K-12教师AI能力评估工具：TAICS量表介绍
工具名称：教师人工智能能力自我效能感量表（Teacher AI Competence Self-Efficacy Scale，TAICS）
研发团队：Thomas K. F. Chiu；Zubair Ahmad；Murat Çoban
发布时间：2024年（网络首发）/ 2025年（正式出版）
出版期刊：Education and Information Technologies
适用对象：K-12阶段教育工作者（从幼儿园到高中）
工具类型：多维度结构量表（六因子模型）
量表结构：6个维度，共计24个题项
框架组成：
AI知识（AI Knowledge）
AI教学法（AI Pedagogy）
AI评估（AI Assessment）
AI伦理（AI Ethics）
以人为本的教育（Human-centered Education）
专业参与（Professional Engagement）
随着生成式人工智能在教育领域的广泛应用，教师不仅需要掌握AI工具的操作技能，更需要在教学场景中安全、有效地整合人工智能技术。本研究旨在开发并验证一套专门用于评估K-12教师人工智能能力自我效能感的标准化工具（TAICS），以填补当前研究中缺乏经过严格检验的测量工具这一空白。
研究采用两阶段设计方案。第一阶段运用德尔菲法，征询30位具有丰富AI教学实践经验的K-12教师，对量表维度设置与具体题项进行多轮论证与优化。第二阶段以香港9所学校的434名教师为调查对象，通过问卷调研收集数据，并运用验证性因素分析（CFA）对量表结构进行统计检验。
研究结果显示，该量表具备良好的信度与效度指标：六个维度的Cronbach’s α系数均超过0.87，模型拟合指标表现优异（χ²/df = 2.24，RMSEA = 0.054，CFI = 0.96）。此外，量表在不同性别及不同学科背景的教师群体中均展现出测量不变性特征。
TAICS量表为教育研究者、学校管理者及一线教师提供了科学可靠的评估工具，可用于诊断教师AI能力发展现状、评价培训项目实施效果，并为教育政策制定与教学实践改进提供实证依据。
研究背景
生成式人工智能正在深刻改变教育形态，对教师提出了前所未有的新要求。教师不仅要熟练使用AI工具，更要在教学过程中实现合理整合，同时妥善应对由此产生的伦理、隐私与安全隐患。特别是在K-12阶段，学生正处于身心发展的关键时期，更加依赖教师的引导与支持。因此，迫切需要一套科学的评估工具帮助教师认识自身AI能力水平，从而营造安全、健康、有效的学习环境。
虽然现有的数字能力框架（如TPACK、DigCompEdu）涵盖了技术整合相关能力，但难以全面反映AI带来的新兴挑战，包括算法偏见、数据伦理及智能评估等议题。目前关于AI能力的研究仍以理论思辨和质性探索为主，缺乏经过严格统计验证的量化测量工具。本研究以Bandura自我效能感理论为基础，整合Falloon数字能力框架与UNESCO AI能力框架，通过德尔菲专家咨询法与验证性因素分析方法，构建并验证了一个系统化的测量模型，为AI教育研究领域提供了重要的方法论支撑。
该量表涵盖6个维度，共24个题项：
指教师识别人工智能工具与传统工具差异、理解AI基本工作原理及应用场景，并根据教学任务需求选择恰当AI工具的能力信念。
指教师选择并整合人工智能工具，以支持学科内容呈现、教学方法创新与学习过程优化的能力信念。
指教师运用人工智能工具开展促学评估（assessment for learning）、设计适应AI环境的评估方案，并引导学生进行自我评价的能力信念。
指教师在人工智能应用场景中开展伦理教育、保护敏感信息数据，并引导学生安全、负责任地使用AI技术的能力信念。
指教师客观评估人工智能工具的优势与局限，理解人类在算法偏见形成中的责任，并认识AI对社会发展影响的能力信念。
指教师积极参与人工智能相关专业发展活动，主动与同行交流分享实践经验、协作开展教学创新的能力信念。
Item 1 我能够判断一个工具是否属于人工智能应用。 I can distinguish whether a tool is AI-based or not.
Item 2 我能够借助人工智能生成内容。 I can create content with AI.
Item 3 我能够阐述人工智能的基本概念。 I can explain what AI is.
Item 4 我掌握如何挑选合适的AI工具来高效完成工作任务。 I know how to choose the right AI tools to effectively complete a task.
Item 5 我能够选用恰当的AI工具用于课堂教学，以提升教学内容、教学方式及学生的学习成效。 I can choose an AI tool to use in my classroom that enhances what I teach, how I teach, and what students learn.
Item 6 我能够为特定课时选择能够强化学科内容的AI工具。 I can choose an AI tool that enhances my teaching subject content for a lesson.
Item 7 我能够开展将学科内容、AI工具与教学方法有机融合的教学活动。 I can teach lessons that appropriately combine my teaching subject, AI tools, and teaching approaches.
Item 8 我能够指导他人协调学科内容、AI工具及教学方法的综合运用。 I can help others coordinate the use of subject content, AI tools, and teaching approaches.
Item 9 我能够运用AI工具推动以学习为导向的评估实践。 I can use AI tool to foster assessment for learning.
Item 10 我能够设计评估方案，以提升学生在AI环境（如借助ChatGPT学习）中的学习效果。 I can design an assessment approach to improve student learning in an AI-based environment (e.g., learning with ChatGPT).
Item 11 我能够评价学生在AI辅助学习环境中的学业表现。 I can assess student learning in an AI-based environment.
Item 12 我能够选用恰当的AI工具来推动学生的自我评价活动。 I can choose an AI tool to foster student self-assessment.
Item 13 我能够向学生讲授人工智能伦理相关知识。 I can teach students ethics.
Item 14 我能够保护敏感信息（如考试内容、学生成绩和个人数据）免受AI工具带来的潜在风险。 I can protect sensitive content from AI tools (e.g., exams, students’ grades and personal data).
Item 15 我能够在使用AI工具时保障自身的健康与身心福祉。 I can ensure my health and well-being while using AI tools.
Item 16 我能够教导学生在使用人工智能进行学习时如何确保安全与负责任的行为。 I teach students how to behave safely and responsibly when learning with AI tools.
Item 17 我能够评估AI工具的实际应用价值。 I can assess the benefits of an AI tool.
Item 18 我能够评估AI工具可能存在的风险。 I can assess the risks of an AI tool.
Item 19 我意识到人类应当对人工智能中的偏见问题承担责任。 I recognise human is responsible for AI bias.
Item 20 我能够阐释人工智能对社会产生的深远影响。 I can explain how AI impact our society.
Item 21 我能够运用不同的网站资源和检索策略来发现并筛选各类AI工具。 I can use different websites and search strategies to find and select a range of different AI tools.
Item 22 我会积极寻求并参与所在教育机构之外的持续专业发展机会。 I actively look for continuous professional development activities outside my educational organization.
Item 23 我会主动与机构内外的同事交流分享我的AI教学实践经验。 I actively share my AI teaching experience with other colleagues within and outside my educational organization.
Item 24 我乐意协助同事设计融入人工智能元素的学习活动。 I love to help my colleagues design learning activities with AI.
信度与效度检验
信度（Reliability）
内部一致性信度（Cronbach’s α） 该量表展现出较高的内部一致性。六个维度的Cronbach’s α系数均超过0.87，具体数值如下：
上述数据表明各维度均具有可靠的测量一致性。
多组验证性因素分析结果显示，该量表在以下群体中均表现出测量不变性特征：
这意味着该量表在不同群体间具有良好的结构稳定性和跨群体适用性。
内容效度（Content Validity）
量表开发过程具有扎实的理论与方法论基础。初始题项依据以下理论框架进行构建：
随后，采用德尔菲法（Delphi method），邀请30位具有AI教学实践经验的K-12教师组成专家组，经过三轮意见征询与修订，将初始的27个题项精炼为24个题项，从而确保量表内容具备良好的代表性与合理性。
通过验证性因素分析（CFA）对量表结构进行统计检验，结果表明六因子模型拟合度良好：
此外，所有题项的标准化因子载荷在0.72至0.93之间，表明量表具有良好的结构效度。
各维度之间呈现显著的中度相关关系（r > 0.50，p < 0.01），支持该量表具备聚合效度特征，说明各维度能够协同反映教师人工智能能力自我效能感这一核心构念。
应用指南
计分规则
本量表采用5点李克特量表进行评分：
1 = 非常不同意 5 = 非常同意
量表共计24个题项，划分为6个维度，每个维度包含4个题项。
得分越高，表明教师在相应人工智能能力维度上的自我效能感（能力信念）越强，即其对自身能够在教学中有效、安全地应用人工智能的自信程度越高。
该量表主要适用于K-12阶段教育工作者（从幼儿园到高中），可用于以下应用场景：
样本适用性
测量性质
学科适配性
原文链接
https://doi.org/10.1007/s10639-024-13094-z