基础教育数字化发展研究｜郭伟秀 吴军其 解攀科：人工智能课程教师TPACK能力发展现状与提升策略
引用格式
郭伟秀 吴军其 解攀科.人工智能课程教师TPACK能力发展现状与提升策略[J].中国教育信息化,2023,29(11):112-120.DOI:10.3969/j.issn.1673-8454.2023.11.012基础教育数字化发展研究
人工智能课程教师TPACK
能力发展现状与提升策略
郭伟秀 吴军其 解攀科
摘 要： 人工智能课程教师教学能力是人工智能教育质量的重要抓手，如何构建人工智能课程教师教学能力提升机制，需进行较为充分的研究。使用问卷调查和半结构化访谈相结合的方法，研究某省会城市部分中小学人工智能课程教师TPACK能力现状、差异及影响因素。研究发现该市中小学人工智能课程教师TPACK能力整体处于不足水平，各因子发展不均衡，复合因子对教师TPACK能力发展更具推动作用，人工智能课程试点学校教师TPACK能力更高。基于研究的数据分析和成因探讨，借鉴相关理论和相似实践领域的有益经验，建议从以下四个方面来提升人工智能课程教师TPACK能力：统筹多渠道资源加快建设人工智能教育教学环境；组建区域协作式人工智能课程教、学、研实践共同体；完善学校激励机制，激发教师专业发展的内驱力；实施基于TPACK框架的混合式精准培训。
关键词： 人工智能课程；TPACK；中小学教师；教学能力
中图分类号： G434
文献标志码： A
文章编号： 1673-8454（2023）11-0112-09
作者简介： 郭伟秀，华中师范大学人工智能教育学部博士研究生（湖北武汉 430079）；吴军其，通讯作者，华中师范大学人工智能教育学部教授、博士生导师（湖北武汉 430079）；解攀科，华中师范大学信息化办公室实验师（湖北武汉 430079）基金项目： 华中师范大学国家教师发展协同创新实验基地2021年建设研究项目“‘人工智能+’名师课堂创新应用”（编号：CCNUTEIII2021-13)；华中师范大学2023年教师教育专项研究（年度）项目“基于大语言模型的‘双师’赋能协作学习新范式研究”（编号：CCNUTEI2023-04）一、研究背景
鉴于人工智能社会应用的巨大价值和潜力，当前，世界主要国家和地区都非常重视人工智能教育和相关人才的培养。欧美等科技强国都已为中小学人工智能教育的实践推进做出比较精细明确的政策规划和目标定位。[1]国内中小学人工智能教育也随着《新一代人工智能发展规划》的发布迎来迅猛发展的契机。据统计，2018年至今国内已出版千余种人工智能教材，有千余所中小学开设人工智能相关课程。[2]随着课程的开展，国内外学术界对中小学开设人工智能课程的意义、体系建设、智能伦理等问题展开积极讨论。相比之下，专门论述或探讨中小学人工智能课程教师有效教学能力的文献较少。有学者通过系统整理相关文献，提炼出人工智能学科教师胜任力要素，并采用问卷调查法深入探讨当地人工智能课程教师胜任力现状；[3]有学者提出，通过多方协作，提升中小学人工智能教育师资培养的组织实施能力，以成果为导向，解决师资水平差异大、学习时间难以协调的问题。[4]调查显示，在中小学实行人工智能普及教育面临的一大瓶颈问题是师资问题，当前，我国在相关师资力量准备、专业发展指导方面还有待进一步完善。[5]人工智能课程教师教学能力是人工智能教育质量的重要抓手，目前，中小学人工智能课程教师有效教学能力处于何种水平、如何构建人工智能课程教师教学能力提升机制都需要进行更为充分的研究。
TPACK（Technological Pedagogical Content Knowledge）即整合技术的学科教学知识，是国内外学术界比较公认的一种符合信息技术时代教师专业发展的知识体系，它可以有效测量和评估基于整合技术环境下学科教师的教学能力。[6]有学者对当地中学信息技术（计算机科学）教师的TPACK能力进行实证调查研究，深入剖析他们在TPACK能力方面存在的问题和不足，并给出相应的提升对策；[7][8]有学者采用TPACK框架对美、中、印、澳、韩五国中小学人工智能政策和课程资源进行梳理分析。[9]通过这种分析，他们总结出中小学人工智能课程教师应具备的关键能力。
TPACK框架包含三个单因子，即TK（技术知识）、CK（学科内容知识）和PK（教学法知识），它们是核心要素；还包含由三个单因子交叉衍生出的四个复合因子，即PCK（学科教学知识）、TCK（整合技术的学科内容知识）、TPK（整合技术的教学法知识）和TPACK（整合技术的学科教学知识）。[10]在人工智能课程当中，“技术”既是教学内容又是有效完成教学的手段，这种性质决定了相关教师整合课程内容、教学策略和技术的能力水平会影响教授课程的质量。
基于上述分析，本研究聚焦于中小学人工智能课程教师，使用问卷调查和半结构化访谈相结合的方法，对某省会城市有中小学人工智能课程授课经验的教师TPACK能力的现状、差异及影响因素进行研究。
二、研究设计与实施
（一）研究对象
本研究调查对象是某省会城市具有中小学人工智能课程教学经验的教师。该市作为国家首批“智慧教育示范”创建区域之一，遵循“试点引领、全面覆盖”的发展策略，计划先建设一批人工智能课程试点学校，并逐步在全市中小学推广。目前，该市已设立120所试点学校，并计划再发展120所。
（二）研究设计
本研究采用混合研究方法，先通过定量研究收集和分析数据，再结合定性研究解释结果。定量研究结果所产生的统计效应值、显著性等参数为研究提供概括性的结果。但研究者往往对结果产生的原因和脉络情境不了解。因此，需要定性研究数据来帮助进行深入解释。本研究先通过定量的问卷调查收集、分析当前该市中小学人工智能课程教师TPACK能力现状和差异数据。在此基础上，选取部分研究对象开展针对性较强的半结构化访谈。最后，结合定量和定性数据，对结果产生的原因进行分析和讨论。
1.问卷设计
本研究基于相关学者编制的TPACK测量量表并结合当前中小学人工智能课程教学具体情境，设计中小学人工智能课程教师TPACK水平测量问卷。[11]该问卷包含三部分：①人口统计学信息，如性别、学历、专业等；②TPACK各因子的测量题项（含24道题），均采用五点Likert量表的形式，选项包含“非常不符合、不符合、不确定、符合、非常符合”，对应分值为“1、2、3、4、5”；③教师能力培训需求及参加后续访谈意愿。
2.访谈设计
访谈设计包含：①关于该市人工智能课程教师能力水平的评估结果及原因分析；②关于如何提升当前教师人工智能课程教学能力的建议。
（三）问卷的发放和收集
第一阶段，2021年12月利用问卷星平台在该市主要城区的人工智能课程教师群进行为期一周的数据采集，共收回问卷246份，其中有效问卷237份，问卷有效回收率为97.93%。
第二阶段，结合问卷调查的结果，从愿意接受后续访谈的教师中遴选几位有代表性的教师进行面对面访谈并整理资料。
（四）信效度检验
本研究使用SPSS软件对TPACK量表进行信度分析，数据结果显示量表各因子及整体Cronbach’s alpha介于0.930～0.985，均大于0.9，这表明各个因子和总量都有较高的信度，如表1所示。
表1 问卷信度检验结果
研究中使用因子分析法检验问卷的结构效度，问卷的KMO值为0.822及Bartlett球形检验的近似卡方值为2539.214，且显著性水平Sig.=0.000＜0.01，这表明问卷具有较高的结构效度；同时，因本研究所使用的问卷量表在编制中参考国际上广泛使用的经典TPACK量表，所以具有较好的内容效度。
三、研究统计与分析
（一）中小学人工智能课程教师TPACK水平现状
对问卷调查获得的数据，本研究使用描述性统计的结果对其进行分类描述，采用画像的原理勾勒出该市当前中小学人工智能课程教师特征、TPACK水平现状和能力发展需求，如图1所示。
相关教师TPACK能力水平在7个因子上的均分范围为2.76～3.43，高低排序为PK>TPK>TCK>TPACK>PCK>TK>CK。依据已有研究，将TPACK能力水平从高到低划分为四个等级：优秀（Ｘ≥4.5）、良好（4.0≤X<4.5）、一般（3.5≤X<4.0）和不足（X<3.5），[12]可以得出，当前该市中小学人工智能课程教师TPACK能力处于“不足”水平。其中PK因子得分3.43比较接近“一般水平”，CK和TK两个因子得分均低于3分。因此，从总体上来讲当前该市中小学人工智能课程教师TPACK能力水平不足，各因子发展不均衡。
（二）TPACK各因子之间相关性分析
本研究使用SPSS软件，利用Pearson系数检测TPACK各因子间的相关性。数据显示，因子间的相关系数处于0.591～0.959区间，这表明因子间相关性较强，如表2所示。其中单因子间相关系数最低，均为0.591，而复合因子间相关系数都大于0.9，相关性极强。
表2 问卷中TPACK因子之间Pearson相关系数（N=237）（三）教师TPACK因子间回归分析
为探究TPACK量表内部各因子对中小学人工智能课程教师TPACK水平发展的影响，本研究设定自变量为TK、CK、PK、PCK、TCK、TPK，因变量为TPACK，回归方法为stepwise，进行多元线性回归分析。最终构建的多元回归方程可写为：TPACK=0.013+0.371×TCK+0.393×PCK+0.229×TPK，其中调整后R2=0.945，F=1348.957，p<0.001，模型具有统计学意义。复合因子变量TCK、PCK、TPK逐步进入回归模型，能够解释TPACK水平变化的94.5%，而三个单因子无一进入回归模型。这表明在TPACK框架中复合因子PCK、TCK、TPK对教师的TPACK发展有显著贡献。
（四）不同群体人工智能课程教师TPACK能力差异检验
1.人工智能课程授课年限差异
单因素方差分析结果显示，人工智能课程授课年限在TPACK能力的7个因子上都存在极为显著差异性。通过多重比较得知，人工智能相关教学经验时长在1年内的教师在7个因子上的得分与其他两个经验组之间存在明显差异。这表明人工智能课程教学经验时间越长，相应地教师课程教学实践经验越丰富，因此教师TPACK能力水平越高。
2.人工智能课程试点学校差异
独立样本t检验结果显示，来自人工智能课程试点学校的教师与非试点学校的教师TPACK能力水平在7个因子上都存在极为显著差异（p<0.001），这表明人工智能课程试点学校相关教师TPACK能力水平更高，如表3所示。
表3 人工智能试点校分组差异
3.年龄、教龄、专业、学历分组的差异
不同年龄、教龄、专业分组仅在TK、CK两个因子上存在显著差异。通过多重比较得知，41-51岁年龄组的教师在这两个因子上得分均显著低于40岁及以下年龄组的教师；教龄21~30年的教师在这两个因子上得分均显著低于教龄20年及以下分组教师；毕业于师范院校信息技术相关专业教师在这两个因子上得分均显著高于师范院校非信息技术类专业教师；不同学历分组仅在三个因子（TK、PCK、TPACK）上存在显著差异。通过多重比较得知，专科及以下学历教师在这三个因子上得分显著低于其他两组，而本科、研究生两组不存在显著差异。
4.性别、学段、学校地理位置分组差异
通过独立样本t检验（在性别维度、学校地理位置维度即中心城区和郊区）及按照小学、初中、高中三个学段分组进行单因素方差分析，数据统计均表明相关教师TPACK能力在各个因子上都不存在显著性差异。
四、研究结论与分析
（一）人工智能课程教师TPACK能力大多数处于不足水平
在查阅相关文献资料基础上再结合后续的定性访谈数据，本研究认为，该市中小学人工智能课程教师TPACK能力大多数处于不足水平的主要原因是教师缺乏实践机会。中小学人工智能课程目前处于试验阶段，大部分学校不但缺乏相关软硬件设施，也未将课程纳入必修课。
TK得分偏低的原因：①人工智能教学软硬件设备建设不足导致教师缺乏技术实操经验；②一线教师缺乏新技术培训经历，仅靠自学不能解决人工智能技术迅猛发展带来的技术学习上的压力与困惑。
CK得分最低的原因：中小学人工智能课程目标、体系内容缺乏省部一级教育主管部门统一规划，绝大多数学校都没有专用教材，相关教师参与的人工智能课程培训大多数是宏观理念，没有成体系的相关课程内容培训。
PK得分高于其它因子的原因：结合问卷中教龄调查结果，这批教师中接近四分之三的人具有6年以上授课经验，其中任教时长在11年以上的教师占66.03%，同时，96.20%的受访者具有信息技术课授课经验，所以PK因子得分最高。
PCK、TCK、TPK三个因子都具有二元属性，在均分上TPK>TCK>PCK，这与上述的PK>TK>CK相一致，即一元属性得分高的，交叉所得二元属性得分就相对高。这表明中小学人工智能课程教师PCK、TCK、TPK能力受TK、CK、PK能力的影响，提高TK、CK、PK能力将能提高他们之间交叉产生能力。最后，TPACK平均值为3.26，表明TPACK能力各个因子之间具有正面相关性。
（二）复合因子对TPACK发展更具正向推动作用
线性回归分析结果显示，相较于单因子，复合因子PCK、TCK、TPK对TPACK发展的推动作用更大。这并不说明单因子TK、CK、PK对相关教师TPACK的发展没有作用。Pearson系数检验表明各因子间存在显著正相关，在TPACK的发展中单因子也起着重要作用，例如，TK可通过影响TPK、TCK对TPACK的发展起作用。有学者认为“TPACK是教师创造性地将TK、PK和CK三种关键知识整合起来，而超越三者的新兴知识形态”。[13]这表明教师TPACK能力发展，不是诸因子的简单叠加过程，它需要相关教师具备知识转化、整合的综合能力。
（三）人工智能试点学校教师TPACK能力更高
为更深入地分析该市人工智能课程教师TPACK能力现状，本研究对涉及相关教师的人口学变量进行差异性检验。检验结果表明相关教师仅在人工智能课程授课年限和人工智能课程试点学校两个变量上存在显著性差异，其他人口学变量上完全不存在或仅在个别因子上存在显著差异。这是因为“试点学校”获得更多专项资金投入，相应的在人工智能课程相关软硬件环境建设、经费、课时上更有保障，一线教师实践机会多。这表明真实情境中教学实践是促进TPACK能力发展的保障。
五、提升策略
基于研究的数据分析和成因探讨，借鉴相关理论和相似实践领域的有益经验，本研究认为应从以下四个方面入手，切实提高中小学人工智能课程教师的TPACK能力水平，促进教师专业成长。
（一）统筹多渠道资源加快建设人工智能教育教学环境
由于TPACK是教师置身于教学现场时视情境而定的一种知识体，[14]所以TPACK能力主要来源于教学实践。研究发现，缺乏实践机会是导致该市当前中小学人工智能课程教师TPACK能力水平不足的主要原因。数据统计表明，该市有近千所中小学校，目前有240所人工智能课程试点校（含已建设完成的120所和正在审批中120所），占比不足25%。因此，该市有超过75%的中小学尚未建立专门的人工智能课程实验室，人工智能教学设备设施的缺乏必然导致大部分一线教师实践经验不足。所以，为了加快建设中小学人工智能教育环境，各学校要积极努力统筹获得多渠道资源的支持。
渠道之一，积极申请各级政府或教育主管部门设立的人工智能教育专项建设项目。例如，申请“人工智能课程”试点学校或“人工智能与教育融合”示范学校项目，学校就可以在人工智能教育相关环境建设上得到相应级别的财政支持。本研究数据分析表明来自人工智能课程试点学校相关教师TPACK能力显著高于非试点学校。这充分说明试点学校模式对相关教师TPACK能力发展具有极大推动作用。
渠道之二，积极寻求与高等院校和科研院所合作，借助其专业的人工智能资源推进人工智能教育教学的开展。[15]例如，武汉市常青树实验学校与哈尔滨工业大学机器人集团教育事业部青少年培养基地合作，共同培养人工智能、信息学拔尖创新人才；武汉市光谷第二高级中学、北京师范大学附属中学、西安交通大学附属小学等学校和当地科研院所在人工智能教学方面开展深度合作的经验也可以借鉴，合作开发校本特色人工智能课程，借助大学人工智能资源平台进行备课教学及实现学校智慧化管理，邀请专家定期到校开展面对面交流。
渠道之三，中小学可以通过与行业知名企业开展合作的方式来建设本校的智能化教学环境。例如，陕西师范大学附属中学与“百度教育大脑”合作案例中，企业为学校建立“AI实验室”并提供百度教育智慧课堂和人工智能课程体系平台，学校利用这些软硬件设备开展人工智能教育活动。通过“专项财政支持”和高校等专业学术团体、知名企业合作，学校的人工智能教学环境得以完善，学术研究团队和企业同时也获得相关丰富案例，实现共同发展。
（二）组建区域协作式人工智能课程教、学、研实践共同体
有学者认为共同体是教师学习框架中的一个关键要素，教师专业的成长和能力的形成需要协作式反思。[16]教学问题是一个劣构问题，这类问题的解决没有一个固定的途径。对于这样的问题，如果完全由每个教师自己去摸索，一方面需要消耗大量的时间和精力，另一方面也会出现这样或那样的错误或失误。[17]组建区域式教、学、研实践共同体，不但可以共享区域内人工智能教育资源，还可以发挥群体智慧的优势，使成员间取长补短、协作发展。
形式一，组建校际联合人工智能教研共同体，可以实现各校优势人工智能资源共享，集中多所学校师资力量解决人工智能教育发展中的难题。例如，武汉市第四十九中学、武汉市吴家山第三中学、荆门市海慧中学等成员单位组建校际联合中小学人工智能课程发展共同体，该共同体以中小学人工智能教育的“普及、普适、普惠”为主题，研究并指定中小学人工智能课程标准，推动中小学人工智能课程进课堂，联合培养中小学人工智能骨干教师。
形式二，区级以上教研机构应该发挥引领作用，搭建好本区域教学交流平台和资源共享库，将本辖区相关教师组织起来共同学习和共同反思，引导大家建立共同发展目标。通过对同一目标的追求与思考，教师可以在知识、技能及方法上协作共享，最终实现整个群体专业的共同发展。例如，湖北省仙桃市“肖新国名师工作室”的“三三三”协同教研共同体模式值得借鉴。该模式包括三个“三”：一是“三种共享机制”，即教师、设备和课程的共享，形成“工作室+教师”“工作室+设备”“工作室+课程”的格局；二是“三种类型管理”，将实验学校分为“基地学校”“实验学校”“合作学校”三种类型；三是“三个层次引导”，将教师分为学科核心、学科骨干和学科教师三种类型，并赋予不同职责和任务。
（三）完善学校激励机制，激发教师专业发展的内驱力
TPACK能力是一种对学科内容、教学法和技术之间相互作用的理解和实践，[18]几乎涵盖技术环境下教学的全部核心要素。这其中涉及很多隐性知识，而隐性知识的习得更多地依靠自我观察、反思与体悟，[19]因此，教师主观意愿对其发展具有重大影响。调查显示，近70%受访教师认为自学是获得人工智能课程授课经验的重要途径之一；超过40%的受访教师希望学校给予一定的支持，认为自己可以通过自主研修的方式提高该课程TPACK能力。辩证唯物法认为事物发展的根本原因不在于事物的外部，而在于事物的内部。人工智能课程教师是人工智能课程的主要建设者，只有充分尊重和保障他们的权益，才能调动和激发教师工作主动性和积极性，促使他们发挥更大创造力，产生更大价值。多数一线教师没有接受过专业系统化的培训，为了应对人工智能的飞速发展，他们必然需要投入大量时间和精力学习。调查显示，该市承担人工智能教学任务的主体是信息技术教师（约占96%），文献研究表明“信息技术教师在中小学处于边缘化”，具体表现在“承担大量非教学性事务”“信息技术是副科”等学科价值不被认同，“工作成就感低”“绩效工资标准低”。因此，学校可以通过调节人事资源分配策略和设置绩效奖励机制来提升相关课程教师的内驱力，提高一线教师开展人工智能教学的积极性。例如，可以通过调整学校人事劳资分配方案，还可以设置人工智能专项培训经费等，来提高人工智能课程一线教师的收入水平。同时，学校要给予人工智能课程教师更多的专业自主权。例如，不仅要充分尊重他们关于课程开发、教材选用、教学方法等方面的建议，还要充分保障相关课程课时计划。目前，全国许多学校将人工智能课程作为中小学课后的托管服务内容，以期在基础教育课程改革和“双减”政策中发挥积极作用。此举不仅可以保障或增加人工智能课程的课时数，提高一线教师的课时工资，还有助于提升课程教师在人工智能课程教学方面的实践能力。
（四）实施基于TPACK框架的混合式精准培训
TPACK框架使“技术”“学科知识”和“教学方法”融合为一体，它强调不能孤立地培养和发展教师的TPACK能力，技术要内化于教师自身的学科教学知识和教学方法中。[20]本研究发现，复合因子对教师TPACK能力发展更具推动作用。而TPACK复合因子的发展更多的是依靠观摩示范、案例研究、交流讨论等这类实践性的培训。因此，在人工智能课程教师培训中，不但要建设基于TPACK框架的培训课程资源，还要在培训形式上结合TPACK能力发展特征，采取“线上+线下”混合式模式开展培训。本研究调查数据显示，接近70%的教师认为线下观摩示范有助于提高TPACK能力，接近60%教师认为应该开展线上线下相结合的混合教研活动。此外，还要充分利用基于人工智能的大数据平台对当前人工智能课程教师进行更为精确的画像，实施分角色、分层次的精准培训，同时利用大数据平台对参训教师的TPACK能力开展过程性评价。例如，按人工智能教育中教师担任不同角色进行分类培训，教研专家侧重人工智能课程理念、教材、教学培训，装备专家侧重装备使用、活动空间建设培训，技术专家侧重编程和智能机器人培训。[21]又如本研究发现教师个体在教学经验时长、专业、年龄、学校类型上有显著差异，在培训前利用基于人工智能技术的大数据平台对相关教师TPACK能力进行精准评估，根据评估结果，采用分层培训。还可以结合教师认知结构、教学信念、学科背景、思维方式来精准提供提升策略、个性化培训方案和推送培训内容。
六、结语
解决当前基础教育中人工智能课程师资问题的重要途径之一就是提升一线教师的TPACK能力。本研究使用定量问卷调查和定性个人访谈相结合的方法，研究当前中小学人工智能课程教师TPACK能力发展现状、差异和影响因素，并有针对性地提出基础教育中人工智能课程教师TPACK能力提升的策略。当然，由于本研究仅对某省会城市部分中小学人工智能课程教师进行研究，样本数据的规模程度和精细程度存在一定的局限性，将在后续的研究中进一步完善，以期达到更好的研究效果。
参考文献：
[1]韩倩倩,蔡连玉.美国中小学人工智能教育推进的规划目标与特征研究[J].外国教育研究,2021,48(1):115-128.
[2]中央电化教育馆.中小学人工智能技术与工程素养框架[EB/OL].(2021-11-30)[2021-12-15].https://www.ncet.edu.cn/zhuzhan/tztgao1/20211130/5505.html.
[3]柏宏权,王姣阳.中小学人工智能课程教师胜任力现状与对策研究[J].课程·教材·教法,2020,40(12):123-130.
[4]冯敬益,刘波,谢景明,等.中小学教师人工智能教学能力提升探索[J].教学与管理,2021(12):105-107.
[5]构建教育资源聚合平台 推进人工智能普及教育——《中小学人工智能普及教育现状调研报告》发布[J].中国科技教育,2019(1):3-4.
[6][14]ANGELI C, VALANIDES N. Epistemological and methodological issues for the conceptualization, development, and assessment of ICT-TPCK: advances in Technological Pedagogical Content Knowledge(TPCK)[J]. Computers & Education, 2009(1).
[7][19]朱桂琴,卢强.中学信息技术教师TPACK现状的个案调查与对策研究[J].中国电化教育,2012(12):59-65.
[8]GIANNAKOS M N, DOUKAKIS S, PAPPAS I O, et al. Investigating teachers’ confidence on technological pedagogical and content knowledge: an initial validation of TPACK scales in K-12 computing education context[J]. Computers in Education Journal, 2015(1).
[9]SEONGHUN K, YEONJU J, SEONGYUNE C, et al. Correction to: analyzing teacher competency with TPACK for K-12 AI education[J]. Kunstliche Intelligenz, 2022.
[10]全美教师教育学院协会创新与技术委员会.整合技术的学科教学知识:教育者手册[M].任友群,詹艺,主译.北京:教育科学出版社,2011:15-20.
[11]SCHMIDT D A, BARAN E, THOMPSON A D, et al.Technological Pedagogical Content Knowledge (TPACK): the development and validation of an assessment instrument for preservice teachers[J]. Journal of Research on Technology in Education, 2009,42(2):123-149.
[12]高岩.中小学校长教学领导胜任力提升研究[D].重庆:西南大学,2015.
[13]MISHRA P, KOEHLER M J. Technological Pedagogical Content Knowledge: a framework for teacher knowledge[J]. Teachers College Record, 2006,108:1017-1054.
[15]张志新,杜慧,高露,等.发达地区中小学人工智能课程建设现状、问题与对策——以某“新一线”城市为例探讨[J].中国电化教育,2020(9):40-49.
[16]HAMMERNESS K. How teachers learn and develop[M]. Preparing Teachers for a Changing World, 2005:358-389.
[17][18]闫志明,徐福荫.TPACK:信息时代教师专业化的知识基础[J].现代教育技术,2013,23(3):5-9.
[20]张静,刘赣洪.多维视角下教师TPACK发展机制与培养路径[J].远程教育杂志,2015,33(3).
[21]乐进军.中小学人工智能教育的现实矛盾研究[J].教学与管理,2020(34):1-3.
Development Status and Improvement Strategies of TPACK for Teachers of Artificial Intelligence Course
Weixiu GUO1, Junqi WU1, Panke XIE2（1.Faculty of Artificial Intelligence in Education, Central China Normal University, Wuhan 430079, Hubei;
2.Information Office, Central China Normal University, Wuhan 430079, Hubei）
编辑：王天鹏 校对：王晓明
期刊简介
《中国教育信息化》创刊于1995年8月，是由中华人民共和国教育部主管，教育部教育管理信息中心主办，面向国内外公开发行的国家级学术期刊。期刊内容力求全面深入地记录我国教育信息化的建设进展、研究与应用成果和行业发展状况，开展我国教育信息化发展状况调研和教育信息化国际比较研究，服务于国家教育宏观决策；力求全面准确地把握教育信息化相关的方针政策和标准规范，及时追踪ICT前沿技术的发展趋势及其与教育的融合，深度挖掘教育信息化建设与应用的体制、机制创新，服务于我国教育信息化实践。
●RCCSE中国核心学术期刊
●中国人文社会科学（AMI）扩展期刊
●中国期刊全文数据库收录期刊
●中文科技期刊数据库收录期刊
●国家哲学社会科学学术期刊数据库收录期刊
●中国核心期刊（遴选）数据库收录期刊
●龙源期刊网收录期刊
一年12期，每月20日出版
20元 / 期，邮发代号：82-761
编辑部邮箱：mis@moe.edu.cn
通讯地址：北京市西城区华远北街2号921室