《Educational Research Review》:Exploring Artificial Intelligence in Teacher Education: A Scoping Review
编辑推荐:
•对224篇关于教师教育中人工智能(AI-TE)的文章进行了综述。•AI-TE研究数量迅速增长,且重点关注生成式人工智能。•AI模型可被训练用于预测和监测教学技能。•模拟训练对技能发展具有显著效果。•职前教师讨论了伦理关切及对专业权威的潜在挑战。引言教育中的人工智能(AIED
- •
对224篇关于教师教育中人工智能(AI-TE)的文章进行了综述。
- •
AI-TE研究数量迅速增长,且重点关注生成式人工智能。
- •
AI模型可被训练用于预测和监测教学技能。
- •
模拟训练对技能发展具有显著效果。
- •
职前教师讨论了伦理关切及对专业权威的潜在挑战。
引言
教育中的人工智能(AIED)呈指数级增长,并已渗透到高等教育领域的各个方面。据估计,2018至2022年间,AIED的使用量增长了约43%,其中大部分增长集中在高等教育领域(Becker等,2018)。此外,仅在美国,AIED的市场价值就达到8500万美元——这与全球趋势相当(Alexander等,2019)——表明这些创新技术获得了显著的资金投入。此类投资的推动力在于提供更多真实的的学习体验,以及解决以往难以克服的挑战。然而,其使用量的急剧增长还有以下几个原因:首先,COVID-19大流行促使远程学习的使用量增加(Ali,2020);其次,由于近期出现了应用于教学与学习的AI应用。这种快速的技术变革重新定义了教学模式,并优先考虑了AI素养、批判性思维、数字能力和学科知识等新的技术技能(Siddiq等,2023)。然而,这些技能并不一定已经融入K-12课堂,因为教师在使用技术进行教学方面——尤其是AI方面——普遍准备不足(Maslej等,2025)。
这些担忧构成了教师教育(TE)项目的基础,这些项目被期望为21世纪培养胜任的教师队伍(Darling-Hammond & Hyler,2020)。人们假定教师将利用技术提升教学质量,最终提高学业成绩。为此,各国越来越多地要求教师教育项目培训如何将技术整合到课堂中(美国教育部,2017;联合国教科文组织,2023)。技术技能甚至被美国的教师教育项目认证机构(教育者准备认证委员会,2018)以及主要的国际组织(Crompton,2023;联合国教科文组织,2018)列为标准。
然而,职前教师(PSTs)在整个教学过程中始终难以整合技术(DeCoito & Richardson,2018;Taghizadeh & Yourdshahi,2020),更不用说使用AI了。这种困难暗示了准备不足的问题,这与职前教师在其实习课堂中整合技术时面临的困难相一致(Tondeur等,2017)。培养职前教师的技术能力是一项复杂的任务,因为它需要新的知识和技能,以及伦理(Close等,2024)和偏见(Warr等,2024)方面的理解,才能有意义地利用技术。不幸的是,教师教育课程在很大程度上帮助不大(例如过于理论化),或者在许多情况下根本不存在(Park & Son,2022),原因在于技术的不断发展变化。这种准备不足危及了将AI引入课堂的努力(Fundi等,2024),凸显了优先重视严格准备的重要性。因此,需要更多地了解技术——尤其是AI——如何能够促进教师教育,以便职前教师能更有效地为学生适应21世纪的课堂做准备。
我们的研究考察了过去七年中关于AI-TE的证据。我们考量了AI-TE研究近期的激增,使我们能够捕捉当前趋势并突出迫切需要的领域。我们特别聚焦于证据中的三个方面:范围、目的和因素。通过这些方面,我们可以更好地了解研究现状,以指导未来方向,了解项目如何有效利用技术,并确定能够改善职前教师体验的因素。我们的研究受以下问题引导:
- 1.
已发表的关于教师教育中人工智能的实证研究范围和研究性质是什么?
- 2.
教师教育项目中是如何以及出于什么目的使用AI的?
- 3.
职前教师接受和抵触使用AI-TE的相关因素有哪些?
各章节摘要
背景
下文,我们将探讨界定AIED的已有文献。然后,我们将深入讨论与AIED相关的研究及其对应的问题。最后,我们的综述描述了教师教育中技术整合方面的证据,以及对AI应如何应用于教师教育的新兴争论。
理论框架
在此背景下,我们的研究受两个不同的理论框架指导。第一个是Ouyang和Jiao(2021)提出的关于AIED在三种范式下不同角色的框架。选择该框架是因为AI应用可以被划分为不同的分类体系,每种分类都反映了哲学和教学法目的,可能会影响学习环境。另一个是I-TPACK(智能-技术、教学法、内容知识)框架,该框架提出了一组必要的……
方法
我们的范围综述使用了乔安娜·布里格斯研究所(JBI)的指南来绘制证据地图,突出新兴趋势和局限性,并为AI-TE提出建议(Arksey & O'Malley,2005)。范围综述对于捕捉新兴证据以及为未来研究和系统综述提供明确方向非常有用(Munn等,2018)。由于AI-TE研究正在不断发展,我们选择了范围综述以识别能够指导未来研究并提升质量的证据……
立场性
我们在整个研究过程中认识到自身的立场性,并采取了措施以减少可能影响我们解释的个人偏见。第一和第三作者目前是教师教育方向的博士生,研究兴趣在于教师培养和技术的运用。第二作者是美国一所研究机构的副教授,专注于教师培养研究。他帮助解释了研究发现,并翻译了AI研究中的技术术语。
结果
我们按研究问题组织结果,聚焦于三个方面:范围、目的和因素。首先,我们描述了AI-TE实证研究的范围,概述样本中研究的范围。然后,我们解释了样本研究中的目的模式,识别出所审查研究的类型方向。最后,我们聚焦于研究发现,具体提取出影响职前教师关于AI的知识和信念的因素。这一分析……
讨论
我们的范围综述旨在了解教师教育如何利用AI的研究证据,从而为改进培养策略提供参考。我们通过对近期实证研究的范围文献综述,识别了AI-TE的范围、目的和因素。主要发现如下。
局限性
我们的范围综述存在若干应注意事项的局限性。首先,排除非英语研究可能导致西方背景的过度代表。尽管非英语同行评审期刊中的证据可能稀少,但它们可以提供本地证据或挑战主流的西方叙事。除了其他语言的出版物外,该领域还可以从会议论文集、学位论文、报告、政策文件或白皮书中获取信息。其次,一些研究因……被排除。
AI在教师教育项目和实践者中的应用
我们的发现以两种方式为教师教育项目和教师教育工作者提供了启示。首先,教师教育项目可以利用AI系统来应对与预测和监测职前教师能力相关的结构性障碍。例如,项目可以创建评估系统来衡量与专业标准的差距。这些系统可以识别职前教师反思或作业中的差异,为可能从中受益者提供及时的精准干预预测。此外,这些……
未引用的参考文献
Arksey和O'Malley,2005;?elik,2023;教育者准备认证委员会,2018;Koehler和Mishra,2009;Taghizadeh和Hasani Yourdshahi,2020;Tricco等,2018;美国教育部,2017。
利益冲突声明
我们无需披露任何利益冲突。本文未同时提交至其他刊物发表。
声明
本研究不涉及人类参与者,已获得伦理审查委员会豁免。本研究未接受任何资金支持。
Afaq Ahmed 是德克萨斯农工大学教学、学习与文化系的在职博士生。他的研究聚焦于教师培养政策以及技术在教师教育中的应用。
Afaq Ahmed|Andrew Kwok|Kathy Ogden McFarlane