人工智能課程教師TPACK能力發展現狀與提升策略

摘" "要：人工智能課程教師教學能力是人工智能教育質量的重要抓手，如何構建人工智能課程教師教學能力提升機制，需進行較為充分的研究。使用問卷調查和半結構化訪談相結合的方法，研究某省會城市部分中小學人工智能課程教師TPACK能力現狀、差異及影響因素。研究發現該市中小學人工智能課程教師TPACK能力整體處于不足水平，各因子發展不均衡，復合因子對教師TPACK能力發展更具推動作用，人工智能課程試點學校教師TPACK能力更高。基于研究的數據分析和成因探討，借鑒相關理論和相似實踐領域的有益經驗，建議從以下四個方面來提升人工智能課程教師TPACK能力：統籌多渠道資源加快建設人工智能教育教學環境；組建區域協作式人工智能課程教、學、研實踐共同體；完善學校激勵機制，激發教師專業發展的內驅力；實施基于TPACK框架的混合式精準培訓。

關鍵詞：人工智能課程；TPACK；中小學教師；教學能力

中圖分類號：G434" " " " "文獻標志碼：A" " " " "文章編號：1673-8454（2023）11-0112-09

DOI：10.3969/j.issn.1673-8454.2023.11.012

作者簡介：郭偉秀，華中師范大學人工智能教育學部博士研究生（湖北武漢 430079）；吳軍其，通訊作者，華中師范大學人工智能教育學部教授、博士生導師（湖北武漢 430079）；解攀科，華中師范大學信息化辦公室實驗師（湖北武漢 430079）

基金項目：華中師范大學國家教師發展協同創新實驗基地2021年建設研究項目“‘人工智能+’名師課堂創新應用”（編號：CCNUTEIII2021-13）；華中師范大學2023年教師教育專項研究（年度）項目“基于大語言模型的‘雙師’賦能協作學習新范式研究”（編號：CCNUTEI2023-04）

一、研究背景

鑒于人工智能社會應用的巨大價值和潛力，當前，世界主要國家和地區都非常重視人工智能教育和相關人才的培養。歐美等科技強國都已為中小學人工智能教育的實踐推進做出比較精細明確的政策規劃和目標定位。[1]國內中小學人工智能教育也隨著《新一代人工智能發展規劃》的發布迎來迅猛發展的契機。據統計，2018年至今國內已出版千余種人工智能教材，有千余所中小學開設人工智能相關課程。[2]隨著課程的開展，國內外學術界對中小學開設人工智能課程的意義、體系建設、智能倫理等問題展開積極討論。相比之下，專門論述或探討中小學人工智能課程教師有效教學能力的文獻較少。有學者通過系統整理相關文獻，提煉出人工智能學科教師勝任力要素，并采用問卷調查法深入探討當地人工智能課程教師勝任力現狀；[3]有學者提出，通過多方協作，提升中小學人工智能教育師資培養的組織實施能力，以成果為導向，解決師資水平差異大、學習時間難以協調的問題。[4]調查顯示，在中小學實行人工智能普及教育面臨的一大瓶頸問題是師資問題，當前，我國在相關師資力量準備、專業發展指導方面還有待進一步完善。[5]人工智能課程教師教學能力是人工智能教育質量的重要抓手，目前，中小學人工智能課程教師有效教學能力處于何種水平、如何構建人工智能課程教師教學能力提升機制都需要進行更為充分的研究。

TPACK（Technological Pedagogical Content Knowledge）即整合技術的學科教學知識，是國內外學術界比較公認的一種符合信息技術時代教師專業發展的知識體系，它可以有效測量和評估基于整合技術環境下學科教師的教學能力。[6]有學者對當地中學信息技術（計算機科學）教師的TPACK能力進行實證調查研究，深入剖析他們在TPACK能力方面存在的問題和不足，并給出相應的提升對策；[7][8]有學者采用TPACK框架對美、中、印、澳、韓五國中小學人工智能政策和課程資源進行梳理分析。[9]通過這種分析，他們總結出中小學人工智能課程教師應具備的關鍵能力。

TPACK框架包含三個單因子，即TK（技術知識）、CK（學科內容知識）和PK（教學法知識），它們是核心要素；還包含由三個單因子交叉衍生出的四個復合因子，即PCK（學科教學知識）、TCK（整合技術的學科內容知識）、TPK（整合技術的教學法知識）和TPACK（整合技術的學科教學知識）。[10]在人工智能課程當中，“技術”既是教學內容又是有效完成教學的手段，這種性質決定了相關教師整合課程內容、教學策略和技術的能力水平會影響教授課程的質量。

基于上述分析，本研究聚焦于中小學人工智能課程教師，使用問卷調查和半結構化訪談相結合的方法，對某省會城市有中小學人工智能課程授課經驗的教師TPACK能力的現狀、差異及影響因素進行研究。

二、研究設計與實施

（一）研究對象

本研究調查對象是某省會城市具有中小學人工智能課程教學經驗的教師。該市作為國家首批“智慧教育示范”創建區域之一，遵循“試點引領、全面覆蓋”的發展策略，計劃先建設一批人工智能課程試點學校，并逐步在全市中小學推廣。目前，該市已設立120所試點學校，并計劃再發展120所。

（二）研究設計

本研究采用混合研究方法，先通過定量研究收集和分析數據，再結合定性研究解釋結果。定量研究結果所產生的統計效應值、顯著性等參數為研究提供概括性的結果。但研究者往往對結果產生的原因和脈絡情境不了解。因此，需要定性研究數據來幫助進行深入解釋。本研究先通過定量的問卷調查收集、分析當前該市中小學人工智能課程教師TPACK能力現狀和差異數據。在此基礎上，選取部分研究對象開展針對性較強的半結構化訪談。最后，結合定量和定性數據，對結果產生的原因進行分析和討論。

1.問卷設計

本研究基于相關學者編制的TPACK測量量表并結合當前中小學人工智能課程教學具體情境，設計中小學人工智能課程教師TPACK水平測量問卷。[11]該問卷包含三部分：①人口統計學信息，如性別、學歷、專業等；②TPACK各因子的測量題項（含24道題），均采用五點Likert量表的形式，選項包含“非常不符合、不符合、不確定、符合、非常符合”，對應分值為“1、2、3、4、5”；③教師能力培訓需求及參加后續訪談意愿。

2.訪談設計

訪談設計包含：①關于該市人工智能課程教師能力水平的評估結果及原因分析；②關于如何提升當前教師人工智能課程教學能力的建議。

（三）問卷的發放和收集

第一階段，2021年12月利用問卷星平臺在該市主要城區的人工智能課程教師群進行為期一周的數據采集，共收回問卷246份，其中有效問卷237份，問卷有效回收率為97.93%。

第二階段，結合問卷調查的結果，從愿意接受后續訪談的教師中遴選幾位有代表性的教師進行面對面訪談并整理資料。

（四）信效度檢驗

本研究使用SPSS軟件對TPACK量表進行信度分析，數據結果顯示量表各因子及整體Cronbach’s alpha介于0.930～0.985，均大于0.9，這表明各個因子和總量都有較高的信度，如表1所示。

研究中使用因子分析法檢驗問卷的結構效度，問卷的KMO值為0.822及Bartlett球形檢驗的近似卡方值為2539.214，且顯著性水平Sig.=0.000lt;0.01，這表明問卷具有較高的結構效度；同時，因本研究所使用的問卷量表在編制中參考國際上廣泛使用的經典TPACK量表，所以具有較好的內容效度。

三、研究統計與分析

（一）中小學人工智能課程教師TPACK水平現狀

對問卷調查獲得的數據，本研究使用描述性統計的結果對其進行分類描述，采用畫像的原理勾勒出該市當前中小學人工智能課程教師特征、TPACK水平現狀和能力發展需求，如圖1所示。

相關教師TPACK能力水平在7個因子上的均分范圍為2.76～3.43，高低排序為PKgt;TPKgt;TCKgt;TPACKgt;PCKgt;TKgt;CK。依據已有研究，將TPACK能力水平從高到低劃分為四個等級：優秀（X≥4.5）、良好（4.0≤Xlt;4.5）、一般（3.5≤Xlt;4.0）和不足（Xlt;3.5），[12]可以得出，當前該市中小學人工智能課程教師TPACK能力處于“不足”水平。其中PK因子得分3.43比較接近“一般水平”，CK和TK兩個因子得分均低于3分。因此，從總體上來講當前該市中小學人工智能課程教師TPACK能力水平不足，各因子發展不均衡。

（二）TPACK各因子之間相關性分析

本研究使用SPSS軟件，利用Pearson系數檢測TPACK各因子間的相關性。數據顯示，因子間的相關系數處于0.591～0.959區間，這表明因子間相關性較強，如表2所示。其中單因子間相關系數最低，均為0.591，而復合因子間相關系數都大于0.9，相關性極強。

（三）教師TPACK因子間回歸分析

為探究TPACK量表內部各因子對中小學人工智能課程教師TPACK水平發展的影響，本研究設定自變量為TK、CK、PK、PCK、TCK、TPK，因變量為TPACK，回歸方法為stepwise，進行多元線性回歸分析。最終構建的多元回歸方程可寫為：TPACK=0.013+0.371×TCK+0.393×PCK+0.229×TPK，其中調整后R2=0.945，F=1348.957，plt;0.001，模型具有統計學意義。復合因子變量TCK、PCK、TPK逐步進入回歸模型，能夠解釋TPACK水平變化的94.5%，而三個單因子無一進入回歸模型。這表明在TPACK框架中復合因子PCK、TCK、TPK對教師的TPACK發展有顯著貢獻。

（四）不同群體人工智能課程教師TPACK能力差異檢驗

1.人工智能課程授課年限差異

單因素方差分析結果顯示，人工智能課程授課年限在TPACK能力的7個因子上都存在極為顯著差異性。通過多重比較得知，人工智能相關教學經驗時長在1年內的教師在7個因子上的得分與其他兩個經驗組之間存在明顯差異。這表明人工智能課程教學經驗時間越長，相應地教師課程教學實踐經驗越豐富，因此教師TPACK能力水平越高。

2.人工智能課程試點學校差異

獨立樣本t檢驗結果顯示，來自人工智能課程試點學校的教師與非試點學校的教師TPACK能力水平在7個因子上都存在極為顯著差異（plt;0.001），這表明人工智能課程試點學校相關教師TPACK能力水平更高，如表3所示。

3.年齡、教齡、專業、學歷分組的差異

不同年齡、教齡、專業分組僅在TK、CK兩個因子上存在顯著差異。通過多重比較得知，41-51歲年齡組的教師在這兩個因子上得分均顯著低于40歲及以下年齡組的教師；教齡21～30年的教師在這兩個因子上得分均顯著低于教齡20年及以下分組教師；畢業于師范院校信息技術相關專業教師在這兩個因子上得分均顯著高于師范院校非信息技術類專業教師；不同學歷分組僅在三個因子（TK、PCK、TPACK）上存在顯著差異。通過多重比較得知，專科及以下學歷教師在這三個因子上得分顯著低于其他兩組，而本科、研究生兩組不存在顯著差異。

4.性別、學段、學校地理位置分組差異

通過獨立樣本t檢驗（在性別維度、學校地理位置維度即中心城區和郊區）及按照小學、初中、高中三個學段分組進行單因素方差分析，數據統計均表明相關教師TPACK能力在各個因子上都不存在顯著性差異。

四、研究結論與分析

（一）人工智能課程教師TPACK能力大多數處于不足水平

在查閱相關文獻資料基礎上再結合后續的定性訪談數據，本研究認為，該市中小學人工智能課程教師TPACK能力大多數處于不足水平的主要原因是教師缺乏實踐機會。中小學人工智能課程目前處于試驗階段，大部分學校不但缺乏相關軟硬件設施，也未將課程納入必修課。

TK得分偏低的原因：①人工智能教學軟硬件設備建設不足導致教師缺乏技術實操經驗；②一線教師缺乏新技術培訓經歷，僅靠自學不能解決人工智能技術迅猛發展帶來的技術學習上的壓力與困惑。

CK得分最低的原因：中小學人工智能課程目標、體系內容缺乏省部一級教育主管部門統一規劃，絕大多數學校都沒有專用教材，相關教師參與的人工智能課程培訓大多數是宏觀理念，沒有成體系的相關課程內容培訓。

PK得分高于其它因子的原因：結合問卷中教齡調查結果，這批教師中接近四分之三的人具有6年以上授課經驗，其中任教時長在11年以上的教師占66.03%，同時，96.20%的受訪者具有信息技術課授課經驗，所以PK因子得分最高。

PCK、TCK、TPK三個因子都具有二元屬性，在均分上TPKgt;TCKgt;PCK，這與上述的PKgt;TKgt;CK相一致，即一元屬性得分高的，交叉所得二元屬性得分就相對高。這表明中小學人工智能課程教師PCK、TCK、TPK能力受TK、CK、PK能力的影響，提高TK、CK、PK能力將能提高他們之間交叉產生能力。最后，TPACK平均值為3.26，表明TPACK能力各個因子之間具有正面相關性。

（二）復合因子對TPACK發展更具正向推動作用

線性回歸分析結果顯示，相較于單因子，復合因子PCK、TCK、TPK對TPACK發展的推動作用更大。這并不說明單因子TK、CK、PK對相關教師TPACK的發展沒有作用。Pearson系數檢驗表明各因子間存在顯著正相關，在TPACK的發展中單因子也起著重要作用，例如，TK可通過影響TPK、TCK對TPACK的發展起作用。有學者認為“TPACK是教師創造性地將TK、PK和CK三種關鍵知識整合起來，而超越三者的新興知識形態”。[13]這表明教師TPACK能力發展，不是諸因子的簡單疊加過程，它需要相關教師具備知識轉化、整合的綜合能力。

（三）人工智能試點學校教師TPACK能力更高

為更深入地分析該市人工智能課程教師TPACK能力現狀，本研究對涉及相關教師的人口學變量進行差異性檢驗。檢驗結果表明相關教師僅在人工智能課程授課年限和人工智能課程試點學校兩個變量上存在顯著性差異，其他人口學變量上完全不存在或僅在個別因子上存在顯著差異。這是因為“試點學校”獲得更多專項資金投入，相應的在人工智能課程相關軟硬件環境建設、經費、課時上更有保障，一線教師實踐機會多。這表明真實情境中教學實踐是促進TPACK能力發展的保障。

五、提升策略

基于研究的數據分析和成因探討，借鑒相關理論和相似實踐領域的有益經驗，本研究認為應從以下四個方面入手，切實提高中小學人工智能課程教師的TPACK能力水平，促進教師專業成長。

（一）統籌多渠道資源加快建設人工智能教育教學環境

由于TPACK是教師置身于教學現場時視情境而定的一種知識體，[14]所以TPACK能力主要來源于教學實踐。研究發現，缺乏實踐機會是導致該市當前中小學人工智能課程教師TPACK能力水平不足的主要原因。數據統計表明，該市有近千所中小學校，目前有240所人工智能課程試點校（含已建設完成的120所和正在審批中120所），占比不足25%。因此，該市有超過75%的中小學尚未建立專門的人工智能課程實驗室，人工智能教學設備設施的缺乏必然導致大部分一線教師實踐經驗不足。所以，為了加快建設中小學人工智能教育環境，各學校要積極努力統籌獲得多渠道資源的支持。

渠道之一，積極申請各級政府或教育主管部門設立的人工智能教育專項建設項目。例如，申請“人工智能課程”試點學校或“人工智能與教育融合”示范學校項目，學校就可以在人工智能教育相關環境建設上得到相應級別的財政支持。本研究數據分析表明來自人工智能課程試點學校相關教師TPACK能力顯著高于非試點學校。這充分說明試點學校模式對相關教師TPACK能力發展具有極大推動作用。

渠道之二，積極尋求與高等院校和科研院所合作，借助其專業的人工智能資源推進人工智能教育教學的開展。[15]例如，武漢市常青樹實驗學校與哈爾濱工業大學機器人集團教育事業部青少年培養基地合作，共同培養人工智能、信息學拔尖創新人才；武漢市光谷第二高級中學、北京師范大學附屬中學、西安交通大學附屬小學等學校和當地科研院所在人工智能教學方面開展深度合作的經驗也可以借鑒，合作開發校本特色人工智能課程，借助大學人工智能資源平臺進行備課教學及實現學校智慧化管理，邀請專家定期到校開展面對面交流。

渠道之三，中小學可以通過與行業知名企業開展合作的方式來建設本校的智能化教學環境。例如，陜西師范大學附屬中學與“百度教育大腦”合作案例中，企業為學校建立“AI實驗室”并提供百度教育智慧課堂和人工智能課程體系平臺，學校利用這些軟硬件設備開展人工智能教育活動。通過“專項財政支持”和高校等專業學術團體、知名企業合作，學校的人工智能教學環境得以完善，學術研究團隊和企業同時也獲得相關豐富案例，實現共同發展。

（二）組建區域協作式人工智能課程教、學、研實踐共同體

有學者認為共同體是教師學習框架中的一個關鍵要素，教師專業的成長和能力的形成需要協作式反思。[16]教學問題是一個劣構問題，這類問題的解決沒有一個固定的途徑。對于這樣的問題，如果完全由每個教師自己去摸索，一方面需要消耗大量的時間和精力，另一方面也會出現這樣或那樣的錯誤或失誤。[17]組建區域式教、學、研實踐共同體，不但可以共享區域內人工智能教育資源，還可以發揮群體智慧的優勢，使成員間取長補短、協作發展。

形式一，組建校際聯合人工智能教研共同體，可以實現各校優勢人工智能資源共享，集中多所學校師資力量解決人工智能教育發展中的難題。例如，武漢市第四十九中學、武漢市吳家山第三中學、荊門市海慧中學等成員單位組建校際聯合中小學人工智能課程發展共同體，該共同體以中小學人工智能教育的“普及、普適、普惠”為主題，研究并指定中小學人工智能課程標準，推動中小學人工智能課程進課堂，聯合培養中小學人工智能骨干教師。

形式二，區級以上教研機構應該發揮引領作用，搭建好本區域教學交流平臺和資源共享庫，將本轄區相關教師組織起來共同學習和共同反思，引導大家建立共同發展目標。通過對同一目標的追求與思考，教師可以在知識、技能及方法上協作共享，最終實現整個群體專業的共同發展。例如，湖北省仙桃市“肖新國名師工作室”的“三三三”協同教研共同體模式值得借鑒。該模式包括三個“三”：一是“三種共享機制”，即教師、設備和課程的共享，形成“工作室+教師”“工作室+設備”“工作室+課程”的格局；二是“三種類型管理”，將實驗學校分為“基地學校”“實驗學校”“合作學校”三種類型；三是“三個層次引導”，將教師分為學科核心、學科骨干和學科教師三種類型，并賦予不同職責和任務。

（三）完善學校激勵機制，激發教師專業發展的內驅力

TPACK能力是一種對學科內容、教學法和技術之間相互作用的理解和實踐，[18]幾乎涵蓋技術環境下教學的全部核心要素。這其中涉及很多隱性知識，而隱性知識的習得更多地依靠自我觀察、反思與體悟，[19]因此，教師主觀意愿對其發展具有重大影響。調查顯示，近70%受訪教師認為自學是獲得人工智能課程授課經驗的重要途徑之一；超過40%的受訪教師希望學校給予一定的支持，認為自己可以通過自主研修的方式提高該課程TPACK能力。辯證唯物法認為事物發展的根本原因不在于事物的外部，而在于事物的內部。人工智能課程教師是人工智能課程的主要建設者，只有充分尊重和保障他們的權益，才能調動和激發教師工作主動性和積極性，促使他們發揮更大創造力，產生更大價值。多數一線教師沒有接受過專業系統化的培訓，為了應對人工智能的飛速發展，他們必然需要投入大量時間和精力學習。調查顯示，該市承擔人工智能教學任務的主體是信息技術教師（約占96%），文獻研究表明“信息技術教師在中小學處于邊緣化”，具體表現在“承擔大量非教學性事務”“信息技術是副科”等學科價值不被認同，“工作成就感低”“績效工資標準低”。因此，學校可以通過調節人事資源分配策略和設置績效獎勵機制來提升相關課程教師的內驅力，提高一線教師開展人工智能教學的積極性。例如，可以通過調整學校人事勞資分配方案，還可以設置人工智能專項培訓經費等，來提高人工智能課程一線教師的收入水平。同時，學校要給予人工智能課程教師更多的專業自主權。例如，不僅要充分尊重他們關于課程開發、教材選用、教學方法等方面的建議，還要充分保障相關課程課時計劃。目前，全國許多學校將人工智能課程作為中小學課后的托管服務內容，以期在基礎教育課程改革和“雙減”政策中發揮積極作用。此舉不僅可以保障或增加人工智能課程的課時數，提高一線教師的課時工資，還有助于提升課程教師在人工智能課程教學方面的實踐能力。

（四）實施基于TPACK框架的混合式精準培訓

TPACK框架使“技術”“學科知識”和“教學方法”融合為一體，它強調不能孤立地培養和發展教師的TPACK能力，技術要內化于教師自身的學科教學知識和教學方法中。[20]本研究發現，復合因子對教師TPACK能力發展更具推動作用。而TPACK復合因子的發展更多的是依靠觀摩示范、案例研究、交流討論等這類實踐性的培訓。因此，在人工智能課程教師培訓中，不但要建設基于TPACK框架的培訓課程資源，還要在培訓形式上結合TPACK能力發展特征，采取“線上+線下”混合式模式開展培訓。本研究調查數據顯示，接近70%的教師認為線下觀摩示范有助于提高TPACK能力，接近60%教師認為應該開展線上線下相結合的混合教研活動。此外，還要充分利用基于人工智能的大數據平臺對當前人工智能課程教師進行更為精確的畫像，實施分角色、分層次的精準培訓，同時利用大數據平臺對參訓教師的TPACK能力開展過程性評價。例如，按人工智能教育中教師擔任不同角色進行分類培訓，教研專家側重人工智能課程理念、教材、教學培訓，裝備專家側重裝備使用、活動空間建設培訓，技術專家側重編程和智能機器人培訓。[21]又如本研究發現教師個體在教學經驗時長、專業、年齡、學校類型上有顯著差異，在培訓前利用基于人工智能技術的大數據平臺對相關教師TPACK能力進行精準評估，根據評估結果，采用分層培訓。還可以結合教師認知結構、教學信念、學科背景、思維方式來精準提供提升策略、個性化培訓方案和推送培訓內容。

六、結語

解決當前基礎教育中人工智能課程師資問題的重要途徑之一就是提升一線教師的TPACK 能力。本研究使用定量問卷調查和定性個人訪談相結合的方法，研究當前中小學人工智能課程教師TPACK能力發展現狀、差異和影響因素，并有針對性地提出基礎教育中人工智能課程教師TPACK能力提升的策略。當然，由于本研究僅對某省會城市部分中小學人工智能課程教師進行研究，樣本數據的規模程度和精細程度存在一定的局限性，將在后續的研究中進一步完善，以期達到更好的研究效果。

參考文獻：

[1]韓倩倩，蔡連玉.美國中小學人工智能教育推進的規劃目標與特征研究[J].外國教育研究，2021，48（1）：115-128.

[2]中央電化教育館.中小學人工智能技術與工程素養框架[EB/OL].（2021-11-30）[2021-12-15].https：//www.ncet.edu.cn/zhuzhan/tztgao1/20211130/5505.html.

[3]柏宏權，王姣陽.中小學人工智能課程教師勝任力現狀與對策研究[J].課程·教材·教法，2020，40（12）：123-130.

[4]馮敬益，劉波，謝景明，等.中小學教師人工智能教學能力提升探索[J].教學與管理，2021（12）：105-107.

[5]構建教育資源聚合平臺 推進人工智能普及教育——《中小學人工智能普及教育現狀調研報告》發布[J].中國科技教育，2019（1）：3-4.

[6][14]ANGELI C， VALANIDES N. Epistemological and methodological issues for the conceptualization， development， and assessment of ICT-TPCK： advances in Technological Pedagogical Content Knowledge（TPCK）[J]. Computers amp; Education， 2009（1）.

[7][19]朱桂琴，盧強.中學信息技術教師TPACK現狀的個案調查與對策研究[J].中國電化教育，2012（12）：59-65.

[8]GIANNAKOS M N， DOUKAKIS S， PAPPAS I O， et al. Investigating teachers’ confidence on technological pedagogical and content knowledge： an initial validation of TPACK scales in K-12 computing education context[J]. Computers in Education Journal， 2015（1）.

[9]SEONGHUN K， YEONJU J， SEONGYUNE C， et al. Correction to： analyzing teacher competency with TPACK for K-12 AI education[J]. Kunstliche Intelligenz， 2022.

[10]全美教師教育學院協會創新與技術委員會.整合技術的學科教學知識：教育者手冊[M].任友群，詹藝，主譯.北京：教育科學出版社，2011：15-20.

[11]SCHMIDT D A， BARAN E， THOMPSON A D， et al.Technological Pedagogical Content Knowledge （TPACK）： the development and validation of an assessment instrument for preservice teachers[J]. Journal of Research on Technology in Education， 2009，42（2）：123-149.

[12]高巖.中小學校長教學領導勝任力提升研究[D].重慶：西南大學，2015.

[13]MISHRA P， KOEHLER M J. Technological Pedagogical Content Knowledge： a framework for teacher knowledge[J]. Teachers College Record， 2006，108：1017-1054.

[15]張志新，杜慧，高露，等.發達地區中小學人工智能課程建設現狀、問題與對策——以某“新一線”城市為例探討[J].中國電化教育，2020（9）：40-49.

[16]HAMMERNESS K. How teachers learn and develop[M]. Preparing Teachers for a Changing World， 2005：358-389.

[17][18]閆志明，徐福蔭.TPACK：信息時代教師專業化的知識基礎[J].現代教育技術，2013，23（3）：5-9.

[20]張靜，劉贛洪.多維視角下教師TPACK發展機制與培養路徑[J].遠程教育雜志，2015，33（3）.

[21]樂進軍.中小學人工智能教育的現實矛盾研究[J].教學與管理，2020（34）：1-3.

Development Status and Improvement Strategies of TPACK

for Teachers of Artificial Intelligence Course

Weixiu GUO1， Junqi WU1， Panke XIE2

（1.Faculty of Artificial Intelligence in Education， Central China Normal University， Wuhan" 430079， Hubei;

2.Information Office， Central China Normal University， Wuhan 430079， Hubei）

Abstract： The teaching ability of teachers in artificial intelligence courses is an important pillar for the quality of artificial intelligence education， and hence how to construct a mechanism to improve the teaching ability of artificial intelligence courses needs to be studied more fully. This paper employs questionnaire survey and semi-structured interview to study the current situation， differences and influencing factors of TPACK ability of artificial intelligence teachers in primary and secondary schools in a provincial capital city. The study found that the TPACK ability of primary and secondary school teachers in the city is at a inadequate level， and the development of each factor is not balanced. The composite factor has a more promoting effect on the development of teachers’ TPACK ability. The TPACK ability of teachers in the pilot schools of artificial intelligence courses is higher. Therefore， based on the data analysis and cause exploration of the study， and drawing on relevant theories and useful experiences in similar practice areas， this paper proposes to improve the TPACK ability of teachers in artificial intelligence course from the following four aspects： coordinating multi-channel resources to accelerate the construction of artificial intelligence education and teaching environments; forming a regional collaborative artificial intelligence course teaching， learning， and researching community of practice; and perfecting the school’s incentive mechanism to stimulate the internal drive of teachers’ professional development; implementing blended precision training based on the TPACK framework.

Keywords： Artificial intelligence course; TPACK; Primary and secondary school teachers; Teaching ability

編輯：王天鵬" "校對：王曉明