STEM 教育中的 AI：教师认知与 ChatGPT 使用之间的关系

2022年底，ChatGPT-3的免费发布引发了对书面作品意义的质疑，因AI能承担大量学术写作工作。科学界关注AI在教育中的利弊，但教师观点讨论不足。Whalen & Mouza（2023）指出AI对教师亦有机遇与挑战。本研究旨在探讨ChatGPT等AI的使用与教学质量、收益风险感知及未来教育应用的关系，重点为德国中学STEM教育。STEM包括数学、计算机科学、自然科学和技术。相比其他学科，STEM教师对数字媒体使用评价更积极，可能更多参与ChatGPT的讨论与应用。Von Garrel & Mayer（2023）发现，德国近三分之二学生已使用或正使用AI工具学习，其中近半提及ChatGPT或GPT-4。工程、数学和自然科学学生使用最频，需进一步研究影响德国STEM教师融入ChatGPT的潜在因素。

1.1. 人工智能和 ChatGPT

 人工智能 (AI) 的概念很广泛，尽管有多种定义方法，但科学界尚未就普遍接受的定义达成共识（参见 Gethmann 等人，2022）。截至 2024 年初，ChatGPT 已公开发布 GPT-3.5 和 GPT-4 版本。  ChatGPT 是一种基于机器学习和深度学习的生成式人工智能（深度学习的一种，产生文本、图像和音频等新内容），能够处理和生成自然语言（Suˇsnjak，2022）。ChatGPT 有几个被广泛讨论的道德和技术缺陷，以及一些特定的技术缺陷。根据 OpenAI 自己的声明，用于 ChatGPT 的模型仅使用截至 2021 年 9 月的数据进行训练。因此，人工智能缺乏对该日期之后的事实、数据和事件的了解（OpenAI，2023）。此外，OpenAI 明确指出 ChatGPT 并不完全可靠，因为它可能会出现逻辑错误并产生幻觉事实。

1.2. 人工智能在教育系统中的应用

关于从人工智能角度看德国学校的数字化，以下研究表明该主题的重要性日益增加。FiBS 对德国 1116 名学校校长进行的一项调查显示，65% 的受访者表示人工智能在数字化过程中的使用发挥着重要或非常重要的作用（FiBS，2022）。然而，Krâmer Market Research 于 2020 年 12 月至 2021 年 2 月对 100 家学校当局进行的一项调查显示，只有 29% 的学校当局报告使用人工智能学习程序。此外，42% 的接受调查的学校当局表示没有计划在未来几年实施人工智能学习计划（REDNET GmbH，2021）。这些数据揭示了感知重要性与实施之间的潜在差异。

OpenAI于2022年11月推出ChatGPT公开版，引发广泛关注。教育科学迅速介入研究AI和ChatGPT，但多集中于高等教育。中等教育研究则关注教师对ChatGPT的技术接受度（Dehghani & Mashhadi，2024；Mutammimah等，2024），发现实用性提高接受度。Zhang和Tur（2024）指出ChatGPT在K12教育中潜力巨大，如课程规划、材料生成等，但需解决学术诚信和产出质量问题。Javier和Moorhouse(2023)认为ChatGPT对学生有用，但需特定技能提示AI和评估输出。教师需培养这些技能，以实现高效、批判性使用。以下介绍中等和高等教育的相关调查结果，聚焦ChatGPT在教育中的潜力、机遇和风险。

1.2.1. 潜力

在研究“ChatGPT 永远有效？”中卡斯内奇等人从 2023 年 3 月开始，研究人员重点关注 ChatGPT 等 LLM（大型语言模型）在教育背景下的潜力和挑战。研究人员根据学习和教学的角度对潜力和挑战进行分类，然后加以应用。卡斯内奇等人(2023) 确定了学习领域的潜力，强调了人工智能在语言学习或数学、物理和文学等不同学科的特定写作风格等任务中的优势。学生可以利用 AI 创建自己的练习和测试，积极参与 ChatGPT 的学习过程。此外，学生可以利用 ChatGPT 生成解决方案以及学校作业的分步解释，帮助他们理解和理解。此外，ChatGPT 可以充当学生的数字导师，协助回答学习问题并提供上述用例之外的个性化反馈（Lo，2023）。罗等人(2024)进一步指出，学生已经在学习活动中积极使用ChatGPT，但由于读写能力不足，常常出现误用。此外，有人担心人工智能工具的日益使用可能会导致学生批判性思维能力下降。因此，教师应提高学生的数字素养并制定明确的指导方针。如果教师使用peda gogical方法（例如，教师可以指导学生进行事实检查和验证；Chan & Lee，2023），那么使用ChatGPT甚至可以促进理解和批判性思维。

在教学领域，ChatGPT 展现出多种潜力。人工智能可以通过提供建议或根据内容生成完整的课程计划来有效地融入课程计划（Kasneci et al., 2023; Lo, 2023）。此外，ChatGPT还可用于评估和评价学生的表现。例如，可以建立一个自动化系统，将学生的表现直接传递给人工智能，积极支持教师进行个人分析和评估（Adıgüzel et al., 2023）。这样的系统可以进一步用于突出学生论文中的优点和缺点，识别任务完成中的缺陷，并检测抄袭（Kasneci et al., 2023）。此外，教师可以通过提供新教学方法、技术和材料的总结和解释，利用人工智能实现专业发展（Kasneci et al., 2023）。

1.2.2. 担忧

ChatGPT 在学校中的使用不仅具有潜力，而且还引发了一些道德和法律问题。首先，将阐明道德考虑因素，然后审查有关在教育环境中使用 ChatGPT 的法律问题。

使用 ChatGPT 的一个普遍问题是人工智能可以轻松地生成文本，这给检测抄袭内容带来了挑战。2023 年 6 月发表的一项研究评估了教育工作者和学生区分机器生成文本和人类生成文本的能力（Waltzer 等人，2023）。虽然教育工作者可以以 70% 的准确率将文本准确地归因于人工智能或学生，但学生的准确率达到了 62%（Waltzer 等人，2023）。随着GPT模型的不断增强，预计人类检测抄袭将变得越来越具有挑战性。

另一个道德挑战涉及用户（尤其是学习者）过度依赖 ChatGPT 的倾向，这可能会导致重大问题。过度依赖 ChatGPT 响应可能会对关键问题产生不利影响。此外，响应通常缺乏精确性，并且可能包含错误（Adıgüzel 等人，2023）。对回答准确性的过度信任可能会导致接受不准确和错误的信息。

此外，ChatGPT的偏见引发道德困境（Adıgüzel等，2023；Kasneci等，2023），包括误导性和种族偏见陈述。版权侵权是使用ChatGPT的未解决法律问题，因训练AI可能涉及版权材料，导致生成内容侵权（Kasneci等，2023）。尽管有担忧，巴登-符腾堡州不主张禁止教育中的AI（MSB，2023）。GDPR数据保护在学校使用AI上提出法律挑战，因学生数据使用存储不明确（Adıgüzel等，2023；Kasneci等，2023）。北莱茵-威斯特法伦州建议不在学生个人设备上使用ChatGPT，强调学校领导责任（MSB，2023）。

1.3. 教师变量

由于教师主要负责课程设计，因此教师的主观评价对于确定人工智能在课程中的适当使用程度具有决定性作用。因此，下一节将介绍并指定评估维度，这些维度既受 ChatGPT 等人工智能的使用影响，又对其未来的使用产生影响。为了解决这个问题，我们对中学的 STEM 教师进行了调查。由于德国的联邦结构导致各州之间的学校系统存在显着差异，因此调查仅限于巴登-符腾堡州。在讨论相关变量之后，概述了假设。

1.3.1. 权限

教育方面，能力主要涉及职业培训，本研究关注专业能力，包括“领域知识”、“交互”、“独立申请”、“沟通效率”和“响应评估”。近年来，关于教师处理AI能力及其对学习者影响的研究增长，但教师对实施AI教育的信心不足，导致AI课堂使用极少。因此，教师AI相关能力被纳入本研究，假设H1：教师使用ChatGPT的教学能力与ChatGPT在教育环境中的使用频率呈正相关

1.3.2. 法律和道德问题

ChatGPT在教育中的法律和伦理问题广受讨论，包括隐私、版权、响应合法性、欺骗操纵、响应可靠性、偏见等。这些问题及教育工作者对AI培训的道德担忧可能是AI在教育中使用受限的原因之一。K-12教育特有的道德原则已确定，但公众对潜在有害社会影响的担忧增加，道德政策指导滞后。因此，教师的法律和道德问题被纳入当前调查，以探讨其如何影响AI在教育中的使用。假设H2：教师对使用ChatGPT的法律和道德问题的看法与ChatGPT在教育环境中的使用频率呈负相关。

1.3.3. 对教学质量的影响

为了定义变量，采用Klieme等人的教学质量基本维度：“认知激活”、“课堂管理”和“建设性支持”，并加入“教学质量”变量直接评估总体感知。教师决定是否在课堂上使用AI时，预期收益也重要，但具体影响尚不确定，且教师对AI教育系统的参与有限。然而，教师对AI有效性的看法可能至关重要。因此，研究纳入教师对AI影响教学质量的看法，假设H3：正面评价和教学质量与ChatGPT在教育环境中的使用呈正相关。

1.3.4. 风险和收益

针对风险和收益概念创建了五个变量衡量教师对ChatGPT在教育中的风险和收益感知。情感启发法表明风险和收益评估呈负相关，即高风险感知通常伴随低收益感知。研究旨在复制ChatGPT背景下这一关系，假设H4：教师对ChatGPT风险感知越高，收益感知越低。同时，教师AI使用与其能力正相关，且AI使用、感知收益和风险也呈正相关，假设H5。感知好处应增强AI使用意图，而感知风险应降低意图，因此假设H6：教学质量感知效益与ChatGPT未来使用正相关；H7：感知风险与ChatGPT未来使用负相关。所有假设总结于图中，并包含其他探索路径。

所有假设都总结在图 1 中。还包括其他探索路径并标记为 (+–)。

图1.理论路径模型和相应的假设

2.1. 参与者和设计

总体而言，来自巴登-符腾堡州（德国）学校的 102 名 STEM 教师（中位年龄 = 40-49 岁）参与了本次实验。参与者是在旨在为学生接受高等教育做好准备的学校（德语“Gymna sium”；n = 57）或其他学校（中学或社区学校；n = 45）工作的高中教师。教师为 5 年级和 6 年级学生 (n = 55)、7 年级到 10 年级学生 (n = 91) 或 11 到 13 年级学生 (n = 49) 授课。他们教授数学（n = 57）、信息学（n = 28）、自然科学（n = 63）和技术课程（n = 19）。由于教师教授多个年级和多个学校科目，因此存在重叠。该研究设计为问卷（调查）研究。所有参与者都成为一份相同的在线问卷。下面将解释问卷中包含的措施。

2.2. 措施

对于所有测量，选择 Chronbach 的 Alpha（α；Cronbach，1951）来计算可靠性估计。所有的结构都是通过在评级量表上回答的多个项目来衡量的。所有评分量表均由 5 点李克特量表组成，范围从 1（“不同意”）到 5（“完全同意”）。所有测试都是自行创建的，项目公式基于 1.2 和 1.3 节中描述的理论考虑。此外，使用 lavaan 软件包（Rossel，2012）进行了验证性因素分析，其中能力、关注点、风险、收益和对教学质量的影响作为潜在因素，χ2 = 508.48，df = 314，p < .001，解释说方差 = 54%。因子载荷在相应的小节中给出。整个调查问卷显示在附录 A 中。

2.2.1. 教师能力

教师能力通过六个项目进行衡量（α = .87；例如，“我对安全处理和使用 ChatGPT 充满信心。”）。项目涵盖子领域：技术理解；安全处理；不需要支持；以目标为导向的沟通；正确使用的认可。项目难度范围为 2.10 至 2.92，平均项目间相关性令人满意 (0.51)。因子负荷令人满意 (.74–95)。只有一项的因子负载相对较低 (0.23)。由于其他统计特征令人满意，因此该项目没有从进一步分析中删除。

2.2.2. 教师关注点

教师关注点通过七个项目进行衡量（α = .82；例如，“我认为 ChatGPT 的使用符合版权规定。”）。项目涵盖子域：DGPR 合规性；版权合规性；法律问题；用于欺骗；内容不正确；歧视性答案；侵犯隐私。项目难度范围为 2.21 至 3.91，平均项目间相关性令人满意 (0.41)。因子负荷令人满意 (.38–91)。为了让教师更容易理解这些项目，所有项目都以积极的方式制定（分数越高代表关注度越低）。因此，在进行主要分析之前，规模被颠倒了。

2.2.3. 对教学质量的影响

对教学质量的影响通过四个项目进行衡量（α = .79；例如，“ChatGPT 的使用有利于认知激活。”）。项目涵盖子领域：总体改善、认知激活；建设性支持，课堂管理。项目难度范围为 2.92 至 3.78，平均项目间相关性令人满意 (0.48)。因子负荷令人满意 (.63–84)。

2.2.4. 好处

感知收益通过五个项目进行衡量（α = .81；例如，“ChatGPT 将使学生更多地参与课堂。”）。项目涵盖子领域：积极潜力；课堂参与；态度、表现、平等机会。项目难度范围为 2.58 至 3.61，平均项目间相关性令人满意 (0.49)。因子负荷令人满意 (.66–89)。

2.2.5. 风险

感知风险通过五个项目进行测量（α = .78；例如，“ChatGPT 可能会对学习者的态度（与课程相关）产生负面影响。”）。项目涵盖子领域：动机、态度、绩效、知识获取和平等机会。项目难度范围为 2.14 至 2.62，平均项目间相关性令人满意 (0.42)。因子负荷令人满意 (.55–89)

2.2.6. ChatGPT 当前和未来在教育环境中的使用

ChatGPT 当前的使用情况是通过一个项目来衡量的：“您出于教育目的使用 ChatGPT 的频率如何？”与其他项目相比，教师可以按照李克特量表对他们的回答进行评分，范围从 1（“从不”）到 5（“每天”）。ChatGPT 的未来使用通过两个项目来衡量（α = .84；例如，“原则上，我可以想象将来将 ChatGPT 用于学校目的（更频繁地）用于教育目的。”；“我假设我将使用 ChatGPT从长远来看（最多 10 年），在学校环境中更频繁。“）。

2.3. 程序

在线调查于2023年9月14日至2023年10月5日进行。在此期间，我们联系了随机选择的学校的秘书处和学校行政部门，并要求将调查问卷分发给其老师。数据源是巴登-符腾堡州的一个可公开访问的在线数据库，其中包含该州的所有学校，可根据不同类别（例如学校位置、学校类型等）进行过滤。使用该数据库，抽取了学校集群的随机样本。随机抽取的目的是确保分布适合该地区和人口。学校和教师没有义务参与，因此转发调查的决定由每所学校自行决定。调查进行期间，没有发生任何值得注意的事件，也没有参与者或学校提出询问。教师收到一个链接，进入“Limesurvey”平台中嵌入的在线调查。教师可以按照自己的进度自由地完成调查问卷，并且不会因完成调查问卷而获得奖励。理论结构和相关项目按以下顺序提出：人口调查问卷；当前和未来将 ChatGPT 用于教育目的；能力；担忧；对教学质量的影响；好处;风险。

2.4. 分析策略

为了在一次分析中回答所有研究问题，使用 IBM SPSS AMOS 26 (Arbuckle, 2019) 进行了路径分析（参见 Lleras, 2005）。理论模型是根据假设创建的（见图 1）。由于样本量对于潜在建模而言太小，因此仅使用明显变量。对于模型拟合，使用最大似然差异，最多 50 次迭代。不应用自举并进行 500 次随机排列。根据一般建议，对内源预测因子进行了相关并进行了标准化（β 或 r）系数。潜在的人口统计混杂因素（年龄、学校类型、教授的班级和科目）作为协变量包含在模型中。值得注意的是，由于所有变量都是通过单一调查问卷测量的，因此无法解释因果关系。因此，只能解释积极或消极的“关系”。为了更深入地了解所有变量的关系，还进行了相关矩阵。所有变量的描述性统计数据如表 1 所示。

表1 所有因变量的描述性数据

经验路径模型如图 2 所示。没有潜在的混杂因素达到显着性，β = [-.05 – .12]。教师的能力与 ChatGPT 在教育环境中的使用呈正相关。然而，老师的担忧与ChatGPT的使用没有关系。有趣的是，ChatGPT 的使用与感知的收益和风险没有直接关系。这两种影响（部分）都是通过对教学质量的影响来调节的。ChatGPT 的使用与感知教学质量呈正相关，教学质量与感知收益呈正相关，与感知风险呈轻微负相关。教学质量以及感知到的好处与未来将 ChatGPT 用于教育目的呈正相关。感知风险与 ChatGPT 的未来使用只有边际关系，但有趣的是，这种关系是正相关的。

图2 经验路径模型；显示β和r；*p < .05。

教师的能力与 ChatGPT 在教育环境中的使用以及未来的使用呈正相关。在讨论使用和未来使用时，对教学质量的影响以及使用 ChatGPT 的感知效益是更重要的变量，因为可以发现正相关性。感知到的好处和感知到的风险呈负相关，但有趣的是，感知到的风险与 ChatGPT 在教育中的使用或未来使用无关。整个相关矩阵如表2所示。

表2 各变量的相关矩阵。

当前的研究旨在了解 ChatGPT 是否影响课堂教学、教师的看法以及这些看法如何影响人工智能在教育环境中的进一步使用。根据假设 1，教师的能力与 ChatGPT 的使用呈正相关。因此，假设1得到支持。然而，假设2不成立，因为教师的担忧与ChatGPT的使用无关。由于发现 ChatGPT 的使用与感知的教学质量之间存在正相关关系，因此假设 3 得到支持。感知到的好处和感知到的风险都与 ChatGPT 的使用没有直接关系。因此，假设4不成立。然而，感知到的收益和风险呈负相关。因此，假设5得到支持。由于感知效益和教学质量与 ChatGPT 在教育环境中的未来使用呈正相关，因此假设 6 得到支持。然而，由于感知到的风险与 ChatGPT 的未来使用无关，因此假设 7 无法得到支持。

总的来说，受访者很少或从不在教育中使用ChatGPT，且目前AI非课程部分，也无具体行政建议。低能力和信心导致ChatGPT利用率低，与Kim和Kwon的观点一致，他们指出内容、技术和教学知识是实施AI的核心。慕尼黑大学强调领域知识和响应评估的重要性。样本对STEM学科的关注可能导致较高的专业知识自我评估。增强领域专业知识和ChatGPT使用意愿表明，ChatGPT使用可能受专业知识影响。教师们相信AI未来作用更大，预计ChatGPT使用将显著增加。

对于 H2 和 H7，使用频率与法律或道德问题以及感知风险之间不存在显着相关性。然而，如上所述，如果这些担忧得到缓解，教师往往更愿意更频繁地使用 ChatGPT。因此，尽管存在担忧或潜在风险，教师目前可能仍会使用 ChatGPT，而不是像最初假设的那样使用频率较低。这可能是教师进行风险收益评估的直接结果。因此，教师往往更重视人工智能的潜力，而不太重视人工智能被学生滥用的可能性（Saylam et al., 2023），或者人工智能可能与学生的批判性思维技能、自主性、和道德决策（Deng & Yu，2023）。然而，感知到的好处和感知到的风险可能都与 ChatGPT 的使用有关。然而，由于收益与 ChatGPT 的使用呈正相关且感知风险呈负相关，因此这两个变量可能存在总体上不显着的关系，这为 H4 提供了解释。这种现象的另一种可能的解释与情感启发法相关，可能是早期采用的影响。早期采用者是倾向于特别早采用新技术的个人（ChatGPT 自 2024 年起被视为新技术），无论未知风险或高财务成本等副作用如何（Tobbin & Adjei，2012）。Tobbin 和 Adjei 提出了高等教育程度（教师的特征）与被归类为早期采用者之间的潜在相关性（参见 Tobbin 和 Adjei，2012）。

关于 H3 和 H6，结果支持 Tan 等人概述的主张。（2023）和林（2022）。教师可能对在课堂上使用 ChatGPT 持怀疑态度，因为教师没有参与该技术的开发（Celik 等人，2022）。然而，一旦教师意识到人工智能对学生学习过程的影响，这将成为未来学习场景中人工智能使用的强大影响因素。因此，这些变量在本研究中也是相互关联的。教师的个人经历当然始终与此相关。如果学习质量提高，变量之间的关系将为正。如果负面看法占据上风，这就是一个会降低未来利用率的核心变量。

关于H5，需要讨论感知收益与风险之间的负相关关系。人们很可能会认为，随着人工智能使用频率的增加，教师的好处和风险都会变得清晰。尽管如此，对在课堂上使用 ChatGPT 的好处评价较高的教师往往对风险评价较低。相反，更关心使用人工智能风险的教师往往认为使用人工智能的好处较低。这一结果是情感（或信任）假设的证据（Sintov & Hurst，2023；Slovic 等，2007）。人工智能，尤其是 ChatGPT 目前是一项新的但非常突出的技术发展。由于教师往往没有该技术的个人经验，只能从大众媒体获得稀疏和肤浅的信息，因此他们可能还不具备充分评估收益和风险的技能。因此，他们在决策中表现出依赖情感反应（例如积极或消极的感觉）的倾向（Finucane et al., 2000; Pachur et al., 2012）。

必须讨论未来研究的四个主要限制和考虑因素。首先，问卷研究无法得出任何因果关系的陈述。未来应该进行纵向研究，调查人工智能在课堂上使用的变化。此外，实验设计适合研究特定教师变量对 ChatGPT 等人工智能使用的影响（反之亦然）。

其次，在研究的背景下，强制学校和教师的参与是不可行的。因此，该调查可能主要由对该主题更感兴趣的学校以及那些已经深入研究 AI 和 ChatGPT 的学校分发。这可能会在数据中引入基于兴趣的偏差。由于调查主要由对该主题有个人兴趣并在闲暇时间广泛参与的教师进行，这一可能性进一步加剧了这种影响。重要的是要承认数据失真的可能性，因为样本中并非所有兴趣领域和专业知识水平都必然反映广大人群的兴趣领域和专业知识水平。然而，值得注意的是，所确定的使用频率并不表明存在这种偏见。

第三，研究集中于现实的有限部分。仅对德国的一个联邦州进行了研究，这意味着结果只能在有限的范围内推广。这也适用于只检查了一个人工智能的事实。研究的重点是 ChatGPT。然而，除了聊天机器人之外，还有其他人工智能。即使在聊天机器人领域，也有其他突出的例子（例如 Gemini 或 Grok）。因此，未来的研究应该研究其他人工智能，以突出它们普遍使用的优点和缺点，调查它们在课堂上的有效嵌入程度以及它们给教师带来的挑战和潜力。这也适用于参与者。仅对德国的 STEM 教师进行了调查。因此，这些结果是否可以在不同的文化背景或教育体系中推广是值得怀疑的。由于不仅各县（甚至国家内部）的教育系统发生变化，教师进行的教育也以非常不同的方式实施。因此，额外的研究必须针对不同的参与者，考虑背景变量。

第四，当前的研究侧重于教师对与教育环境实际相关的变量的主观判断。我们没有测量情感变量或对 ChatGPT 的总体态度。因此，我们可以显示与实践相关的变量之间的各种相关性，但缺少情感体验成分。因此，尽管可以显示潜在影响启发法的影响，但这不能得到因果上的明确支持。存在其他解释，例如人工智能知识或经验的个体差异，这可能会影响对其好处和风险的看法。此外，课程要求或同伴影响等背景因素可能会影响人们如何看待人工智能的风险和好处。例如，未来的研究可以利用技术接受模型并包含广泛的变量。

我们想强调我们工作的三个重要意义。首先，目前我们调查的教师课堂上几乎没有使用ChatGPT。然而，可以预见的是，未来人工智能在课堂上的使用将会显着增加，这项研究为教师态度在其中发挥作用的程度提供了初步的见解。其次，该技术提供的潜力意味着教师更倾向于在课堂上使用 ChatGPT。有趣的是，无法确定感知风险与未来在课堂上使用 ChatGPT 的意图之间的相关性，这表明尽管存在风险，教师未来仍倾向于使用人工智能。第三，有证据表明情感启发法。对人工智能使用的好处评价较高的教师往往会将其风险评价较低，反之亦然。这表明，由于技术的新颖性，教师尚无法充分评估 ChatGPT 的潜力和风险。