高校教師智能教育教學(xué)勝任力模型的構(gòu)建 *

張艷麗，張 海，王以寧

(1.佳木斯大學(xué) 教育科學(xué)學(xué)院，黑龍江 佳木斯 154007；2.東北師范大學(xué) 傳媒科學(xué)學(xué)院，吉林 長春 130117)

教師在促進(jìn)學(xué)生參與和發(fā)展線上與線下的自主學(xué)習(xí)中發(fā)揮重要作用，優(yōu)質(zhì)教育離不開高質(zhì)量的教師。作為大學(xué)生的引路人和培養(yǎng)者的高校教師，其教學(xué)勝任力影響著高等教育質(zhì)量與學(xué)生的學(xué)習(xí)成效，制約著高等教育的發(fā)展進(jìn)程。當(dāng)前研究多聚焦于高校教師勝任力的研究，也有部分學(xué)者針對慕課、翻轉(zhuǎn)課堂、遠(yuǎn)程教育、SPOC、創(chuàng)新創(chuàng)業(yè)能力的特定領(lǐng)域開展相關(guān)研究。隨著大數(shù)據(jù)、人工智能技術(shù)、5G技術(shù)的飛速發(fā)展，教師教學(xué)勝任力勢必要面臨新的挑戰(zhàn)，高校教師應(yīng)該怎樣應(yīng)對智能教育帶來的變化？基于此，筆者提出高校教師智能教育教學(xué)勝任力模型，以期為高校教師的自身發(fā)展與成長提供參考意見與啟示。

一、智能教育概述

(一)智能教育界定

將智能技術(shù)應(yīng)用于教育之中，能夠輔助教育的發(fā)展。張進(jìn)寶[1]等從狹義與廣義兩個層面來界定智能教育，即智能教育是以人工智能為主要學(xué)習(xí)內(nèi)容的教育以及提升個體智能的教育。

(二)智能教育的特征

1.按需推送學(xué)習(xí)資源。智能教育的一個重要特征就是依據(jù)學(xué)習(xí)者的學(xué)習(xí)需求為其提供精準(zhǔn)的學(xué)習(xí)資源、恰當(dāng)?shù)膶W(xué)習(xí)活動、及時的學(xué)習(xí)支持服務(wù)[2]。

2.人機協(xié)同。人工智能技術(shù)支持下的教育將會呈現(xiàn)教師與智能導(dǎo)師分工與協(xié)作的情景，人機協(xié)同已是一種必然趨勢。教師并不會被機器所代替，而是擁有任務(wù)分配的決定權(quán)，將適合機器工作的任務(wù)分配出去，提升自身的工作效率，培養(yǎng)學(xué)習(xí)者的認(rèn)知發(fā)展。

3.重構(gòu)師生關(guān)系。智能教育改變了教育形態(tài)與師生關(guān)系[3]，智能教育的教師與學(xué)習(xí)者之間不再是簡單的知識傳遞與接收關(guān)系，而是學(xué)習(xí)者主動學(xué)習(xí)所需的知識，積極尋求教師的幫助，教師與學(xué)習(xí)者超越時空限制，隨著師生之間的交流與互動，實現(xiàn)教學(xué)相長。

二、高校教師教學(xué)勝任力概述

(一)勝任力的概念

1959年，White引入了勝任力的概念，并將其定義為有機體與環(huán)境有效互動的能力。勝任力是一種專注內(nèi)的變化，可通過持久性專注和具有探索和實驗特征的行為推斷出來[4]。Boyatzis[5]將勝任力定義為能夠引起卓越或有效表現(xiàn)的個人潛在特質(zhì)。勝任力測評應(yīng)該考慮標(biāo)準(zhǔn)抽樣、測試設(shè)計反映個人所學(xué)知識變化、測試標(biāo)準(zhǔn)公開明確、測試內(nèi)容包含生活結(jié)果相關(guān)能力以及操作與回應(yīng)行為、對操作性思維模式抽樣等六個原則[6]。

(二)高校教師教學(xué)勝任力的相關(guān)研究

教師教學(xué)勝任力是指教師達(dá)成教學(xué)目標(biāo)所具備知識、專業(yè)技能、動機、特質(zhì)等綜合能力。Vogt[7]等人在借鑒了教師教學(xué)內(nèi)容知識(PCK)的概念與教師勝任力維度的基礎(chǔ)上，概念化了教師勝任力的四個方面，分別為學(xué)科知識、診斷、教學(xué)方法和課堂管理。Nemejc[8]等人通過教師自我反思的視角描述了高校教師的教學(xué)勝任力素質(zhì)，將教學(xué)法教育與大學(xué)教學(xué)法原理的知識納入自我反思之中，使其成為高校教師必備專業(yè)能力之外的教學(xué)勝任力關(guān)鍵要素。

我國部分學(xué)者針對慕課、翻轉(zhuǎn)課堂、SPOC等學(xué)習(xí)環(huán)境構(gòu)建了針對特定領(lǐng)域的教師教學(xué)勝任力模型。郝兆杰[9]等使用文獻(xiàn)法、德爾菲法構(gòu)建了包含知識、技能、態(tài)度與價值觀、特質(zhì)與動機的高校教師翻轉(zhuǎn)課堂教學(xué)勝任力模型。王永花[10]等以此模型為依據(jù)，從動機、基本認(rèn)知、適切性認(rèn)知以及行為等方面調(diào)查高校教師翻轉(zhuǎn)課堂勝任力的現(xiàn)狀。廖宏建[11]通過文獻(xiàn)法、專家咨詢、訪談方式從基準(zhǔn)性勝任特征與鑒別性勝任特征兩個維度構(gòu)建了高校教師SPOC混合教學(xué)勝任力模型。郭麗瑩[12]從創(chuàng)新創(chuàng)業(yè)教育的視角，通過文獻(xiàn)梳理構(gòu)建了“教育教學(xué)、創(chuàng)新創(chuàng)業(yè)、實踐育人、自主發(fā)展”的四維創(chuàng)新創(chuàng)業(yè)教師勝任力指標(biāo)體系。郝永林[13]運用文本分析方式創(chuàng)建的研究性大學(xué)教師教學(xué)勝任力模型有三個維度，分別為科研支持能力、教師情感態(tài)度以及教學(xué)轉(zhuǎn)化能力。蔣馨嵐[14]則以西部地區(qū)地方本科院校的青年教師為調(diào)查對象，揭示了青年教師勝任力的現(xiàn)狀。

已有研究對高校教師智能教育教學(xué)勝任力的研究鮮少，隨著智能教育的發(fā)展，教師教學(xué)勝任力的要素在一定程度上有所改變。因此，高校教師智能教育教學(xué)勝任力的要素也必將具有符合其時代意義的特征。通過開展高校教師智能教育勝任力模型的研究，能夠為教育培訓(xùn)部門制定計劃時提供一定的參考，有助于提升教師的教學(xué)勝任力，緩解教學(xué)工作的壓力，使學(xué)生的參與度得到提高。

三、高校教師智能教育教學(xué)勝任力模型

(一)教師智能教育教學(xué)勝任力的研究

趙忠君[15]等通過訪談法確定包含特質(zhì)動機、知識、能力與態(tài)度價值觀四要素的智慧學(xué)習(xí)環(huán)境的勝任力因素。智能教育不同于傳統(tǒng)教育，人工智能教師可以幫助教師批改作業(yè)、實時為學(xué)習(xí)者提供支持服務(wù)。教師是否會被人工智能教師所取代成為智能教育關(guān)注的一個焦點，其實，教師與人工智能教師相處的最佳狀態(tài)就是二者和諧共處、高效的人機協(xié)同，加速目標(biāo)達(dá)成度，提升教育質(zhì)量。我們認(rèn)為教師智能教育教學(xué)勝任力是指教師勝任智能教育教學(xué)所具備的智能教育知識素養(yǎng)、教學(xué)能力、教師特質(zhì)、職業(yè)素養(yǎng)以及數(shù)字素養(yǎng)的綜合能力。

(二)高校教師智能教育教學(xué)勝任力模型要素

在中國知網(wǎng)(CNKI)數(shù)據(jù)庫中，選取“教學(xué)勝任力”、“教師勝任力”為關(guān)鍵詞，期刊來源設(shè)定為“CSSCI”，共有143條結(jié)果。排除與本研究相關(guān)度較低的“小學(xué)全科教師”“中學(xué)教師”“中小學(xué)教師”“幼兒教師”等文獻(xiàn)，最終選取48篇文獻(xiàn)。其中，教師勝任力、勝任力模型、教學(xué)效果受到廣泛關(guān)注，有關(guān)教學(xué)勝任力的研究相對較少。在WOS數(shù)據(jù)庫核心合集中以“teaching competenc*”or“teacher competenc*”為關(guān)鍵詞，共搜索文獻(xiàn)899篇，選取與高校教師教學(xué)勝任力密切相關(guān)的文章，共計75篇。

通過對已有研究的梳理，在通讀全文的基礎(chǔ)上，提取學(xué)者達(dá)成共識的高校教師教學(xué)勝任力三個基本要素，分別為知識/知識素養(yǎng)、教學(xué)能力/技能/教學(xué)水平、特質(zhì)/個人特質(zhì)/人格魅力/特質(zhì)與動機。因此，教師智能教育教學(xué)勝任力的三個基本要素依次為智能教育知識素養(yǎng)、教學(xué)能力與教師特質(zhì)。職業(yè)素養(yǎng)是高校教師智能教育教學(xué)勝任力的必備要素之一，結(jié)合智能教育對教師教學(xué)勝任力的需求，提出高校教師智能教育教學(xué)勝任力核心要素—數(shù)字素養(yǎng)。因此，高校教師智能教育教學(xué)勝任力包含智能教育知識素養(yǎng)、教學(xué)能力、教師特質(zhì)、職業(yè)素養(yǎng)、數(shù)字素養(yǎng)五個維度，如圖1所示。

圖1 高校教師智能教育教學(xué)勝任力模型

(一)智能教育知識素養(yǎng)

智能教育知識素養(yǎng)應(yīng)該包含教育學(xué)知識和心理學(xué)知識、一般性知識以及整合技術(shù)的學(xué)科教學(xué)知識(TPCK或TPACK)。部分高校教師在入職前并未接受系統(tǒng)的教育學(xué)與心理學(xué)知識培訓(xùn)，而這兩種知識恰恰是從事教學(xué)工作的基礎(chǔ)知識，因此，有必要將教育學(xué)知識與心理學(xué)知識納入高校教師智能教育知識素養(yǎng)之中。國內(nèi)外學(xué)者已經(jīng)廣泛研究了如何在不同的教育環(huán)境和內(nèi)容領(lǐng)域開發(fā)、應(yīng)用和評估整合技術(shù)的教學(xué)內(nèi)容知識。隨著技術(shù)的不斷更新與交替，尤其是大數(shù)據(jù)、5G技術(shù)以及人工智能技術(shù)的迅猛發(fā)展，整合技術(shù)的學(xué)科教學(xué)知識也必然會隨之改變。因此，非常有必要將整合技術(shù)的學(xué)科教學(xué)知識列為智能教育知識素養(yǎng)的核心要素。

(二)教學(xué)能力

教學(xué)能力與教學(xué)滿意度密切相關(guān)，將對教師專業(yè)化發(fā)展產(chǎn)生重要的影響，是提高教學(xué)質(zhì)量的關(guān)鍵要素。教學(xué)設(shè)計、課程講授、組織能力、教學(xué)實踐、教學(xué)研究、教學(xué)評價、教學(xué)反思與教學(xué)管理等是高校教師教學(xué)勝任力的基本教學(xué)能力，涵蓋成功講授一門課程的必備技能。除此之外，還應(yīng)該包含問題解決、課程設(shè)計、學(xué)習(xí)支持、創(chuàng)新能力、育人水平、生命教育等要素。要培養(yǎng)學(xué)生的問題解決意識與創(chuàng)新精神，教師必須先具備相應(yīng)的能力，并能在人工智能導(dǎo)師的支持下，為學(xué)生提供精準(zhǔn)的學(xué)習(xí)支持。在傳授知識的同時，注重生命教育，培養(yǎng)學(xué)生德智體美勞的融合發(fā)展。

(三)教師特質(zhì)

高校教師智能教育教學(xué)勝任力的教師特質(zhì)維度包含十個要素，分別為教師信念、動機取向、自我效能、成就導(dǎo)向、溝通能力、團(tuán)結(jié)協(xié)作、自我調(diào)節(jié)、價值觀、責(zé)任心與批判性思維。其中，動機取向?qū)τ诮處煹穆殬I(yè)成功至關(guān)重要，良好的師生關(guān)系是建立在溝通能力之上的，善于溝通的教師，與學(xué)生的關(guān)系更融洽、更受學(xué)生喜愛，學(xué)生更樂于學(xué)習(xí)其所講授的課程。教師特質(zhì)會對學(xué)生知識的獲得產(chǎn)生影響，特別是對學(xué)生學(xué)習(xí)成績的影響較大。

(四)職業(yè)素養(yǎng)

教師的職業(yè)素養(yǎng)影響教師專業(yè)化發(fā)展，進(jìn)一步影響教育質(zhì)量。職業(yè)素養(yǎng)是高校教師的“必修課”，主要有職業(yè)行為、職業(yè)作風(fēng)、職業(yè)道德、職業(yè)態(tài)度以及職業(yè)意識五個要素。對于學(xué)校與學(xué)生來說，擁有積極態(tài)度的教師就是一筆寶貴的財富，他們充滿工作熱情、具有奉獻(xiàn)精神、關(guān)心學(xué)生、能與學(xué)生產(chǎn)生共鳴、有同理心、有耐心、樂于助人，深刻影響學(xué)生的認(rèn)知發(fā)展與德育發(fā)展。

(五)數(shù)字素養(yǎng)

隨著大數(shù)據(jù)、人工智能技術(shù)、5G、全息技術(shù)以及數(shù)字孿生技術(shù)的不斷進(jìn)步，數(shù)字素養(yǎng)將成為高校教師智能教育教學(xué)勝任力的關(guān)鍵要素，主要包含信息素養(yǎng)、數(shù)據(jù)素養(yǎng)、數(shù)字內(nèi)容創(chuàng)作以及信息通信技術(shù)(ICT)使用態(tài)度。高校教師的信息化意識、對技術(shù)的接受度以及信息技術(shù)整合能力都將影響學(xué)生對知識的理解程度與遷移水平，影響學(xué)生的學(xué)習(xí)效果。

四、結(jié)語

本文在已有研究基礎(chǔ)之上，提取出高校教師智能教育教學(xué)勝任力的五個要素，在此基礎(chǔ)上初步構(gòu)建了高校教師智能教育教學(xué)勝任力模型，并詳細(xì)闡述了各要素的重要指標(biāo)。未來將采用德爾菲法、探索性因子分析與驗證性因子分析的方式，驗證并進(jìn)一步完善本模型。