教師數字化教學能力影響因素實證研究

摘要：數字化教學能力是教育數字化轉型時期教師必備的關鍵能力，深入探究并分析教師數字化教學能力的影響因素，是教育管理者和教師應對技術挑戰、提升教學質量、培養創新人才的關鍵環節。基于此，文章依托統一接受和使用技術（Unified Theory of Acceptance and Use of Technology，UTAUT）模型，采用偏最小二乘結構方程模型（Partial Least Squares"Structural Equation Modeling，PLS-SEM）和模糊集定性比較分析（Fuzzy-Set Qualitative Comparative Analysis，fsQCA）方法，對教師數字化教學能力的影響因素及其組合效應進行了實證分析。其中，PLS-SEM分析結果表明，績效期望、努力期望、社群影響、便利條件和自我效能感對教師數字化教學意愿有顯著的正向影響，并進一步正向影響教師的數字化教學能力；教師的自我效能感對數字化教學能力有顯著的直接影響，且影響效應最強。而fsQCA分析結果顯示，存在四條激發教師數字化教學能力的路徑，在這些路徑中數字化教學意愿和自我效能感是兩個重要的前因變量，這彌補了結構方程模型分析的相對不足。文章通過研究，旨在為教育數字化轉型時期教師數字化教學能力的提升提供實證依據。

關鍵詞：數字化教學能力；技術統一接受理論；偏最小二乘結構方程模型；模糊集定性比較分析

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2025）03—0066—11"【DOI】10.3969/j.issn.1009-8097.2025.03.007

引言

隨著人工智能、大數據、云計算、5G等新興技術的快速發展，教育領域的數字化轉型已經成為全球共識和發展趨勢。在此背景下，教師隊伍的數字化轉型也迫在眉睫。為應對這一挑戰，教育部于2022年11月發布《教師數字素養》行業標準，明確提出了教師數字素養的指標體系^[1]。隨后，2023年2月召開的世界數字教育大會進一步強調了“提高教育工作者的數字教學能力”，確立了提升教師的數字教學技能、建立一體化的人機協作教學以及提高整體教學質量等重要目標^[2]。隨著數字技術與教育的深度融合和廣泛應用，其不僅在教學環境、教學資源、教學內容、教學方式、師生交互等外部層面帶來了顯著變化，更在教育模式、教育理念和教育文化等深層次方面引發了深刻變革^[3]，這些變化迫切需要教師具備技術認知、創新教學、人機協同、資源整合、數據應用等方面的數字素養和能力。

數字化教學能力是指教師在教育環境中有效運用數字技術以促進教學、學習及專業成長的能力，包括熟練掌握數字工具和資源、準確理解與評估數字內容、創造性地生成和分享知識、在教學實踐中融合數字技術等^[4]。這種能力不僅是教師個人發展的關鍵，更是學生信息素養、批判性思維、創新能力和終身學習能力提升的重要推動力^[5]。在數智時代，教師需要將虛擬現實、人工智能等新興技術有效融入教學實踐，這已經成為教師必備的能力^[6]。因此，提升教師的數字化教學能力不僅是實現教育數字化轉型的關鍵，也是教師專業發展的重要議題^[7]。然而在數字化教學過程中，教師可能會面臨技術應用能力不足、數字素養欠缺、對新技術存在抵觸情緒以及技術恐懼等問題，導致其在開展數字化教學時陷入兩難境地^[8]。有研究表明，教師對技術的接受程度是其數字素養形成的重要起點，很多學者采用UTAUT模型來評估技術接受行為，如Liu等^[9]用UTAUT模型評估高等教育中教師對數字技術的使用意愿；Antonietti等^[10]通過實證調查發現，教師對技術的感知易用性和感知有用性與教師數字素養顯著正相關；李世瑾等^[11]運用UTAUT模型探討了中小學教師對人工智能教育接受度的影響因素；李毅等^[12]探討了教師信息技術使用意愿與使用的影響因素。在教育實踐中，教師的數字化教學能力提升是個人背景、自我效能感和學校支持等多種因素共同作用的結果，現有研究采用UTAUT模型探討技術接受度與數字素養的關系，雖然為理解數字化教學能力的提升提供了重要視角，但往往忽視了教師個人背景和自我效能感等潛在因素的影響。此外，目前的研究尚未充分關注各影響因素之間的“組合效應”對因變量的影響。

結構方程模型（Structural Equation Modeling，SEM）通過整合因素分析與路徑分析，能夠處理多因果的復雜關系，揭示變量之間的因果路徑。在此基礎上，PLS-SEM尤其適用于小樣本數據且不要求樣本服從正態分布^[13]。而fsQCA基于集合的角度考察前因條件及其組合與結果變量的關系，能夠探索不同影響因素的組合效應^[14]。在fsQCA的視角下，影響教師數字化教學能力的因素并非各自獨立，而是以不同的組合形式促進或阻礙教師數字化教學能力的發展。因此，本研究基于UTAUT理論框架，首先采用PLS-SEM分析教師數字化教學能力的影響因素，進而運用fsQCA探討這些影響因素的組合效應及其對教師數字化教學能力提升的綜合影響，旨在揭示教育數字化轉型背景下提升教師數字化教學能力的潛在路徑和策略，為教育管理者與政策制定者提供實證依據。

一 理論背景與研究假設

1 統一接受和使用技術模型

2003年，Venkatesh等^[15]基于技術接受模型，整合計劃行為理論、社會認知理論等8個理論，提出了UTAUT模型。如今，該模型已經成為預測和解釋個人或組織接受信息技術的重要理論工具，其核心變量包括績效期望、努力期望、社群影響和便利條件。這些變量被證實是影響用戶使用意愿和實際使用行為的關鍵因素，其中使用意愿和便利條件直接影響使用行為，績效期望、努力期望和社群影響則通過使用意愿間接作用于使用行為^[16]。隨著UTAUT模型在信息技術接受領域的研究逐漸成熟，研究者開始將其應用范圍拓展到智慧圖書館AI服務、人工智能教育、線上線下融合教學、虛擬實驗教學能力、移動學習平臺等領域并進行了實證研究^{[17][18][19][20][21]}。然而在教育數字化轉型的背景下，教師整合數字技術進行教育實踐時，其自我效能感至關重要。這種信心不僅能激發教學創新、提升教學成效，也是其數字化教學能力的基礎。因此，本研究以UTAUT模型作為理論基礎，結合教育領域數字技術應用的特定情境，特別引入自我效能感這一關鍵因素，綜合分析影響教師數字化教學能力的多重因素。

2"假設模型的構建與闡釋

為了探究影響教師數字化教學能力的因素，本研究構建了教師數字化教學能力影響因素假設模型，如圖1所示。該模型基于UTAUT模型框架，涵蓋績效期望、努力期望、社群影響和便利條件等核心要素。在此基礎上，模型擴展性地納入了自我效能感和數字化教學意愿作為研究變量。同時，鑒于性別、年齡、學歷和學科在教育研究中被廣泛認為是影響教師行為與接受新技術程度的關鍵內在因素，因此將這四個變量納入模型，探討其對教師數字化教學能力的影響機制。

績效期望（PE）是個體相信采用新技術能夠在多大程度上提高工作績效，體現了感知有用性。在本研究中，績效期望特指教師對于利用數字技術改善教學效果、優化教學活動的信念，涵蓋了教師對數字技術在教學中潛在的積極作用的預期，如提升教學效率和質量。努力期望（EE）是個體對于使用新技術難易程度的預期，體現了感知易用性。在本研究中，努力期望特指教師對掌握和運用數字技術進行教學所付出努力的程度。教育領域的研究表明，績效期望和努力期望能夠正向預測教師對數字技術的使用^[22]。社群影響（SI）是個體在采納新技術時受到周圍社會環境態度的影響。在本研究中，努力期望特指教師開展數字化教學時，受到領導、同事、行業專家等社會關系的支持、鼓勵或期望的影響。已有研究發現，鄉村教師對教育平臺的使用態度和意愿受到周圍社群的顯著影響^[23]。便利條件（FC）反映了個體對于組織提供技術、資源和設備支持的感知程度，突顯了外部環境對技術采納和使用的影響。在本研究中，便利條件特指教師在使用數字技術過程中感知到的支持和幫助，包括技術設備、數字資源和網絡等在教學中應用的便利性。已有研究表明，便利條件能夠正向影響個體對新技術的使用意向，并直接對新技術的使用行為產生影響^[24]。教師技術采納的相關研究表明，績效期望、努力期望、社群影響和便利條件是影響數字技術采納的核心因素^[25]，因此本研究引入UTAUT模型以預測教師的數字化教學能力，并提出以下假設：績效期望正向影響數字化教學意愿（H1）；努力期望正向影響數字化教學意愿（H2）；社群影響正向影響數字化教學意愿（H3）；便利條件正向影響數字化教學意愿（H4a），并直接正向影響教師的數字化教學能力（H4b）。

自我效能感是心理學家班杜拉提出的理論概念，指個體對完成特定任務能力的信心和信念，其顯著影響個體的行為和情緒狀態^[26]。在本研究中，自我效能感特指教師對自己應用和融合數字技術于教學實踐的信心。以往的技術接受模型已經證實自我效能感對技術采納具有顯著影響，如Peng等^[27]的研究表明大學生的自我效能感顯著影響其對互聯網的態度，Nikou等^[28]發現自我效能感是教育環境中ICT采納和數字化教學使用的關鍵因素。但是在當前教育技術快速發展的背景下，尤其是人工智能、大數據、云計算等新興技術在教育領域的廣泛應用，使教師面臨的技術挑戰和教學要求發生了巨大的變化。教師對數字技術的掌握不僅影響其對技術的探索、教學創新的意愿，還直接影響其開展數字化教學的行為。因此，本研究提出以下假設：教師的自我效能感正向影響其數字化教學意愿（H5a），并正向影響其數字化教學能力（H5b）。

數字化教學意愿（WDT）指教師在教學實踐中采納并持續運用數字技術的心理傾向和行為意圖，是決定教師是否采用及持續使用數字技術進行教學的關鍵因素。在UTAUT模型中，使用意愿常作為重要的中介變量，因為它不僅反映了教師對數字技術的態度，還預示了教師將這些技術整合到教學中的意愿和行為。教師的數字化教學意愿被視為連接技術接受與教學實踐的橋梁，當教師對數字化教學持有積極態度時，他們更可能主動學習相關的技能，并將其應用于教學中，從而提升教學質量和學生的學習體驗^[29]。因此，本研究假設教師的數字化教學意愿在教師對數字技術的接受和實際應用能力之間起中介作用，提出以下假設：教師的數字化教學意愿正向影響其數字化教學能力（H6）。

二 研究設計

1 測量工具

本研究采用問卷調查法對提出的假設進行實證檢驗，問卷基于國內外文獻中經過驗證的成熟量表編制，并結合教師群體的實際情況進行了調整，形成了“教師數字化教學能力影響因素調查問卷”。其中，績效期望、努力期望、社群影響和便利條件的測量參考了Venkatesh等^[30]的UTAUT量表，績效期望和努力期望均包含3個題項，社群影響和便利條件各包含4個題項。自我效能感和數字化教學意愿的測量參考了Nikou等^[31]的自我效能感與教學意愿量表，自我效能感包含8個題項，數字化教學意愿包含5個題項。數字化教學能力的測量參考了Tondeur等^[32]的量表，涵蓋數字化教學設計和實施、促進和檢測、評估和修訂三個方面，共10個題項。此外，問卷還收集了教師的性別、年齡、學歷、學科等人口學基本信息。問卷整體采用李克特5級計分法，1～5選項分別表示從“非常不同意”到“非常同意”。設計完成后，研究團隊邀請教育技術專家和專任教師進行審核并逐步修改完善，最終形成的問卷包含37個題項。

2 研究對象

本研究采用隨機抽樣調查的方式，通過問卷星在線平臺，面向東部、中部和西部地區（包括江蘇、安徽、河南、甘肅等）的多所高校教師發放電子問卷，調查時間為2024年4月15～30日。在刪除填寫時間小于100秒以及前后矛盾的問卷之后，最終納入研究范圍的有效問卷為518份。有效樣本的基本情況如下：①性別分布方面，女性占比53.3%，男性占比46.7%；②年齡分布方面，35歲及以下占比15.8%，36～40歲占比43.1%，41～50歲占比31.9%，51歲及以上占比9.3%；③學歷分布方面，本科占比31.7%，碩士占比47.7%，博士占比20.7%；④學科分布方面，人文學科（文史哲藝）占比35.9%，社科學科（經管法教）占比30.7%，理工學科（理工農醫）占比33.4%。

3 數據分析方法

本研究采用PLS-SEM與fsQCA相結合的方法：①進行測量模型的檢驗，以確保研究工具的有效性和可靠性；②運用PLS-SEM評估教師數字化教學能力的影響因素概念模型；③借助fsQCA探討這些因素的組合效應對教師數字化教學能力的影響。

三 數據分析與假設檢驗

1"測量模型檢驗

本研究首先使用SPSS 21軟件進行探索性因子分析，結果顯示量表的KMO值是0.964，并在0.000水平通過顯著性檢驗。進一步進行因子分析，共抽取到7個因子，第一個因子的解釋率是38.26%，不超過40%；7個因子累計解釋了61.20%的總方差，說明研究數據不存在明顯的共同方法偏差。然后，運用SmartPLS 4.0軟件進行驗證性因子分析，檢查量表各維度的Cronbach’s α、組合信度（CR）和收斂效度（AVE）。Hair等^[33]指出Cronbach’s α、CR、AVE值應分別大于或等于0.7、0.7、0.5，且CR值應高于AVE值，以確保測量工具的可靠性和效度。驗證性因子分析結果表明，測量模型的標準化殘差均方根（SRMR）為0.051，規范擬合指數（NFI）為0.909，說明測量模型擬合度良好。同時，各觀測變量的因子載荷值均大于0.7，各維度的Cronbach’s α系數值均大于0.7，CR值均大于0.7，且AVE值均大于0.5，綜合說明各個維度均具有良好的收斂效度和組合信度，具體如表1所示。

區分效度（DV）用于衡量一個維度與另一個維度之間的差異程度，本研究通過Fornell-Larcker準則對測量模型的DV進行了檢驗^[34]，結果如表2所示。由表2可知，各個維度兩兩之間的標準化相關系數均小于該維度所對應的AVE值的平方根，說明各維度之間均具有良好的區分效度。

2"結構方程模型檢驗

（1）結構方程模型分析

本研究使用SmartPLS 4.0軟件進行PLS-SEM檢驗。根據相關研究，R²表示模型對因變量變異的解釋程度，其中R²值為0.19、0.33、0.67分別表示較弱、中度、較強的解釋能力^[35]。檢驗結果顯示，本模型中數字化教學能力的R2值為0.393，數字化教學意愿的R2值為0.475，說明本模型的內生潛變量能夠得到較好的解釋。此外，Q²是預測模型相關性指標，本研究使用Blindfolding算法得到數字化教學意愿和數字化教學能力的Q²值分別為0.302、0.228，均大于0，說明模型具有不錯的預測相關性。

結構方程模型的直接效應如表3所示。由表3可知，教師數字化教學意愿受到績效期望（β=0.229，p＜0.001）、努力期望（β=0.151，p＜0.01）、社群影響（β=0.183，p＜0.001）、便利條件（β=0.173，p＜0.01）、自我效能感（β=0.149，p＜0.01）等因素的顯著正向影響，因此假設H1、H2、H3、H4a、H5a均成立。此外，數字化教學能力受到便利條件（β=0.113，p＜0.05）、自我效能感（β=0.308，p＜0.001）的顯著正向影響，因此假設H4b和H5b成立。同時，數字化教學意愿（β=0.323，p＜0.001）在模型中作為中介變量也直接影響教師的數字化教學能力，達到了顯著性水平，表明教師的數字化教學意愿越強，其數字化教學能力越強，因此假設H6成立。

（2）中介效應分析

在驗證各假設成立的基礎上，本研究進一步檢驗了中介效應，以揭示各因素對教師數字化教學能力的影響機制。為此，本研究采用Percentile Bootstrap"95%置信區間法檢驗模型中的中介效應，并將隨機抽樣樣本數設為5000。根據Bootstrap法的中介效應檢驗流程，若置信區間不包含0，則表明中介效應顯著^[36]。中介效應檢驗結果如表3所示，發現便利條件通過FC→WDT→DTC路徑對數字化教學能力中介效應的置信區間為[0.024， 0.092]，不包含0，表明其中介效應顯著，且占比為33.14%；自我效能感通過SE→WDT→DTC路徑對數字化教學能力中介效應的置信區間為[0.015， 0.084]，同樣不包含0，表明其中介效應顯著，且占比為13.48%。此外，績效期望、努力期望和社群影響均通過數字化教學意愿的中介作用對數字化教學能力產生顯著影響，其置信區間均不包含0，表明中介效應均顯著。這說明教師對數字技術的績效期望、努力期望和社群影響均通過數字化教學意愿顯著影響其數字化教學能力。

3"模糊集定性分析

本研究使用fsQCA 4.0軟件進行模糊集定性比較分析，以探究各影響因素的組合效應。在此之前，研究利用SPSS"21軟件進行Pearson積差相關分析，考察性別、年齡、學歷和學科對數字化教學意愿和數字化教學能力的影響。結果顯示，性別、年齡與數字化教學意愿和數字化教學能力均無顯著相關性，而學歷、學科與兩者呈顯著正相關。因此，在后續的模糊集定性比較分析中，學歷和學科被納入前因變量。

（1）數據的校準與必要性分析

首先進行數據的校準，將測量數據的取值范圍轉換為0～1區間內的數值，0、1分別對應完全不隸屬、完全隸屬；在進行連續變量的校準時，則需要先計算其平均值，再利用fsQCA"4.0軟件中的calibrate（）函數按照5%、50%、95%的標準進行數據校準。由于學歷和學科為三分類變量，因此校準時分別將最小值、中間值和最大值校準為0（不隸屬）、0.5（交叉值）、1（完全隸屬）。具體而言，學歷變量中本科校準為0，碩士校準為0.5，博士校準為1；學科變量中人文學科（文史哲藝）校準為0，社科學科（經管法教）校準為0.5，理工學科（理工農醫）校準為1。為了避免隸屬度為0.5的案例在分析過程中被排除，本研究將校準后的數據0.5調整為0.501^[37]。然后進行必要性分析，根據fsQCA的標準，一致性大于0.9的條件被認為是必要條件，而覆蓋率大于0.8的條件被認為是充分條件。經過分析，本研究中單個前因變量的一致性均未超過0.9，覆蓋率也均小于0.8，表明單個前因變量既不構成必要條件，也不構成充分條件。

（2）數字化教學意愿組態分析

本研究選取績效期望、努力期望、社群影響、便利條件、自我效能感、學歷和學科共7個變量作為模糊集定性分析的前因變量，以數字化教學意愿作為結果變量進行組態分析。具體過程為：設置可接受案例數為3，一致性閾值為0.93，進行路徑標準化分析；選取簡約解和中間解相結合的展示方式，分別表示組態中的核心條件和邊緣條件，其中核心條件是同時出現在簡約解和中間解中的變量，而邊緣條件是僅出現在中間解中的變量。教師數字化教學意愿的組態路徑分析結果如表4所示，總體一致性為0.9020，總體覆蓋率為0.5640，表明這些組合路徑可以較好地解釋教師的數字化教學意愿。由表4可知，教師數字化教學意愿共形成7條組態路徑，一致性均高于0.9，超過0.75的標準^[38]，表明這些路徑均能較好地解釋數字化教學意愿。將7條路徑按照相同核心條件歸類，可提煉出4種數字化教學意愿提升模式：①期望驅動型。自我效能感較低，較高的績效期望、努力期望和社群影響仍能共同促進其數字化教學意愿。②學科驅動型。包含2a和2b兩條路徑，強調績效期望、努力期望和社群影響的共同作用，同時突出學科因素對路徑的影響。③自我效能驅動型。包含3a和3b兩條路徑，強調自我效能感和學科的重要性，并通過績效期望和便利條件的協同作用對結果產生影響。④低學歷補償型。包含4a和4b兩條路徑，對于低學歷教師，較高的努力期望、社群影響和便利條件也能顯著提升其數字化教學意愿。績效期望、努力期望和社群影響在4種模式中出現了3次，凸顯了其對教師數字化教學意愿的關鍵作用。

（3）數字化教學能力組態分析

本研究在前因變量中加入數字化教學意愿，分別以績效期望、努力期望、社群影響、便利條件、自我效能感、數字化教學意愿、學歷、學科共8個變量作為前因變量，以數字化教學能力作為結果變量進行模糊集定性分析。具體過程為：設置可接受案例數為3，一致性閾值為0.94，進行路徑標準化分析；選取簡約解和中間解相結合的方式分別表示組態中的核心條件和邊緣條件。教師的數字化教學能力的組態路徑分析結果如表5所示。由表5可知，總體一致性為0.9155，總體覆蓋率為0.5418，表明組合路徑具有較高的解釋度。同時，教師數字化教學能力共形成9條路徑，一致性均超過0.9，表明這些路徑均能較好地解釋數字化教學能力。將9條路徑按相同核心條件歸類，可提煉出4種數字化教學能力提升模式：①支持驅動型。教師在數字化教學意愿較低的情況下，通過外部支持（如社群影響、便利條件）和自我效能感來提升數字化教學能力。②意愿與學科強化型。包含2a和2b兩條路徑，較高的數字化教學意愿結合績效期望和努力期望，借助學科背景的支持，共同促進數字化教學能力的提升。③意愿與學科主導型。包含3a、3b和3c三條路徑，在高數字化教學意愿的基礎上，自我效能感的提升進一步強化了學科背景的作用，成為提升數字化教學能力的關鍵因素。④低學歷補償型。包含4a、4b和4c三條路徑，對于低學歷教師，通過提高努力期望和自我效能感，可以有效補償學歷的不足，從而提升數字化教學能力。由于教師的學科難以改變，因此數字化教學意愿、自我效能感和努力期望這三個核心條件應成為關注的重點。

四 結論與討論

首先，本研究通過PLS-SEM分析發現，績效期望、努力期望、社群影響、便利條件和自我效能感均正向影響教師的數字化教學意愿，進而正向影響其數字化教學能力。研究結果表明，教師對數字技術的有用性感知、易用性感知，以及來自同事、領導和組織的技術、資源與政策支持等便利條件，是形成教師數字化教學意愿的關鍵因素。此外，自我效能感直接顯著影響教師的數字化教學能力，凸顯了教師對自身運用數字技術的信心和自我評價的重要性。研究發現，各因素對數字化教學意愿的影響強度依次為績效期望、社群影響、便利條件、自我效能感和努力期望。中介效應檢驗顯示，這些因素均通過數字化教學意愿間接影響數字化教學能力且效應顯著。這表明教師的數字化教學意愿越強，其數字化教學能力也越強，進一步證實了數字化教學意愿的重要中介作用，并驗證了UTAUT模型在教育領域的適用性。

其次，本研究通過fsQCA揭示了提升教師數字化教學意愿和數字化教學能力的四種組合模式。在提升數字化教學意愿方面，四種模式分別為期望驅動型、學科驅動型、自我效能驅動型和低學歷補償型。其中，績效期望、努力期望和社群影響在三種模式中多次出現，凸顯了這些因素對教師數字化教學意愿的關鍵作用。在提升數字化教學能力方面，四種模式分別為支持驅動型、意愿與學科強化型、意愿與學科主導型和低學歷補償型。具體而言，高數字化教學意愿結合績效期望、努力期望和學科背景的支持，共同促進了數字化教學能力的提升。對于低學歷教師，通過提升努力期望和自我效能感可以有效補償學歷的不足，進而提升其數字化教學能力。由于教師的學科背景難以改變，因此提升其數字化教學能力的關鍵在于增強數字化教學意愿、自我效能感和努力期望。此外，通過提供外部支持、增強教師信心和優化教學環境，能夠進一步促進教師數字化教學能力的提升。

最后，通過對PLS-SEM和fsQCA的結果進行比較，本研究發現：①績效期望、努力期望、社群影響和便利條件在PLS-SEM分析中均顯著正向影響數字化教學意愿，并通過數字化教學意愿間接提升數字化教學能力。在fsQCA中，這些因素作為核心條件多次出現，兩種方法的分析結果相互印證。②數字化教學意愿在PLS-SEM中被確認為中介因素，而在fsQCA中也多次出現在影響數字化教學能力的組合模式中，表明數字化教學意愿是影響數字化教學能力的關鍵直接因素。③自我效能感在PLS-SEM中顯著直接影響數字化教學能力，而在fsQCA中多次出現，進一步證實了自我效能感對數字化教學能力的直接效應。④教師的學科在fsQCA中顯著影響數字化教學能力。這些發現為教育管理者和政策制定者提供了實證依據，可指導其通過優化相關影響因素來提升教師的數字化教學能力。

基于以上研究結果，在提升教師數字化教學能力時，應充分利用教師感知的績效期望、努力期望、社群影響、便利條件和自我效能感等核心影響因素，以提升教師的數字化教學意愿為著力點，通過教育管理者、相關部門與教師的多方協同，共同提升教師的數字化教學能力：首先，構建支持性政策與績效機制，提升數字化教學意愿。通過制定全面的數字化教學支持政策、建立綜合性的激勵與評價體系、打造教師交流平臺等措施，激發教師的數字化教學熱情和意愿。其次，強化數字化教學環境建設，優化數字化基礎設施。通過完善數字化教學設施、開發高質量的數字化教學資源、建立專業的技術支持團隊、為教師提供資源豐富的數字化教學環境，提升數字化教學質量。最后，完善教師專業發展與培訓體系，提升數字化教學能力。通過制定切實有效的教師數字化專業發展政策和培訓方案、實施專業化的數字化教學實踐措施、制定差異化的教師支持策略，實現教師數字化教育能力的全面提升。

參考文獻

[1]教育部.教育部關于發布《教師數字素養》教育行業標準的通知[OL].lt;https：//www.gov.cn/zhengce/zhengceku/2023-02/21/content_5742422.htmgt;

[2]劉妍，李夢興，舒杭.基于交互場景的教師數字化教學能力診斷研究[J].現代教育技術，2024，（1）：84-95.

[3]楊宗凱，吳砥，陳敏.新興技術助力教育生態重構[J].中國電化教育，2019，（2）：1-5.

[4][32]Tondeur J， Howard S， Van Zanten M， et al. The HeDiCom framework： Higher Education teachers’"digital competencies for the future[J]. Educational Technology Research and Development， 2023，（1）：33-53.

[5]Lin R， Yang J， Jiang F， et al. Does teacher’s data literacy and digital teaching competence influence empowering students in the classroom？ Evidence from China[J]. Education and Information Technologies， 2023，（3）：2845-2867.

[6]郭炯，郝建江.智能時代的教師角色定位及素養框架[J].中國電化教育，2021，（6）：121-127.

[7]郭紹青，林豐民，于青青，等.數字化賦能教師專業發展實踐探索[J].電化教育研究，2023，（7）：96-106.

[8]王天平，李珍.智能時代教師技術焦慮的形態、動因與對策[J].電化教育研究，2022，（10）：110-115、128.

[9]Liu Q， Geertshuis S， Grainger R. Understanding academics’"adoption of learning technologies： A systematic review[J]. Computers amp; Education， 2020，151：103857.

[10]Antonietti C， Cattaneo A， Amenduni F. Can teachers’"digital competence influence technology acceptance in vocational education？[J]. Computers in Human Behavior， 2022，（6）：1-9.

[11][18]李世瑾，顧小清.中小學教師對人工智能教育接受度的影響因素研究[J].現代遠距離教育，2021，（4）：66-75.

[12]李毅，吳思睿，廖琴.教師信息技術使用的影響因素和調節效應的研究——基于UTAUT模型[J].中國電化教育，2016，（10）：31-38.

[13]袁野，蕭文龍，于媛，等.結構方程模型的應用準則：CB-SEM和PLS-SEM研究范式的比較與啟示[J].信息資源管理學報，2023，（3）：6-22.

[14]杜運周，賈良定.組態視角與定性比較分析（QCA）：管理學研究的一條新道路[J].管理世界，2017，（6）：155-167.

[15][30]Venkatesh V， Morris M G， Davis G B， et al. User acceptance of information technology： Toward a unified view[J]. MIS Quarterly， 2003，（3）：425-478.

[16]高芙蓉，高雪蓮.國外信息技術接受模型研究述評[J].研究與發展管理，2011，（2）：95-105.

[17]范昊，徐穎慧，曾子明.智慧圖書館AI服務用戶接受行為影響因素研究[J].圖書館學研究，2021，（2）：37-47.

[19]王鈺彪，田愛麗.中小學教師對線上線下融合教學的接受度及其影響因素研究[J].現代教育技術，2023，（6）：109-117.

[20]馮吉兵，張國良，靳帥貞，等.中小學教師虛擬實驗教學能力提升的對策研究——基于技術接受度測評[J].中國電化教育，2022，（7）：120-126、133.

[21][22]劉春明，王丹，周楊.高校教師移動學習平臺信息采納行為研究[J].情報科學，2024，（2）：109-118.

[23]郭炯，付瑞.鄉村教師應用“國家中小學智慧教育平臺”影響因素研究[J].現代遠距離教育，2023，（6）：33-42.

[24]Ghalandari K. The effect of performance expectancy， effort expectancy， social influence and facilitating conditions on acceptance of e-banking services in Iran： The moderating role of age and gender[J]. Middle East Journal of Scientific Research， 2012，（6）：801-807.

[25]趙篤慶，余亮，車紫妍，等.教師技術采納研究中的UTAUT再認識——基于一階段元分析結構方程模型的定量綜合分析[J].現代教育技術，2024，（9）：48-58.

[26]周文霞，郭桂萍.自我效能感：概念、理論和應用[J].中國人民大學學報，2006，（1）：91-97.

[27]Peng H， Tsai C C， Wu Y T. University students’"self-efficacy and their attitudes toward the internet： The role of students’"perceptions of the internet[J]. Educational Studies， 2006，（1）：73-86.

[28][31]Nikou S， Molinari A， Wide G. The interplay between literacy and digital technology： A fuzzy-set qualitative comparative analysis approach[J]. Inform Research， 2020，25：1-12.

[29]Kabakus A K， Bahcekapili E， Ayaz A. The effect of digital literacy on technology acceptance： An evaluation on administrative staff in higher education[OL]. lt;https：//doi.org/10.1177/01655515231160028gt;

[33][35]Hair J F， Ringle C M， Sarstedt M. PLS-SEM： Indeed a silver bullet[J]. Journal of Marketing Theory and Practice， 2011，（2）：139-152.

[34]Fornell C， Larcker D F. Structural equation models with unobservable variables and measurement error： Algebra"and statistics[J]. Journal of Marketing Research， 1981，（3）：382-388.

[36]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，（5）：731-745.

[37]蔡建東，楊小鋒.組態視域下學前教師數字技術采納行為意向誘發機制研究——基于模糊集的定性比較分析（fsQCA）[J].電化教育研究，2022，（4）：116-124.

[38]Fiss P C. Building better causal theories： A fuzzy set approach to typologies in organization research[J]. Academy of Management Journal， 2011，（2）：393-420.

An Empirical Study on the Influencing Factors of Teachers’ Digital Teaching Ability

——Based on PLS-SEM and fsQCA Methods

ZHOU Xin^1，2""""WANG Yao-Bin^{1[Corresponding Author]}""""HE Xiang-Chun³

（1. College of Educational Sciences， Northwest Normal University， Lanzhou， Gansu， China 730070;

2. College of Teachers Education， Nanjing Xiaozhuang University， Nanjing， Jiangsu， China 211171;

3. College of Educational Technology， Northwest Normal University， Lanzhou， Gansu， China 730070）

Abstract："In the period of digital transformation of education， digital teaching ability is an essential core competency for teachers. In-depth exploration and analysis of the influencing factors of teachers’ digital teaching ability is the key link for educational administrators and teachers to cope with technology difficulties， improve teaching quality， and cultivate innovative talents. Based on this， the paper relied on the Unified Theory of Acceptance and Use of Technology （UTAUT） and adopted Partial Least Squares Structural Equation Modeling （PLS-SEM） and Fuzzy-Set Qualitative Comparative Analysis （fsQCA） methods to empirically examine the influencing factors and their combinatorial effects on teachers’ digital teaching ability. Among them， PLS-SEM analysis results showed that performance expectancy， effort expectancy， community influence， facilitation condition， and self-efficacy significantly had significantly positive influences on teachers’ digital teaching intention， and further these factors positively influence teachers’ digital teaching ability; teachers’ self-efficacy had a significant direct effect on digital teaching ability and the influencing effect was the strongest. While fsQCA analysis results revealed four ways to stimulate teachers’ digital teaching ability， of which digital teaching intention and self-efficacy were two important antecedent variables， which compensated for the relative inadequacy of the structural equation model analysis. Through research， this paper was expected to provide empirical evidence for improving teachers’ digital teaching ability in the period of digital transformation of education.

Keywords： digital teaching ability; UTAUT; PLS-SEM; fsQCA

*基金項目：本研究為國家自然科學基金資助項目“基于多源信息融合的中小學教師數據素養智能測評關鍵技術研究”（項目編號：62167007）、2025年甘肅省高校研究生創新之星項目“職前教師數字素養測評與培育路徑研究”（項目編號：2025CXZX-377）的階段性研究成果。

作者簡介：周欣，南京曉莊學院副研究館員，西北師范大學在讀博士，研究方向為數字化教育，郵箱為zhouxin0724@163.com。

收稿日期：2024年10月8日

編輯：小時