与生成式AI共构自适应教案:职前教师的智能TPACK与提示工程策略

文献名片

原文标题：Co-constructing adaptive lesson plans with GenAI: Pre-service teachers' Intelligent-TPACK and prompt engineering strategies

中文标题：与生成式AI共构自适应教案：职前教师的智能TPACK与提示工程策略

作者：Ismail Celik, Sini Kontkanen, Jari Laru, Alanur Ahsen Dalyanci

发表期刊：Computers & Education

DOI：10.1016/j.compedu.2025.105485

关键词：自适应学习；教师教育；智能TPACK；提示工程

发表时间：2025年10月13日

      自适应学习要求教师根据学生的需求、已有知识和兴趣调整学习路径，这历来是一项高度依赖教学专业知识、实时决策与个性化支持的复杂任务。生成式AI的出现，让差异化教学、脚手架搭建和学生能动性的支持变得更加可行。然而，AI生成结果的质量很大程度上取决于用户能否构建有效的提示词。由此提示工程，即如何更有策略的向AI提问，以引导AI产出相关且有价值的结果，成为了关键能力。

      但问题在于：现有研究往往把提示工程视为一种程序性或句法性的技术任务，忽视了其教学与认识论维度。同时，教师的AI相关知识与提示策略之间究竟如何关联、又如何影响AI生成教案的教学质量，仍缺乏实证证据。本研究正是针对这一空白展开。

 RQ1：职前教师如何运用提示工程策略生成自适应教案？这些教案中涌现出哪些教学特征？

RQ2：职前教师的AI素养与智能TPACK技能，与其提示工程策略及AI生成的自适应教案之间存在怎样的关联？

      这表明职前教师在面对自适应设计任务时，倾向于通过澄清性问题、请求展开说明或寻求教学替代方案来与AI共建意义，而非仅仅检索信息。但KCP4的低占比也提示，职前教师在迭代与评价性提示方面仍需脚手架支持。

      自适应教案的特征（RQ1）：

      研究对60份最终教学方案进行了评价，三个维度的得分情况如下：

      教案在自适应策略/脚手架维度得分最高（M=3.33，SD=0.64），说明职前教师常将中等至高水平的教学支持纳入教案，如小组合作、视觉辅助、动手实验、教师引导的分站轮换等。学生能动性（M=3.31，SD=0.61）维度显示，许多教案虽然包含了一定程度的参与，但只有少数真正鼓励学生自主选择或反思学习，在那些高能动性案例中，学生能够自主选择学习形式和展示工具，体现更强的学习所有权。灵活内容与工具维度均值相近，多数设计使用至少两种内容形式（如绘画与视频）或不同学习材料；最佳教案让学生用多种媒体展示理解，传统教案则只允许教师指定的媒体。

      知识、策略与产出的关联（RQ2）：

      相关分析显示，智能TPACK各成分与AI素养各维度普遍相关；AI素养的使用维度与提示词数量和最高KC阶段呈中度正相关；智能TK、TPK与提示词数量及KC最高阶段正相关；自适应教案各因子也与提示词数量和KC最高阶段相关。

      PLS-SEM最终模型拟合良好（SRMR=0.043），内生构念R²在0.32—0.54之间，Q²均大于零。具体路径为：

      提示词数量与智能TK（β=0.27）、智能TPK（β=0.26）正相关，也与AI意识（β=0.23）、AI使用（β=0.29）正相关；

      提示词阶段与智能TK（β=0.30）、智能TPK（β=0.32）显著正相关，与AI意识（β=0.28）、 AI使用（β=0.30）正相关；

      提示词数量与阶段相互关联（β=0.35）；

      提示词阶段与灵活工具（β=0.31）、学生能动性（β=0.27）、自适应策略（β=0.25）正相关；

      间接效应：智能TPK通过提示词阶段，对自适应策略（β=0.17，95%CI [0.06, 0.29]）和学生能动性（β=0.20，95%CI [0.09, 0.33]）产生间接影响。

      值得注意的是，AI素养的伦理与评价维度对提示行为的直接效应较弱。作者推测，这主要是因为该任务侧重于教学设计而非伦理决策有关。不过作者也强调，伦理使用在GenAI日益普及的背景下依然至关重要。

1. 提示策略与教案的特点

      研究发现，职前教师在与生成式AI互动时，最常使用的是意义协商阶段（KCP3）的提示策略。这表明，职前教师并非仅仅将生成式AI作为信息检索工具，而是会通过提出澄清性问题、要求进一步解释以及寻求不同教学方案等方式，与AI共同建构和完善教学设计。此外，信息共享阶段（KCP1）和发现认知冲突阶段（KCP2）的提示也较为常见，说明职前教师通常会先通过基础信息获取和识别AI生成内容中的问题，逐步推进与AI的互动。不过，在综合修正阶段（KCP4）等更深入的知识建构活动方面，研究仍发现了进一步提升的空间。

      作者指出，提示工程不应仅被理解为掌握提示词句式或指令技巧，更应被视为一种具有认知性和教学性的过程。部分初学者在使用生成式AI时，容易将注意力集中于指令的表达形式，而忽视如何通过持续提问、观点整合和内容修正，引导AI生成符合教学目标的方案。知识建构（KC）框架为理解这一过程提供了新的视角，它能够区分单纯的信息获取与更深层次的知识建构行为，帮助研究者分析教师如何借助提示与AI共同形成有意义的教学设计。

与此同时，研究发现，较高水平的提示策略与教案中的自适应教学特征存在关联。表现较好的教案往往能够综合运用差异化分组、多模态教学工具和学生自主选择等策略。这说明，教师与AI进行更深入的互动，不仅有助于完善教案内容，也可能促进教学设计向更加灵活、个性化和以学生为中心的方向发展。

      因此，在职前教师培养中，提示工程能力的培养不应停留于技术操作层面，还应通过适当的教学支架和实践任务，引导职前教师开展持续追问、批判性思考和迭代式修正，逐步提升其利用生成式AI进行教学设计和知识建构的能力。

2.职前教师先验知识在生成适应性教案中的作用

      研究进一步发现，职前教师的智能技术知识（Intelligent-TK）、智能技术教学知识（Intelligent-TPK），以及AI素养中的意识和使用维度，均与其提示策略存在显著关联。具体而言，智能技术知识和智能技术教学知识水平较高的职前教师，往往能够提出更多提示，并更多地采用较高阶段的知识建构策略。同时，这些教师生成的教案也表现出更多自适应教学特征，例如设置具有层次性的学习支架、设计更加灵活的学习活动，以及给予学生更多自主选择的空间。

      结构模型进一步揭示了职前教师已有知识影响教案质量的作用路径：智能技术教学知识能够通过提示策略的阶段间接影响教案中的自适应教学策略和学生能动性。换言之，教师已有的教学知识并不是简单地影响其是否使用AI，而是会影响其如何提出问题、如何引导AI回应，以及如何将AI生成的内容转化为符合教学需求的设计。这也说明，生成式AI工具的可获得性本身并不足以保证高质量的教学设计，教师仍需要具备相应的技术理解和教学推理能力，才能有效引导AI服务于教学目标。

      研究还发现，AI素养中的意识和使用维度有助于提升提示的数量和阶段水平，而伦理与评价维度对提示行为的直接影响相对较弱。作者认为，这可能与本研究的任务主要聚焦于教学设计，而非伦理决策有关。不过，这并不意味着AI伦理与评价能力不重要。随着生成式AI在教育领域的应用不断增加，教师仍需要具备审慎使用AI、判断生成内容质量以及关注潜在伦理问题的意识。

      由此可见，提示策略并非中性的技术操作，而是嵌入教师专业知识与教学目标之中的教学实践。只有当职前教师既理解AI工具的功能与特点，又能够结合具体教学目标进行 教学推理，才更有可能与AI共同设计出具有适应性和个性化特征的教学方案。

     样本仅来自芬兰职前教师，可能限制研究结论的文化与教育情境推广性；研究聚焦单一教学任务（教案设计），未来需在不同学科、年级与教学目标中复制；研究使用Microsoft Copilot，不同GenAI系统（如ChatGPT、Gemini）的训练数据、模型架构与界面设计可能影响输出风格与适应性，未来可比较多个平台；AI素养与智能TPACK虽为成熟量表，但自我报告可能无法完全反映实际课堂实践，未来可结合观察或表现性评价；研究排除了KC框架第五阶段（共识与应用），因其实施需真实课堂情境，未来可在教学实习中考察AI生成教案的实际实施；KC框架可与其他框架（如CoT、ToT）结合，以更全面地捕捉提示工程的认知与元认知维度。

      这项研究表明，生成式 AI 在教学设计中的应用效果不仅取决于技术工具本身，也与教师的技术知识、教学知识及提示工程策略密切相关。提示工程不仅是技术操作技能，也体现了教师运用专业知识开展教学设计的能力。对于教师教育而言，生成式 AI 相关能力的培养应超越工具使用和提示词编写，进一步关注职前教师结合教学目标、学科内容与学生特点提出问题、评价AI 生成结果并持续优化教学方案的能力。教师教育应加强职前教师智能TPACK与AI素养的培养，引导其结合教学目标和学生特点合理设计提示、审慎评价AI生成内容，并通过持续互动优化教学方案。同时，教师应始终保持专业判断与教学决策的主体地位，推动生成式 AI 与教学实践的合理融合。