小学教师人工智能辅助教学使用意愿及影响因素

摘要：近年来，人工智能在数学教育领域的应用日益广泛。在教育现代化的背景下，教师是推动人工智能教育深化发展的关键节点。本文旨在探究小学教师对人工智能辅助教学使用意愿及其影响因素，基于技术-组织-环境（TOE） 模型和技术接受模型（TAM） 的理论框架，对984名广东省小学教师进行了问卷调查，并访谈了3名教师。结果显示：人工智能辅助教学使用意愿与教龄、教师职称、学校地理位置无显著相关；个人因素（自我效能感和过往经验）、技术因素（便利性和易用性）及学校因素（学校支持和氛围）与使用意愿呈正相关。因此，提高教师对技术的自我效能感，增强工具的实用性，并提供合理的培训，将有助于提高教师采用人工智能的意愿。

关键词：小学教师；人工智能；辅助教学；使用意愿；影响因素；TAM-TOE模型

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）32-0175-04 开放科学（资源服务）标识码（OSID） ：

0 引言

随着信息技术的不断发展，人工智能在教育中的应用日益广泛。这种趋势带来了教育领域的深刻变革，尤其是在基础教育领域。随着人工智能技术的融入教学，传统的教育模式面临着新的机遇和挑战。为了促进教育的创新与发展，教师作为基础教育的实践者，需要重新审视教育技术，并积极探索将人工智能技术应用于教学实践中的可能性。然而，教师对人工智能及其应用的理解仍然有待加强。

目前，大量的研究聚焦人工智能在教育领域的前景分析，如杨海燕、李涛对ChatGPT教学应用分析，诺克斯等对于大数据、人工智能与未来学习的潜力和机会的反思等[1]。但教师使用人工智能意愿的现有研究中缺乏理论框架，以及基于理论框架的实证分析。因此，本研究旨在通过问卷调查和访谈，探究广东省小学教师应用人工智能辅助教学的意愿及其影响因素，以期为教师使用生成式人工智能辅助教学提供经验借鉴。

1 理论框架

本文主要借助技术-组织-环境模型（TOE）和技术接受模型（TAM），构建影响小学教师使用人工智能辅助教学意愿的因素的研究模型，以问卷调查和教师访谈的形式收集数据，并对数据信息进行分析，解释实验结果，对模型进行验证。

1.1 TAM 模型

本文以TAM模型为基础，从个体的角度分析教师对人工智能技术的态度。技术接受模型（TAM，Tech⁃ nology Acceptance Model） 是美国Davis[2]等研究人员用于探究和分析信息技术如何被人们接受的模型。iToAr）M ， 模模型型基中于包理括论了计有划用行性为（P（UT）h e、o易ry用 of 性Pla（PnEneOdU B） e和ha行v⁃为意向（BI） 等因素。其中，有用性主要来自期望理论模型中的使用绩效认知，指个体判断具体事物将提升工作效率的程度，易用性来自Bandura的自我效能理论中的自我效能，指个体主观层面判断使用的困难水平。该模型认为人们接受或拒绝信息技术时，有用性感知和易用性感知是对用户的使用态度产生影响的两个最重要因素。

1.2 TOE 模型

本文对外部变量的选择，考虑TOE模型。TOE模型是用于分析和解释新技术被采用的因素的理论框架。Tornatzky 和 Fleischer 认为当人们在采纳一项创新技术的过程中，将受到技术（Technology） 、组织（Or⁃ ganization） 、环境（Environment） 三方面因素的影响[3]。在该模型中，技术、组织、环境三个方面是影响人工智能辅助教学使用意愿的主要因素。

1.3 TAM-TOE 模型

虽然TAM模型和TOE模型都与技术采用有关，但二者的焦点和范围各有侧重。TAM更专注于内部因素，如个人层面的感知和态度，而TOE模型更专注于组织、环境、技术层面等外部因素，将TOE模型与TAM模型进行结合，综合其各自优势，能较全面地探究影响因素。在本文中，将TOE模型涉及的技术、组织、环境变量作为TAM模型的外部变量，与TAM模型其他因素相结合，整合成分析小学教师对人工智能辅助教学使用意愿的TAM-TOE模型，为此次研究提供了更全面的分析框架，如图1 所示。 为了更好地认识影响小学教师在教学中使用人工智能的因素，本研究将TOE 模型中“组织因素”引申为学校因素，并兼顾考虑教师的个人因素，如教师过往经验、自我效能感等。

其中，便利性是指一个人在使用某一系统或技术时能够给他带来好处的多少。易用性是一个人在使用某一系统或技术时自身对使用的轻松程度的判断。在其他条件相同的情况下，当一个人认为一项技术比另一项技术更容易使用时，往往这项技术越容易被接受。

2 研究设计

2.1 研究方法

采用问卷调查和访谈相结合的研究方法。首先，以广东省范围内21个地级市的小学教师为研究对象进行问卷调查， 再对个别研究对象进行深入访谈。调查小学教师对人工智能的使用情况与意向。问卷包括4个部分，第一部分为个人信息，第二部分为人工智能使用情况，第三部分划分为4个维度，其中包括个人因素、技术因素、学校因素和环境因素，第四部分为存在的挑战与困惑。发放问卷1 200份，其中有效问卷984份，有效回收率为82.0%。笔者使用SPSS 26进行数据分析，采用定性的编码分析访谈数据。

2.2 研究工具

基于研究模型，本研究中的调查问卷采用了李克特 5 点计分法（1= 完全不符合，5= 完全符合），分数越高表明在该项内容上教师表现水平越高。数据收集后，本研究运用 SPSS对整体样本进行信度检验，一致性系数Cronbach’s Alpha 系数为 0.81， KMO 系数为 0.882，说明数据整体具有较高的信度和效度，可用于进一步分析。

3 研究分析

3.1 描述性统计

通过对数据进行差异性分析、t 检验和方差分析，各变量在教龄、职称、学校所在城市均无差异，p>0.05，说明小学教师的使用意向与教师的教龄、职称、学校所在城市均无关。

3.2 各影响因素间的相关分析

由表2可知，除了环境因素外，个人因素（r=0.283， P<0.01） 、学校因素（r=0.438， P<0.01） 、技术因素（r= 0.405， P<0.01） 与教师生成性人工智能的使用意愿之间呈现显著正相关，说明三个因素与教师使用人工智能的意愿关系密切。其中，学校因素与教师的意愿的相关性最强。同时，相关分析数据中数值小于 0.8，代表这三个因素之间不存在共线性问题，确保了后期回归分析结果的有效性。

3.3 各影响因素间的回归分析

多元回归分析如表 3 数据所示，在本次研究所选择的5个变量的标准化回归系数（β） 中，个人因素（β= 0.19，P＜0.01） 、学校因素（β=0.33，P＜0.01） 、技术因素（β=0.22，P＜0.01） 与教师使用生成性人工智能意愿均存在显著正向相关关系，具有正向预测作用。

3.4 定性分析

除了上述的定量分析外，结合访谈数据，分析发现，人工智能的重大变革与教师认知之间的冲突引起教师的技术焦虑，这些技术焦虑也影响了教师对人工智能技术的使用意愿。一方面，教师对人工智能技术及其与教育融合的部分了解甚少，难以感知人工智能技术在教师职业中的有用性；另一方面，大多数一线小学教师从未使用过人工智能工具，且普遍认为人工智能技术应用门槛高，有畏难情绪。

不少教师在访谈中还对人工智能技术在课堂中不可控的风险表示担忧。如在课堂中，由于人工智能数据库和模型本身都具有不可控性，在学生与人工智能交流的过程中可能会误导学生，偏离教学设计。有部分教师则是对自身信息化能力表示忧虑，还有少部分教师表示担心自己的教学模式、教学理念无法与时俱进。这些焦虑情绪可能导致小学教师使用人工智能技术的意愿降低。这一结论与1997 年美国心理学家 Weil 和 Rosen 关于“技术压力”的研究一致，即人们在使用计算机等相关技术时产生的焦虑心理或消极低落的情绪，将导致对技术的消极认知和态度[4]。

4 研究发现

基于TAM-TOE模型，本文分析了小学教师对于教学中应用人工智能意愿及其影响因素。通过相关分析和回归分析发现，除环境因素外，个人因素、技术因素和学校因素均会对教师使用人工智能意愿产生显著的正向影响关系。

4.1 学校因素

学校对教师使用人工智能的支持程度与科组社群的氛围将显著影响教师使用人工智能的意愿。

（1） 学校的支持条件

学校对于教师的支持程度越高，教师使用人工智能参与课堂教学的意愿就会越高。支持条件包括资料设备和培训支持两个方面。

广东省人工智能在教学的应用还处于试点阶段，暂未实现全省的覆盖。调查中发现处于试点学校或试点区域的教师通过培训了解更多人工智能在教学一线的应用，对人工智能技术有用性的感知更强，使用人工智能的意愿更为强烈。而有部分城市乡镇等地区缺少相关培训活动，当地教师对人工智能技术的了解较少，对技术有用性的感知较弱，使用人工智能技术意愿相对较低。

学校若增设有针对性的教师培训，如人工智能的基本原理、操作方法以及教学策略等方面的内容，能增强教师利用人工智能技术进行教育教学的能力，提升教师对人工智能技术有用性的感知，进而提高教师使用的意愿。另一方面，学校为教师使用人工智能提供充分的技术支持，教师在遇到困难时能够从学校提供的技术支持中得到帮助，更容易感知到技术的易用性。

（2） 科组社群的氛围

科组社群的氛围影响教师使用人工智能的意愿。Schroeder[5]等在研究中也指出，当周围环境中越来越多人使用新技术，且在使用反馈良好的情形下，其他教师愿意相信人工智能在教学中发挥着巨大的作用。当教师发现相较于传统教学方式，使用人工智能融入教学，对学生的促进作用更大时，其使用人工智能的意愿会提高。

调查结果显示，当越来越多人使用人工智能并反馈良好时，其他教师的使用意愿会提高。教师间的互助行为不仅提高使用意愿，还有助于提高技术水平和合作关系。

4.2 技术因素

人工智能技术在教学工作中所呈现出的高效性与复杂性，成为显著影响教师使用意愿的关键因素。

（1） 高效性

当教师充分认识到人工智能技术在教学中展现出的高效效能时，对于使用人工智能技术的积极性将大幅提升。这种高效性具体表现在能有效整合教学资源、极大提升教学流程的效率，并为学生提供定制化、精确化的学习服务，进而推动教育教学领域迈向更加创新和先进的发展阶段。

（2） 复杂性

当教师感知到人工智能技术易于操作且不需占用额外的时间和精力时，教师使用人工智能技术进行教学的意愿更高。调查数据显示，部分工具和技术在安装和使用方面的复杂性高，与现有的课程和教学资源不兼容，教师需要花费较长的时间和精力去了解和学习，但最终的教学效率和效果没有达到理想，反而增加了教师的工作负担，导致教师对人工智能技术的易用性感知弱，大大降低教师的使用意愿。当提供的功能、资源与实际工作的匹配程度越高，教师越认为人工智能的技术对教学工作是有用的，越愿意尝试和接受。

4.3 个人因素

本文发现个人因素与教师使用人工智能的意愿有显著关系。其中，个人因素包括自我效能感、教师个人过往经验以及教师对人工智能的技术焦虑。个人因素导致部分教师热情地接受这项技术，而有的教师则与人工智能保持距离，维持现有的教学方式。

小学教师的自我效能感与人工智能的使用意愿之间存在着统计意义上显著的相关关系，具体来说，自我效能感较高的小学教师在教学中使用人工智能的意愿相对较高，也更倾向于将人工智能与教学深度融合。

部分教师表示与人工智能产品接触得较早，积累了一定的实践经验，这些积极的使用经验促使他们在教学实践中不断对新出现的信息技术进行尝试。而另一些偏好传统教学模式的教师对人工智能技术的了解较少，对人工智能技术在教育中应用的可靠性缺乏信心，使用人工智能技术的意愿较弱。

4.4 环境因素

研究发现环境因素对于教师采纳人工智能的意愿无显著影响。这些环境因素包括社会层面对人工智能技术优势的大量宣传、相关教育部门下达的一些文件、市场上逐渐泛滥的技术产品、科技公司对教育技术应用的影响等。这说明小学教师使用人工智能的意愿更趋向于理性判断，不容易受到社会外部宣传和环境的影响。

5 对策与建议

5.1 学校层面

（1） 资料设备

学校应提供基本的数字化教育设备，如计算机、智能手机、平板电脑等，以及良好的网络环境。同时，提供关于人工智能融入教学的技术手册，帮助教师自主学习和掌握相关技术。

（2） 培训支持

学校应提供专业培训，详细解答人工智能在教学中的应用，组织教师参与实践项目，让教师亲身体验人工智能的实际应用，提高对人工智能技术的理解和使用意愿。

5.2 技术层面

人工智能的技术提供方应降低人工智能技术的使用门槛，简化操作逻辑和优化界面设计；通过充分的测试和规则预设，提供可靠、准确的人工智能服务；解决教师在使用过程中可能出现的问题，提供及时技术支持。

5.3 个人层面

（1） 技术焦虑

积极引导有技术焦虑的教师转变观念，客观了解人工智能技术，通过培训提高对技术便利性和易用性的感知，激发使用兴趣。

（2） 自我效能感

教师对人工智能技术便利性和易用性的感知以及成功使用人工智能的经验将提高自我效能感。另外，学校的激励、同事的支持和家长的认可也能增强教师的自我效能感。

（3） 过往经验

在教师使用人工智能获得不良体验时，应针对不良体验出现的原因提供相应的培训和指导；在教师尚未有使用经验时，可以提供基础的培训，帮助他们克服陌生感和困难。

6 结束语

随着人工智能技术的日新月异，国家对其重视程度日益提升，人工智能与教育的深度融合已成为不可逆转的潮流。然而，当前面临的问题是，学校对教师的条件支持尚显不足，科组内使用人工智能技术的氛围尚待提升，教师的自我效能感普遍较弱。更有一部分教师因种种原因，对尝试使用人工智能技术持谨慎甚至抵触态度。为了推动人工智能技术与教育教学的深度融合，学校、科组以及人工智能技术提供方必须携手并进，形成合力，持续激发教师使用人工智能技术的热情，提升其使用意愿。

参考文献：

[1] 杨海燕，李涛.ChatGPT教学应用：场景、局限与突破策略[J]. 中国教育信息化，2023，29（6）：26-34.

[2] DAVIS F D.Perceived usefulness，perceived ease of use，and user acceptance of information technology[J]. MIS Quarterly，1989，13（3）：319.

[3] TORNATZKY L G，FLEISCHER M A C.The processes of tech⁃nological innovation[M].Lexington，Mass.：Lexington Books，1990[4] WEIL M. M.， ROSEN L. D. Technostress： coping with technology@Home@Work@Play[M].New York：John Weley & Sons，1997：35-42.

[5] SCHROEDER D M，CONGDEN S W，GOPINATH C.Linking competitive strategyandmanufacturingtechnology[J]. Journal of Management Studies，1995，32（2）：163-189.

[6] 刘好.基于TOE-TAM模型的政府数据开放平台利用的影响因素研究[D].哈尔滨：黑龙江大学，2021.

[7] 蒋雪凤.基于TAM-TOE模型的信息化人力资源管理的采纳意愿影响因素研究[D].成都大学，2020.

【通联编辑：王力】

基金项目：广东省大学生创新创业训练计划项目（No：S202314278026）