GenAI賦能教師跨學科教學素養的培養

2022年教育部發布的《義務教育課程方案（2022年版）》指出，各門課程原則上至少要用 10% 的課時設計跨學科主題學習[。然而，目前我國教師隊伍的培養主要處于分科教育狀態，具備跨學科背景與教學能力的師資有限，這導致教師開展跨學科主題教學的能力尚有不足[。因此，培養教師跨學科教學素養，提升其開展跨學科主題教學實踐的能力，成為落實新課標精神、促進教師專業發展的關鍵[3]。GenAI能夠基于人類指令生成多模態資源，推動知識生產與傳播模式的變革，給教師帶來了專業知識增長、能力提升和情意滋養等方面的機遇[4]。從理論上來說，GenAI擁有海量的跨領域資源，具備強大的情境理解、內容生成等能力，能夠解答教師跨學科知識方面的疑惑、支持跨學科教學實踐的過程評價與反饋，有助于提升教師的跨學科教學素養。然而，目前缺乏GenAI應用于教師跨學科教學實踐的實證研究，其賦能教師跨學科教學素養培養的路徑與效果也比較模糊。基于此，依托本研究團隊自主開發的GenAI工具——“跨科三問”智能平臺，本研究嘗試在一門培養在職教師跨學科教學素養的實驗課程中探究該平臺對在職教師跨學科教學素養的影響和在職教師的使用體驗，以期為GenAI賦能教師跨學科教學素養的培養提供啟示。

一相關研究

1跨學科教學素養的內涵

“跨學科教學”是指教師整合兩門及以上的學科內容、方法來設計并實施教學實踐活動，其難點在于促使學生從跨學科角度運用跨學科知識、技能、方法、思維分析并解決單一學科難以解決的復雜問題。據此，本研究將“跨學科教學素養”定義為教師在整合兩門及以上的學科內容、方法來設計并實施教學實踐活動過程中體現出的綜合素養。在構成上，朱德全等提出跨學科教學知識、跨學科教學能力和跨學科教學情意三維一體的教師跨學科教學素養模型，為本研究分析教師的跨學科教學素養提供了理論支撐。54

2GenAI賦能教師教學的現狀

（1）GenAI能有效支持教師開展日常教學，但對教師自身發展的關注不足

教師主動適應并積極利用GenAI開展教學活動的現象日益普遍，教師角色也將由基于人工智能的機師與人師協同承擔[]。為此，現有研究從理論層面分析了GenAI對教師工作的變革，如GenAI輔助教師設計學習資源、為學生提供學習支持服務的理論框架與推進路徑等[8]P]。而相關實踐探索主要集中在三個方面：① GenAI輔助教師進行教學設計，如課前學習目標制定、課中問題答疑、課后測評任務布置等[10]; ② GenAI輔助教師開展教學，并發現其相較于傳統的智能輔導系統，能為學生提供更準確的輔導內容和更好的使用體驗[11]； ③ GenAI輔助教師實施教學評價，并發現生成式的評價反饋能夠提高學生的學習質量[12]。

然而，GenAI是一把“雙刃劍”——“人機共存”的教學新樣態在顛覆傳統的“以人為師”育人理念的同時，也會使人師的教學權威性出現旁落危機[13]。因此，教師需發揮“人在回路”的作用[14]，省思GenAI時代自身應承擔的職責，并不斷提升專業素養，以掌握教學主導權，避免人為物役。然而，現有研究多聚焦于教師利用GenAI開展教學的效果，對GenAI促進教師自身專業能力發展的實證探究相對不足。

（2）GenAI能變革教師專業發展模式，但對教師跨學科教學素養關注較少

2022 年，教育部等八部門印發《新時代基礎教育強師計劃》，強調“深入實施人工智能助推教師隊伍建設試點行動”[15]。可見，我國高度重視人工智能技術在助力教師專業發展上所起的重要作用。理論上來說，GenAI基于對教師知識學習、教學行動、實踐反思的監測與干預，能在智能化教育環境、數字化培訓課程、多元化研修活動、生成式教學實踐等典型場景賦能教師專業發展[10[1]。而在實踐中，王龔等[18]結合元宇宙、GenAI等技術，構建了具有強體驗、富交互、高擬真和生成性的低風險教學實訓環境，并發現與常規的微格實訓相比，其具有更真實的教學體驗，能更有效地促進職前教師對教學過程的反思、改進與遷移。Chang等[]提出了基于ChatGPT的教師專業發展培養模式，并發現相較于常規的培訓模式，其更能提高臨床教師的學習成績、自我價值感和自信心。

然而，目前基于GenAI的教師培訓內容主要體現在提升教師的數字素養、學科專業知識與技能等方面，缺乏對跨學科教學素養的關注，使得GenAI推動教師跨學科教學素養發展方面的潛力尚未得到充分釋放。

（3）GenAI能促進教師的跨學科教學素養發展，但缺少相應的方法與工具

已有研究從理論上探討了GenAI在發展教師跨學科教學認知能力、提升教師跨學科教學設計能力、創新教師跨學科教學實施能力、優化教師跨學科評價能力等方面所起的重要作用[20][21[2]。然而，目前仍然缺少GenAI促進教師跨學科教學素養發展的具體方法，也缺乏相關的實踐案例，難以為教師提供有效的實際指導。此外，要想發揮GenAI在上述場景中的教育價值，需要有與之相適配的GenAI工具[23]。目前，盡管一些諸如 Khanmigo、星火語伴、MathGPT等教育領域專屬的GenAI工具不斷涌現，但仍然缺少專門用于支持教師跨學科教學素養提升的GenAI工具。

綜上，GenAI具有提高教師跨學科教學素養的巨大潛力，但相關研究主要停留在理論探討層面，缺乏GenAI促進教師跨學科教學素養發展的實證研究。為此，本研究嘗試設計一門培養在職教師跨學科教學素養的實驗課程，并通過該課程驗證“跨科三問”智能平臺在提升在職教師跨學科教學素養方面的有效性和在職教師的使用體驗。本研究重在解決以下問題： ① “跨科三問”智能平臺對在職教師跨學科教學素養有何影響？ ② “跨科三問”智能平臺對在職教師GenAI應用的自我效能感有何影響？ ③ 在職教師對“跨科三問”智能平臺的接受度與使用意愿如何？

二實驗課程設計

現有GenAI工具的研發大多基于通用大模型而非教育領域垂直大模型，這導致其在教育應用中存在諸多局限，如生成的內容知識真假難辨[24]。為此，本研究團隊結合現有的大語言模型和跨學科教學相關的知識庫，利用知識圖譜、增強檢索提示詞等技術，開發了一款GenAI工具——“跨科三問”智能平臺。該平臺主要用于幫助教師解決跨學科教學中的疑問，并輔助其完成跨學科教學設計。本研究以“跨科三問”智能平臺為例，來探究GenAI工具對在職教師跨學科教學素養的影響和在職教師的使用體驗。

1實驗對象

本研究采用方便取樣的方法，選取廣東省B大學2024級的144名非全日制碩士研究生為實驗對象。這些碩士生均為中小學在職教師，具有 1～2 年的教學經驗。其中，男生24名，女生120名。

2實驗環境

本研究使用的GenAI工具為“跨科三問”智能平臺，主要提供兩大功能： ① 跨學科教案生成。本研究團隊參考跨學科教學的相關文獻和優秀的跨學科教案，結合一線教研經驗，設計了基本信息、學情分析、課標分析、教學內容分析、教學目標分析、教學評價設計、案例背景、學習活動與設計意圖、理論基礎與案例設計理念、工具與資源選擇十個跨學科教案組成模塊，而“跨科三問”智能平臺能夠輔助教師一步式或多步式地設計這些模塊。 ② 跨學科知識問答。“跨科三問”智能平臺含有豐富的跨學科教學案例，能夠協助教師分析并學習跨學科教案，解答跨學科內容、教學法知識等方面的疑難困惑。

相較于其他通用型GenAI工具，“跨科三問”智能平臺主要具有三大優勢： ① 基于跨學科教學設計領域的知識庫（包含跨學科教學優秀案例、課程標準和跨學科課程開發規范等）構建知識圖譜，使得其生成的與跨學科教學相關的內容更加準確。 ② 不僅為教師提供了事先設計好的、可供編輯的提示詞，還通過增強檢索提示詞技術進一步優化了教師的提問內容，從而增強了其生成內容與教師需求的相關性。 ③ 設計與開發參考了跨學科教學相關的教育學理論和優秀案例，提升了其生成的跨學科教案的科學性與可操作性。

3實驗課程框架

考慮到在職教師的時間安排存在一些現實困難，本研究僅邀請他們參加了為期四天的實驗課程。實驗課程框架如圖1所示，其中理論課程主要用來幫助在職教師學習跨學科教學相關的知識，而實踐課程主要用來提升在職教師的跨學科教學設計能力。

具體來說，理論課程由基于設計的研究、跨學科概念、跨學科學習、跨學科主題學習四部分組成，其中“基于設計的研究”部分旨在培養在職教師的設計思維，這有助于提升他們與“跨科三問”智能平臺的人機交互效果和跨學科教學設計能力[25][26]，而“跨學科概念”“跨學科學習”“跨學科主題學習”部分旨在提升在職教師的“學科 ⁺ ”教學法知識和跨學科教學認知能力。在完成理論課程的學習之后，在職教師需要參加跨學科教案設計的實踐課程，內容包括跨學科教案的設計、完善和分享，旨在通過實踐應用提高他們的跨學科教案設計能力。

4數據分析工具

（1）前后測的量表工具

本研究使用了四種量表工具，分別測量在職教師的跨學科教學素養、GenAI應用的自我效能感、對“跨科三問”智能平臺的接受度和使用意愿：

① “跨學科教學素養量表”參考朱德全等[27開發的“中小學教師跨學科教學素養測評量表”，包括“學科 + ”內容知識、“學科 + ”教學法知識、跨學科教學認知能力、跨學科教學設計能力、跨學科教學信念、跨學科教學態度六個維度，共設有19個題項。

② “GenAI應用的自我效能感量表”參考Wang等[28]開發的“人工智能自我效能感量表”，包括幫助、擬人化的交互、GenAI舒適度、技術技能四個維度，共設有22個題項。

③ “‘跨科三問'智能平臺的接受度量表\"參考Venkatesh等[29]開發的\"技術接受和使用統一模型（UTAUT量表”，包括期望績效、努力績效、便利條件、社群影響四個維度，共設有16個題項。

④ “‘跨科三問’智能平臺的使用意愿量表”參考An等[30]開發的“英語教師的人工智能使用意愿量表”，共設有5個題項。

上述量表均采用李克特五點量表計分，用 1～5 分表示從“非常不同意”到“非常同意”。經計算，上述量表在前測、后測中的整體Cronbach's a 值均處于 0.899～0.968 之間，表明各量表具有良好的信度。

（2）跨學科教學設計能力評估量規

為進一步調查“跨科三問”智能平臺對在職教師跨學科教學素養中跨學科教學設計能力的影響，本研究參考蔡慧英等[31開發的“跨學科教學設計能力評估量規”，設計了包含跨學科學習情境創設、學情分析、課程標準分析、跨學科教學內容分析、跨學科學習目標制定、跨學科學習評價設計、跨學科學習活動編排、新興技術整合、跨學科內容整合九個維度的“跨學科教學設計能力評估量規”。兩名研究人員依據該量規對各小組設計的跨學科教案質量進行 1～5 級量化打分，用 1～5 分表示從“質量非常低\"到“質量非常高”，以評估在職教師的跨學科教學設計能力。經計算，該量規內部一致性檢驗的Kappa 系數為0.802，表明兩名研究人員的評分結果具有較高的一致性。

5實驗課程實施

實驗課程的實施按時間順序共分為五個階段： ① 理論講授階段（第 1～2 天），本研究團隊按照實驗課程框架研發了相應的教學資源，并在第一天、第二天的課中完成相應內容的講授。 ② 實驗前測階段（第2天），本研究團隊在第二天的課后組織在職教師完成“跨學科教學素養量表”和“GenAI應用的自我效能感量表”的填寫。之后，本研究團隊將在職教師分為31個小組（每組 4～5 人），以合作的形式完成跨學科教案設計，并為各小組提供跨學科教案設計模板，以保證跨學科教案設計的規范性。 ③ 跨學科教案完善階段（第3天），本研究團隊在第三天的課中組織在職教師接受“跨科三問”智能平臺的使用培訓，并要求各小組在該平臺的支持下完善其在課前設計的跨學科教案。 ④ 跨學科教案分享階段（第4天），本研究團隊在第四天的課中組織各小組分享其設計的跨學科教案。 ⑤ 實驗后測階段（第4天），本研究團隊在第四天的課后組織在職教師完成“跨學科教學素養量表”“GenAI應用的自我效能感量表”“‘跨科三問'智能平臺的接受度量表”和“‘跨科三問’智能平臺的使用意愿量表”的填寫。

三實驗分析

本研究通過“問卷星”在線調查在職教師的跨學科教學素養、GenAI應用的自我效能感、對“跨科三問”智能平臺工具的接受度和使用意愿。經統計，共有126名在職教師完整地填寫了前測、后測中使用的量表，有28個小組按要求完成了兩份跨學科教案的設計。對此，本研究通過配對樣本Wilcoxon符號秩檢驗，分析在職教師的跨學科教學素養量表得分、跨學科教學設計能力評估量規得分、GenAI應用的自我效能感量表得分在前測與后測之間是否存在顯著性差異，同時采用描述性統計分析他們對“跨科三問”智能平臺的接受度和使用意愿。

1跨學科教學素養分析

（1）跨學科教學素養量表分析

跨學科教學素養的配對樣本Wilcoxon符號秩檢驗結果如表1所示，可以看出：在“跨科三問”智能平臺的支持下，在職教師的跨學科教學素養在“學科 ⁺ ”內容知識（ ?Z=-5.282 ， plt;0.001 ）、“學科 ⁺ ”教學法知識（ Z=-6.249 ， plt;0.001 ）、跨學科教學認知能力（ Z=-6.384 ， plt;0.001 ）、跨學科教學設計能力C Z=-6.499 ， plt;0.001 ）、跨學科教學信念（ ?Z=–3.803 ， plt;0.001 ）、跨學科教學態度（ ?Z=3.674 ， plt;0.001 ）六個維度均有顯著提升。這表明，跨學科教案的設計與優化過程能夠有效提升在職教師的跨學科教學知識、能力和情意，這與 Lo^[32] 提出的觀點基本一致，即協助教師形成范例型的跨學科教學設計和實施框架是提升教師跨學科教學素養的有效方式。究其原因，可能是在職教師在跨學科教學設計及其優化的過程中，需要理解、把握不同學科的特點與關聯，并對相關知識進行重組與融合，而這一實踐過程提升了他們對跨學科教學的認知與應用能力。此外，由于在職教師設計的跨學科教案沒有應用于教學實踐，本研究沒有進一步測量在職教師的跨學科教學實踐能力，但李寶敏等[33]的研究表明跨學科教學知識和情意對跨學科教學實踐能力具有正向影響。由此可以推測，“跨科三問”智能平臺能有效提升在職教師的跨學科教學素養。

（2）跨學科教學設計能力評估量規分析

跨學科教學設計能力的配對樣本Wilcoxon符號秩檢驗結果如表2所示，可以看出：整體而言，在“跨科三問\"智能平臺的支持下，在職教師的跨學科教學整體設計能力得到了顯著提升（ Z=-4.462 ， plt;0.001） 。董艷等[34的研究從理論層面探討了GenAI 在提升教師跨學科教學設計能力方面的巨大潛力，而本研究為此提供了實證證據。

具體來說，在職教師在跨學科學習情境創設維度有顯著提升（ Z=-3.207 ， plt;0.01 ），主要體現為創設了更具真實性、探究性的跨學科學習情境。在學情分析維度有顯著提升（ ?Z^=-3.758 ， plt;0.001 ），主要體現為更加全面地分析了學生的一般特征、先驗知識與技能、學習困難點。在課程標準分析維度有顯著提升0 ?Z=-3.051 ， plt;0.01 ），主要體現為對課程標準中的學科理念、目標、內容、教學建議等進行了更系統的分析。在跨學科學習目標制定維度有顯著提升（ ?Z=-3.276 ， plt;0.01 ），主要體現為設計的跨學科學習目標更具可操作性。在跨學科學習評價設計維度有顯著提升（ Z=-3.830 ， plt;0.001 ），主要體現為設計的評價方案更加科學、有效，且評價內容與學習目標、學習活動之間具有更高的一致性。在跨學科學習活動編排維度有顯著提升（ ?Z=3.704 ， plt;0.001 ），主要體現為更有能力采用與跨學科教學相匹配的教學模式，并在此基礎上設計跨學科學習活動內容。在新興技術整合維度有顯著提升（ Z=-2.714 ， plt;0.01 ），主要體現為綜合考慮了各類硬件、軟件和多媒體資源，能夠為學生的知識學習、學科探究、小組協作等活動提供有效支持。

此外，在職教師在跨學科教學內容分析維度（ ?Z=-1.811 ， ）、跨學科內容整合維度（ ?Z=-1.732 pgt;0.05 ）沒有顯著提升，且這兩個維度主要停留在跨學科背景與知識整合的層面，較少涉及跨學科思維與方法的整合，這與姚華鑫等[3］提出的觀點基本一致，即跨學科教學內容的“跨而不合”是當前跨學科教學實踐面臨的巨大挑戰。然而，本研究并未有效克服這一挑戰，其原因可能是在職教師使用GenAI工具時主要是在原先跨學科教案的基礎上進行優化，而沒有對跨學科教案進行重構以提高跨學科內容的整合水平。

值得注意的是，在上述維度中，在職教師在課程標準分析維度（ .M=2.464 ， SD=0.744 ）和跨學科教學內容分析維度（ .M=2.714 ， SD=1.150 ）的后測得分相對較低（均低于3分），這表明“跨科三問”智能平臺在這兩個維度上對在職教師的支持效果仍有較大提升空間。

2GenAI應用的自我效能感量表分析

GenAI應用的自我效能感的配對樣本Wilcoxon符號秩檢驗結果如表3所示，可以看出：在“跨科三問”智能平臺的支持下，在職教師GenAI應用的自我效能感在幫助維度（ Z=-3.102 ， plt;0.01 ）、擬人化的交互維度（ Z=-6.148 ， plt;0.001 ）、GenAI舒適度維度（ Z=-5.058 ， plt;0.001 ）、技術技能維度（ Z=-5.482 plt;0.001 ）均有顯著提升。其中，幫助維度的后測得分（ ΔM=4.022 ， SD=0.714 ）最高，這可能是由于該平臺在協助在職教師優化跨學科教案方面發揮了較大的作用；而擬人化的交互維度的后測得分（ M=3.267 ，SD=0.881 ）最低，這可能是由于該平臺主要以文本的形式與在職教師交互，缺乏擬人化的外觀、聲音等特征[。此外，擬人化的交互維度（均值差 ：=0.648. ）和技術技能維度（均值差 ）的后測得分提升最大，這可能是由于該平臺比其他GenAI工具擁有更佳的用戶交互界面和更強的功能模塊。

3“跨科三問”智能平臺的接受度和使用意愿量表分析

描述性統計分析結果表明，在接受度方面，在職教師使用“跨科三問”智能平臺的期望績效維度（M=3.835，SD=0.759） 得分最高，之后依次是便利條件維度 （M=3.722，SD=0.786 、努力績效維度（ ΔM=3.655 ASD=0.807 ）和社群影響維度（ M=3.565 ， SD=0.838 ）。這可能是由于“跨科三問”智能平臺能夠有效引導在職教師改進跨學科教案，在該平臺的使用過程中有助教答疑解惑，加上該平臺的操作界面簡潔、操作過程簡單，且其有效性得到了小組的整體認可，故在職教師對該平臺的接受度較高。而在使用意愿方面，在職教師對“跨科三問”智能平臺的使用意愿均值為3.711（ SD=0.803 ），說明他們傾向于后續繼續使用該平臺。分析原因，這可能是由于該平臺能有效支持在職教師設計跨學科教案、在職教師GenAI應用的自我效能感與對該平臺的接受度較高等多方面原因造成的。

四結論與建議

1研究結論

本研究發現，實驗課程中使用的GenAI工具——“跨科三問”智能平臺，能夠顯著提升在職教師的“學科 ⁺ ”內容知識、“學科 + ”教學法知識、跨學科教學認知能力、跨學科教學設計能力、跨學科教學信念、跨學科教學態度等跨學科教學素養；在“跨科三問”智能平臺的支持下，在職教師的跨學科教學設計能力得到了顯著提升，具體表現為在跨學科學習情境創設、學情分析、課程標準分析、跨學科學習目標制定、跨學科學習評價設計、跨學科學習活動編排、新興技術整合七個維度均有顯著提升，但在跨學科教學內容分析、跨學科內容整合兩個維度沒有顯著提升。實驗課程學習后，在職教師GenAI應用的自我效能感在幫助、擬人化的交互、GenAI舒適度、技術技能四個維度均有顯著提升。此外，在職教師對“跨科三問”智能平臺的接受度較高且傾向于后續繼續使用該平臺。

2促進GenAI賦能教師跨學科教學素養培養的建議

基于上述研究結論，本研究建議從以下方面促進GenAI賦能教師跨學科教學素養的培養：

① 優化用于提升教師跨學科教學素養的GenAI工具。本研究發現，在職教師對實驗課程中使用的GenAI工具——“跨科三問”智能平臺的接受度較高，且傾向于后續繼續使用此工具。基于此，后續研究需繼續優化GenAI工具的相關功能，以更好地支持教師的跨學科教學素養發展。同時，本研究發現在職教師跨學科教學設計能力中課程標準分析、跨學科教學內容分析維度的后測得分相對較低。對此，后續GenAI工具60

應在分析課程標準中的學習評價與資源開發、跨學科教學內容中的跨學科思維與方法等方面為教師提供更多有針對性的幫助。此外，本研究還發現在職教師GenAI應用的自我效能感中擬人化的交互維度的后測得分最低。對此，后續研究可以為GenAI工具設計數字人的形象、聲音等擬人化特征，以增強教師持續使用GenAI工具的意愿[37]，從而促進教師跨學科教學素養的發展。

② 構建GenAI賦能教師跨學科教學素養培養的研訓模式。盡管本研究證明了GenAI工具能夠提高在職教師的跨學科教學素養尤其是其跨學科教學設計能力，但要想充分發揮GenAI工具在提高教師跨學科教學素養方面的潛力，還需構建與之相適配的研訓模式。本研究發現，在GenAI工具的支持下，在職教師跨學科教學設計能力中的跨學科教學內容分析、跨學科內容整合兩個維度沒有顯著提升。對此，后續研究可以在GenAI 賦能教師跨學科教學素養培養的研訓模式中設計頭腦風暴環節，讓教師與GenAI工具圍繞跨學科教學內容，思考這些內容能夠關聯哪些學科，并進一步梳理這些學科所涉知識、技能、方法、思維之間的關系，以提高跨學科內容整合的層次。

③ 深化對GenAI賦能教師跨學科教學素養培養效果的研究。本研究發現，在GenAI工具的支持下，在職教師的跨學科教學素養在“學科 + ”內容知識、“學科 + ”教學法知識、跨學科教學認知能力、跨學科教學設計能力、跨學科教學信念、跨學科教學態度六個維度均有顯著提升。可見，GenAI賦能教師跨學科教學素養培養的效果明顯。然而，考慮到GenAI工具對教師跨學科教學素養的影響可能會在其撤去后受到削弱[38]，后續研究可以進一步調查在GenAI工具撤去后教師跨學科教學素養的具體表現。

需要說明的是，本研究也存在一些局限，如采用方便取樣的方法，未對研究對象的性別、教學經驗、GenAI的應用水平等做嚴格的控制，致使樣本的代表性不足；受課時限制，在職教師在為期4天的實驗課程中未將跨學科教案付諸實踐，因而本研究對在職教師的跨學科教學實施能力和跨學科教學評價反思能力缺乏深入的調查；本研究以“跨科三問”智能平臺為例來調查GenAI工具對教師跨學科教學素養的影響，而此GenAI工具為本研究團隊自主開發，尚未推廣應用。對此，后續研究可以采取有目的的采樣方法來提高樣本的代表性，深入調查GenAI工具在賦能教師跨學科教學實踐過程中所起的作用，并對比不同的GenAI工具在賦能教師跨學科教學素養培養方面是否存在顯著差異，以深化對GenAI教育應用價值的認識。

參考文獻

[1]教育部.教育部關于印發義務教育課程方案和課程標準（2022年版）的通知[OL].

[2]董艷，吳楠，夏亮亮.組織與人力視角下的 STEM教育師資發展與新質提升[J].廣西師范大學學報（哲學社會科學版），2024，（5）：66-75.

[3]董艷，夏亮亮，王良輝.新課標背景下的跨學科學習：內涵、設置邏輯、實踐原則與基礎[J].現代教育技術，2023（2）：24-32.

[4]

[13]汪基德，李博，朱書慧，等.賦能、負能與使能：生成式人工智能嵌入鄉村教師專業發展的多維審思[J].電化教育研究，2024，（8）：80-86、96.

[5]杜文彬.教師跨學科教學能力的關鍵要素與結構模型建構研究——基于混合研究方法[J].全球教育展望，2023，（8）：70-86.

[6][27]朱德全，彭洪莉.教師跨學科教學素養測評模型實證研究[J].華東師范大學學報（教育科學版），2023，（2）：1-13.

[7]祝智庭，金志杰，戴嶺，等.數智賦能高等教育新質發展：GAI技術時代的教師新作為[J].電化教育研究，2024，（6）：5-13.

[8]盧宇，余京蕾，陳鵬鶴，等.生成式人工智能的教育應用與展望——以ChatGPT系統為例[J].中國遠程教育，2023，（4）：24-31、51.

[9]單俊豪，劉永貴.生成式人工智能賦能學習設計研究[J].電化教育研究，2024，（7）：73-80.

[10]付天祎，朱雪梅，邢祺云.ChatGPT 協同地理教學設計的模型建構及實踐審思——以\"全球氣候變化與國家安全\"為例[J].地理教學，2024，（5）：29-34.

[11]廖劍，許邯鄲，劉明，等.數智分身：人工智能時代教師本位人機共教模式[J].現代遠程教育研究，2024，（4）：85-93.

[12]羅恒，廖小芳，茹琦琦，等.生成式人工智能支持的教師評語研究：基于初中數學課堂的實踐探索[J].電化教育研究，2024，（5）：58-66.

[14]馮曉英，徐辛，郭婉榕.如何理解，如何行動，如何成為？——人工智能時代教師專業發展的反思[J].開放教育研究，2024，（2）：31-41.

[15]教育部等八部門.教育部等八部門關于印發《新時代基礎教育強師計劃》的通知[OL].

[16]劉邦奇，尹歡歡.人工智能賦能教師數字素養提升：策略、場景與評價反饋機制[J].現代教育技術，2024，（7）：23-31.

[17]楊帆，陳昊璇，朱永新.人工智能助力教師專業發展：價值定位、現實制約與制度建設[J].中國遠程教育，2024，（4）：58-68

[18]王龔，顧小清，胡碧皓.基于元宇宙和生成式人工智能的教師實訓成效研究[J].開放教育研究，2024，（3）：74-86.

[19]Chang C C，HwangG J. ChatGPT-facilitated professional development： Evidence from professional trainers’learningachievements，self-worth，andself-confidence[J]. Interactive Learning Environments， 2O25，（1）：883-900

[20]董艷，陳輝.生成式人工智能賦能跨學科創新思維培養：內在機理與模式構建[J].現代教育技術，2024，（4）：5-15.[21]王博，王慶軍，康博華，等.基于生成式人工智能的體育教師跨學科教學能力培育價值及未來取向[J].體育文化導刊，2024，（6）：95-101、110.

[22]DindorfC，WeisenburgerF，BartaguizE，etal.Exporing decision-makingcompetenceinsugar-substitutechoices：Across-disciplinary investigation among chemistry and sports and health students[J]. Education Sciences， 2O24，（5）：531.

[23]張鵬，汪腸，尚俊杰.生成式人工智能與教育變革：價值、困難與策略[J].現代教育技術，2024，（6）：14-24.

[24]翟雪松，張麗潔，夏亮亮，等.基于 GAI 的逆向工程教學思維在人機協作中的應用研究——以編程教育為例[J].電化教育研究，2024，（9）：61-68.

[25]董艷，夏亮亮，李心怡，等.ChatGPT賦能學生學習的路徑探析[J].電化教育研究，2023，（12）：14-20、34.

[26]（英）戴安娜·勞里勞德著.金琦欽，洪一鳴，梁文倩譯.教學是一門設計科學：構建學習與技術的教學范式[M].福州：福建教育出版社，2019：74-75.

[28]Wang YY，ChuangYW.Artificial intellgenceself-efficacy：Scale development andvalidation[J].EducationandInformation Technologies， 2024，（4）：4785-4808.

[29]Venkatesh V，Moris MG，DavisGB，et al. Useracceptanceof information technology： Toward aunified view[J].MQuarterly， 2003，（3）：425-478.

[30]An X，ChaiCS，LiYS，etal.Modeling English teachers’behavioral intention touseartificial intellgenceinmidleschools[J]. Education and Information Technologies， 2023，（5）：5187-5208.

[31]蔡慧英，李欣，孫佳悅.提升職前教師跨學科教學設計能力的課程設計及其實證研究[J].現代教育技術，2023，（12）：56-64.[32]Lo CK. Design principles for efective teacher professionaldevelopment in integrated STEMeducation： Asystematicreview[J]. Educational Technology amp; Society， 2021，（4）：136-152.

[33]李寶敏，屈曼祺，黃文千.教師跨學科教學能力發展的影響機制研究[J].全球教育展望，2024，（5）：25-46.

[34]董艷，陳輝，于浩.數智賦能跨學科主題學習的設計、實施與評價[J].電化教育研究，2025，（5）：78-85.

[35]姚華鑫，葉少斌.物理跨學科實踐教學的現實困境與實施策略[J].教學與管理，2024，（22）：52-56.

[36]ZitzewitzJ，BoeschPM，WolfP，etal. Quantifying thehmanlikenessofahumanoidrobot[J].InterationalJoualof62Social Robotics，2013，（2）：263-276.

[37]LiuY，Zhang ZZ，WuYK.Whatdrives Chineseuniversitystudents'long-termuseofGenAI？Evidence fromtheheuristic-systematic model[OL].

[38]Darvishi A，Khosravi H，Sadiq S，etal.ImpactofAI assistance onstudent agency[J].Computersamp;Education，2024，210：104967.

The Cultivation of Teachers’ Interdisciplinary Teaching Literacy Empowered by GenAI

-Taking the“Interdisciplinary Three Questions” Intelligent Platform for Example

XIA Liang-Liang1 YAO Jing-Chen1 CHEN Li-Li1，2 WANG Hua-Zhen3 DONG Yan1[Corresponding Author] （1.Faculty ofEducation，BeijingNormal University，Beijing，China 100875;

2.Yanshan chool ofShenzhen，Shenzhen，Guangdong，China 518105;

3. College ofComputerScience and Technology， Huaqiao University Xiamen，Fujian， China361021）

Abstract： Interdisciplinaryteachingliteracyisrucialforteacherstoimplementinterdisciplinaryinstruction，whilegeerative artificialinteligence （GenAcanprovide strongsupportforcultivating teachers'interdisciplinaryteachingliteracy.Based on this，this paperdesignedanexperimentalcurriculumaimedatdeveloping in-service teachers'interdisciplinary teachngliteracy. Taking the independently developed GenAI tool，namely the‘Interdisciplinary ThreeQuestions”intellgent platform，asan example，this paper explored theimpactofthis platformon in-service teachers' interdisciplinaryteachingliteracyandtheiruse experience.Theresultsof theexperimentalanalysis showedthatthe“InterdisciplinaryThreeQuestions”inteligent platform could significantlyenhance in-serviceteachers’interdisciplinary teachingliteracy.Inaddition，aftertheexperimentalcourse study，the self-effcacyof in-service teachers inappling GenAI wassignificantlyimproved，and theyhadarelatively high acceptanceofthe“InterdisciplinaryThree Questions”intellgent platform，tending tocontinueusing it inthefuture.Finally the paperput forward suggestions forpromoting the cultivationof teachers’interdisciplinaryteaching literacy empowered by GenAI，withtheexpectationof providing ideasfortheconstructionof theteaching stafinthe eraofartificialintellgene.

Keywords： GenAI; interdisciplinarteachingliteracy;InterdisciplinaryTree Questions”intellgentplatformin-serviceteacher

編輯：小米