提供论文发表、期刊发表、证书、著作、课题申请、专利等一条龙服务——杂志社张伟浩-您负责教书育人,我们负责解决您职称,晋级路上遇到的难题。

中小学教师机器人教育接受度影响因素研究

分类:(一) 发表时间:2019-08-19

一、引言 国务院于2017年颁布的《新一代人工智能发展规划》指出, 实施全民智能教育项目, 在中小学设置人工智能相关课程, 逐步推广编程教育, 并鼓励进行形式多样的人工智能科普创作
一、引言
 
 
国务院于2017年颁布的《新一代人工智能发展规划》指出, 实施全民智能教育项目, 在中小学设置人工智能相关课程, 逐步推广编程教育, 并鼓励进行形式多样的人工智能科普创作[1]。教育部于2017年颁布的《中小学综合实践活动课程指导纲要》, 将包括机器人教育在内的综合实践活动课程视为“培养学生综合素质的跨学科实践性课程, 是基础教育课程体系的重要组成部分”[2], 为我国机器人教育进入中小学课堂提供了新的条件和动力。客观来说, 我国机器人教育研究在二十一世纪初得到加速发展[3], 但是, 机器人教育能不能真正发挥作用, 关键在于教师能否接受和使用机器人支持的教学模式, 因为, 教师对信息化教学理念的理解及实施内容的学习是制约其信息化教学能力发展的内部因素[4]。因此, 研究中小学教师对机器人教育的接受度, 掌握其影响因素, 有利于中小学开展机器人教育。为此, 本研究从教师自身角度出发, 借鉴整合型信息技术接受模型 (UTAUT模型) , 构建教师对机器人教育接受模型, 采用问卷调查法分析中小学教师对机器人教育接受度的影响因素, 并提出相应对策, 为中小学有效开展机器人教育提供参考。
 
二、相关研究与模型构建
 
(一) 相关研究现状
 
1. 机器人教育研究现状
 
 
近年来, 我国机器人教育已逐步进入中小学课堂中, 学术界对机器人教育的重视程度也在不断提升。通过文献研究发现, 目前国内有关机器人教育的研究成果主要包括以下三个方面: (1) 影响中小学阶段开设机器人教育的主要因素, 如课程内容及评价体系、教育装备等因素的影响[5,6,7]。 (2) 机器人教学应用研究, 如中小学机器人教育的四类教学模式———实验模拟型教学、趣味交互型教学、科学探究型教学和发明创造型教学[8];不同教学模式融入课堂的价值及其适应范围[9]。 (3) 机器人课程学习的现状, 如金书辉从学生的兴趣度、参与度、课程相关联系度等维度调查了Arduino机器人课程中的学习现状[10];Khanlari认为, 机器人教育有助于培养学生自主学习、合作交流与创新能力, 提升社会和跨文化技能, 以及社会责任感[11]。
 
2. 教师接受度研究现状
 
 
关于教师信息技术接受度的研究, 一直是国内外专家学者关注的热点话题, 且已取得较为丰富的成果。Tosunta等从绩效期望、努力期望、社群影响、促成条件、行为意向和使用行为等六个方面研究了影响教师对交互式电子白板接受度的主要因素[12];Pynoo等研究了基于UTAUT模型的中学教师对接受数字化环境的影响因素[13];江丰光等以工作年限、学历、具体职业为调节变量探究了创客教师对创客教育接受度的影响[14];张汉玉等研究了教师对电子书包接受度的影响因素, 包括绩效期望、努力期望、社群影响和促成条件四个核心维度及性别、年龄和信息技术精通程度三个调节变量[15]。
 
 
纵观国内外关于教师信息技术接受度模型的研究, 发现UTAUT模型在信息技术接受度研究领域应用广泛。然而, 通过对机器人教育和教师接受度的相关研究进行梳理, 发现目前较少从机器人教育主体中的教师影响出发探索其有效推广及实施研究。因此, 本研究从教师角度出发, 以UTAUT模型为理论基础, 结合机器人教学特点, 探析中小学教师机器人教育接受度的影响因素。
 
(二) 研究假设与模型构建
 
 
UTAUT模型最早由Venkatesh等人于2003年提出[16]。该模型包含绩效期望、努力期望、社群影响和促成条件四个核心决定因素以及年龄、性别、经验和自愿性四个调节变量, 如图1所示。该模型能解释70%的技术采纳和使用行为, 优于以往的技术接受模型, 目前被广泛应用于探究用户接受行为。
 
 
本研究调查教师开展机器人教育的影响因素, 仍使用UTAUT模型中的四个核心决定因素。由于国内机器人教育的开展仍以竞赛或社团活动为主, 教师和学生都很少有机会接触到机器人[17]。教师大多不具备丰富的使用经验且自主积极性不高, 因此, 经验和自愿性两个调节变量被删除, 并结合中小学机器人教育的技术性特征[18]及专家访谈增加教龄、信息技术精通程度作为调节变量。另外, 考虑到接受既包括个体自身的行为, 也包括个体对对象的态度[19], 笔者将原始模型中使用意向及使用行为统称为接受程度, 提出了教师机器人教育接受度影响因素的理论模型, 如图2所示。
 
图1 UTAUT模型  
图1 UTAUT模型   下载原图
 
 
图2 教师机器人教育接受度影响因素理论模型  
图2 教师机器人教育接受度影响因素理论模型   下载原图
 
 
 
根据以上理论模型, 本研究提出以下假设, 见表1。
 
三、研究方法
 
(一) 问卷设计
 
 
本研究在参考Venkatesh[16]和张汉玉[15]等学者的相关成熟量表基础上, 结合欠发达地区机器人教育的现实状况自主设计各变量的测量题项。为了保障调查问卷的信度及效度, 笔者共进行两轮调研。首轮调研随机选取35位机器人教师, 随后根据初步调研结果对问卷进行了修正, 以更契合欠发达地区机器人教师的现实状况。最终编制的正式调查问卷包括以下两个组成部分, 共33个题项。第一部分为中小学教师基本情况的调查, 共15个题项, 包括中小学教师的性别、教龄、职称、学校性质、学校位置、对信息技术的精通程度、开展机器人教育的频率及障碍等;第二部分为影响教师对机器人教育接受度的因素调查, 包括五个维度, 分别是绩效期望 (PE) 、努力期望 (EE) 、社群影响 (SI) 、促成条件 (FC) 、接受程度 (AD) , 共18个题项, 为了保证机器人教师对问卷答案的辨识度, 这些测量题项均采用李克特五点量表形式, 1~5分别表示非常不同意、不同意、中立、同意、非常同意。
 
 
表1 机器人教育教师接受度调查维度及研究假设     下载原表 
表1 机器人教育教师接受度调查维度及研究假设  
(二) 问卷信效度分析
 
 
本研究采用Cronbach'sα系数检验自编问卷的信度, 通过SPSS 25.0统计发现, 所有变量的信度系数均高于0.7, 问卷的整体信度系数为0.783, 表明该问卷的信度良好, 见表2。本问卷主要是根据UTAUT模型进行设计, 因此, 可认为该问卷具有良好的效度。研究通过对问卷进行探索性因子分析, KMO值为0.790且Bartlett卡方值为1692.706 (p=0.000<0.001) , 因此, 问卷符合进行因子分析的条件。采用最大方差旋转法剔除4个在多个因子上都有较高载荷的题项及2个在所有因子上载荷都小于0.5的题项, 最终得出旋转成分矩阵, 见表3。可见, 因子分析提取的公因子与题目编制时涉及的5个维度相吻合, 且所有题项在对应因子上的载荷除个别略低于0.7外, 其余均大于0.7, 说明该问卷具有良好的效度。
 
 
表2 问卷信度分析结果     下载原表 
表2 问卷信度分析结果  
(三) 研究对象与数据处理
 
 
为确保研究的科学性和实效性, 以参加“江西省中小学校机器人教练员培训班”的教师为研究对象, 笔者共进行了两轮调查研究。首轮调研选取了35位教师, 正式调研采用在线问卷调查的方式, 共回收问卷203份, 其中有效问卷190份。
 
 
调查结果显示, 参加机器人教育培训的教师64.21%为男性教师;78.42%的教师年龄集中在26到45岁之间;96.84%的教师学历集中在大专及本科层次, 仅有2.11%的教师为研究生及以上学历;72.11%的教师教龄集中在6~15年、15年以上;68.42%的教师职称集中在中学二级、中学一级;从被调查教师对信息技术的精通程度来看, 61.58%的教师是能胜任的;来自公办学校的教师占98.95%, 民办学校教师仅占1.05%;农村教师占38.95%, 城镇教师占61.05%。另外, 从教师服务学生所在学段来看, 由于江西省机器人教育师资力量不足, 仍存在同一教师教授不同年级学生的现象, 因此, 被调查教师所涉及的授课年级总数大于190, 涵盖小学、初中和高中的比例分别为67.89%、34.21%、11.05%。
 
 
表3 探索性因子分析结果     下载原表 
表3 探索性因子分析结果  
四、研究结果与分析
 
(一) 问卷描述性统计分析
 
 
研究结果显示, 每个变量的得分均处于2.94~3.97之间, 其中接受程度得分最高 (3.97) , 努力期望得分最低 (2.94) 。变量的标准差小于1.0, 表明变量的得分围绕均值分布较密集, 均值代表性良好, 见表4。
 
 
表4 模型变量的描述性统计分析     下载原表 
表4 模型变量的描述性统计分析  
(二) 教师机器人教育接受度的差异分析
 
 
考虑到中小学教师的不同背景特征, 本研究运用单因素方差分析与独立样本T检验, 探究不同背景的教师在各因素上表现出的差异性。研究结果表明, 不同年龄和职称的教师在绩效期望、社群影响、促成条件及接受程度方面均无显著差异, 仅在努力期望方面有显著差异, 说明年龄越大、职称越高的教师会认为机器人教学越复杂。不同教龄的教师在努力期望和接受程度方面均有显著差异, 教龄在15年以上的教师呈现出“低努力期望, 高接受程度”的现象, 表明高教龄的教师虽感知自己开展机器人教育存在诸多障碍, 但可能想突破陈旧教学的局限, 对新生事物的接受度较强。不同信息技术接受程度的教师在努力期望、促成条件及接受程度方面均达到显著差异。公办教师与民办教师、城镇教师与农村教师在这5个变量上均无显著性差异。
 
(三) 机器人教育教师接受度回归分析
 
 
本研究采用皮尔逊积差相关系数来衡量变量间的相关程度, 各个维度间基本都存在相关关系, 其中接受程度与绩效期望、社群影响、促成条件正相关;由于本研究设计的有关努力期望的题项偏向于反向题, 正如开展机器人教育易使课堂不受控制、压力大、耗时长等, 因此, 努力期望与接受程度负相关的结果正好与本实验设计相吻合;且努力期望与接受程度间的相关性较弱, 结果见表5。
 
 
表5 教师对机器人教育接受度及其各影响因素的相关系数     下载原表 
表5 教师对机器人教育接受度及其各影响因素的相关系数  
注:*表示p<0.05, **表示p<0.01, ***表示p<0.001。
 
 
为进一步验证假设模型的有效性, 本研究运用复回归分析方法, 试图考查各个影响因素之间的因果关系。从表5可以看出, 教师绩效期望、努力期望、社群影响、促成条件与接受程度之间的相关系数分别为0.290 (p=0.000<0.001) 、-0.144 (p=0.048<0.05) 、0.396 (p=0.000<0.001) 、0.422 (p=0.000<0.001) , 表明这四个核心维度对接受程度均有显著性影响。另外, 通过之前的单因素方差分析可知, 教师的教龄和信息技术精通程度等调节变量对接受程度同样有显著性影响, 因此, 本研究尝试通过多元回归分析来探究这些变量对教师接受程度的具体影响, 回归结果见表6。从中可看出模型3对结果的解释比率达到28.2%, 同时, 考虑到样本量及自变量数, 最终选择使用调整后的R2, 其对结果的解释比率达到27.1%。其中促成条件与接受程度有显著的相关关系;教龄会调节绩效期望对接受程度的影响;社群影响对接受程度的影响受到信息技术接受程度的调节;努力期望不直接对教师机器人教育的接受程度产生影响。
 
 
表6 接受程度的复回归分析及系数     下载原表 
表6 接受程度的复回归分析及系数  
 
通过多重回归分析, 可以得到教师机器人教育接受程度影响因素路径图, 如图3所示。
 
图3 教师机器人教育接受度影响因素路径  
图3 教师机器人教育接受度影响因素路径   下载原图
 
 
五、讨论
 
 
本研究以江西地区为例, 基于UTAUT模型着重探讨了影响欠发达地区中小学教师机器人教育接受度的主要因素, 以期促进机器人教育在教育教学活动中的应用, 得出以下基本结论:
 
(一) 机器人教育大多由信息技术教师兼任, 且呈现“低了解程度、高开展频率”的矛盾
 
 
研究结果表明, 53.68%的教师都是在近三年才逐渐接触机器人教育, 这与机器人教育近几年在学校教育中的兴起背景有关[3]。目前我国开展机器人教学活动的主力军大多是有多年信息技术使用经验的教师。绝大多数学校没有配备专门的机器人教师, 更多的是由信息技术学科教师兼任, 其次是理科教师, 文科教师兼任机器人教育教师的现象相对较少。通过了解机器人教师对机器人教育的认知和理解情况发现, 只有29.47%的教师认为自己对机器人教育比较了解, 但44.21%的教师至少每周开展1~2次机器人教育, 总体呈现出“低了解程度、高开展频率”的矛盾。在机器人教育了解程度层面, 绝大多数教师认为自己对机器人教育仅略知一二, 说明教师对机器人教育理念的理解还停留在“新型技术”的功能层面, 并未深刻理解机器人教育的理念, 因此, 教师培训管理部门组织机器人教育培训对提升教师对机器人教育的认知水平具有重要意义。
 
 
在开展机器人教育的频率层面, 教师至少每周开展1~2次机器人教育活动占比最高, 说明教师本身对机器人教育的认可度还是挺高的, 乐于尝试将机器人教育付诸课堂教学中, 但在实践过程中缺乏深入的意识, 遇到的问题不能及时解决、教学硬件建设不足等都致使各县区机器人教育氛围不足。学校提供的技术支持及经费是制约机器人教育开展的关键因素, 其次是相关培训的力度及时间。只有少数教师选择将机器人教育与其所教学科及学段内容相结合。
 
(二) 促成条件是影响教师对机器人教育接受度的主要因素
 
 
促成条件对教师机器人教育接受程度的影响是直接而显著的, 与早期研究结论相似[22], 也符合原始UTAUT模型的假设。这表明当前想要普及推广中小学机器人教育, 提升中小学教师机器人教育接受度, 首先应考虑配备充足的机器人教学资源, 相关管理部门需要加强机器人教育培训, 各学校可根据机器人教育课程搭建机器人教育空间、购置新型数字化器材, 为教师参加机器人培训或开展机器人教学提供支持与帮助。努力期望对教师机器人教育接受度的影响并未达到直接显著, 且不受调节变量的影响, 这一结论与早期研究结论并不一致[20], 这意味着努力期望不是影响教师机器人教育接受度的重要因素, 教师更加关注机器人教育进学校课堂的效果, 而较少关注开展机器人教学的难易程度。原因可能是:第一, 由于目前大部分机器人教育教师都是由信息技术教师兼任, 且多次参加机器人教育培训, 对新技术的接受度整体较高;第二, 机器人教育教师更关注机器人教育与课堂教学的融合, 关注学生数字化胜任力的发展。
 
(三) 调节变量对教师机器人教育接受度的影响
 
 
研究结果显示, 性别及年龄在绩效期望、努力期望、社群影响、促成条件上对教师机器人教育接受度的影响不具备调节作用, 这与原始UTAUT模型的假设是不一致的。不同教龄的教师仅在绩效期望上具有显著差异;不同信息技术精通程度的教师仅在社群影响上存在显著差异。结合单因素方差分析结果来看, 15年以下教龄的教师, 其在绩效期望上的感知有用性随着教龄的增长而增加, 接受程度较高;15年以上教龄的教师恰好相反。这意味着15年以下教龄的教师更关注机器人教育的价值及其对自身的意义, 教师培训管理部在实施培训前, 若能告诉教师机器人教育能改善学习效果及提高自身绩效, 会促使教师更愿意开展机器人教学。而针对15年以上教龄的教师, 教育培训管理部门应更多传达机器人教育有利于促进教师专业发展、提高自我成就感的理念, 并出台相关政策文件予以落实。
 
 
信息技术精通程度越高的教师在社群影响上的主观规范越高, 接受度越高。对信息技术不够熟练的教师更多关注机器人教育对自身工作及知识技能提升的意义, 而对信息技术精通的教师进行机器人教育的倾向更多受到周围同事的影响, 可能的原因是对信息技术精通的教师在机器人课程开发的前提下能有效实施机器人教育活动。这一结论有利于教育培训管理部门有针对性地制定及完善政策措施, 引导对信息技术精通的教师充分发挥示范作用, 为对信息技术不熟练的教师提供更多支持与帮助。
 
六、发展建议:促进中小学开展机器人教育
 
 
基于以上研究结论, 结合当前中小学机器人教育实施现状, 本研究从教师对机器人教育接受视角出发, 提出在中小学开展机器人教育的三点建议:
 
(一) 体系先行:加强顶层设计, 完善机器人教育体系
 
 
第一, 在国家政策层面, 应依据各省市县区的实际情况分层推进教学活动的开展, 要求各级教育行政部门将机器人教育纳入中小学综合实践课程中, 切实保障机器人教育的课时数量;第二, 在学校层面, 小学、初中及高中各学段的机器人课程教学需遵循学科知识的逻辑性, 以有效避免各学段课程内容的重复性及衔接不足等问题, 同时, 课堂教学内容应注重与学生已有生活经验相联系, 有条件的学校可将机器人教育与物理、通用技术等其他学科课程多方位融合;第三, 强化不同教龄教师对机器人教育的认知, 建议教育管理部门完善机器人教育教师的相关绩效考核体系。
 
(二) 制度保障:配备充足资源, 避免机器人教学“模式化”
 
 
根据开展机器人教育最大障碍的调查表明, 充足的经费及技术支持是机器人教育发展的重要内容, 培训是机器人教育发展的强大推力。因此, 现阶段教育管理部门应采取以下措施:第一, 为学校提供充足的资金及技术支持, 以促使学校设立机器人教育专项课题并发动教师申报, 鼓励教师以课题的形式探索多样化的教学方法及评价方式;第二, 随着虚拟仿真技术逐渐应用于教育领域, 有条件的学校可积极搭建虚拟机器人平台及与之匹配的硬软件资源, 让教师借助虚拟机器人开展学科教学及综合实践活动;第三, 各级教育管理部门应制定统一的机器人竞赛规范标准。
 
(三) 创新推进:构建“立足中心、边界发展”模式, 实现资源共享及协同创新
 
 
当前, 我国各地区学校的经费、师资力量及指导水平仍存在不均衡现象, 因此, 学校应立足于21世纪人才核心素养的培养, 鼓励教师积极探索适合自身的机器人教学模式。首先, 教师应具备机器人教育的基本知识与基本技能, 在机器人教学中能根据所教学生原有知识水平将课程内容及时调整, 并积极将机器人教学与其他学科教学进行融合, 促进学生跨学科学习;其次, 中小学应保证每周至少有一节机器人教育相关课程, 同时, 学有所余学生可以通过社团活动或校外培训的方式学习到相关的机器人知识;最后, 教育管理部门可定期组织教师交流反思, 使各校机器人教学经验在协作共享中增值, 并依据对教师信息技术精通程度的分类规划出阶梯发展式的层次结构, 通过“传帮带”的长效机制激发对信息技术不熟练的教师积极开展机器人教育, 实现资源共享及协同创新。
 

畅志文化期刊网,一个专业的论文发表,期刊发表,著作出版,课题等评职称相关平台。

文章名称:中小学教师机器人教育接受度影响因素研究

文章地址:www.cqpc.cq.cn/lunwenjianshang/_yi_/957.html

内容来自网络-如有侵权,请告知删之

上一篇:基于学习投入视角的移动学习资源画面设计研究 下一篇:资源智能体课程自育系统设计研究

还有问题,免费咨询专业人员

没有问题了,我想发稿或出版

选择服务:

作者姓名: *

联系电话: *

留言备注: *

咨询部:

发表部:

在线客服

客服电话:17600057161

投稿邮箱:71712724@qq.com

QQ:71712724
QQ:71712724

咨询部:

发表部: