夜雨聆风随着生成式人工智能（Generative Artificial Intelligence，GAI）的迅速发展，高等教育正在经历一场深层次的结构性变革。过去，技术更多只是课堂中的辅助工具，而如今，人工智能已经开始直接参与教学设计、学习支持、资源生成与评价反馈等核心教育环节。当生成式AI进入大学课堂后，教师究竟需要具备怎样的新型能力结构？而AI又能否反过来帮助教师提升自身的教学能力？
本研究以TPACK（Technological Pedagogical Content Knowledge，技术—教学法—内容知识）模型为理论基础，通过对20位大学教师的访谈与概念图分析，构建出一个融合AI Prompt设计、教师知识结构与教学情境变量的新型教师培养框架。这项研究不仅重新理解了AI时代教师专业发展的方向，也揭示了未来教师教育可能发生的深刻转向。
一、人工智能正在重塑大学教学的底层逻辑
研究首先指出，人工智能的引入并不仅仅意味着“课堂中多了一项技术工具”，它真正改变的是教育运行的底层逻辑。
长期以来，高校教学主要围绕教师展开，处于一种教师讲授学生接受，课程统一推进。然而，AI的发展正在推动教育逐渐从“教师中心”走向“学习者中心（Learner-Centered）”。借助人工智能，教学开始具备更强的个性化、适应性与动态生成能力。学生能够根据自身水平获得差异化支持，而教师则能够通过智能系统快速生成教学资源、学习活动与评价方案。
研究引用大量文献指出，AI在教育中的应用，已经开始表现出几个明显趋势：其一，教学资源的生成速度大幅提升；其二，学习过程更加个性化；其三，课堂教学逐渐由静态内容传递转向动态学习设计；其四，教师的工作重点正在从“备课”转向“学习体验编排”。
但与此同时，一个关键问题也逐渐显现：并不是所有教师都具备有效整合AI的能力。
研究认为，当前很多大学教师实际上存在一种“教学脆弱性（Pedagogical Frailty）”。这种脆弱性并不意味着教师缺乏专业知识，而是指教师在教学法、技术整合与数字教学能力方面缺乏系统支持。当AI快速进入课堂时，这种脆弱性会进一步被放大。很多教师虽然会使用技术，却无法真正将技术与教学目标、学习活动以及学科内容有效融合。
因此，AI时代真正的挑战，不是“教师会不会使用AI”，而是教师能否在具体教学情境中，将人工智能转化为真正具有教育意义的教学能力。
也正是在这一背景下，TPACK模型重新获得了重要价值。
二、TPACK：AI时代教师专业能力的核心框架
TPACK模型是当前国际教育技术研究中最具影响力的教师能力模型之一。它强调，真正有效的技术融合，并不只是技术技能本身，而是技术、教学法与学科内容之间的深度整合。
研究指出，TPACK主要包含三类核心知识。
首先是内容知识（Content Knowledge，CK），即教师对自身学科的理解，包括概念体系、理论结构、学科逻辑与专业经验。一个优秀教师不仅知道“教什么”，还必须理解学科知识背后的结构与意义。
其次是教学法知识（Pedagogical Knowledge，PK），即教师关于“如何教学”的知识。这包括课堂组织、学习活动设计、学习评价、学生认知规律以及教学策略等内容。
第三是技术知识（Technological Knowledge，TK），即教师理解与使用技术工具的能力，包括数字平台、多媒体工具、在线学习系统以及近年来迅速发展的生成式AI工具。
TPACK最重要的地方在于，它并不把这三种知识看作彼此孤立的存在，而强调它们之间的交互融合。例如，教师需要知道某种技术适合怎样的教学策略，需要理解技术如何帮助学生学习具体学科内容，还需要能够根据教学目标动态调整技术应用方式。
因此，真正成熟的教师能力，不是单纯“懂技术”，而是能够在具体教学场景中，实现技术、教学法与内容之间的协同。
三、生成式AI正在让TPACK发生根本变化
这篇研究最重要的贡献之一，在于它提出生成式AI不仅是TPACK中的一种技术工具，它正在重新定义整个TPACK框架。
传统意义上的技术知识（TK），更多强调教师是否能够“使用技术”。然而，在AI时代，技术已经不再只是被动工具，而开始成为能够主动生成内容、提供建议、辅助决策的“认知伙伴”。
研究引用“Intelligent-TPACK”的概念指出，AI使TPACK从一个相对静态的知识模型，转变为一个动态、智能、可协同生成的能力系统。
例如，在过去，教师需要花费大量时间独立完成教学设计；而现在，AI可以帮助教师：自动生成教学案例；创建形成性评价任务；设计翻转课堂活动；调整不同学生层次的学习资源；根据课程目标生成课堂讨论问题。
这意味着，教师与AI之间的关系，不再是“使用工具”的关系，而更像是一种“协同设计”的关系。
研究特别强调，AI在TPACK中的作用，主要体现在三个关键维度上。
首先，在技术知识（TK）层面，AI降低了教师使用技术的门槛。即使教师不具备复杂的技术背景，也能够借助AI快速创建数字资源、调整教学内容、优化课堂设计。
其次，在技术教学法知识（TPK）层面，AI开始直接参与教学设计。教师可以通过Prompt生成主动学习活动、翻转课堂方案、形成性评价策略以及个性化学习路径。这使得教学法设计变得更加灵活、高效且具有适应性。
最后，在技术内容知识（TCK）层面，AI能够依据不同学科自动生成适配性内容。例如，语言学教师可以生成发音训练活动，护理学教师可以生成临床案例模拟，教育学教师则可以生成课堂观察与分析任务。
研究认为，AI最大的价值，并不是替代教师，而是增强教师的教学设计能力、反思能力与创新能力。换句话说，AI真正改变的，是教师“思考教学”的方式。
四、研究如何展开：从教师真实教学经验中提炼AI框架
为了理解大学教师的TPACK结构以及AI可能发挥的作用，研究者采用了“设计与发展研究（Design and Development Research）”的方法。
研究共邀请20位大学教师参与，他们分别来自护理学、物理治疗、教育学、语言学、社会教育与特殊教育等不同领域。之所以选择这些教师，是因为他们都已经在教学中不同程度地使用ICT（信息通信技术）。
研究首先对教师进行半结构化访谈，并结合概念图（Concept Maps）分析教师在教学过程中如何理解与使用技术。
通过分析，研究者不仅提取了教师显性的教学策略，更重要的是捕捉到了教师隐性的知识结构。例如，教师如何理解学生学习，如何组织课堂活动，如何选择技术工具，如何设计学习评价，如何协调课程资源以及如何处理学生参与度问题等等。
研究进一步发现，教师的TPACK能力并不是孤立形成的，它会受到教师对技术的态度、学生参与程度、教师原有经验、学校支持系统、教学目标、资源条件、教师之间的协作关系等大量教学情境变量影响。这些变量共同决定了教师技术整合的真实效果。
五、研究最核心的创新：利用TPACK设计AI Prompt
这项研究最具有突破性的部分，是将TPACK知识结构转化为生成式AI Prompt设计框架。
研究者认为，未来教师培养不应只是“教教师使用AI”，而应帮助教师学会如何利用自身的TPACK知识，高质量地与AI进行协同。
因此，研究根据教师访谈与概念图分析结果，设计出一系列AI Prompt。这些Prompt并不是普通的问题，而是融合了学科知识；教学法知识；技术知识；教学情境变量；教师真实实践经验的“教育型Prompt”。
例如，研究中提出这样一个Prompt：
“请为物理治疗专业学生设计一个基于互动视频的翻转课堂活动，以促进课堂中
的主动参与。”
这个Prompt背后实际上同时激活了学科内容知识（物理治疗）、技术教学法知识（翻转课堂）、学生态度变量（主动参与）和数字资源设计能力。也就是说，一个高质量Prompt，本质上是一种教师专业知识的结构化表达。
研究发现，当Prompt能够充分体现教师真实教学情境时，AI生成的结果会更加贴近真实课堂需求，也更具教育意义。
六、研究发现：AI可以成为教师的“认知中介”
研究最终提出了一个非常重要的观点：AI在未来教师培养中的角色，不只是工具，而是“认知中介（Cognitive Mediator）”。
所谓“认知中介”，意味着AI能够帮助教师扩展教学思维，激发教学创意，促进教学反思从而重构教学设计过程。
研究发现，很多教师虽然拥有丰富学科经验，但在教学法与技术融合方面仍存在困难。而AI能够通过Prompt快速生成活动设计、评价方案、教学资源、小组合作任务、个性化反馈等内容。这实际上降低了教师教学创新的门槛。
更重要的是，AI还能够帮助教师把零散经验转化为系统化教学方案，从而减少教师的“教学脆弱性”。
因此，研究认为未来教师培养的核心，不再只是技术培训，而是培养教师与AI协同设计学习的能力。由此，教师教育正在从“技术学习”迈向“智能教学设计”。
七、AI时代的教师培养，正在进入“TPACK-AI”新阶段
文章最后指出，未来教师教育很可能进入一个新的发展阶段，即“TPACK-AI”阶段。
在这一阶段中，教师培养不再只是围绕学科知识、教学法、教育技术展开，而是进一步加入Prompt设计能力、AI协同能力、智能教学设计能力和AI伦理与批判性应用能力。
研究认为，未来高校教师最重要的能力之一，将是能否利用AI生成真正符合学生需求、学科特点与教学情境的学习体验。
这意味着，教师角色正在从“知识讲授者”逐渐转向学习设计者、AI协作者、学习体验编排者和教学创新推动者。
最终，研究强调人工智能并不会削弱教师的重要性，相反，它正在迫使教师专业能力进入一个更加高级、更具创造性的新阶段。而TPACK与AI的融合，也许正是未来教师教育最重要的发展方向之一。
参考文献：
Carrió, A. L. (2025). Orchestrating the TPACK of University Professors, in Order to generate AI Prompts that Improve theInitial Training. Foro de Educación, 23(1).
往期文章推荐：
