《Sustainability》:Executive Function and Ethical Digital Citizenship: A Sustainable Framework for Smart Education in Primary Learners
编辑推荐:
尽管数字化转型扩大了课堂技术接入,但数字学习环境中伦理发展的整合仍然有限。本研究调查了6-12岁小学生执行功能与伦理数字公民之间的关系。研究的关键因素包括智慧教育、数字素养、伦理能力、教师能动性、机构支持和执行功能。研究人员通过在线和纸质问卷收集了基础教育委员
尽管数字化转型扩大了课堂技术接入,但数字学习环境中伦理发展的整合仍然有限。本研究调查了6-12岁小学生执行功能与伦理数字公民之间的关系。研究的关键因素包括智慧教育、数字素养、伦理能力、教师能动性、机构支持和执行功能。研究人员通过在线和纸质问卷收集了基础教育委员会(Office of the Basic Education Commission, OBEC)网络内387名小学教师和行政人员的经验数据,捕获了教育工作者对学生行为的专业观察和代理报告。使用偏最小二乘结构方程模型(partial least squares structural equation modeling, PLS-SEM),研究人员测试了七个假设。结果表明,智慧教育直接影响数字素养,这一关系受到教师能动性的显著调节。此外,数字素养直接影响伦理能力,机构支持作为关键调节变量。最后,执行功能对学生伦理能力表现出显著直接影响。通过强调这六个因素的相互关联作用,本研究提供了一个新颖的、基于证据的框架,政策制定者可以利用该框架有效培养泰国年轻学习者的伦理数字公民。
**研究背景与问题**
数字化转型虽扩大了课堂技术接入,但伦理发展在数字学习环境中的整合仍十分有限。现有智慧教育(Smart Education, SE)基础设施缺乏必要的伦理指南,人工智能(Artificial Intelligence, AI)的普及可能助长抄袭、作弊等不诚实行为,同时物联网(Internet of Things, IoT)和可穿戴设备使年幼学生面临严重的数据隐私与安全风险。此外,仅靠技术设备无法自动培育道德素养,需要系统性地厘清智慧教育、数字素养(Digital Literacy, DL)、伦理能力(Ethical Competency, EC)、教师能动性(Teacher Agency, TA)、机构支持(Institutional Support, IS)及执行功能(Executive Function, EF)之间的结构关系。为此,研究人员开展本研究,旨在构建一个可验证的框架,帮助政策制定者有效培养6–12岁泰国小学生的伦理数字公民(Ethical Digital Citizenship, EDC)。该论文发表在《Sustainability》。
**主要技术方法**
研究人员从泰国基础教育委员会(Office of the Basic Education Commission, OBEC)网络内的公立、私立及国际小学中,通过Krejcie和Morgan公式确定样本量,最终收集387名教师和行政人员的有效问卷数据(包括小学、中学、幼教等跨学段教育工作者)。调查工具为21项5点Likert量表,覆盖六个构念:智慧教育(3项)、数字素养(3项)、执行功能(3项)、伦理能力(3项)、教师能动性(4项)和机构支持(5项)。采用偏最小二乘结构方程模型(PLS-SEM)进行数据分析,包括测量模型评估(因子载荷、Cronbach‘s α、组合信度、平均方差提取、区分效度)和结构模型分析(路径系数、决定系数R2、预测相关性Q2、效应量f2)。
**研究结果**
**4.1 描述性分析**
**4.1.1 参与者分析**
通过频率和百分比统计,样本中38.3%为小学教师(1–6年级),34.1%为中学教师,9.3%为幼教教师,其余为行政人员或课程专家。41.9%的参与者教龄≤5年,41.1%教龄6–15年;45%工作于郊区学校,43.4%在城区;93.8%来自OBEC公立学校,85.2%位于泰国东部地区。
**4.1.2 关键变量分析**
各变量均值均较高:智慧教育(M=4.33)、教师能动性(M=4.27)、机构支持(M=4.24)、数字素养(M=4.03)、伦理能力(M=3.87)、执行功能(M=3.83),表明教育工作者对学生的伦理数字素养持积极评价。
**4.2 PLS-SEM分析**
**4.2.1 测量模型分析**
通过验证性因子分析,所有构念的因子载荷(>0.7)、Cronbach’s α(>0.7)、组合信度(CR>0.7)和平均方差提取(AVE>0.5)均达标,区分效度经异质-单质比率(HTMT<0.9)和Fornell-Larcker准则确认,且无严重多重共线性(VIF<5.0)。
**4.2.2 结构模型分析**
模型拟合指标良好(SRMR=0.060,NFI=0.801)。假设检验结果:H1(智慧教育→伦理能力)不显著(β=0.019,p=0.587),被拒绝;H2(智慧教育→数字素养)显著(β=0.251,p<0.001);H3(数字素养→伦理能力)显著(β=0.290,p<0.001);H4(数字素养的中介作用)显著(β=0.073,p<0.01);H5(教师能动性调节智慧教育→数字素养)显著(β=0.095,p=0.021);H6(机构支持调节数字素养→伦理能力)显著(β=0.139,p<0.001);H7(执行功能→伦理能力)显著(β=0.462,p<0.001,f2=0.201,中等效应)。模型对数字素养的R2=0.261,对伦理能力的R2=0.633,Q2值分别为0.242(中等)和0.564(强)。
**讨论与结论**
讨论部分指出,H1被拒绝的原因在于泰国基础教育体系中智慧教育常被用作纯技术传递工具,而非道德教学基础,因此需要其他中介因素。H2–H7均获支持,证实了智慧教育通过数字素养间接影响伦理能力,且教师能动性与机构支持分别起到了关键的调节作用;执行功能被确认为伦理能力的核心认知预测因子。研究结论翻译如下:本研究调查了驱动6–12岁泰国小学生伦理数字公民的关键因素,构建了一个包含智慧教育、数字素养、伦理能力、教师能动性、机构支持和执行功能六个变量的结构模型。结果表明,智慧教育直接影响数字素养,教师能动性调节这一关系;数字素养直接影响伦理能力,机构支持调节这一关系;执行功能对伦理能力具有显著直接影响。该框架为泰国教育机构及政策制定者提供了培养年轻学习者伦理数字公民技能的新视角。