人工智能賦能教師專業(yè)發(fā)展的效果如何？

【中圖分類號】G40-057【文獻(xiàn)標(biāo)識(shí)碼】A【論文編號】1009—8097（2025）05—0014—09【DOI】10.3969/j.iss.1009-8097.2025.05.002

人工智能技術(shù)的縱深發(fā)展和廣泛應(yīng)用推動(dòng)著教育系統(tǒng)發(fā)生深刻變革，教師在人工智能與教育教學(xué)的融合中發(fā)揮了重要作用。《中共中央 國務(wù)院關(guān)于全面深化新時(shí)代教師隊(duì)伍建設(shè)改革的意見》指出，教師應(yīng)主動(dòng)適應(yīng)信息化、人工智能等新技術(shù)變革，積極有效開展教育教學(xué)。人工智能賦能教師專業(yè)發(fā)展既是培養(yǎng)智能時(shí)代高質(zhì)量教師隊(duì)伍的重要突破口，也是實(shí)現(xiàn)教育強(qiáng)國戰(zhàn)略和教育現(xiàn)代化的重要支撐。從實(shí)踐層面來看，教育部自2018年起分批次開展了人工智能助推教師隊(duì)伍建設(shè)行動(dòng)試點(diǎn)工作，通過教師智能助手應(yīng)用、教師智能研修、智能教育素養(yǎng)提升等試點(diǎn)行動(dòng)，探索了人工智能賦能教師專業(yè)發(fā)展的新路徑和新模式[1]。但從研究層面來看，當(dāng)前國內(nèi)關(guān)于“人工智能賦能教師專業(yè)發(fā)展”議題的探討聚焦邏輯架構(gòu)[2]、理論模型[3]、價(jià)值定位與制度建設(shè)[4等應(yīng)然層面，盡管國外已開展了一些實(shí)證研究，但人工智能賦能教師專業(yè)發(fā)展的實(shí)際效果如何仍沒有確定的答案，亟需從科學(xué)實(shí)證主義的角度明確回應(yīng)這一問題。因此，本研究嘗試對人工智能應(yīng)用于教師專業(yè)發(fā)展的實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究進(jìn)行元分析，探析人工智能賦能教師專業(yè)發(fā)展的實(shí)際效果并有針對性地提出建議，以期在研究與實(shí)踐層面為教師專業(yè)發(fā)展領(lǐng)域中的人工智能應(yīng)用提供參考。

一問題提出

教師專業(yè)發(fā)展即教師專業(yè)實(shí)踐的改善5，表現(xiàn)為思想、素質(zhì)、知識(shí)、能力、情意等多個(gè)方面。本研究選擇從知識(shí)維度考察教師專業(yè)發(fā)展效果，將教師知識(shí)作為元分析的效應(yīng)量指標(biāo)。梳理相關(guān)文獻(xiàn)可以發(fā)現(xiàn)：Koehler 等[7]提出了整合技術(shù)的學(xué)科教學(xué)知識(shí)（Technological Pedagogical Content Knowledge，TPACK）框架，強(qiáng)調(diào)技術(shù)知識(shí)、教學(xué)法知識(shí)、學(xué)科內(nèi)容知識(shí)三者之間的相互作用和整合，但這三者之間的重合地帶使此框架不適合用于對教師知識(shí)進(jìn)行明確分類；而Elbaz提出了理論性知識(shí)-實(shí)踐性知識(shí)分類框架，其中理論性知識(shí)是指學(xué)科內(nèi)容、學(xué)科教學(xué)法、課程、教育學(xué)、心理學(xué)和一般文化等原理類知識(shí)，實(shí)踐性知識(shí)包括教師在教育教學(xué)實(shí)踐中實(shí)際使用和表現(xiàn)出來的知識(shí)——此框架強(qiáng)調(diào)理論性知識(shí)與實(shí)踐性知識(shí)之間的明顯分界，這使其適用于在元分析研究中從知識(shí)維度對教師專業(yè)發(fā)展的效果進(jìn)行分類考量[9]。基于此，本研究從理論性知識(shí)和實(shí)踐性知識(shí)兩個(gè)維度，來探析教師專業(yè)發(fā)展效果。

人工智能是研究用人工的方法和技術(shù)模擬、延伸、擴(kuò)展人類智能，以最終達(dá)到人類智能水平的機(jī)器智能[10]。人工智能在教師專業(yè)發(fā)展領(lǐng)域中的應(yīng)用場景主要包括： ① 智能輔助教學(xué)，如基于自然語言處理的自動(dòng)化反饋工具幫助教師提高對學(xué)生想法的采納率[11]； ② 智能輔助學(xué)習(xí)，如在線協(xié)作話語自動(dòng)可視化分析工具促進(jìn)職前教師的協(xié)作探究和知識(shí)建構(gòu)[12]； ③ 智能輔助管理，如課堂模擬系統(tǒng)提升教師管理課堂不當(dāng)行為的能力[13]； ④ 智能輔助評價(jià)，如虛擬學(xué)習(xí)環(huán)境促進(jìn)培養(yǎng)職前教師的數(shù)學(xué)評價(jià)能力[14]。

根據(jù)人工智能對教師決策的干預(yù)程度，可將教師專業(yè)發(fā)展領(lǐng)域中的人工智能分為三種類型： ① 模擬型AI，主要用于創(chuàng)建虛擬教學(xué)環(huán)境和虛擬學(xué)生，但不直接介入教師的教學(xué)決策和行為[15]； ② 輔助型AI，強(qiáng)調(diào)通過人機(jī)協(xié)作提高教師的決策效率，但教師仍最終掌握決策權(quán)[1； ③ 決策型AI，具有更強(qiáng)的自主性，主要通過機(jī)器學(xué)習(xí)等技術(shù)進(jìn)行判斷、分析、預(yù)測，進(jìn)而直接進(jìn)行教學(xué)決策，如動(dòng)態(tài)調(diào)整教師專業(yè)學(xué)習(xí)的路徑[17]。

此外，人工智能賦能教師專業(yè)發(fā)展的相關(guān)實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究還涵蓋多個(gè)變量，如教學(xué)情境涉及線上、線下、混合式等形式，任教學(xué)科涉及理科、文科和其他學(xué)科，任教學(xué)段涉及從職前教育到大學(xué)的多個(gè)學(xué)段，實(shí)驗(yàn)周期涉及一天以內(nèi)到一年以上不等——這些變量也會(huì)對人工智能賦能教師專業(yè)發(fā)展的效果產(chǎn)生影響。

通過上述文獻(xiàn)分析，本研究將知識(shí)維度的教師專業(yè)發(fā)展效果作為結(jié)果變量，將人工智能應(yīng)用場景、人工智能類型、教學(xué)情境、任教學(xué)科、任教學(xué)段、實(shí)驗(yàn)周期作為調(diào)節(jié)變量，聚焦于探究以下問題： ① 人工智能賦能教師專業(yè)發(fā)展的整體效果如何？ ② 從不同知識(shí)維度的教師專業(yè)發(fā)展來看，人工智能的賦能效果分別如何？ ③ 人工智能應(yīng)用場景、人工智能類型、教學(xué)情境、任教學(xué)科、任教學(xué)段、實(shí)驗(yàn)周期等特征變量對人工智能賦能教師專業(yè)發(fā)展的效果具有怎樣的調(diào)節(jié)效應(yīng)？

二研究設(shè)計(jì)

1文獻(xiàn)檢索

本研究在國內(nèi)外文獻(xiàn)數(shù)據(jù)庫中檢索“人工智能賦能教師專業(yè)發(fā)展\"的相關(guān)文章，論文發(fā)表時(shí)間設(shè)為 2000年1月 ～2024 年12月。本研究在中國知網(wǎng)以“ KY= （人工智能 ^，+^? 人機(jī)協(xié)同 ^，+^? 機(jī)器人 ^，+^° 智能教學(xué) ?+? 智能輔導(dǎo) ^，+^? 教育智能體 ?+? 智能導(dǎo)師 ^，+^° 教學(xué)代理 ^，+^? 大模型 ^，+^? 大語言模型ANDTKA （教師專業(yè)發(fā)展 ?+? 教師發(fā)展 ^°+^° 教師學(xué)習(xí) ^，+^° 教師改進(jìn) ?+^? 教師改變 ?+? 教學(xué)改進(jìn) ^，+^° 教師研修 ?+? 教研'）”為檢索式，共檢索到436篇中文文獻(xiàn)；同時(shí)，本研究在Web of Science、ERIC、ProQuest 和 Google Scholar 數(shù)據(jù)庫以 artificial intelligence、human-machine co-teaching、human-computer co-teaching、robot、intelligenttor、intelligent teaching、artificialtutor、pedagogical agent、large language model、teacher professonal development、teacher development、teacherlearn、teacher change、teacher improvement、teacher training、teaching research 為關(guān)鍵詞進(jìn)行組合檢索，共檢索到1777篇英文文獻(xiàn)，刪除45篇重復(fù)文獻(xiàn)后，得到1732篇文獻(xiàn)。最終，本研究共得到2168篇中英文文獻(xiàn)。

2文獻(xiàn)篩選

元分析是一種系統(tǒng)的定量統(tǒng)計(jì)方法，用于整合多個(gè)相互獨(dú)立的實(shí)證研究結(jié)果，從而得出更具普遍性和可靠性的科學(xué)結(jié)論。由于元分析方法對研究樣本有嚴(yán)格的要求，故本研究團(tuán)隊(duì)按以下標(biāo)準(zhǔn)對 2168篇中英文文獻(xiàn)進(jìn)行了篩選：

① 研究內(nèi)容涉及人工智能對教師專業(yè)發(fā)展的影響，剔除偏離研究主題的文獻(xiàn)1149 篇；

② 研究方法必須為實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究，剔除文獻(xiàn)綜述、理論探討等類型的文獻(xiàn)793篇；

③ 實(shí)驗(yàn)對象必須為職前教師或職后教師，剔除研究對象為學(xué)生或其他成人學(xué)習(xí)者的文獻(xiàn)147篇；

④ 研究必須包含實(shí)驗(yàn)組和對照組，剔除僅有前測或后測結(jié)果以及缺少對照實(shí)驗(yàn)的文獻(xiàn)13篇；

⑤ 論文應(yīng)包括研究樣本量、實(shí)驗(yàn)組和對照組平均值、標(biāo)準(zhǔn)差等測量數(shù)據(jù)，剔除數(shù)據(jù)不完整的文獻(xiàn)3篇;

⑥ 剔除未找到全文的文獻(xiàn)47篇。

經(jīng)篩選，本研究團(tuán)隊(duì)獲得文獻(xiàn)16篇。之后，本研究團(tuán)隊(duì)閱讀這16篇文獻(xiàn)的全文，采用滾雪球抽樣法，獲得符合文獻(xiàn)篩選標(biāo)準(zhǔn)的文獻(xiàn)13篇。最終，本研究得到了29篇樣本文獻(xiàn)，其中有4篇文獻(xiàn)存在兩個(gè)實(shí)驗(yàn)組，因此共得到33項(xiàng)相互獨(dú)立的實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究。

3文獻(xiàn)特征變量編碼

為分析特征變量對效應(yīng)值的影響，本研究首先對納入樣本文獻(xiàn)的各項(xiàng)特征變量進(jìn)行編碼，如表1所示。接著，兩位編碼員按照表1對33項(xiàng)實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究進(jìn)行背對背編碼。之后，本研究通過計(jì)算得到編碼一致性系數(shù)為0.979[18]，符合有效性標(biāo)準(zhǔn)。最后，兩位編碼員對不一致的編碼進(jìn)行協(xié)商，達(dá)成一致意見，得到最終編碼結(jié)果。

4數(shù)據(jù)分析

（1）效應(yīng)值計(jì)算

本研究采用Hedges'sg作為效應(yīng)值指標(biāo)[19]。由于各項(xiàng)研究的效應(yīng)值需遵循獨(dú)立性原則，故當(dāng)一項(xiàng)研究存在多個(gè)效應(yīng)值時(shí)，本研究先通過刪除無關(guān)效應(yīng)值、同類效應(yīng)值取均值、反向效應(yīng)值取反等操作，篩選得到每項(xiàng)研究的唯一有效效應(yīng)值，再采用Comprehensive Meta-Analysis 3.0 軟件進(jìn)行合并效應(yīng)值的計(jì)算。

（2）發(fā)表偏倚檢驗(yàn)

納入的樣本文獻(xiàn)只能部分代表實(shí)驗(yàn)研究結(jié)果，可能存在發(fā)表偏倚，故本研究采用漏斗圖和 Egger's 檢驗(yàn)對納入的樣本文獻(xiàn)進(jìn)行發(fā)表偏倚檢驗(yàn)。漏斗圖檢驗(yàn)結(jié)果如圖1所示，可以看出：絕大多數(shù)樣本文獻(xiàn)落在漏斗圖的上部有效區(qū)域內(nèi)，且相對均勻地分布在漏斗圖的平均效應(yīng)值兩側(cè)，整體呈漏斗狀。而 Egger's 檢驗(yàn)結(jié)果顯示，效應(yīng)值與其標(biāo)準(zhǔn)誤之間不存在線性關(guān)系！ （1=1.092lt;1.96） ， p=0.283gt;0.05 ）。上述兩種檢驗(yàn)結(jié)果均表明：樣本文獻(xiàn)存在發(fā)表偏倚的可能性較小。

（3）異質(zhì)性檢驗(yàn)

根據(jù)元分析的統(tǒng)計(jì)原理，本研究采用Q檢驗(yàn)和 I² 檢驗(yàn)對各項(xiàng)研究結(jié)果進(jìn)行異質(zhì)性檢驗(yàn)，并根據(jù)檢驗(yàn)結(jié)果選擇適當(dāng)?shù)男?yīng)模型。其中，Q檢驗(yàn)以 p 值形式呈現(xiàn)，若 plt;0.05 ，表明各項(xiàng)研究具有顯著異質(zhì)性；I檢驗(yàn)以I值的形式呈現(xiàn)，并將 I²=25% ！ 1²=50% 一 1²=75% 分別作為異質(zhì)性低、中、高三種程度的分界值[20]。當(dāng)異質(zhì)性程度較高時(shí)，通常采用隨機(jī)效應(yīng)模型；當(dāng)異質(zhì)性程度較低時(shí)，普遍采用固定效應(yīng)模型消除異質(zhì)性[21]。

三研究分析

1人工智能賦能教師專業(yè)發(fā)展的整體效果

納入樣本文獻(xiàn)的合并效應(yīng)值及異質(zhì)性檢驗(yàn)結(jié)果如表2所示，可以看出：Q值為510.143且統(tǒng)計(jì)結(jié)果達(dá)到顯著水平（ _?plt;0.001） ， I²=93.727%gt;75% ，說明樣本文獻(xiàn)之間的異質(zhì)性程度較高，因此本研究采用隨機(jī)效應(yīng)模型進(jìn)行分析。根據(jù)Cohen[22]提出的效應(yīng)值標(biāo)準(zhǔn)，當(dāng)效應(yīng)量達(dá)到 0.2、0.5、0.8 時(shí)，分別代表具有較小、中等、較大的影響。經(jīng)計(jì)算，人工智能賦能教師專業(yè)發(fā)展的合并效應(yīng)值為0.779（ ?Δplt;0.001 ），說明人工智能對教師專業(yè)發(fā)展具有中等偏上程度的賦能效果。

2人工智能對不同知識(shí)維度教師專業(yè)發(fā)展的賦能效果

理論性知識(shí)與實(shí)踐性知識(shí)是教師專業(yè)發(fā)展的兩個(gè)知識(shí)維度，可作為組間效應(yīng)分析的效應(yīng)量來比較人工智能對不同知識(shí)維度教師專業(yè)發(fā)展的賦能效果，結(jié)果如表3所示，可以看出：理論性知識(shí)、實(shí)踐性知識(shí)的合并效應(yīng)值分別為0.961（ ?lt;0.05. ）、0.749（ ?plt;0.001） ，說明人工智能對教師理論性知識(shí)、實(shí)踐性知識(shí)的專業(yè)發(fā)展分別具有高等程度、中等偏上程度的賦能效果，且兩者不存在顯著性差異（ g=0.782 pgt;0.05 ）。

3調(diào)節(jié)效應(yīng)檢驗(yàn)與分析

（1）人工智能應(yīng)用場景對賦能效果的調(diào)節(jié)效應(yīng)

將人工智能應(yīng)用場景作為調(diào)節(jié)變量，比較不同應(yīng)用場景下人工智能賦能教師專業(yè)發(fā)展效果的差異，結(jié)果如表4所示，可以看出：智能輔助教學(xué)、智能輔助學(xué)習(xí)的合并效應(yīng)值分別為1.402（ ?lt;0.001 ）、0.742（plt;0.001 ），說明兩者對教師專業(yè)發(fā)展分別具有高等程度、中等偏上程度的賦能效果；而智能輔助管理、智能輔助評價(jià)的合并效應(yīng)值分別為-0.027、0.082，說明這兩個(gè)場景中人工智能對教師專業(yè)發(fā)展不存在顯著的賦能效果（ .pgt;0.05 ）。整體來看，不同應(yīng)用場景下人工智能賦能教師專業(yè)發(fā)展的效果存在顯著性差異C g=0.646 ， plt;0.05 ）。

將人工智能類型作為調(diào)節(jié)變量，比較不同類型的人工智能賦能教師專業(yè)發(fā)展效果的差異，結(jié)果如表5所示，可以看出：模擬型AI、輔助型AI的合并效應(yīng)值分別為0.470（ ?lt;0.05 ）、0.859 plt;0.001 ），說明兩者對教師專業(yè)發(fā)展分別具有中等偏下程度、高等程度的賦能效果；而決策型AI的合并效應(yīng)值雖為最高（ ?g=2.279 ），但由于樣本量較少，其對教師專業(yè)發(fā)展的賦能效果有待進(jìn)一步驗(yàn)證。整體來看，不同類型人工智能賦能教師專業(yè)發(fā)展的效果存在顯著性差異（ g=1.017 ， plt;0.01 ）。

將教學(xué)情境作為調(diào)節(jié)變量，比較不同教學(xué)情境下人工智能賦能教師專業(yè)發(fā)展效果的差異，結(jié)果如表6所示，可以看出：混合式教學(xué)的合并效應(yīng)值最高（ g=2.522 ， plt;0.001. ），線下教學(xué)居中（ g=0.799 ， plt;0.05） ，線上教學(xué)最低（ g=0.642 ， plt;0.01 ），且三者之間存在顯著性差異（ g=1.098 ， plt;0.05 ）。其中，混合式教學(xué)的合并效應(yīng)值雖為最高，但由于樣本量較少，此情境中人工智能對教師專業(yè)發(fā)展的賦能效果有待進(jìn)一步驗(yàn)證。整體來看，線下教學(xué)、線上教學(xué)情境下人工智能對教師專業(yè)發(fā)展分別具有高等程度、中等程度的賦能效果。

（4）任教學(xué)科對賦能效果的調(diào)節(jié)效應(yīng)

將任教學(xué)科作為調(diào)節(jié)變量，比較人工智能賦能不同學(xué)科教師專業(yè)發(fā)展效果的差異，結(jié)果如表7所示，可以看出：其他學(xué)科的合并效應(yīng)值最高（ Φ_?g=1.240 ， plt;0.01 ），文科的合并效應(yīng)值居中 （g=0.840，plt;0.01） ，理科的合并效應(yīng)值最低（ g=0.573 ， plt;0.05 ），說明人工智能對其他學(xué)科和文科教師專業(yè)發(fā)展具有高等程度的賦能效果，而對理科教師專業(yè)發(fā)展具有中等程度的賦能效果，三者不存在顯著性差異 ?g=0.817，pgt;0.05） °

將任教學(xué)段作為調(diào)節(jié)變量，比較人工智能賦能不同學(xué)段教師專業(yè)發(fā)展效果的差異，結(jié)果如表8所示，可以看出：職前教育（ g=0.571 ， plt;0.001 ）的合并效應(yīng)值中等，說明人工智能對職前教師專業(yè)發(fā)展具有中等程度的賦能效果。而學(xué)前教育、小學(xué)、中學(xué)、大學(xué)、其他學(xué)段的樣本量較少，故人工智能對職后教師專業(yè)發(fā)展的賦能效果有待進(jìn)一步驗(yàn)證。

所示，可以看出：當(dāng)實(shí)驗(yàn)周期為一月至一學(xué)期時(shí)，人工智能對教師專業(yè)發(fā)展具有高等程度的賦能效果（ g=1.540 ， plt;0.001 ）；當(dāng)實(shí)驗(yàn)周期為一天以內(nèi)時(shí)，人工智能對教師專業(yè)發(fā)展不存在顯著的賦能效果C ?g=0.361 ， pgt;0.05 ）。而一天至一周、一周至一月、一學(xué)期至一年、一年以上的樣本量較小，故這些實(shí)驗(yàn)周期下人工智能對教師專業(yè)發(fā)展的賦能效果有待進(jìn)一步驗(yàn)證。整體來看，不同實(shí)驗(yàn)周期下人工智能對教師專業(yè)發(fā)展的賦能效果存在顯著性差異（ g=0.797 ， plt;0.05 ）。

四結(jié)論與建議

1結(jié)論

本研究對33項(xiàng)實(shí)驗(yàn)或準(zhǔn)實(shí)驗(yàn)研究進(jìn)行了元分析，結(jié)果發(fā)現(xiàn)： ① 人工智能對教師專業(yè)發(fā)展具有中等偏上程度的賦能效果。 ② 人工智能對教師理論性知識(shí)、實(shí)踐性知識(shí)的專業(yè)發(fā)展分別具有高等程度、中等偏上程度的賦能效果。 ③ 人工智能應(yīng)用場景、人工智能類型、教學(xué)情境、任教學(xué)科、任教學(xué)段、實(shí)驗(yàn)周期對賦能效果具有不同程度的調(diào)節(jié)效應(yīng)——從人工智能應(yīng)用場景來看，智能輔助教學(xué)、智能輔助學(xué)習(xí)對教師專業(yè)發(fā)展分別具有高等程度、中等偏上程度的賦能效果，而智能輔助管理、智能輔助評價(jià)場景中人工智能對教師專業(yè)發(fā)展不存在顯著的賦能效果；從人工智能類型來看，輔助型AI、模擬型AI分別對教師專業(yè)發(fā)展具有高等程度、中等偏下程度的賦能效果，而決策型AI對教師專業(yè)發(fā)展的賦能效果有待驗(yàn)證；從教學(xué)情境來看，線下教學(xué)、線上教學(xué)情境下人工智能對教師專業(yè)發(fā)展分別具有高等程度、中等程度的賦能效果，而混合式教學(xué)情境下人工智能對教師專業(yè)發(fā)展的賦能效果有待驗(yàn)證；從任教學(xué)科來看，人工智能對其他學(xué)科和文科教師專業(yè)發(fā)展具有高等程度的賦能效果，而對理科教師專業(yè)發(fā)展具有中等程度的賦能效果；從任教學(xué)段來看，人工智能對職前教師專業(yè)發(fā)展具有中等程度的賦能效果，而對職后教師專業(yè)發(fā)展的賦能效果有待驗(yàn)證；從實(shí)驗(yàn)周期來看，只有當(dāng)實(shí)驗(yàn)周期為一月至一學(xué)期時(shí)，人工智能對教師專業(yè)發(fā)展具有高等程度的賦能效果。

2建議

基于上述研究結(jié)論，本研究針對人工智能賦能教師專業(yè)發(fā)展的效果提升提出以下建議：

① 針對智能輔助管理、智能輔助評價(jià)場景中人工智能對教師專業(yè)發(fā)展不存在顯著賦能效果的問題，教育行政部門應(yīng)引導(dǎo)各級各類學(xué)校深化場景創(chuàng)新，加強(qiáng)人工智能在學(xué)生個(gè)性化管理、課堂行為管理、教師知識(shí)管理等教學(xué)管理場景和學(xué)生過程性評價(jià)、德智體美勞多維度評價(jià)等教學(xué)評價(jià)場景中的應(yīng)用。

② 針對決策型AI對教師專業(yè)發(fā)展的賦能效果有待驗(yàn)證的問題，研究者應(yīng)深入探究決策型AI尤其是智能作業(yè)批改、智能導(dǎo)師系統(tǒng)、教師虛擬助手等高自主性的決策型AI對教師專業(yè)發(fā)展的賦能效果，此問題的研究結(jié)果將直接回應(yīng)“人工智能能否替代教師”這一智能時(shí)代的重要教育倫理性問題。

③ 針對混合式教學(xué)情境下人工智能對教師專業(yè)發(fā)展的賦能效果有待驗(yàn)證的問題，建議通過行政支持、學(xué)校變革與研究介入的多維聯(lián)動(dòng)，提升混合式教學(xué)情境下人工智能對教師專業(yè)發(fā)展的賦能效果，以有效破解當(dāng)前混合式教學(xué)實(shí)踐存在的實(shí)施范圍有限、開展次不足、技術(shù)融合深度欠缺等現(xiàn)實(shí)困境。

④ 針對人工智能對職后教師專業(yè)發(fā)展的賦能效果有待驗(yàn)證的問題，高等教育與基礎(chǔ)教育應(yīng)加強(qiáng)合作，如基礎(chǔ)教育機(jī)構(gòu)為人工智能在教師專業(yè)發(fā)展領(lǐng)域的應(yīng)用提供實(shí)踐場域，而高校、科研機(jī)構(gòu)的研究者要深入一線場景，在不同學(xué)段開展較長周期的實(shí)證研究，從而為人工智能賦能職后教師專業(yè)發(fā)展提供循證依據(jù)。

參考文獻(xiàn)

[1]教育部辦公廳.教育部辦公廳關(guān)于開展人工智能助推教師隊(duì)伍建設(shè)行動(dòng)試點(diǎn)工作的通知[OL].

[2]彭靜，吳南中.人工智能賦能教師一體化發(fā)展：邏輯架構(gòu)與生成路徑[J].現(xiàn)代教育技術(shù)，2024，（10）：23-31.

[3]黃濤，黃文娟，張振梅.人工智能何以賦能教師專業(yè)發(fā)展：理論模型與實(shí)踐路向[J].現(xiàn)代遠(yuǎn)程教育研究，2025，（1）：35-44.

[4]楊帆，陳昊璇，朱永新.人工智能助力教師專業(yè)發(fā)展：價(jià)值定位、現(xiàn)實(shí)制約與制度建設(shè)[J].中國遠(yuǎn)程教育，2024，（4）：58-68.

[5]崔允，王少非.教師專業(yè)發(fā)展即專業(yè)實(shí)踐的改善[J].教育研究，2014，（9）：77-82.

[6][9]陳向明.實(shí)踐性知識(shí)：教師專業(yè)發(fā)展的知識(shí)基礎(chǔ)[J].北京大學(xué)教育評論，2003，（1）：104-112.

[7]KoehlerMJ，MishraP.Whatis technological pedagogicalcontent knowledge？[J]. ContemporaryIssues iTechnologyand Teacher Education，2009，（1）：60-70.

[8]Elbaz F.The teacher's \"practical knowledge\"： Report of a case study[J]. Curriculum Inquiry，1981，（1）：43-71.

[10]李艷燕.人工智能教育應(yīng)用[M].北京：北京師范大學(xué)出版社，2022：5.

[1]DemszkyD，LiuJ，HillHC，etal. Can automated feedback improve teachers’uptakeof student ideas？Evidence froma randomizedcontroledtrial inalarge-scaleonlinecourse[J].Educational EvaluationandPolicyAnalysis，223，（3）：483-505.

[12]YangY，ZuG，SnDeal.Colboratiealytics-uprtedefltiveassssmentfosaoding pr-sictacs collaborativeiquiryand knowledgebuilding[J].International Journalof Computer-Supported CollaborativeLearning， 2022，（2）：249-292.

[13]YeX，LiuP，LeeX，etal.Classroomisbehaviourmaagement： AnSVV-basedtraiingsstemforpreseviceteaces[J]. Interactive Learning Environments， 2021，（1）：112-129.

[14]Schons C，ObersteinerA，ReinholdF，etal.Developingasimulationtofosterprospective mathematics teachers'diagostic competencies： The effects of scaffolding[J]. Journal fur Mathematik-Didaktik，2023，（1）：59-82.

[15]KeF，Dai Z，Pachman M，Yuan X.Exploring multiuser virtual teaching simulationas analtermative learing environment for student instructors[J]. Instructional Science，2021，（6）：831-854.

[16]Rakap S. Chating with GPT：Enhancing individualized education programgoal development for novice special education teachers[J]. Journal of Special Education Technology， 2024，（3）：339-348.

[17]Elmaadaway M A N， Abouelenein Y A M. In-service teachers’TPACK development through an adaptive e-leaming environment （ALE）[J]. Education and Information Technologies，2023，（7）：8273-8298.

[18]Perreault WD，LeighLE.Reliabilityofnominal data basedonqualitative judgments[J].JournalofMarketingResearch， 1989，（2）：135-148.

[19]HedgesL V.Distributiontheoryforglassestimatorof efect sizeandrelatedestimators[J].JournalofEducational Statistics， 1981，（2）：107-128.

[20]HiggnsJPT，TompsonSG，DeeksJJ，etal.Measuring inconsistencyinmeta-analyses[J].TheBritishMedicalJoural， 2003，（7414）：557-560.

[21]李彤彤，龐麗，王志軍.翻轉(zhuǎn)課堂教學(xué)對學(xué)生學(xué)習(xí)效果的影響研究——基于37 個(gè)實(shí)驗(yàn)和準(zhǔn)實(shí)驗(yàn)的元分析[J].電化教育 研究，2018，（5）：99-107.

[22]Cohen J.Statistical power analysis for thebehavioralsciences （2ndEdition）[M].New York： Routledge，1988：25-27.

HowEffective is the Empowerment of Teachers' Professional Development by Artificial Intelligence？

Based on the Meta-analysis of 33 Experimental or Quasi-experimental Studies

WANG Meng-Qian1，2 WANGFan1 LI Jing-Zhao1 SHIYi-Ran1

（1.CollegeofEducation，Capital Normal University，Beijing， China 100048;2.InstituteofArtificial IntellgenceEducation，CapitalNormal University，Beijing，China00048）

Abstract： Teachershave playedanimportant roleinthe integration ofartificial intelligence（AI）andeducationand teaching， yetthe actualefectivenessofAIinempowering teachersprofesional development remainsunclear.Inthisregard，through literature retrieval andscreening，the paper conducted a meta-analysisof 33 experimental orquasi-experimental studies， including thecalculationof thecombinedeffctvalue，heterogeneitytesting，intergroupefectanalysis，and moderatoreffect testingof the includedsample literature.Theresultsshowed that，overall，AIdemonstratedamoderatelyhigh empowerment effct on teachers’professionaldevelopment；inmoredetail，AIhadahigh-levelempowermenteffectonprofessional developmentof teachers’theoretical knowledgeandamoderately high efectontheir professional developmentof practical knowledge.Inaddition，theapplicationsenariosofAI，typesofAI， teachingcontexts，teachingsubjects，eaching stages，nd experimental period exhibited varying degres of moderating efects on the empowerment outcomes. Based onthese findings， this paper proposed suggestions forimproving theefectofAIempowering teachers’ professional development，withtheaim of promoting constructing high-quality teacher teams in theAIeraand further advancing the in-depthapplicationofAI in the field of education.

Keywords：artifcalitelligece;tachrprofessoaldevelomet;meta-aalsis;mpowemntefft;teachrteacosuction