教师是否憧憬生成式人工智能扩大教育（不）平等？基于全球教师视角展望 K-12 生成式人工智能教育的未来

文献标题

Do Teachers Dream of GenAI Widening Educational (In)equality? Envisioning the Future of K-12 GenAI Education from Global Teachers’ Perspectives

出版信息

• 主题领域: 生成式人工智能在K-12教育中的应用及其对教育平等的影响。
• 关键词: 生成式人工智能，K-12教育，教育不平等，人工智能素养，全球视角，教师实践，社会技术系统，基础设施，文化本地化，职业发展。

背景与问题

• 问题/挑战: 生成式人工智能（GenAI）快速融入K-12课堂，引发了关于其是否会减少或加剧教育不平等的担忧。现有研究多集中于技术采用因素与风险，但缺乏对教师如何在实践中积极应对这些张力的深入洞察。
• 重要性: 理解GenAI对教育平等的影响对于设计包容性系统和政策至关重要，因为它可能实现学习民主化，也可能因基础设施、文化偏见和获取渠道的差异而加深分裂。
• 动机与相关工作: 先前研究探讨了人工智能在个性化学习和课程整合中的作用，但未充分关注教师如何调节GenAI在平等与不平等之间的双重潜力。本研究基于社会技术视角，探讨全球教师的实践。

解决方案

• 提出的方法: 通过对美国、南非和台湾的K-12教师进行半结构化访谈，分析他们如何教授GenAI以促进教育平等。
• 创新点:
  1. 通过记录全球教师将GenAI融入课堂的实践，扩展了人工智能教育框架。
  2. 突出了限制平等导向GenAI教育的系统性约束，如基础设施差距、培训不足和文化阻力。
  3. 为学校、企业和政府提供支持包容性GenAI教育的可操作性指南。
• 流程与关键技术:
  • 对30名积极教授GenAI的教师进行了半结构化访谈。
  • 聚焦于三个地区（美国、南非、台湾），以捕捉多样的社会文化背景。
  • 使用反思性主题分析法分析数据，识别实践、挑战和设想的解决方案。

结果

• 具体发现:
  • 教师利用GenAI解决现有的不平等问题（如资源匮乏、数字素养差距），并防止新的不平等问题（如误用、文化偏见、情感过度依赖）。
  • 结构性障碍包括不可靠的网络连接、不均衡的培训机会和限制性的社会规范。
  • 教师设想通过学校（创新中心、资源再分配）、企业（本地化且可访问的GenAI工具）和政府（普及AI素养计划）提供支持。
• 相较基线的优势:
  • 展示了教师如何积极调节GenAI在促进平等中的作用，与以往关注技术采用或风险的研究形成对比。
  • 突出了微观层面的教师实践与宏观层面的系统性约束之间的相互作用。
• 实验/评估:
  • 对来自三个地区的30名教师进行了访谈，重点关注他们的实践、挑战和对GenAI教育的愿景。
  • 对区域背景进行比较分析，识别全球共性和地方差异。
• 局限性与未来工作:
  • 仅限于三个地区；未来研究应探索更多背景。
  • 聚焦于教师视角；未来研究应包括学生、家长、政策制定者和开发者。
  • 未衡量学生的长期学习成果；需要实证研究评估对学习轨迹和AI素养的影响。

总结

本研究探讨了美国、南非和台湾的K-12教师如何将GenAI融入课堂以促进教育平等。教师利用GenAI缓解资源差距并扩大获取渠道，但面临基础设施限制、培训不足和文化阻力等系统性障碍。他们设想通过学校、企业和政府的支持，使GenAI教育更加包容。研究结果突出了GenAI在缓解或加剧不平等方面的双重潜力，并强调了需要协调的设计和政策干预，以在全球范围内维持平等导向的实践。