ARTICLE · 1029223
徐锦芬 杨嘉琪 | AI赋能下高校英语教师教研素养的多维结构及其内在作用机制
点击蓝字关注我们
AI赋能下高校英语教师教研素养的多维结构及其内在作用机制
徐锦芬 杨嘉琪
华中科技大学外国语学院
摘 要：
随着人工智能(AI)技术的快速发展，借助AI赋能教师教研素养，实现教学与科研有机融合发展，已成为新时代外语教师专业发展的核心议题。本研究以663名高校英语教师为调查对象，采用因子分析与心理网络分析方法，考察AI赋能情境下高校英语教师教研素养的结构特征、整体水平及其内在作用机制。结果显示：1)AI赋能下高校英语教师教研素养呈现多维度、多因子结构，整体水平较高；2)教研素养内部存在复杂的网络关系，且各维度内部因子之间具有显著的交互协同作用。上述发现不仅有助于深化对AI时代外语教师教研素养内涵与结构的理解，并为提升教师教研素养水平、促进其专业发展提供了重要的实证依据与实践启示。
关键词：教研素养；AI 赋能；高校英语教师；内在机制；心理网络分析
文献来源：徐锦芬,杨嘉琪.AI赋能下高校英语教师教研素养的多维结构及其内在作用机制[J/OL].现代外语,1-13[2026-09-03].https://doi.org/10.20071/j.cnki.xdwy.20260825.003.
1.引言
人工智能(artificial intelligence，AI)技术的纵深发展和快速迭代不断塑造着教育教学的生态格局。教师作为教育活动的关键主体，是推动AI与教育深度融合、促进教育创新发展的核心力量。为贯彻落实《教育强国建设规划纲要(2024—2035年)》，教育部办公厅于2025年7月发布了关于组织实施数字化赋能教师发展行动的通知，强调“以提高教师数字素养为关键，以数字技术、人工智能技术融合创新应用为牵引，扩大优质资源和服务供给，开辟教师发展新赛道、塑造教师发展新优势”，为新时代高水平教师队伍建设明确战略方向。AI赋能教师专业发展既是教师自身成长的必然要求，也是实现教育强国战略和教育现代化的重要支撑。
外语教师专业发展是教师在教学实践中不断学习、反思与提升的动态过程。在AI迅速渗透的背景下，其内涵和路径正面临深刻变革。AI既为教师提供了前所未有的教学与研究支持，也对其知识结构乃至专业身份提出新挑战。已有研究多关注外语教师的AI/数字素养以及AI辅助教学、管理与评价等领域(如Moorhouse&Wong2025；Xie et al.2025)，但缺乏针对教师如何借助AI提升教研素养的系统性探讨。教研素养指教师在教学实践中主动发现问题、运用研究方法探索并转化成果的综合能力(徐锦芬、杨嘉琪2024)。从AI赋能的视角考察教师在教研实践中与AI的互动，有助于厘清AI对教师的教研意识、理论知识、教研技能、意志和伦理认知等的影响，从而为教研素养的优化与提升提供新的实践路径。鉴于此，本研究聚焦高校英语教师AI赋能下的教研素养，通过问卷调查，结合因子分析与心理网络分析，探讨其因子结构、整体情况及内在作用机制，以揭示其内部关系网络与核心要素，为新时代外语教师专业发展提供实践启示。
2.文献综述
2.1AI与外语教师专业发展
AI指能够模拟、延伸与扩展人类智能的计算机系统，其核心能力涵盖感知、学习、推理与决策，基本目标在于利用机器或人类输入处理真实或虚拟环境中的信息，并在此基础上生成模型，做出预测、推断或行动选择，从而实现不同程度的自主运行(OECD 2019)。在语言教育领域，AI的应用可追溯至20世纪末的语法检查、听写软件及自动化口语训练系统，其后随着自然语言处理和机器学习的发展，AI逐渐拓展出更丰富的形态(潘海英等2026)。目前，AI技术主要包括语音与语言处理(如语音识别/合成、机器翻译)、文本生成(如写作辅助、自动批改)、自然语言理解(如对话系统、智能问答)、智能辅导系统以及智能虚拟环境等。尤其是以大语言模型为基础的生成式AI，在文本生成、信息处理与智能交互等方面展现出突破性能力(张莲2024)，正逐步从辅助性工具发展为赋能教育研究与推动教学变革的核心力量。
随着智能化教育应用不断更新，AI支持的外语教师专业发展逐渐引起学界关注。现有成果主要包括4方面：1)AI辅助教学，重点探讨教师如何借助AI工具开展个性化教学与课堂管理，提升教学效能(Moorhouse&Wong 2025)；2)AI辅助学习，考察AI在拓展教师专业知识体系、促进知识建构方面的作用(Chapelle et al.2024)；3)教师AI素养，强调教师在使用AI过程中的知识、技能、态度与伦理责任(Xie et al.2025)，同时探讨如何通过培训与实践强化其在数字环境中的适应力与创新力(Moorhouse et al. 2024)；4)AI调节的教师身份建构，涉及AI在推动教师角色转型(Ghiasvand&Seyri 2025)以及可能引发身份认同危机(余洋洋2026)等方面的影响。总体而言，相关研究多将教师定位为“教学者”，而对其“研究者/教研者”的职业身份关注不足，然而后者同样构成教师(尤其是高校教师)专业发展的核心要素。目前已有学者开始挖掘AI在辅助研究方面的潜力，如将AI应用于主题分析(Naeem et al.2025)、TESOL研究(Moorhouse et al. 2025)等。这些文献佐证了AI赋能研究的广阔前景，但系统性关注仍显不足。进一步探讨AI如何赋能外语教师教研素养，对于丰富外语教师专业发展理论和推动外语教育实践创新均具有重要意义。
2.2AI赋能下的外语教师教研素养
教研素养的概念源自实践取向的教师研究素养。与侧重研究知识、技能和态度的认知取向不同(Xerri 2019)，实践取向更强调研究在改进教学中的应用价值，主张教师应在研究素养的支持下主动识别教学问题，借助专业知识和技能超越经验局限，提出新问题并推动教学优化(White et al.2021)。在高校外语教育中，教学与研究长期存在脱节，研究素养相较于教学能力也往往受忽视(Wang et al. 2025)。在此背景下，徐锦芬、杨嘉琪(2024:17)提出了“教研素养”概念，将其界定为外语教师具备“紧密结合教学与研究的意识，在教学实践中善于发现问题，运用科学的研究方法探索问题解决方案，并用研究成果反哺教学实践以优化教学方法与过程”的综合素质，以回应学界近来对教学与研究双向融合的呼吁(Sato&Loewen 2022)。该教研素养框架由教研意识(涵盖角色认识、价值认同和教研自觉)、理论素养(侧重理论的积累、应用与创新)、教研技能(覆盖从选题挖掘到成果转化的教研全过程)、教研意志(体现为韧性、坚毅与自我效能感)和伦理素养(涉及伦理认知、情感与实践)5个维度构成。
教研素养框架提出时间尚短，目前仅Wang et al.(2025)在英国某高校TESOL项目中开展的案例研究初步验证了该框架的适用性。与此同时，AI技术的快速发展为教师教研素养的培养带来新的契机。已有研究表明，生成式AI尤其在研究环节展现出显著潜力，如支持文献检索整合、辅助数据分析和学术写作(Lund et al.2023；Naeem et al.2025)等，显著提升教师研究准备和资料梳理的效率(Derakhshan&Ghiasvand 2024)。这些功能不仅能拓展教师的研究工具箱，减轻其教研负担，还可能在提升教师教研意识、理论素养、教研意志等方面发挥积极作用(Liu et al.2025)。然而，现有文献多聚焦一般研究活动中的AI应用，针对外语教师在AI赋能情境下教研素养的系统性实证研究仍较匮乏。鉴于此，本文拟基于我国高校英语教师的问卷数据，结合因子分析和心理网络分析，考察AI赋能下其教研素养的构成情况及内在作用机制，主要回答3个问题
1)AI赋能下我国高校英语教师的教研素养各维度由哪些因子构成？
2)AI赋能下我国高校英语教师的教研素养整体情况如何？
3)AI赋能下我国高校英语教师的教研素养内在作用机制如何？
3.研究方法
3.1研究对象
本研究遵循随机抽样原则，对我国东、中、西部地区的高校英语教师开展问卷调查，共回收问卷700份。剔除无效答卷后，得到有效问卷663份，有效回收率为94.7%。663名教师中，女性572人、男性91人；本科学历27人、硕士学历525人、博士学历(含博士在读)111人；初级职称51人、中级职称277人、副高级职称275人、正高级职称60人；教龄5年及以下的87人、6~10年的45人、11~15年的87人、16~20年的131人、21年及以上的313人。所有参与者在日常工作中都曾使用过文心一言、ChatGPT或iWrite等AI工具。
3.2研究工具
本研究自主编制“AI赋能下高校英语教师教研素养量表”，由教研意识、理论素养、教研技能、教研意志和伦理素养5个维度构成。量表编制步骤如下：首先，基于徐锦芬、杨嘉琪(2024)的教研素养理论框架，并参考国内外研究素养相关文献，在此基础上结合AI赋能情境撰写量表题项，初步形成含53个条目的题项库。其次，以便利抽样方式选取5名高校英语教师进行半结构访谈(单次约30分钟)，了解其对日常教研工作中使用AI的认识和看法，并据此完善题项库。最后，邀请3名具有相关教学和研究背景的学者对题项审读，并根据审读意见修改或删除语义不清或重复的题项。经多轮审读、讨论和完善，最终形成含47题的量表。最终发放的问卷由两部分构成。第1部分为AI赋能下高校英语教师教研素养量表，包括教研意识维度(9题：Awa1~Awa9)、理论素养维度(8题：Theo1~Theo8)、教研技能维度(13题：Ski1~Ski13)、教研意志维度(9题：Vol1~Vol9)和伦理素养维度(8题：Eth1~Eth8)。所有题项采用李克特6级量表设计(1=完全不同意，6=完全同意)。第2部分收集参与者的性别、工作院校、学历、职称、教龄等个人信息。
3.3数据分析
本研究首先将有效问卷随机分为两个样本(N1=329；N2=334)，使用SPSS和AMOS进行项目分析、探索性和验证性因子分析及信效度检验，考察AI赋能下高校英语教师教研素养各维度的因子结构。随后，使用SPSS对所有数据进行描述性统计分析，了解教师教研素养的基本情况。最后，使用R-4.5.1中的qgraph和bootnet等程序包作心理网络分析，探讨AI赋能下教研素养的内在作用机制与核心要素。
4.结果与讨论
4.1量表构建与验证结果
首先，项目分析(极端组比较法、题总相关分析和信度变化检验)结果显示，量表各维度的题项高低分组差异均显著(决断值≥3；p<0.001)，与总分的相关性均显著(r≥0.4；p<0.001)，题项删除后的Cronbach’s α系数均小于或等于对应维度的整体信度。因此，全部47题均达标准，进入后续分析。随后，基于样本1数据做探索性因子分析。量表各维度的整体信度系数分别为0.948、0.949、0.967、0.968、0.978，KMO值分别为0.917、0.940、0.938、0.945、0.942，Bartlett球形检验均显著(p<0.001)，表明其内部一致性良好，适合因子分析。因此，运用主成分分析法按Kaiser正态化最大方差法对数据作探索性因子分析。综合考虑因子载荷值及交叉载荷情况，逐一删除Awa9、Ski1、Ski13和Eth4等不合格题项。最终，结合碎石图和本文理论框架，确定教研意识由角色认识(特征根值：3.377；4题，因子载荷：0.717~0.893)和价值认同(特征根值：3.312；4题，因子载荷：0.721~0.868)2个因子构成，累计解释83.618%的方差；理论素养为单因子结构，共8题；教研技能由选题能力(特征根值：3.639；4题，因子载荷：0.604~0.875)和研究能力(特征根值：5.243；7题，因子载荷：0.667~0.868)2个因子构成，累计解释80.750%的方差；教研意志由韧性(特征根值：2.602；3题，因子载荷：0.632~0.832)、坚毅(特征根值：2.448；3题，因子载荷：0.629~0.780)和自我效能感(特征根值：2.948；3题，因子载荷：0.710~0.803)3个因子构成，累计解释88.865%的方差；伦理素养由伦理认知(特征根值：2.858；3题，因子载荷：0.710~0.865)和伦理实践(特征根值：3.617；4题，因子载荷：0.821~0.856)2个因子构成，累计解释92.499%的方差。
最后，基于样本2数据对上述量表各维度的因子结构进行验证性因子分析和信效度检验。由表1可知，各维度的Cronbach's α系数均大于0.7，表明内部一致性良好；模型拟合指标中卡方自由度比值(χ2/df)均小于5，标准化均方根残差(SRMR)均小于0.08，近似均方根误差(RMSEA)均小于0.1，Tucker-Lewis指数(TLI)和比较拟合指数(CFI)均大于0.9，表明结构效度较好；维度内各因子的组合信度(CR)均大于0.7，平均方差抽取量(AVE)均大于0.5，表明收敛效度较好(Steiger 1990；Kline 2016)。
4.2描述性统计结果
描述性统计结果显示，被试教师AI赋能下的教研素养各维度因子均值都大于4.5，整体表现较好。其中，教研意识维度的两个因子(MA=5.530，SDA=0.842；MB=5.350，SDB=0.834)得分最高，说明在AI赋能情境下，教师在教研活动中的角色认识和价值认同表现突出。理论素养得分也较高(M=5.206，SD=0.848)，反映出多数教师能较好地借助AI进行理论积累和运用。教研技能维度中，研究能力(M=5.119，SD=0.839)得分稍高于选题能力(M=4.979，SD=0.934)，表明AI对教师开展研究的赋能作用稍高于其在选题挖掘方面的潜力。教研意志维度中，坚毅的表现最好(M=5.092，SD=0.922)，表明教师在AI赋能的教研实践中能较好地保持不懈努力和如一兴趣。伦理素养维度的得分相对偏低(MA=4.683，SDA=1.114；MB=4.678，SDB=1.133)，说明教师借助AI提高伦理认知和实践的能力需进一步提升。除角色认识外，其余因子的偏度和峰度绝对值分别小于2和7，大致符合正态分布(Kline 2016)。
4.3心理网络分析结果
为更直观地了解AI赋能下高校英语教师教研素养的内在作用机制，本研究采用LASSO正则化偏相关与EBICglasso算法(γ=0.5)构建心理网络模型(图1)。该网络为高斯图形模型，包含10个节点(对应10个教研素养因子)和35条非零边。边线的粗细与颜色深浅反映边权强度(即控制其他变量后两节点间的正则化偏相关系数，其值越大，两因子间的独特联系越紧密)；实线表示正向联系。整体网络的稀疏度(即零边占比)为0.222，说明部分潜在关系在正则化处理后被压缩为零，从而有效排除第三变量导致的虚假相关，保留的边代表因子间的核心联系(Epskamp et al.2018)。从边权强度来看，同一维度内部因子之间的联系最为紧密，如“伦理认知-伦理实践”(rp=0.692)、“角色认识-价值认同”(rp=0.603)、“坚毅-自我效能感”(rp=0.512)、“选题能力-研究能力”(rp=0.489)以及“韧性-坚毅”(rp=0.278)。同时，部分跨维度联系亦得以保留，反映不同素养维度间的潜在耦合关系。例如，“价值认同-理论素养”(rp=0.329)、“选题能力-理论素养”(rp=0.307)、“研究能力-韧性”(rp=0.295)均表现出一定的跨维度连结。非参数自助抽样法(N=1000)结果显示，这些边权值的置信区间均较狭窄，95%CI未跨0，且自助抽样均值与原始样本估计值高度一致，表明这些边权结果具较高准确性，验证了该网络结构的稳健性(Freeborn et al. 2023)。
接下来，通过节点中心性估计进一步探讨AI赋能下教研素养网络结构中各因子的相对重要性。考虑到中介性(betweenness)在心理网络分析中往往不稳定且解释意义有限(Epskamp et al.2018)，本研究主要关注强度(strength)和接近性(closeness)两个指标。强度反映节点在网络中的连接能力，接近性衡量节点到达网络中其他节点的平均距离。结果如表2所示，坚毅(z总=2.161)、研究能力(z总=1.812)和价值认同(z总=1.181)的总体中心性得分最高，说明这些因子在网络中与其他因子保持最紧密的联系，处于核心位置。删除案例子集自助抽样(N=1000)结果进一步表明，当子样本比例从95%降至25%时，子样本估计与原始样本估计之间的相关性轻微下降，强度和接近性的相关稳定系数(CS)分别为0.333和0.667，均超过期望阈值0.25(Epskamp et al.2018)，说明本研究的中心性结果稳定性和可靠性较好。
5.讨论
5.1AI赋能下教研素养各维度因子结构及整体情况
研究发现，AI赋能下高校英语教师的教研素养呈现出多维度、多因子的结构特征，整体与徐锦芬、杨嘉琪(2024)的教研素养理论框架一致；各维度因子得分(M>4.5)均较高，显示出教师在AI赋能情境下普遍具备较好的教研素养水平。
教研意识维度由角色认识和价值认同构成。该维度因子得分最高，表明AI工具的使用能有效强化英语教师对自身在教研实践中多重身份(学习者、教研者、创新者)的认知，并提升对教研价值的认同感。换言之，AI不仅被视为教研辅助工具，更能促使教师通过教研活动推动个人成长和学科发展。这与Ghiasvand&Seyri(2025)关于AI在重塑教师专业身份中的作用相契合。需指出，原素养框架中的“教研自觉”在本研究中未构成独立因子，原因可能在于AI赋能下的角色认识和价值认同本就以教师主动使用AI参与教研为前提，从而使其在统计上未能作为独立因子呈现。
理论素养维度呈现单因子结构，说明AI赋能情境下英语教师的理论积累、运用与创新表现为相对一体化的过程。这可能与以生成式工具为代表的AI交互特征有关，其基于连续性对话的知识生成与迭代机制能将文献检索、观点提炼和概念延展整合在同一语境中(Moorhouse&Wong 2025)，从而使教师的理论加工边界趋于模糊，因而量表层面的单维结构具有合理性。理论素养的均值同样较高，表明教师普遍能借助AI进行理论知识的检索和情境化调用，验证了AI在文献获取、信息整合与概念梳理方面的优势。然而，AI赋能下的理论素养并不必然反映教师自身的理论素养水平，AI的支持还需以教师的知识储备和批判性思维为前提，未来需进一步关注如何在有效利用AI的同时保持理论上的独立思考与批判性理解。
教研技能维度涵盖选题能力和研究能力，前者涉及借助AI在教学实践或现有文献中识别和挖掘有价值的问题，后者涉及AI在研究设计、归纳提炼和学术转化与传播等环节提供的支持。被试的研究能力得分略高于选题能力，表明AI在协助完成研究过程中较具技术性的任务(如论文语言润色、质性数据编码)时作用更突出(Lund et al.2023；Naeem et al. 2025)。就选题而言，其不仅需要技术支持，更依赖教师对教学情境的敏感度、对学科前沿的把握以及对研究价值的独立判断(徐锦芬、杨嘉琪2024)，而这些能力难以由AI替代。因此，高校教师在利用AI开展教研时，仍需依托自身的学科素养与实践经验，才能确保研究选题的学术意义和实践价值。
教研意志维度由韧性、坚毅和自我效能感构成，其中后两者的得分相对更高。这一结果表明，AI可以在一定程度上降低教师开展教研实践时的挫败感，使其能更好地保持不懈努力和如一兴趣。同时，AI的即时反馈与任务支持等功能也可能增强教师的自我效能感，使他们在面对复杂任务时更具信心(Liu et al.2025)。相比之下，韧性的得分略低，提示教师在教研实践中面对挫折时，对AI的依赖尚不足以完全转化为持久的恢复力，这或许与韧性更多依赖于深层心理调适和长期经验积累有关。
伦理素养维度由伦理认知和伦理实践构成，伦理情感未独立成因子而并入伦理实践，可能因其涉及的同理心、责任感与教师自我报告的伦理行为紧密相联。该维度的均值在所有因子中最低且标准差最大，显示被试间差异较大。一方面，这可能反映出部分高校英语教师在学术伦理意识与规范遵守方面仍相对薄弱，因此较少主动借助AI开展伦理相关实践。另一方面，AI在教研活动中的应用本身也伴随独特的伦理风险(Moorhouse et al.2025)，如学术诚信、数据安全、算法偏见等(Lund et al. 2023)，而现有制度规范与评价标准尚未完善，缺乏统一的操作指引。这不仅会增加教师的伦理认知负担，也使其在实践中常心存顾虑。因此，未来应在教师培训与制度建设中同步强化AI使用的伦理规范，以帮助教师在确保责任与合规的前提下更好地开展教研活动。
5.2AI赋能下教研素养的内在作用机制
心理网络分析结果显示，AI赋能下高校英语教师教研素养各维度内部因子间存在显著的交互协同。教研意识维度的角色认识和价值认同联系紧密，说明AI工具能帮助教师切身体会到教研参与的意义，从而强化身份认识与价值认同的耦合。教研技能维度的选题能力和研究能力密切相关，表明两者并非割裂的环节；教师一旦能借助AI有效识别研究问题，就更有可能在研究设计与成果转化中获得支持。教研意志维度中，坚毅与自我效能感的联系最为突出，同时也与韧性保持一定关联。这一结果进一步拓展了Derakhshanetal.(2022)在非AI情境下的相关结论，表明在AI的赋能下，教师在教研实践中的持续努力和兴趣与其自信水平及挫折恢复力相互促进。伦理素养维度的伦理认知与伦理实践高度相关，显示认知是教师在具体情境中落实伦理行为的前提，也再次印证了认知与实践之间的紧密联动。
不同教研素养维度间也存在不同程度的交互。价值认同和理论素养的密切联系表明，教师若能在AI支持下充分认识教研的价值，则会更容易投入到理论知识的积累与运用中。换言之，对教研意义的高度认同会为教师利用AI进行理论学习与迁移提供动力，这显示出价值层面的认知与理论层面的实践之间存在正向联动。选题能力和理论素养的关联提示，教师在AI帮助下提升选题能力的同时，往往伴随对相关理论的进一步吸收和利用。研究选题本质上依赖理论支撑，AI不仅提供文献检索与整合的便利，也会促使教师在发现问题时主动调用和更新理论资源。研究能力与韧性之间的高度相关则说明，教师在AI辅助下提高研究能力，有助于其在面对挫折时展现出更强的恢复力。一方面，AI能减轻研究过程中的部分技术性负担，提升工作效率(Derakhshan&Ghiasvand 2024)，从而降低失败或延误带来的心理压力；另一方面，研究能力的提升也会增强教师解决问题的信心，进而为韧性的形成提供支持(Derakhshan et al. 2022)。
此外，节点中心性分析发现，坚毅、研究能力和价值认同在AI赋能下的教研素养体系中发挥枢纽作用。其中，坚毅和研究能力分别代表英语教师在教研意志和教研技能维度中的关键支撑，能通过与其他因子的广泛联结维持整个素养体系的稳定性与活力。价值认同则凸显教师对教研意义的理解和认可，是驱使其在AI赋能情境下持续参与教研实践的重要动力。因此，未来在外语教师专业发展中应特别关注这3个核心因子的培养。
6.结语
本研究通过因子分析与心理网络分析，揭示了AI赋能下我国高校英语教师教研素养的结构特征、整体水平及内在作用机制。结果显示，AI赋能情境下教师整体教研素养水平较高，尤其在教研意识、理论素养和研究能力方面表现突出。网络分析进一步表明，AI赋能下教研素养是一个复杂的交互网络，其中坚毅、研究能力和价值认同处于核心位置，对其他因子具有重要联结作用。这些发现能为教师专业发展研究提供新的视角。然而，本研究也存在不足。除样本和数据来源的单一性外，研究仅关注AI在教研素养发展中的积极作用，而未充分考虑其潜在负面影响，如可能削弱创造力与学术诚信，或在学术研究中传播虚假或误导性信息等(Derakhshan&Ghiasvand 2024)。未来研究需全面考察AI在教师教研素养发展中的双重效应，并提出相应对策，帮助教师在规避风险的同时更好地发挥AI的赋能价值。
编者按
参考文献略，欢迎查阅《现代外语》2025年第1期纸质原文。
本文编辑：陶悦然 北京外国语大学
郑重声明：本公众号推送的文章不能代表本公众号立场。本公众号推送的学术会议、博士招生不负责对接解释。有任何疑问请按照推送内容的官方联系方式对接！如果学术会议、博士招生有任何官方调整，责任不在我方。我们优先推广免费的学术会议、讲座、研修等项目。
语言治理
欢迎关注
Language Governance Alliance
球分享
球点赞
球在看