）、信息质量（标准化回归系数0.214）和系统质量（标准化回归系数0.221），而娱乐性感知对满意度的回归系数最低。这说明，教师对人机协同的期望确认度很大程度上影响了自身的满意度。同时，从fsQCA 分析出的组态4、5、6、7 也可看出，满意度是影响教师产生持续性行为意向的重要因素。相关学者也在类似情境中指出期望确认对满意度的积极影响（付一阳，2023）。也有学者指出，感知娱乐性对用户满意度具有积极正向影响（Kang，et al.，2010）。此外，相关学者研究也指出信息质量和系统质量对用户满意度具有积极显著影响（权英，等，2022）。因此，在人机协同发展的过程中，可以适当将重点放在其他方面，例如提升教师的有用性感知、完善人机协同的信息质量和系统质量等。

（三）教师人机协同教学的有用性感知分析

在影响教师人机协同教学的有用性感知的三个因素中，期望确认对有用性感知的回归系数最高，其标准化回归系数达到0.354，与信息质量（标准化回归系数0.275）和系统质量（标准化回归系数0.303）相比较高，而信息质量对有用性感知的回归系数最低。这说明，教师的期望确认很大程度上影响了其有用性感知的高低。此外，通过数据分析可知，期望确认对满意度和有用性感知的影响最大。这说明，教师在使用人机协同进行教学前的预期值和实际使用后的真实感受是否相一致，即教师的期望确认度对教师自身的满意度和有用性感知都有着极为重要的影响。通过结构方程模型数据结果可知，想要提高教师的有用性感知就必须提高教师的期望确认。相关研究也证实了期望确认（殷猛，等，2023）、信息质量（权英，等，2022）和系统质量（王文韬，等，2018）会对用户有用性感知产生积极影响，以及用户对电子学习系统的有用性感知受系统质量的正向影响（Mohammadi，2015）。因此，在人机协同教学过程中，要尽可能满足教师的期望确认，即使它可能无法直接导致教师产生持续性行为意向，却能激发提升教师的有用性感知，从而间接提升教师的持续性行为意向。

（四）结构方程模型和fsQCA 研究结果总结

通过对比结构方程模型的研究结果和fsQCA 的研究结果不难发现，两者得出的结果基本一致。在影响教师持续性行为意向的因素中，娱乐性感知和有用性感知是核心因素，满意度是重要因素。此外，fsQCA 结果补充了结构方程模型结果。通过fsQCA的简约解可知，人机协同教学的信息质量和系统质量也是影响中小学教师人机协同教学持续性行为意向的核心影响因素。而结构方程也验证了娱乐性感知、有用性感知、信息质量和系统质量均与教师持续性行为意向存在着直接或间接的关系。因此，结合上述研究结果，在未来的人机协同教学中，不仅需要着力提升教师的娱乐性感知和有用性感知，同时更要不断完善和创新人机协同教学的信息质量和系统质量，由内向外地影响教师实际教学效果和效率。以满意度为重要因素划分，fsQCA 分析出的7 条组态大致可以分为两类，一类是组态1、2、3；另一类是组态4、5、6、7。第一类组态主要以单个或两个因素即可促使教师产生持续性行为意向，包括有用性感知、娱乐性感知、信息质量和系统质量，而这也对应了简约解的四种核心条件。第二类组态是由多种因素共同影响教师产生持续性行为意向，在不考虑个别因素的情况下，只要有一部分影响因素即可促使教师产生持续性行为意向。此外，模糊集定性比较分析也往往有与结构方程不一致的地方，这也正是模糊集定性比较分析的价值之一，更能反映复杂事物的本来面目（潘克文，2023）。一些变量的影响即使不显著，但会与其他变量产生组合效应。对比fsQCA 研究的结果可知，满意度在影响教师持续性行为意向的产生中并没有起到核心条件的作用。尤其是组态1、2、3显示，不考虑教师对人机协同的满意度，只要其他因素存在，教师就容易产生持续性行为意向。而在结构方程模型中，满意度对持续性行为意向能产生积极显著影响。同时，对比fsQCA 的数据分析结果可知，期望确认只在组态3、4、6 中对持续性行为意向产生一定的影响，而在其他组态中，对持续性行为意向的影响较弱。由组态1 可知，在不考虑教师期望确认的情况下，只要教师的有用性感知高，就会促进教师产生持续性行为意向。这两种分析结果的不一致说明了人类行为的复杂性，在同时应用结构方程模型和fsQCA 进行数据分析的研究中，类似不一致的情况十分常见（Abbasi，et al.，2022；Chuash，et al.，2021）。总体而言，结构方程模型的数据分析结果建立了教师人机协同教学满意度的影响因素模型，而fsQCA的研究结果为理解教师人机协同教学持续性行为意向提供了进一步的观点，有助于更深入地理解有用性感知、娱乐性感知、满意度、信息质量和系统质量对教师持续性行为意向的影响作用。

五、对策建议

（一）现状

基于分析数据和讨论结果，可以看出教师人机协同教学的整体现状。首先，影响教师人机协同教学的持续性行为意向的三个观测变量均值在3.87～4.02 之间，整体均值为3.95，该观测变量总体情况较为良好，说明目前教师人机协同教学在整体上具有一定的持续性行为意向。同时，三个观测变量的标准差的差距较小，说明目前大部分教师人机协同教学的持续性行为意向具有普遍性，差异性较小。其次，在满意度方面，四个观测变量的均值在3.89～4.00 之间，整体均值为3.95，该观测变量总体情况较为良好，说明目前教师人机协同教学也具有了一定的满意度。同时，从上述分析可以看出，教师人机协同教学的持续行为意向与满意度也有待提升。同时，满意度四个观测变量的标准差差距较小，满意度层面的差异并不明显。最后，在有用性感知方面，九个观测变量的均值在3.86～4.03 之间，整体均值为3.96，说明教师对人机协同教学有了一定的有用性感知，对人机协同教学的作用进行了肯定。同时，九个观测变量的标准差差距也较小，说明整体数据较为集中，中小学教师的有用性感知差异不明显。同时，教师人机协同教学有用性感知也有待提升。

（二）对策建议

本研究基于期望确认理论，结合动机理论和信息系统成功模型，对教师人机协同教学的满意度进行研究，主要分析了教师人机协同教学的影响因素。在当前“人工智能+教育”的大背景下，对于提高教师人机协同教学的满意度具有积极意义。研究结果表明，教师人机协同教学的满意度、有用性感知和娱乐性感知对其持续性行为意向存在积极显著影响；教师在人机协同教学中的娱乐性感知和期望确认以及人机协同教学本身的信息质量和系统质量对教师的满意度存在积极显著影响；教师在人机协同教学中的期望确认和人机协同教学本身的信息质量和系统质量对教师的有用性感知存在积极显著影响。此外，进一步通过模糊集定性比较分析可知，娱乐性感知是影响教师人机协同持续性行为意向的必要条件，有用性感知、信息质量和系统质量是影响持续性行为意向的核心条件。

基于本研究的研究结果，将从以下几个方面提出一定的建议和措施，从而进一步推动教师人机协同进行教学的发展。

1.创新人机协同的教学模式

人机协同教学让机器智能进入了课堂，借助ChatGPT、VR、小机器人等人工智能设备，拓展了传统课堂教学的固定形式，增添了课堂的师生互动、生生互动和人机互动的形式。要建立了多种人机协同课堂教学模式并加之实践，进一步加强人机协同课堂中的多模态学习分析（高琼，等，2021）。因此，将人机协同带入课堂势必要创新传统的教学模式。在目前人工智能高速进化和发展的大背景下，人机协同教学在未来的教育中是必然的。因此，无论是翻转课堂，抑或智慧教室，还是“双师课堂”，其教学模式应在不同情况下采取不同的方式，具体可以包括，区分不同的课堂结构，划分人机课程各占成分，完善人机协同教学评价机制等。同时，要积极将科技和教学相结合，努力提升教学课堂的快乐性，帮助教师以更轻松愉快的方式进行教学。

2.发挥人机双向赋能作用

目前的教育环境是一个被人工智能技术改造的数字环境，教师的角色和地位也因而发生改变。在人机协同的教学过程中，教师应发挥技术之长，探究技术之短。要进一步加强对教学信息和数据的收集与分析（高琼，等，2021），学生要尽可能开展自主探究的有意义学习（艾兴，等，2020）。因此，教师应寻求人工智能数据挖掘的技术，细化人机协同的实施办法，精准地借助技术生成学习对象的认知水平评估，从而有针对性地教育学生，因材施教；同时，教师也应明确教育主体的关键作用，利用人工智能技术提升自己的专业化水平，凸显自己在人机协同教学中的主体作用，从而实现人机双向赋能作用，相互发挥各自优势，相互结合。

3.提高教师智能化教学素养

教师在开展人机协同教学时，要不断提高自己的专业智能化教学素养。具体可以包括，加强对机器收集学生信息的分析能力，培养和发展自身的人工智能素养，开展和总结人机协同教学成果评价等。教师要利用人机协同，充分利用人工智能技术的高效性，实现学生的个性化学习。因此，在人机协同教学中，教师要充分发挥自身的才能和智慧，将人工智能技术的特点与教育的本质相互结合（张坤颖，等2017）。教师要从人工智能提供的动态化数据中提取学生认知和情感等方面的专业成长指标，分析学生的学习行为，从而及时改进教学策略，同时将教学设计和理念传递给人工智能技术，实现教学目标。

4.建立人机协同教师、学校和专家的合作关系

由于有人工智能机器和技术的介入，人机协同教学势必需要学校和相关技术专家的支持与帮助。学校方面，要积极推动学校人机协同技术的落实，对教师开展人机协同教学培训，帮助教师充分发挥人机协同的优势，促进人机协同在课堂中得到实现。同时，学校也可以聘请一部分人工智能专家作为校外团队，由于涉及人工智能技术，人工智能专家在促进人机协同教学实践中的作用就显得尤为重要。相关人工智能技术专家应深入实际课堂，记录教师在人机协同教学中遇到的困难和障碍，积极帮助教师解决和应对人机协同教学中存在的问题，从而进一步提升人机协同教学效果，构建教师、学校和专家的合作友好关系。