《Computers and Education: Artificial Intelligence》：Enhancing AI literacy for educators: Where to start and to what end?
编辑推荐：
本文探讨了在教育日益智能化背景下，如何系统化地培养教师的AI素养。研究团队通过对现有文献的系统综述，并基于布鲁姆分类法，构建了一个包含定义、理解、实践、观念与教学法五个维度的分层渐进框架，揭示了教师AI素养的核心维度及其相互关系，为设计有效的教师培训与发展项目提供了理论基础与实践指引。
随着人工智能（AI）技术在教育环境中扮演着日益重要的角色，从大语言模型（LLMs）支持的个性化学习到自动化作业评估，AI正在深刻变革教学实践。然而，教师作为AI技术整合与落地的核心，其自身是否能有效、负责任地使用这些技术，直接关系到教学质量和学生学习成果。当前，针对学生AI素养的研究已有不少，但关于教师应具备何种AI知识、技能与教学策略，以及如何系统化地培养这些能力，尚缺乏全面深入的探讨。现有框架如评估与21世纪技能教学（ATC21S）、欧盟数字教育能力框架（DigCompEdu）及国际教育技术协会（ISTE）教育者标准等，要么过于宽泛，未聚焦AI特有技能，要么缺乏明确的AI能力发展路径，难以指导教师的具体实践。
为了解决这一研究空白，来自南佛罗里达大学的研究团队进行了一项系统的文献综述，旨在剖析“教师AI素养”的构成维度，并探讨其有效培养的路径。他们以认知心理学领域的经典理论——布鲁姆分类法（Bloom‘s Taxonomy）为分析框架，对筛选出的36篇高质量文献进行了编码与综合分析。研究发表在《Computers and Education: Artificial Intelligence》上，其核心贡献在于提出了一个专门针对教育工作者的、基于布鲁姆分类法的分层AI素养框架。该框架将教师的AI素养概念化为一个从基础认知到高阶应用的渐进式发展过程，包含五个相互关联的维度：AI素养定义、AI理解、AI实践、AI观念以及AI教学法，为理解和评估教师的AI能力发展提供了清晰的结构。
研究团队主要采用了定性研究中的系统性文献综述方法。首先，他们在多个学术数据库（如Web of Science、Scopus等）中设置了涵盖“教师”、“AI”、“素养”等主题的检索词，按照严格的纳入与排除标准（如相关性、发表时间、同行评审等）筛选出符合条件的36篇文献。随后，他们采用归纳式的主题分析法，依据构建的“分层渐进框架”（）对每篇文献进行逐行编码。为确保分析的一致性与可靠性，研究组进行了多轮独立编码与讨论，最终达成了高度的编码者间一致性。
通过对文献的系统梳理，研究得出了以下主要结果：
4.1 教师AI素养定义的多维度性
研究发现，教师的AI素养主要包含三个关键维度：
- 1.
人机交互能力：指与AI技术有效沟通、协作并批判性评估其输出结果的能力。这要求教师具备数据素养、编程/算法思维以及机器学习基础知识，以理解AI的决策过程。
- 2.
利用AI工具的能力：指能够根据教学任务选择、适配并整合AI工具（如智能辅导系统、AI驱动的学习活动平台），并将AI潜力转化为与课程目标一致的教学实践。
- 3.
伦理与社会影响意识：指在使用AI时能关注算法偏见与公平性、数据隐私、透明度以及AI应用的广泛社会影响等问题，确保技术应用的负责任与包容性。
4.2 教师所需的基础知识
研究识别出教师掌握AI素养所需的核心知识，并归纳了四大类别：
- 1.
核心概念/知识：包括技术技能（如机器学习基础）、应用技能（如ChatGPT提示工程）、伦理思考（如算法思维）和教学框架（如TPACK框架）知识。
- 2.
应用场景：涵盖教学支持（如备课、评估）、个性化支持（如自适应学习）以及培养高阶思维技能（如元认知反思）等具体场景。
- 3.
习得策略：包括协作策略（如与研究者共同设计）、体验式策略（如课堂试验、反思）、工具探索（如在不同沙盒环境中体验AI工具）和持续性专业发展（如工作坊、教练指导）。
- 4.
评估策略：涉及学生评价、教师自我反思、协作评估（如同行评审AI任务）以及教师AI能力评价等多种评估方式。
4.3 AI在当前教育实践中的应用
研究分析了AI在不同教育环境（如K-12教育、高等教育、教师教育）中的应用（）。应用主要体现为两种能力：一种是利用AI增强学生学习（如支持AI素养、数据素养、批判性思维的培养）；另一种是利用AI支持教学实践（如个性化教学、创建评估、课堂管理等）。进一步揭示了有效运用这些AI应用所需的关键能力，包括伦理意识、AI工具操作、提示工程、数据素养、以及在教学中保持人机协作与平衡。
4.4 对AI教育应用的观点
研究梳理了学界对AI教育应用的机遇与挑战（）。机遇包括：支持个性化学习、优化教学策略、减轻教师行政负担。挑战则涉及：教师对AI基础知识的理解不足、缺乏结构化专业发展项目、以及对数据隐私、算法偏见、过度依赖AI削弱学生批判性思维等伦理问题的高度关切。
4.5 支持AI整合的教学法
研究发现，指导AI教育整合的教学法策略多样，涵盖了从K-12到教师教育等不同情境（）。这些策略包括基于建构主义学习理论的探究式学习、实践操作、合作学习等，并强调使用如TPACK框架、多元读写能力框架等理论模型来指导实践，以促进学生高阶思维能力的培养。
本研究的结论与讨论部分强调了教师AI素养的多维性和情境相关性。研究指出，教师的AI素养并非独立技能的简单集合，而是在具体教育情境中，由人机交互、利用AI工具、伦理与社会影响这三个核心维度相互作用、动态发展形成的综合能力体系。基于布鲁姆分类法的分层框架，将教师AI素养的发展路径清晰化为从“记忆/理解”基础知识，到“应用”工具，再到“分析/评价”伦理影响，最终“创造”整合性教学方案的过程，为设计循序渐进的培训项目提供了路线图。
该研究的意义在于，它超越了以往将AI素养视为孤立技术能力的局限，提供了一个以教师为中心、整合了认知、实践、伦理与教学设计的整体性框架。这不仅有助于教育机构设计和评估教师的专业发展项目，也为教师个体自我诊断与提升AI能力提供了参照。更重要的是，该框架强调了伦理考量应贯穿于AI素养发展的全过程，并重申了教师在技术驱动的教育环境中保持专业判断与教学主导权的必要性。最终，该研究呼吁未来的教师培训需将技术知识、教学法与伦理反思紧密结合，以培养能够驾驭AI潜力、同时确保教学质量和教育公平的“反思性教育实践者”。
