夜雨聆风
量表名称：教师人工智能能力自我效能感量表（Teacher AI Competence Self-Efficacy Scale，TAICS）
提出作者：Thomas K. F. Chiu；Zubair Ahmad；Murat Çoban
发表时间：2024年（Online First）/ 2025年（正式出版）
发表期刊：Education and Information Technologies
测量对象：K-12阶段教师（幼儿园至高中）
量表类型：多维度结构量表（六因子模型）
量表结构：6个维度，共24个题项
维度构成：
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）
在生成式人工智能快速融入教育的背景下，教师不仅需要掌握AI工具的使用，还需具备在教学中安全、有效整合AI的能力。本研究旨在开发并验证一套用于测量K-12教师人工智能能力自我效能感的量表（TAICS），以弥补当前研究中缺乏标准化测量工具的问题。
研究采用两阶段设计。第一阶段通过德尔菲法，邀请30名具有丰富AI教学经验的K-12教师，对量表维度与题项进行多轮评估与修订。第二阶段对来自香港9所学校的434名教师进行问卷调查，并采用验证性因素分析（CFA）对量表结构进行检验。
结果表明，该量表具有良好的信度与效度：各维度Cronbach’s α均大于0.87，模型拟合指标良好（χ²/df = 2.24，RMSEA = 0.054，CFI = 0.96）。同时，量表在不同性别及不同学科教师群体中均表现出测量不变性。
TAICS量表为研究者、教育管理者及一线教师提供了可靠工具，可用于评估教师AI能力发展水平、检验培训效果，并为AI教育政策制定与实践改进提供依据。
现实需要
生成式人工智能正在重塑教育生态，对教师提出了更高要求。教师不仅需要会使用AI工具，还需要在教学中实现合理整合，并处理由此带来的伦理、隐私与安全问题。尤其在K-12阶段，学生尚处于发展关键期，更依赖教师引导。因此，亟需一套工具帮助教师评估自身AI能力，从而构建安全、健康且有效的学习环境。
理论需要
现有数字能力框架（如TPACK、DigCompEdu）虽覆盖技术整合能力，但难以全面反映AI所带来的新挑战，如算法偏见、数据伦理及智能评估等问题。同时，当前AI能力研究仍以理论探讨与质性研究为主，缺乏经过严格验证的量化工具。本研究基于Bandura自我效能感理论，结合Falloon数字能力框架与UNESCO AI能力框架，通过德尔菲法与CFA方法，构建并验证了一个系统化的测量模型，为AI教育研究提供了重要工具支撑。
量表结构
该量表包含 6个维度，共 24个题项：
1）AI知识（AI Knowledge）
指教师辨别人工智能工具与传统工具、理解AI基本原理及应用，并根据任务需求选择合适AI工具的能力自我效能感。
2）AI教学法（AI Pedagogy）
指教师选择并整合人工智能工具，以支持教学内容、教学方法与学习过程的能力自我效能感。
3）AI评估（AI Assessment）
指教师利用人工智能工具开展促学评估（assessment for learning）、设计AI环境下评估方案，并引导学生进行自我评估的能力自我效能感。
4）AI伦理（AI Ethics）
指教师在人工智能情境中开展伦理教育、保护敏感数据，并引导学生安全且负责任使用AI的能力自我效能感。
5）以人为本的教育（Human-centered Education）
指教师评估人工智能工具的收益与风险，理解人类在算法偏见中的责任，并认识人工智能对社会影响的能力自我效能感。
6）专业参与（Professional Engagement）
指教师主动参与人工智能相关专业发展活动，并与同行分享经验、协作开展教学实践的能力自我效能感。
量表题项
一、AI知识
（AI Knowledge）
Item 1我能够分辨一个工具是否基于人工智能。I can distinguish whether a tool is AI-based or not.
Item 2我能够利用人工智能创作内容。I can create content with AI.
Item 3我能够解释什么是人工智能。I can explain what AI is.
Item 4我知道如何选择合适的人工智能工具来高效完成任务。I know how to choose the right AI tools to effectively complete a task.
二、AI教学法
（AI Pedagogy）
Item 5我能选择合适的人工智能工具应用于课堂，以增强教学内容、教学方式及学生的学习。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我能为某一课时选择能够增强该学科内容的人工智能工具。I can choose an AI tool that enhances my teaching subject content for a lesson.
Item 7我能开展将教学内容、人工智能工具与教学方法进行恰当整合的教学。I can teach lessons that appropriately combine my teaching subject, AI tools, and teaching approaches.
Item 8我能帮助他人协调学科内容、人工智能工具及教学方法的使用。I can help others coordinate the use of subject content, AI tools, and teaching approaches.
三、AI评估
（AI Assessment）
Item 9我能利用人工智能工具促进促学评估。I can use AI tool to foster assessment for learning.
Item 10我能设计评估方案，以改进学生在人工智能环境（如使用ChatGPT学习）中的学习。I can design an assessment approach to improve student learning in an AI-based environment (e.g., learning with ChatGPT).
Item 11我能评估学生在人工智能支持环境中的学习表现。I can assess student learning in an AI-based environment.
Item 12我能选择合适的人工智能工具来促进学生的自我评估。I can choose an AI tool to foster student self-assessment.
四、AI伦理
（AI Ethics）
Item 13我能向学生教授人工智能伦理。I can teach students ethics.
Item 14我能保护敏感内容（如考试、学生成绩和个人数据）免受人工智能工具带来的风险。I can protect sensitive content from AI tools (e.g., exams, students’ grades and personal data).
Item 15我能在使用人工智能工具时确保自身的健康与福祉。I can ensure my health and well-being while using AI tools.
Item 16我能教会学生在使用人工智能进行学习时，如何做到安全且负责任。I teach students how to behave safely and responsibly when learning with AI tools.
五、以人为本的教育
（Human-centered Education）
Item 17我能评估人工智能工具带来的收益。I can assess the benefits of an AI tool.
Item 18我能评估人工智能工具带来的风险。I can assess the risks of an AI tool.
Item 19我认识到人类应对人工智能中的偏见负责。I recognise human is responsible for AI bias.
Item 20我能解释人工智能对社会的影响。I can explain how AI impact our society.
六、专业参与
（Professional Engagement）
Item 21我能利用不同的网站和搜索策略来寻找并筛选人工智能工具。I can use different websites and search strategies to find and select a range of different AI tools.
Item 22我会主动参与教育机构之外的持续专业发展活动。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分享我的人工智能教学经验。I actively share my AI teaching experience with other colleagues within and outside my educational organization.
Item 24我乐于帮助同事设计利用人工智能的学习活动。I love to help my colleagues design learning activities with AI.
信度与效度
信度（Reliability）
内部一致性信度（Cronbach’s α）该量表表现出较高的内部一致性。六个维度的 Cronbach’s α 值均大于 0.87，具体如下：
AI知识（AIK）：0.88 AI教学法（AIP）：0.89 AI评估（AIA）：0.89 AI伦理（AIE）：0.88 以人为本的教育（HCE）：0.88 专业参与（PEN）：0.90
上述结果表明各维度具有良好的测量一致性。
测量稳定性（Measurement Invariance）
多组验证性因素分析结果表明，该量表在以下群体中均表现出测量不变性：
不同性别（男性与女性） 不同学科背景（科学类与非科学类）
这说明该量表在不同群体之间具有良好的结构稳定性和跨群体可比性。
效度（Validity）
内容效度（Content Validity）
量表开发过程具有较强的理论与方法基础。初始题项基于以下理论框架构建：
Bandura 自我效能感理论及量表编制指南 Falloon 教师数字能力框架 UNESCO 人工智能能力框架草案
随后，采用德尔菲法（Delphi method），邀请 30名具有人工智能教学经验的K-12教师组成专家小组，经过三轮评审与修订，将初始的27个题项优化为24个题项，从而确保量表内容的代表性与合理性。
结构效度（Construct Validity）
通过验证性因素分析（CFA）对量表结构进行检验，结果表明六因子模型具有良好的拟合度：
χ²/df = 2.24（< 5.0） RMSEA = 0.054（< 0.08） CFI = 0.96（> 0.90）
此外，所有题项的标准化因子载荷介于 0.72 至 0.93 之间，表明量表具有良好的结构效度。
聚合效度（Convergent Validity）
各维度之间呈显著中度相关（r > 0.50，p < 0.01），支持该量表的聚合效度，说明各维度能够共同反映教师人工智能能力自我效能感这一核心构念。
使用方法
计分方式
本量表采用 5点李克特量表进行计分：
1 = 强烈不同意5 = 强烈同意
量表共包含 24个题项，分为6个维度，每个维度包含4个题项。
计分解释
得分越高，表示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信心越高。
适用场景
该量表主要适用于 K-12阶段教师（幼儿园至高中），可用于以下情境：
研究用途：用于干预研究或相关性研究，测量教师AI能力自我效能感 政策制定：为教育管理者制定AI教育政策提供数据支持 专业发展评价：评估教师培训或教师教育项目的效果 教学反思：帮助教师反思自身在AI教学中的能力与实践
使用注意事项
- 样本适用性
- 测量性质
- 学科适配性
原文连接 https://doi.org/10.1007/s10639-024-13094-z
原文连接 https://doi.org/10.1007/s10639-024-13094-z
原文连接 https://doi.org/10.1007/s10639-024-13094-z
end
