《Computers and Education: Artificial Intelligence》：Empowering university teachers in higher education: A generative AI-responsive competency framework
编辑推荐：
本研究针对高等教育教师现有能力框架在指导设计生成式人工智能（GenAI）介导的、旨在培养学生高阶思维的学习体验方面存在不足的问题，开发了一个响应GenAI的教师胜任力框架。该框架基于建构主义理论和社会学视角，通过专家审议构建，包含GenAI素养、课程/学习设计、教学与学习、评估四个核心维度，并分为基础、中级、高级三个发展层级，每个维度均从教师自身能力和培养学生能力双重视角进行阐述。该框架为高校教师的自我评估、教学设计和专业发展提供了结构化且灵活的工具，有助于推动有效且负责任的人机协作。
随着以ChatGPT为代表的生成式人工智能（Generative Artificial Intelligence, GenAI）技术迅猛发展并快速融入高等教育生态系统，传统的教学模式和师生关系正在经历深刻变革。不同于传统的信通技术（ICT），GenAI具备生成性知识论，能够自主创造内容并提供适应性学习支持，这为学生赋予了前所未有的学习自主权，同时也带来了学术诚信、算法偏见以及基础学习过程被侵蚀等一系列挑战。高等教育正经历从教师主导的技术应用到学习者主导的GenAI参与的范式转变，这迫切要求重新审视并重新定义教师所需的核心能力。
尽管已有一些人工智能相关的教师能力框架，如联合国教科文组织的AI胜任力框架和扩展的AI-TPACK模型，但它们普遍存在局限性。许多框架设计于GenAI普及之前，主要关注技术熟练度，而在如何促进有意义的师生-GenAI互动、将GenAI作为认知伙伴以促进深度学习等方面缺乏具体的、可操作的指导。此外，这些框架往往以相对静态的方式呈现能力，未能充分阐述其在不同熟练度层级或学科背景下的发展轨迹，也未能深入探讨教师如何有效支持学生在使用GenAI时的自主性、责任感和批判性参与。因此，开发一个专门针对GenAI、更具教育学中心导向且发展性的教师胜任力框架，对于支持高等教育教师的专业成长、适应并引领这一变革至关重要。
为此，一项题为“Empowering university teachers in higher education: A generative AI-responsive competency framework”的研究在《Computers and Education: Artificial Intelligence》上发表。该研究旨在弥补现有不足，构建一个专门面向高校教师的、响应生成式人工智能的胜任力框架。该框架不仅超越了对技术熟练度的狭隘关注，更致力于阐明教师设计能够促进学生21世纪技能发展、支持自主学习、引导负责任、符合伦理且具备批判性的GenAI应用所必需的能力。
为了构建这个框架，研究团队开展了一项系统性的开发与验证工作。研究基于建构主义学习理论、社会文化视角和以学生为中心的教学法等理论基础。开发过程结合了文献的系统性分析与专家审议。研究组建了一个由教育技术专家、学科专家和一线高校教师构成的国际专家小组，通过多轮结构化的咨询会议，对框架的维度、层级和指标进行迭代分析与精炼，直至达成共识，确保了框架的理论扎实性与实践相关性。
该框架系统地提出了一个四维三层的结构模型，并引入了教师自身能力与赋能学生能力的双重视角。其核心研究成果如下：
一、 一个四维三层的胜任力框架
该框架包含四个核心维度：GenAI素养 (GenAI Literacy)、课程/学习设计 (Curriculum/Learning Design)、教学与学习 (Teaching and Learning) 以及 评估 (Assessment)。每个维度下，教师能力的发展被划分为三个渐进层级：基础 (Basic)、中级 (Intermediate) 和 高级 (Advanced)，代表着从技术认知、到指导性应用、再到批判性与创造性整合的连续体。
- •
GenAI素养：基础层级关注安全、伦理和有效互动的基本理解；中级层级强调对GenAI输出的批判性参与，识别偏见等问题；高级层级则探索与GenAI作为认知伙伴进行创新协作的方式。
- •
课程/学习设计：基础层级是利用GenAI生成想法和收集资源；中级层级是协作优化和个性化课程材料；高级层级则是共同设计跨学科的、基于项目的课程，整合学生-GenAI合作模式。
- •
教学与学习：基础层级是利用GenAI支持基本教学任务；中级层级是应用GenAI进行动态支架、模拟或适应性反馈；高级层级是设计和促进共同学习环境，使GenAI成为探究和对话中的认知伙伴。
- •
评估：基础层级是利用GenAI自动化简单评估和提供即时反馈；中级层级是采用GenAI设计适应性的形成性评估；高级层级是与GenAI共同创建创新的、AI增强的评估模型。
二、 独特的“双重视角”
框架的每个维度和层级都从两个视角进行阐述：教师自身的熟练度 (Teacher’s own proficiency) 和 培养学生批判性参与GenAI的能力 (Capacity to foster students’ critical engagement)。这打破了传统单向度模型的局限，体现了在GenAI介导的学习环境中，教师发展与学生学习进步的协同关系，反映了从传统的二元教学模型向教师、学生和GenAI三方协同探索的动态转变。
三、 核心理论映射与发展路径
该框架以建构主义理论、学生中心哲学、社会文化视角和学习者-GenAI互动范式为理论基石，共同构建了其教育学基础。例如，建构主义理论将GenAI重塑为动态的认知伙伴；社会文化视角则强调必须关注GenAI整合中的公平、伦理和可及性问题。框架通过明确三个发展层级，为教师提供了可视化的、可操作的自我评估和专业成长路线图。
四、 框架的系统开发与验证
研究通过七轮结构化专家咨询会议，对框架进行了系统的开发和验证。专家小组就框架的范围、维度、术语和指标等关键问题进行了深入讨论和迭代修正。例如，早期会议明确了“胜任力”与“素养”的区分，并确立了以GenAI为核心的多维结构；后续会议则致力于消除维度间的重叠，整合教学法与学习科学视角，并最终确定了清晰的分层矩阵和操作化指标，确保了框架的严谨性和实用性。
研究在结论与讨论部分强调，该框架为高等教育应对GenAI带来的挑战与机遇提供了一种全面的方法。它通过强调教师发展与学生赋权之间的互惠关系，并将GenAI定位为工具和协作伙伴，为更具创新性、包容性和面向未来的教育实践奠定了基础。研究同时指出了框架实施面临的挑战，如不同机构的准备程度差异、数字公平与访问问题等，并建议采取分层的支持系统、开发开放获取的GenAI资源、制定明确的伦理使用指南等适应性实施策略。
该研究具有重要的理论与实践意义。在理论层面，它超越了教育AI的工具性视角，提出了教师-学生-GenAI三方协同发展的动态共生模型，为研究AI pervasive环境中的学习生态建立了新的分析范式和实践标尺。在实践层面，框架为高校教师、教育管理者和政策制定者提供了清晰的行动路线图，可用于指导教师的专业发展项目设计、课程与教学改革、评估政策修订以及机构层面的战略规划。最终，这项研究致力于推动建立一个教育生态系统，使教师和学生能够作为具有批判性、创造性和伦理意识的参与者，在AI介导的世界中共同成长。
