When AI Becomes a Resource: AI-Supported Teacher Design Capacity in Mathematics Teacher Education
本项定性研究提出了人工智能支持下的教师设计能力（AI-TDC）框架，该框架以五个“行动中知识”维度为特征，旨在解释职前数学教师如何通过个人设计、集体审视和教学实践的循环，批判性地转化并将人工智能生成的资源整合为有效的教学文档。
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
在未来的教室里，一种新型的助手已经到来。这是一种人工智能，它可以在几秒钟内写出一份完整的教案，并针对如何解释某个概念或提供什么样的问题向教师提供建议。这项技术承诺为教师节省时间，但也提出了一个难题：如果机器可以起草工作，人类教师如何掌控最重要的部分？答案不在于教师使用了多少机器，而在于他们如何与机器共同思考。为了理解这一点，研究人员观察了两个观点。首先，他们将教学材料视为不是静态的对象，而是教师根据特定目标和学生进行塑造和重塑的“生命体”。其次，他们关注“设计能力”，即教师将现有资源转化为连贯学习体验的能力。核心挑战在于，当一个强大的工具承担了大量繁重工作时，如何保持这种人类能力。
中国的一个研究小组通过实时观察这一过程。他们追踪了二十名预备教师（正在接受数学教师培训的学生）完成了一个为期十一周的课程。这些未来的教育者被要求设计课程、进行短时间的教学实践，然后进行修订。至关重要的是，他们被允许使用生成式人工智能（即能够聊天和创作文本的技术）来辅助教学。研究人员并没有告诉他们具体如何使用这个工具。相反，他们收集了教师的聊天记录、教案草稿以及最终的视频，以观察人工智能如何实际融入教师的思维过程。其目标是观察人工智能是成为了主导课程的“主人”，是一个仅仅回答问题的“被动工具”，还是某种更复杂的存在。
研究发现，教师与人工智能之间的关系远比单纯衡量使用频率要复杂得多。研究人员识别出教师整合技术的三种不同方式，而这些方式与他们在对话框中输入问题的次数几乎没有关系。对于其中一位教师而言，人工智能成为了一个“中心枢纽”。她利用它将不同的信息片段——教科书、在线案例和同学的建议——连接成一个单一且有组织的流程。随着自信心的增强，她实际使用的次数减少了，提问也变少了，但该工具在结构上变得更加重要，因为它帮助她围绕一个特定的数学概念编织出了一个复杂的教学计划。对于另一位教师而言，人工智能是一个“专业助手”。她仅将其用于特定任务，例如生成练习题列表或检查推导过程，而将整个课程的结构牢牢掌握在自己手中。随着课程的进行，她使用该工具的频率越来越高，但它从未接管主要的教学设计。第三位教师拥有更多的既往教学经验，她将人工智能视为一名“评审员”。她先利用自己的经验和教科书起草一份教案，然后请人工智能进行检查。她只接受那些对她有意义的建议，并拒绝其余的部分，使人工智能始终处于工作的边缘。
从这些不同的路径中，呈现出了关于人工智能时代教师身份的清晰图景。研究人员提出了一种看待这种技能的新方法，称之为“人工智能支持下的教师设计能力”。这不仅仅是知道如何向计算机输入提示词，它涉及五个具体的行动。第一，教师必须“定向”人工智能，在寻求帮助之前决定教学目标。第二，他们必须“验证”输出结果，仔细检查数学逻辑是否正确，以及想法是否符合学生的需求。第三，他们必须“转化”建议，将人工智能提供的原始想法进行重塑，使其成为逻辑通顺的课程。第四，他们必须“调节”工具，决定何时让人工智能引导，何时由自己掌控。最后，他们必须“集体化”，通过与同行分享人工智能生成的想法来获取反馈，从而共同改进作品。研究表明，最成功的教师并非使用人工智能最多的那批人，而是那些能够在上述五种行动之间流畅切换的人。
最引人注目的发现是，人工智能生成的资源从未被直接复制粘贴到最终的教案中。在所有案例中，教师都必须进行大量的加工，才能将机器的输出转化为可教的体验。一位教师拿到了人工智能组织的一份草案，并围绕两种数列之间的特定类比对其进行了完全的重构。另一位教师将人工智能生成的一系列数学步骤，转化为了能够引导学生自主发现答案的问题序列。第三位教师发现人工智能给出的一个例子太长了，不适合她的班级，于是用一个更短、更聚焦的问题替换了它。在每种情况下，人类教师都扮演了“建筑师”的角色，利用人工智能提供的“砖块”去建造一座机器本身无法设计的“房子”。
课程本身在帮助这些教师培养这种技能方面发挥了至关重要的作用。通过强制要求他们设计课程、教学并根据反馈进行修订，课程创造了一个循环，使得人工智能的建议可以得到检验。当教师在教学实践中使用人工智能的建议时，他们能立即看到该建议是奏效了还是会让学生感到困惑。这种现实世界的反馈，结合与同行的讨论，帮助他们学会了如何过滤人工智能的输出。研究表明，仅仅为教师提供人工智能的使用权限是不够的。教师教育项目需要创造能够让未来教师练习这五种行动（定向、验证、转化、调节和集体化）的环境，以便让他们学会将教学方向的责任牢牢掌握在自己手中。
最终，研究表明，人工智能的存在并未削弱对人类专业知识的需求；它改变了专业知识的本质。教师的价值不再仅仅在于能否从零开始设计一份教案，而在于其判断、重塑和整合技术所提供资源的能力。研究结论指出，未来的教学在于一种伙伴关系：机器提供速度和多样性，而人类教师则提供判断力、情境感以及对学生学习内容的道德责任。技术是一种资源，但教师始终是设计者。
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。