職前教師人機協(xié)同教學(xué)設(shè)計能力培養(yǎng)實證研究

[摘" "要] 教師的教學(xué)設(shè)計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)計能力成為師范教育階段培養(yǎng)的重點。然而，職前教師在教學(xué)設(shè)計過程中缺少資源支持和個性化指導(dǎo)，容易導(dǎo)致對教學(xué)設(shè)計理解浮于表面，甚至失去興趣和信心。而生成式人工智能以其豐富的知識儲備、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)計能力發(fā)展方面展現(xiàn)出優(yōu)勢。基于此，研究在自我生成教學(xué)理論指導(dǎo)下，分析職前教師人機協(xié)同教學(xué)設(shè)計過程，包括“知識檢索—結(jié)構(gòu)重建—方案生成”三大環(huán)節(jié)。基于該模型設(shè)計了職前教師人機協(xié)同教學(xué)設(shè)計能力培訓(xùn)活動，并開展了實證研究。通過培訓(xùn)前后數(shù)據(jù)的對比分析，發(fā)現(xiàn)在教學(xué)設(shè)計理解、高階思維水平以及教學(xué)設(shè)計信心方面均有顯著提升，最后對結(jié)果進行討論，并提出發(fā)展性建議。

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

[中圖分類號] G434" " " " " " [文獻標志碼] A

[作者簡介] 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。王阿習為通信作者，E-mail：sftaxi@buu.edu.cn。

一、引" "言

教學(xué)設(shè)計能力作為教師職業(yè)素養(yǎng)的重要組成部分，是師范教育階段培養(yǎng)的重點之一。由于缺少相關(guān)經(jīng)驗，職前教師進行教學(xué)設(shè)計時常常需要廣泛的參考資料與建議，而針對性指導(dǎo)的缺乏讓他們?nèi)菀资ヅd趣和信心，導(dǎo)致對教學(xué)設(shè)計知識理解不深、教學(xué)思路混亂、教學(xué)活動設(shè)計不當[1]。隨著以ChatGPT為代表的生成式人工智能的廣泛應(yīng)用，人機協(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儲備、類人的思維邏輯和個性高效應(yīng)答行為，能夠很好地支持教師開展教學(xué)設(shè)計[3]。但與此同時，過度依賴生成式人工智能也可能出現(xiàn)思維惰性等負面影響，致使教師的主動性和創(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?shù)乩蒙墒饺斯ぶ悄苜x能職前教師培養(yǎng)，實現(xiàn)人機智能雙向賦能，是智能時代師范教育面臨的一個重要挑戰(zhàn)。

基于此，本研究試圖理解人機協(xié)同教學(xué)設(shè)計過程，并開展相關(guān)實證研究。首先，基于自我生成教學(xué)理論分析人機協(xié)同教學(xué)設(shè)計過程；然后，基于理論框架設(shè)計培訓(xùn)活動，利用生成式人工智能賦能職前教師教學(xué)設(shè)計能力發(fā)展；最后，開展實證研究檢驗培訓(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)計能力培養(yǎng)相關(guān)研究

廣義上，教學(xué)設(shè)計能力指向一個完整的教學(xué)設(shè)計過程（如經(jīng)典的ADDIE模式），包括教學(xué)分析、教學(xué)設(shè)計、教學(xué)開發(fā)、教學(xué)實施和教學(xué)評價等方面的能力[5]；狹義上，指向一份教學(xué)設(shè)計方案的成功制訂，包括教學(xué)內(nèi)容分析、學(xué)生情況分析、教學(xué)目標設(shè)計、教學(xué)方法設(shè)計和教學(xué)過程設(shè)計、教學(xué)評價設(shè)計六維度能力[6]。本研究聚焦狹義范疇的教學(xué)設(shè)計能力。

相關(guān)的實踐經(jīng)歷可以促使職前教師將理論知識轉(zhuǎn)化為教學(xué)設(shè)計能力[7]，近來智能技術(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)計思維[8]；Fidan等發(fā)現(xiàn)，基于聊天機器人的實時反饋能促進職前教師對教學(xué)設(shè)計理論知識的理解[9]；Lee等讓聊天機器人扮演虛擬學(xué)生，訓(xùn)練職前教師提問等教學(xué)技能，較好地促進了職前教師將教學(xué)設(shè)計理論知識轉(zhuǎn)化為實踐能力[10]。以ChatGPT為代表的生成式人工智能進一步提升人機交互水平，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)生與職前教師進行實時交流，幫助復(fù)習特定學(xué)習內(nèi)容，提供教學(xué)實踐機會，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踐經(jīng)驗[11]。但是目前基于生成式人工智能的職前教師培養(yǎng)方面的實證研究仍然較少，關(guān)于如何發(fā)展職前教師人機協(xié)同教學(xué)能力還有待進一步探索。

（二）生成式人工智能支持教學(xué)設(shè)計的相關(guān)研究

生成式人工智能基于大規(guī)模語料庫訓(xùn)練，知識存儲量已遠超人類個體，可支持個性化問答[12]，輔助教學(xué)設(shè)計過程。如Da Costa等發(fā)現(xiàn)，ChatGPT可以支持教學(xué)設(shè)計者選擇媒體，包括輔助決策和提供多樣化視角等[13]。備課時，生成式人工智能可以提供相關(guān)建議，有效促進教師對學(xué)科內(nèi)容和教學(xué)目標的理解[14]。生成式人工智能能夠理解真實語境，模擬人類思維進行實時交流，更深入地支持教學(xué)設(shè)計過程，如輔助職前科學(xué)教師制訂可行的教學(xué)設(shè)計方案，提供適宜的信息并節(jié)省備課時間[15]。智能機器甚至還可以根據(jù)特定教學(xué)需求生成一份教學(xué)設(shè)計方案，教師只需在此基礎(chǔ)上進行修改即可，大大減輕了備課負擔[16]。

但與此同時，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，尤其面對復(fù)雜的提示語會出現(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，會給出一些錯誤答案，如教學(xué)時間分配不合理；第三，由于受限于固定算法，無法提供一些擴展性材料[15]。這些機器暴露的弱點直接指向教師高階思維提升，如批判能力、創(chuàng)新思維等[18]。可見生成式人工智能在賦能教師教學(xué)設(shè)計能力時，既有優(yōu)勢也有局限性，有必要深入探究人機協(xié)同教學(xué)設(shè)計過程，更有針對性地助力職前教師培養(yǎng)，發(fā)揮智能機器的正向作用。

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

（一）理論基礎(chǔ)

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

該理論建立在檢索實踐、生成性加工和技術(shù)介入的社會臨場感三種假說基礎(chǔ)上。檢索實踐指學(xué)習者從記憶中主動檢索與學(xué)習相關(guān)的信息，激活先前知識，甚至構(gòu)建新知識[21]；生成性加工指“非互動式教學(xué)”可以觸發(fā)推理過程，幫助學(xué)習者從信息重建中整合新舊知識，基于自身理解重新組織和闡述內(nèi)容[19]；技術(shù)介入的社會臨場感指當技術(shù)進入教學(xué)現(xiàn)場，讓學(xué)習者感覺有學(xué)習伙伴，更愿意主動輸出，同時會對“假想伙伴”能否理解自己的解釋作出預(yù)期判斷，進而促進深層次認知[22]。由此，“自我生成教學(xué)”過程包括“檢索—組織—整合”三個環(huán)節(jié)，首先學(xué)習者激活相關(guān)知識，接著重組信息形成新的認知結(jié)構(gòu)，最后整合新舊知識完成知識建構(gòu)。職前教師人機協(xié)同教學(xué)設(shè)計的過程本質(zhì)上就是自我生成教學(xué)的過程，可以從以下四個方面理解：

一是生成式人工智能給予職前教師“真實同伴”的心理感覺，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)習中，由于缺少協(xié)作情境和交流伙伴，學(xué)習者更多采用被動接收的學(xué)習方式。生成式人工智能的介入實現(xiàn)了實時對話，學(xué)習者感覺有了“真實同伴”，促使其主動向機器提問或輸出觀點，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。在自我生成教學(xué)過程中，如果給予學(xué)習者恰當?shù)耐獠刻崾荆軌驇椭鷻z索更多的概念單元（Learning Units），促進對所學(xué)內(nèi)容的理解，提升學(xué)習效果[23]，這里的概念單元即學(xué)習內(nèi)容中的知識點[24]。生成式人工智能的知識存儲量豐富，可以依據(jù)提問自動生成知識性回復(fù)，作為“外部提示”激活職前教師相關(guān)知識，即“檢索”環(huán)節(jié)。

三是職前教師需要精心設(shè)計提示語以釋放機器智能，促使深層次認知活動的發(fā)生。生成式人工智能無法主動發(fā)起對話，需要職前教師主動提問。提示語作為人機交互媒介，是由用戶主動向機器提供的一組指令集，幫助機器理解人類意圖，以生成符合需求的回復(fù)。如果輸入不恰當?shù)膯栴}或者使用機器無法理解的語言，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)計提示語，對教學(xué)需求進行具體而明確的描述。首先鑒別出教學(xué)需求，然后向機器提問，并根據(jù)機器回復(fù)進行評估和反思，提出改進建議。這種多輪迭代過程讓職前教師不斷進行信息選擇、關(guān)聯(lián)、判斷和修改，從而促進深層次認知加工，即“組織”環(huán)節(jié)。

四是人機協(xié)同教學(xué)設(shè)計需要職前教師整合新舊知識，形成最終的教學(xué)設(shè)計方案。在經(jīng)歷多輪人機會話后，職前教師反復(fù)選擇和組織信息、整合新舊知識，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?shù)慕虒W(xué)思路，最終生成符合預(yù)期目標的教學(xué)設(shè)計方案，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協(xié)同教學(xué)設(shè)計過程的分析

本研究基于自我生成教學(xué)理論構(gòu)建了職前教師人機協(xié)同教學(xué)設(shè)計過程模型，如圖1所示。人機協(xié)同教學(xué)設(shè)計過程主要包括以下三個環(huán)節(jié)：

1. 知識檢索

職前教師首先需要知道教學(xué)設(shè)計的結(jié)構(gòu)、課程標準、學(xué)科教學(xué)法等理論知識，才能明確后續(xù)階段行動計劃和所需支持，然后通過向機器提問、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)計方案包括哪些元素，每個元素如何去確定，教學(xué)活動如何編排”等，該過程會激活教學(xué)設(shè)計結(jié)構(gòu)等相關(guān)知識，以支持后續(xù)教學(xué)目標編制和教學(xué)評價任務(wù)設(shè)計等。

2. 結(jié)構(gòu)重建

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

3. 方案創(chuàng)生

職前教師會基于重構(gòu)的認知結(jié)構(gòu)，對機器回復(fù)進行評估和反思，不斷提出改進建議。這些深層次認知加工活動尤其需要高階思維參與，通過整合新舊經(jīng)驗和知識，主動構(gòu)建起關(guān)于一份教學(xué)設(shè)計方案的整體性理解，最終融合不同教學(xué)變量以形成完整的方案。

在人機協(xié)同教學(xué)設(shè)計過程中，生成式人工智能扮演著合作伙伴的角色，發(fā)揮著知識理解、知識問答和知識創(chuàng)生三大功能。職前教師借助提示語釋放機器智能，賦能教學(xué)設(shè)計過程。而釋放機器智能離不開職前教師的先驗基礎(chǔ)，包括教學(xué)設(shè)計相關(guān)理論知識、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)習與培訓(xùn)，共同影響著自我生成教學(xué)過程。

（三）職前教師人機協(xié)同教學(xué)設(shè)計能力培訓(xùn)活動設(shè)計

根據(jù)職前教師人機協(xié)同教學(xué)設(shè)計過程模型設(shè)計培訓(xùn)活動，旨在夯實教學(xué)設(shè)計理論基礎(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能夠更好地勝任人機協(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，提供一個完整的、綜合知識、技能和思維的人機協(xié)同實踐經(jīng)歷。

專題一：基于生成式人工智能歸納教學(xué)設(shè)計的理論知識體系。該專題旨在夯實職前教師關(guān)于教學(xué)設(shè)計的理論知識，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)計的理論知識體系，以支持職前教師在“知識檢索”環(huán)節(jié)能夠激活更多相關(guān)知識，支持后續(xù)環(huán)節(jié)。

專題二：探索一個最優(yōu)的提示語模板助力人機協(xié)同的教學(xué)設(shè)計。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設(shè)計技巧與方法，通過人機協(xié)同的實踐任務(wù)，引導(dǎo)職前教師如何恰當?shù)叵驒C器描述教學(xué)需求和預(yù)期目標，同時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一份教學(xué)設(shè)計方案。該專題基于前面兩大專題，進一步促進職前教師系統(tǒng)化地整合教學(xué)設(shè)計中的相關(guān)要素，形成完整連貫的教學(xué)設(shè)計思路，最終融合人機智慧以制訂一份完整的教學(xué)設(shè)計方案。同時，通過遞階思維鏈引導(dǎo)，幫助職前教師設(shè)計層層遞進、環(huán)環(huán)相扣的提示語框架，促進深層次人機思維融合，鍛煉職前教師批判性思維等。

四、研究設(shè)計

（一）研究對象

為驗證培訓(xùn)效果，本研究開展了為期六周的干預(yù)實驗，共招募22名某高校計算機科學(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)計理論知識，此前均沒有人機協(xié)同教學(xué)設(shè)計經(jīng)歷。

（二）實驗流程和研究問題

在研究準備階段，根據(jù)三大專題設(shè)計培訓(xùn)活動，每個專題持續(xù)兩周。培訓(xùn)前后，職前教師分別要提交一份完整的人機協(xié)同教學(xué)設(shè)計方案以及人機對話全部過程內(nèi)容，完成“人機協(xié)同教學(xué)設(shè)計信念”問卷，生成式人工智能工具采用文心一言大語言模型。驗證培訓(xùn)有效性的四個子問題分別是：能否顯著提升教學(xué)設(shè)計方案的質(zhì)量，能否激活更多與教學(xué)設(shè)計相關(guān)的知識，能否提升高階思維能力，能否提高教學(xué)設(shè)計信心。

（三）數(shù)據(jù)收集工具

1. 教學(xué)設(shè)計方案的搜集與評價

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

2. 人機對話內(nèi)容的搜集與編碼

從單元概念、精加工語句和提問行為三個方面分析人機對話內(nèi)容，對比培訓(xùn)前后關(guān)于教學(xué)設(shè)計相關(guān)知識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)習者產(chǎn)生的概念單元越豐富，表明學(xué)習者對所學(xué)內(nèi)容掌握越多，學(xué)習效果越好[26]。因此，對提示語中出現(xiàn)的教學(xué)設(shè)計主題概念（如教學(xué)目標、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》以及普通高中信息技術(shù)必修2《信息系統(tǒng)與社會》第1單元“信息系統(tǒng)的組成與功能”（教育科學(xué)出版社），分別邀請兩位教育技術(shù)專家進行編碼，一致性信度在90%以上。

（2）精加工語句編碼

精加工語句指學(xué)習者結(jié)合已有知識，以舉例、打比方的方式將所學(xué)內(nèi)容與實際經(jīng)驗進行關(guān)聯(lián)，以產(chǎn)生超出學(xué)習內(nèi)容的解釋[27]。職前教師在人機會話過程中能否綜合不同要素、結(jié)合具體學(xué)科內(nèi)容和實例主動聯(lián)系所學(xué)知識向機器提問，反映其認知過程的精加工水平。本研究參考SOLO模型[28]對人機對話中的精加工語句進行編碼，其中SOLO-2表示涉及了單個概念，SOLO-3表示涉及了多個概念，SOLO-4表示涉及了多個概念，且這些概念相互關(guān)聯(lián)，SOLO-5表示能夠從抽象層面對多個概念進行歸納總結(jié)。

（3）提問行為編碼

問題解決能力屬于高階思維，教學(xué)設(shè)計過程即復(fù)雜問題解決過程。為了對比培訓(xùn)前后高階思維能力的變化，本研究參考Hesse等提出的協(xié)作問題解決模型[29]設(shè)計了提問行為編碼框架，見表1。

3. 職前教師教學(xué)設(shè)計信心的測量

根據(jù)培訓(xùn)任務(wù)，在教學(xué)設(shè)計專家指導(dǎo)下編制了三道題，分別是：“通過這次與GPT對話，你覺得對教學(xué)設(shè)計相關(guān)內(nèi)容更加了解了嗎”“通過這次與GPT對話，你覺得對如何制定一份信息技術(shù)課程教學(xué)設(shè)計更有信心了嗎”“通過這次與GPT對話，你覺得對評價一份教學(xué)設(shè)計方案更有信心了嗎”。每道題目采用十點評分制，從“非常不符合”到“非常符合”。問卷前后測信度分別是0.788和0.987，信度良好。

（四）研究結(jié)果

1.教學(xué)設(shè)計方案的質(zhì)量是否提升

本研究對培訓(xùn)前后教學(xué)方案評分結(jié)果進行了配對樣本t檢驗分析，培訓(xùn)后教學(xué)設(shè)計方案質(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)計相關(guān)的知識

培訓(xùn)前后人機對話中單元概念編碼結(jié)果的配對樣本t檢驗分析結(jié)果見表2。培訓(xùn)后教學(xué)設(shè)計類單元概念數(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)計類相關(guān)知識。

此外，通過兩種類型單元概念數(shù)量對比，發(fā)現(xiàn)培訓(xùn)前后職前教師產(chǎn)生的教學(xué)設(shè)計類型單元概念數(shù)量遠多于學(xué)科知識類型。說明生成式人工智能主要在學(xué)科知識方面給予較多支持，但在創(chuàng)設(shè)方面，如教學(xué)思路設(shè)計、活動編排、師生交互活動規(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)前后精加工語句對比分析

對培訓(xùn)前后精加工語句數(shù)量進行配對樣本t檢驗分析，見表2。發(fā)現(xiàn)培訓(xùn)后精加工語句數(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。說明職前教師在生成式人工智能提示下更能主動建構(gòu)知識，實現(xiàn)對教學(xué)設(shè)計理論知識的理解與內(nèi)化。

（2）培訓(xùn)前后職前教師提問行為的滯后序列分析

培訓(xùn)前后職前教師提問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”“簡單提問→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，說明培訓(xùn)后職前教師會更傾向?qū)C器的回復(fù)進行評估、批判和改進，思維深度不斷遞階。此外，培訓(xùn)前職前教師會先明確需求，要求機器根據(jù)需求生成教學(xué)設(shè)計方案，采用深度優(yōu)先策略；而培訓(xùn)后職前教師會先發(fā)出命令，在此基礎(chǔ)上進一步明確需求，說明職前教師會先了解機器的支持情況，然后評估機器回復(fù)的質(zhì)量，再設(shè)計相應(yīng)提示語引導(dǎo)機器生成相應(yīng)資源，采用了廣度優(yōu)先策略，展現(xiàn)出專家型問題解決的特征[30]。

4. 教學(xué)設(shè)計信心是否提高

職前教師培訓(xùn)前后教學(xué)設(shè)計信心的配對樣本t檢驗分析結(jié)果見表3。培訓(xùn)后職前教師評價一份教學(xué)設(shè)計方案的信心（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)計方案和對教學(xué)設(shè)計相關(guān)內(nèi)容的熟悉程度方面，雖然平均值上升了，但沒有顯著性差異。

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)計培訓(xùn)活動，通過對比分析培訓(xùn)前后職前教師的教學(xué)設(shè)計方案、人機對話內(nèi)容和問卷數(shù)據(jù)，發(fā)現(xiàn)培訓(xùn)取得良好效果，能夠有效地促進職前教師對教學(xué)設(shè)計相關(guān)知識的理解與內(nèi)化，提高了高階思維的能力和信心，實現(xiàn)了生成式人工智能賦能職前教師教學(xué)設(shè)計能力的發(fā)展。

首先，人機協(xié)同教學(xué)設(shè)計實質(zhì)上是自我生成教學(xué)過程。生成式人工智能知識儲備豐富、能夠模擬人類思維進行實時交流，不僅給予職前教師一種有效的外部提示，還能充當心理上的學(xué)習伙伴。職前教師在人機協(xié)同教學(xué)設(shè)計過程中主動進行知識檢索、信息重構(gòu)和新舊知識整合，最終制訂教學(xué)設(shè)計方案，完成知識建構(gòu)。這種由技術(shù)介入的社會臨場感能夠很好地支持職前教師進行教學(xué)設(shè)計學(xué)習與實踐。

其次，自我生成教學(xué)過程離不開學(xué)習者先前經(jīng)驗的參與。職前教師首先要基于已有知識與經(jīng)驗設(shè)計提示語，讓機器能夠理解教學(xué)設(shè)計任務(wù)和預(yù)期目標，才能生成適宜性的回復(fù)。由于職前教師缺少實踐經(jīng)驗，因此，需要開展有目的的培訓(xùn)，幫助職前教師掌握教學(xué)設(shè)計相關(guān)理論知識，確保自我生成教學(xué)的進行。在培訓(xùn)后發(fā)現(xiàn)職前教師在提問中提及的教學(xué)設(shè)計相關(guān)概念顯著增多。但是，培訓(xùn)前后關(guān)于教學(xué)設(shè)計知識的激活量要明顯多于學(xué)科內(nèi)容知識，這是因為生成式人工智能能夠?qū)W習已有的、固定的學(xué)科知識，但是在高階認知任務(wù)上，如關(guān)聯(lián)多種概念、整合不同想法、創(chuàng)造性解決問題方面仍需要人類教師主動參與。

最后，自我生成教學(xué)理念強調(diào)深層次認知加工。學(xué)習者思維水平越高，越有利于“結(jié)構(gòu)重建”和“方案創(chuàng)生”。通過培訓(xùn)，職前教師提問中的精加工語句明顯增多，而且采用的問題解決策略更趨向于專家型。這是因為培訓(xùn)中會針對性地引導(dǎo)職前教師評估機器回復(fù)、設(shè)計高效的提示語模板、基于遞階思維鏈設(shè)計提問等，都需要不斷反思、評估、批判、整合和創(chuàng)新，有利于鍛煉職前教師高階思維能力，對評價教學(xué)設(shè)計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題。

（二）建議

首先，當前人機協(xié)同視域下教師專業(yè)發(fā)展相關(guān)理論、策略和規(guī)范的研究與實踐仍處于起步狀態(tài)，有必要開展生成式人工智能賦能教師專業(yè)發(fā)展相關(guān)理論的研究與實踐，尤其是探究人機協(xié)同教育過程與機理，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，確保師范教育與時俱進。

其次，根據(jù)自我生成教學(xué)理論，在師范教育階段要夯實職前教師在教學(xué)設(shè)計方面的知識與技能基礎(chǔ)，加強高階思維技能訓(xùn)練，以及生成式人工智能原理與應(yīng)用技巧的學(xué)習。只有這樣，在人機協(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)智能機器提供適宜性支持，通過自我生成教學(xué)過程發(fā)生，實現(xiàn)人機智能的雙向賦能與共同促進。

[參考文獻]

[1] 鐘志賢，易凱諭，劉曉艷. 中小學(xué)教師教學(xué)設(shè)計理論知識水平現(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] 喻國明，陳雪嬌. 人機協(xié)同下合作行為的發(fā)生機制與演變路徑[J]. 山東師范大學(xué)學(xué)報（社會科學(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)計能力知多少？——高校教師教學(xué)設(shè)計能力調(diào)查[J]. 開放教育研究，2015，21（4）：44-51.

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

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

[8] 胡藝齡，彭曉玲，吳忭. STEM教師教學(xué)設(shè)計能力在線培養(yǎng)模式研究[J]. 中國遠程教育，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，張夢麗，逯行，等. 人工智能視域下人機協(xié)同教學(xué)模式構(gòu)建[J]. 現(xiàn)代遠距離教育，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. 提示對學(xué)習者自我生成教學(xué)過程和學(xué)習效果的作用[J]. 心理學(xué)報，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)計思維：數(shù)字時代教師教學(xué)能力發(fā)展的新生長點[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