教師對XR技術的教學采納行為意愿研究

【中圖分類號】G40-057【文獻標識碼】A【論文編號】1009—8097（2025）05—0042—10【DOI】10.3969/j.isn.1009-8097.202505.005

一研究背景與重點問題

2022年11月，工業和信息化部、教育部等五部委聯合發布《虛擬現實與行業應用融合發展行動計劃（2022-2026年）》，指出要推進“虛擬現實 ?+ 教育培訓”，在中小學校、高等教育、職業學校建設一批虛擬現實課堂、教研室、實驗室與虛擬仿真實訓基地，通過開發基于虛擬現實技術的數字課程資源，推動教學模式的升級變革，打造支持自主探究、協作學習的沉浸式新課堂[]。在當前大力推進教師數字素養提升培訓工作的背景下，教師對新技術的教學采納意愿被視為衡量培訓質量的重要指標。近年來，以VR、AR、MR為代表的擴展現實（Extended Reality，XR）技術與 5G、AI技術逐漸融合，使各種元宇宙場景得以實現，基于XR技術的沉浸式學習受到推崇。為此，Natale等2針對18項XR技術在教育領域的應用案例進行分析，發現XR技術能激發學生的學習興趣與內在動機，可以更有效地促進空間知識表征和知識遷移應用。XR技術最早出現在場館化學習和職業技術教育領域，隨后在高等教育醫學和工程教育中開始應用，而其在基礎教育的應用主要從2018年開始中小學數字智慧校園的規模化建設之后逐漸普及。然而，當前大多數中小學校裝備的XR技術設備主要用于展示，XR技術并沒有在課程教學實踐中發揮作用，現有的培訓也主要針對技術實操層面的內容，而缺少XR技術與課程教學融合的深度應用。為此，本研究設計了面向XR技術創設數字教學資源的教師數字素養提升培訓項目，并在2023年3月 ～2024 年3月期間面向S省8個地市、68個縣區的2106所中小學校啟動。此培訓項目采用網絡自主學習和線下集中學習相結合的混合式研訓模式，重點指導不同學科的教師應用XR可視化編輯工具創建數字教學資源作品，并將資源作品打包發布到沉浸式VR、桌面式VR或移動式AR終端開展情景化教學實踐。為了驗證教師培訓后的應用遷移成效，本研究嘗試設計XR-TAM模型和教師對XR技術的教學采納行為意愿量表，分析參訓教師在教學中采納XR技術的行為意愿，重點探討三個問題： ① 對于參訓教師來說，哪些因素會影響教師對XR技術的教學采納行為意愿？ ② 建構的XR-TAM模型對參訓教師在教學中采納XR技術行為意愿的預測效果如何？ ③ 影響教師在教學中采納XR技術行為意愿的因素之間存在何種關系機制？

二文獻綜述與模型建構

1技術接受采納行為意愿的影響因素

1986年，Davis[3]提出技術接受模型（Technology Acceptance Model，TAM）。此模型被視為預測并解釋技術使用者接受和采納技術的有效解釋性模型，包括感知有用性（Perceived Usefulness，PU）、感知易用性（Perceived Ease of Use，PEOU）和應用態度（Atitude Toward Using，ATU）三個動機變量，以及行為意愿（Behavior Intention，BI）這一結果變量，這四個變量即 TAM模型的內部四因素。之后，國內外學者相繼提出理性行為理論（Theory ofReasoned Action，TRA）、行為計劃理論（Theory ofPlannedBehavior，TPB）和技術接受應用改進模型（Unified Theory of Acceptance and Use of Technology Model，UTAUT），對技術使用者采納技術行為意愿的影響因素進行了擴展，提出了主觀規范、知覺行為控制、應用效能、促進條件、努力期望、社會影響等外部因素。

2教師對XR技術教學采納行為意愿的影響因素

就教師對XR技術的教學采納行為意愿而言，國內外學者基于TAM模型嘗試將更多外部影響因素納入研究范疇，如Manis等[4針對教師使用XR技術設備的意愿研究發現，應用興趣、好奇心和期望價值可作為重要的外部影響因素；華子荀等[5針對VR技術的教學效用分析發現，從軟件、硬件、技術沉浸程度和認知情緒等方面構建擴展 TAM模型，可以預測教師的VR技術教學采納行為意愿；Gharibi等應用改進的TAM模型對游客使用虛擬空間游覽系統的意愿進行研究后發現，知覺行為控制和動機效能是影響游客使用系統的重要因素；Adelana等[7針對職前教師VR應用行為意愿的研究發現，教師的技術準備度和主觀態度會對其VR技術的有用性感知和易用性感知產生顯著性影響。從上述研究來看，這些外部因素都指向教師感知XR 技術的主觀感知、認知情緒和行為控制，由此可將主觀規范（Subjective Norm，SN）和知覺行為控制（PerceivedBehavioralControl，PBC）作為外部影響因素變量。

此外，馮吉兵等8針對教師虛擬實驗設備應用意愿的研究發現，任務技術適配條件和社會影響是預測教師采納虛擬實驗設備行為意愿的重要因素；Du等發現，任務技術適配和使用態度對教師的XR技術有用性感知與易用性感知有顯著性影響；Adelana等[0]發現，社會影響對教師持續應用XR技術的行為意愿有顯著性影響；Chen 等[11]發現，主觀規范和促進條件對教師教學采納沉浸式虛擬現實（Immersive VirtualReality，IVR）技術的行為意愿有顯著性影響；Du等[12]使用UTAUT模型對影響中小學教師接受VR 技術行為意愿的研究發現，社會影響和任務技術適配條件對教師教學采納行為意愿有顯著性影響。從上述研究來看，這些外部因素都指向教師使用技術的績效完成能力和社會周邊對教師的價值影響，由此也可將任務技術適配（Task-technologyFit，TTF）和社會影響（Social Influence，SI）作為外部影響因素變量。

3模型構建與假設提出

綜上，本研究在保留TAM四因素PU、PEOU、ATU和BI的基礎上，納入SN、PBC、TTF和 SI四個外部因素，構建了XR-TAM模型，以對教師XR技術的教學采納行為意愿進行預測分析，如圖1所示。

① 從TAM內部四要素的影響關系出發，本研究提出如下假設：PU對ATU有顯著性影響（H1），PEOU對 ATU有顯著性影響（H2），PEOU對PU有顯著性影響（H3），PU對BI有顯著性影響（H4），ATU對BI有顯著性影響（H5）。

② 從 SN和PBC的外部因素影響關系出發，發現這兩種因素都與BI顯著相關。因此，本研究提出如下假設：SN對BI有顯著性影響（H6），PBC對BI有顯著性影響（H7）。

③ 從TTF的外部因素影響關系出發，發現TTF對SN、PEOU、PU和PBC都有顯著性影響。因此，本研究提出如下假設：TTF對SN有顯著性影響（H8），TTF對PEOU有顯著性影響（H9），TTF對PU有顯著性影響（H10），TTF對PBC有顯著性影響（H11）。

④ 從SI的外部因素影響關系出發，發現SI對PBC、PU、ATU、SN都有顯著性影響。因此，本研究提出如下假設：SI對PBC有顯著性影響（H12），SI對PU有顯著性影響（H13），SI對ATU有顯著性影響（H14），SI對SN有顯著性影響（H15）。

此外，本研究還從人口統計學變量提出延伸性假設：BI在性別、年齡、教齡、學科專業、學校類型和資源使用習慣等方面的不同水平之間存在顯著性差異（H16）。

三研究設計與工具研制

1研究設計

本研究針對S省義務教育階段的中小學教師開展了基于XR技術的教師數字素養培訓，包括全員教師網絡自主研修、部分教師集中培訓和部分教師返崗實踐跟蹤三個階段：第一階段是教師登錄省級教師數字素養研訓平臺開展為期6個月的網絡研修，包括元宇宙教學空間建設和XR數字化學科教學資源創建兩部分內容，教師通過學習微視頻和資源案例來完成兩個實踐作品（如圖2、圖3所示），共有9601名教師完成了本階段研修；第二階段是從第一階段的9601名教師中，遴選作品成績優秀的245 名教師參加 S省教師教育指導中心組織的五天集中培訓，通過學習工作坊來提升教師應用XR技術的教學策略技能；第三階段是對參加集中培訓的245名教師進行返崗實踐跟蹤，開展教師對XR技術教學采納行為意愿的調查。

2工具編制

為確保編制工具的科學性和有效性，本研究根據Davis[13]設計的TAM量表、Scherer等[14]改進的TAM量表、Raffaghelli等[15]研制的UTAUT量表、Du等[編制的VR應用意愿量表以及Wu等[7]編制的MOOC采納量表，開發了教師對XR技術的教學采納行為意愿量表，包括兩部分：第一部分為人口統計學變量調查表，包括年齡、性別、教齡、學科、數字資源使用習慣、數字資源使用頻率等題項；第二部分為具體測評量表（這部分為本研究關注的重點內容），包括ATU、SN、PBC、PU、PEOU、TTF、SI、BI共8個維度24個題項，部分內容如表1所示。量表采用季克特5點計分方式，用 1～5 分表示從“非常不同意”到“非常同意”。

3數據收集

調查對象為參加 S省教師數字素養培訓的中小學教師，涉及道德與法治、語文、歷史、數學、英語、地理、科學、物理、化學、生物、信息科技、體育和音樂13個學科。量表通過省級教師數字素養研訓平臺發放，平臺具備題目遺漏項排查和一致性審核功能，在一定程度上保證了數據采集的有效性。試測于2023年3月 ～5 月面向參與第一階段網絡自主研修的教師進行隨機調查，回收量表479份，有效量表457份；正式施測于2024年2月面向245名參加集中培訓的教師進行調查，回收量表245份，有效量表225份。

4工具分析

本研究將試測階段采集的457份數據導入SPSSStatistics 25.0，首先對原量表進行題項分析，從遺漏值、均值、偏度系數、高低組別獨立樣本t檢驗、修正題目與總體相關性、刪除題項后的Cronbach'sα值六個方面進行判斷[18]，結果顯示：沒有遺漏項；均值范圍為 2.88～3.76 ；偏度系數的絕對值范圍為 0.41～ 0.95；高低組別獨立樣本t檢驗的結果存在顯著性差異，指標良好；在修正題目與總體相關性判斷分析結果中，TI4的系數值為 0.135lt;0.3 ，指標不良；原量表整體Cronbach'sα值為0.948，刪除TI4后的Cronbach'sa值為0.952，指標不良，需刪除TI4“學生想要接受XR學習的想法促使我在教學中應用XR技術”題項。

之后，本研究對原量表進行結構效度分析。本研究通過KMO和Bartlett檢驗量表是否適合進行探索性因子分析，結果顯示：整體KMO值為0.930，累計解釋方差為 66.48% ，Bartlett球形檢驗顯著性特征值為0.000 （ _plt;0.01 ），收斂效度和區分效度良好，適合進行探索性因子分析。對原量表進行主成分分析，以主軸因子法提取特征值大于1的因子，共得到8個公共因子。采用最大變異法正直交轉軸范式判斷因子矩陣，用直接斜交法轉軸方式進行結果解釋，將不達標題項刪除，結果顯示：TI12、TI15、TI17、TI20的因子載荷小于0.45，予以刪除；TI24有多重負荷，既被聚類到因子2，又被聚類到因子8，予以刪除。對修正的量表進行探索性因子分析，結果顯示8個因子的特征值大于1.0，聚類結果如表1所示，修正的量表包括18 個題項。

最后，對修正的量表進行各維度和整體信度檢驗，結果顯示：整體Cronbach'sα值為0.931，各維度的Cronbach'sα值處于 0.759～0.895 之間，說明修正的量表具有較高的信度，可用于正式施測。

四正式施測與研究結果

本研究面向完成集中培訓的245名教師在返崗實踐階段進行正式實施，經過平臺答題時間和題項一致性篩查，回收有效量表225份。本研究首先對量表的整體能力水平進行分析，經計算得到各題項均值 _=3.87 gt;3.00 ，標準差在 0.55～0.84 之間，整體水平較好，說明參訓教師對XR技術的教學應用持積極態度，量表數據適合做預測性檢驗。之后，本研究將225份量表導入SmartPLSV4.0軟件，應用偏最小二乘法結構方程模型（Partial Least Squares Structural Equation Modeling，PLS-SEM）進行檢驗。

1模型的可靠性與效度檢驗

本研究使用 SmartPLSV4.0軟件對XR-TAM模型進行了驗證性因子分析，結果如表2所示。根據Hair等[19]提出的Cronbach'sa值 gt;0.7 、組合信度（CR）值 gt;0.7 、聚斂效度（AVE） gt;0.5 且CR值要高于AVE值的要求，本研究對各維度的Cronbach'sa、CR、AVE 進行檢驗的結果顯示：各維度值均符合要求，說明模型具有良好的信度和聚斂效度。同時，本研究采用標準化殘差均方根（Standardized Root Mean SquareResidual，SRMR）和方差膨脹因子（Variance InflationFactor，VIF）方法對模型的擬合度進行檢驗[20]，結果顯示：SRMR值 _.=0.059 ，擬合指數（NFI） =0.913 ，擬合的協方差水平VIF值在 1.598～4.012 之間，滿足VIF臨界值要小于5的要求，說明模型的擬合程度良好。

此外，本研究還對XR-TAM模型中各維度之間的區分效度（DV）進行了檢驗，通過異質性、單一性比率進行模型各維度之間的關系值分析，要求各維度的關系值小于 0.9^[21] ，結果顯示各變量兩兩之間的標準化相關系數在 0.711～0.893 之間，且相關系數值小于該對應的AVE值的平方根，說明測量模型各維度之間的區分效度良好。

2模型的預測性檢驗與路徑關系分析

本研究對XR-TAM模型進行PLS-SEM檢驗，對代表模型預測能力的決定系數 R² 和模型內生變量相關系數 Q² 進行分析。Kock[22]指出， R² 表示自變量對因變量的預測解釋程度，其中 R² 值為0.67、0.35、0.19分別代表顯著、中等、較弱的預測解釋能力，同時 R² 值 gt;0.5 ， Q² 值 gt;0 ，說明預測效果較強。結果顯示，模型中BI、PU、PBC、ATU、PEU、SN的 R² 值分別為0.764、0.669、0.657、0.655、0.596、0.516，符合要求，說明具有較好的預測能力；同時，使用 Blindfolding 算法對模型內生變量預測的相關性進行檢驗，模型中BI、PU、PBC、ATU、PEU、SN的 Q² 值分別為0.628、0.517、0.498、0.459、0.345、0.477，符合要求，說明模型適配性良好，分析結果如圖4所示。

本研究采用路徑分析法對各維度之間的直接、間接和總體效應關系進行檢驗，結果如表3所示。根據Correll 等[23]對功效分析中不同估計效應值關系的解釋，兩個潛在變量之間的效應量越大，關系就越強，據此提出路徑分析效應量標準：大于0.5時為強效應，在 0.2～0.5 之間時為中等效應，小于0.2時為弱效應。

由表3可知，在XR-TAM模型中，對ATU最有效的影響因素是TTF（ ₁=0.502 ），通過間接關系產生強效應影響，而PU（ _?β=0.381 ）、PEOU（ β=0.420 ）和SI（ _β=0.201 ）對ATU具有中等效應影響。對BI影響效應最大的是TTF（ _?β=0.794） ，是通過間接關系產生強效應影響；其次為PU（ β=0.339 ）、PBC（ β=0.316） 、SN（ β=0.284 ）和ATU（ β=0.232 ），這些變量對BI具有中等效應影響，其中PBC、SN、ATU與BI都是直接關系，而PU與BI同時具備直接關系和間接關系，其中直接關系程度更大；PEOU（ β=0.140 ）和SI（ β=0.131 ）對 BI的影響為間接的弱效應。對 PU、PEOU、SN 和 PBC 來說，TTF 的總體效應值分別為0.791、0.698、0.882、0.772，表明TTF對上述變量具有強效應影響。對PBC來說，SI（ _β=0.268 ）通過直接關系產生了中等效應影響。

3研究假設的驗證分析

XR-TAM模型的路徑系數估計和顯著性檢驗結果如表4所示，可以發現在15個假設中，有13個成立，2個不成立，具體如下： ①Hl 、H2、H3、H4和H5都成立，原始TAM模型中的四個因素變量關系假設都得到了支持； ②H6 和H7成立，SN和PBC對BI的顯著性影響關系假設都得到了支持； ③H8 、H9、H10、HI1成立，TTF對 SN、PEOU、PU和PBC 的顯著性影響關系假設都得到了支持； ④Hl2 和H14成立，SI對PBC和ATU的顯著性影響關系假設都得到了支持； ⑤H13 和H15因未達到顯著水平，假設不成立，說明SI對PU和SN的顯著性影響關系假設不被支持。

此外，針對H16，本研究發現BI在部分人口統計學變量之間存在顯著性差異，主要表現為： ① 對年齡、性別、教齡與教師應用意愿進行多因素方差分析，發現在主效應層面沒有顯著性差異，但是 26～35 歲年齡段、 15～20 年教齡段教師的BI在性別上存在顯著性差異，表現為女教師強于男教師。 ② 采用單因素方差分析來探討學科對教師采納意愿是否有顯著性影響，結果顯示 F=3.22 ， plt;0.001 ，說明學科對教師的BI具有顯著性影響，其中外語、語文、數學和科學類學科教師的BI均值普遍高于其他學科教師。 ③ 將教師在省級研訓平臺使用的資源數量和使用頻率進行均值量化，與BI進行Pearson相關分析，相關系數值為0.147， plt;0.05 ，說明數字化資源使用習慣、使用頻率對教師的BI具有顯著性影響。

五研究結論及應用啟示

經驗證，本研究提出的大部分假設成立： ① 原始TAM模型的五個假設都成立，但PEOU對PU的顯著性影響效應程度不高，這與已有研究中PEOU對PU具有強效應影響的結論不相符[24]；同時，ATU對BI具有直接的顯著性影響，說明要高度關注教師對XR技術的應用態度。 ② SN、PBC和TTF都對BI具有積極的顯著性影響，這與 Shih等[25的研究結論一致，其中 SN和PBC對BI具有直接的顯著性影響，說明學校領導支持、培訓服務體系和教學相關制度等是教師在教學中采納XR技術的首要原因。 ③ TTF對BI的影響最大，說明使參訓教師感知XR的先進性、易用性及其對情境教學的支持效果非常重要，同時培訓中有關XR技術的培訓內容要適應和匹配教師的個性化差異特征。 ④SI 對PU和SN沒有顯著性影響，對PBC和 ATU具有弱效應的顯著性影響，這與Wu等2的研究結論不一致，說明教師感知XR技術的社會影響更多地源于自身的知覺行為控制和主觀態度。因此，培訓要重點關注對教師新技術應用價值認同感的塑造，提升教師在培訓中的主觀應用態度和技術控制效能。

從影響關系的整體效應來看，TTF對BI具有強效應影響，PU、PBC對BI具有中等效應影響： ① 從TTF來看，路徑‘ ^°TTF→SN→BI^° （ β=0.250; ）的影響最大，說明培訓從技術層面改變教師的主觀價值可以增強其教學采納行為意愿；路徑 ⁶⁶TTFPBCBI^′ （ β=0.244 ）的影響次之，說明提升教師對XR技術的操作能力可以增強其教學采納行為意愿；路徑“TTF PU （PU ATU） -BI^′′ （ β=0.229 ）也具有中等程度的影響，說明提升培訓內容的針對性和實用性可以增強教師的教學采納行為意愿；路徑“TTF PEOU ATU BI”（ _β=0.058 ）的影響非常小，說明提升XR技術設備操作的易用性不具有可行性。 ② 從PU和PBC來看，其與BI都有直接關系，具有中等效應影響，說明在培訓中提升教師在教學中應用XR技術的獲得感和控制感可以促進其教學采納行為意愿。

而人口統計學變量與教學采納行為意愿的相關性分析結果表明： ①26～35 歲、 15～20 年教齡段的女教師更愿意使用XR技術，數字資源使用習慣會顯著影響教師的行為意愿，這與Mayer[27]的研究結論相符合，說明人的先前經驗對其關注內容有引導作用。 ② 語言和理工類學科教師更愿意使用XR技術，這與已有的相關研究結果一致，如毛耀忠等[28]發現IVR技術對語言、數學、科學等學科的學生成績提升作用更大，Chen 等[29]發現構建XR場景有利于減少語言學習焦慮。因此，設計培訓項目要強化精準性，做好參訓教師的組織遴選和訓前診斷分析，關注特定教師人群和教師已有的數字化經驗。

本研究基于XR-TAM模型開發了教師對XR技術的教學采納行為意愿量表，并在S省教師數字素養培訓的網絡自主研修階段對457名教師進行了試測，在返崗實踐階段對完成全部培訓任務的225名教師進行了正式施測，結果發現量表具有較好的信效度，可用于教師數字素養培訓遷移效果或教師對新技術教學采納意愿場景的調查分析。本研究發現，教師對XR技術的任務技術適配、感知有用性和知覺行為控制是影響教師對XR技術教學采納行為意愿的重要影響因素，這為面向新技術場景的教師數字素養培訓提供了啟發： ① 關注對教師培訓內容的進階性設計，從教師發展轉向專業學習，面向新技術場景創設問題導向的學習工作坊，從文化視角使技術、內容與學習者的內在需求相統一，提升教師的設計思維與環境創設能力。② 關注對培訓效果的迭代性研究，從實踐經驗走向數據循證，借助數智技術為培訓項目的全過程進行動態賦能，構建集培訓項目分析、設計、實施、評價和研究于一體的迭代發展路徑。 ③ 厘清教師數字素養標準實踐場域下的系統性問題，將國家智慧教育平臺與教師數字素養行動融合落地，從國家導向的規模化演進逐漸走向區域示范的個性化發展，不斷促進新技術賦能教師隊伍建設的路徑創新。

參考文獻

[1]DiNataleAFRepetoC，RivaG，etal.Immersive virtualrealityinK-1and highereducation： A1-earsystematiceview of empirical research[J]. British Journal of Educational Technology， 2020，（6）：2006-2033.

[2]工業和信息化部，教育部，文化和旅游部，等.虛擬現實與行業應用融合發展行動計劃（2022-2026年）[OL].

[3][13]DavisFD.Perceivedusefulness，perceivedeaseofuse，anduseraceptanceofinformationtechnologyJ].MQuarterly 1989，（3）：319-339.

[4]Manis K T， ChoiD.The virtualreality hardware acceptance model （VR-HAM）： Extending and individuating the technology acceptance model （TAM） for virtual reality hardware[J]. Journal of Business Research，2019，（7）：503-513.

[5]華子荀，歐陽琪，鄭凱方，等.虛擬現實技術教學效用模型建構與實效驗證[J].現代遠程教育研究，2021，（2）：43-52.

[6]Gharibi N，Rudsari SMM，AliF，etal.Understanding XRtechnologyacceptancebyphysicallydisabled touristsin museums[J]. Tourism and Hospitality Management， 2022，（3）：661-682.

[7]l0]AdelanaOPAyanwaleMA，IholaAM，etal.Exploring pre-serviceteachersintentiontousevirtualreality：Amied method approach[J]. Computers amp; Education： X Reality， 2023，3：100045.

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

[9][16]Du W，Liang R，Liu D.Factors influencing school teachers’continuous usage intention of using VR technology for classroom teaching[J]. Sage Open， 2022，（3）：1-16.

[11]Che C Q， Wang CY，Shan XF，et al.An empirical investigationofreasons influencing pre-service teachers aceptance and rejection of immersive virtual reality usage[J]. Teaching and Teacher Education， 2024，137：104391.

[12]Du W，Liang R.Teachers'continued VR technologyusage intention： Anapplicationof the UTAUT2 model[J].SAGEOpen， 2024，（1）：1-17.

[14]24]SchererR，SiddiqFTondeurJ.Thetechnologyacceptance model （TAM）： Ameta-analyticstructuralquationodeling approach to explaining teachers'adoptionofdigitaltechnology ineducation[J].Computersamp;Education，2019，128：13-35.

[15]Rafaghell JE， Rodriguez ME， Guerrero-Roldn A E，et al.Applying the UTAUT model to explain the students’ acceptance of an early warning system in higher education[J]. Computers amp; Education， 2022，182：104468.

[17][26]Wu B， Chen X. Continuance intention to use MOOCs： Integrating the technology acceptance model （TAM） and task technology fit （TTF） model[J]. Computers in Human Behavior， 2017，67：221-232.

[18]涂金堂.量表編制與 SPSS[M].臺灣：五南圖書出版社，2012：86-98.

[19]Hair JF，RingleC M，Sarstedt M.PLS-SEM： Indeeda silverbulet[J]. Journal of Marketing Theoryand Practice， 2011，（2）：139-152.

[20]HenselerJ，Ringle CM，Sarstedt M.Anewcriterion for assessing discrimiantvalidityinvariance-basedstructural equation modeling[J]. Journal of the Academy of Marketing Science， 2015，43：115-135.

[21]LeguinaA.Aprimeronpartial leastsquares structural equation modeling（PLS-SEM）[J]. Iternational JouralofReseach amp; Method in Education， 2015，38：220-221.

[22]Kock N. WarpPLS user manual： Version 6.0[R].Texas： ScriptWarp Systems， 2017：47-60.

[23]CorrellJ，MellingerC，McClellandGH，etal.AvoidCohen's“small，“meium”，and\"large”forpoweranalysis[J].Trends in Cognitive Sciences，2020，（3）：200-207.

[25]Shih YY， Chen CY.The studyofbehavioral intention for mobile commerce： Via integrated model of TAMandTTF[J]. Quality amp; Quantity， 2013，（2）：1009-1020.

[27]MayerRE.The Cambridge handbook ofmultimedialeaming[M]. Cambridge： CambridgeUniversityPress，20o5：201-212. 50

[28]毛耀忠，劉旭東，宋曉琴.沉浸式虛擬現實對學生學習績效的影響——基于 54 項實驗和準實驗研究的元分析[J].現代 遠程教育研究，2023，（1）：93-102. [29]Chen MR A， Hwang G J. Efects of experiencing authentic contexts on English speaking performances，anxiety and motivationofEFLstudents with diferentcognitive styles[J]. Interactive Learning Environments，2022，（9）：1619-1639.

Research on Teachers’Teaching Adoption Behaviour Wilingness of XR Technology Based on the Empirical Investigate on Digital Literacy Training for Teachers in S Province

GE Wen-Shuang1，2，3 YAN Jing-Xin1，3

（1.Modencinloebatofcatinstrialesityia;2. Teacher and Cadre Training College，Shaanxi Normal University，Xi'an，Shaanxi，China 710062;3.ShaanxiProvincial TeacherEducationGuidanceCenter，Xi'an，Shaanxi，China 70062）

Abstract： How teacherscan efectively integrate and apply thenew technologies learned intraining into theircourseteaching has become apressingisue tobe solvedinthedigital literacytraining for teachers.Basedonthis，relyingonthe techology acceptance model （TAM），this paper designed the XR-TAM model and the scale of teachers' teaching adopting behavioral wilingnessof XR （extendedreality）technology.Throughtrial testingand formal testing ofthe scale，as wellastheresearch andanalysisoftraining outcomes indigital literacytraining for teachers iSProvince，itwas foundthatthescaleexhibited strongreliability，validityand predictability，confirming itssuitabilityforwidespreadapplication.Meanwhile，thetask technologyadaptation，perceived usefulnessand perceived behaviorcontrol were the importantfactors influencing teachers' teaching adopting behavioral wilingnessofXR technologyandshouldbe givendue attention.Andfocusing on theprogressive design of teacher training content and the iterative research on training outcomes，and clarifying the systemic isues in the practical fieldof teacherdigitaliteracystandards，couldcontributetopromoting teachingadoptionand transferappicationof newtechnologyafer teachers’participation intraining.Through empiricalresearch，this paper providedassssmenttoolsat the teacher level fromthe perspectiveof theeffective transferappicationof tchnology，oferingareferentialapplicationcase for conducting digital literacy training for teachers in the new era.

Keywords： digitaliteracyofteacher;XRtechnology;technologyaceptancemodel; teachingadoptionbehaviour;application willingness