教師數(shù)字化教學(xué)能力影響因素實證研究

摘要：數(shù)字化教學(xué)能力是教育數(shù)字化轉(zhuǎn)型時期教師必備的關(guān)鍵能力，深入探究并分析教師數(shù)字化教學(xué)能力的影響因素，是教育管理者和教師應(yīng)對技術(shù)挑戰(zhàn)、提升教學(xué)質(zhì)量、培養(yǎng)創(chuàng)新人才的關(guān)鍵環(huán)節(jié)。基于此，文章依托統(tǒng)一接受和使用技術(shù)（Unified Theory of Acceptance and Use of Technology，UTAUT）模型，采用偏最小二乘結(jié)構(gòu)方程模型（Partial Least Squares"Structural Equation Modeling，PLS-SEM）和模糊集定性比較分析（Fuzzy-Set Qualitative Comparative Analysis，fsQCA）方法，對教師數(shù)字化教學(xué)能力的影響因素及其組合效應(yīng)進(jìn)行了實證分析。其中，PLS-SEM分析結(jié)果表明，績效期望、努力期望、社群影響、便利條件和自我效能感對教師數(shù)字化教學(xué)意愿有顯著的正向影響，并進(jìn)一步正向影響教師的數(shù)字化教學(xué)能力；教師的自我效能感對數(shù)字化教學(xué)能力有顯著的直接影響，且影響效應(yīng)最強(qiáng)。而fsQCA分析結(jié)果顯示，存在四條激發(fā)教師數(shù)字化教學(xué)能力的路徑，在這些路徑中數(shù)字化教學(xué)意愿和自我效能感是兩個重要的前因變量，這彌補了結(jié)構(gòu)方程模型分析的相對不足。文章通過研究，旨在為教育數(shù)字化轉(zhuǎn)型時期教師數(shù)字化教學(xué)能力的提升提供實證依據(jù)。

關(guān)鍵詞：數(shù)字化教學(xué)能力；技術(shù)統(tǒng)一接受理論；偏最小二乘結(jié)構(gòu)方程模型；模糊集定性比較分析

【中圖分類號】G40-057 【文獻(xiàn)標(biāo)識碼】A 【論文編號】1009—8097（2025）03—0066—11"【DOI】10.3969/j.issn.1009-8097.2025.03.007

引言

隨著人工智能、大數(shù)據(jù)、云計算、5G等新興技術(shù)的快速發(fā)展，教育領(lǐng)域的數(shù)字化轉(zhuǎn)型已經(jīng)成為全球共識和發(fā)展趨勢。在此背景下，教師隊伍的數(shù)字化轉(zhuǎn)型也迫在眉睫。為應(yīng)對這一挑戰(zhàn)，教育部于2022年11月發(fā)布《教師數(shù)字素養(yǎng)》行業(yè)標(biāo)準(zhǔn)，明確提出了教師數(shù)字素養(yǎng)的指標(biāo)體系^[1]。隨后，2023年2月召開的世界數(shù)字教育大會進(jìn)一步強(qiáng)調(diào)了“提高教育工作者的數(shù)字教學(xué)能力”，確立了提升教師的數(shù)字教學(xué)技能、建立一體化的人機(jī)協(xié)作教學(xué)以及提高整體教學(xué)質(zhì)量等重要目標(biāo)^[2]。隨著數(shù)字技術(shù)與教育的深度融合和廣泛應(yīng)用，其不僅在教學(xué)環(huán)境、教學(xué)資源、教學(xué)內(nèi)容、教學(xué)方式、師生交互等外部層面帶來了顯著變化，更在教育模式、教育理念和教育文化等深層次方面引發(fā)了深刻變革^[3]，這些變化迫切需要教師具備技術(shù)認(rèn)知、創(chuàng)新教學(xué)、人機(jī)協(xié)同、資源整合、數(shù)據(jù)應(yīng)用等方面的數(shù)字素養(yǎng)和能力。

數(shù)字化教學(xué)能力是指教師在教育環(huán)境中有效運用數(shù)字技術(shù)以促進(jìn)教學(xué)、學(xué)習(xí)及專業(yè)成長的能力，包括熟練掌握數(shù)字工具和資源、準(zhǔn)確理解與評估數(shù)字內(nèi)容、創(chuàng)造性地生成和分享知識、在教學(xué)實踐中融合數(shù)字技術(shù)等^[4]。這種能力不僅是教師個人發(fā)展的關(guān)鍵，更是學(xué)生信息素養(yǎng)、批判性思維、創(chuàng)新能力和終身學(xué)習(xí)能力提升的重要推動力^[5]。在數(shù)智時代，教師需要將虛擬現(xiàn)實、人工智能等新興技術(shù)有效融入教學(xué)實踐，這已經(jīng)成為教師必備的能力^[6]。因此，提升教師的數(shù)字化教學(xué)能力不僅是實現(xiàn)教育數(shù)字化轉(zhuǎn)型的關(guān)鍵，也是教師專業(yè)發(fā)展的重要議題^[7]。然而在數(shù)字化教學(xué)過程中，教師可能會面臨技術(shù)應(yīng)用能力不足、數(shù)字素養(yǎng)欠缺、對新技術(shù)存在抵觸情緒以及技術(shù)恐懼等問題，導(dǎo)致其在開展數(shù)字化教學(xué)時陷入兩難境地^[8]。有研究表明，教師對技術(shù)的接受程度是其數(shù)字素養(yǎng)形成的重要起點，很多學(xué)者采用UTAUT模型來評估技術(shù)接受行為，如Liu等^[9]用UTAUT模型評估高等教育中教師對數(shù)字技術(shù)的使用意愿；Antonietti等^[10]通過實證調(diào)查發(fā)現(xiàn)，教師對技術(shù)的感知易用性和感知有用性與教師數(shù)字素養(yǎng)顯著正相關(guān)；李世瑾等^[11]運用UTAUT模型探討了中小學(xué)教師對人工智能教育接受度的影響因素；李毅等^[12]探討了教師信息技術(shù)使用意愿與使用的影響因素。在教育實踐中，教師的數(shù)字化教學(xué)能力提升是個人背景、自我效能感和學(xué)校支持等多種因素共同作用的結(jié)果，現(xiàn)有研究采用UTAUT模型探討技術(shù)接受度與數(shù)字素養(yǎng)的關(guān)系，雖然為理解數(shù)字化教學(xué)能力的提升提供了重要視角，但往往忽視了教師個人背景和自我效能感等潛在因素的影響。此外，目前的研究尚未充分關(guān)注各影響因素之間的“組合效應(yīng)”對因變量的影響。

結(jié)構(gòu)方程模型（Structural Equation Modeling，SEM）通過整合因素分析與路徑分析，能夠處理多因果的復(fù)雜關(guān)系，揭示變量之間的因果路徑。在此基礎(chǔ)上，PLS-SEM尤其適用于小樣本數(shù)據(jù)且不要求樣本服從正態(tài)分布^[13]。而fsQCA基于集合的角度考察前因條件及其組合與結(jié)果變量的關(guān)系，能夠探索不同影響因素的組合效應(yīng)^[14]。在fsQCA的視角下，影響教師數(shù)字化教學(xué)能力的因素并非各自獨立，而是以不同的組合形式促進(jìn)或阻礙教師數(shù)字化教學(xué)能力的發(fā)展。因此，本研究基于UTAUT理論框架，首先采用PLS-SEM分析教師數(shù)字化教學(xué)能力的影響因素，進(jìn)而運用fsQCA探討這些影響因素的組合效應(yīng)及其對教師數(shù)字化教學(xué)能力提升的綜合影響，旨在揭示教育數(shù)字化轉(zhuǎn)型背景下提升教師數(shù)字化教學(xué)能力的潛在路徑和策略，為教育管理者與政策制定者提供實證依據(jù)。

一 理論背景與研究假設(shè)

1 統(tǒng)一接受和使用技術(shù)模型

2003年，Venkatesh等^[15]基于技術(shù)接受模型，整合計劃行為理論、社會認(rèn)知理論等8個理論，提出了UTAUT模型。如今，該模型已經(jīng)成為預(yù)測和解釋個人或組織接受信息技術(shù)的重要理論工具，其核心變量包括績效期望、努力期望、社群影響和便利條件。這些變量被證實是影響用戶使用意愿和實際使用行為的關(guān)鍵因素，其中使用意愿和便利條件直接影響使用行為，績效期望、努力期望和社群影響則通過使用意愿間接作用于使用行為^[16]。隨著UTAUT模型在信息技術(shù)接受領(lǐng)域的研究逐漸成熟，研究者開始將其應(yīng)用范圍拓展到智慧圖書館AI服務(wù)、人工智能教育、線上線下融合教學(xué)、虛擬實驗教學(xué)能力、移動學(xué)習(xí)平臺等領(lǐng)域并進(jìn)行了實證研究^{[17][18][19][20][21]}。然而在教育數(shù)字化轉(zhuǎn)型的背景下，教師整合數(shù)字技術(shù)進(jìn)行教育實踐時，其自我效能感至關(guān)重要。這種信心不僅能激發(fā)教學(xué)創(chuàng)新、提升教學(xué)成效，也是其數(shù)字化教學(xué)能力的基礎(chǔ)。因此，本研究以UTAUT模型作為理論基礎(chǔ)，結(jié)合教育領(lǐng)域數(shù)字技術(shù)應(yīng)用的特定情境，特別引入自我效能感這一關(guān)鍵因素，綜合分析影響教師數(shù)字化教學(xué)能力的多重因素。

2"假設(shè)模型的構(gòu)建與闡釋

為了探究影響教師數(shù)字化教學(xué)能力的因素，本研究構(gòu)建了教師數(shù)字化教學(xué)能力影響因素假設(shè)模型，如圖1所示。該模型基于UTAUT模型框架，涵蓋績效期望、努力期望、社群影響和便利條件等核心要素。在此基礎(chǔ)上，模型擴(kuò)展性地納入了自我效能感和數(shù)字化教學(xué)意愿作為研究變量。同時，鑒于性別、年齡、學(xué)歷和學(xué)科在教育研究中被廣泛認(rèn)為是影響教師行為與接受新技術(shù)程度的關(guān)鍵內(nèi)在因素，因此將這四個變量納入模型，探討其對教師數(shù)字化教學(xué)能力的影響機(jī)制。

績效期望（PE）是個體相信采用新技術(shù)能夠在多大程度上提高工作績效，體現(xiàn)了感知有用性。在本研究中，績效期望特指教師對于利用數(shù)字技術(shù)改善教學(xué)效果、優(yōu)化教學(xué)活動的信念，涵蓋了教師對數(shù)字技術(shù)在教學(xué)中潛在的積極作用的預(yù)期，如提升教學(xué)效率和質(zhì)量。努力期望（EE）是個體對于使用新技術(shù)難易程度的預(yù)期，體現(xiàn)了感知易用性。在本研究中，努力期望特指教師對掌握和運用數(shù)字技術(shù)進(jìn)行教學(xué)所付出努力的程度。教育領(lǐng)域的研究表明，績效期望和努力期望能夠正向預(yù)測教師對數(shù)字技術(shù)的使用^[22]。社群影響（SI）是個體在采納新技術(shù)時受到周圍社會環(huán)境態(tài)度的影響。在本研究中，努力期望特指教師開展數(shù)字化教學(xué)時，受到領(lǐng)導(dǎo)、同事、行業(yè)專家等社會關(guān)系的支持、鼓勵或期望的影響。已有研究發(fā)現(xiàn)，鄉(xiāng)村教師對教育平臺的使用態(tài)度和意愿受到周圍社群的顯著影響^[23]。便利條件（FC）反映了個體對于組織提供技術(shù)、資源和設(shè)備支持的感知程度，突顯了外部環(huán)境對技術(shù)采納和使用的影響。在本研究中，便利條件特指教師在使用數(shù)字技術(shù)過程中感知到的支持和幫助，包括技術(shù)設(shè)備、數(shù)字資源和網(wǎng)絡(luò)等在教學(xué)中應(yīng)用的便利性。已有研究表明，便利條件能夠正向影響個體對新技術(shù)的使用意向，并直接對新技術(shù)的使用行為產(chǎn)生影響^[24]。教師技術(shù)采納的相關(guān)研究表明，績效期望、努力期望、社群影響和便利條件是影響數(shù)字技術(shù)采納的核心因素^[25]，因此本研究引入UTAUT模型以預(yù)測教師的數(shù)字化教學(xué)能力，并提出以下假設(shè)：績效期望正向影響數(shù)字化教學(xué)意愿（H1）；努力期望正向影響數(shù)字化教學(xué)意愿（H2）；社群影響正向影響數(shù)字化教學(xué)意愿（H3）；便利條件正向影響數(shù)字化教學(xué)意愿（H4a），并直接正向影響教師的數(shù)字化教學(xué)能力（H4b）。

自我效能感是心理學(xué)家班杜拉提出的理論概念，指個體對完成特定任務(wù)能力的信心和信念，其顯著影響個體的行為和情緒狀態(tài)^[26]。在本研究中，自我效能感特指教師對自己應(yīng)用和融合數(shù)字技術(shù)于教學(xué)實踐的信心。以往的技術(shù)接受模型已經(jīng)證實自我效能感對技術(shù)采納具有顯著影響，如Peng等^[27]的研究表明大學(xué)生的自我效能感顯著影響其對互聯(lián)網(wǎng)的態(tài)度，Nikou等^[28]發(fā)現(xiàn)自我效能感是教育環(huán)境中ICT采納和數(shù)字化教學(xué)使用的關(guān)鍵因素。但是在當(dāng)前教育技術(shù)快速發(fā)展的背景下，尤其是人工智能、大數(shù)據(jù)、云計算等新興技術(shù)在教育領(lǐng)域的廣泛應(yīng)用，使教師面臨的技術(shù)挑戰(zhàn)和教學(xué)要求發(fā)生了巨大的變化。教師對數(shù)字技術(shù)的掌握不僅影響其對技術(shù)的探索、教學(xué)創(chuàng)新的意愿，還直接影響其開展數(shù)字化教學(xué)的行為。因此，本研究提出以下假設(shè)：教師的自我效能感正向影響其數(shù)字化教學(xué)意愿（H5a），并正向影響其數(shù)字化教學(xué)能力（H5b）。

數(shù)字化教學(xué)意愿（WDT）指教師在教學(xué)實踐中采納并持續(xù)運用數(shù)字技術(shù)的心理傾向和行為意圖，是決定教師是否采用及持續(xù)使用數(shù)字技術(shù)進(jìn)行教學(xué)的關(guān)鍵因素。在UTAUT模型中，使用意愿常作為重要的中介變量，因為它不僅反映了教師對數(shù)字技術(shù)的態(tài)度，還預(yù)示了教師將這些技術(shù)整合到教學(xué)中的意愿和行為。教師的數(shù)字化教學(xué)意愿被視為連接技術(shù)接受與教學(xué)實踐的橋梁，當(dāng)教師對數(shù)字化教學(xué)持有積極態(tài)度時，他們更可能主動學(xué)習(xí)相關(guān)的技能，并將其應(yīng)用于教學(xué)中，從而提升教學(xué)質(zhì)量和學(xué)生的學(xué)習(xí)體驗^[29]。因此，本研究假設(shè)教師的數(shù)字化教學(xué)意愿在教師對數(shù)字技術(shù)的接受和實際應(yīng)用能力之間起中介作用，提出以下假設(shè)：教師的數(shù)字化教學(xué)意愿正向影響其數(shù)字化教學(xué)能力（H6）。

二 研究設(shè)計

1 測量工具

本研究采用問卷調(diào)查法對提出的假設(shè)進(jìn)行實證檢驗，問卷基于國內(nèi)外文獻(xiàn)中經(jīng)過驗證的成熟量表編制，并結(jié)合教師群體的實際情況進(jìn)行了調(diào)整，形成了“教師數(shù)字化教學(xué)能力影響因素調(diào)查問卷”。其中，績效期望、努力期望、社群影響和便利條件的測量參考了Venkatesh等^[30]的UTAUT量表，績效期望和努力期望均包含3個題項，社群影響和便利條件各包含4個題項。自我效能感和數(shù)字化教學(xué)意愿的測量參考了Nikou等^[31]的自我效能感與教學(xué)意愿量表，自我效能感包含8個題項，數(shù)字化教學(xué)意愿包含5個題項。數(shù)字化教學(xué)能力的測量參考了Tondeur等^[32]的量表，涵蓋數(shù)字化教學(xué)設(shè)計和實施、促進(jìn)和檢測、評估和修訂三個方面，共10個題項。此外，問卷還收集了教師的性別、年齡、學(xué)歷、學(xué)科等人口學(xué)基本信息。問卷整體采用李克特5級計分法，1～5選項分別表示從“非常不同意”到“非常同意”。設(shè)計完成后，研究團(tuán)隊邀請教育技術(shù)專家和專任教師進(jìn)行審核并逐步修改完善，最終形成的問卷包含37個題項。

2 研究對象

本研究采用隨機(jī)抽樣調(diào)查的方式，通過問卷星在線平臺，面向東部、中部和西部地區(qū)（包括江蘇、安徽、河南、甘肅等）的多所高校教師發(fā)放電子問卷，調(diào)查時間為2024年4月15～30日。在刪除填寫時間小于100秒以及前后矛盾的問卷之后，最終納入研究范圍的有效問卷為518份。有效樣本的基本情況如下：①性別分布方面，女性占比53.3%，男性占比46.7%；②年齡分布方面，35歲及以下占比15.8%，36～40歲占比43.1%，41～50歲占比31.9%，51歲及以上占比9.3%；③學(xué)歷分布方面，本科占比31.7%，碩士占比47.7%，博士占比20.7%；④學(xué)科分布方面，人文學(xué)科（文史哲藝）占比35.9%，社科學(xué)科（經(jīng)管法教）占比30.7%，理工學(xué)科（理工農(nóng)醫(yī)）占比33.4%。

3 數(shù)據(jù)分析方法

本研究采用PLS-SEM與fsQCA相結(jié)合的方法：①進(jìn)行測量模型的檢驗，以確保研究工具的有效性和可靠性；②運用PLS-SEM評估教師數(shù)字化教學(xué)能力的影響因素概念模型；③借助fsQCA探討這些因素的組合效應(yīng)對教師數(shù)字化教學(xué)能力的影響。

三 數(shù)據(jù)分析與假設(shè)檢驗

1"測量模型檢驗

本研究首先使用SPSS 21軟件進(jìn)行探索性因子分析，結(jié)果顯示量表的KMO值是0.964，并在0.000水平通過顯著性檢驗。進(jìn)一步進(jìn)行因子分析，共抽取到7個因子，第一個因子的解釋率是38.26%，不超過40%；7個因子累計解釋了61.20%的總方差，說明研究數(shù)據(jù)不存在明顯的共同方法偏差。然后，運用SmartPLS 4.0軟件進(jìn)行驗證性因子分析，檢查量表各維度的Cronbach’s α、組合信度（CR）和收斂效度（AVE）。Hair等^[33]指出Cronbach’s α、CR、AVE值應(yīng)分別大于或等于0.7、0.7、0.5，且CR值應(yīng)高于AVE值，以確保測量工具的可靠性和效度。驗證性因子分析結(jié)果表明，測量模型的標(biāo)準(zhǔn)化殘差均方根（SRMR）為0.051，規(guī)范擬合指數(shù)（NFI）為0.909，說明測量模型擬合度良好。同時，各觀測變量的因子載荷值均大于0.7，各維度的Cronbach’s α系數(shù)值均大于0.7，CR值均大于0.7，且AVE值均大于0.5，綜合說明各個維度均具有良好的收斂效度和組合信度，具體如表1所示。

區(qū)分效度（DV）用于衡量一個維度與另一個維度之間的差異程度，本研究通過Fornell-Larcker準(zhǔn)則對測量模型的DV進(jìn)行了檢驗^[34]，結(jié)果如表2所示。由表2可知，各個維度兩兩之間的標(biāo)準(zhǔn)化相關(guān)系數(shù)均小于該維度所對應(yīng)的AVE值的平方根，說明各維度之間均具有良好的區(qū)分效度。

2"結(jié)構(gòu)方程模型檢驗

（1）結(jié)構(gòu)方程模型分析

本研究使用SmartPLS 4.0軟件進(jìn)行PLS-SEM檢驗。根據(jù)相關(guān)研究，R²表示模型對因變量變異的解釋程度，其中R²值為0.19、0.33、0.67分別表示較弱、中度、較強(qiáng)的解釋能力^[35]。檢驗結(jié)果顯示，本模型中數(shù)字化教學(xué)能力的R2值為0.393，數(shù)字化教學(xué)意愿的R2值為0.475，說明本模型的內(nèi)生潛變量能夠得到較好的解釋。此外，Q²是預(yù)測模型相關(guān)性指標(biāo)，本研究使用Blindfolding算法得到數(shù)字化教學(xué)意愿和數(shù)字化教學(xué)能力的Q²值分別為0.302、0.228，均大于0，說明模型具有不錯的預(yù)測相關(guān)性。

結(jié)構(gòu)方程模型的直接效應(yīng)如表3所示。由表3可知，教師數(shù)字化教學(xué)意愿受到績效期望（β=0.229，p＜0.001）、努力期望（β=0.151，p＜0.01）、社群影響（β=0.183，p＜0.001）、便利條件（β=0.173，p＜0.01）、自我效能感（β=0.149，p＜0.01）等因素的顯著正向影響，因此假設(shè)H1、H2、H3、H4a、H5a均成立。此外，數(shù)字化教學(xué)能力受到便利條件（β=0.113，p＜0.05）、自我效能感（β=0.308，p＜0.001）的顯著正向影響，因此假設(shè)H4b和H5b成立。同時，數(shù)字化教學(xué)意愿（β=0.323，p＜0.001）在模型中作為中介變量也直接影響教師的數(shù)字化教學(xué)能力，達(dá)到了顯著性水平，表明教師的數(shù)字化教學(xué)意愿越強(qiáng)，其數(shù)字化教學(xué)能力越強(qiáng)，因此假設(shè)H6成立。

（2）中介效應(yīng)分析

在驗證各假設(shè)成立的基礎(chǔ)上，本研究進(jìn)一步檢驗了中介效應(yīng)，以揭示各因素對教師數(shù)字化教學(xué)能力的影響機(jī)制。為此，本研究采用Percentile Bootstrap"95%置信區(qū)間法檢驗?zāi)Ｐ椭械闹薪樾?yīng)，并將隨機(jī)抽樣樣本數(shù)設(shè)為5000。根據(jù)Bootstrap法的中介效應(yīng)檢驗流程，若置信區(qū)間不包含0，則表明中介效應(yīng)顯著^[36]。中介效應(yīng)檢驗結(jié)果如表3所示，發(fā)現(xiàn)便利條件通過FC→WDT→DTC路徑對數(shù)字化教學(xué)能力中介效應(yīng)的置信區(qū)間為[0.024， 0.092]，不包含0，表明其中介效應(yīng)顯著，且占比為33.14%；自我效能感通過SE→WDT→DTC路徑對數(shù)字化教學(xué)能力中介效應(yīng)的置信區(qū)間為[0.015， 0.084]，同樣不包含0，表明其中介效應(yīng)顯著，且占比為13.48%。此外，績效期望、努力期望和社群影響均通過數(shù)字化教學(xué)意愿的中介作用對數(shù)字化教學(xué)能力產(chǎn)生顯著影響，其置信區(qū)間均不包含0，表明中介效應(yīng)均顯著。這說明教師對數(shù)字技術(shù)的績效期望、努力期望和社群影響均通過數(shù)字化教學(xué)意愿顯著影響其數(shù)字化教學(xué)能力。

3"模糊集定性分析

本研究使用fsQCA 4.0軟件進(jìn)行模糊集定性比較分析，以探究各影響因素的組合效應(yīng)。在此之前，研究利用SPSS"21軟件進(jìn)行Pearson積差相關(guān)分析，考察性別、年齡、學(xué)歷和學(xué)科對數(shù)字化教學(xué)意愿和數(shù)字化教學(xué)能力的影響。結(jié)果顯示，性別、年齡與數(shù)字化教學(xué)意愿和數(shù)字化教學(xué)能力均無顯著相關(guān)性，而學(xué)歷、學(xué)科與兩者呈顯著正相關(guān)。因此，在后續(xù)的模糊集定性比較分析中，學(xué)歷和學(xué)科被納入前因變量。

（1）數(shù)據(jù)的校準(zhǔn)與必要性分析

首先進(jìn)行數(shù)據(jù)的校準(zhǔn)，將測量數(shù)據(jù)的取值范圍轉(zhuǎn)換為0～1區(qū)間內(nèi)的數(shù)值，0、1分別對應(yīng)完全不隸屬、完全隸屬；在進(jìn)行連續(xù)變量的校準(zhǔn)時，則需要先計算其平均值，再利用fsQCA"4.0軟件中的calibrate（）函數(shù)按照5%、50%、95%的標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)校準(zhǔn)。由于學(xué)歷和學(xué)科為三分類變量，因此校準(zhǔn)時分別將最小值、中間值和最大值校準(zhǔn)為0（不隸屬）、0.5（交叉值）、1（完全隸屬）。具體而言，學(xué)歷變量中本科校準(zhǔn)為0，碩士校準(zhǔn)為0.5，博士校準(zhǔn)為1；學(xué)科變量中人文學(xué)科（文史哲藝）校準(zhǔn)為0，社科學(xué)科（經(jīng)管法教）校準(zhǔn)為0.5，理工學(xué)科（理工農(nóng)醫(yī)）校準(zhǔn)為1。為了避免隸屬度為0.5的案例在分析過程中被排除，本研究將校準(zhǔn)后的數(shù)據(jù)0.5調(diào)整為0.501^[37]。然后進(jìn)行必要性分析，根據(jù)fsQCA的標(biāo)準(zhǔn)，一致性大于0.9的條件被認(rèn)為是必要條件，而覆蓋率大于0.8的條件被認(rèn)為是充分條件。經(jīng)過分析，本研究中單個前因變量的一致性均未超過0.9，覆蓋率也均小于0.8，表明單個前因變量既不構(gòu)成必要條件，也不構(gòu)成充分條件。

（2）數(shù)字化教學(xué)意愿組態(tài)分析

本研究選取績效期望、努力期望、社群影響、便利條件、自我效能感、學(xué)歷和學(xué)科共7個變量作為模糊集定性分析的前因變量，以數(shù)字化教學(xué)意愿作為結(jié)果變量進(jìn)行組態(tài)分析。具體過程為：設(shè)置可接受案例數(shù)為3，一致性閾值為0.93，進(jìn)行路徑標(biāo)準(zhǔn)化分析；選取簡約解和中間解相結(jié)合的展示方式，分別表示組態(tài)中的核心條件和邊緣條件，其中核心條件是同時出現(xiàn)在簡約解和中間解中的變量，而邊緣條件是僅出現(xiàn)在中間解中的變量。教師數(shù)字化教學(xué)意愿的組態(tài)路徑分析結(jié)果如表4所示，總體一致性為0.9020，總體覆蓋率為0.5640，表明這些組合路徑可以較好地解釋教師的數(shù)字化教學(xué)意愿。由表4可知，教師數(shù)字化教學(xué)意愿共形成7條組態(tài)路徑，一致性均高于0.9，超過0.75的標(biāo)準(zhǔn)^[38]，表明這些路徑均能較好地解釋數(shù)字化教學(xué)意愿。將7條路徑按照相同核心條件歸類，可提煉出4種數(shù)字化教學(xué)意愿提升模式：①期望驅(qū)動型。自我效能感較低，較高的績效期望、努力期望和社群影響仍能共同促進(jìn)其數(shù)字化教學(xué)意愿。②學(xué)科驅(qū)動型。包含2a和2b兩條路徑，強(qiáng)調(diào)績效期望、努力期望和社群影響的共同作用，同時突出學(xué)科因素對路徑的影響。③自我效能驅(qū)動型。包含3a和3b兩條路徑，強(qiáng)調(diào)自我效能感和學(xué)科的重要性，并通過績效期望和便利條件的協(xié)同作用對結(jié)果產(chǎn)生影響。④低學(xué)歷補償型。包含4a和4b兩條路徑，對于低學(xué)歷教師，較高的努力期望、社群影響和便利條件也能顯著提升其數(shù)字化教學(xué)意愿。績效期望、努力期望和社群影響在4種模式中出現(xiàn)了3次，凸顯了其對教師數(shù)字化教學(xué)意愿的關(guān)鍵作用。

（3）數(shù)字化教學(xué)能力組態(tài)分析

本研究在前因變量中加入數(shù)字化教學(xué)意愿，分別以績效期望、努力期望、社群影響、便利條件、自我效能感、數(shù)字化教學(xué)意愿、學(xué)歷、學(xué)科共8個變量作為前因變量，以數(shù)字化教學(xué)能力作為結(jié)果變量進(jìn)行模糊集定性分析。具體過程為：設(shè)置可接受案例數(shù)為3，一致性閾值為0.94，進(jìn)行路徑標(biāo)準(zhǔn)化分析；選取簡約解和中間解相結(jié)合的方式分別表示組態(tài)中的核心條件和邊緣條件。教師的數(shù)字化教學(xué)能力的組態(tài)路徑分析結(jié)果如表5所示。由表5可知，總體一致性為0.9155，總體覆蓋率為0.5418，表明組合路徑具有較高的解釋度。同時，教師數(shù)字化教學(xué)能力共形成9條路徑，一致性均超過0.9，表明這些路徑均能較好地解釋數(shù)字化教學(xué)能力。將9條路徑按相同核心條件歸類，可提煉出4種數(shù)字化教學(xué)能力提升模式：①支持驅(qū)動型。教師在數(shù)字化教學(xué)意愿較低的情況下，通過外部支持（如社群影響、便利條件）和自我效能感來提升數(shù)字化教學(xué)能力。②意愿與學(xué)科強(qiáng)化型。包含2a和2b兩條路徑，較高的數(shù)字化教學(xué)意愿結(jié)合績效期望和努力期望，借助學(xué)科背景的支持，共同促進(jìn)數(shù)字化教學(xué)能力的提升。③意愿與學(xué)科主導(dǎo)型。包含3a、3b和3c三條路徑，在高數(shù)字化教學(xué)意愿的基礎(chǔ)上，自我效能感的提升進(jìn)一步強(qiáng)化了學(xué)科背景的作用，成為提升數(shù)字化教學(xué)能力的關(guān)鍵因素。④低學(xué)歷補償型。包含4a、4b和4c三條路徑，對于低學(xué)歷教師，通過提高努力期望和自我效能感，可以有效補償學(xué)歷的不足，從而提升數(shù)字化教學(xué)能力。由于教師的學(xué)科難以改變，因此數(shù)字化教學(xué)意愿、自我效能感和努力期望這三個核心條件應(yīng)成為關(guān)注的重點。

四 結(jié)論與討論

首先，本研究通過PLS-SEM分析發(fā)現(xiàn)，績效期望、努力期望、社群影響、便利條件和自我效能感均正向影響教師的數(shù)字化教學(xué)意愿，進(jìn)而正向影響其數(shù)字化教學(xué)能力。研究結(jié)果表明，教師對數(shù)字技術(shù)的有用性感知、易用性感知，以及來自同事、領(lǐng)導(dǎo)和組織的技術(shù)、資源與政策支持等便利條件，是形成教師數(shù)字化教學(xué)意愿的關(guān)鍵因素。此外，自我效能感直接顯著影響教師的數(shù)字化教學(xué)能力，凸顯了教師對自身運用數(shù)字技術(shù)的信心和自我評價的重要性。研究發(fā)現(xiàn)，各因素對數(shù)字化教學(xué)意愿的影響強(qiáng)度依次為績效期望、社群影響、便利條件、自我效能感和努力期望。中介效應(yīng)檢驗顯示，這些因素均通過數(shù)字化教學(xué)意愿間接影響數(shù)字化教學(xué)能力且效應(yīng)顯著。這表明教師的數(shù)字化教學(xué)意愿越強(qiáng)，其數(shù)字化教學(xué)能力也越強(qiáng)，進(jìn)一步證實了數(shù)字化教學(xué)意愿的重要中介作用，并驗證了UTAUT模型在教育領(lǐng)域的適用性。

其次，本研究通過fsQCA揭示了提升教師數(shù)字化教學(xué)意愿和數(shù)字化教學(xué)能力的四種組合模式。在提升數(shù)字化教學(xué)意愿方面，四種模式分別為期望驅(qū)動型、學(xué)科驅(qū)動型、自我效能驅(qū)動型和低學(xué)歷補償型。其中，績效期望、努力期望和社群影響在三種模式中多次出現(xiàn)，凸顯了這些因素對教師數(shù)字化教學(xué)意愿的關(guān)鍵作用。在提升數(shù)字化教學(xué)能力方面，四種模式分別為支持驅(qū)動型、意愿與學(xué)科強(qiáng)化型、意愿與學(xué)科主導(dǎo)型和低學(xué)歷補償型。具體而言，高數(shù)字化教學(xué)意愿結(jié)合績效期望、努力期望和學(xué)科背景的支持，共同促進(jìn)了數(shù)字化教學(xué)能力的提升。對于低學(xué)歷教師，通過提升努力期望和自我效能感可以有效補償學(xué)歷的不足，進(jìn)而提升其數(shù)字化教學(xué)能力。由于教師的學(xué)科背景難以改變，因此提升其數(shù)字化教學(xué)能力的關(guān)鍵在于增強(qiáng)數(shù)字化教學(xué)意愿、自我效能感和努力期望。此外，通過提供外部支持、增強(qiáng)教師信心和優(yōu)化教學(xué)環(huán)境，能夠進(jìn)一步促進(jìn)教師數(shù)字化教學(xué)能力的提升。

最后，通過對PLS-SEM和fsQCA的結(jié)果進(jìn)行比較，本研究發(fā)現(xiàn)：①績效期望、努力期望、社群影響和便利條件在PLS-SEM分析中均顯著正向影響數(shù)字化教學(xué)意愿，并通過數(shù)字化教學(xué)意愿間接提升數(shù)字化教學(xué)能力。在fsQCA中，這些因素作為核心條件多次出現(xiàn)，兩種方法的分析結(jié)果相互印證。②數(shù)字化教學(xué)意愿在PLS-SEM中被確認(rèn)為中介因素，而在fsQCA中也多次出現(xiàn)在影響數(shù)字化教學(xué)能力的組合模式中，表明數(shù)字化教學(xué)意愿是影響數(shù)字化教學(xué)能力的關(guān)鍵直接因素。③自我效能感在PLS-SEM中顯著直接影響數(shù)字化教學(xué)能力，而在fsQCA中多次出現(xiàn)，進(jìn)一步證實了自我效能感對數(shù)字化教學(xué)能力的直接效應(yīng)。④教師的學(xué)科在fsQCA中顯著影響數(shù)字化教學(xué)能力。這些發(fā)現(xiàn)為教育管理者和政策制定者提供了實證依據(jù)，可指導(dǎo)其通過優(yōu)化相關(guān)影響因素來提升教師的數(shù)字化教學(xué)能力。

基于以上研究結(jié)果，在提升教師數(shù)字化教學(xué)能力時，應(yīng)充分利用教師感知的績效期望、努力期望、社群影響、便利條件和自我效能感等核心影響因素，以提升教師的數(shù)字化教學(xué)意愿為著力點，通過教育管理者、相關(guān)部門與教師的多方協(xié)同，共同提升教師的數(shù)字化教學(xué)能力：首先，構(gòu)建支持性政策與績效機(jī)制，提升數(shù)字化教學(xué)意愿。通過制定全面的數(shù)字化教學(xué)支持政策、建立綜合性的激勵與評價體系、打造教師交流平臺等措施，激發(fā)教師的數(shù)字化教學(xué)熱情和意愿。其次，強(qiáng)化數(shù)字化教學(xué)環(huán)境建設(shè)，優(yōu)化數(shù)字化基礎(chǔ)設(shè)施。通過完善數(shù)字化教學(xué)設(shè)施、開發(fā)高質(zhì)量的數(shù)字化教學(xué)資源、建立專業(yè)的技術(shù)支持團(tuán)隊、為教師提供資源豐富的數(shù)字化教學(xué)環(huán)境，提升數(shù)字化教學(xué)質(zhì)量。最后，完善教師專業(yè)發(fā)展與培訓(xùn)體系，提升數(shù)字化教學(xué)能力。通過制定切實有效的教師數(shù)字化專業(yè)發(fā)展政策和培訓(xùn)方案、實施專業(yè)化的數(shù)字化教學(xué)實踐措施、制定差異化的教師支持策略，實現(xiàn)教師數(shù)字化教育能力的全面提升。

參考文獻(xiàn)

[1]教育部.教育部關(guān)于發(fā)布《教師數(shù)字素養(yǎng)》教育行業(yè)標(biāo)準(zhǔn)的通知[OL].lt;https：//www.gov.cn/zhengce/zhengceku/2023-02/21/content_5742422.htmgt;

[2]劉妍，李夢興，舒杭.基于交互場景的教師數(shù)字化教學(xué)能力診斷研究[J].現(xiàn)代教育技術(shù)，2024，（1）：84-95.

[3]楊宗凱，吳砥，陳敏.新興技術(shù)助力教育生態(tài)重構(gòu)[J].中國電化教育，2019，（2）：1-5.

[4][32]Tondeur J， Howard S， Van Zanten M， et al. The HeDiCom framework： Higher Education teachers’"digital competencies for the future[J]. Educational Technology Research and Development， 2023，（1）：33-53.

[5]Lin R， Yang J， Jiang F， et al. Does teacher’s data literacy and digital teaching competence influence empowering students in the classroom？ Evidence from China[J]. Education and Information Technologies， 2023，（3）：2845-2867.

[6]郭炯，郝建江.智能時代的教師角色定位及素養(yǎng)框架[J].中國電化教育，2021，（6）：121-127.

[7]郭紹青，林豐民，于青青，等.數(shù)字化賦能教師專業(yè)發(fā)展實踐探索[J].電化教育研究，2023，（7）：96-106.

[8]王天平，李珍.智能時代教師技術(shù)焦慮的形態(tài)、動因與對策[J].電化教育研究，2022，（10）：110-115、128.

[9]Liu Q， Geertshuis S， Grainger R. Understanding academics’"adoption of learning technologies： A systematic review[J]. Computers amp; Education， 2020，151：103857.

[10]Antonietti C， Cattaneo A， Amenduni F. Can teachers’"digital competence influence technology acceptance in vocational education？[J]. Computers in Human Behavior， 2022，（6）：1-9.

[11][18]李世瑾，顧小清.中小學(xué)教師對人工智能教育接受度的影響因素研究[J].現(xiàn)代遠(yuǎn)距離教育，2021，（4）：66-75.

[12]李毅，吳思睿，廖琴.教師信息技術(shù)使用的影響因素和調(diào)節(jié)效應(yīng)的研究——基于UTAUT模型[J].中國電化教育，2016，（10）：31-38.

[13]袁野，蕭文龍，于媛，等.結(jié)構(gòu)方程模型的應(yīng)用準(zhǔn)則：CB-SEM和PLS-SEM研究范式的比較與啟示[J].信息資源管理學(xué)報，2023，（3）：6-22.

[14]杜運周，賈良定.組態(tài)視角與定性比較分析（QCA）：管理學(xué)研究的一條新道路[J].管理世界，2017，（6）：155-167.

[15][30]Venkatesh V， Morris M G， Davis G B， et al. User acceptance of information technology： Toward a unified view[J]. MIS Quarterly， 2003，（3）：425-478.

[16]高芙蓉，高雪蓮.國外信息技術(shù)接受模型研究述評[J].研究與發(fā)展管理，2011，（2）：95-105.

[17]范昊，徐穎慧，曾子明.智慧圖書館AI服務(wù)用戶接受行為影響因素研究[J].圖書館學(xué)研究，2021，（2）：37-47.

[19]王鈺彪，田愛麗.中小學(xué)教師對線上線下融合教學(xué)的接受度及其影響因素研究[J].現(xiàn)代教育技術(shù)，2023，（6）：109-117.

[20]馮吉兵，張國良，靳帥貞，等.中小學(xué)教師虛擬實驗教學(xué)能力提升的對策研究——基于技術(shù)接受度測評[J].中國電化教育，2022，（7）：120-126、133.

[21][22]劉春明，王丹，周楊.高校教師移動學(xué)習(xí)平臺信息采納行為研究[J].情報科學(xué)，2024，（2）：109-118.

[23]郭炯，付瑞.鄉(xiāng)村教師應(yīng)用“國家中小學(xué)智慧教育平臺”影響因素研究[J].現(xiàn)代遠(yuǎn)距離教育，2023，（6）：33-42.

[24]Ghalandari K. The effect of performance expectancy， effort expectancy， social influence and facilitating conditions on acceptance of e-banking services in Iran： The moderating role of age and gender[J]. Middle East Journal of Scientific Research， 2012，（6）：801-807.

[25]趙篤慶，余亮，車紫妍，等.教師技術(shù)采納研究中的UTAUT再認(rèn)識——基于一階段元分析結(jié)構(gòu)方程模型的定量綜合分析[J].現(xiàn)代教育技術(shù)，2024，（9）：48-58.

[26]周文霞，郭桂萍.自我效能感：概念、理論和應(yīng)用[J].中國人民大學(xué)學(xué)報，2006，（1）：91-97.

[27]Peng H， Tsai C C， Wu Y T. University students’"self-efficacy and their attitudes toward the internet： The role of students’"perceptions of the internet[J]. Educational Studies， 2006，（1）：73-86.

[28][31]Nikou S， Molinari A， Wide G. The interplay between literacy and digital technology： A fuzzy-set qualitative comparative analysis approach[J]. Inform Research， 2020，25：1-12.

[29]Kabakus A K， Bahcekapili E， Ayaz A. The effect of digital literacy on technology acceptance： An evaluation on administrative staff in higher education[OL]. lt;https：//doi.org/10.1177/01655515231160028gt;

[33][35]Hair J F， Ringle C M， Sarstedt M. PLS-SEM： Indeed a silver bullet[J]. Journal of Marketing Theory and Practice， 2011，（2）：139-152.

[34]Fornell C， Larcker D F. Structural equation models with unobservable variables and measurement error： Algebra"and statistics[J]. Journal of Marketing Research， 1981，（3）：382-388.

[36]溫忠麟，葉寶娟.中介效應(yīng)分析：方法和模型發(fā)展[J].心理科學(xué)進(jìn)展，2014，（5）：731-745.

[37]蔡建東，楊小鋒.組態(tài)視域下學(xué)前教師數(shù)字技術(shù)采納行為意向誘發(fā)機(jī)制研究——基于模糊集的定性比較分析（fsQCA）[J].電化教育研究，2022，（4）：116-124.

[38]Fiss P C. Building better causal theories： A fuzzy set approach to typologies in organization research[J]. Academy of Management Journal， 2011，（2）：393-420.

An Empirical Study on the Influencing Factors of Teachers’ Digital Teaching Ability

——Based on PLS-SEM and fsQCA Methods

ZHOU Xin^1，2""""WANG Yao-Bin^{1[Corresponding Author]}""""HE Xiang-Chun³

（1. College of Educational Sciences， Northwest Normal University， Lanzhou， Gansu， China 730070;

2. College of Teachers Education， Nanjing Xiaozhuang University， Nanjing， Jiangsu， China 211171;

3. College of Educational Technology， Northwest Normal University， Lanzhou， Gansu， China 730070）

Abstract："In the period of digital transformation of education， digital teaching ability is an essential core competency for teachers. In-depth exploration and analysis of the influencing factors of teachers’ digital teaching ability is the key link for educational administrators and teachers to cope with technology difficulties， improve teaching quality， and cultivate innovative talents. Based on this， the paper relied on the Unified Theory of Acceptance and Use of Technology （UTAUT） and adopted Partial Least Squares Structural Equation Modeling （PLS-SEM） and Fuzzy-Set Qualitative Comparative Analysis （fsQCA） methods to empirically examine the influencing factors and their combinatorial effects on teachers’ digital teaching ability. Among them， PLS-SEM analysis results showed that performance expectancy， effort expectancy， community influence， facilitation condition， and self-efficacy significantly had significantly positive influences on teachers’ digital teaching intention， and further these factors positively influence teachers’ digital teaching ability; teachers’ self-efficacy had a significant direct effect on digital teaching ability and the influencing effect was the strongest. While fsQCA analysis results revealed four ways to stimulate teachers’ digital teaching ability， of which digital teaching intention and self-efficacy were two important antecedent variables， which compensated for the relative inadequacy of the structural equation model analysis. Through research， this paper was expected to provide empirical evidence for improving teachers’ digital teaching ability in the period of digital transformation of education.

Keywords： digital teaching ability; UTAUT; PLS-SEM; fsQCA

*基金項目：本研究為國家自然科學(xué)基金資助項目“基于多源信息融合的中小學(xué)教師數(shù)據(jù)素養(yǎng)智能測評關(guān)鍵技術(shù)研究”（項目編號：62167007）、2025年甘肅省高校研究生創(chuàng)新之星項目“職前教師數(shù)字素養(yǎng)測評與培育路徑研究”（項目編號：2025CXZX-377）的階段性研究成果。

作者簡介：周欣，南京曉莊學(xué)院副研究館員，西北師范大學(xué)在讀博士，研究方向為數(shù)字化教育，郵箱為zhouxin0724@163.com。

收稿日期：2024年10月8日

編輯：小時