放大乡村教育工作者的视角：一项关于生成式人工智能对美国农村高中影响的定性研究

文献标题

Amplifying Rural Educators’ Perspectives: A Qualitative Study on the Impacts of Generative AI in Rural U.S. High Schools

出版信息

• 主题领域: 生成式人工智能在农村高中教育中的应用及其影响。
• 关键词: 生成式人工智能、农村教育、高中教师、人工智能素养、教育技术、批判农村理论、数字鸿沟、职业发展、包容性设计、系统性不平等。

背景与问题

• 问题/挑战: 农村高中在整合生成式人工智能（GenAI）方面面临独特挑战，包括基础设施有限、资源差距以及缺乏人工智能素养培训。现有研究主要关注城市和郊区学校，农村背景常被忽视。
• 重要性: 美国约有1000万K-12学生就读于农村学校，因此解决教育技术获取和整合的不平等问题至关重要，以避免扩大数字鸿沟。
• 动机与相关研究: 之前的研究探讨了生成式人工智能在教育中的潜力，例如个性化学习和行政支持，但这些研究假设资源和基础设施充足。农村学校由于其独特的限制，在这些讨论中仍然代表性不足，因此需要专注于其独特需求和视角的研究。

解决方案

• 提出的方法: 通过对亚利桑那州、缅因州和北卡罗来纳州31名农村高中教师进行调查和访谈，开展定性研究，探讨他们的经验、挑战以及对生成式人工智能整合的愿景。
• 创新点:
  1. 首个以美国为背景的研究，聚焦农村高中教师对生成式人工智能的观点。
  2. 应用批判农村理论分析生成式人工智能采用中的系统性不平等问题。
  3. 开源的方法工具包，便于复制和未来研究。
  4. 探索专为农村背景设计的生成式人工智能应用的可能性。
• 程序和关键技术:
  • 进行包含选择题和开放性问题的在线调查，并开展半结构化访谈。
  • 使用扎根理论指导的编码方法和批判农村理论进行数据分析。
  • 开发代码手册以识别调查和访谈回应中的主题。
  • 分析教师对生成式人工智能在农村学校应用的设想。

结果

• 具体发现:
  • 80.6%的参与者主要将生成式人工智能用于行政和教学支持，例如课程开发和评分。
  • 31%的参与者担忧生成式人工智能可能抑制学生的自主性和创造力。
  • 79.3%的参与者对学习生成式人工智能技能信心不足，75.9%认为难以跟上新技术的发展。
  • 参与者设想了生成式人工智能应用，例如自适应学习系统、结合地方知识的人工智能课程，以及解决人员短缺的工具。
• 相较基线的优势:
  • 突出了农村特有的障碍（例如不可靠的互联网、设备不足）和机遇（例如基于位置的学习、减少工作负担），这些在城市和郊区研究中未被提及。
  • 提供了设计包容性生成式人工智能工具的可操作性洞见，专为资源匮乏的背景量身定制。
• 实验/评估:
  • 对农村教师进行调查（N = 29）和访谈（N = 6）。
  • 使用经过验证的框架，例如技术接受模型（TAM）和计算机焦虑评分量表（CARS），评估教师的认知和焦虑。
  • 通过主题编码和批判农村理论分析定性数据。
• 局限性与未来工作:
  • 地理范围有限（仅涵盖三个州），样本量较小，因招募困难所致。
  • 参与者可能存在自我选择偏差，倾向于熟悉生成式人工智能的教师。
  • 未来研究应扩展至更多样化的农村地区，涵盖非STEM教师，并纳入学生、家长和社区成员的观点。

摘要

本研究探讨了生成式人工智能在美国农村高中的整合，重点分析系统性不平等、基础设施障碍以及教师对人工智能素养的低信心。尽管面临这些挑战，农村教师设想了变革性的生成式人工智能应用，例如自适应学习系统和个性化教学工具。研究结果强调了农村特定设计方法、职业发展以及包容性决策过程的必要性。通过以农村教师的声音为中心，本研究为创建公平且符合背景需求的教育技术提供了可操作性洞见。