AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Профессиональное развитие преподавателей

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Профессиональное развитие — подготовка и непрерывное профессиональное развитие преподавателей, охватывающие доуниверситетскую подготовку учителей (программы начальной сертификации) и профессиональное развитие работающих учителей. В исследованиях по ИИ в образовании образование преподавателей стало центральной проблемой, поскольку ИИ-грамотность преподавателей, технологико-педагогические знания, этическая беглость и готовность интегрировать ИИ в преподавание определяют, будет ли внедрение ИИ в аудиториях успешным. Эта концепция организует существенное освещение в базе знаний того, как ИИ перестраивает подготовку, знания, убеждения и практику как будущих, так и практикующих преподавателей.

Вопросы для размышления

  • Здесь образование преподавателей охватывает доуниверситетскую подготовку (будущие преподаватели в программах сертификации) и профессиональное развитие работающих учителей (практикующие преподаватели). Какой из двух путей, по-вашему, сталкивается с большей задачей подготовки к аудиториям с ИИ, и почему?
  • Страница предполагает, что образование преподавателей должно готовить преподавателей не просто использовать инструменты ИИ, но понимать, оценивать и этично интегрировать их — сдвиг, который «переопределяет, что значит быть преподавателем». Как, по-вашему, это переопределение должно изменить то, чему учит программа сертификации?
  • Рамки вроде AI-TPACK расширяют классическую модель TPACK, добавляя измерение ИИ и этики. Как вы думаете, что «измерение ИИ» технологико-педагогического-предметного знания должно фактически содержать помимо того, как управлять чат-ботом?
  • Систематический обзор 55 исследований, процитированный на странице, обнаруживает, что ИИ усиливает дизайн обучения, рефлексию и критическое мышление будущих преподавателей. Но если ИИ может часть этого сделать за них, когда его использование в подготовке преподавателей формирует навык, а когда подменяет то самое суждение, в котором они будут нуждаться?
  • Если бы вы перепроектировали программу образования преподавателей для эпохи ИИ, что бы вы потребовали испытать каждому будущему преподавателю — и от чего бы вы намеренно не позволили им отказаться в пользу ИИ?

Введение

Образование преподавателей находится на пересечении нескольких направлений базы знаний: это дисциплина / область (подобно Образование в медицине и здравоохранении и Гуманитарное и социально-научное образование), но оно также опирается на общие концепции Преподавание, Технологические педагогические знания о содержании (TPACK), ИИ-компетентность преподавателя и ИИ-грамотность. В эпоху ИИ образование преподавателей должно готовить преподавателей не только использовать инструменты ИИ, но понимать, оценивать и этично интегрировать их — сдвиг, который переопределяет, что значит быть преподавателем. Науки об обучении поставляют знания, которые это становление должно нести: там, где эта область изучает, как люди учатся и как следует проектировать среды обучения, образование преподавателей — это профессиональное становление, в котором такие свидетельства должны оседать как собственная способность преподавателя проектировать, преподавать и оценивать.

Межуровневые свидетельства уточняют приоритет проектирования: многоуровневое исследование 46 преподавателей и 2 832 учащихся средней школы обнаружило, что педагогические ИИ-знания (TPAIK) — а не технические ИИ-знания, — определяли восприятие учащимися ИИ как силы для общего блага и их намерение изучать ИИ. Поэтому образование преподавателей должно выдвигать на первый план как преподавать с ИИ и об ИИ, а не владение инструментом, в соответствии с руководящим принципом «сначала педагогика, технология потом».

Доуниверситетское образование преподавателей

Доуниверситетское (начальное) образование преподавателей готовит будущих преподавателей в ходе их программ сертификации. ИИ-исследования в этом направлении включают:

  • Готовность по AI-TPACK и интеллектуальному TPACK. Инструменты и рамки измеряют и формируют готовность будущих преподавателей к интеграции ИИ, расширяя рамки Технологические педагогические знания о содержании (TPACK) измерением ИИ / этики.(Conceptualizing pre-service teachers' readiness for AI integration into teaching practices: An intelligent-TPACK approach)(Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs)

  • Профили принятия и парадокс лёгкости использования / намерения. Chen et al. (2026) разделили 128 будущих преподавателей на четыре группы принятия ChatGPT: Устойчивые скептики (14,06 %) сообщали о высокой воспринимаемой лёгкости использования, но об очень низком поведенческом намерении, поэтому одно лишь обучение операционным навыкам их не обращает.

  • Применения и выгоды. Систематический обзор 55 исследований показывает, что ИИ усиливает дизайн обучения будущих преподавателей, предметное преподавание, практические навыки преподавания, оценивание, рефлексивную практику, критическое мышление, интеграцию технологий и педагогические инновации.(Harnessing artificial intelligence for preservice teachers' development: A scoping review of applications, benefits, and challenges)

  • Доступ к генеративному ИИ без опоры оценивался ниже отсутствия генеративного ИИ. В 11-недельном квазиэксперименте с 52 будущими преподавателями класс без опоры на генеративный ИИ произвёл планы уроков с более низкими оценками по рубрике, чем класс без генеративного ИИ (скорректированные 86,54 против 81,87, F = 8.348, p = 0.006, η² = 0.146), без межгрупповых различий в Саморегулируемое обучение или критическом мышлении (Zhang et al. (2026)).

  • Образовательная робототехника и машинное обучение. Начальная подготовка преподавателей включает деятельность по кодированию, робототехнике и Машинное обучение (например, micro:bit) для формирования вычислительного мышления у будущих преподавателей.(Coding, robots, computational concepts, and machine learning using the microbit card and the Maqueen and Nezha kits. A study in initial teacher training)

  • Аутентичное оценивание и метакогниция. ИИ-опосредованные модели оценивания (например, AAIWA) интегрируют аутентичное оценивание на основе рубрик, реагирующую на условия ИИ-обратную связь и метакогнитивную рефлексию в доуниверситетских программах.(AI-mediated authentic assessment and metacognitive reflection: A mixed-methods study of the AAIWA model)

  • ИИ-поддерживаемое исследование в естественнонаучном образовании. Квазиэксперимент с 48 будущими преподавателями естественных наук в Тюрции (Aydın) интегрировал проблемное и дизайн-ориентированное обучение в 8-недельную программу ИИ-поддерживаемого управляемого исследования по фотосинтезу и дыханию. Она дала значительный прирост в концептуальном понимании двух биологических процессов, но не оказала значимого эффекта на ИИ-грамотность или самооценённое вычислительное мышление — напоминание о том, что ИИ-ориентированное обучение через исследование (IBL) может углубить предметное понимание кандидатов в преподаватели, автоматически не формируя их ИИ/КТ-компетентности, которые требуют явного, адресного проектирования.

  • Генеративный ИИ для конструктивистского дизайна обучения. Модель SAHAB — это квазиэкспериментальная интервенция профессионального развития, в которой генеративный ИИ даёт преподавателям возможность проектировать Конструктивизм обучение, с большими приобретениями (d = 1.18). Она показывает, что GenAI может служить опорой для дизайна обучения как для будущих преподавателей, так и для практикующих, — не просто доставляя контент, но поддерживая проектирование студентоцентрированных учебных активностей.

  • Обучение «умной аудитории» для магистрантов математики направления M.Ed. Zhu, Liang, Mao и Wang (2026) показывают, как курс магистратуры по математике может быть усилен интеллектуальными образовательными технологиями (автоматическое оценивание, персонализированные рекомендации, обратная связь от множества ИИ) на этапах до, во время и после занятия, что даёт статистически значимый прирост в мастерстве проектирования учебных целей. Переносимая модель D-T-E (Дисциплинарное требование – Технологическое расширение – Цикл оценивания) предлагает преподавателям-методистам дисциплинарно-специфичную рамку для интеграции умного образования в подготовку преподавателей в магистратуре.

  • Внедрение при разрешающей политике тоньше, чем предполагают опросы, и грамотность в оценивании не переносится. Zou et al. (2026) опросили 85 студентов-педагогов на трёх курсах образования преподавателей в Гонконге, где генеративный ИИ был явно разрешён в оценивании: 62,4 % (53) предпочли не использовать его вовсе, а использование принявшими было поверхностным и корректирующим (корректура 43,8 %, проверка ясности 34,4 %, генерация текста 18,8 %, мозговой штурм 12,5 %). Страх быть ошибочно обвинённым в плагиате (41,5 % непринявших) и предпочтение работы в одиночку (77,4 %) перевесили отсутствие навыков (13,2 %), а девять из одиннадцати интервьюированных трактовали разрешающую политику как возможную «ловушку» — свидетельство того, что будущие преподаватели приносят в курсы с разрешённым ИИ тревогу об честности, а не только готовность инструмента.

  • Написание политики по ИИ в аудитории как линза на мышление будущих преподавателей. Nash и Burriss (2026) предложили 27 будущим преподавателям английского языка средней школы в выпускном году программы подготовки преподавателей английского для средней школы написать политики по ИИ, которые они будут использовать в собственных аудиториях 6–12 классов, в штате без руководства по ИИ на уровне штата. 26 из 27 разрешили некоторое использование ИИ, почти всегда ограниченное заданиями, временем и местами, указанными преподавателем, и лишь один запретил его прямо по этическим основаниям, связанным с трудовой практикой и авторским правом; 22 разрешили ИИ для генерации идей, тогда как 22 запретили или оставили неясным использование ИИ для составления предложений, абзацев или работ, а сопровождающие рефлексии читаются как согласования между педагогическими обязательствами и ощущаемой обязанностью интегрировать ИИ. Предложение будущим преподавателям сочинить политику — а не обсуждать ИИ абстрактно, — выявило их философии, убеждения и предположения об учебном плане, что делает написание политики высокоценной активностью для методических курсов.

  • Политика не управляет практикой. Данные опросов за четыре семестра из программы образования преподавателей в США показывают, что использование GenAI для подготовки к оцениванию выросло с 57 % до 83 %, а для учёбы — с 44 % до 76 %, даже когда учебные заведения рассматривали программное обеспечение для обнаружения ИИ, причём этическая неопределённость росла по всем волнам (Parker et al. (2026)).

Профессиональное развитие работающих учителей

Профессиональное развитие работающих учителей поддерживает практикующих преподавателей в интеграции ИИ. ИИ-исследования здесь включают:

  • Рамки профессионального развития на основе интеллектуального TPACK. Опирающаяся на исследование рамка согласует пять областей знаний i-TPACK с четырьмя основанными на свидетельствах путями профессионального развития (активное обучение, модели / примеры, коучинг, обратная связь / рефлексия).(Designing effective AI professional development: A framework grounded in intelligent-TPACK)

  • Технологико-педагогическое знание (TPK), специфичное для GenAI. Сами преподаватели-методисты нуждаются в GenAI-TPK — педагогическом рассуждении, этической осведомлённости и ИИ-усиленном дизайне обучения, — чтобы готовить преподавателей.(Teaching the teachers: A systematic review of genAI-specific technological pedagogical knowledge (TPK) in teacher education)

  • Человекоцентрированная и критическая ИИ-грамотность. Дизайн-исследовательские работы производят учебные программы профессионального обучения, которые операционализируют критическую ИИ-грамотность через человекоцентрированные ИИ-активности, включая задачи с преподавателем в цикле.(Human-centered AI for teacher educators: Designing professional learning for critical AI literacy)

  • Потенциал формируется деланием, а не изучением. Структурная модель на основе TPACK у 122 работающих преподавателей обнаружила, что фактическое использование ИИ на задачах по естествознанию и «зелёной» энергетике и участие в разработке материалов, согласованных с ОУР, предсказывали способность к интеграции ИИ, тогда как абстрактные знания об ИИ и установки по отношению к ИИ — нет (Riandi et al. (2026)).

  • Совместное оценивание ИИ-сгенерированного контента как профессиональное развитие. Gat, Usher и Barak (2026) сообщают о семинаре, на котором 60 преподавателей естествознания средней школы оценивали сгенерированные ChatGPT вопросы для оценивания через своё дисциплинарное, педагогическое и учебно-плановое суждение. Совместное оценивание само функционировало как профессиональное развитие, помогая преподавателям применять к результатам ИИ критерии концептуальной точности и вскрывая риск того, что ИИ-контент закрепляет Заблуждения об ИИ — позиционируя преподавателей как критических оценщиков материала GenAI, а не пассивных потребителей.

  • Структурированное профессиональное развитие для преподавателей языка редко, но эффективно. Систематический обзор 23 исследований (Li et al. 2026) обнаружил, что лишь три включённых исследования сообщали о структурированном профессиональном развитии — встроенный модуль грамматического курса, государственная программа EMI и встроенное исследование с чат-ботом, — однако все сошлись на приобретениях в знании, уверенности и переосмыслении идентичности, сдвигая взгляды преподавателей на GenAI от «риска замены» к ассистенту / усилителю. Обзор утверждает, что профессиональное развитие должно сочетать формирование технического навыка с практической мудростью, двигаясь от повышения осведомлённости и этики через практическое освоение инструментов к совместному проектированию ИИ-усиленных уроков, и рекомендует двухфазную стратегию внедрения «сначала бэкенд, потом аудитория».

Яснейший в базе знаний пример управляемого рамками профессионального развития по GenAI для математики — исследование восьми работающих преподавателей из сельских и недостаточно обеспеченных ресурсами округов, завершивших десять интерактивных модулей, построенных на рамках 4P Родса (How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge). Оно поставляет два механизма проектирования, которых иначе не хватает здесь в дизайне профессионального развития работающих учителей: опору, которая намеренно снимается (явное руководство вначале, затем просьбы обосновать, обобщать и проектировать задачи), и симуляцию рассуждений учащихся в модулях 6–10, наряду с выводом, что MC, CK и PCK двигались вместе, — при измерении только вовлечённости, а не знаний преподавателей или обучения студентов.

  • Программы после получения квалификации. ИИ-грамотность и использование ИИ преподавателями естественных наук, работающими в системе, информируют проектирование связанных с ИИ программ после получения квалификации.(Science educators' AI literacy and AI usage in teaching: Implications for post-qualification programs)

  • ИИ-поддержка и руководство в дизайн-работе преподавателей. Pishtari, Gnadlinger и Ley (2026) предложили 13 преподавателям высшего образования проектировать активности в условиях без ИИ, с ИИ-чат-ботом и с ИИ плюс обучением в рамках программы на полдня. Доступ к ИИ повысил достижение задач высшего порядка (по Блуму) и снизил воспринимаемое когнитивное усилие, тогда как последующая сессия обучения взаимодействию вывела качество на плато, но слегка повысила усилие (отношение германской и посторонней нагрузки осталось неразрешённым). Это обрамляет профессиональное развитие для преподавания эпохи ИИ как нуждающееся и в основанных на педагогике рамках дизайна (Блум, ICAP), и в структурированных стратегиях взаимодействия с чат-ботом, предупреждая при этом, что приобретения в качестве могут маскировать разгрузку педагогических решений на ИИ.

Знания, убеждения и практика

Ключевой вывод по всему исследованию образования преподавателей — разрыв между тем, что преподаватели формулируют, и тем, что они осуществляют: преподаватели часто заявляют об операционных ИИ-навыках, но испытывают трудности с применением педагогически значимых знаний на практике.(Beyond operational skills: Teachers' AI knowledge and interactions with generative AI in lesson planning) Это различие идёт ещё глубже, когда опыт пересекается с владением ИИ: Choi et al. (2026) обнаружили, что технически беглые новички всё ещё пассивно принимают результаты ИИ при дизайне уроков, тогда как опытные преподаватели — даже с более низким измеренным владением ИИ, — критически пере-промптят и адаптируют предложения ИИ к своим студентам и контексту. Следствие состоит в том, что профессиональное развитие работающих учителей не может трактовать «формирование ИИ-навыка» как достаточное; оно должно различаться по профилю опыта и владения преподавателя — опоры для оценивания ответов и критической адаптации для новичков, практическое формирование ИИ-навыков для опытных преподавателей с более слабым владением ИИ. Экспертное суждение об ИИ-сгенерированных планах уроков делает эту критически-адаптивную позицию нормой, а не исключением: Karaismailoglu, Surmeli и Yildirim (2026) обнаружили, что одиннадцать турецких специалистов по естественнонаучному образованию оценили планы ChatGPT-4 и Teacher's Buddy для раздела шестого класса как пригодные черновики — 7 из 11 судили их как «применимые с исправлением», лишь 3 — прямо «Применимые», — и их предпочтения расходились с сырыми оценками, отдавая предпочтение аффективным и контекстуальным качествам перед структурной точностью. Поэтому образование преподавателей должно формировать способность оценивать, адаптировать и локализовать ИИ-сгенерированные учебные материалы как базовую профессиональную компетентность и в доуниверситетских, и в программах для работающих учителей. Психологические факторы также важны — Самоэффективность положительно предсказывает AI-TPACK, тогда как сильные традиционные убеждения о преподавании могут действовать как когнитивное препятствие.(Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs) Доверие в ИИ формируется и техническими знаниями, и этическими восприятиями (прозрачность, справедливость, подотчётность, инклюзивность).(Unpacking ethics-domain of intelligent-TPACK scale in relation to in-service teachers' trust and distrust) Измерение ИИ-грамотности преподавателей само является активным фронтом: поскольку большинство оцениваний ИИ-грамотности нацелены на студентов или обычных пользователей, Шкала ИИ-грамотности преподавателей (TAILS) — основанная на шестимерных рамках ED-AI, — была разработана и валидирована специально для будущих преподавателей языка через EFA и CFA, заполняя пробел в измерении внутри образования преподавателей. Сопоставимо игнорируемый вопрос — меняет ли ИИ-готовность режим подготовки. Mnguni et al. (2026) опросили 186 студентов-педагогов естественных наук последнего года в Южной Африке и обнаружили, что самооценённый TPACK для ИИ-интегрированного преподавания выше в университете с очным обучением (64,0 %), чем в университете дистанционного образования (47,4 %), причём педагогическое знание было самым слабым в обоих, а обучение ИИ было связано с самооценённым TPACK только в дистанционном учебном заведении, где краткий курс в пять кредитов предсказывал более слабый самооценённый TPACK, чем отсутствие обучения. Поэтому дистанционная подготовка нуждается в собственной базе свидетельств, а не в предположении, что обучение, спроектированное для очных программ, переносится.

Симулированная преподавательская практика

Помимо контента и убеждений, подготовка преподавателей всё чаще использует симулированные аудитории для практики руками, которая масштабируется. EducaSim использует генеративных студенческих агентов (с персонами, привязанными к курсу воспоминаниями и речевым оракулом на базе Большие языковые модели (LLM)-как-судья) для симуляции секции малой группы для преподавателей в обучении на курсе CS1, поддерживающем ~20 000 студентов. Развёрнутый как необязательный инструмент подготовки на протяжении 254 сессий (среднее ~16 мин), он обеспечивает недорогую (\0.05–0.05–\\0.10 за сессию) ролевую практику со структурированной обратной связью после сессии (статистика времени говорения, выявленные LLM поведенческие паттерны преподавания) и промптами саморефлексии. Это дополняет парадигму Моделирование учащихся: симулированные учащиеся служат не только оцениванию, но и опытно-ориентированной, высокочастотной подготовке преподавателей, особенно для массовых онлайн-курсов, где живой коучинг не масштабируется. Предметно-специфичным примером является Student GPT (Zhuang и Zhang 2025), специальный чат-бот ChatGPT, отыгрывающий учащегося средней школы, держащего распространённые заблуждения в рассуждении о пропорциях; будущие преподаватели математики средней школы практиковали диагностирование и исправление этих заблуждений в безопасных, персонализированных взаимодействиях в рамках методического курса, показывая, как лёгкая GenAI ролевая игра может поддерживать основанное на практике преподавание.

Значение для преподавателей-методистов

  • Формируйте и ИИ-грамотность, и критический AI-TPACK. Будущие и работающие преподаватели нуждаются в готовности к интеграции ИИ — инструменты расширяют TPACK измерением ИИ / этики (AI-TPACK, профессиональное развитие по i-TPACK); учите этическому рассуждению, прозрачности и справедливости наряду с использованием инструмента.

  • Закрывайте разрыв между формулированием и осуществлением. Преподаватели часто заявляют об операционных ИИ-навыках, но испытывают трудности с их педагогическим применением; проектируйте профессиональное развитие, которое ведёт от знания к осуществлённой практике (планирование уроков).

  • Используйте симулированную практику для масштабирования подготовки. EducaSim-подобные симулированные аудитории дают преподавателям в обучении недорогую, высокочастотную практику с обратной связью — дополнение к ограниченному живому коучингу.

  • Работайте с убеждениями и доверием. Самоэффективность предсказывает AI-TPACK, тогда как сильные традиционные убеждения о преподавании могут быть препятствием, а Доверие формируется прозрачностью / справедливостью, — уделяйте внимание этим психологическим факторам, а не только навыкам.

  • Возврат от дилемм аудитории. Kohnke et al. (2026) интервьюировали 17 будущих преподавателей в университете Гонконга и двигались назад от ожидаемых дилемм аудитории к потребностям дизайна образования преподавателей. Будущие преподаватели высказывали обеспокоенность академической честностью, приватностью и сохранением существенных человеческих навыков в среде, управляемой GenAI, указывая на последствия для учебного плана, вплетающие этику, Приватность и ИИ-грамотность (с навыками критического мышления) во всю подготовку преподавателей, а не трактующие ответственное использование как дополнение.

  • ИИ как когнитивный посредник в рефлексии преподавателя (2026): основанная на практике Треугольная модель рефлексии использует ИИ как посредника между индивидуальной рефлексией преподавателя и разделяемым профессиональным знанием в сообществах учения, решая распространённый провал, при котором рефлексия не превращается в коллективное профессиональное обучение (The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development).

  • Сделайте проектирование оценивания с GenAI частью профессиональной учебно-плановой работы. Студенты-педагоги в Zou et al. (2026) показали слабое намерение перепроектировать собственные будущие школьные оценивания в ответ на генеративный ИИ, а участники из дошкольного и среднего звена в основном судили технологию как нерелевантную их собственному контексту преподавания — неразвитое измерение грамотности в оценивании, а не пробел в знании. Поэтому программы образования преподавателей должны встраивать этичное использование GenAI в проектирование оценивания как часть профессионального учебного плана, сочетая согласованность политики на уровне программы с конкретными примерами приемлемого и неприемлемого использования и своевременной Обратная связь на фактическое использование ИИ студентами.

  • Разделяйте делегируемую и неделегируемую работу. O'Byrne (2026) обнаружил, что 23 студента бакалавриата, большинство — будущие преподаватели, произвели сопоставимые артефакты независимо от того, вели ли они работу по установлению границ сами или делегировали её рано, и «напряжение из-за нечестности» вокруг авторства было сильнее всего у тех, кто делал больше всего работы по установлению границ, — поэтому педагогическая цель — суждение о том, какую интерпретационную работу не отдавать.

  • Сделайте написание политики для аудитории базовой активностью образования преподавателей и трактуйте неопределённость как изъян политики. Nash и Burriss (2026) обнаружили, что предложение будущим преподавателям написать собственные политики по ИИ для аудитории функционирует как риторическое миростроительство о том, для чего нужно письмо, — окно в возникающие убеждения, которое абстрактное обсуждение не открывает. Поскольку ИИ отделяет письмо-как-продукт от письма-как-процесса, программы должны помогать преподавателям локализовать, где мышление, обучение и ценность фактически живут на протяжении мозгового штурма, составления черновиков, пересмотра и редактирования, а не локализуя мышление только в окончательном тексте, и должны поддерживать их в переводе убеждений в операционные, однозначные правила, сочетаемые с обучением ИИ-грамотность: противоречия вроде запрета ИИ-сгенерированного текста при удержании студентов ответственными за ИИ-сгенерированный контент, который они сдают, оставляют студентов неспособными соответствовать требованию.

Связанные концепции

Связанные статьи

Связанные FAQ

Метаданные

УровеньTeacher Education, K 12, Adult Learning
Целевая аудиторияInstructors
Основы ИИ в образованииИИ-грамотность, Преподавание, Технологические педагогические знания о содержании (TPACK)
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.