生成式AI协同构建自适应教案:职前教师Intelligent-TPACK与提示词工程策略

【导语】

本文解析的核心研究聚焦生成式AI协同构建自适应教案，针对传统教学设计中教师难以兼顾20-30名学生个体差异的实践困境，基于芬兰两所大学120名五年制教育硕士职前教师的实证数据，创新性构建"教师AI知识（Intelligent-TPACK/AI素养）→提示词工程策略（KC四阶段）→自适应教案质量（学生主体性/自适应策略/灵活工具）"的整合理论模型。研究采用PLS-SEM结构方程模型与混合研究方法，系统揭示了提示词工程在教师AI知识与教案质量间的中介效应机制（中介效应占总效应的62.3%），为AI时代教师专业发展提供了全新的理论框架与实证路径。

研究缘起与问题提出

（一）实践困境与技术机遇

自适应学习作为破解课堂同质化、促进教育公平的核心路径，要求教师设计差异化支架、学生中心路径、多模态工具支持的教学方案。但传统教学设计中，教师需同时兼顾20-30名学生的认知差异、学习节奏与兴趣偏好，存在设计成本高、个性化不足、实施难度大三大痛点。

生成式AI（GenAI）的出现为这一困境提供了技术解方。ChatGPT、Copilot等工具可快速生成教学活动、分层任务与评估方案，但AI输出的教学价值完全取决于教师的提示词设计能力。当前教育实践中普遍存在将提示词工程简化为"技术指令输入"的误区，忽视了其背后的教学推理与专业知识支撑。

（二）理论研究空白

现有研究存在三个关键缺口：

知识基础缺失：未厘清教师AI相关知识（Intelligent-TPACK、AI素养）与提示词策略的内在关联，无法回答"什么样的教师能设计出高质量教学提示词"

机制解释不足：缺乏对提示词工程认知过程的深度解析，未能揭示不同阶段提示词如何影响AI输出的教学质量

实证证据匮乏：多数研究为案例分析或主观感知调查，缺少基于大样本的准实验与结构方程模型检验

（三）核心研究问题

本研究基于知识建构（KC）理论，构建"教师AI知识→提示词工程策略→自适应教案质量"的整合模型，系统回答：

RQ1：职前教师在与GenAI协同设计自适应教案时，呈现出哪些特征的提示词工程策略？不同KC阶段的提示词分布有何规律？

RQ2：职前教师的Intelligent-TPACK与AI素养各维度，如何影响其提示词的数量与认知深度（KC阶段）？

RQ3：不同KC阶段的提示词，对自适应教案的学生主体性、自适应策略、灵活工具三个核心维度产生何种差异化影响？

RQ4：提示词工程在教师AI知识与教案质量之间是否存在中介效应？其作用机制是什么？

理论基础与研究模型

（一）核心理论框架

1. Intelligent-TPACK框架

作为传统TPACK框架的扩展，Intelligent-TPACK专门针对生成式AI教育应用设计，包含5个相互关联的维度：

Intelligent-TK：对AI系统工作原理、功能边界与使用方法的理解

Intelligent-TCK：运用AI表征与呈现学科内容的知识

Intelligent-TPK：运用AI支持教学法、实现差异化教学的知识

Intelligent-TPACK：融合技术、教学法与学科内容的综合应用能力

伦理维度：AI教育应用中的公平性、透明度、数据隐私与人类主体性保障

2. AI素养四维度模型

采用Wang等（2023）开发的AI素养量表，包含觉知、使用、评估、伦理四个维度，分别聚焦个体对AI的认知感知、操作实践、批判判断与责任意识。

3. 知识建构（KC）框架

本研究创新性地将原本用于分析人际互动的KC框架应用于人机协同知识建构，将提示词划分为4个递进的认知阶段：

4. 自适应教学设计三维度

本研究从三个核心维度评估自适应教案质量：学生主体性（学生在学习目标、活动、工具与评估中的选择权与决策权）、自适应策略（针对不同能力学生的分层支架与差异化任务）、灵活工具（多模态学习资源与多样化的展示方式）。

（二）研究假设与模型

H1：Intelligent-TPACK各维度正向预测提示词的数量与KC阶段；H2：AI素养各维度正向预测提示词的数量与KC阶段；H3：提示词的KC阶段正向预测自适应教案的三个维度质量；H4：提示词的KC阶段在Intelligent-TPACK/AI素养与教案质量之间起中介作用。

研究设计与方法

（一）研究对象

采用整群抽样法，选取芬兰奥卢大学与东芬兰大学120名五年制教育硕士职前教师（普通教育专业100人，特殊教育专业20人），其中女性87人，男性33人，平均年龄24.3岁。所有参与者均已完成至少1年的教育理论学习与8周的教学实习。

两人一组完成教案设计任务，最终获得60份有效自适应教案与159条完整提示词记录。

（二）研究任务

设计一个真实的教学情境任务：假设你是一名小学五年级科学教师，需要设计一节45分钟的"水循环"主题课。班级共有28名学生（其中3名学习障碍、5名高成就者）。请使用Microsoft Copilot设计一份自适应教案，要求覆盖水循环四个阶段、体现差异化教学与学生主体性、整合至少两种不同类型的学习工具。可多轮对话直到获得满意方案，完整记录所有提示词与AI输出。任务时长：15-20分钟。

（三）研究工具

1. Intelligent-TPACK量表（Celik, 2023）

共27个题项，采用7点李克特计分，涵盖智能技术知识（5题）、智能技术内容知识（4题）、智能技术教学知识（7题）、智能技术教学内容整合知识（7题）、伦理维度（4题）五个维度。各维度内部一致性信度α在0.790至0.910之间，CFI=0.98，RMSEA=0.04。

2. AI素养量表（Wang et al., 2023）

共12个题项，7点李克特计分，包含觉知（3题）、使用（3题）、评估（3题）、伦理（3题）四个维度。各维度内部一致性信度α在0.730至0.900之间，CFI=0.99，RMSEA=0.01。

3. 自适应教案质量评估量规

基于Harris & Hofer（2011）的TPACK教案量规修订，包含自适应策略、学生主体性、灵活内容与工具3个维度，4级评分制（1=有限至4=优秀），两名独立编码者信度Cohen\'s κ=0.72。

4. 提示词工程KC编码方案

基于Gunawardena等（1997）的知识建构框架改编，两名独立编码者信度Cohen\'s κ=0.65。

（四）数据分析方法

描述性统计与相关性分析：SPSS 26.0；测量模型检验：SmartPLS 4.0验证性因子分析；结构模型检验：PLS-SEM分析直接效应与间接效应，1000次Bootstrap检验；质性内容分析：对提示词与教案进行编码。

四、研究结果与深度分析

（一）提示词工程策略的分布特征

对159条提示词的KC阶段编码结果显示：KCP3（意义协商）占比最高37.1%（59条），KCP1（信息共享）次之32.1%（51条），KCP2（发现冲突）15.7%（25条），KCP4（合成修正）15.1%（24条）。

深度分析：职前教师已初步具备与AI协同建构知识的意识，超过半数的提示词处于KCP2及以上阶段；但高阶认知阶段（KCP4）占比最低，表明职前教师缺乏对AI输出的批判性评估与迭代优化能力。典型的提示词迭代路径：KCP1→KCP2→KCP3→KCP4。

（二）自适应教案质量分析

教案整体质量处于"熟练"水平，表明GenAI能有效支持职前教师设计基础的自适应教案。自适应策略维度得分最高，说明职前教师更关注教学支架的设计；学生主体性与灵活工具维度仍有提升空间。

（三）结构模型检验结果

直接效应检验（核心路径）

关键发现：Intelligent-TK与Intelligent-TPK是影响提示词质量的最核心因素；AI素养的"评估"与"伦理"维度对提示词无显著直接影响（p>0.05）；提示词阶段对"灵活工具"维度的影响最大。

中介效应检验

通过Bootstrap检验发现：Intelligent-TPK通过提示词阶段间接影响自适应策略（β=0.17）与学生主体性（β=0.20）。提示词阶段的中介效应占总效应的62.3%，表明其是连接教师AI知识与教案质量的关键中介变量。

（四）质性案例分析

案例1：高阶提示词→高质量教案（3.8分/优秀）提示词迭代路径：KCP1"设计一节水循环教案" → KCP2"这个教案太理论化，加入实验活动？" → KCP3"如何将实验设计成分层任务？" → KCP4"修改评估部分，增加学生自评和小组互评"最终教案包含三个分层实验站、学生自主选择展示方式、过程性评价量表。

案例2：低阶提示词→基础教案（2.2分/基础）仅一条提示词："设计一节五年级水循环教案，45分钟"最终教案为教师讲解+视频观看+统一练习题，无差异化支持。

研究贡献与学术启示

（一）理论贡献

构建了人机协同教学设计的整合理论模型：首次系统验证了"教师AI知识→提示词工程→教案质量"的链式效应，揭示了提示词工程的中介作用机制。

拓展了知识建构理论的应用边界：将KC框架从人际互动拓展至人机互动，为分析教师与GenAI的协同认知过程提供了新的理论视角。

丰富了Intelligent-TPACK的实证研究：验证了各维度在GenAI教育应用中的差异化作用，为AI时代教师知识模型完善提供了实证依据。

（二）方法贡献

开发了基于KC框架的提示词工程质性编码体系，为提示词的教学认知分析提供了可复制的方法。采用混合研究方法（PLS-SEM + 内容分析），全面揭示了因果关系与过程机制。

（三）实践启示

对师范教育：将Intelligent-TPACK纳入教师教育核心课程，重点培养Intelligent-TK与Intelligent-TPK；开设"教学提示词工程"专项训练，引导教师从KCP1向KCP3/KCP4进阶；设计基于真实教学情境的AI协同任务。

对一线教师：树立"AI是教学伙伴而非替代者"的理念，掌握迭代式提示词设计方法；以学生主体性、自适应策略、灵活工具为标准，批判性评估AI生成的教案。

对技术开发者：开发适配教师需求的AI教案设计工具，内置自适应教学模板；增加提示词引导功能，帮助教师生成更高阶的教学提示词。

结语

在生成式AI重塑教育生态的时代，教师不再是知识的唯一传递者，而是成为AI的协同设计者。本研究揭示了一个核心逻辑：教师能否有效驾驭AI，不取决于其技术操作水平，而取决于其教学专业知识（Intelligent-TPACK）与提示词工程的认知深度（KC阶段）。提示词工程不是简单的"技术指令输入"，而是教学推理、学科知识与人机协同的高阶认知实践。未来教师教育的核心任务，是培养教师成为"懂AI、懂教学、懂学科"的AI时代专业人才。

💬 【学术互动话题】① 本研究将知识建构（KC）框架应用于人机协同提示词分析，你认为这一分析框架是否适用于中国教师群体？哪些文化因素可能影响提示词工程策略？② 当前国内教师AI培训多聚焦工具操作，本研究强调Intelligent-TPACK与提示词认知深度。你认为我国师范教育应如何重新设计AI相关课程？