教师为什么会停用AI?基于256名中国中小学教师的调查

关键信息：

256名教师样本小学35.2%AI焦虑β=.46满意度β=-.32三类退用路径

1、研究把问题转向教师试用后的退用意愿

论文讨论的重点，是教师已经在教学中试过生成式AI后，是否打算减少或停止使用。这个问题比“是否愿意尝试”更接近学校真实落地，因为它指向使用后的再评估。

研究包含256名我国中小学教师样本。样本覆盖小学、初中和高中，也覆盖理工科与非理工科、不同教龄和不同年龄段。

2、论文用认知情感意向框架解释教师决策

研究采用认知-情感-意向框架，解释教师怎样先判断技术风险和能力，再产生焦虑或满意，最终形成减少或停止使用的意向。

论文把变量分成两组：1、隐私担忧、算法不透明和信息幻觉会推高AI焦虑；2、感知智能性、个性化和互动性会提高满意度。两条情绪路径共同影响退用意愿。

3、结果同时验证了单因素效应和组合路径

文章使用结构模型方法，发现：AI焦虑会提高退用意愿，满意度会降低退用意愿。隐私、透明度和幻觉问题通过焦虑发生作用，智能性、个性化和互动性通过满意度发生作用。

模糊集定性比较分析进一步发现，没有任何单一因素构成必要条件，高退用意愿来自多项因素叠加。

1、退用意愿首先来自教师使用后的情绪反应

论文的一个核心发现，是教师的退用意愿要通过情绪反应来理解。AI焦虑对退用意愿呈显著正向影响，路径系数为β=0.46；满意度对退用意愿呈显著负向影响，路径系数为β=-0.32。

这表明现在的问题是“教师用了以后形成了什么体验”。教师在真实教学任务中遇到不确定、不可解释或不够好用的结果，就会重新评估继续使用的成本。

2、信息幻觉对教师焦虑的影响最强

隐私担忧、算法不透明和信息幻觉都会显著增加AI焦虑。其中，信息幻觉的路径系数最高，达到β=0.34，高于算法不透明的β=0.25和隐私担忧的β=0.21。

这与教师工作性质高度相关。课堂内容、例题解释、作业反馈和考试训练都需要准确性，AI如果生成看似合理但事实错误的内容，教师承担的是教学质量和专业责任压力。

3、满意度来自智能性个性化和互动性

论文也给出了降低退用意愿的另一条路径。感知智能性、感知个性化和感知互动性都会提高满意度，三者路径系数分别为β=0.30、β=0.24、β=0.18。

教师满意度来自工具对教学问题的理解、对学科和班级情境的适配，以及备课、追问、修改和反馈中的连续互动。工具越贴近教学工作流，越容易留下来。

4、三条组合路径说明退用由多项条件叠加形成

模糊集定性比较分析把退用意愿拆成三类组合：一类由隐私担忧、信息幻觉、AI焦虑和低满意度共同构成；一类由算法不透明、信息幻觉和AI焦虑共同构成；一类由算法不透明、AI焦虑、低智能感知和低满意度共同构成。

这提醒学校看待教师退用AI时，不宜只追问某个工具功能好不好。教师的真实体验常由数据安全、输出可靠性、解释透明度、教学适配和情绪负担共同塑造。

5、作者建议同时降低不确定感和改善体验

论文在实践建议中提出，持续整合生成式AI需要同时做两件事：减少技术不确定感，增强积极使用体验。

前者包括加强数据保护、提升算法透明度、改进教学内容可靠性。后者包括清晰使用指南、可解释反馈机制、面向AI输出评价的专业发展，以及更智能、个性化、互动化且贴合课程目标和课堂需求的功能设计。

1、AI项目评估要看持续使用质量

AI进校成效不能只看账号开通、培训人次和试用次数，还要看使用一段时间后是否留在备课、授课、作业和评价流程中。减少使用、停止使用和改回原有流程的原因，应进入项目复盘，帮助判断问题落在输出可靠性、任务适配、规则支持还是体验负担。

2、产品能力要做成可核验的教学流程

学校场景里的AI工具不能只提供完整答案，还要提供可理解和可介入的工作面。更适合教学的产品，应提供输出依据、修改入口、版本记录、敏感数据提醒和人工校验流程。使用者能控制过程，焦虑才会下降，满意度才有机会提高。

3、培训要嵌入真实任务而非工具演示

培训内容需要围绕真实教学任务展开，把隐私处理、输出核验、引用说明、提示词改写和课堂任务适配串起来。只有在具体任务中看见风险怎样处理、收益怎样发生，AI才更可能从短期试用变成稳定工作方法。