《Frontiers in Psychology》:Development and validation of the AI-empowered visualization teaching competency scale
编辑推荐:
本研究以中国西部地区中小学教师为研究对象,基于AI-TPACK框架,整合视觉素养、数据素养及相关学习与发展理论,构建了AI赋能下教师可视化教学胜任力的五维理论框架。通过项目分析、探索性因子分析(EFA)、验证性因子分析(CFA)、信度检验、测量不变性检验及效标
本研究以中国西部地区中小学教师为研究对象,基于AI-TPACK框架,整合视觉素养、数据素养及相关学习与发展理论,构建了AI赋能下教师可视化教学胜任力的五维理论框架。通过项目分析、探索性因子分析(EFA)、验证性因子分析(CFA)、信度检验、测量不变性检验及效标关联效度检验,研究人员开发并验证了AI赋能教师可视化教学胜任力量表(AI-VTCS)。结果表明,AI-VTCS包含五个维度——设计与创造、意识与解读、决策与合作、伦理与安全、专业发展——共31个题项。五个分量表的Cronbach‘s α系数介于0.911至0.934之间,总量表为0.967。一阶和二阶五因子模型均获得良好拟合,五个维度间中等到高度的相关性支持了构念的层次性。在性别、学校类型(公立/私立)及学段(小学、初中、高中)上,从形态不变到严格不变均建立了测量不变性。聚合效度、区分效度及效标关联效度均达到心理测量学标准。本研究不仅填补了现有教师胜任力框架在AI赋能可视化教学方面的理论空白,也为教师教育机构评估并精准提升教师的AI可视化教学胜任力提供了可靠有效的标准化测量工具。
AI赋能教师可视化教学胜任力量表的开发与验证:论文解读
一、研究背景与问题提出
人工智能正深度渗透教育领域,重塑教与学的基本结构。随着生成式AI在文本生成、图像创作和数据可视化方面的快速迭代,教学中知识表征的方式发生了根本性转变:教师不再仅仅是可视化教学资源的消费者,而是越来越多地充当利用AI工具进行视觉设计、生成和批判性评价的决策者。这一转变对教师胜任力提出了全新要求,然而现有教师胜任力框架尚未对此做出充分回应。
过去二十年,教师技术整合研究长期由TPACK框架主导,但其技术基础植根于Web 2.0时代,无法预见生成式AI和大语言模型对教学实践的深刻重塑。近年来,研究者开始开发专门的教师AI胜任力框架,其中Chiu等人开发的教师AI胜任力自我效能量表(TAICS)建立了较为全面的六维测量体系,但无论是TPACK还是TAICS均未将可视化教学胜任力作为独立维度加以概念化。此外,可视化教学胜任力、视觉教学设计等术语在文献中常被混用,导致概念边界模糊,而清晰的构念是量表开发的前提。因此,本研究旨在开发一套有效可靠的AI赋能教师可视化教学胜任力量表(AI-VTCS)。
二、研究方法与技术路线
本研究采用横截面调查设计,遵循经典量表开发程序,以中国西部陕西、内蒙古、河北、山西、安徽五省区的中小学教师为研究对象,通过在线平台“问卷星”收集数据,最终获得566份有效问卷(有效回收率95.8%)。研究使用两个独立样本分别进行探索性因子分析(EFA)和验证性因子分析(CFA),以避免因子结构过拟合。数据分析采用SPSS 25.0和Mplus 7.4完成,具体方法包括:项目分析(临界比率法和题总相关法)、正态性检验、内部一致性信度和分半信度检验、效标关联效度检验、EFA、CFA、组合信度检验、聚合效度(AVE)和区分效度检验以及跨组测量不变性检验。模型拟合采用χ2/df、RMSEA、CFI、TLI和SRMR等指标综合评估。
三、研究结果
3.1 共同方法偏差检验
采用Harman单因子检验,未旋转的主成分分析提取出9个特征值大于1的因子,第一个因子解释总方差的27.986%,低于40%阈值,表明数据不存在严重的共同方法偏差。
3.2 项目分析
采用临界比率(CR)法和题总相关法评估题项区分度。所有31个题项在高分组与低分组之间差异高度显著(t>3.000,p<0.001),Cohen's d值均超过0.80(大效应量),且各题项与量表总分呈显著正相关,相关系数均超过0.400的优秀阈值,所有题项均予以保留。
3.3 探索性因子分析
对一半样本(n=283)进行EFA,KMO值为0.945,Bartlett球形检验显著(χ2=7248.268,p<0.001),数据非常适合因子分析。采用主轴因子法提取公因子,经最大方差正交旋转后,提取出5个特征值大于1的因子,所有31个题项的因子载荷、取样适切性量数(MSA)值和理论一致性均满足标准,无题项删除,保留原始因子标签。
3.4 验证性因子分析与信效度检验
对另一半样本(n=283)进行CFA,一阶和二阶五因子模型均获得良好拟合。五个分量表的Cronbach's α系数介于0.911至0.934之间,总量表为0.967,表明信度优良。在性别、学校类型(公立/私立)及学段(小学、初中、高中)上,从形态不变到严格不变均建立了测量不变性。聚合效度、区分效度及效标关联效度均达到心理测量学标准。
四、讨论与结论
本研究构建的五维度结构——设计与创造、意识与解读、决策与合作、伦理与安全、专业发展——形成了层层递进的能力链:维度一和维度二是基础,维度三是转化核心,维度四提供全过程伦理约束,维度五通过教学反思、专业规划和协作交流驱动前四个维度的持续改进。这种设计回应了Chiu等人关于AI胜任力多维性的发现,同时避免了TAICS六维平行结构缺乏内在逻辑递进的局限。
研究结论指出,AI-VTCS是一个包含31个题项、五维结构的有效可靠测量工具。该量表不仅填补了现有教师胜任力框架在AI赋能可视化教学方面的理论空白,也为教师教育机构评估并精准提升教师的AI可视化教学胜任力提供了标准化测量工具。