从业者信念与行为在AI增强教育中的应用：DOT框架调查证据深度解读

背景

随着生成式人工智能（Generative AI）技术的爆发式增长，高等教育领域正经历着前所未有的变革。然而，技术的快速迭代往往先于教育实践和政策的完善。在这一背景下，理解一线教育工作者（即“从业者”）如何看待AI、如何使用AI，以及他们所处的制度环境，成为推动AI有效融入教学的关键。

传统的教育技术研究往往侧重于技术本身的性能或学生的学习成果，而较少从“设计思维”与“开放系统理论”的整合视角，去剖析教育者在引入新技术时的心理机制和行为模式。本研究旨在填补这一空白，通过实证调查，探索高等教育从业者在整合AI进行教与学过程中的信念、行为及机构条件。

核心内容

本研究基于 DOT Framework（Design Thinking and Open Systems Theory Framework，设计思维与开放系统理论框架），对72名高等教育从业者进行了一项横断面调查（Cross-sectional Survey）。该框架将设计思维中的迭代、以用户为中心的特性，与开放系统理论中组织与环境互动的特性相结合，为分析AI在教育中的整合提供了独特的理论透镜。

1. 研究方法与数据收集

研究通过问卷调查收集数据，重点考察以下四个维度：

• AI熟悉度：从业者对AI技术的了解程度。
• 使用模式：日常教学中使用AI的具体方式。
• 设计导向实践：是否采用迭代、原型设计等设计思维方法。
• 教学信念：对AI作为教学辅助工具的看法。

2. 信念结构的因子分析

研究者对19个信念项目进行了探索性因子分析（Exploratory Factor Analysis），最终识别出一个具有良好信度（$\alpha = .90$）的三因子结构：

1. AI功能能力（AI Functional Capabilities）：从业者对AI在特定任务中表现出的实际效能的认可。
2. 监督与治理（Oversight and Governance）：强调人类在AI应用中的最终决策权、伦理审查及风险控制。
3. 教师协作与规划（Instructor Collaboration and Planning）：关注教师之间关于AI使用的交流、共同备课及课程设计的协作。

3. 主要发现

• 积极但审慎的态度：从业者普遍对AI作为教学支持工具持积极态度，认为其能提升效率。然而，这种积极并非盲目信任，而是伴随着对人类监督（Human Oversight）和批判性评估的强烈承诺。
• 实践中的“设计”与“缺失”：
  • 高频实践：从业者频繁使用迭代式提示（Iterative Prompting）和内容生成功能。这体现了设计思维中“原型-测试-改进”的迭代特征。
  • 低频/不一致实践：在**需求评估（Needs Assessment）和反馈循环（Feedback Loops）**的使用上表现出不一致性。这意味着许多教师虽然在使用AI生成内容，但缺乏系统性的前期需求分析和后期效果评估机制。
• 制度性障碍：调查广泛报告了阻碍AI整合的机构因素，主要包括：
  • 缺乏明确的AI使用政策。
  • 缺乏针对教师的系统性培训。
  • 基础设施（如算力、软件许可）支持不足。

4. 理论验证

研究结果初步证实了 DOT Framework 作为一个描述性模型的有效性，它能够很好地解释从业者信念与实践的结构。同时，研究也揭示了“设计导向理论”与“当前实施现状”之间的差距，特别是在系统性评估和反馈机制的缺失上。

关键要点

• 理论框架创新：引入 DOT Framework，将设计思维（迭代、用户中心）与开放系统理论（组织互动）结合，为理解AI教育整合提供了新的分析视角。
• 信念的三维结构：从业者的AI信念可归纳为“功能认可”、“人类监督”和“协作规划”三个核心维度，其中人类监督是平衡技术乐观主义的关键。
• 行为模式特征：
  • 强项：擅长利用AI进行内容生成和通过迭代提示优化结果（符合设计思维特征）。
  • 短板：缺乏系统性的需求分析和闭环反馈机制，导致AI应用可能停留在“工具层面”而非“教学设计层面”。
• 制度瓶颈：政策空白、培训缺失和基础设施不足是阻碍AI深入整合的三大主要障碍，而非教师的技术能力不足。
• 研究局限与方向：当前为横断面调查，样本量较小（n=72），未来需进行确认性因子分析（Confirmatory Validation）及基于结果的研究，以链接AI支持的设计实践与最终的教学质量。

意义与影响

1. 对教育政策制定者的启示

研究明确指出，单纯的技术引入无法解决AI教育整合的问题。机构必须提供配套的政策框架和基础设施支持。如果缺乏明确的指导方针和必要的培训，教师即使有使用AI的意愿，也难以将其转化为高质量的教学设计。

2. 对教师专业发展的指导

教师培训不应仅局限于“如何使用AI工具”，而应转向设计思维能力的培养。重点应放在如何系统地评估教学需求、如何建立有效的反馈循环，以及如何通过协作来优化AI辅助的教学流程。这有助于教师从“AI使用者”转变为“AI赋能的教学设计师”。

3. 对学术研究的贡献

• 测量工具的开发：本研究提供了一个初步的测量结构，用于量化从业者的AI信念，为后续大规模实证研究奠定了基础。
• 理论验证：初步验证了 DOT Framework 在解释复杂教育技术整合现象中的适用性，鼓励后续研究将其应用于其他学科或不同教育阶段。
• 填补空白：揭示了当前AI教育实践中“重生成、轻评估”的倾向，呼吁学术界关注AI应用后的学习效果评估和迭代改进机制。

4. 对伦理与实践平衡的强调

研究强调了“人类监督”在AI教育中的核心地位。这表明，尽管AI功能强大，但教育者并未放弃其专业判断和责任。未来的AI教育生态应是“人机协作”，其中人类负责价值判断、伦理监督和复杂教学设计，而AI负责执行和生成。

注：本文基于 arXiv 预印本论文《Practitioner Beliefs and Behaviors in AI-Enhanced Education: DOT Framework Survey Evidence》进行解读，投稿日期为2026年5月27日。