智能技术支持的师范生数字化教学能力提升：期望价值信念的作用

摘要：随着人工智能技术的快速发展，教育数字化转型已成为必然趋势，如何将智能技术与师范生培养融合发展已成为新时代教师教育振兴计划的关键。为了探究智能技术支持的师范生数字化教学能力的影响因素和发展路径，该研究基于情境期望价值理论，选取567名师范生进行了问卷调查，探讨环境支持和期望价值信念（即自我效能感和感知有用性）在培养智能技术支持的数字化教学能力中的作用。结果表明，感知有用性在环境支持对智能技术支持的自主学习和信息化教学的影响起到了中介作用；自我效能感在环境支持对智能技术支持的自主学习中起到了中介作用。此外，高环境支持和期望价值信念组的师范生表现出更好的智能技术支持的自主学习和信息化教学行为意愿。基于此，研究揭示了这一机制形成的内因，并从强化拟真情境应用、优化课程体系和发展协同机制提出了相关建议，旨在为实践中提升师范生的数字化教学能力提供指导。

关键词：智能技术；师范生；数字化教学能力；期望价值信念

中图分类号：G434 文献标识码：A

* 本文系华中师范大学2021年教师教育专项研究项目“面向课程教学实践的师范生信息化教学能力的培养与提升研究”（项目编号：CCNUTEII2021-01）、国家自然科学基金面上项目“生成性学习策略影响视频学习的认知神经机制及智能干预研究”（项目编号：62177027）研究成果。

一、引言

为推进国家教育数字化战略行动和完善教育信息化标准体系，教育部于2022年11月发布了《教师数字素养》教育行业标准，标准明确了要提升教师使用数字技术进行教育教学活动的意识、能力和责任，以实现教育的优化、创新和变革[1]。而师范生作为未来教师的后备军，提升师范生的数字素养和数字化教学能力也迫在眉睫，这也是实现我国教育现代化、建成教育强国的重要内容。本研究为提升师范生在实践中的数字化教学能力，基于情境期望价值理论框架，从环境支持和师范生的期望价值信念两方面探究对智能技术支持的师范生数字化教学能力和数字素养提升的支持要素和影响机制，以尝试回答两个问题：（1）基于情境期望价值理论框架，智能技术支持的师范生数字化教学能力影响因素的路径有哪些？（2）智能技术支持的师范生数字化教学能力培养中，不同环境支持和期望价值信念水平的人群是如何影响师范生在智能技术支持的信息化教学和自主学习？

关于国内外智能技术支持的师范生数字化教学能力提升的影响因素研究，较多聚焦于外部因素和内部因素两方面，但由于各学者对外部因素和内部因素的界定不同，在其结果呈现存在差异。例如王巍等人基于TQM（Total Quality Management，TQM）理论和TAM（Technology Acceptance Model，TAM）模型，从外部因素（人员支持、设施支持、课程支持、机制支持、环境支持）和内部因素（感知有用性和感知易用性）两个层面探究了影响师范生数字化教学能力的主要因素，回归分析结果发现，内部因素和外部因素中的机制支持是影响师范生数字化教学能力的重要因素[2]。而赵磊磊等人从外部因素（教学信念和职业认同）和内部因素（TPACK的内部结构要素）两方面探讨了对地方高校信息技术师范生的TPACK能力的影响。结果表明，教学信念和职业认同对师范生的TPACK能力呈现出显著的强相关[3]。此外，国外学者Aslan选取初级教师和师范生作为研究对象，探讨了教师的数字化教学能力的影响因素。结果发现，ICT整合感知能力、ICT使用焦虑、ICT感知能力和教学知识对初级教师和师范生ICT融入教学有显著的预测作用[4]。而学者J.Instefjord不同于前者研究，将教学管理者提供的支持也融入到师范生信息化教学能力培养中，选取了挪威初级教师、专家教师和师范生为研究对象，探讨教育管理者的积极管理、教学支持和教师的自我效能感对教师的数字整合教学能力的影响。研究结果表明，教育管理者的积极管理、教学支持与教师数字整合教学能力之间存在较弱的正相关，而自我效能感与数字整合教学能力之间存在较强的正相关[5]。综上所述，师范生数字化教学能力提升的影响因素可归纳为环境支持的外部因素影响和师范生的自我效能感和对技术感知能力等内部因素影响，其中环境支持不仅仅是教学环境，还涵盖政策、教学管理者和机制等方面提供的支持。但也不难发现，目前关于智能技术支持的师范生数字化教学能力提升的影响因素研究主要探究各因素对师范生数字化教学能力的直接影响，很少关注到各因素之间对师范生数字化教学的中介作用机制。因此，本研究重点关注哪些因素对师范生数字化教学能力提升起到了中介影响，以更好地为实践提供指导。

二、理论基础与模型构建

（一）理论模型

1.期望价值理论（Expectancy—value Theory）

期望价值理论作为研究个人学习动机与学习行为之间关系的理论框架之一，最初强调个人对成功的期望和主观任务价值在参与学习活动中的作用[6]。其中，个人对成功的期望即关于个人是否能成功完成任务的信念，例如自我效能感；主观任务价值即关于任务是否有趣、有用或值得参与的信念，例如感知有用性[7]。此外，已有研究表明，如果学习者有更高的自我效能感，并且他们认为技术对学生是有帮助的，这些学习者倾向于有更强的学习意愿[8][9]。随着期望价值理论的发展，学者Eccles和Wigfeld进一步在此基础上提出情境期望价值理论，认为个人的期望价值信念是由人所处的环境所塑造的。可看出，与最初的期望价值理论相比，情境期望价值理论更强调了环境支持影响学生的期望价值信念来进而影响学习效果的作用[10]。因此，本研究基于情境期望价值理论，探究环境支持、期望价值信念（自我效能感和感知有用性）对智能技术支持的师范生数字化教学能力之间的关系。

2.师范生信息化教学能力标准

师范生信息化教学能力标准由基础技术素养、技术支持的学习和技术支持的教学三部分组成。基础技术素养是师范生作为职前教师应具备的智能技术支持下的基本信息化教学能力和自主学习能力，包括技术的意识态度、技术环境和信息责任三个维度；技术支持的学习是师范生作为职前教师或21世纪人才所需要的技术环境下学习的可迁移能力，包括自主学习、交流协作和研究创新三个维度；技术支持的教学是师范生作为未来教师应具备的专业信息化教学能力，以实现包括资源准备、过程设计和实践储备三个维度[11]。本研究基于师范生信息化教学能力标准，结合我校的师范生培养的智能化学习环境，一方面以确定智能技术支持的师范生信息化教学和自主学习所关注的重点，另一方面，将智能技术支持的信息化教学和自主学习两部分内容学习后具备的能力定义为智能技术支持的师范生数字化教学能力。

（二）模型构建

本研究基于情境期望价值理论和师范生信息化教学能力标准，结合已有文献研究，综合考虑智能技术支持的师范生信息化教学和自主学习的影响因素，尝试构建师范生在智能技术支持信息化教学和自主学习的影响因素模型，图1所示。其中，环境支持主要包括学校政策支持、智能技术设备支持和相关课程支持，以提供师范生外部支持；感知有用性和自我效能感作为师范生的个人价值期望，以内在因素影响智能技术支持的师范生信息化教学和自主学习；智能技术支持的信息化教学是指师范生作为未来教师能够综合运用学科知识和人工智能技术进行教学过程设计和实践教学；智能技术支持的自主学习是指师范生作为21世纪人才，能够借助人工智能技术进行个性化学习并学会学习。

本研究假设所有影响因素对师范生在智能技术支持的信息化教学和自主学习具有正向影响。基于情境期望价值理论，环境支持影响学生的期望价值信念进而影响师范生在智能技术支持的自主学习和信息化教学，具体假设如下：

H1：环境支持对师范生的技术感知有用性具有正向影响。

H2：环境支持对师范生的自我效能感具有正向影响。

H3：环境支持对师范生在智能技术支持的自主学习中具有正向影响。

H4：环境支持对师范生在智能技术支持的信息化教学中具有正向影响。

H5：自我效能感对师范生在智能技术支持的自主学习中具有正向影响。

H6：自我效能感对师范生在智能技术支持的信息化教学中具有正向影响。

H7：感知有用性对师范生在智能技术支持的自主学习具有正向影响。

H8：感知有用性对师范生在智能技术支持的信息化教学中具有正向影响。

H9：师范生在智能技术支持的自主学习对智能技术支持的信息化教学具有正向影响。

三、研究工具

（一）调查问卷编制

本研究参照Venkatesh等[12]、Chai等[13]研究中的量表以及我国的师范生信息化教学能力标准[14]，同时结合H师范院校信息化教学能力课程的实践情况，编制了“智能技术对师范生数字化教学能力影响的调查问卷”。问卷分为两个部分：第一部分包括学生的基本信息，包括性别、专业及计算机应用基础等；第二部分分别从环境支持、感知有用性、自我效能感、智能技术支持自主学习和智能技术支持信息化教学五个方面测量对师范生的数字化教学能力的影响程度。采用五点李克特量表，1=“很不符合”，5=“完全符合”。本次调查问卷采用线上的方式进行，调查对象为不同师范专业的大学生，共发放问卷612份，剔除无效问卷后，最终回收问卷为567份，有效率为93%。

（二）问卷信效度检验

采用SPSS对问卷的信度和效度进行检验。首先，问卷整体的Cronbach’s系数是0.95，环境支持、感知有用性、自我效能感、智能技术支持自主学习和信息化教学五个维度的Cronbach’s系数依次为0.92、0.85、0.87、0.92和0.94，各维度的信度系数均大于0.85，证明问卷具有较高的内部一致性[15]。其次，在效度分析中，初步巴特利特球形检验与KMO检验结果表明KMO统计量值0.97，Bartlett球形检验的χ2值为12844.51（p < 0.001），适合开展进一步的因子分析。验证性因子分析结果显示，各题项的因子载荷值在0.643—0.815之间，均大于建议值0.6，平均方差萃取AVE值大于0.50，且各维度的组合信度CR值大于0.85，证明问卷的聚合效度较好。另外，AVE的平方根均大于相关系数值，证明本问卷的区别效度较优。综上，问卷的测试维度及题项之间的结构合理，较好的通过了信效度检验，能够较为准确的评估师范生的数字化教学能力的影响因素。

四、数据统计与结果分析

（一）人口学基本信息统计

参与调查的567名师范生中，男性155名，女性412名。学科分布较为均匀，涵盖化学（15.2%）、地理（14.8%）、数学（14.3%）等多个学科。此外，师范生在校期间参与的信息技术相关课程的调查结果显示，78.7%的师范生在本科课程中已经学习过计算机基础类课程；67.0%的师范生参与过信息技术与学科融合类课程等。

（二）结构方程模型检验

本研究采用AMOS 26.0结构方程模型软件，通过拟合度评估和参数评估来检验各因素对智能技术支持的师范生信息化教学和自主学习的影响。

1.结构模型拟合度评估

拟合度是指在构建模型的适合程度，一般来说，模型拟合度越高，拟合指标的值在测量范围内，模型的可用度越高[16]。参照结构方程模型评估标准，本研究从绝对适配度、简约适配度及增值适配度三个拟合指标综合评估模型的拟合度，其中各拟合指标均在测量范围内，如表1所示。从绝对拟合指标来看，卡方自由度比（χ2/df）介于1.0和3.0之间，RMSEA和RMR等拟合指标均在临界值之内；简约拟合指标和增值拟合指标的其他指标均符合拟合度要求。综上，本研究中初步建立的模型拟合度较好，适合开展进一步假设检验。

2.研究假设检验

根据结构方程模型，研究模型的假设检验结果如表2所示，研究假设H1、H2、H3、H4、H5、H7、H8、H9和H10均成立，路径系数分别为0.535、0.545、0.087、0.108、0.568、0.435、0.198和0.707，p值均小于0.05。以上结果表明了环境支持正向影响感知有用性，感知有用性进而正向影响了师范生智能技术支持的自主学习和信息化教学；环境支持正向影响师范生在智能技术支持环境下的自我效能感，进而影响师范生智能技术支持自主学习；此外，智能技术支持自主学习正向影响智能技术支持信息化教学。

（三）师范生环境支持和期望价值信念的潜在剖面分析

考虑以变量为中心研究中的样本同质性问题，本研究采用以个体为中心的潜在剖面分析来识别异质性[17]，探讨环境支持和师范生不同期望价值信念水平是否存在不同的潜在类别以及不同类别组在智能技术支持的信息化教学和自主学习上是否存在差异。从理论与实践两方面探讨环境支持和师范生的期望价值信念对智能技术支持的自主学习和信息化教学的影响机制。

为探索师范生期望价值信念水平的潜在剖面，本研究根据环境支持、期望价值信念中感知有用性和自我效能感得分均值（M环境支持、M感知有用性和M自我效能感），确定师范生可能属于何种环境支持和期望价值信念特征类别。根据已有研究，潜在剖面的个数是通过评估模型拟合指标来确定[18]。本研究选取了主要的拟合指标为AIC、BIC、aBIC、LMR、BLRT以及Entropy（信息熵）。具体而言，当Entropy > 0.8表示模型分类准确。同时，LMR和BLRT的值显著（p > 0.05）表明K类模型是优于K-1类模型。此外，在确定最优的类别组个体数时，考虑到理论解释和代表性，避免某一类别的样本数低于5%[19]。

由于本研究中潜在环境支持和期望价值信念类别没有进行预先假设，全样本的初始模型由1类开始，后逐渐增加分类数量进行模型拟合估计。本研究选取的潜在剖面分析的结果如表3所示，其中，当环境支持和师范生的期望价值信念当被分为3类时，LMR和BLRT值均显著（p < 0.05），Entropy的值为0.81（大于0.8），AIC系数和BIC系数降低，表明相比于其他几类，保留剖面类别为3种时，达到了环境支持和师范生期望价值信念分型的最优模型。根据潜在剖面的结果和3种类别在环境支持和期望价值信念的得分情况，可以将其划分为三种主要剖面类别：（1）低环境支持和期望价值信念组，占比10.05%，人数为57人；（2）中环境支持和期望价值信念组，占比50.10%，人数为284人；（3）高环境支持和期望价值信念组，占比39.86%，人数为225人。

以环境支持和期望价值信念水平为自变量，以师范生在智能技术支持的自主学习和信息化教学为因变量进行单因素的方差分析。结果发现，提供给师范生的环境支持和师范生期望价值信念水平不同，师范生在智能技术支持的自主学习得分有显著的差异[F（2，564）=358.02，p <0.001，η2=0.56]。LSD事后检验发现，高环境支持和期望价值信念水平组的师范生在智能技术支持的自主学习得分上高于中、低环境支持和期望价值信念水平组（MD=1.23，p<0.001；MD=0.64，p<0.001）；中环境支持和期望价值信念水平组的师范生在智能技术支持的自主学习得分上高于低环境支持和期望价值信念水平组（MD=0.60，p<0.001）。此外，师范生的智能技术支持的信息化教学得分有显著的差异[F（2，564）=250.38，p<0.001，η2=0.47]。LSD事后检验发现，高环境支持和期望价值信念水平组的师范生在智能技术支持的信息化教学得分上高于中、低环境支持和期望价值信念水平组（MD=1.12，p<0.001；MD=0.60，p<0.001）；中环境支持和期望价值信念水平组的师范生在智能技术支持的信息化教学得分上高于低水平组（MD= 0.52，p<0.001）。以上结果表明，不同环境支持和期望价值信念水平对师范生智能技术支持的自主学习和智能技术支持的信息化教学有差异化表现。

五、结论与建议

基于情境期望价值理论，本研究探讨了环境支持、期望价值信念（自我效能感和感知有用性）和智能技术支持的信息化教学与自主学习之间的关系。总的来说，以变量为中心的方法（结构方程模型）和以个体为中心的方法（潜在剖面分析）都表明了环境支持和期望价值信念对师范生在智能技术支持的信息化教学和自主学习的关键作用。结构方程模型结果表明，感知有用性在环境支持对智能技术支持的自主学习和信息化教学的影响起到了中介作用；自我效能感在环境支持对智能技术支持的自主学习中起到了中介作用。此外，潜在剖面分析结果显示，不同环境支持和期望价值信念水平可分为高、中、低三组类别，并且高环境支持和期望价值信念组的师范生表现出更好的智能技术支持的自主学习和信息化教学行为意愿。

（一）研究结论与讨论

1.智能技术支持的师范生数字化教学能力影响因素分析

环境支持和期望价值信念是提升师范生数字化教学能力中的关键因素，这与之前的研究相一致[20][21]。首先，环境支持在智能技术支持的师范生数字化教学能力中有着至关重要的作用，这是由于高质量的数字基础设施环境支持是师范生开展数字化教学的基础保障，也是教育数字化转型中教师角色的稳固之基[22]。然而，当前大多师范生高等院校虽然完成了数字基础设施“量”的投入，但迫切需要进一步实现“质”的升级。师范生作为未来教师队伍中的预备军，是推动高质量教育体系发展的首要资源。当为师范生营建数字化教学能力的培育支持环境，例如智慧教室、虚拟教室和人工智能教师教育实训实验室等。同时在学校相关政策的支持下创新师范生数字化教学能力的课程内容体系。这些外部支持使得师范生有更多借助智能技术来开展实践教学的机会，满足自身的个性化学习需求，这也为师范生从学生身份向未来新手教师角色的顺利转变奠定了坚实的基础。其次，期望价值信念在环境支持和智能技术支持自主学习中起到了中介作用，这与情境期望价值理论结果相一致，师范生在智能技术支持自主学习过程中的动机是由他们对于这一任务成功可能性的期待以及对这一任务所赋予的价值决定的[23]。伴随智能技术成长下的“数字土著师范生”，在数字基础设施的使用上具有着天然优势，能够快速适应数字世界和新型数字化学习方式，实现个性化学习，达到数字化学习的绩效期望。因此，当提供给学习者理想并熟悉的数字化环境支持，会增加学习者成功的期望和成就价值，进而增强师范生在智能技术支持的自主学习水平。最后，感知有用性在环境支持和智能技术支持的信息化教学中起到了中介作用，以往研究表明，感知有用性与提供给师范生数字化教学的智能技术设备和个体使用意愿密不可分[24][25]，当师范生在使用智能技术设备进行数字化教学训练中，只有与自身的数字化教学设计高度匹配，能够实现教与学方式的创新，并以数字化教学思维灵活应对多变且复杂的数字化实践教学情境[26]，师范生对数字化教学理念的认可度更高，进而提升智能技术支持的师范生数字化教学能力。可见，师范生作为未来教育的主力军，自身的数字化教学能力将直接影响到教育的质量和效果。因此，师范生教学能力的培养应与数字技术基础设施的升级和数字化教学理念的认可相辅相成，实现协调一致的同步发展。这不仅有助于提升师范生的数字素养，同时，这种协调一致的发展也为师范生和未来新手教师之间的衔接提供了基础，确保了教学的连贯性和稳定性。

2.不同环境支持和期望价值信念水平对智能技术支持的师范生数字化教学能力的影响

潜在剖面分析结果表明，环境支持和师范生不同期望价值水平可以分为低、中、高三组类别，并且三组类别学习者在智能技术支持的信息化教学和自主学习上存在差异。因此，可以通过提供环境支持和提高师范生期望价值信念进而有针对性地提升不同类别组师范生在智能技术支持的自主学习和信息化教学中的行为意愿，以实现精准干预。具体而言，大多数师范生（60.15%）处于环境支持和期望价值信念的中低水平，这是由于师范生数字化教学能力培养除了与提供高质量的数字基础设施和数字设备相关，课堂中教师的数字技术储备、数字化教学设计和数字化教学思维等，会进一步影响师范生的数字化教学理念的认可。已有研究表明，良好的教学示范可以促进师范生数字化教学能力的提升[27]。当教师的教学范式从传统讲授向技术支持的精准教学转变，实行学生的大规模个性化学习，师范生的模仿学习会加深对数字基础设施和数字设备的个人使用意愿，使师范生充分认识到数字化教学在提高教育质量方面的重要作用。此外，高期望价值信念组的学生表现出更好的智能技术支持的自主学习和数字化教学行为意愿，这与期望价值理论相一致[28]。当学习者感到智能技术对自己的数字化实践教学有用并具备高自我效能感时，学习者的学习动机会增强，在此背景下，智能技术支持的师范生数字化教学能力得到提升。可见，师范生对数字化教学理念的认可度在培养师范生数字化教学能力具有重要意义。具体来说，在多种途径（包括但不限于数字环境下的自主学习和教学示范）的助力下，向师范生传播数字化教学理念，不仅能够提升师范生在职前教育阶段对数字化知识与技能的深入掌握，而且能够增强师范生在成为新手教师后，对数字化教学环境的迅速适应与融入能力，突破目前师范生职前培养与职后教学之间的割裂。因此，强化职前学习与职后实践的紧密联系，更能有效促进师范生在职业成长道路上的一体化发展，以应对当前数字时代教育所面临的挑战。

（二）智能技术支持的师范生数字化教学能力提升建议

1.以智能技术环境为依托，强化真实或拟真情境下的实践应用

环境支持在智能技术支持的师范生数字化教学能力中发挥中重要的作用[29]。随着人工智能、云计算、大数据等新兴技术的快速发展和广泛应用，提升师范生数字化教学能力的设施配备也应从数字化向智慧化转变，逐步构建高情境化、强临界感、多场景的智慧学习环境[30]。因此，在师范生数字化环境建设方面，可以借助智能技术打造智慧化录播环境、智能教学实训室（例如AI智能实训静音舱）、智能综合的教师教育实验实训平台、基于大数据的教、学、管、研、评一体化的教学系统等软硬件环境。增设师范生实践观摩和体验的教学课时，促进师范生的沉浸式学习与实践，以强化真实或拟真情境下的实践应用，增加师范生数字化教学实践的机会，提升智能技术支持的数字化教学能力。

2.以建设新时代“智能新师范”为目标，优化师范生数字化教学课程体系

为提高师范生的期望价值信念，优化师范生数字化教学课程体系是实现其目标的重要途径。伴随着智能技术的快速发展，智能技术与师范生培养深度融合已成为必然趋势。在师范生的培养过程中，借助智能技术支持的智慧学习空间环境，结合国家智慧教育平台的优质资源[31]，以“数字化教学课程如何设计、数字化教学评价如何进行、师生在数字化教学中互动如何高效实现”为主线，组织师范生开展智能设备的基本操作、基于学科的数字技术与教学深度融合、过程性数据的采集与分析等内容学习，确保课程体系的完整性和内容丰富性，以增加师范生的学习动机，进而提高师范生的期望价值信念，提升智能技术支持的数字化教学能力。

3.以教师示范为核心，建立智能技术支持的教师—师范生协同发展机制

师范生处于准教师的职前培养阶段，存在的普遍现象表现在基于真实场景的教学实践经验不足，因此，观看授课教师的示范作用是培养师范生教学技能的重要渠道，其数字化教学能力的培养也不例外。为解决师范生的数字化教学能力培养过程中学生积极性不高的问题，鼓励建立教师—师范生共同体协同发展机制，为师范生数字化教学实践提供过程性指导，实现细微精准、面向师范生实践能力的“智能新师范”的人才培养，从而促进师范生数字化教学能力的提升。

参考文献：

[1] 教科信函[2022]58号文件，教育部关于发布《教师数字素养》教育行业标准的通知[Z].

[2][20][27] 王巍，闫寒冰等.发展师范生信息化教学能力：支持要素、关键问题与可为路径——基于20所师范院校调研数据的分析[J].教师教育研究，2021，（2）：38-44.

[3] 赵磊磊，李玥泓等.地方高校信息技术师范生TPACK：影响因素及建构策略[J].现代远距离教育，2018，（3）：29-36.

[4] Aslan A，Zhu C.Influencing Factors and Integration of ICT into Teaching Practices of Pre-Service and Starting Teachers [J].International Journal of Research in Education and Science，2016，2（2）：359-370.

[5] Instefjord E J，Munthe E.Educating digitally competent teachers：A study of integration of professional digital competence in teacher education [J]. Teaching and teacher education，2017，67：37-45.

[6] Wigfield A，Eccles J S.Expectancy–value theory of achievement motivation [J]. Contemporary educational psychology，2000，25（1）：68-81.

[7] Atkinson J W.An introduction to motivation [M].Oxford：Van Nostrand，1964.

[8] Chai C S，Wang X，Xu C.An extended theory of planned behavior for the modelling of Chinese secondary school students’ intention to learn artificial intelligence [J].Mathematics，2020，8（11）：2089.

[9] Ni A， Cheung A.Understanding secondary students’continuance intention to adopt AI-powered intelligent tutoring system for English learning [J]. Education and Information Technologies，2023，28（3）：3191-3216.

[10][23] Eccles J S，Wigfield A.From expectancy-value theory to situated expectancy-value theory：A developmental，social cognitive，and sociocultural perspective on motivation [J].Contemporary educational psychology，2020，61：101859.

[11][14][24] 任友群，闫寒冰等.《师范生信息化教学能力标准》解读[J].电化教育研究，2018，39（10）：5-14+40.

[12] Venkatesh V，et al.User acceptance of information technology：Toward a unified view [J].MIS quarterly，2003，27（3）：425-478.

[13] Chai C S，Lin P Y，et al.Perceptions of and behavioral intentions towards learning artificial intelligence in primary school students [J].Educational Technology & Society，2021，24（3）：89-101.

[15] 李世瑾，顾小清.中小学教师对人工智能教育接受度的影响因素研究[J].现代远距离教育，2021，（4）：66-75.

[16] 隋幸华，赵国栋等.高校教师信息化教学能力影响因素实证研究——以湖南省部分高校为例[J].中国电化教育，2020，（5）：128-134.

[17][18] Lubke G H， Muthén B.Investigating population heterogeneity with factor mixture models [J].Psychological methods，2005，10（1）：21-39.

[19] 温忠麟，谢晋艳等.潜在类别模型的原理、步骤及程序[J].华东师范大学学报（教育科学版），2023，41（1）：1-15.

[21] Fütterer T，Scherer R，et al.Will，skills，or conscientiousness：What predicts teachers’intentions to participate in technology-related professional development [J].Computers & Education，2023，198：104756.

[22] 罗儒国.教师教学数字化转型的现实困境与纾解路径[J].电化教育研究，2023，44（12）：102-107+121.

[25] 亓建芸，赵可云.教师数字化教学角色适应的影响因素及其作用机制研究[J].中国电化教育，2024，（1）：111-118.

[26] 杨鑫.数字化教学思维：教师迈入数字化“深水区”的思维范式[J].中国电化教育，2024，（5）：53-60.

[28] Atkinson J W.Motivational determinants of risk-taking behavior [J]. Psychological review，1957，64（1）：359-372.

[29] 周刘波，张梦瑶等.数字化转型背景下教师数字素养培育：时代价值、现实困境与突破路径[J].中国电化教育，2023，（10）：98-105.

[30] 洪玲.教师教育智慧学习空间：内涵、框架与实践策略[J].开放教育研究，2023，29（1）：53-59.

[31] 祝智庭，林梓柔等.教师发展数字化转型：平台化、生态化、实践化[J].中国电化教育，2023，（1）：8-15.

作者简介：

苟江凤：在读博士，研究方向为多媒体学习、教师教育。

杨九民：教授，博士，博士生导师，研究方向为教学设计、教师教育。

李荣娜：在读硕士，研究方向为多媒体学习、教师教育。

郑文燕：在读硕士，研究方向为多媒体学习、教师教育。

Improving the Digital Teaching Competence for Pre-service Teachers by Intelligent Technology： The Role of Expectancy-value Beliefs

Gou Jiangfeng， Yang Jiumin， Li Rongna， ZhengWenyan

Faculty of Artificial Intelligence Education， Central China Normal University， Wuhan 430079， Hubei

Abstract： With the rapid development of artificial intelligence technology， the digital transformation of education has become an inevitable trend. How to integrate intelligent technology with the training of pre-service teachers has become the key to the revitalization plan of teacher education in the new era. In order to explore the influencing factors and development path of digital teaching competence for pre-service teachers supported by intelligent technology， based on the theory of situational expected value， this study took 567 pre-service teachers as the research objects， and adopted questionnaire survey method to explore the role of environmental support and expectancy-value beliefs （selfefficacy and perceived usefulness） in cultivating digital teaching competence for pre-service teachers supported by intelligent technology. The results show that perceived usefulness plays a mediating role in the effect of environmental support on autonomous learning and informationbased teaching supported by intelligent technology， and self-efficacy plays a mediating role in the effect of environmental support on independent learning supported by intelligent technology. In addition， different levels of environmental support and expectancy-value beliefs can be classified into three groups： high， medium， and low， and pre-service teachers with high environment support and expectancy-value beliefs group show better intelligent technology support of independent learning and information teaching behavior willingness. Based on this， the research analyzes the internal causes of the formation of this mechanism and proposes relevant suggestions from three aspects： simulating realistic scenarios， optimizing curriculum systems， and developing collaborative mechanisms， aiming to provide guidance for improving digital teaching competence for pre-service teachers in practice.

Keywords： intelligent technology； pre-service teacher； digital teaching competence； expectancy-value beliefs