文献分享 | 用GenAI设计适应性教案:职前教师的智能TPACK与提示工程策略

      生成式AI（ChatGPT、Copilot等）正在进入课堂。不少教师已经开始尝试用它来备课、设计活动、生成教案。但一个普遍的困惑是：同样的AI工具，为什么有的老师用得得心应手，有的老师却总觉得“AI不太听我的话”？一项来自《Computers & Education》的研究，追踪了120位职前教师与AI协作备课的全过程，用数据告诉我们，问题的关键不在于“技术鸿沟”，而是“认知鸿沟”。这背后的秘密到底是什么？研究者带领我们潜入未来教师与 AI 的对话流，一探究竟。

文献信息：Celik, I., Kontkanen, S., Laru, J., & Dalyanci, A. A. (2026). Co-constructing adaptive lesson plans with GenAI: Pre-service teachers‘ Intelligent-TPACK and prompt engineering strategies. Computers in Human Behavior.

1. 职前教师在与AI协作设计教案时，使用了什么样的提示策略？

2. 他们的AI相关专业知识（智能TPACK、AI素养）与提示策略、最终教案的适应性质量之间存在怎样的关联？

• 智能TPACK量表：测量教师针对AI的专业知识，包括技术知识（Intelligent-TK）、教学法知识（Intelligent-TPK）、内容知识（Intelligent-TCK）以及伦理意识。

• AI素养量表：测量教师的AI意识、使用能力、评价能力和伦理判断。

• 教案评价：从三个维度对教案进行1-4分评分——学生自主性（学生能否做选择）、适应性策略与支架（是否有差异化支持）、灵活工具与内容（技术/材料是否灵活可调）。

• KC1 分享与比较信息：基础提问，如“水循环有几个步骤？”

• KC2 发现与探索不协调：质疑AI输出，如“这个活动对阅读困难的孩子不合适吧？”

• KC3 协商意义与共建知识：与AI协作细化，如“怎么改才能让视觉型和听觉型学习者都参与？”

• KC4 检验与修改提出的综合：迭代优化，如“上一版时间太紧张，请重新设计一个更紧凑的版本。”

• KC3（协商意义）占比最高，37.1%。说明不少教师会主动请AI解释、修改、细化教案。

• KC1（分享信息）占比第二，32.1%。仍有近三分之一教师的提示停留在基础描述层面。

• KC2（发现不协调）占15.7%，少数教师开始质疑AI输出。

• KC4（检验与修改）仅占14.3%，能够进行多轮迭代优化的教师相对较少。

• 由KC4阶段提示生成的教案，在学生自主性、适应性策略、灵活工具三个维度上得分显著高于KC1阶段提示生成的教案。

• 换句话说，提示的认知深度与教案的适应性质量呈正相关。你让AI“想”得越深，它给你的东西就越能用。

• 提示数量（多轮对话的次数）正向相关于：Intelligent-TK（β=0.27）、Intelligent-TPK（β=0.26）、AI意识（β=0.23）、AI使用（β=0.29）。

• 提示阶段（KC层级）正向相关于：Intelligent-TK（β=0.30）、Intelligent-TPK（β=0.32）、AI意识（β=0.28）、AI使用（β=0.30）。

• 提示数量与提示阶段相互关联（β=0.35）：多轮对话和深度提问常常同时发生。

1. 将提示工程重新定义为“教学行为”而非“技术操作”。提示策略的认知深度，本质上是教师教学设计知识的表达。提示是教师在AI环境中实施教学推理的代理工具。

2. 将KC框架成功适配于人机协作情境。原本用于分析在线讨论中知识建构的框架，在GenAI协作中同样有效——只要将AI视为“对话诱因”而非认知主体。

3. 实证检验了智能TPACK中哪个子维度最关键：Intelligent-TPK（教学法知识）是唯一显著预测提示深度的维度。这提醒我们，教师教育中不能只教“AI怎么用”，更要教“AI怎么支持教学决策”。

      这项研究的核心结论很清晰：用好AI备课，关键不在技术门槛，而在教学认知。 你的专业知识——对学生的理解、对教学策略的选择——决定了你能否通过提问，把AI从一个“信息检索器”变成真正的“教学设计协作者”。

      对于正在或将要使用AI的教师来说，这既是一个好消息，也是一种提醒：AI不会自动提升你的教学，但它可以放大你已经具备的教学智慧。