师范生生成式人工智能教育应用认知与理念：现状、问题及对策

　　摘　要：智能教育是教育数字化转型的重要路径之一，对未来教师素养提出了新要求。为把握师范生智能教育素养发展情况，形成培养对策，基于对国内外相关理论和成果的深入分析，以智能教育素养理论和行为预测综合模型为分析框架，编制调查问卷，选取广东省高校师范生为样本，剖析师范生对生成式人工智能教育应用的认知与理念。结果表明：师范生对生成式人工智能教育应用持积极态度，认为其可以较好地提高师范学习和教学的绩效，且应用行为意向较高，愿意将生成式人工智能用于学习与师范技能提升，这种积极的态度存在于不同性别、不同专业、不同年级的师范生群体中;师范生对生成式人工智能教育应用的认知不足、自我效能感偏低，这和高校缺乏相关课程与学习资源、教育应用路径不明晰有关;师范生普遍认同生成式人工智能教育应用存在技术与使用规范问题。在此基础上，针对师范生生成式人工智能教育应用认知与理念提升，提出丰富相关课程与培训、改善产品教育易用性和有用性、促进技术迭代与法规完善等对策。

　　关键词：师范生；智能教育素养；生成式人工智能；行为预测综合模型；教育数字化转型

　　中图分类号：G434

　　文献标志码：A

　　文章编号：1673-8454(2024)10-0032-12

　　作者简介：张缨斌，华南师范大学教育人工智能研究院助理研究员，博士(广东广州 510631);姜丽滢，华南师范大学历史文化学院本科生(广东广州 510631);周晶晶，华南师范大学马克思主义学院本科生(广东广州 510631);李淑玲，华南师范大学教育科学学院本科生(广东广州 510631);穆肃，华南师范大学教育人工智能研究院教授，博士(广东广州 510631)

　　基金项目：广东省哲学社会科学规划2024年度青年项目“数字化转型视域下教师生成式人工智能教育应用素养研究”(编号：GD24YJY06)

　　一、引言

　　人工智能教育应用是推动教育创新、实现教育数字化转型的重要路径之一。数字化转型一定程度上受到组织人员数字文化素养和态度的限制。作为教育行为实施的主体，教师的智能教育素养水平是影响人工智能教育应用的重要因素，也是实现教育数字化转型的挑战之一^[1]。2018年，中共中央、国务院印发《关于全面深化新时代教师队伍建设改革的意见》，提出教师要主动适应人工智能技术等新变革。我国对提升教师利用人工智能技术进行教育教学的能力高度重视。2022年，教育部等八部门印发《新时代基础教育强师计划》，强调要提升中小学教师的信息技术应用能力和科学素养，进一步挖掘和发挥教师在人工智能与教育融合中的作用。

　　近年来，生成式人工智能(Generative Artificial Intelligence, GenAI)为教学转型创新赋能，也对教师的智能教育素养提出挑战。GenAI是人工智能技术创新发展的成果，其中最具代表性的应用ChatGPT具有快速的内容创生能力，备受教育工作者热议和关注。联合国教科文组织(UNESCO)于2023年相继发布《高等教育中的ChatGPT和人工智能：快速入门指南》《生成式人工智能教育与研究应用指南》，为教师提供GenAI教育应用实践的指导。截至2023年11月30日，即ChatGPT发布一周年之时，本研究通过中国知网以“ChatGPT”和“教育”为主题进行检索，结果显示已有367篇相关学术论文;在谷歌学术中以标题必须包含“ChatGPT”和“education”为要求进行检索，发现已有607篇相关论文。由此可见，GenAI教育应用具有巨大的发展潜力。

　　当前关于教师智能教育素养的研究，大都指向在职教师或教师整体，聚焦师范生群体的研究较少，未体现出身兼在校学生与未来教师双重角色的师范生对智能教育素养的特殊需求和对GenAI教育应用的认识。现有师范生智能教育素养研究表明，师范生群体智能教育素养整体水平不高，并未做好将人工智能融入教育实践的准备^[2][3]，更缺少师范生对GenAI教育应用接受度和准备情况的相关研究。技术的接受、采纳与使用是一个复杂过程，GenAI能否在教育实践中实现真正的应用，关键之一在于教师对其创新性优势是否具备积极和正确的认知，以及教师是否愿意采纳与使用该技术支持的教学模式^[4][5]。师范生作为教师队伍的源头活水，其对于新兴技术的认知与理念影响着未来教师群体在教育教学中融入GenAI的实践行为，是促进智能技术在教育领域广泛应用的重要前提。但目前尚不清楚师范生GenAI教育应用认知和理念的现状和问题，不利于政府和高校制定提升师范生智能教育素养的对策。鉴于此，本研究以行为预测综合模型为理论基础，编制针对师范生的GenAI教育应用调查问卷，以广东省高校师范生群体为研究样本，剖析师范生群体对GenAI教育应用的认知与接纳程度，为构建智能素养培育路径提供证据支撑，推动师范教育培养体系与时代需求、现实教育问题接轨，促进人工智能助推教师队伍建设。

　　二、研究现状

　　(一)生成式人工智能教育应用的研究现状

　　国外在GenAI教育应用上已开展较活跃和广泛的研究。研究内容涵盖GenAI教育应用的政策与法规、教学应用方法及效果评估、潜在问题分析、运用能力要求等。在政策准备方面，联合国教科文组织发布关于教育领域使用GenAI的全球指导，以“以人为本的人工智能应用原则”为指导，提出各国制定GenAI管理办法的路线图和具体管理建议^[6]。在教学应用方面，国外研究主要集中于GenAI在STEAM教育、写作教学、学生反思等方面的应用及效果。例如，有研究介绍如何通过分析学生使用稳定扩散模型生成图片的提示语数据，来评估发散及收敛思维，展示利用GenAI开展艺术与STEAM融合课程的潜力^[7]。此外，国外学者特别强调培养学生运用GenAI的批判性思维能力。例如，有研究认为教育者需要考虑如何设计更能体现学习者批判性思维和创造性的评估方式，包括真实和问题导向的评估^[8]。虽然国外研究探索了GenAI教育应用方式与效果，但由于具体应用路径仍不明晰，与教学实践真正结合尚有一定距离。

　　国内研究主要集中于GenAI教育应用的教与学新型关系、教育生态系统、机遇与潜能、问题和风险等理论探讨上。国内学者立足我国国情，提出许多具有中国特色的建设性观点。例如，戴岭等提出创设“集体智慧”的智慧教育生态系统，构建“人机共善”的数字德育体系新方略^[9]。在GenAI教育应用态度方面，李志民认为ChatGPT对高等教育的影响更为显著，能够提升学习和研究效率，影响高校评价体系，促进学术创新和批判性思维发展^[10]。而刘天丽等基于国内主流开放社区的公众发帖数据，通过情感分析技术发现公众对“ChatGPT+教育”的态度呈分化趋势，既有对“ChatGPT+教育”的赞誉，也有质疑和批评^[11]。大部分质疑者持消极态度是由于对新技术的实际使用效果进行深入了解后，发现或提出一些现实问题。因此，国内大部分学者对GenAI教育应用持谨慎的态度。例如，包昊罡等认为ChatGPT可以有效支持高质量数字资源建设，提升数字教育资源供给效率，增强资源内容个性化水平，完善精准资源服务水平，同时也带来更加突出的师生信息超载等挑战。此外，国内研究较少涉及具体的应用效果评估，且涉及学科专业较局限^[12]。例如，李海峰等设计并评价基于ChatGPT和QQ的人机协同探究性学习系统，发现该系统对学习成绩、动机、批判性思维和问题解决能力有一定促进作用，但样本均为化学专业本科生^[13]。

　　(二)师范生人工智能教育应用态度与实践的研究现状

　　有研究探讨了师范生对人工智能技术的认知与态度、智能教育素养培养策略等主题。例如，王贤文等开展的调查显示，师范生普遍认为人工智能技术具有教育应用价值，可以提高教师工作效率、减轻教师负担、支持差异化教学、帮助教师全面了解学生等，但师范生对人工智能教育应用的认知度不深，仍需进一步培养^[2];王润兰等的研究表明，师范生能够借助智能学习工具辅助学习，但智能教学素养相对较弱^[14]。总体而言，2022年上半年及之前开展的研究，针对泛义的人工智能技术进行，GenAI这种具有强大内容生成能力的技术在当时尚未出现或未广泛应用，人们对人工智能应用的理解还停留在“能记会算”和“能听会看”阶段。当前，人工智能技术已发展到“能写会想”阶段，且已出现多种类型信息生成的常规应用，对师范生专业能力发展的影响已然不同于专用人工智能。裴小娟通过问卷和访谈调研发现，师范生对人工智能教育应用存在理解偏差、知识欠缺、工具使用单一、资源整合能力差、开发能力薄弱、伦理安全意识缺乏等问题，但该调研非针对GenAI进行，不能体现师范生对GenAI教育应用的认知度和接纳度等情况^[15]。

　　综上可知，GenAI在2022年初出现后引起教育研究者重视，但尚不清楚师范生对GenAI的认识和应用情况。本研究对这一情况开展调研，关注师范生对GenAI的认识和理解，提供证据支撑师范生培养院校和专业教师更好地设计和开发相应的课程和教学活动，以提高师范生的智能教育素养，为教育数字化转型增添动力。

　　三、研究方法

　　(一)分析框架

　　1.智能教育素养

　　面对智能技术与教育深度融合的历史趋势，智能教育素养日益成为智能时代教师必备的内在品质。李湘认为，智能教育素养是信息技术素养在智能时代的升级和拓展^[16]。胡小勇等提出，胜任智能教育的教师需要理解教学法知识、智能教育技术知识和创意知识，掌握创意教学设计、行动、智能学习示范等能力，具备教育思维、设计思维、计算思维和数据思维，形成智能化教育教学的文化涵养及价值观^[17]。欧盟在《教育工作者在教学中使用人工智能和数据的道德准则》中提出，为了应对智能时代的挑战，教师需理解人工智能基础知识及其教育应用的利与弊，具备应用人工智能促进教学、管理、评价、自我发展，以及满足学生需求的能力^[18]。在此基础上，杜华将智能素养概括为融合智能知识、智能意识、智能能力、智能伦理的综合素养^[19]。综上，本研究将智能教育素养界定为教师应用人工智能开展教育教学实践的一种综合性专业素养，包括理念、知识、能力和思维。

　　师范教育作为教师专业成长的起点，需要重点增强智能教育素养的培养，以帮助师范生有效应对未来教师角色。而GenAI作为人工智能的突破性技术，为教育创造机遇的同时也挑战了传统教师角色，对教师提出新要求。因此，本研究聚焦师范生关于GenAI教育应用的知识和理念，以期推动师范生智能教育素养提升，提高师范教育质量。

　　2.行为预测综合模型

　　行为预测综合模型(Integrative Model of Behavior Prediction, IMBP)是用于解释个体在特定情境下行为意向和实际行为的理论框架^[20]。IMBP将行为意向与实际行为的影响因素分为近端与远端因素。近端因素中，态度、主观规范和自我效能感是行为意向的直接影响因素，对应的信念，即结果信念、规范信念、效能信念是间接影响因素;而行为意向、知识、技能、环境可供性与局限一起影响实际使用行为。远端因素通过近端因素影响行为意向与实际行为，如人口学变量、过往经历等。克赖因斯(Kreijns)等系统梳理了信息技术教育应用领域中的近、远端因素，强调解释教师应用具体的信息技术时，这些因素都应该指向该技术，而不是泛指一般的信息技术^[21]。克赖因斯等还将远端因素分为三层：微观层面如教师人口学特征、人格特质、动机、情感、工作特点等;中观层面如学校文化与发展规划、信息技术基础设施与课程培训等;宏观层面如区域和国家政策、财政支持等。基于克赖因斯等拓展的IMBP，罗江华等揭示了影响乡村教师常态化按需应用数字资源的主要阻碍因素^[22]。

　　本研究以IMBP作为分析框架，对影响师范生接纳GenAI教育应用的近、远端要素加以考量(见图1)。如前所述，本研究聚焦师范生关于GenAI教育应用的知识和理念，而这两个维度在IMBP中均为近端因素。知识维度包括师范生对GenAI的基本认知、教育应用场景认知、教育应用问题认知;理念维度包括师范生对GenAI教育应用的结果信念、态度、自我效能。远端因素方面，本研究聚焦微观层面的师范生人口学特征和GenAI使用经历，以及中观层面的学校GenAI课程培训与培养方案相关要求。

图1   基于行为预测综合模型的师范生生成式人工智能教育应用素养分析框架

　　(二)问卷设计

　　问卷包含引导语和主体，引导语介绍研究目的和GenAI的定义及例子(如ChatGPT、文心一言、星火大模型)。问卷主体包括四部分(见表1)。第一部分为远端影响因素，包括个人基本信息和高校开展情况;第二部分为近端因素之GenAI教育应用知识，包括基本认知、应用场景和应用问题，主要参考王贤文等设计的师范生人工智能教育应用认知与态度调查问卷^[2];第三部分为近端因素之GenAI教育应用理念，包括基本态度、结果信念(对GenAI教育应用结果的主观感知)、自我效能;第四部分为师范生GenAI教育应用行为意向。第三、四部分主要参考教师技术接纳、计算自我效能相关问卷^[23-25]。其中第二、三部分采用李克特五级量表，选项为非常不符合、不符合、无法判断、符合、非常符合，相应的得分为1—5分;第四部分采用是否题的方法，选项为是与否，相应得分为1和0。

表1   问卷结构

　　(三)研究对象

　　本研究对广东省内开设本科师范专业的6所高校学生进行调研。通过网络向这些高校的本科师范生发放问卷，共回收715份问卷;以“样本必须为师范生”作为筛选条件，得到有效作答616份，有效率为86.15%。样本受试覆盖教育学、文学、历史学、政治学、理学、工学、艺术学等多个师范专业，分布特征如表2所示。问卷发放时间为2023年9月下旬至11月下旬，此时距ChatGPT问世已十多个月，距文心一言、星火大模型、通义千问等国产大模型的发布也已近半年。时间间隔在一定程度上保证了对GenAI感兴趣的师范生，有足够的机会接触并了解GenAI。

表2   样本分布特征

　　(四)问卷信效度分析

　　1.信度分析

　　认知度量表二级指标的α系数如下：基本认知为0.85，应用场景认知为0.94，应用问题认知为0.84。但项目分析显示，基本认知第4题“我认为我缺乏GenAI相关课程学习”的总相关系数仅为0.05，区分度过低，且验证性因子分析中，该题的载荷仅为0.06，因此剔除该题相关数据。

　　理念量表二级指标的α系数如下：自我效能为0.84，结果信念为0.87，基本态度为0.95。行为量表两道题目的皮尔森相关系数为0.71。以上结果表明认知度、理念和行为量表信度良好，量表分数可靠性较高。

　　2.效度分析

　　本研究采用验证性因子分析检验问卷结构效度，拟合情况如下：RMSEA=0.06、SRMR= 0.07、TLI=0.94、CFI=0.95。除了结果信念下的一题载荷为0.50，其余题目载荷均不低于0.64，可见问卷结构效度良好。此外，各因子组合信度系数均不低于0.85，表明组合信度良好;平均萃取方差不低于0.58，表明各子量表收敛效度良好;每个因子平均萃取方差的平方根都大于该因子与其他因子的相关系数，表明量表区分效度良好。

　　四、研究结果

　　(一)高校GenAI课程和培训欠缺

　　从问卷数据来看，超过半数的师范生表示未使用过GenAI，说明GenAI在师范生群体中的普及度不广，有待加强。上述现象具体表现在两个方面(见表3)：①高校相关课程开设不普遍、相关学习平台建设不完善。对于高校开展GenAI相关活动的情况，仅有16.60%的学生表示所在高校开展过相关讲座、课程和学习活动。这说明目前高校开展GenAI相关课程、讲座等活动较少，且宣传效果不好。②师范专业学生培养方案中对智能教育素养的关注度不高。研究结果显示，超过50%的学生表示不了解相关信息，仅有22.90%的学生表示所学专业在师范生培养方案中有人工智能素养的相关要求，说明目前大部分师范生专业培养方案尚未重视智能教育素养的培养，或者在实际评价体系中不强调智能教育素养的水平。

表3   高校GenAI课程和培训开展情况

　　(二)师范生GenAI教育应用认知和理念的整体情况

　　1.师范生对GenAI的认知度较低，但普遍认同其教育应用不成熟

　　调查结果显示(见表4)，“基本认知”方面得分均值为2.99，说明师范生对GenAI的了解程度较低，对常见的相关教育应用工具、关键技术等缺乏准确的认知和掌握，其中，GenAI关键技术认知得分均值最低，为2.64;“应用场景认知”方面得分均值为2.76，说明大部分师范生对GenAI的教育应用认知程度较低;“应用问题认知”方面得分均值为3.83，说明大部分师范生认为GenAI在教育中的应用仍不成熟。总体而言，师范生对GenAI教育应用具备一定认知，但存在认知程度不高、深度不足，以及应用路径不清晰等问题。

表4   师范生的GenAI教育应用知识

　　2.师范生对GenAI教育应用结果信念较高，但自我效能一般

　　调查结果显示(见表5)，“基本态度”方面得分均值为3.98，说明师范生对GenAI的教育领域应用持较为积极的态度;“自我效能”方面得分均值为2.96，表明师范生对自己有效应用GenAI开展教育教学的信心较弱，而在“能设计一堂整合GenAI的课”上的得分均值最低(2.57)，说明师范生认为在教学实操中整合融入GenAI存在一定困难;“结果信念”方面得分均值为3.97，说明师范生认为GenAI能够较好地提高师范学习和教学绩效。

表5   师范生的GenAI教育应用理念

　　此外，行为分析结果显示，77%的师范生会在师范知识学习中使用GenAI，82%的师范生会在师范技能提升中使用GenAI，说明大多数师范生对GenAI的教育应用抱有支持态度，运用其开展学习的意愿比较强烈，且认为其教育应用前景比较乐观。参与调查的大多数学生在问卷末尾表示，今后会在自主思考的前提下将GenAI用于辅助作业、日常学习以及师范技能提升。

　　总体而言，师范生对GenAI在教育领域的发展持有积极和欢迎的态度，对GenAI的结果信念高，但自我效能一般，存在无法掌握其教育应用相关能力的担忧。

　　(三)远端因素对师范生GenAI教育应用认知和理念的影响

　　为进一步了解师范生群体的GenAI知识、理念、行为意向现状，本研究以Cohen’s d为效应量，采用独立样本t检验考察性别、专业、使用经历等因素的影响;以η²为效应量，采用单因素方差分析检验年级、学校开展GenAI相关学习活动情况，以及所在专业培养方案人工智能素养相关要求等因素的影响。在检验一个远端因素对知识、理念、行为意向的影响时，采用Benjamini-Yekutieli法校正p值以控制错误发现率^[26]。

　　1.微观因素的影响

　　在GenAI知识方面，男性师范生各维度均值均显著高于女性师范生(t=3.15~3.31, p<0.05, Cohen’s d=0.35~0.37)，但二者在GenAI理念和行为意向方面无显著差异(t=0.26~1.85, p≥0.05, Cohen’s d=0.03~0.06)。这表明男生比女生更了解GenAI的基本定义、教育应用场景和问题，但更深的认知既没有促使男生对GenAI教育应用形成更积极的理念，也没有激发男生的行为倾向。

　　大四师范生样本量过小，因此将其与大三师范生合并分析。大一、大二、大三大四师范生的GenAI知识和理念差异均不显著(F=0.11~2.23, p≥0.11, η²=0.00~0.01)，但行为意向存在显著差异(F=5.36, p<0.01, η²=0.02)，呈现随年级增长而减弱的趋势，大一、大二、大三大四师范生的均值分别为0.87、0.79、0.75。该结果表明师范教育未能提高样本师范生的GenAI知识和理念。

　　理工学科师范生的GenAI知识、理念和行为意向均值均高于人文学科师范生，但仅基本认知维度存在显著差异，且效应较小(t=2.34, p=0.02, Cohen’s d=0.20)。这意味着虽然GenAI是一种科学技术，但理工学科师范培养体系并没有比人文学科更深入或更及时地将其纳入。

　　使用过GenAI的师范生在知识、理念和行为意向方面的均值均显著高于未使用过的(t≥5.56, p<0.01, Cohen’s d=0.44~0.94)，在基本认知和应用场景两个维度上的差异最大(差值分别为0.82和0.73，Cohen’s d分别为0.94和0.81)，表明使用经历对师范生的GenAI知识、理念和行为意向有着全面的积极影响。

　　2.中观因素的影响

　　在GenAI知识和理念上，开展相关学习活动学校的师范生各维度均值，高于没有开展相关活动学校和不了解活动开展情况的师范生，且除基本态度外，各维度差异显著(F=7.39~34.57, p<0.01, η²=0.02~0.10)，在基本认知和应用场景上的差异最大(η²分别为0.07和0.10)。在行为意向方面所在学校有开展GenAI学习活动学校的师范生均值稍高于其余两类师范生，但差异不显著(F=3.80, p<0.07, η²=0.01)。这些结果表明，学校开展GenAI相关的学习活动可以提高师范生对应的知识和理念。

　　在GenAI知识、理念和行为意向上，专业培养方案有人工智能素养要求的师范生各维度均值，均显著高于培养方案无相关要求的师范生和不了解方案要求的师范生(F=5.03~9.98, p≤0.01, η2=0.02~0.03)。这意味着，培养方案中有人工智能素养要求的师范专业更可能在课程体系中纳入GenAI相关活动，进而提高本专业师范生对应的知识、理念和行为意向。

　　五、讨论

　　(一)师范生对GenAI教育应用持积极态度

　　师范生对GenAI教育应用持积极态度，认为其能够较好提高师范学习和教学的绩效，愿意将GenAI其用于学习与师范技能提升。这种期待具有跨群体的普遍性，存在于不同性别、不同专业、不同年级的师范生。即使没有使用过GenAI的师范生，基本态度(3.83，满分5)、结果信念(3.78，满分5)和行为意向(0.72，满分1)得分也较高。类似地，即使所在学校未开展GenAI方面的课程和学习活动、专业培养方案没有人工智能素养要求，或对这些信息不理解的师范生，也具有较高的基本态度(≥ 3.86)、结果信念(≥3.86)和行为意向(≥0.72)。

　　师范生对GenAI教育应用的期待与以往研究结果基本一致。例如，王贤文等调查发现，师范生普遍认为人工智能具有教育应用价值;在本研究中，师范生也认为GenAI能够较好提高学习和教学绩效。裴小娟的研究表明师范生对人工智能具有一定的学习兴趣;本研究中的师范生希望学习GenAI相关知识和使用方法，也愿意投入时间和精力探究在师范学习中使用它。总体而言，师范生对人工智能教育应用的期待，反映了他们对采用新技术来创新教学与学习的渴望和探索智能教育教学策略的需求，同时表明他们具有良好的智能教育理念。

　　(二)师范生GenAI教育应用认知和理念问题分析

　　1.师范生对GenAI及其教育应用的认知不足

　　大部分师范生缺乏GenAI及其教育应用知识，且对GenAI的认知度没有随年级增长而显著提升。这与师范专业培养方案对智能教育素养的要求和高校提供的GenAI课程与学习资源有关。调研数据显示，相比其他师范生，了解学校开展过GenAI相关学习活动、专业培养方案中人工智能素养要求的师范生对GenAI及其教育应用的理解更深入。但只有16.60%的师范生了解学校开展过GenAI相关学习活动，且只有22.90%的学生表示专业培养方案有人工智能素养要求。

　　2. 师范生对GenAI教育应用的自我效能感偏低

　　师范生认为，在教学实操中融入GenAI并掌握其使用方法存在一定困难。原因是：一方面，师范生缺乏GenAI及其教育应用的知识;另一个方面，GenAI教育应用路径并不明晰，师范生不清楚该如何做应用探索和实践。虽然GenAI被认为可以在教育领域提供支持，如提供个性化教育、开展自动化评估、生成教育资源等，但尚未有公认标准及工具，难以应对不同学段和学科的需求。中国虽然发布《生成式人工智能服务管理暂行办法》，但尚未出台GenAI在教育领域的应用指南，教育应用还缺乏符合中国国情的全景刻画与行动方向。

　　3. 师范生认为GenAI教育应用技术和规范待改进

　　大部分师范生认为GenAI教育应用存在普及度不高、技术不完善、使用不合规等情况。原因除现阶段的技术局限外，更与其内容生成方式固有缺陷相关。一方面，GenAI实质是基于所连接的现有知识、信息、问题构成语料库的智能内容生成工具，尚不具有想象力、思辨力和创造力^[27]。而教育要求教学者发挥想象力、思辨力和创造力，在不同教学环境下进行合理的教学调整，对不同学生因材施教，GenAI在此方面能发挥的作用还未突出。另一方面，GenAI技术偏见问题会产生一些潜在的伦理风险。2022年斯坦福大学发布的人工智能指数报告指出，许多人工智能大语言模型带有偏见和歧视。这种偏见源于人工智能模型的基础数据训练，而这些数据可能反映了人类社会中的系统性偏见^[28]。此外，隐私泄露、数据安全、缺乏透明度等伦理问题也会引发师范生的担忧。

　　(三)提高师范生GenAI教育应用认知和理念的对策

　　1.丰富GenAI教育应用课程与培训，提升师范生GenAI教育应用认知

　　高校可采取以下措施加强课程建设，提升师范生对GenAI及其教育应用的理解：①在师范生通识课程模块中增设GenAI相关内容。课程设置需将GenAI基础知识与整合GenAI教学能力相结合，即理论性课程和实操性课程协调配合。此外，高校需确保课程与GenAI技术发展趋势的同步性，如及时加入前沿大模型工具等内容，并促进跨学科融合。而学习资源应注重案例和项目实践，帮助师范生理解GenAI教育应用的现实途径。②组织开展GenAI教育应用工作坊与继续教育课程，提升师范教育教师的智能教育素养，建立平台促进教师交流GenAI教育应用经验。同时设立GenAI教育应用相关的教学改革项目，提供资金支持高校教师探索GenAI教育应用方式，并转化为师范生教育课程。③加强与各大中小学的合作，以智慧教育示范区项目为依托，建立GenAI教育应用的试点示范学校。通过观看录课和现场听课的方式，带领师范生走入GenAI教育应用的一线课堂，让师范生在师范技能训练中提升智能教育素养。

　　2.改善GenAI教育易用性和有用性，增强师范生GenAI教育应用自我效能

　　高校和企业需要协同推进教育人工智能产品研发，提升GenAI教育易用和有用性，明确实践路径，以增强师范生GenAI教育应用的自我效能：①在技术研发方面，我国已有若干教育专用大模型，如EduChat和MathGPT，但缺乏足够的实证效果检验，且覆盖的学科范围有限。因此，一方面，研发机构要基于高质量学科内容和教育教学法知识库，推出面向更多学科的教育大模型。另一方面，第三方机构要对已有教育大模型进行系统评估，明确各大模型适用场景和局限。②加强“政企学研”多方合作，以整体布局资源投入推进教育人工智能应用落地。要找准教育数字化转型过程中的功能主体和责任主体，厘清政府、高校和企业在此过程中的角色和功能。③在应用推广方面，智能教育行业要深入研究教学、管理、教研等场景中人工智能工具的应用边界，根据教育减负、能力提升、素养培育、个性发展等需求，发布面向不同场景和不同对象的智能工具应用指南。

　　3.推进GenAI技术迭代，健全GenAI教育应用规范

　　鉴于师范生普遍认为GenAI教育应用存在技术与伦理问题，政府及相关行业组织需要积极参与，加速技术革新，共同厘清伦理边界，制定行业规范：①GenAI技术开发公司要加快内容生成类智能工具的技术更新迭代，围绕大模型、大算力与大数据三大关键要素，针对数据训练和内容生成两个阶段进行革新，以更好地满足师范生与教育工作者的需求。②多方共同制定内容生成类智能工具的使用与应用指南，明确伦理界限，推动人工智能与教育融合的良性发展，并采取多种措施监督其教育应用，以防止不当应用行为的出现。③人工智能教育行业要围绕“人工智能+教育”积极组建行业公共组织和协会，建立人工智能技术标准和伦理框架，促进行业规范发展。④敦促科技政策部门和相关法律机构，积极出台“人工智能权利框架”，支持相关机构将其作为重要依据，设计、开发、部署、治理和应用人工智能系统，保护师生免受人工智能系统或训练数据中的偏见、隐私滥用或不道德技术使用带来的相关伤害，加快促进我国人工智能创新应用步入健康高速发展的轨道^[29]。

　　六、结语

　　师范生对GenAI教育应用持积极态度，表现出较强的使用意愿，但自我效能感较低，且认为目前的应用存在一定困难或瓶颈，整体相关知识水平有待进一步提高。不同群体的师范生在GenAI教育应用的知识和理念方面无显著差异，但使用经历、课程学习经历对这两方面有显著影响。总体而言，师范生群体对GenAI教育应用抱有期待，但囿于自身缺乏相关知识技术以及技术发展的局限性而徘徊不前。鉴于此，各方应共同构建GenAI教育应用的良好生态，创设技术应用条件与环境，提高GenAI教育应用实用性，保障GenAI教育应用有序发展。本研究聚焦于师范生智能教育素养的“理念”和“知识”层面，后续还可围绕“能力”和“思维”层面开展深入探索。

　　参考文献：

　　[1]祝智庭,胡姣.教育数字化转型的本质探析与研究展望[J].中国电化教育,2022(4):1-8,25.

　　[2]王贤文,张莉.师范生人工智能教育应用的认知与态度：现状与发展建议[J].中国教育信息化,2019(3):39-42.

　　[3]曹如军,徐晨晨.师范生智能教育素养：发展水平、培养现状与优化策略[J].应用型高等教育研究,2023,8(3):45-52.

　　[4]卢强,左明章,原渊.基于技术接受模型的农村教师同步课堂采纳与使用影响因素研究[J].中国远程教育,2018(7):61-69,80.

　　[5]张乐乐,顾小清.人工智能在教育领域创新扩散的影响因素研究——基于TOE理论框架[J].中国远程教育,2023,43(2):54-63,82.

　　[6]MIAO F, HOLMES W. Guidance for generative AI in education and research[R]. UNESCO,2023.

　　[7]LEE U G, HAN A R, LEE J J, et al. Prompt Aloud!: Incorporating image-generative AI into STEAM class with learning analytics using prompt data[J]. Education and Information Technologies, 2023(1):1-31.

　　[8]LIM W M, GUNASEKARA A, PALLANT J L, et al. Generative AI and the future of education: Ragnarok or reformation? A paradoxical perspective from management educators[J]. The International Journal of Management Education, 2023,21(2):1-13.

　　[9]戴岭,胡姣,祝智庭.ChatGPT赋能教育数字化转型的新方略[J].开放教育研究,2023,29(4):41-48.

　　[10]李志民.ChatGPT本质分析及其对教育的影响[J].中国教育信息化,2023,29(3):12-18.

　　[11]刘天丽,杨现民,李康康,等.社会公众如何看待“ChatGPT+教育”?——基于国内主流开放社区的文本分析[J].现代教育技术,2023,33(10):14-23.

　　[12]包昊罡,王轶晰.ChatGPT背景下的基础教育数字资源建设[J].中国基础教育,2023(5):39-42.

　　[13]李海峰,王炜.人机协同深度探究性教学模式——以基于ChatGPT和QQ开发的人机协同探究性学习系统为例[J].开放教育研究,2023,29(6):69-81.

　　[14]王润兰,李梦雪.师范生智能教育素养：框架构建、现状调查与培养路径[J].中国电化教育,2023(3):120-126.

　　[15]裴小娟.新师范背景下师范生人工智能素养现状及提升路径研究[D].广州:广州大学,2023.

　　[16]李湘.师范生智能教育素养的内涵、构成及培育路径[J].现代教育技术,2021,31(9):5-12.

　　[17]胡小勇,徐欢云.面向K-12教师的智能教育素养框架构建[J].开放教育研究,2021,27(4):59-70.

　　[18]European Commission. Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators[J]. Publication Office of the European Union, 2022. https://data.europa.eu/doi/10.2766/153756.

　　[19]杜华,袁璐欣,王璐瑶.教师智能素养评价的国际研究：主体、要素、工具与建议[J].中国教育信息化,2024,30(4):79-88.

　　[20]FISHBEIN M, AJZEN I. Predicting and changing behavior: The reasoned action approach[M]. New York, US: Psychology Press, 2010.

　　[21]KREIJNS K, VERMERMEULEN, KIRSCHNER A P, et al. Adopting the Integrative Model of Behaviour Prediction to explain teachers’ willingness to use ICT: a perspective for research on teachers’ ICT usage in pedagogical practices[J]. Technology, Pedagogy and Education, 2013,22(1):55-71.

　　[22]罗江华,王静贤.乡村教师如何常态化按需应用数字资源：阻碍因素与对策探析[J].现代远程教育研究,2020,32(6):77-86.

　　[23]JOO Y J, PARK S, LIM E. Factors influencing preservice teachers’ intention to use technology: TPACK, teacher self-efficacy, and technology acceptance model[J]. Journal of Educational Technology & Society, 2018(3):48-59.

　　[24]SCHERER R, SIDDIQiddiq F. Revisiting teachers’ computer self-efficacy: A differentiated view on gender differences[J]. Computers in Human Behavior, 2015(53):48-57.

　　[25]SCHERER R, SIDDIQ F, TONDEUR J. All the same or different? Revisiting measures of teachers’ technology acceptance[J]. Computers & Education, 2022(14):3.

　　[26]BENJAMINI Y, YEKUTIELI D. The control of the false discovery rate in multiple testing under dependency[J]. The Annals of Statistics, 2001,29(4):1165-1188.

　　[27]陆小华.智能内容生成的实质、影响力逻辑与运行范式——ChatGPT等智能内容生成现象透视与解析[J].新闻大学,2023(4):17-24,119-120.

　　[28]ZHANG D, MASLEJ N, BRYNJOLFSSON E. The AI index 2022 annual report[R]. AI Index Steering Committee, Stanford Institute for Human-Centered Artificial Intelligence, 2022.

　　[29]焦建利,陈丽,吴伟伟.由ChatGPT引发的教育之问：可能影响与应对之策[J].中国教育信息化,2023,29(3):19-32.

Preservice Teachers’ Knowledge and Beliefs of Generative Artificial Intelligence in Education: The Status, Issues, and Strategies

Yingbin ZHANG¹, Liying JIANG^1,2, Jingjing ZHOU^1,3, Shuling LI^1,4, Su MU¹

(1.Institute of Artificial Intelligence in Education, South China Normal University, Guangzhou 510631, Guangdong;

2.School of History & Culture, South China Normal University, Guangzhou 510631, Guangdong;

3.School of Marxism, South China Normal University, Guangzhou 510631, Guangdong;

4.School of Education, South China Normal University, Guangzhou 510631, Guangdong)

　　Abstract: The integration and innovation of artificial intelligence in education are essential approaches for the digital transformation of education, which presents new requirements on future teachers’ competencies. To obtain actionable insights of preservice teachers’ intelligent education literacy, this study has developed a questionnaire based on an in-depth analysis of relevant theories and findings. The questionnaire was administrated to a randomly selected sample of preservice teachers from universities in Guangdong Province to analyze their knowledge and beliefs towards generative artificial intelligence (GenAI) in education. The results indicated that preservice teachers held high expectation for the application of GenAI in education: they had a positive attitude, believed that GenAI could effectively improve the performance of their learning and teaching, and were willing to use GenAI in their study. However, preservice teachers were hesitant to the application of GenAI in education. They lacked knowledge about GenAI and its educational applications, and their self-efficacy in applying GenAI in learning and teaching was low. The cause was related to the lack of relevant courses and training in teacher education institutions and the lack of operational guidelines of applying GenAI in education. In addition, most preservice teachers thought that there were technological and legal issues in the application of GenAI in education. Based on the findings, this paper proposes three approaches to enhance the cultivation of preservice teachers intelligent education literacy: developing courses about GenAI for preservice teachers, promoting the development and implementation of GenAI educational applications, and facilitating the iteration of GenAI technologies and the improvement of regulations.

　　Keywords: Preservice teacher; Intelligent education literacy; Generative artificial intelligence; Integrative model of behavior prediction; Digital transformation of education

　　编辑：王晓明　校对：李晓萍