← 最新论文
📄 social_science

Scaffolded and Unscaffolded Generative AI Use in Mathematics Teacher Education: Effects on Pre-Service Teachers’ Instructional Design Competence

这项混合方法研究表明,与无支架的生成式人工智能使用相比,提供教学支架能显著提升职前数学教师的教学设计能力、人工智能就绪度、自我调节学习能力以及批判性思维。

原作者: Francis Ohene Boateng, Isaac Davor, Ernest Larbi, Esther Adwubi Boateng

发布于 2026-09-27
📖 1 分钟阅读☕ 轻松阅读

原作者: Francis Ohene Boateng, Isaac Davor, Ernest Larbi, Esther Adwubi Boateng

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象这样一个教室:老师不再仅仅是一个人,而是一个强大的计算机程序,能够在几秒钟内编写教案、创建数学题并解释复杂的概念。这就是生成式人工智能的承诺——这项技术已迅速进入了学校和大学。但问题在于,如果一名学生只是向计算机索要答案并不做质疑地接受,他们可能会学会依赖机器,而不是培养自己的思考、规划和解决问题的能力。这是当今教师教育面临的核心矛盾:如何利用这些智能工具来帮助未来的教师学习,而不让这些工具代替他们进行思考。解决这个谜题的关键在于一个被称为“支架式教学”(scaffolding)的概念。在教育领域,支架就像是建造房屋时使用的临时支撑梁;它们在建筑师学习手艺的过程中支撑起结构,一旦建筑足够坚固能够独立站立,便会被移除。研究人员提出的问题是:在未来数学教师使用人工智能时,给予他们这种结构化的指导,是否会让他们比那些只能靠自己摸索的学生成为更好的老师。

加纳的一个研究小组通过与 76 名未来的数学教师合作,试图回答这个问题。这些学生正在参加一门专门学习如何设计数学课程的课程,这是任何教育者的关键技能。研究人员将班级分为两组。一组使用人工智能工具,但没有任何特殊指令;他们被告知利用这项技术来帮助他们规划课程,但必须自己摸索如何提出正确的问题并检查答案。另一组使用同样的技术,但他们得到了特定的支持。这些支持包括如何向计算机编写高质量问题的示例、验证计算机工作的清单,以及迫使他们思考该教案是否符合学生实际情况的引导性问题。目标是观察这种额外的指导是否会改变他们在设计课程方面的表现、他们使用技术的准备程度、他们管理自身学习的能力,以及他们评估计算机所提供信息的批判性能力。

在进行了为期十四周的教案编写工作后,结果显而易见。接受结构化指导的学生表现明显优于没有指导的学生。当研究人员查看学生最终完成的教案时,获得支持的那组设计的课程更加有效且更具深度。他们在组织材料、选择合适的活动以及创建测试学生是否理解数学的方法方面做得更好。而没有支持的那组产生的计划往往显得仓促,或者需要大量的修改,因为他们太快地接受了计算机的输出结果。获得指导的一组在未来使用技术的准备度衡量上也得分更高。他们对自己在与计算机交流、理解其局限性以及负责任地使用技术方面的能力感到更加自信。他们不太容易被软件生成的错误或偏见信息所误导。

研究还表明,受指导的学生学会了如何更好地学习。他们表现出更强的自我调节学习过程的能力。他们不再只是输入一个请求然后等待结果,而是会停下来规划方法,监控输入的计算机内容,并评估建议是否符合他们的目标。他们将计算机视为一个需要质疑的伙伴,而不是一个需要服从的机器。这种批判性思维是两组之间最显著的区别。拥有支持的学生不断询问自己,这些教学想法是否准确且适合真实的儿童。他们检查数学计算,将建议与教科书进行对比,并在计算机出错时修改计划。而没有支持的学生往往接受收到的第一个答案,即使那个答案是有缺陷的,因为他们缺乏验证它的工具。

当研究人员对一小部分学生进行访谈以了解他们的经历时,这种模式变得更加清晰。接受支持的学生描述了一个深度思考的过程。他们解释说,清单和引导性问题迫使他们放慢速度,去思考每一个教学活动背后的“为什么”。他们意识到,课程的质量取决于他们自己的决策,而不仅仅是计算机的输出。相比之下,没有支持的学生承认,当计算机给出奇怪的答案时,他们经常感到迷茫或不确定。他们倾向于重新开始一个新的对话,而不是修正原有的问题,并且经常为了追求速度而牺牲准确性。他们觉得计算机是在替他们完成工作,这让他们觉得自己在独立教学方面的准备不足。

研究结果表明,仅仅把强大的人工智能工具交给未来的教师是不够的,并不能让他们成为更好的教育者。工具的好坏取决于围绕它提供的指导。当研究人员提供一个鼓励规划、检查和反思的框架时,学生们利用这项技术磨练了自己的专业技能。他们学会了设计更好的课程,学会了对接收到的信息进行批判性思考,并掌控了自己的学习过程。如果没有这个框架,技术就有可能变成一种拐杖,阻碍他们培养在真实课堂中所需的独立判断力。研究结论指出,为了让人工智能真正有助于培养下一代教师,必须在有意识的支持下使用它,从而教会学生如何思考,而不仅仅是如何提问。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →