職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)能力培養(yǎng)實(shí)證研究

[摘" "要] 教師的教學(xué)設(shè)計(jì)能力是影響教育教學(xué)質(zhì)量和效率的關(guān)鍵因素之一，發(fā)展職前教師教學(xué)設(shè)計(jì)能力成為師范教育階段培養(yǎng)的重點(diǎn)。然而，職前教師在教學(xué)設(shè)計(jì)過(guò)程中缺少資源支持和個(gè)性化指導(dǎo)，容易導(dǎo)致對(duì)教學(xué)設(shè)計(jì)理解浮于表面，甚至失去興趣和信心。而生成式人工智能以其豐富的知識(shí)儲(chǔ)備、類人的思維邏輯和高效應(yīng)答行為，在賦能職前教師教學(xué)設(shè)計(jì)能力發(fā)展方面展現(xiàn)出優(yōu)勢(shì)?；诖?，研究在自我生成教學(xué)理論指導(dǎo)下，分析職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程，包括“知識(shí)檢索—結(jié)構(gòu)重建—方案生成”三大環(huán)節(jié)?；谠撃Ｐ驮O(shè)計(jì)了職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)能力培訓(xùn)活動(dòng)，并開(kāi)展了實(shí)證研究。通過(guò)培訓(xùn)前后數(shù)據(jù)的對(duì)比分析，發(fā)現(xiàn)在教學(xué)設(shè)計(jì)理解、高階思維水平以及教學(xué)設(shè)計(jì)信心方面均有顯著提升，最后對(duì)結(jié)果進(jìn)行討論，并提出發(fā)展性建議。

[關(guān)鍵詞] 生成式人工智能； 人機(jī)協(xié)同； 教學(xué)設(shè)計(jì)； 職前教師； 自我生成教學(xué)

[中圖分類號(hào)] G434" " " " " " [文獻(xiàn)標(biāo)志碼] A

[作者簡(jiǎn)介] 吳斕（1987—），女，安徽池州人。講師，博士，主要從事人工智能支持教師專業(yè)發(fā)展研究。E-mail：wulan@nuist.edu.cn。王阿習(xí)為通信作者，E-mail：sftaxi@buu.edu.cn。

一、引" "言

教學(xué)設(shè)計(jì)能力作為教師職業(yè)素養(yǎng)的重要組成部分，是師范教育階段培養(yǎng)的重點(diǎn)之一。由于缺少相關(guān)經(jīng)驗(yàn)，職前教師進(jìn)行教學(xué)設(shè)計(jì)時(shí)常常需要廣泛的參考資料與建議，而針對(duì)性指導(dǎo)的缺乏讓他們?nèi)菀资ヅd趣和信心，導(dǎo)致對(duì)教學(xué)設(shè)計(jì)知識(shí)理解不深、教學(xué)思路混亂、教學(xué)活動(dòng)設(shè)計(jì)不當(dāng)[1]。隨著以ChatGPT為代表的生成式人工智能的廣泛應(yīng)用，人機(jī)協(xié)同正在成為教育的新常態(tài)[2]。生成式人工智能以其豐富的知識(shí)儲(chǔ)備、類人的思維邏輯和個(gè)性高效應(yīng)答行為，能夠很好地支持教師開(kāi)展教學(xué)設(shè)計(jì)[3]。但與此同時(shí)，過(guò)度依賴生成式人工智能也可能出現(xiàn)思維惰性等負(fù)面影響，致使教師的主動(dòng)性和創(chuàng)造性被不斷削弱，從而限制專業(yè)發(fā)展[4]。因此，如何科學(xué)恰當(dāng)?shù)乩蒙墒饺斯ぶ悄苜x能職前教師培養(yǎng)，實(shí)現(xiàn)人機(jī)智能雙向賦能，是智能時(shí)代師范教育面臨的一個(gè)重要挑戰(zhàn)。

基于此，本研究試圖理解人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程，并開(kāi)展相關(guān)實(shí)證研究。首先，基于自我生成教學(xué)理論分析人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程；然后，基于理論框架設(shè)計(jì)培訓(xùn)活動(dòng)，利用生成式人工智能賦能職前教師教學(xué)設(shè)計(jì)能力發(fā)展；最后，開(kāi)展實(shí)證研究檢驗(yàn)培訓(xùn)效果，并提出相關(guān)建議，以期為生成式人工智能賦能職前教師培養(yǎng)提供參考。

二、相關(guān)研究

（一）職前教師教學(xué)設(shè)計(jì)能力培養(yǎng)相關(guān)研究

廣義上，教學(xué)設(shè)計(jì)能力指向一個(gè)完整的教學(xué)設(shè)計(jì)過(guò)程（如經(jīng)典的ADDIE模式），包括教學(xué)分析、教學(xué)設(shè)計(jì)、教學(xué)開(kāi)發(fā)、教學(xué)實(shí)施和教學(xué)評(píng)價(jià)等方面的能力[5]；狹義上，指向一份教學(xué)設(shè)計(jì)方案的成功制訂，包括教學(xué)內(nèi)容分析、學(xué)生情況分析、教學(xué)目標(biāo)設(shè)計(jì)、教學(xué)方法設(shè)計(jì)和教學(xué)過(guò)程設(shè)計(jì)、教學(xué)評(píng)價(jià)設(shè)計(jì)六維度能力[6]。本研究聚焦狹義范疇的教學(xué)設(shè)計(jì)能力。

相關(guān)的實(shí)踐經(jīng)歷可以促使職前教師將理論知識(shí)轉(zhuǎn)化為教學(xué)設(shè)計(jì)能力[7]，近來(lái)智能技術(shù)的飛速發(fā)展為其提供了有力支撐。例如：胡藝齡等發(fā)現(xiàn)，讓教師與專家、智能代理協(xié)同設(shè)計(jì)跨學(xué)科課程，有利于培養(yǎng)教師的跨學(xué)科教學(xué)設(shè)計(jì)思維[8]；Fidan等發(fā)現(xiàn)，基于聊天機(jī)器人的實(shí)時(shí)反饋能促進(jìn)職前教師對(duì)教學(xué)設(shè)計(jì)理論知識(shí)的理解[9]；Lee等讓聊天機(jī)器人扮演虛擬學(xué)生，訓(xùn)練職前教師提問(wèn)等教學(xué)技能，較好地促進(jìn)了職前教師將教學(xué)設(shè)計(jì)理論知識(shí)轉(zhuǎn)化為實(shí)踐能力[10]。以ChatGPT為代表的生成式人工智能進(jìn)一步提升人機(jī)交互水平，如基于生成式人工智能的聊天式教師培訓(xùn)工具GPTeach模擬學(xué)生與職前教師進(jìn)行實(shí)時(shí)交流，幫助復(fù)習(xí)特定學(xué)習(xí)內(nèi)容，提供教學(xué)實(shí)踐機(jī)會(huì)，不僅能緩解新手教師的教學(xué)壓力，還能豐富職前教師的實(shí)踐經(jīng)驗(yàn)[11]。但是目前基于生成式人工智能的職前教師培養(yǎng)方面的實(shí)證研究仍然較少，關(guān)于如何發(fā)展職前教師人機(jī)協(xié)同教學(xué)能力還有待進(jìn)一步探索。

（二）生成式人工智能支持教學(xué)設(shè)計(jì)的相關(guān)研究

生成式人工智能基于大規(guī)模語(yǔ)料庫(kù)訓(xùn)練，知識(shí)存儲(chǔ)量已遠(yuǎn)超人類個(gè)體，可支持個(gè)性化問(wèn)答[12]，輔助教學(xué)設(shè)計(jì)過(guò)程。如Da Costa等發(fā)現(xiàn)，ChatGPT可以支持教學(xué)設(shè)計(jì)者選擇媒體，包括輔助決策和提供多樣化視角等[13]。備課時(shí)，生成式人工智能可以提供相關(guān)建議，有效促進(jìn)教師對(duì)學(xué)科內(nèi)容和教學(xué)目標(biāo)的理解[14]。生成式人工智能能夠理解真實(shí)語(yǔ)境，模擬人類思維進(jìn)行實(shí)時(shí)交流，更深入地支持教學(xué)設(shè)計(jì)過(guò)程，如輔助職前科學(xué)教師制訂可行的教學(xué)設(shè)計(jì)方案，提供適宜的信息并節(jié)省備課時(shí)間[15]。智能機(jī)器甚至還可以根據(jù)特定教學(xué)需求生成一份教學(xué)設(shè)計(jì)方案，教師只需在此基礎(chǔ)上進(jìn)行修改即可，大大減輕了備課負(fù)擔(dān)[16]。

但與此同時(shí)，生成式人工智能本身仍然存在一些局限性。第一，缺乏深刻的理解，尤其面對(duì)復(fù)雜的提示語(yǔ)會(huì)出現(xiàn)理解偏差，生成的內(nèi)容容易偏離特定教學(xué)情境[17]；第二，會(huì)給出一些錯(cuò)誤答案，如教學(xué)時(shí)間分配不合理；第三，由于受限于固定算法，無(wú)法提供一些擴(kuò)展性材料[15]。這些機(jī)器暴露的弱點(diǎn)直接指向教師高階思維提升，如批判能力、創(chuàng)新思維等[18]。可見(jiàn)生成式人工智能在賦能教師教學(xué)設(shè)計(jì)能力時(shí)，既有優(yōu)勢(shì)也有局限性，有必要深入探究人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程，更有針對(duì)性地助力職前教師培養(yǎng)，發(fā)揮智能機(jī)器的正向作用。

三、自我生成教學(xué)理論視域下職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)能力培訓(xùn)活動(dòng)設(shè)計(jì)

（一）理論基礎(chǔ)

2015年，F(xiàn)iorella和Mayer指出，人類學(xué)習(xí)不是機(jī)器存儲(chǔ)信息的過(guò)程，除了記憶與背誦，還會(huì)對(duì)學(xué)習(xí)材料作出解釋或進(jìn)行關(guān)聯(lián)，將零散信息轉(zhuǎn)化為系統(tǒng)性知識(shí)，即“生成性學(xué)習(xí)”。它在協(xié)作情境中特別容易發(fā)生，一般包括“互動(dòng)式教學(xué)”和“非互動(dòng)式教學(xué)”兩種形式，前者依賴人人交互，而后者不依賴真實(shí)同伴[19]。如職前教師進(jìn)行模擬授課，主動(dòng)講解所學(xué)內(nèi)容，雖然沒(méi)有真實(shí)同伴與之互動(dòng)，但同樣完成了知識(shí)建構(gòu)，這就是“自我生成教學(xué)”理論[20]。

該理論建立在檢索實(shí)踐、生成性加工和技術(shù)介入的社會(huì)臨場(chǎng)感三種假說(shuō)基礎(chǔ)上。檢索實(shí)踐指學(xué)習(xí)者從記憶中主動(dòng)檢索與學(xué)習(xí)相關(guān)的信息，激活先前知識(shí)，甚至構(gòu)建新知識(shí)[21]；生成性加工指“非互動(dòng)式教學(xué)”可以觸發(fā)推理過(guò)程，幫助學(xué)習(xí)者從信息重建中整合新舊知識(shí)，基于自身理解重新組織和闡述內(nèi)容[19]；技術(shù)介入的社會(huì)臨場(chǎng)感指當(dāng)技術(shù)進(jìn)入教學(xué)現(xiàn)場(chǎng)，讓學(xué)習(xí)者感覺(jué)有學(xué)習(xí)伙伴，更愿意主動(dòng)輸出，同時(shí)會(huì)對(duì)“假想伙伴”能否理解自己的解釋作出預(yù)期判斷，進(jìn)而促進(jìn)深層次認(rèn)知[22]。由此，“自我生成教學(xué)”過(guò)程包括“檢索—組織—整合”三個(gè)環(huán)節(jié)，首先學(xué)習(xí)者激活相關(guān)知識(shí)，接著重組信息形成新的認(rèn)知結(jié)構(gòu)，最后整合新舊知識(shí)完成知識(shí)建構(gòu)。職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)的過(guò)程本質(zhì)上就是自我生成教學(xué)的過(guò)程，可以從以下四個(gè)方面理解：

一是生成式人工智能給予職前教師“真實(shí)同伴”的心理感覺(jué)，保障自我生成教學(xué)的發(fā)生。在傳統(tǒng)課堂教學(xué)或在線學(xué)習(xí)中，由于缺少協(xié)作情境和交流伙伴，學(xué)習(xí)者更多采用被動(dòng)接收的學(xué)習(xí)方式。生成式人工智能的介入實(shí)現(xiàn)了實(shí)時(shí)對(duì)話，學(xué)習(xí)者感覺(jué)有了“真實(shí)同伴”，促使其主動(dòng)向機(jī)器提問(wèn)或輸出觀點(diǎn)，保障自我生成教學(xué)的發(fā)生。

二是生成式人工智能給予職前教師豐富的外部提示，有利于激活相關(guān)知識(shí)。在自我生成教學(xué)過(guò)程中，如果給予學(xué)習(xí)者恰當(dāng)?shù)耐獠刻崾?，能夠幫助檢索更多的概念單元（Learning Units），促進(jìn)對(duì)所學(xué)內(nèi)容的理解，提升學(xué)習(xí)效果[23]，這里的概念單元即學(xué)習(xí)內(nèi)容中的知識(shí)點(diǎn)[24]。生成式人工智能的知識(shí)存儲(chǔ)量豐富，可以依據(jù)提問(wèn)自動(dòng)生成知識(shí)性回復(fù)，作為“外部提示”激活職前教師相關(guān)知識(shí)，即“檢索”環(huán)節(jié)。

三是職前教師需要精心設(shè)計(jì)提示語(yǔ)以釋放機(jī)器智能，促使深層次認(rèn)知活動(dòng)的發(fā)生。生成式人工智能無(wú)法主動(dòng)發(fā)起對(duì)話，需要職前教師主動(dòng)提問(wèn)。提示語(yǔ)作為人機(jī)交互媒介，是由用戶主動(dòng)向機(jī)器提供的一組指令集，幫助機(jī)器理解人類意圖，以生成符合需求的回復(fù)。如果輸入不恰當(dāng)?shù)膯?wèn)題或者使用機(jī)器無(wú)法理解的語(yǔ)言，職前教師難以得到滿意回復(fù)。因此，需要職前教師精心設(shè)計(jì)提示語(yǔ)，對(duì)教學(xué)需求進(jìn)行具體而明確的描述。首先鑒別出教學(xué)需求，然后向機(jī)器提問(wèn)，并根據(jù)機(jī)器回復(fù)進(jìn)行評(píng)估和反思，提出改進(jìn)建議。這種多輪迭代過(guò)程讓職前教師不斷進(jìn)行信息選擇、關(guān)聯(lián)、判斷和修改，從而促進(jìn)深層次認(rèn)知加工，即“組織”環(huán)節(jié)。

四是人機(jī)協(xié)同教學(xué)設(shè)計(jì)需要職前教師整合新舊知識(shí)，形成最終的教學(xué)設(shè)計(jì)方案。在經(jīng)歷多輪人機(jī)會(huì)話后，職前教師反復(fù)選擇和組織信息、整合新舊知識(shí)，完成不同教學(xué)變量的關(guān)聯(lián)與融合，形成富有邏輯、科學(xué)恰當(dāng)?shù)慕虒W(xué)思路，最終生成符合預(yù)期目標(biāo)的教學(xué)設(shè)計(jì)方案，即“整合”環(huán)節(jié)。

（二）自我生成教學(xué)理論視域下職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程的分析

本研究基于自我生成教學(xué)理論構(gòu)建了職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程模型，如圖1所示。人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程主要包括以下三個(gè)環(huán)節(jié)：

1. 知識(shí)檢索

職前教師首先需要知道教學(xué)設(shè)計(jì)的結(jié)構(gòu)、課程標(biāo)準(zhǔn)、學(xué)科教學(xué)法等理論知識(shí)，才能明確后續(xù)階段行動(dòng)計(jì)劃和所需支持，然后通過(guò)向機(jī)器提問(wèn)、發(fā)出指令或設(shè)定角色的方式，獲取所需信息。如“一份教學(xué)設(shè)計(jì)方案包括哪些元素，每個(gè)元素如何去確定，教學(xué)活動(dòng)如何編排”等，該過(guò)程會(huì)激活教學(xué)設(shè)計(jì)結(jié)構(gòu)等相關(guān)知識(shí)，以支持后續(xù)教學(xué)目標(biāo)編制和教學(xué)評(píng)價(jià)任務(wù)設(shè)計(jì)等。

2. 結(jié)構(gòu)重建

生成式人工智能基于職前教師提問(wèn)給予提示和補(bǔ)充，或者提供思路和建議。職前教師基于機(jī)器的回復(fù)選擇有價(jià)值的信息，運(yùn)用系統(tǒng)思維綜合人機(jī)智慧，關(guān)聯(lián)不同教學(xué)設(shè)計(jì)元素，逐漸形成關(guān)于某個(gè)教學(xué)設(shè)計(jì)變量新的認(rèn)知結(jié)構(gòu)，如“教學(xué)目標(biāo)的寫(xiě)作方式與要求”等，以指導(dǎo)教學(xué)目標(biāo)的分析與設(shè)計(jì)。

3. 方案創(chuàng)生

職前教師會(huì)基于重構(gòu)的認(rèn)知結(jié)構(gòu)，對(duì)機(jī)器回復(fù)進(jìn)行評(píng)估和反思，不斷提出改進(jìn)建議。這些深層次認(rèn)知加工活動(dòng)尤其需要高階思維參與，通過(guò)整合新舊經(jīng)驗(yàn)和知識(shí)，主動(dòng)構(gòu)建起關(guān)于一份教學(xué)設(shè)計(jì)方案的整體性理解，最終融合不同教學(xué)變量以形成完整的方案。

在人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程中，生成式人工智能扮演著合作伙伴的角色，發(fā)揮著知識(shí)理解、知識(shí)問(wèn)答和知識(shí)創(chuàng)生三大功能。職前教師借助提示語(yǔ)釋放機(jī)器智能，賦能教學(xué)設(shè)計(jì)過(guò)程。而釋放機(jī)器智能離不開(kāi)職前教師的先驗(yàn)基礎(chǔ)，包括教學(xué)設(shè)計(jì)相關(guān)理論知識(shí)、生成式人工智能原理和使用技巧以及高階思維技能，它們依賴著師范教育階段的學(xué)習(xí)與培訓(xùn)，共同影響著自我生成教學(xué)過(guò)程。

（三）職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)能力培訓(xùn)活動(dòng)設(shè)計(jì)

根據(jù)職前教師人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程模型設(shè)計(jì)培訓(xùn)活動(dòng)，旨在夯實(shí)教學(xué)設(shè)計(jì)理論基礎(chǔ)、掌握生成式人工智能基本操作、提升高階思維，以幫助職前教師在未來(lái)能夠更好地勝任人機(jī)協(xié)同教育，如圖2所示。從橫向看，為支持自我生成教學(xué)的三個(gè)環(huán)節(jié)，即“檢索—組織—整合”發(fā)生，設(shè)定三大專題；從縱向看，提供一個(gè)完整的、綜合知識(shí)、技能和思維的人機(jī)協(xié)同實(shí)踐經(jīng)歷。

專題一：基于生成式人工智能歸納教學(xué)設(shè)計(jì)的理論知識(shí)體系。該專題旨在夯實(shí)職前教師關(guān)于教學(xué)設(shè)計(jì)的理論知識(shí)，熟悉生成式人工智能的基本原理，歸納總結(jié)關(guān)于教學(xué)設(shè)計(jì)的理論知識(shí)體系，以支持職前教師在“知識(shí)檢索”環(huán)節(jié)能夠激活更多相關(guān)知識(shí)，支持后續(xù)環(huán)節(jié)。

專題二：探索一個(gè)最優(yōu)的提示語(yǔ)模板助力人機(jī)協(xié)同的教學(xué)設(shè)計(jì)。該專題旨在幫助教師理解生成式人工智能原理以及提示語(yǔ)設(shè)計(jì)技巧與方法，通過(guò)人機(jī)協(xié)同的實(shí)踐任務(wù)，引導(dǎo)職前教師如何恰當(dāng)?shù)叵驒C(jī)器描述教學(xué)需求和預(yù)期目標(biāo)，同時(shí)也鍛煉了職前教師創(chuàng)新思維等。

專題三：在生成式人工智能支持下撰寫(xiě)一份教學(xué)設(shè)計(jì)方案。該專題基于前面兩大專題，進(jìn)一步促進(jìn)職前教師系統(tǒng)化地整合教學(xué)設(shè)計(jì)中的相關(guān)要素，形成完整連貫的教學(xué)設(shè)計(jì)思路，最終融合人機(jī)智慧以制訂一份完整的教學(xué)設(shè)計(jì)方案。同時(shí)，通過(guò)遞階思維鏈引導(dǎo)，幫助職前教師設(shè)計(jì)層層遞進(jìn)、環(huán)環(huán)相扣的提示語(yǔ)框架，促進(jìn)深層次人機(jī)思維融合，鍛煉職前教師批判性思維等。

四、研究設(shè)計(jì)

（一）研究對(duì)象

為驗(yàn)證培訓(xùn)效果，本研究開(kāi)展了為期六周的干預(yù)實(shí)驗(yàn)，共招募22名某高校計(jì)算機(jī)科學(xué)與技術(shù)師范專業(yè)學(xué)生，他們有相同的師范教育經(jīng)歷，具備基本的教學(xué)設(shè)計(jì)理論知識(shí)，此前均沒(méi)有人機(jī)協(xié)同教學(xué)設(shè)計(jì)經(jīng)歷。

（二）實(shí)驗(yàn)流程和研究問(wèn)題

在研究準(zhǔn)備階段，根據(jù)三大專題設(shè)計(jì)培訓(xùn)活動(dòng)，每個(gè)專題持續(xù)兩周。培訓(xùn)前后，職前教師分別要提交一份完整的人機(jī)協(xié)同教學(xué)設(shè)計(jì)方案以及人機(jī)對(duì)話全部過(guò)程內(nèi)容，完成“人機(jī)協(xié)同教學(xué)設(shè)計(jì)信念”問(wèn)卷，生成式人工智能工具采用文心一言大語(yǔ)言模型。驗(yàn)證培訓(xùn)有效性的四個(gè)子問(wèn)題分別是：能否顯著提升教學(xué)設(shè)計(jì)方案的質(zhì)量，能否激活更多與教學(xué)設(shè)計(jì)相關(guān)的知識(shí)，能否提升高階思維能力，能否提高教學(xué)設(shè)計(jì)信心。

（三）數(shù)據(jù)收集工具

1. 教學(xué)設(shè)計(jì)方案的搜集與評(píng)價(jià)

教學(xué)設(shè)計(jì)方案評(píng)分標(biāo)準(zhǔn)包括結(jié)構(gòu)、準(zhǔn)確、完整、外觀、創(chuàng)新和交互六個(gè)維度[25]，滿分100分。由兩位教育技術(shù)領(lǐng)域?qū)＜曳謩e對(duì)44份方案打分，一致性信度在90%以上。

2. 人機(jī)對(duì)話內(nèi)容的搜集與編碼

從單元概念、精加工語(yǔ)句和提問(wèn)行為三個(gè)方面分析人機(jī)對(duì)話內(nèi)容，對(duì)比培訓(xùn)前后關(guān)于教學(xué)設(shè)計(jì)相關(guān)知識(shí)的掌握程度與高階思維水平。

（1）單元概念編碼

概念單元的完整程度是影響自我生成教學(xué)的重要因素，如學(xué)習(xí)者產(chǎn)生的概念單元越豐富，表明學(xué)習(xí)者對(duì)所學(xué)內(nèi)容掌握越多，學(xué)習(xí)效果越好[26]。因此，對(duì)提示語(yǔ)中出現(xiàn)的教學(xué)設(shè)計(jì)主題概念（如教學(xué)目標(biāo)、學(xué)情分析等）和學(xué)科內(nèi)容主題概念（如大數(shù)據(jù)、信息系統(tǒng)的概念與特征等）分別編碼，最后統(tǒng)計(jì)不同的單元概念數(shù)量，代表概念單元的豐富程度。本研究參考了《教學(xué)設(shè)計(jì)》以及普通高中信息技術(shù)必修2《信息系統(tǒng)與社會(huì)》第1單元“信息系統(tǒng)的組成與功能”（教育科學(xué)出版社），分別邀請(qǐng)兩位教育技術(shù)專家進(jìn)行編碼，一致性信度在90%以上。

（2）精加工語(yǔ)句編碼

精加工語(yǔ)句指學(xué)習(xí)者結(jié)合已有知識(shí)，以舉例、打比方的方式將所學(xué)內(nèi)容與實(shí)際經(jīng)驗(yàn)進(jìn)行關(guān)聯(lián)，以產(chǎn)生超出學(xué)習(xí)內(nèi)容的解釋[27]。職前教師在人機(jī)會(huì)話過(guò)程中能否綜合不同要素、結(jié)合具體學(xué)科內(nèi)容和實(shí)例主動(dòng)聯(lián)系所學(xué)知識(shí)向機(jī)器提問(wèn)，反映其認(rèn)知過(guò)程的精加工水平。本研究參考SOLO模型[28]對(duì)人機(jī)對(duì)話中的精加工語(yǔ)句進(jìn)行編碼，其中SOLO-2表示涉及了單個(gè)概念，SOLO-3表示涉及了多個(gè)概念，SOLO-4表示涉及了多個(gè)概念，且這些概念相互關(guān)聯(lián)，SOLO-5表示能夠從抽象層面對(duì)多個(gè)概念進(jìn)行歸納總結(jié)。

（3）提問(wèn)行為編碼

問(wèn)題解決能力屬于高階思維，教學(xué)設(shè)計(jì)過(guò)程即復(fù)雜問(wèn)題解決過(guò)程。為了對(duì)比培訓(xùn)前后高階思維能力的變化，本研究參考Hesse等提出的協(xié)作問(wèn)題解決模型[29]設(shè)計(jì)了提問(wèn)行為編碼框架，見(jiàn)表1。

3. 職前教師教學(xué)設(shè)計(jì)信心的測(cè)量

根據(jù)培訓(xùn)任務(wù)，在教學(xué)設(shè)計(jì)專家指導(dǎo)下編制了三道題，分別是：“通過(guò)這次與GPT對(duì)話，你覺(jué)得對(duì)教學(xué)設(shè)計(jì)相關(guān)內(nèi)容更加了解了嗎”“通過(guò)這次與GPT對(duì)話，你覺(jué)得對(duì)如何制定一份信息技術(shù)課程教學(xué)設(shè)計(jì)更有信心了嗎”“通過(guò)這次與GPT對(duì)話，你覺(jué)得對(duì)評(píng)價(jià)一份教學(xué)設(shè)計(jì)方案更有信心了嗎”。每道題目采用十點(diǎn)評(píng)分制，從“非常不符合”到“非常符合”。問(wèn)卷前后測(cè)信度分別是0.788和0.987，信度良好。

（四）研究結(jié)果

1.教學(xué)設(shè)計(jì)方案的質(zhì)量是否提升

本研究對(duì)培訓(xùn)前后教學(xué)方案評(píng)分結(jié)果進(jìn)行了配對(duì)樣本t檢驗(yàn)分析，培訓(xùn)后教學(xué)設(shè)計(jì)方案質(zhì)量（M=88.9，SD=3.972）顯著高于培訓(xùn)前（M=81，SD=4.039），t（21）=7.840，plt;0.001。教學(xué)設(shè)計(jì)方案的質(zhì)量得到提升，表明該培訓(xùn)有效果。

2.是否激活更多與教學(xué)設(shè)計(jì)相關(guān)的知識(shí)

培訓(xùn)前后人機(jī)對(duì)話中單元概念編碼結(jié)果的配對(duì)樣本t檢驗(yàn)分析結(jié)果見(jiàn)表2。培訓(xùn)后教學(xué)設(shè)計(jì)類單元概念數(shù)量（M=12，SD=4.938）顯著多于培訓(xùn)前（M=8.14，SD=4.389），t（21）=4.181，plt;0.001。但是培訓(xùn)后學(xué)科知識(shí)類型單元概念數(shù)量（M=3.18，SD=2.239）與培訓(xùn)前（M=2.27，SD=1.316）沒(méi)有顯著性差異，t（21）=1.546，pgt;0.05。表明該培訓(xùn)能激活更多教學(xué)設(shè)計(jì)類相關(guān)知識(shí)。

此外，通過(guò)兩種類型單元概念數(shù)量對(duì)比，發(fā)現(xiàn)培訓(xùn)前后職前教師產(chǎn)生的教學(xué)設(shè)計(jì)類型單元概念數(shù)量遠(yuǎn)多于學(xué)科知識(shí)類型。說(shuō)明生成式人工智能主要在學(xué)科知識(shí)方面給予較多支持，但在創(chuàng)設(shè)方面，如教學(xué)思路設(shè)計(jì)、活動(dòng)編排、師生交互活動(dòng)規(guī)劃等方面，仍舊需要職前教師決策。

3. 高階思維能力是否提升

（1）培訓(xùn)前后精加工語(yǔ)句對(duì)比分析

對(duì)培訓(xùn)前后精加工語(yǔ)句數(shù)量進(jìn)行配對(duì)樣本t檢驗(yàn)分析，見(jiàn)表2。發(fā)現(xiàn)培訓(xùn)后精加工語(yǔ)句數(shù)量（M=5.45，SD=2.972）顯著多于培訓(xùn)前（M=2.91，SD=1.823），t（21）=3.763，plt;0.01。說(shuō)明職前教師在生成式人工智能提示下更能主動(dòng)建構(gòu)知識(shí)，實(shí)現(xiàn)對(duì)教學(xué)設(shè)計(jì)理論知識(shí)的理解與內(nèi)化。

（2）培訓(xùn)前后職前教師提問(wèn)行為的滯后序列分析

培訓(xùn)前后職前教師提問(wèn)行為滯后序列分析結(jié)果如圖3所示。在培訓(xùn)前，職前教師傾向于“設(shè)定角色→gt;發(fā)出命令”“重復(fù)命令→尋求思路”“簡(jiǎn)單提問(wèn)→發(fā)出命令”“尋求思路→尋求思路”“優(yōu)化思路→優(yōu)化思路”。在培訓(xùn)后，職前教師傾向于“發(fā)出命令→設(shè)定角色”“尋求思路→尋求思路”“優(yōu)化思路→優(yōu)化思路”。培訓(xùn)后“優(yōu)化思路→優(yōu)化思路”更為頻繁，說(shuō)明培訓(xùn)后職前教師會(huì)更傾向?qū)C(jī)器的回復(fù)進(jìn)行評(píng)估、批判和改進(jìn)，思維深度不斷遞階。此外，培訓(xùn)前職前教師會(huì)先明確需求，要求機(jī)器根據(jù)需求生成教學(xué)設(shè)計(jì)方案，采用深度優(yōu)先策略；而培訓(xùn)后職前教師會(huì)先發(fā)出命令，在此基礎(chǔ)上進(jìn)一步明確需求，說(shuō)明職前教師會(huì)先了解機(jī)器的支持情況，然后評(píng)估機(jī)器回復(fù)的質(zhì)量，再設(shè)計(jì)相應(yīng)提示語(yǔ)引導(dǎo)機(jī)器生成相應(yīng)資源，采用了廣度優(yōu)先策略，展現(xiàn)出專家型問(wèn)題解決的特征[30]。

4. 教學(xué)設(shè)計(jì)信心是否提高

職前教師培訓(xùn)前后教學(xué)設(shè)計(jì)信心的配對(duì)樣本t檢驗(yàn)分析結(jié)果見(jiàn)表3。培訓(xùn)后職前教師評(píng)價(jià)一份教學(xué)設(shè)計(jì)方案的信心（M=5.50，SD=2.220）顯著高于培訓(xùn)前（M=4.18，SD=3.002），t（21）=2.263，p=0.034lt;0.05。但在制訂教學(xué)設(shè)計(jì)方案和對(duì)教學(xué)設(shè)計(jì)相關(guān)內(nèi)容的熟悉程度方面，雖然平均值上升了，但沒(méi)有顯著性差異。

五、討論與建議

（一）討論

本研究基于自我生成教學(xué)理論設(shè)計(jì)培訓(xùn)活動(dòng)，通過(guò)對(duì)比分析培訓(xùn)前后職前教師的教學(xué)設(shè)計(jì)方案、人機(jī)對(duì)話內(nèi)容和問(wèn)卷數(shù)據(jù)，發(fā)現(xiàn)培訓(xùn)取得良好效果，能夠有效地促進(jìn)職前教師對(duì)教學(xué)設(shè)計(jì)相關(guān)知識(shí)的理解與內(nèi)化，提高了高階思維的能力和信心，實(shí)現(xiàn)了生成式人工智能賦能職前教師教學(xué)設(shè)計(jì)能力的發(fā)展。

首先，人機(jī)協(xié)同教學(xué)設(shè)計(jì)實(shí)質(zhì)上是自我生成教學(xué)過(guò)程。生成式人工智能知識(shí)儲(chǔ)備豐富、能夠模擬人類思維進(jìn)行實(shí)時(shí)交流，不僅給予職前教師一種有效的外部提示，還能充當(dāng)心理上的學(xué)習(xí)伙伴。職前教師在人機(jī)協(xié)同教學(xué)設(shè)計(jì)過(guò)程中主動(dòng)進(jìn)行知識(shí)檢索、信息重構(gòu)和新舊知識(shí)整合，最終制訂教學(xué)設(shè)計(jì)方案，完成知識(shí)建構(gòu)。這種由技術(shù)介入的社會(huì)臨場(chǎng)感能夠很好地支持職前教師進(jìn)行教學(xué)設(shè)計(jì)學(xué)習(xí)與實(shí)踐。

其次，自我生成教學(xué)過(guò)程離不開(kāi)學(xué)習(xí)者先前經(jīng)驗(yàn)的參與。職前教師首先要基于已有知識(shí)與經(jīng)驗(yàn)設(shè)計(jì)提示語(yǔ)，讓機(jī)器能夠理解教學(xué)設(shè)計(jì)任務(wù)和預(yù)期目標(biāo)，才能生成適宜性的回復(fù)。由于職前教師缺少實(shí)踐經(jīng)驗(yàn)，因此，需要開(kāi)展有目的的培訓(xùn)，幫助職前教師掌握教學(xué)設(shè)計(jì)相關(guān)理論知識(shí)，確保自我生成教學(xué)的進(jìn)行。在培訓(xùn)后發(fā)現(xiàn)職前教師在提問(wèn)中提及的教學(xué)設(shè)計(jì)相關(guān)概念顯著增多。但是，培訓(xùn)前后關(guān)于教學(xué)設(shè)計(jì)知識(shí)的激活量要明顯多于學(xué)科內(nèi)容知識(shí)，這是因?yàn)樯墒饺斯ぶ悄苣軌驅(qū)W習(xí)已有的、固定的學(xué)科知識(shí)，但是在高階認(rèn)知任務(wù)上，如關(guān)聯(lián)多種概念、整合不同想法、創(chuàng)造性解決問(wèn)題方面仍需要人類教師主動(dòng)參與。

最后，自我生成教學(xué)理念強(qiáng)調(diào)深層次認(rèn)知加工。學(xué)習(xí)者思維水平越高，越有利于“結(jié)構(gòu)重建”和“方案創(chuàng)生”。通過(guò)培訓(xùn)，職前教師提問(wèn)中的精加工語(yǔ)句明顯增多，而且采用的問(wèn)題解決策略更趨向于專家型。這是因?yàn)榕嘤?xùn)中會(huì)針對(duì)性地引導(dǎo)職前教師評(píng)估機(jī)器回復(fù)、設(shè)計(jì)高效的提示語(yǔ)模板、基于遞階思維鏈設(shè)計(jì)提問(wèn)等，都需要不斷反思、評(píng)估、批判、整合和創(chuàng)新，有利于鍛煉職前教師高階思維能力，對(duì)評(píng)價(jià)教學(xué)設(shè)計(jì)方案也變得更有信心，避免生成式人工智能支持下容易出現(xiàn)思維惰性或主體性喪失等問(wèn)題。

（二）建議

首先，當(dāng)前人機(jī)協(xié)同視域下教師專業(yè)發(fā)展相關(guān)理論、策略和規(guī)范的研究與實(shí)踐仍處于起步狀態(tài)，有必要開(kāi)展生成式人工智能賦能教師專業(yè)發(fā)展相關(guān)理論的研究與實(shí)踐，尤其是探究人機(jī)協(xié)同教育過(guò)程與機(jī)理，在此基礎(chǔ)上更好地指導(dǎo)職前教師培訓(xùn)課程的設(shè)計(jì)，確保師范教育與時(shí)俱進(jìn)。

其次，根據(jù)自我生成教學(xué)理論，在師范教育階段要夯實(shí)職前教師在教學(xué)設(shè)計(jì)方面的知識(shí)與技能基礎(chǔ)，加強(qiáng)高階思維技能訓(xùn)練，以及生成式人工智能原理與應(yīng)用技巧的學(xué)習(xí)。只有這樣，在人機(jī)協(xié)同教育中，職前教師才能積極發(fā)揮主體性和創(chuàng)造性，引導(dǎo)智能機(jī)器提供適宜性支持，通過(guò)自我生成教學(xué)過(guò)程發(fā)生，實(shí)現(xiàn)人機(jī)智能的雙向賦能與共同促進(jìn)。

[參考文獻(xiàn)]

[1] 鐘志賢，易凱諭，劉曉艷. 中小學(xué)教師教學(xué)設(shè)計(jì)理論知識(shí)水平現(xiàn)狀研究[J]. 電化教育研究，2019，40（3）：106-117.

[2] 祝智庭，金志杰，戴嶺，等. 數(shù)智賦能高等教育新質(zhì)發(fā)展：GAI技術(shù)時(shí)代的教師新作為[J]. 電化教育研究，2024，45（6）：5-13.

[3] 方海光，孔新梅，劉慧薇，等. 基于共生理論的人機(jī)協(xié)同教育主體合作博弈及其優(yōu)化策略研究[J]. 電化教育研究，2024，45（1）：21-27.

[4] 喻國(guó)明，陳雪嬌. 人機(jī)協(xié)同下合作行為的發(fā)生機(jī)制與演變路徑[J]. 山東師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024，69（1）：146-156，165.

[5] 盛群力，鐘麗佳，張玉梅. 大學(xué)教師教學(xué)設(shè)計(jì)能力知多少？——高校教師教學(xué)設(shè)計(jì)能力調(diào)查[J]. 開(kāi)放教育研究，2015，21（4）：44-51.

[6] 陳花，王愛(ài)玲，段巍，等. 職前教師教學(xué)設(shè)計(jì)能力檢核模型的建構(gòu)研究[J]. 教育理論與實(shí)踐，2024，44（1）：43-48.

[7] 馮曉英，徐辛，郭婉瑢. 如何理解，如何行動(dòng)，如何成為？——人工智能時(shí)代教師專業(yè)發(fā)展的反思[J]. 開(kāi)放教育研究，2024，30（2）：31-41.

[8] 胡藝齡，彭曉玲，吳忭. STEM教師教學(xué)設(shè)計(jì)能力在線培養(yǎng)模式研究[J]. 中國(guó)遠(yuǎn)程教育，2021（8）：31-39.

[9] FIDAN M， GENCEL N. Supporting the instructional videos with chatbot and peer feedback mechanisms in online learning： the effects on learning performance and intrinsic motivation[J]. Journal of educational computing research， 2022，60（7）：1716-1741.

[10] LEE D， YEO S. Developing an AI-based chatbot for practicing responsive teaching in mathematics[J]. Computers amp; education，2022，191（12）：1-17.

[11] MARKEL J M， OPFERMAN S G， LANDAY J A， et al. GPTeach： interactive TA training with GPT-based students[C]//Proceedings of the Tenth ACM Conference on Learning@ Scale. New York： Association for Computing Machinery，2023：226-236.

[12] HARAHAP M A K， AUSAT A M A， RACHMAN A， et al. Overview of ChatGPT technology and its potential in improving tourism information services[J]. Jurnal mininfo polgan， 2023，12（1）：424-431.

[13] DA COSTA B， KINSELL C. Enhancing instructional design with generative AI： a comparative analysis of media selection using ChatGPT[C]// Proceedings of Society for Information Technology amp; Teacher Education International Conference. Las Vegas： Association for the Advancement of Computing in Education （AACE），2024：68-73.

[14] GURL T J， MARKINSON M P， ARTZT A F. Using ChatGPT as a lesson planning assistant with preservice secondary mathematics teachers[EB/OL]. （2024-04-11）[2024-06-29]. https：//www.researchsquare.com/article/rs-4220377/v1.

[15] OKULU H Z， MUSLU N. Designing a course for pre-service science teachers using ChatGPT： what ChatGPT brings to the table[J]. Interactive Learning Environments， 2024（3）：1-18.

[16] 何文濤，張夢(mèng)麗，逯行，等. 人工智能視域下人機(jī)協(xié)同教學(xué)模式構(gòu)建[J]. 現(xiàn)代遠(yuǎn)距離教育，2023（2）：78-87.

[17] FARROKHNIA M， BANIHASHEM S K， NOROOZI O， et al. A SWOT analysis of ChatGPT： implications for educational practice and research[J]. Innovations in education and teaching international，2023，61（3）：460-474.

[18] YILMAZ R， KARAOGLAN YILMAZ F G. The effect of generative artificial intelligence （AI）-based tool use on students’ computational thinking skills， programming self-efficacy and motivation[J]. Computers amp; education artificial intelligence， 2023，4：1-14.

[19] FIORELLA L， MAYER R E. The relative benefits of learning by teaching and teaching expectancy[J]. Contemporary educational psychology， 2013，38（4）：281-288.

[20] FIORELLA L， MAYER R E. The generative activity principle in multimedia learning[M]// MAYER R E， FIORELLA L. The cambridge handbook of multimedia learning. New York： Cambridge University Press， 2022：339-350.

[21] ENDRES T， CARPENTER S， MARTIN A， et al. enhancing learning by retrieval： enriching free recall with elaborative prompting[J]. Learning and instruction， 2017，49（6）：13-20.

[22] KREIJNS K， XU K， WEIDLICH J. Social presence： conceptualization and measurement[J]. Educational psychology review，2021，34（1）：139-170.

[23] 王福興，黃宇，張洋，等. 提示對(duì)學(xué)習(xí)者自我生成教學(xué)過(guò)程和學(xué)習(xí)效果的作用[J]. 心理學(xué)報(bào)，2024，56（4）：469-481.

[24] JACOB L， LACHNER A， SCHEITER K. Learning by explaining orally or in written form？ Text complexity matters[J]. Learning and instruction， 2020，68（8）：1-13.

[25] CHANG C C， HWANG G J， CHEN K F. Fostering professional trainers with robot-based digital storytelling： a brainstorming， selection， forming and evaluation model for training guidance[J]. Computers amp; education， 2023，202（9）：1-16.

[26] SIBLEY L， FIORELLA L， LACHNER A. It's better when I see it： students benefit more from open-book than closed-book teaching[J]. Applied cognitive psychology， 2022，36（6）：1347-1355.

[27] FIORELLA L， KUHLMANN S. Creating drawings enhances learning by teaching[J]. Journal of educational psychology， 2020，112（4）：811-822.

[28] BIGGS J B， COLLIS K F. Evaluating the quality of learning： the SOLO taxonomy （structure of the observed learning outcome）[M].New York： Academic Press， 1982.

[29] HESSE F， CARE E， BUDER J， et al. A framework for teachable collaborative problem solving skills[M]// GRIFFIN P， CARE E. Assessment and teaching of 21st century skills： methods and approach. Dordrecht： Springer Dordrecht， 2015：37-56.

[30] 尹睿，張文朵，何靖瑜. 設(shè)計(jì)思維：數(shù)字時(shí)代教師教學(xué)能力發(fā)展的新生長(zhǎng)點(diǎn)[J]. 電化教育研究，2018，39（8）：109-113，121.

An Empirical Research on the Development of Pre-service Teachers' Human-Machine Collaborative Instructional Design Abilities—From the Perspective of Self-Generated Instruction Theory

WU Lan1，" WANG Axi2，" DONG Yan3

（1.School of Teacher Education， Nanjing University of Information Science amp; Technology， Nanjing Jiangsu 210044; 2.Teachers' College， Beijing Union University， Beijing 100011; 3.Faculty of Education， Beijing Normal University， Beijing 100875）

[Abstract] Teachers' instructional design ability is one of the key factors affecting the quality and efficiency of education， and the development of pre-service teachers' instructional design ability has become the focus in teacher education. However， because of lacking resource support and personalized guidance in the process of instructional design， pre-service teachers are prone to superficial understanding of instructional design and even lose interest and confidence. Generative artificial intelligence （GAI）， with its rich knowledge reserve， human-like thinking logic and efficient response， has shown typical advantages in empowering pre-service teachers to develop their instructional design ability. Based on this， this study， under the guidance of self-regulated instruction theory， analyzed the process of human-machine collaborative instructional design， including three major stages of knowledge retrieval， structure reconstruction， and plan generation. Based on this model， the training activities for pre-service teachers' human-computer collaborative instructional design ability were designed and an empirical study was conducted. By comparing the data before and after the training， it was found that there were significant improvements in the understanding of instructional design， the level of higher-order thinking， and confidence in instructional design. Finally， this paper discussed the results and proposed some developmental suggestions.

[Keywords] Generative Artificial Intelligence; Human-Machine Collaboration; Instructional Design; Pre-service Teachers; Self-generated Instruction