База знания AIEdAIEd KB
На тази страница

Прочетете тази страница на английски

Понятия

Технологични педагогически съдържателни знания (TPACK)

Създадена 2026-08-14 · Актуализирана 2026-11-08

Автоматичен машинен превод на тази английска страница, който още не е проверен от носител на езика.

Технологичните педагогически съдържателни знания (TPACK) — рамката (Mishra & Koehler, 2006), която описва интегрираното знание, от което учителите се нуждаят, за да използват технология ефективно в преподаването: взаимодействието на технологичното знание (TK), педагогическото знание (PK) и съдържателното знание (CK) и техните пресечни точки. В ерата на AI TPACK е разширен до AI-TPACK / GenAI-TPACK, моделирайки как учителите интегрират генеративен AI в обучението по предметно съдържание. Тя е доминиращата теоретична леща за разбиране как AI компетентността на учителите е структурирана и изграждана чрез професионално развитие.

Тази доминация е донякъде и артефакт от търсенето: в PRISMA обхватен преглед на 195 изследвания за подпомогнато от технологии обучение на учители дигиталната компетентност, TPACK и DigCompEdu са били явни дескриптори за търсене, така че 46,5% дял на рамките за компетентност описва извлечения корпус, а не областта (Patiño Hernández et al. (2026)).

Въпроси за размисъл

  • TPACK твърди, че ефективното преподаване с технология не е сбор от отделни умения (да знаеш предмета си + да знаеш как се преподава + да знаеш инструмента), а продукт на тяхното взаимодействие. Спомнете си урок, който наистина е проработил с технология. Кои комбинации от съдържателно, педагогическо и технологично знание — а не кое да е едно от тях — изглежда вършеха работата?
  • Често се предполага, че учител, който е „технически грамотен“, е готов да преподава с AI. Къде може да се провали това предположение — например когато технически свободен учител все пак използва AI педагогически повърхностно или съдържателно неточно? Как би изглеждала „компетентност“, която прост тест за технически умения пропуска?
  • Ерата на AI преформулира технологията в TPACK от пасивен инструмент в активен агент, който може да планира, генерира и обучава. Ако работата на учителя се измества от управление на инструмент към оркестриране на AI, който действа сам, какво ново знание изисква това — и може ли който и да е статичен списък да го улови?
  • Страницата предполага, че професионалното развитие трябва да обучава пресечните точки, а не само инструментите. Помислете за последното обучение по технологии, в което сте участвали или което сте проектирали. Беше ли предимно „как се използва софтуерът“, или изграждаше съдържателно и педагогическо знание заедно с технологията? Кой подход би променил повече класната практика и защо?
  • Изследванията откриват различни „архетипове на учители“ — оптимизатори, създатели, пасивни наблюдатели — които печелят от различен вид подкрепа. На кой архетип най-много приличате, когато използвате AI в преподаването, и какъв скафолдинг би ви помогнал най-много? Бихте ли се описали по същия начин, по който вашите обучаеми биха ви описали?
  • Някои изследователи твърдят, че ефективната AI интеграция изниква от вярванията на учителя и усещането му за ефективност, а не само от знанието му. Какво вярвате за ролята на AI в ученето и как това вярване — повече от техническите ви умения — би могло да оформи дали и как действително го интегрирате?

Въведение

  • Crompton et al. чрез DBR операционализират стандарти за технологична интеграция на преподаватели, които разширяват рамката TPACK в институционалната практика.

Рамката

TPACK твърди, че ефективната технологична интеграция не е сбор от отделни области на знанието, а продукт на тяхното динамично взаимодействие. Рамката обхваща три базови области и четири пресечни точки:

  • Съдържателно знание (CK) — знание за предмета, който ще се преподава.

  • Педагогическо знание (PK) — знание за методите на преподаване, стратегиите и това как учат студентите.

  • Технологично знание (TK) — знание как да се използват инструменти и технологии, включително генеративен AI.

  • Педагогическо съдържателно знание (PCK) — как да се преподава определено съдържание ефективно.

  • Технологично съдържателно знание (TCK) — как технологията оформя и представя съдържанието.

  • Технологично педагогическо знание (TPK) — как технологията подкрепя или ограничава преподавателските стратегии.

  • TPACK — възникващото, интегрирано знание в центъра, където и трите области взаимодействат, за да дадат възможност за подсилено от технологии, специфично за съдържанието преподаване.

  • Рамката доминира в областта по подразбиране и бива разтягана, за да пасне. В преглед по PRISMA на 78 изследвания за подпомогнат от AI инструкционен дизайн само 19 прилагат някаква именувана рамка за компетентност — а TPACK и неговите варианти представляват 17 от тези 19, използвани продуктивно като аналитична леща, но разтегнати отвъд първоначалния си обхват, тъй като TPACK не е проектиран за специфични за AI способности. Създадените нарочно разширения са съответно редки: Intelligent-TPACK се появява само в пет изследвания, обикновено съчетан с AI грамотност, за да се справи с развитийната прогресия (Spyropoulou & Kameas, 2026).

  • Изследванията напредват неоретизирано, докато политическите рамки остават непроверени. Същият преглед установява, че 76% от изследванията извеждат компетентности от практиката без никакво теоретично картографиране, и нито DigCompEdu, нито Рамката за AI компетентности на UNESCO за учители е приложена като аналитична рамка в което и да е от 78-те — разрив, който тече в двете посоки, тъй като емпиричната работа не натрупва споделен речник, а рамките, предназначени да насочват практиката, остават емпирично непроверени в този контекст.

AI-TPACK и GenAI-TPACK

Ерата на AI тласна рамката към прочит на технологията като технология с интелигентност. Вместо пасивен инструмент, генеративният AI е активен агент, който може да планира, да генерира съдържание, да обучава и да се адаптира — затова знанието за интеграция все по-често включва оркестрация: решаване кога и как AI действа, скафолдва или отстъпва на човешката преценка.

  • Отвъд отделните знания. Изследванията върху AI-TPACK твърдят, че ефективната AI интеграция изниква не от притежаването на отделни области, а от динамичното взаимодействие на системно мислене, педагогически вярвания и самоефективност — което оспорва статичните, базирани на списък модели на AI компетентността на учителя. Архетиповете на учители (систематични оптимизатори, продуктивни създатели, пасивни наблюдатели) изникват от това как учителите проектират многоагентни инструкционни работни процеси.

  • Какво пропускат рамките за интеграция. Критика от гледна точка на съвместната самостоятелност твърди, че TPACK и SAMR разглеждат знанието на учителя и нивата на приемане, но оставят властта, собствеността върху данните и отчетността неадресирани, така че знанието за интеграция се нуждае от явна етична граница, а не от още една област на знанието (Poudyal (2026)).

  • Междунивови доказателства за педагогическото ядро. Многонивово изследване на 46 учители и 2 832 средношколци установява, че самото техническо AI знание е недостатъчно — дори леко притъпява възприятията на учениците за AI в полза на обществото — докато педагогическото AI знание (TPAIK) е това, което подхранва възприятията на учениците и поведенческото им намерение да учат AI. Резултатът се свежда до насоката „първо педагогиката, после технологията“, която повтаря констатациите за медииращата роля по-горе.

  • Етиката като интегративен медиатор, а не граница. В анкета с 454 университетски преподаватели изолираното AI-технологично знание има отрицателна пряка връзка с интегрирания AI-TPACK (β = −0,303), докато общият му ефект остава положителен (β = 0,639), минавайки през педагогическо, съдържателно и етично знание (Chen et al. (2026)). Етичното знание също провежда ефекта нататък, предсказвайки както педагогическото (β = 0,353), така и съдържателното знание (β = 0,269).

  • Леща за преглед на цялата област. Систематичен преглед от гледна точка на TPACK (Liu & Zhong, 2025) анализира 71 емпирични изследвания за GenAI в ученето на студенти, намирайки общ положителен ефект (Hedges' g = 0,752) и определя като два критични приоритета за областта: GenAI грамотността за студенти и професионалното развитие по GenAI-TPACK за учители.

  • Самата компетентност не предсказва педагогическа интеграция. Choi et al. (2026) измерват Intelligent-TPACK на учители, за да сегментират участниците, и наблюдават, че дори AI-компетентните новаци разчитат пасивно на изхода на AI при проектиране на уроци, докато опитните учители — с по-нисък измерен AI-TPACK — критично се връщат към предложенията на AI и ги адаптират към педагогическия контекст. Резултатът подсилва модела по-горе: AI-TPACK се превежда в разумна класна употреба чрез опитната педагогическа преценка, поради което подкрепата в подготовката на учители трябва да е насочена към прилагането на AI знанието, а не към самото му притежаване.

  • Контекст на подготовката на учители. TPACK е инструментален за култивиране на компетентността на учителите да интегрират технология в обучение, специфично за учебната програма, поради което изследванията на подготовката на учители и професионалното развитие (напр. интензивни програми за професионално развитие по GenAI, готовност за AI-TPACK сред бъдещи учители) все по-често го измерват като резултат от интерес.

  • Педагогическото знание медиира интеграцията на GenAI. Mohebi and ElSayary (2026) анкетират 325 работещи учители в 26 държави и интервюират седем, използвайки обяснителен последователен смесен дизайн, за да моделират TPACK-GenAI. Технологичното знание (TK), педагогическото знание (PK) и педагогическото съдържателно знание (PCK) се свързват с цялостния TPACK-GenAI, но технологичното педагогическо знание (TPK) медиира тези връзки — доказателство, че преходът „от компетентност към педагогика“ има значение: превеждането на GenAI умение в разумна класна употреба минава през знанието за педагогическо-технологична интеграция, а не само през запознатост с инструмента.

  • В висшето образование предметната експертиза не се пренася в интеграцията на GenAI. Sutedjo, Chowdhury & Liu (2026) адаптират инструмента TPACK-21, за да анкетират 127 преподаватели в американски изследователски университет относно използването на GenAI за преподаване на умения от 21-ви век. Преподавателите съобщават силно CK (M = 5,15) и PCK (M = 4,70), но ниско технологично интегрирано знание — TPK (M = 2,62), TCK (M = 2,75) и цялостен TPACK (M = 2,55, най-ниската област) — а CK не показва значима корелация с TK или с която и да е технологично интегрирана област (r = 0,11–0,15, ns). Трите технологично интегрирани области се корелират толкова силно помежду си (r = 0,81–0,91), че може да функционират като единен фактор за интеграция на GenAI. Резултатът подсилва дизайнерския принцип обучавай пресечните точки: развитието на преподавателите трябва умишлено да изгражда знание за интеграция на GenAI чрез дисциплинарно специфични дейности, вместо да предполага, че предметната експертиза ще се пренесе, и да третира технологично интегрираните области като споделена основа на GenAI грамотността.

  • Институционалният режим и нивото на обучение взаимодействат. Mnguni et al. (2026) сравняват 186 завършващи студенти по природни науки в южноафрикански университет с присъствен кампус (n = 85) и в университет за дистанционно образование (n = 97). Самоотчетеният TPACK е по-висок в кампуса (64,0% срещу 47,4%), педагогическото знание е най-слабо отчетената област и в двете групи (53% в кампуса), а нивото на AI обучение се свързва със самоотчетения TPACK само в дистанционната институция, където завършването на кратък курс от пет кредита предсказва по-слаб отчетен TPACK от липсата на обучение (p = 0,039, срещу p = 0,607 в кампуса). Готовността следователно следи контекста на институционалното осигуряване, а не само часовете обучение, и авторите предупреждават, че самоотчетената готовност не може да замести доказателства за изпълнение.

Допълнително предупреждение за измерването идва от Модела способност–решение на същия автор: когато TPACK е самоотчетен и възприеманият поведенчески контрол се измерва като самоефективност, двете може да не са емпирично различими, така че едно изследване не може да каже дали способността или общата увереност предсказва намерението (Mnguni (2026)).

  • Интегрираният TPACK се движи най-много, когато AI е скафолднат в автентични задачи, базирани на проблеми. Chen and Osman (2026) сравняват осемседмичен модул CTD-PBL с AI подкрепа с конвенционално обучение за 130 третокурсници бъдещи учители по физика в квазиекспериментален дизайн с цели класове (65 във всяко условие), като групите използват DeepSeek чрез специфични за задачата шаблони за подкани и всеки изход на AI трябва да премине човешка верификация, преди да влезе в инструкционен артефакт. Групата на модула съобщава по-висок TPACK след теста (M = 4,04 срещу 3,40, p < 0,001, d = 1,02) и по-високо възприемано съвместно решаване на проблеми (M = 3,62 срещу 3,05, d = 0,88), със значими взаимодействия група × време по двата резултата. Къде са се появили печалбите е детайлът, важен за TPACK: най-големите размерни ефекти са в интегрираните области — TPCK (d = 1,21), PCK (d = 1,06) и TPK (d = 0,95) — а печалбите в сътрудничеството са най-ясни при споделеното изграждане на знание и социалната регулация, т.е. в пресечните точки, а не в базовите области. Авторите ги представят като диференциална промяна, свързана с интегрирано инструкционно условие, а не като ефект на AI: AI никога не е бил изолиран от веригата задачи по PBL, структурираното сътрудничество, инструкционния скафолдинг, взаимната обратна връзка или рефлексивната ревизия, и двата резултата са базирани на въпросник възприятия за компетентност, а не демонстрирано класно представяне.

  • Интервенцията може да движи първо базовата област. Шестмесечна програма за професионално развитие, изградена директно върху рамката Intelligent-TPACK, повишава най-много техническото AI знание (AITK: 3,92 до 4,43, t(63) = 3,856, p < 0,001, d = 0,48), след това технологично-педагогическото знание (AITPK: d = 0,33) и най-малко интегрирания AITPACK (d = 0,26), като етичната осведоменост остава относително непроменена (Tan, Cheng & Ling, 2025). Подредбата е огледален образ на печалбите в интегрираните области при Chen и Osman, и двете са самоотчет.

AI-TPACK като медиатор между грамотността и класната интеграция. Структурно уравнение на китайски бъдещи учители по природни науки (Zou, Li, Wang & Du, 2026) позиционира AI-TPACK не като паралелна компетентност, а като предавателния механизъм, чрез който общата AI грамотност се превръща в преподавателска практика. AI грамотността предсказва силно AI-TPACK, AI-TPACK от своя страна предсказва свързаната с природните науки самоефективност за преподаване, а самоефективността в преподаването е най-силният единичен предиктор на намерението да се преподава чрез интегрирано с AI учене чрез изследване.

Цялата серийна верига (AI грамотност → AI-TPACK → самоефективност → намерение) е значима, както и отделните непряки пътища през AI-TPACK и през самоефективността; взети заедно, по-голямата част от връзката на AI грамотността с намерението минава през тези медиатори, а не директно, и резултатът се запазва след контрол за пол, година на обучение, специалност и честота на използване на AI. Практическото твърдение на модела е последователност с входна точка: AI грамотността е необходима, но недостатъчна, а работата по интеграцията се случва там, където технологичното, педагогическото и съдържателното знание се съчетават — което е и мястото, където се изгражда увереността на учителите да преподават предмета.

  • Валидирането като четвърта компетентност. Orhon, Cekerol and Ugur (2026) разширяват модела с AI знание за валидиране — подлагане на вероятностния изход на AI на дисциплинарно специфична верификация, преди да бъде третиран като доказателство за законно решение — и го съчетават с процесно ориентирана рубрика за дизайнерско образование.

Защо това има значение в AI образованието

TPACK е организиращата рамка за учителската страна на доказателствената база в базата знания. Тя обяснява защо AI компетентността на учителя е повече от владеене на инструменти: учителите трябва да интегрират технологично, педагогическо и съдържателно знание заедно, за да превърнат AI в печалби за ученето. Страницата AI компетентността на преподавателите в базата знания обхваща измеренията на компетентността; TPACK е структурата на знанието, която стои под тях. Изследванията върху увереността на учителите, професионалното развитие и променящата се роля на учителя работят в рамките на тази рамка (или срещу нея). Рамката сега се разширява и към оценяване на цели програми: Wu & Li (2026) изграждат система за оценяване AHP-Fuzzy-AHP на сертификатни програми по AI върху измеренията на TPACK и установяват, че професионалната компетентност на преподавателите — а не техническата инфраструктура — е най-голямата пропаст между експертния приоритет и текущото предлагане, което сигнализира, че сертифицирането трябва да инвестира в интегрирания педагогически капацитет на учителите.

Медиацията минава предимно през лекотата на използване. Zhao (2026) тества шест непряки пътя от AI грамотността и TPACK към дълбокото учене при 423 бъдещи учители: TPACK през възприетата лекота на използване е най-голям (0,212), а AI грамотността през полезността — най-малък (0,033), така че знанието за интеграция работи през използваемостта, а не през полезността. Компонентите не тежат еднакво в случая с AI. Сред 988 бъдещи учители TCK (β = 0,67) и TPK (β = 0,41) предсказват интегрирания AI-TPACK, докато TK сам по себе си не (β = −0,10, p = 0,066), а интегрираният TPACK предсказва отношението към GenAI (β = 0,75) (Khalil et al., 2026).

Последици за дизайна

  1. Обучавай пресечните точки, а не само инструментите. Професионалното развитие трябва да изгражда технологично, педагогическо и съдържателно знание заедно, вместо да предлага изолирано обучение по инструменти — основният дизайнерски принцип на TPACK.
  2. Третирай AI като агент, а не като домакински уред. AI-TPACK разширява рамката към оркестрация на AI агенти, изисквайки системно мислене и педагогическа преценка кога AI трябва да действа.
  3. Диференцирай професионалното развитие по профил на учителя. Различните архетипове на учители (оптимизатори, създатели, наблюдатели) печелят от различен скафолдинг — съответно напреднали рамки, бърза обратна връзка или явно моделиране.
  4. Оценявай интегрираната компетентност. Ориентираните към TPACK резултати (напр. печалби в AI-PCK) трябва да се измерват като интегрирана способност, а не като самоотчетена запознатост с инструменти.

Чести заблуди

  • „Доминацията на TPACK отразява обяснителната му сила.“ Тази доминация е донякъде артефакт от търсенето: в PRISMA обхватен преглед на 195 изследвания за подпомогнато от технологии обучение на учители дигиталната компетентност, TPACK и DigComp доминират в индексираната литература. Разпространението в едно търсене е свойство на речника, който областта използва, а не доказателство, че рамката обяснява повече.
  • „Известната рамка е валидирана за AI.“ TPACK не е проектиран за специфични за AI способности, поради което е разработен Intelligent-TPACK — и той се появява само в пет изследвания в прегледа на 78 изследвания. Използването на TPACK за GenAI компетентност го разтяга отвъд неговото конструиране.
  • „Прилагането на рамка означава, че изследването е теоретизирано.“ Същият преглед установява, че 76% от изследванията извеждат компетентности от практиката без никакво теоретично картографиране, така че присъствието на TPACK в областта съществува редом с това, че повечето изследвания са неоретизирани. Именуваната рамка не е същото като рамка, която върши работа.

Свързани концепции

Свързани статии

Свързани ЧЗВ

Метаданни

Целева аудиторияFaculty Developers, Instructors
Технологии и техникиGenerative AI
Основи на AI в образованиетоAI грамотност, Дизайн на учебната програма, Образователно развитие, Дизайн на обучение, Преподаването, Технологични педагогически съдържателни знания (TPACK), Компетентност на учителите за AI
ИзточникИсторияРедактиранеЧат

Вграждане на тази страница

Копирайте кода по-долу, за да вградите тази страница в система за управление на обучението или друг уебсайт. Вгражданата версия показва само съдържанието на страницата — скрива заглавната част, навигацията и долния колонтитул на сайта.