AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Технологические педагогические знания о содержании (TPACK)

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Технологические Pedagogical знания о содержании (TPACK) — рамка (Mishra & Koehler, 2006), описывающая интегрированные знания, необходимые преподавателям для эффективного использования технологий в преподавании: взаимосвязь технологических знаний (TK), педагогических знаний (PK) и знаний о содержании (CK), а также их пересечений. В эпоху ИИ TPACK был расширен до AI-TPACK / GenAI-TPACK, моделируя, как преподаватели интегрируют генеративный ИИ в преподавание содержания предметной области. Это доминирующая теоретическая оптика для понимания того, как устроена и формируется teacher AI competency через professional development.

Это доминирование отчасти является артефактом поиска: в scoping-обзоре PRISMA 195 исследований поддержанной технологиями подготовки преподавателей цифровая компетентность, TPACK и DigCompEdu были явными поисковыми дескрипторами, поэтому доля в 46,5% у рамок компетентности описывает полученный корпус, а не область (Patiño Hernández et al. (2026)).

Вопросы для размышления

  • TPACK утверждает, что эффективное преподавание с технологиями — это не сумма отдельных навыков (знание своего предмета + знание преподавания + знание инструмента), а продукт их взаимосвязи. Вспомните урок, который по-настоящему удался с технологией. Какие комбинации знаний о содержании, педагогике и технологиях — а не какая-то одна из них — казалось, выполняли работу?
  • Распространённое допущение состоит в том, что преподаватель, «разбирающийся в технологиях», поэтому готов преподавать с ИИ. Где это допущение может потерпеть неудачу — например, когда технически подкованный преподаватель всё же использует ИИ педагогически поверхностно или неточно по содержанию? Как выглядела бы «компетентность», которую простой тест технических навыков упускает?
  • Эпоха ИИ переосмысливает технологию в TPACK из пассивного инструмента в активного агента, способного планировать, генерировать и обучать. Если работа преподавателя смещается от управления инструментом к оркестровке ИИ, действующего самостоятельно, какие новые знания это требует — и может ли какой-либо статичный чек-лист это схватить?
  • Страница предполагает, что профессиональное развитие должно тренировать пересечения, а не только инструменты. Подумайте о последней подготовке по технологиям, которую вы посещали или проектировали. Это было в основном «как пользоваться программой», или она строила содержание и педагогику вместе с технологией? Какой подход, по вашему ожиданию, сильнее изменит практику в учебной аудитории и почему?
  • Исследования обнаружили разные «архетипы преподавателей» — оптимизаторы, создатели, пассивные наблюдатели, — которым полезны разные виды поддержки. На какой архетип вы больше всего похожи при использовании ИИ в преподавании и какой вид Скаффолдинг помог бы вам больше всего? Описали бы ваши учащиеся вас так же, как вы сами?
  • Некоторые researchers утверждают, что эффективная интеграция ИИ проистекает из убеждений преподавателя и его ощущения самоэффективности, а не только из его знаний. Что вы считаете относительно роли ИИ в обучении и как это убеждение — возможно, сильнее, чем ваш технический навык — формирует то, интегрируете ли вы его и как?

Введение

  • Crompton et al. DBR операционализирует стандарты интеграции технологий для профессорско-преподавательского состава, распространяющие рамку TPACK на institutional практику.

Рамка

TPACK утверждает, что эффективная интеграция технологий — это не сумма отдельных областей знаний, а продукт их динамической взаимосвязи. Рамка включает три базовые области и четыре пересечения:

  • Знания о содержании (CK) — знание предметного содержания, которому нужно учить.
  • Педагогические знания (PK) — знание методов преподавания, стратегий и того, как учатся студенты.
  • Технологические знания (TK) — знание того, как пользоваться инструментами и technologies, включая generative AI.
  • Педагогические знания о содержании (PCK) — как эффективно учить конкретному содержанию.
  • Технологические знания о содержании (TCK) — как технология формирует и представляет содержание.
  • Технологические педагогические знания (TPK) — как технология поддерживает или ограничивает стратегии преподавания.
  • TPACK — возникающие интегрированные знания в центре, где все три области взаимодействуют, обеспечивая преподавание конкретного содержания с использованием технологий.

AI-TPACK и GenAI-TPACK

Эпоха ИИ подтолкнула рамку к прочтению «технологии с интеллектом». Будучи не пассивным инструментом, а активным агентом, генеративный ИИ может планировать, генерировать содержание, обучать и адаптироваться — поэтому знания об интеграции всё чаще включают оркестровку: решение о том, когда и как ИИ действует, оказывает опору или уступает human judgment.

  • За пределами дискретных знаний. AI-TPACK research утверждают, что эффективная интеграция ИИ проистекает не из наличия отдельных областей, а из динамической взаимосвязи системного мышления, педагогических убеждений и Самоэффективность — что оспаривает статичные, основанные на чек-листах модели компетентности преподавателей в области ИИ. Архетипы преподавателей (систематические оптимизаторы, плодовитые создатели, пассивные наблюдатели) возникают из того, как преподаватели проектируют мультиагентные учебные рабочие процессы.
  • Что рамки интеграции опускают. Критика коагентности утверждает, что TPACK и SAMR рассматривают знания преподавателя и уровни внедрения, но оставляют нерассмотренными власть, владение данными и подотчётность, поэтому знаниям об интеграции нужна явная этическая граница, а не ещё одна область знаний (Poudyal (2026)).
  • Межуровневые свидетельства в пользу педагогического ядра. A multilevel study of 46 teachers and 2,832 secondary students обнаружило, что одних только технических знаний об ИИ недостаточно — они даже слегка снижали восприятие учащимися ИИ как силы во благо общества, — тогда как именно педагогические знания об ИИ (TPAIK) формировали восприятие учащихся и поведенческое намерение изучать ИИ. Результат сводится к руководящему принципу «педагогика прежде, технология потом», который перекликается с выводами о посреднической роли выше.
  • Этика как интегративный посредник, а не граница. В опросе 454 преподавателей университетов изолированные ИИ-технологические знания имели отрицательную прямую связь с интегрированным AI-TPACK (β = −0.303), тогда как их суммарный эффект оставался положительным (β = 0.639), проходя через педагогические, содержательные и этические знания (Chen et al. (2026)). Этические знания также проводили эффект дальше, предсказывая как педагогические (β = 0.353), так и знания о содержании (β = 0.269).
  • Оптика обзора для всей области. A systematic review from a TPACK perspective (Liu & Zhong, 2025) проанализировал 71 эмпирическое исследование GenAI в обучении студентов, обнаружив общий положительный эффект (g Хеджса = 0,752) и определив GenAI-грамотность студентов и профессиональное развитие GenAI-TPACK для преподавателей как два критических приоритета области.
  • Одного владения навыком недостаточно для предсказания педагогической интеграции. Choi et al. (2026) измерили Intelligent-TPACK преподавателей, чтобы разделить участников на сегменты, и наблюдали, что даже новички, владеющие ИИ, полагались пассивно на выдачу ИИ при проектировании урока, тогда как опытные преподаватели — с более низким измеренным AI-TPACK — критически переосмысливали и адаптировали предложения ИИ к педагогическому контексту. Результат усиливает закономерность выше: AI-TPACK превращается в грамотное использование в аудитории через опытное педагогическое суждение, поэтому поддержка Профессиональное развитие преподавателей должна быть нацелена на применение знаний об ИИ, а не на одно лишь их обладание.
  • Контекст Teacher education. TPACK играет инструментальную роль в развитии компетентности преподавателей по интеграции технологий в преподавание конкретного curriculum, именно поэтому исследования педагогического образования и ПР (например, intensive GenAI PD programs, AI-TPACK readiness among pre-service teachers) всё чаще измеряют его как интересующий результат.
  • Педагогические знания опосредуют интеграцию GenAI. Mohebi and ElSayary (2026) опросили 325 работающих преподавателей в 26 странах и проинтервьюировали семерых, используя объяснительный последовательный дизайн mixed-methods для моделирования TPACK-GenAI. Технологические знания (TK), педагогические знания (PK) и педагогические знания о содержании (PCK) каждый ассоциировались с общим TPACK-GenAI, но опосредующую роль выполняли технологические педагогические знания (TPK) — свидетельство того, что переход «от владения навыком к педагогике» важен: преобразование навыка GenAI в грамотное использование в аудитории идёт через знания об интеграции педагогики и технологии, а не через одно лишь знакомство с инструментом.
  • В higher education экспертиза в содержании не переносится на интеграцию GenAI. Sutedjo, Chowdhury & Liu (2026) адаптировали инструмент TPACK-21, чтобы опросить 127 преподавателей американского исследовательского университета об использовании GenAI для преподавания навыков XXI века. Преподаватели сообщили о сильных CK (M = 5,15) и PCK (M = 4,70), но слабых интегрированных с технологией знаниях — TPK (M = 2,62), TCK (M = 2,75) и общем TPACK (M = 2,55, самая низкая область), — при этом CK не показал значимой корреляции с TK или любой интегрированной с технологией областью (r = .11–.15, н.з.). Три интегрированные с технологией области взаимокоррелировали настолько сильно (r = .81–.91), что могут функционировать как единый фактор интеграции GenAI. Результат усиливает принцип проектирования тренировать пересечения: faculty development должно целенаправленно строить знания об интеграции GenAI через discipline-specific активности, а не предполагать перенос экспертизы в предметной области, и рассматривать интегрированные с технологией области как общее основание GenAI-грамотности.
  • Институциональная форма и уровень подготовки взаимодействуют. Mnguni et al. (2026) сравнили 186 студентов последнего курса научной педагогической подготовки в южноафриканском очном университете (n = 85) и в университете distance education (n = 97). Самоотчётный TPACK был выше в очной форме (64,0% против 47,4%), педагогические знания были наименее часто сообщаемой областью в обеих группах (53% в очной форме), а уровень подготовки по ИИ ассоциировался с самоотчётным TPACK только в дистанционном институте, где завершение краткого курса на пять кредитов предсказывало более слабый сообщаемый TPACK, чем полное отсутствие подготовки (p = .039, против p = .607 в очной форме). Следовательно, готовность отслеживает институциональный контекст обеспечения, а не просто часы подготовки, и авторы предупреждают, что self-reported готовность не может заменить свидетельства выполнения.

Дополнительное предупреждение об измерении исходит от модели «Способность–Решение» того же автора: когда TPACK измеряется самоотчётом, а воспринимаемый поведенческий контроль измеряется как Самоэффективность, эти два показателя могут быть эмпирически неразличимы, поэтому исследование не может определить, предсказывает ли намерение способность или общая уверенность (Mnguni (2026)).

  • Интегрированный TPACK изменяется больше всего, когда ИИ встроен в подлинные проблемные задачи. Chen and Osman (2026) сравнили восьминедельный модуль AI-CTD-PBL с обычным обучением у 130 будущих преподавателей physics третьего курса в квазиэкспериментальном дизайне с целыми классами (по 65 в каждом условии), причём группы использовали DeepSeek через шаблоны промптов под конкретные задачи, а каждая выдача ИИ должна была проходить человеческую верификацию, прежде чем попасть в учебный артефакт. Группа модуля сообщила о более высоком посттестовом TPACK (M = 4,04 против 3,40, p < 0,001, d = 1,02) и более высоком воспринимаемом collaborative problem solving (M = 3,62 против 3,05, d = 0,88), со значимыми взаимодействиями «группа × время» по обоим результатам. То, где именно появились приросты, является значимой для TPACK деталью: наибольшие эффекты по измерениям были в интегрированных областях — TPCK (d = 1,21), PCK (d = 1,06) и TPK (d = 0,95), — а приросты в collaboration были наиболее явными в совместном построении знания и социальной регуляции, то есть в пересечениях, а не в базовых областях. Авторы представляют это как дифференциальное изменение, ассоциированное с интегрированным учебным условием, а не как эффект ИИ: ИИ никогда не изолировался от цепочки PBL-задач, структурированной коллаборации, скаффолдинга инструктора, peer feedback или рефлексивной правки, и оба результата были основанными на questionnaire-based восприятиями компетентности, а не продемонстрированным выполнением в аудитории.

  • Интервенция может сначала изменить базовую область. Шестимесячная программа профессионального развития, построенная непосредственно на рамке Intelligent-TPACK, повысила технические знания об ИИ сильнее всего (AITK: с 3,92 до 4,43, t(63) = 3,856, p < .001, d = .48), технологическо-педагогические знания следующими (AITPK: d = .33), а интегрированный AITPACK — меньше всего (d = .26), при этом этическая осознанность осталась сравнительно неизменной (Tan, Cheng & Ling, 2025). Порядок — зеркальное отражение приростов в интегрированных областях у Chen and Osman, и в обоих случаях это self-report.

AI-TPACK как посредник между грамотностью и интеграцией в аудитории. Структурная модель уравнений для будущих научных преподавателей в Китае (Zou, Li, Wang & Du, 2026) позиционирует AI-TPACK не как параллельную компетентность, а как передаточный механизм, через который общая ИИ-грамотность становится педагогической практикой. ИИ-грамотность сильно предсказывала AI-TPACK, AI-TPACK в свою очередь предсказывал science teaching Самоэффективность, а самоэффективность преподавания была самым сильным одиночным предиктором намерения преподавать через интегрированное с ИИ inquiry.

Полная серийная цепочка (ИИ-грамотность → AI-TPACK → самоэффективность → намерение) была значимой, как и отдельные косвенные маршруты через AI-TPACK и через самоэффективность; вместе взятые, большая часть ассоциации ИИ-грамотности с намерением проходила через этих посредников, а не напрямую, и результат сохранялся после контроля по полу, году обучения, специальности и частоте использования ИИ. Практическое утверждение модели — это последовательность с точкой входа: ИИ-грамотность необходима, но недостаточна, и работа интеграции происходит там, где технологические, педагогические и содержательные знания объединяются — что также является местом, где строится уверенность преподавателей в преподавании предмета.

  • Валидация как четвёртая компетентность. Orhon, Cekerol and Ugur (2026) расширяют модель за счёт знаний об ИИ-валидации — подвергания вероятностной выдачи ИИ дисциплинно-специфичной верификации прежде, чем считать её свидетельством легитимного решения, — и соединяют их с ориентированной на процесс рубрикой для дизайн-образования.

Почему это важно для ИИ в образовании

TPACK является организующей рамкой для преподавательской стороны базы свидетельств базы знаний. Он объясняет, почему компетентность преподавателей в области ИИ — это больше, чем беглость в инструменте: преподаватели должны интегрировать технологические, педагогические и содержательные знания вместе, чтобы превратить ИИ в learning gains. Страница базы знаний о ИИ-компетентность преподавателя охватывает измерения компетентности; TPACK — это структура знаний, лежащая в их основе. Исследования teacher confidence, professional development и the transforming teacher role действуют внутри (или против) этой рамки. Рамка теперь расширяется, чтобы оценивать целые программы: Wu & Li (2026) строят систему оценивания AHP-Fuzzy-AHP для программ сертификации по ИИ на измерениях TPACK и обнаруживают, что профессиональная компетентность профессорско-преподавательского состава — а не техническая инфраструктура — является наибольшим разрывом между приоритетом экспертов и текущим обеспечением, что сигнализирует: сертификация должна инвестировать в интегрированный педагогический потенциал преподавателей.

Следствия для проектирования

  1. Тренируйте пересечения, а не только инструменты. ПР должно строить технологические, педагогические и содержательные знания вместе, а не предлагать изолированную подготовку по инструменту — основной принцип проектирования TPACK.
  2. Рассматривайте ИИ как агента, а не как прибор. AI-TPACK расширяет рамку в сторону оркестровки AI agents, требуя системного мышления и педагогического суждения о том, когда ИИ должен действовать.
  3. Дифференцируйте ПР по профилю преподавателя. Разным архетипам преподавателей (оптимизаторы, создатели, наблюдатели) полезен разный скаффолдинг — соответственно продвинутые рамки, быстрая обратная связь или явное моделирование.
  4. Оценивайте интегрированную компетентность. Ориентированные на TPACK результаты (например, приросты в AI-PCK) следует измерять как интегрированную способность, а не как самоотчётное знакомство с инструментом.

Связанные концепты

Связанные статьи

Связанные FAQ

Метаданные

Целевая аудиторияFaculty Developers, Instructors
Технологии и методыГенеративный ИИ
Основы ИИ в образованииИИ-грамотность, Проектирование учебного плана, Развитие педагогической практики, Дизайн обучения, Преподавание, Технологические педагогические знания о содержании (TPACK), ИИ-компетентность преподавателя
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.