缓解还是替代？教师如何协商生成式AI在其职业实践中的角色

文献标题

Relief or displacement? How teachers are negotiating generative AI's role in their professional practice

出版信息

• 主题领域: 生成式人工智能在K–12教育中的整合
• 关键词: 生成式人工智能, K–12教育, 教师适应, 社会技术系统, 教育技术, 专业发展, 人工智能素养, 课堂实践, 教师价值观, 政策框架

背景与问题

• 问题/挑战: 尽管生成式人工智能（genAI）迅速进入课堂，但对教师如何将这些工具整合到教学实践中、与教学目标协调一致，以及如何应对相关挑战（如不平等、缺乏培训和伦理问题）的理解仍然有限。
• 重要性: 理解教师的经验对于设计与课堂实际相符的genAI工具，以及确保在教育中负责任、公平和可持续的应用至关重要。
• 动机与相关研究: 先前研究主要探讨了genAI的技术能力及其在教育中的潜在应用，但很少关注教师如何在实践中解释、适应和协商这些工具。本研究基于教师响应模型（Teacher Response Model, TRM）等框架，研究genAI整合的社会技术动态。

解决方案

• 提出的方法: 以教师为中心的社会技术分析，研究genAI在K–12教育中的整合，重点关注教师的认知、适应和边界设定实践。
• 创新性:
  1. 探讨教师如何在genAI减轻工作负担的潜力与其可能取代教学的智力和关系性方面之间的张力中进行权衡。
  2. 突出机构政策、同伴网络和专业规范在塑造genAI采纳中的作用。
  3. 确定可持续genAI整合的必要条件，包括明确的政策、专业发展和关系性教学法。
  4. 提供设计建议，为支持教师评估和适应工作的genAI工具提供指导。
• 程序和关键技术:
  • 对美国某大型学区的22名教师进行了半结构化访谈。
  • 使用反思性主题分析（Reflexive Thematic Analysis, TA）对访谈数据进行分析，并以TRM框架为指导。
  • 探讨教师在使用genAI时的动机、挑战和边界设定实践，以及可持续整合的系统条件。

结果

• 具体发现:
  • 教师认为genAI在节省时间、预防职业倦怠以及扩展教学可能性方面具有价值，但对过度依赖、失去人与人之间的联系以及数据隐私和环境影响等伦理问题表示担忧。
  • 采纳受到机构激励、同伴网络以及支持多语言学习者需求的影响。
  • 不愿意使用的原因包括时间障碍、污名化、对传统方法的偏好以及环境问题。
  • 教师积极设定边界，以维护专业判断、确保数据隐私，并在使用genAI与关系性教学之间取得平衡。
• 相较基线的优势:
  • 提供了对教师决策过程及影响genAI整合的社会技术因素的细致理解，这些因素在以技术能力或学生成果为重点的先前研究中常被忽视。
• 实验/评估:
  • 研究在一个多样化的学区进行，22名参与者涵盖不同角色、年级和学科领域。
  • 数据通过深入访谈收集，并使用结构化主题分析方法进行分析。
• 局限性与未来工作:
  • 研究仅限于一个学区，可能无法推广到资源或政策不同的其他环境。
  • 未来研究应采用纵向和参与式方法，在多样化的教育环境中探索更广泛的机构和文化影响。

总结

本研究从教师的视角分析了K–12教育工作者如何将生成式人工智能整合到其专业实践中。教师认可genAI在减轻工作负担和支持教学创意方面的潜力，但对过度依赖、伦理风险以及关系性教学的弱化表示担忧。genAI的采纳受到机构政策、同伴网络和系统性不平等的影响，而不愿意使用的原因包括时间限制、污名化和环境问题。教师积极协商边界，以使genAI的使用与其教学价值观和专业判断保持一致。研究结果强调了明确政策、针对性专业发展以及人工智能素养课程的必要性，以确保在学校中负责任且可持续地整合genAI。