人工智能时代教师核心能力培养路径——智能TPACK框架下的实证研究

一、研究背景：人工智能正在重塑教师专业能力

第四次工业革命正以惊人速度推进。人工智能（AI）、机器人、大数据、区块链等前沿技术持续渗透到社会各个领域，教育正经历深刻变革——从以知识传授为中心，逐步转向以能力培养为核心的新阶段。

近年来，AI技术已全面融入教育全过程。从教育决策、课程设计，到课堂教学、学习支持，再到教育评价，人工智能持续改变着传统教育运行模式。

与此同时，OECD连续发布关于人工智能与教育发展的系列报告（2020、2023、2025），指出：

教育正由过去"标准化、一刀切"的培养模式，逐步转向更加个性化、自适应、以学习者为中心的新型学习生态。

AI不仅能帮助教师分析学习数据，还能根据学生特点提供个性化学习支持，使教育真正实现"因材施教"。

然而，技术快速发展的另一面，是教师专业能力的发展速度并没有同步跟上。

虽然越来越多国家已将人工智能写入教育发展战略，但现实中，大量教师仍缺乏将AI真正融入教学实践的能力。这一能力缺口，已成为制约AI教育发展的重要瓶颈。

随着知识获取越来越不受时间和空间限制，传统依赖教师进行知识讲授、机械训练和重复性教学的模式，正逐渐被人工智能所替代。

未来教师真正不可替代的价值，将更多体现在引导学生解决复杂问题、培养数字素养与AI素养、促进学生高阶思维发展、激发创新能力、培养终身学习能力等方面。也就是说，教师的角色正由"知识传授者"，转向"学习设计者""学习促进者"以及"人机协同学习的引导者"。

正因如此，联合国教科文组织（UNESCO）于2024年正式发布《教师人工智能胜任力框架（Teacher AI Competency Framework）》，明确提出人工智能时代教师应重点具备五大核心能力：

AI基础知识；

AI伦理素养；

以人为本的教育理念；

AI教学能力；

AI支持下的持续专业发展。

也即是说教师专业发展的重点已从传统的信息技术应用能力，进一步升级为AI胜任力建设。

二、文献综述：教师AI胜任力研究的发展脉络

（一）AI正加速重构教育教学新生态

近几年，人工智能在教育领域的发展可谓日新月异。从最初的智能辅导系统（Intelligent Tutoring System）、自适应学习平台（Adaptive Learning Platform），到如今广泛应用的ChatGPT、Gemini、Claude等生成式人工智能，大量AI工具正不断进入教师的日常教学实践，深刻改变着传统课堂的组织方式。

越来越多研究表明，AI不仅能够辅助教师完成知识讲授，更重要的是，它正成为提升教学质量的重要支撑工具。例如：

教学设计阶段，AI可帮助教师快速生成教学方案、课程大纲和学习任务，提升备课效率；

课堂实施阶段，AI能够根据学生学习情况实时提供反馈，实现更加精准的课堂支持；

学习评价阶段，AI能够自动完成作业批改、学习分析以及学习诊断，为教师提供更加科学的决策依据。

可以说，AI已逐渐渗透到教育全过程，推动教学方式由经验驱动迈向数据驱动。

Tan等（2025）在系统梳理近年来教师使用AI开展教学的62项研究后发现，目前教师使用最多的AI技术主要包括五大类型：

① 对话式人工智能（Conversational AI），如ChatGPT、Claude、Gemini等；

② AI学习与评价系统，包括智能作业批改、自适应学习平台等；

③ 沉浸式智能学习技术，例如VR、AR等智能学习环境；

④ 视觉与语音计算技术，如AI绘图、语音识别、数字人教学等；

⑤ 教学学习分析（Learning Analytics），利用学习数据支持精准教学。

其中，对话式AI已成为教师使用最广泛的一类工具，在全部研究中占比超过60%。

例如，有研究利用ChatGPT自动完成程序设计课程作业反馈；还有研究将ChatGPT用于小学数学课程设计，并发现AI生成的教学方案具有较高的教学参考价值。生成式AI正从一种辅助工具，逐步发展为教师开展课程设计、课堂教学和学习评价的重要伙伴。

（二）教师对AI既充满期待，也存在诸多顾虑

随着AI工具越来越普及，教师对人工智能的态度总体呈现积极趋势。

不少研究发现，大多数教师已认识到AI对提升教学效率、减轻工作负担以及促进个性化学习具有重要价值，也愿意尝试将AI引入课堂。让AI帮助教师快速生成教案，自动设计课堂活动，同时，提供个性化反馈来支持学生自主学习，并减少重复性事务。这些优势使越来越多教师开始主动接触生成式人工智能。

不过，教师的积极态度并不意味着没有担忧。当前教育界普遍关注的问题主要集中在以下几个方面：

1. AI可能加剧学术诚信风险

不少教师担心，学生利用ChatGPT完成作业、论文甚至考试，将进一步增加抄袭、作弊以及学术不端行为。如果缺乏有效管理机制，AI既可能成为学习助手，也可能成为学习替代者。

2. AI输出内容并非绝对可靠

虽然生成式AI回答速度快、表达流畅，但仍然存在"AI幻觉（Hallucination）"问题。生成内容可能出现事实错误、逻辑漏洞甚至虚假引用。因此，教师不能简单复制AI生成结果，而应具备辨别信息真实性的能力。

3. AI应用带来新的伦理挑战

随着学习数据不断积累，大量学生个人信息需要上传至AI平台。如何保护学生隐私，避免算法偏见，确保AI评价公平透明，这些都成为当前教育AI发展过程中必须面对的重要议题。

因此，越来越多研究认为教师不仅需要学会使用AI，更需要学会正确使用AI。

（三）什么是教师AI胜任力（AI Competency）？

如果说数字素养（Digital Literacy）回答的是"教师会不会使用数字技术"，那么AI胜任力回答的则是：

教师是否能够理解AI、驾驭AI，并真正利用AI促进学生学习。

目前国际上关于AI胜任力已有多种理论框架。

例如，Long与Magerko（2020）提出AI素养包括16项核心能力，涵盖从AI基本原理到高级应用的完整知识体系。

Ng等（2021）则将AI素养概括为四个维度：

AI知识理解（Knowledge Understanding）

AI实践应用（Application）

AI评价与创造（Evaluation & Creation）

AI伦理思维（Ethical Thinking）

对于教师而言，AI胜任力远不仅仅意味着会使用几个AI软件。

更重要的是，教师能够根据教学目标合理选择AI工具，将AI技术真正融入课堂教学，并促进学生学习。

换句话说，

AI胜任力强调的是"技术能力+教学能力"的深度融合，而不是简单的软件操作能力。

近年来，研究者陆续开发了多个教师AI胜任力量表。Ning等（2024）构建了AI-TPACK量表，包括教学知识（PK）、学科知识（CK）、AI技术知识（AI-TK）、教学内容知识（PCK）、AI技术内容知识（AI-TCK）、AI技术教学知识（AI-TPK）以及AI-TPACK综合知识共七个维度。与此同时，Chiu等（2025）开发了教师AI胜任力自我效能量表，从六个方面评价教师能力，包括AI知识、AI教学能力、AI评价能力、AI伦理能力、以人为本教育理念和专业发展能力。

这些研究共同说明教师AI胜任力已逐渐形成较为成熟的理论体系，也成为衡量教师数字时代专业发展的重要指标。

（四）现实困境：教师为什么仍然不会用AI？

尽管AI工具层出不穷，但现实中的教师AI胜任力仍普遍偏低。

大量调查发现：

教师通常具有较好的数字素养，却缺乏真正开展AI教学的能力。

例如，一项针对1664名中小学教师的大规模调查显示：

教师最大的短板主要集中在AI专业知识不足，AI技术理解有限，不知道如何设计AI课堂，不会把AI真正融入学科教学。

尤其是在生成式AI快速发展的背景下，很多教师虽然听说过ChatGPT，却不知道如何设计高质量Prompt（提示词），如何借助AI开展探究式学习，或如何利用AI进行形成性评价或者避免AI误导学生。更值得关注的是，这种现象不仅存在于在职教师中。

针对师范生的研究同样发现年轻教师虽然更愿意接受新技术，但AI知识基础依然薄弱，在教学情境中运用AI的能力明显不足。

因此，作者指出传统的信息技术培训已难以满足人工智能时代教师发展的需要。

过去那种"讲软件、教操作、演示功能"式培训模式，更多停留在技术层面，却没有帮助教师真正理解AI如何改变教学。AI已深刻改变教育生态，教师必须具备新的专业能力，虽然教师AI胜任力已成为国际教育研究的重要议题，但整体水平仍然不足，但现有培训模式存在明显局限，需要新的理论框架指导教师专业发展。

未来教师专业发展必须从"学工具"转向"学教学"，围绕AI与课程、教学、评价、伦理等深度融合展开系统培养。

三、为什么传统TPACK已经不够用了？——智能TPACK（Intelligent-TPACK）框架的提出

如果说前面的文献综述回答的是“为什么教师需要AI胜任力”，那么这一部分回答的则是教师究竟应该具备哪些AI能力？这些能力之间又是如何相互联系的？

作者认为，目前国际教育技术领域广泛采用的TPACK（Technological Pedagogical Content Knowledge，技术—教学法—学科知识）框架，虽然长期以来一直是教师信息化能力培养的重要理论基础，但面对生成式人工智能的发展，已难以全面解释教师所需要的新型专业能力。

因此，有必要在TPACK基础上进一步扩展，形成更加符合人工智能时代特点的智能TPACK（Intelligent-TPACK）框架。

（一）TPACK：教师技术融合能力研究的经典理论

2006年，Mishra和Koehler提出了著名的TPACK框架。

这一理论认为，教师开展高质量的信息化教学，并不仅仅依赖某一项能力，而是三类知识共同作用的结果：

CK（Content Knowledge）——学科知识

PK（Pedagogical Knowledge）——教学法知识

TK（Technological Knowledge）——技术知识

真正优秀的课堂，不是简单"会用技术"，而是能够把三者有机融合。

因此，TPACK强调教师需要形成以下几类综合知识：

PCK（教学内容知识）

TCK（技术内容知识）

TPK（技术教学知识）

TPACK（技术教学内容整合知识）

过去二十年，TPACK几乎成为全球教师信息化能力培养最具影响力的理论框架。

大量研究利用TPACK评价教师数字素养、信息技术融合能力、教师培训效果甚至教育技术课程改革。可以说，在“互联网+”时代，TPACK极大推动了教师专业发展的理论研究。

（二）为什么AI时代需要突破传统TPACK？

作者认为，生成式AI的出现，使教育技术发生了根本变化。

过去的信息技术，本质上只是教师的辅助工具，例如，PPT帮助展示内容，多媒体辅助课堂演示，网络资源丰富教学素材等，但这些技术并不会参与教学决策。

而今天的AI却完全不同，ChatGPT、Gemini、Claude等生成式AI不仅能够生成内容，还能够自动设计课程，撰写教学设计，设计课堂活动，生成评价标准，分析学习数据，提供教学建议。

AI已从"工具"逐渐演变为教师的"协同工作者"。教师面对的不再只是"是否使用技术"，而是如何与AI共同完成教学设计、课堂实施以及学习评价。传统TPACK中“技术知识（TK）”的内涵已发生根本变化。

作者进一步指出，AI时代至少出现了三项传统TPACK无法充分解释的新要求。

第一，教师需要理解AI，而不仅仅是会操作AI。

传统TPACK中的技术知识，更强调软件和设备的使用能力，比如，会制作PPT，会使用智慧课堂，会操作在线教学平台。但是AI时代教师还必须理解AI为什么会生成这样的答案？大语言模型如何工作？Prompt为什么影响输出质量？AI有哪些局限？因此，教师不仅需要会使用AI，更需要理解AI。

第二，教师必须具备人机协同教学能力。

生成式AI进入课堂以后，教师每天都需要面对新的教学决策，他们会思考是否应该直接采用AI建议的学生完成某项学习任务，学习分析系统判断某位学生需要补救学习，AI自动评分是否公平，课堂讨论是否允许学生使用ChatGPT等这些问题，都不是传统TPACK能够回答的。

未来课堂已不再是教师 + 技术，而是教师 + AI + 学生三方共同参与的新型学习生态。教师真正需要的是人机协同决策（Human-AI Collaborative Decision Making）能力。

第三，AI伦理已成为教师专业能力的重要组成部分。

作者特别强调传统TPACK几乎没有涉及伦理问题。因为AI进入课堂以后，伦理问题已无法回避。例如，学生数据是否安全，AI评价是否存在算法偏见，学生是否过度依赖AI，AI是否影响教育公平等这些问题已不仅属于技术问题，而是教育价值问题。

因此，作者认为AI伦理不应该只是教师培训中的一个附属内容，而应该成为教师专业知识体系的重要组成部分。这一观点，与联合国教科文组织（UNESCO）最新发布的《教师AI胜任力框架》高度一致。

（三）智能TPACK：AI时代教师专业知识的新框架

基于上述分析，Celik（2023）提出了智能TPACK（Intelligent-TPACK）框架。

相比传统TPACK，它并不是推翻原有理论，而是在TPACK基础上增加了AI时代教师必须具备的新知识体系。

整个框架包括五个核心维度。

① AI技术知识（AITK）

即教师理解人工智能技术本身的能力。不仅知道如何使用AI工具，更理解AI基本原理，了解不同AI工具特点及其应用边界，掌握AI技术发展趋势。简言之，这一维度回答的是“AI是什么？”

② AI技术教学知识（AITPK）

即教师能够利用AI改进教学，如何利用ChatGPT辅助课堂提问，借助AI设计项目化学习，生成差异化学习资源，和如何开展形成性评价？AI真正服务于教学，而不是为了使用技术而使用技术。

③ AI技术学科知识（AITCK）

不同学科使用AI的方法完全不同，数学教师关注AI辅助解题；英语教师关注AI口语互动；语文教师关注AI写作反馈；科学教师关注AI实验模拟。

因此，教师必须结合自身学科特点，探索AI支持下的课程创新。

④ AI技术教学内容整合知识（AITPACK）

这是整个框架的核心能力。教师不仅需要懂AI、懂教学、懂学科，更重要的是能够把三者真正融合。

例如，根据课程目标选择最适合的AI工具，设计教学活动，组织课堂互动，并评价学习效果，最终促进学生深度学习。

这正体现了AI时代教师由"使用工具"向"重构教学"的能力跃迁。

⑤ AI伦理（ETH）

这是智能TPACK最具创新性的地方。作者专门将伦理作为一个独立维度。教师不仅要知道AI能做什么，

更要知道什么应该做，什么不能做，什么时候应该由教师决策，什么时候可以交给AI。伦理能力包括数据隐私保护，算法公平，AI可信使用，教育责任，人本价值和批判性思维。

作者认为未来教育真正竞争的，不是谁拥有更多AI工具，而是谁能够更有责任、更有智慧地使用AI。

（四）智能TPACK为何具有重要价值？

论文进一步指出，自提出以来，智能TPACK框架已得到越来越多研究的支持。Chiu等构建的教师AI胜任力模型，将AI技术、伦理、教育影响和协作能力纳入统一体系，与智能TPACK高度契合；Zhou和Schofield提出的高校AI素养框架，从"AI认知—AI理解—AI应用—AI伦理"构建了递进式能力结构，与智能TPACK的发展逻辑基本一致；Hava与Babayigit的研究则进一步证实，教师数字素养是智能TPACK发展的基础，而AI伦理、人机协同等能力则是其向更高层次发展的关键。这些研究共同说明，智能TPACK不仅继承了传统TPACK"技术—教学法—学科知识融合"的核心思想，更回应了AI时代教师专业发展的现实需求。

作者最后指出，智能TPACK可看作连接传统教师技术融合能力与新兴AI素养要求的重要桥梁。它既是TPACK理论的自然延伸，也是人工智能时代教师专业知识体系的一次重要创新。从"技术整合"迈向"智能整合"，从"会用技术"迈向"善用AI"，正是智能TPACK框架最核心的价值所在。

四、研究设计：智能TPACK框架如何落地教师专业发展？

理论只有转化为实践，才能真正推动教师成长。为了验证智能TPACK框架是否能够有效提升教师AI胜任力，研究团队依托某高校持续开展的教师专业发展（Professional Development，PD）项目，设计了一项为期一个学年的培训实践，并采用准实验研究设计，对培训效果进行了系统评估。

作者强调，这项研究并不是一次短期培训或单次讲座，而是以课程建设项目为载体，将教师专业发展贯穿整个学年，使AI能力培养真正融入教师日常教学实践。

（一）研究对象：125名高校教师参与实验

本研究共招募125名高校教师参与。其中实验组64人，参加基于智能TPACK框架设计的AI专业发展项目；对照组61人，未参加培训，仅完成前测与后测。研究同时收集了教师的背景信息，包括教师职称，所属学科，教龄，培训出勤率以及教师自评参与程度。这些变量既用于描述样本特征，也作为后续回归分析的重要控制变量，用于探究哪些因素会影响教师AI胜任力的提升。

（二）如何评价教师AI胜任力？

为了科学测量教师AI胜任力，研究采用了Celik（2023）开发的Intelligent-TPACK量表。

该量表已成为近年来国际教师AI胜任力研究中应用较为广泛的测量工具，共包括五个维度：

① AI技术知识（AITK）

② AI技术教学知识（AITPK）

③ AI技术学科知识（AITCK）

④ AI教学内容整合知识（AITPACK）

⑤ AI伦理（ETH）

所有题目均采用7点Likert量表评分，分值越高，说明教师AI胜任力越高。

（三）智能TPACK框架下的教师培训究竟学什么？

这是整篇论文最值得国内教师培训借鉴的内容。

作者重新设计了整个教师专业发展课程，不再停留于传统的信息技术培训，而是围绕智能TPACK五个维度构建完整课程体系。整个培训持续一个学年。

培训方式采用线上理论学习 + 线下工作坊 + 教学实践 + 同伴互助四位一体模式。相比传统"专家讲、教师听"的培训方式，更强调教师持续实践。

第一模块：AI基础知识（AITK）

培训首先帮助教师建立AI基础认知。

课程主要包括人工智能发展历程；AI基本原理；生成式AI工作机制；AI未来教育趋势。教师不仅学习如何使用AI，更重要的是理解AI为什么能够生成内容？Prompt为什么决定AI回答质量？AI为什么会出现"幻觉"？

课程中还介绍了多个常见AI平台，如对话式AI工具、智能教学平台等，帮助教师形成对AI生态的整体认识。

第二模块：AI赋能教学（AITPK）

如果说第一模块回答的是"AI是什么"，那么第二模块回答的是AI如何真正进入课堂？培训重点包括AI辅助教学设计，AI支持课堂实施，AI生成教学资源，AI辅助课堂互动和AI开展形成性评价。教师通过真实教学案例分析，学习不同AI工具在课程设计、差异化教学和学习评价中的具体应用，并结合自身学科设计AI教学方案。

作者特别强调培训不是教教师使用某一个AI软件，而是帮助教师形成AI支持教学设计的思维方式。

第三模块：AI赋能学科教学（AITCK）

AI在不同学科中的应用方式并不相同。因此，培训特别增加了学科案例学习。

例如理工科如何利用AI开展实验模拟；文科如何利用AI支持文本分析；外语课程如何利用AI开展口语训练；艺术课程如何利用AI开展创意设计。培训团队还专门提供国内外高校优秀AI教学案例，帮助教师理解AI不是通用模板，而应服务于不同学科特点。

第四模块：AI智能体（AI Agent）开发实践（AITPACK）

这是整个培训中最具创新性的环节。近年来，AI Agent（智能体）成为生成式AI的重要发展方向。因此，培训不仅教教师使用AI，更进一步指导教师理解AI Agent工作机制，学习AI Agent设计方法，开发课程专属AI助手，甚至构建智能教学应用。教师通过工作坊完成从设计、开发到课堂应用的全过程实践。

作者认为未来教师不仅是AI工具的使用者，也可能成为AI教育应用的设计者。

第五模块：AI伦理教育（ETH）

论文特别强调目前许多教师培训几乎都忽视了伦理教育。因此，本项目专门设置了AI伦理专题。培训主要围绕真实教育案例展开讨论，让教师学习分析平台中的学生隐私保护；AI自动评分中的算法偏见；AI生成内容可能导致的师生信任问题；学生过度依赖AI完成学习任务；AI使用中的教育公平问题等。与此同时，专家还分享了AI伦理最新研究成果，帮助教师理解学生与复杂AI系统互动可能产生的认知负荷，AI系统潜在的伦理风险和教师如何建立负责任的AI使用规范。作者认为，伦理教育不是培训的附属内容，而是教师AI胜任力的重要组成部分。

（四）培训之外，学校还提供了哪些支持？

作者指出，仅靠课堂培训，很难真正促进教师能力迁移。因此，高校围绕教师实践提供了多层次支持。

① 智能教学平台支持。 学校建设了集成多种AI工具的智能教学平台，并提供AI应用开发子平台，教师无需额外付费即可尝试开发适用于本课程的AI应用。

② 全程技术支持。 培训期间，学校安排专门的技术团队在线答疑，帮助教师解决AI工具使用中的技术问题，降低教师尝试新技术的门槛。

③ 教学研讨与竞赛。 学校定期组织AI教学研讨活动，鼓励教师分享实践经验，并支持教师参加各级AI教学案例竞赛，为项目申报和案例开发提供经费支持。

④ 同伴互助机制。 培训结束后，每位教师都需在下一学期开设至少一节公开课，邀请其他参训教师观摩、交流与反思，在真实课堂中持续优化AI教学设计，形成开放共享、共同成长的专业学习共同体。

五、研究结果：智能TPACK教师培训究竟有没有效果？

一项教师培训有没有价值，最终还是要看数据。为了客观评价培训效果，研究团队采用了国际教育研究中较为严谨的统计分析方法，包括协方差分析（ANCOVA）混合设计方差分析（Mixed ANOVA）配对样本t检验（Paired Samples t-test）独立样本t检验（Independent Samples t-test）层级回归分析（Hierarchical Regression）

研究主要围绕三个核心问题展开：

问题一：智能TPACK教师专业发展项目能否显著提升教师AI胜任力？

问题二：教师AI胜任力的哪些维度提升最明显？

问题三：哪些因素决定教师培训效果？

（一）教师AI胜任力整体得到显著提升

研究首先比较了实验组和对照组教师在培训前后的AI胜任力总分变化。

结果十分明显。实验组教师平均得分由19.44分提升至21.18分，平均提高1.74分。相比之下，未参加培训的对照组教师不仅没有提高，反而略有下降，由20.81分下降至20.60分。

也就是说真正产生变化的是接受系统培训的教师，而不是时间本身。

这一结果已初步说明基于智能TPACK框架设计的专业发展项目，确实能够促进教师AI胜任力成长。

（二）控制教师原有水平后，培训效果依然显著

有人可能会提出疑问“会不会实验组教师原本就比对照组更优秀？”

为了排除这种可能，研究进一步采用协方差分析（ANCOVA）。简单来说，就是把教师培训前的AI胜任力作为控制变量，再比较培训后的成绩。结果显示控制前测差异之后实验组后测成绩依然显著高于对照组。

统计结果达到：F(1,122)=6.872，p=0.010，效应量（Partial η²）达到0.053，按照Cohen（1988）的标准，属于小到中等效应（small-to-medium effect）。培训项目能够解释教师后测AI胜任力约**5.3%**的差异。

虽然这一数字看起来不算特别大，但对于教师专业发展研究而言，已属于具有实际教育意义的培训效果。研究进一步发现：教师培训前的AI胜任力仍然是预测后测成绩最重要的因素。也就是说基础越好，提升空间通常也越大。

但即使控制了这一因素，培训依然发挥了独立作用。这进一步证明教师能力提升，并不是因为本来就优秀，而是因为培训真正发挥了作用。

（三）混合方差分析进一步验证培训效果

为了观察教师能力变化趋势，研究又采用了Mixed ANOVA（混合设计方差分析）。

这一分析重点关注时间 × 培训，是否共同影响教师AI胜任力。结果发现实验组教师能力呈持续上升趋势；而对照组则基本保持原状，甚至略有下降。统计结果显示Time × Group 交互作用显著（p=0.004）。结果揭示教师AI胜任力提升，不是自然成长，而是培训带来的改变。虽然教师整体能力会随着时间有所变化，但真正决定变化方向的是是否参加了智能TPACK教师专业发展项目。这一结果进一步增强了研究结论的可信度。

（四）实验组提升幅度明显高于对照组

研究进一步比较了两组教师的"成长值"（Gain Score）。

所谓成长值，就是后测成绩 − 前测成绩。结果显示实验组平均提升1.74分，而对照组平均变化−0.21分，独立样本t检验结果t=−2.911，p=0.004达到显著水平。同时，Cohen's d=0.52属于中等效应量（Medium Effect）这意味着经过完整专业发展培训，教师AI胜任力平均提高了约半个标准差。

在教育干预研究中，这一提升已具有较好的实践价值。

（五）培训真正改变了教师什么能力？

整体提高只是第一步。研究更关心教师究竟在哪些能力上成长最快？研究团队分别比较了五个维度，结果如下：AI技术知识（AITK）提升最明显第二个提升较大的维度，就是AI支持教学。接着AI学科知识（AITCK）略高。不同学科，AI应用方式不同。培训之后，教师更加能够结合本学科特点，选择适合自己的AI应用方案。令人意外的是，AI整合能力（AITPACK）这一维度虽然也有提升，但提升幅度最小。

AI伦理为何没有显著提升？

本研究最值得关注的发现之一，就是AI伦理（ETH）没有达到统计显著。虽然教师得分略有提高，但p=0.075未达到显著水平。

研究认为，原因是伦理知识本身比较抽象，不像AI工具，学完马上可以操作。其次，伦理更多来自长期教育实践，一次培训，很难真正形成稳定价值观。还有教师目前接触AI伦理真实案例仍然较少。

因此，未来教师培训需要增加真实案例讨论，强化情境模拟；开展持续伦理反思，并建立长期伦理共同体。AI伦理不能靠一两次讲座完成，而应成为教师专业发展的长期主题。

总结：这项研究带给我们的三点启示

综合全文，作者得出了三个值得教育界关注的重要结论。

第一，AI时代教师培训必须从“工具培训”走向“能力培养”。 与其教教师如何使用某一款AI软件，不如帮助教师建立系统的AI专业知识体系，培养其将AI与学科教学深度融合的能力。

第二，教师AI胜任力的发展是一个循序渐进的过程。 AI基础知识和AI教学应用能力相对容易提升，而AI教学重构能力和AI伦理素养则需要更长时间的实践积累。这提醒我们，教师专业发展应坚持长期、持续的支持，而不是依赖一次性培训。

第三，真正有效的教师专业发展，不仅提升技能，更重塑认知。 当教师能够更加客观地认识自己的能力边界，并愿意持续学习、不断实践时，专业成长才真正开始。

正如这项研究所揭示的那样，AI不会取代教师，但善于与AI协同工作的教师，将更有可能引领未来教育的发展。这一结论，也为我国正在推进的教师数字素养提升行动和人工智能赋能教育改革提供了具有实践价值的参考。

参考文献：

Tan, X., Cheng, G., & Ling, M. H. (2025). Enhancing Teachers' AI Competency: A Professional Development Intervention Study Based on Intelligent-TPACK Framework. Computers and Education: Artificial Intelligence, 100521.