【文献速览】与GenAI协同构建自适应教案:职前教师的Intelligent-TPACK与提示词工程策略

论文题目：Co-constructing adaptive lesson plans with GenAI: Pre-service teachers' Intelligent-TPACK and prompt engineering strategies.（与GenAI协同构建自适应教案：职前教师的Intelligent-TPACK与提示词工程策略）

作者：Celik, I., Kontkanen, S., Laru, J., & Dalyanci, A. A.

一、 研究背景与问题提出

      生成式人工智能（GenAI）为教师设计自适应、学生中心的教学方案提供了新的技术可供性，但AI输出的教育价值并不取决于工具本身，而高度依赖教师构建教学意涵提示词（prompt）的能力。既有研究多将提示词工程视为技术性操作，忽视了其背后的教学推理与专业知识支撑。

      本研究核心问题聚焦于：职前教师的AI相关知识（Intelligent-TPACK与AI素养）如何影响其提示词策略，进而塑造GenAI生成的自适应教案质量（学生主体性、自适应策略、灵活工具三维度）。

二、 理论框架与实验设计

1. 核心理论锚点

• Intelligent-TPACK框架（Celik, 2023）：扩展传统TPACK，纳入AI技术知识（Intelligent-TK）、AI教学知识（Intelligent-TPK）、AI内容知识（Intelligent-TCK）及伦理维度，专门用于刻画教师整合GenAI的专业知识。

• 知识建构框架（KC Framework）：将提示词划分为递进的认知阶段——KCP1信息共享→KCP2发现认知冲突→KCP3意义协商→KCP4合成修正，用以解析人机协同中的认知深度。

• AI素养四维模型：觉知、使用、评估、伦理。

2. 实验设计

• 样本：芬兰120名职前教师（小学教育100人+特殊教育20人），两两配对完成GenAI协同备课任务。

• 任务：使用Microsoft Copilot设计一节45分钟的五年级「水循环」科学课，明确要求考虑学生多样性与差异化需求。

• 测量：Intelligent-TPACK量表+AI素养量表+提示词KC阶段编码+自适应教案量规（学生主体性/自适应策略/灵活工具）+PLS-SEM结构方程模型。

  

三、 核心发现

1. 提示词的认知阶段分布

      对159条提示词编码显示：KCP3意义协商占比最高（37.1%），KCP1信息共享占32.1%，KCP2发现冲突占15.7%，KCP4合成修正占15.1%——说明职前教师并非仅做信息检索，而是逐步进入教学推理与协同建构。

2. 知识基础→提示词深度→教案质量的链式机制

PLS-SEM分析揭示关键路径：

• Intelligent-TK、Intelligent-TPK显著正向预测提示词的KC阶段（β=0.30、0.32）。

• AI素养的「觉知」「使用」维度也正向关联提示词阶段。

• 高阶KC阶段提示词显著正向预测教案的学生主体性（β=0.27）、自适应策略（β=0.25）、灵活工具（β=0.31）。

• Intelligent-TPK通过提示词阶段间接影响自适应策略与学生主体性（间接效应显著）。

3. 核心结论

      有效的提示词工程不是技术指令，而是植根于教师教学知识的认知行为

——高阶KC阶段的提示词能引导GenAI产出更具学生主体性、分层支架与多模态灵活性的自适应教案。

四、 讨论与启示

1. 理论贡献：

      本研究将提示词重新概念化为「认知行为（epistemic moves）」，突破了将prompt视为纯技术输入的认知局限，建立了「教师AI知识→提示词认知深度→教案适应性质量」的实证链条。

2. 对职前教师教育的实践启示

1.将Intelligent-TPACK纳入教师教育核心课程：重点强化Intelligent-TK（AI技术边界认知）与Intelligent-TPK（AI赋能差异化教学的设计能力）。

2.提示词工程训练需嵌入教学推理：引导职前教师从KCP1信息共享走向KCP3意义协商与KCP4合成修正，而非停留在「生成教案」的表层指令。

3.AI素养培育不能仅停留在工具使用层：需结合KC框架开展反思性prompt迭代训练，培养对AI输出的批判性评估能力。

3. 局限与展望

      样本限于芬兰职前教师、单一备课任务、未覆盖课堂实施阶段（KCP5），未来可拓展至多学段、多GenAI平台及真实课堂落地的纵向追踪

本文基于论文公开摘要与正文要点整理，数据与表述以原文为准。Celik, I., Kontkanen, S., Laru, J., & Dalyanci, A. A. (2026). Co-constructing adaptive lesson plans with GenAI: Pre-service teachers' Intelligent-TPACK and prompt engineering strategies. Computers & Education, 241, 105485