摘 要：人工智能教育應用是實現(xiàn)教育數(shù)字化轉(zhuǎn)型的重要手段與模式。隨著人工智能的迅速發(fā)展，其在教育領(lǐng)域的應用日益深化，尤其在職業(yè)教育中，可以借助人工智能來提高教學效果和培養(yǎng)學生的實踐操作能力。目前國內(nèi)外還缺乏對職業(yè)院校教師人工智能教學應用行為意向深入的理論與實證分析。本研究以職業(yè)院校教師為研究對象，基于態(tài)度模型等，構(gòu)建了職業(yè)院校教師人工智能教學應用行為意向的影響因素模型，并采用SPSS23和SmartPLS4軟件進行了實證分析。研究結(jié)果顯示，感知有用性對行為意向具有非常顯著的正向影響，滿意度對行為意向具有顯著的正向影響，感知娛樂性對行為意向具有比較顯著的正向影響，此外，自我效能感對行為意向也具有顯著的正向影響。在影響感知易用性的因素中，自我效能感具有非常顯著的正向影響。感知易用性對感知有用性具有非常顯著的正向影響。感知有用性對滿意度具有非常顯著的正向影響。感知有用性對信任具有非常顯著的正向影響。

關(guān)鍵詞：人工智能；教學應用；職業(yè)院校；教師；行為意向

中圖分類號： G715

文獻標識碼： A

在2024世界數(shù)字教育大會的閉幕式上，教育部部長懷進鵬表示：“教育數(shù)字化轉(zhuǎn)型已經(jīng)成為世界大勢、時代所需、師生所求”［1］。當今世界人類社會已由工業(yè)化邁向數(shù)字化、智能化，數(shù)字化轉(zhuǎn)型引領(lǐng)的教育革命已經(jīng)來臨，推動教育進行數(shù)字化轉(zhuǎn)型已成為教育改革發(fā)展的核心議題，同時5G、云計算、大數(shù)據(jù)、人工智能等數(shù)字技術(shù)的發(fā)展為教育帶來了新機遇［2］。人工智能是教育數(shù)字化的本質(zhì)要求與必然發(fā)展。隨著 2022年11月通用人工智能ChatGPT 的問世，其為數(shù)字化革命賦予新的意義，并將人工智能帶入新的時代［3］?；贑hatGPT技術(shù)的個性化教學模式，能夠針對學生個體差異進行教學，提高學習成效和教學質(zhì)量，推動數(shù)字化和智能化發(fā)展［4］。人工智能技術(shù)加速職業(yè)教育領(lǐng)域的數(shù)字化賦能和數(shù)字化轉(zhuǎn)型，以重塑職業(yè)教育的新格局［5］。人工智能在職業(yè)教育領(lǐng)域的具體應用有許多。在智能教學輔助方面，嘗試將在線評測 OJ 平臺與聊天機器人相結(jié)合［6］。在個性化教學方面，職業(yè)院校教師基于ChatGPT技術(shù)的個性化教學模式，針對學生個體差異進行教學，提高學習成效和教學質(zhì)量［7］。在虛擬實訓方面，職業(yè)院校可通過建立 VR 虛擬現(xiàn)實學習中心，運用“3D+AR”技術(shù)構(gòu)建混合式教學平臺［8］。但目前在職業(yè)院校教師人工智能教學應用中，還存在一些問題。首先，教師對應用人工智能的積極性不高，可能是因為對新技術(shù)的接受度較低，或者是對人工智能在教學中的應用效果持懷疑態(tài)度［9］。其次，教師在實際教學過程中應用人工智能的頻率不高，可能是因為缺乏對人工智能的了解，或者是缺乏相應的培訓和支持［10］。此外，教師發(fā)現(xiàn)人工智能可能無法很好地適應教學需求，或者使用人工智能可能帶來一些新的教學問題［11］。為了解決這些問題，有必要研究職業(yè)院校教師人工智能教學應用行為意向，探究其影響因素，并采取相應措施，提高職業(yè)院校教師在教育教學中應用人工智能的積極性和效果。當前，國內(nèi)外研究普遍認為，職業(yè)院校教師人工智能教學應用行為意向受多種因素影響。因此，深入研究這些影響因素，對推動人工智能在職業(yè)教育中的廣泛應用，不僅有助于更好地服務(wù)于職業(yè)教育的發(fā)展，提升教師的專業(yè)素質(zhì)和終身學習能力，也對我國經(jīng)濟發(fā)展和產(chǎn)業(yè)升級有著重要作用。

一、模型構(gòu)建

（一）行為意向

1.自我效能感與行為意向

自我效能感是 Bandura 在 1977 年首次提出的概念，它描述了在面臨一個需要完成的任務(wù)時，個體從自我認知的角度對自身能力的信心或勝任感進行評估。自我效能感就是個體對自己能力的主觀評估，而非能力本身，強調(diào)了人所具有的主觀能動性。許多研究都表明，個體的自我效能感是影響其使用信息技術(shù)行為的關(guān)鍵因素［12］。Al Darayseh認為科學教師對課堂上應用人工智能的接受度很高，自我效能感和行為意向呈正相關(guān)［13］。因此，職業(yè)院校教師的自我效能感越高，他們在教學過程中應用人工智能的信心就越足，這會促使教師更愿意采取實際行動來完成教學任務(wù)。相反，如果他們在應用人工智能時感覺困難，面對困難便焦慮不安，把注意力放在自己的不足上，并輕易放棄努力，其行為意向會顯著下降。在上述研究的基礎(chǔ)上，提出假設(shè)H1：

H1：自我效能感對職業(yè)院校教師應用人工智能的行為意向有顯著的正向影響。

2.感知有用性與行為意向

感知有用性是指個體對某種行為或技術(shù)是否對其工作、學習或生活有益的主觀評估和認知。它反映了個體對某種行為或技術(shù)是否能夠帶來實際的利益和價值的信念和態(tài)度。提高個體對某種行為或技術(shù)的感知有用性對促進其行為意向至關(guān)重要。Ayanwale等人發(fā)現(xiàn)，教師對人工智能的感知有用性與行為意向有顯著的正向影響關(guān)系［14］。當職業(yè)院校教師認為應用人工智能有利于教學工作時，教師越愿意應用人工智能，即應用人工智能的行為意向就會越強，例如有些教師利用智能教學平臺了解學生的學習狀態(tài)，及時調(diào)整課堂設(shè)計，使得教學更有針對性，教學效果更好，他就越愿意使用人工智能。如果教師感覺人工智能沒有用，教師就不愿意使用人工智能。在上述研究的基礎(chǔ)上，提出假設(shè)H2：

H2：感知有用性對職業(yè)院校教師應用人工智能的行為意向有顯著的正向影響。

3.信任與行為意向

信任理論強調(diào)，信任是個體行為的重要前置條件，信任程度越高，個體行為傾向越明顯。許多學者通過研究也支持這一觀點。劉津芳與李本乾在大學生微信朋友圈購物行為的研究中，發(fā)現(xiàn)信任對大學生朋友圈購物行為意向具有積極影響［15］。當職業(yè)院校教師越信任人工智能，對應用人工智能的行為意向就越強烈［16］。反之，當教師認為人工智能帶來一些負面影響，教師對人工智能的信任就會下降，這顯然會影響教師應用人工智能的行為意向，因此，提出假設(shè)H3：

H3：信任對職業(yè)院校教師應用人工智能的行為意向有顯著的正向影響。

4.滿意度與行為意向

在信息系統(tǒng)持續(xù)使用模型中，用戶滿意度和其持續(xù)使用意愿之間存在正相關(guān)關(guān)系。桂先鋒在疫情期間初中生在線學習效果影響研究中，發(fā)現(xiàn)滿意度正向影響行為意向［17］。當職業(yè)院校教師在使用人工智能的過程中比較滿意，教師應用人工智能的行為意向就會上升。反之，當教師使用人工智能的過程中不太滿意，例如人工智能教學應用的結(jié)果離預期差距較大，這顯然會影響教師應用人工智能的行為意向。教師對人工智能滿意度越高，就越愿意使用人工智能。因此，提出假設(shè)H4：

H4：滿意度對職業(yè)院校教師應用人工智能的行為意向有顯著的正向影響。

5.感知娛樂性與行為意向

感知娛樂性是指個體對某種行為、活動或產(chǎn)品的娛樂價值和樂趣程度的主觀評估和認知。它反映了個體對參與或體驗的內(nèi)容是否有趣和愉悅的感受。提高個體對某種行為、活動或產(chǎn)品的感知娛樂性，對促進其行為意向至關(guān)重要。孫僑羽研究發(fā)現(xiàn)，學生的感知娛樂性對其在學習通上的持續(xù)學習意愿有顯著的積極影響［18］。蘇婷婷認為，感知娛樂性正向影響新生代用戶對移動短視頻APP的行為意向［19］。當職業(yè)院校教師應用人工智能時感覺愉悅，教師就會愿意使用人工智能，從而獲得更好的體驗，教師應用人工智能的行為意向就會上升。反之，在應用人工智能的過程中，如果教師感到情緒低落、沮喪或者悲傷，這顯然會影響教師應用人工智能的行為意向，因此，提出假設(shè)H5：

H5：感知娛樂性對職業(yè)院校教師應用人工智能的行為意向有顯著的正向影響。

6.便利條件與行為意向

便利條件是指個體在進行某種行為時所面臨的環(huán)境和資源的可用性、易獲得性和便利性，它反映了個體進行某種行為的難易程度和便利程度。便利條件對促進個體的行為意向至關(guān)重要。Nandwani和Khan通過對中小學教師使用人工智能技術(shù)的研究，發(fā)現(xiàn)便利條件正向顯著影響了教師使用人工智能的行為意向［20］。在職業(yè)院校教師應用人工智能進行教學時，教師會面臨一些困難，如對相關(guān)知識和技術(shù)的掌握不足，如果能及時得到幫助，教師的行為意向就會上升。相反，如果教師遇到問題無法及時獲得支持，教師應用人工智能的行為意向就會顯著下降。職業(yè)院校教師應用人工智能時得到的外部便利條件越充足，比如學校人工智能設(shè)備支撐、政府經(jīng)濟撥款、國家政策支持等方面越好，教師就越愿意應用人工智能。在上述研究的基礎(chǔ)上，提出假設(shè)H6：

H6：便利條件對職業(yè)院校教師應用人工智能的行為意向有顯著的正向影響。

7.社群影響與行為意向

社群影響是指個體所處的社交環(huán)境和社群對其態(tài)度、行為和價值觀的影響。社群影響通過社會交流、社會規(guī)范、社會認同和社會支持等方式對個體的行為意向產(chǎn)生影響。社群影響對促進個體的行為意向至關(guān)重要。馮吉兵等［21］認為社群影響對行為意向呈顯著正向影響。職業(yè)院校教師在與他們認為較為重要的人的看法影響下，更加傾向于在教學中應用人工智能。例如：與教師認為較為重要的人進行看法交流，能夠幫助教師獲取更多關(guān)于人工智能在教學中應用的信息，提高教師對人工智能的認識和理解。或者與教師認為較為重要的人對人工智能持積極態(tài)度，教師會受到這種態(tài)度的影響，從而更加傾向于接受和應用人工智能。在上述研究的基礎(chǔ)上，提出假設(shè)H7：

H7：社群影響對職業(yè)院校教師應用人工智能的行為意向有顯著的正向影響。

（二）感知易用性

Davis發(fā)現(xiàn)感知易用性與自我效能感非常相似，它們之間存在密切的聯(lián)系［22］。劉哲雨等認為在桌面虛擬現(xiàn)實環(huán)境中，學習者的自我效能感對感知易用性產(chǎn)生正向影響［23］。當職業(yè)院校教師有信心應用人工智能完成教學任務(wù)，教師對人工智能的感知易用性就會越強。相反，如果教師對應用人工智能持懷疑態(tài)度，對自己在教學中成功應用人工智能沒有信心，甚至認為自己不能勝任，其應用人工智能的感知易用性也會隨之減弱，例如有些教師對人工智能不夠了解，害怕無法完成教學工作，因此在教學中很少應用人工智能。在上述研究的基礎(chǔ)上，提出假設(shè)H8：

H8：自我效能感對職業(yè)院校教師應用人工智能的感知易用性有顯著的正向影響。

（三）感知有用性

技術(shù)接受模型認為行為意向受到感知易用性和感知有用性的直接和間接影響。此外，感知易用性對感知有用性具有直接影響，反之則不然。王澤蘅研究發(fā)現(xiàn)，大學生對在線學習的感知易用性正向影響感知有用性［24］。當職業(yè)院校教師應用人工智能越容易，就會感覺人工智能越有用；反之，在執(zhí)行相同任務(wù)時，如果應用人工智能所需的時間和精力會更多，其對人工智能的感知有用性就會下降。在上述研究的基礎(chǔ)上，提出假設(shè)H9：

H9：感知易用性對職業(yè)院校教師應用人工智能的感知有用性有顯著的正向影響。

（四）信任

1.感知有用性與信任

當個體認為某項技術(shù)或產(chǎn)品對其工作或生活有益處時，他們更容易對該技術(shù)或產(chǎn)品產(chǎn)生信任和依賴。感知有用性對信任產(chǎn)生正向影響。提高技術(shù)或產(chǎn)品的感知有用性能夠增強個體對其的信任和依賴，進而促進其積極使用和采納。姜峰發(fā)現(xiàn)，消費者認為網(wǎng)絡(luò)購物相對于傳統(tǒng)購物方式能帶來更大的效用時，他們才會更愿意接受和認可網(wǎng)絡(luò)購物，也就是說，消費者的信任度會更高［25］。當職業(yè)院校教師應用人工智能越有效，教師對人工智能越信任。在上述研究的基礎(chǔ)上，提出假設(shè)H10：

H10：感知有用性對職業(yè)院校教師應用人工智能的信任有顯著的正向影響。

2.感知風險性與信任

當個體感知到某項技術(shù)、產(chǎn)品或服務(wù)存在潛在的風險或威脅時，他們對其產(chǎn)生懷疑和不信任的態(tài)度。楊世武與苑心怡在“社交電商”用戶購買意向驅(qū)動因素的模型與實證分析中，提出感知風險性對信任產(chǎn)生負向影響［26］。職業(yè)院校教師越認為人工智能會出現(xiàn)信息泄露、財產(chǎn)損失等風險情況，就越會對人工智能不信任。基于上述分析，本研究做出假設(shè)H11：

H11：感知風險性對職業(yè)院校教師應用人工智能的信任有顯著的負向影響。

（五）滿意度

1.感知有用性與滿意度

當個體感知到某項技術(shù)、產(chǎn)品或服務(wù)對其能夠滿足需求和帶來實際效益時，他們對其產(chǎn)生積極的評價和滿意的態(tài)度。感知有用性對滿意度產(chǎn)生正向影響。仲秋雁等在眾包社區(qū)用戶持續(xù)參與行為實證研究中，發(fā)現(xiàn)感知有用性對滿意度有正向影響［27］。當職業(yè)院校教師對人工智能感到越有用，其對人工智能的滿意度就會越高?；谝陨戏治稣J為，本研究做出假設(shè)H12：

H12：感知有用性對職業(yè)院校教師應用人工智能的滿意度有顯著的正向影響。

2.感知風險性與滿意度

當個體感知到某項技術(shù)、產(chǎn)品或服務(wù)存在潛在的風險或威脅時，他們對其產(chǎn)生疑慮和不滿意的態(tài)度。感知風險性對滿意度有負向影響。在消費者行為學領(lǐng)域中，感知風險理論指的是消費者在購買某些產(chǎn)品或服務(wù)時，很難預知自己的消費決策是否明智，如果決策失誤，消費者會感到不滿意。劉紫微與胡月認為感知風險性負向影響大學生對旅游App的滿意度［28］。職業(yè)院校教師認為人工智能會出現(xiàn)信息泄露、財產(chǎn)損失等風險情況，就會對人工智能產(chǎn)生不滿意?；谝陨戏治觯狙芯孔龀黾僭O(shè)H13：

H13：感知風險性對職業(yè)院校教師應用人工智能的滿意度有顯著的負向影響。

最終構(gòu)建了職業(yè)院校教師人工智能教學應用行為意向影響因素理論模型，如圖1。

二、實證研究

（一）問卷設(shè)計與發(fā)放

本研究查閱了大量的國內(nèi)外有關(guān)態(tài)度模型、技術(shù)接受模型3、期望確認理論和技術(shù)接受與使用整合理論的參考文獻，在已有成熟量表的基礎(chǔ)上設(shè)計了該問卷的初稿。為了提升問卷的科學性和有效性、檢驗問卷質(zhì)量以及發(fā)現(xiàn)問卷潛在的問題，請該領(lǐng)域的專業(yè)人士和使用過人工智能的職業(yè)院校教師就問卷的內(nèi)容、問題的準確性、表達方式和安排順序等方面提出具體的建議或批評。根據(jù)收集到的反饋意見，對問卷問題的措辭、順序、刪除或添加等進行相應的修訂，保持了問卷的一致性和邏輯性，確保修訂后的問卷能更準確地反映調(diào)查目的，結(jié)果見表1。問卷由三部分組成：第一部分為基本信息，計10題；第二部分為受訪者對人工智能教學應用的態(tài)度，包括行為意向、認知、情感、其他四大部分，計10題；第三部分為開放題。第二部分均采用李克特五級量表評估個體對觀測變量的影響，具體為非常不同意、不同意、一般、同意、非常同意，分別賦予1分、2分、3分、4分與5分。

本問卷于2023年3月通過問卷星平臺進行發(fā)放，采用分層抽樣、隨機抽樣以及滾雪球抽樣等方法進行發(fā)放。本研究對職業(yè)院校教師進行分層，以便更精確地了解不同類型教師的接受程度。在進行調(diào)查時，采用分層隨機抽樣方法，每個層次中分別抽取一定數(shù)量的樣本進行研究。這樣能夠確保樣本能夠代表整個目標人群，并減少誤差，從而提高研究的可靠性和有效性。本研究先把問卷鏈接發(fā)給職業(yè)院校教師國培、省培群，從而產(chǎn)生分層隨機樣本。然后把問卷鏈接發(fā)給同事（QQ或微信），再請同事繼續(xù)邀請他們的好友（其他職業(yè)院校的教師）參與調(diào)查。最后通過滾雪球效應，逐漸擴大參與人數(shù)，有效地獲取具有代表性和多樣性的樣本，提高了調(diào)查的科學性和可信度。本研究共收到 1097份問卷，去掉重復和異常問卷，有效問卷為1060份，有效率大約為96.6%。應用過人工智能的教師問卷更具有代表性和說服力，驗證效果更好，將問卷中填答時間過短以及高度一致的問卷刪除，最后保留733份問卷，將這733份問卷作為數(shù)據(jù)源。男教師占總樣本數(shù)的45%，即330人，有接近一半是男教師；女教師占總樣本數(shù)的55%，即 403 人，超過一半是女教師。在文化程度上，大專及以下學歷的教師有35人，占總樣本數(shù)的4.77%，這部分教師具備一定的專業(yè)技能，但學術(shù)水平相對較低。本科學歷的教師有571人，占總樣本數(shù)的77.9%，這部分教師占據(jù)了絕大多數(shù)，顯示出參與調(diào)查的職業(yè)院校教師隊伍的主體部分具有較高的學歷水平。研究生及以上學歷的教師有127人，占總樣本數(shù)的17.33%，這部分教師具備較高的學術(shù)水平和專業(yè)素養(yǎng)，對提升職業(yè)教育的整體水平具有重要作用。為了分析調(diào)查問卷得到的樣本數(shù)據(jù)可靠性，本研究采用克朗巴哈系數(shù)（Cronbach’s α）進行信度分析，通過計算Cronbach’a一致性系數(shù)進行各變量內(nèi)部一致性信度分析，各個維度的Cronbach’a均在0.9以上，表明其具有內(nèi)部一致性。本文借助SmartPLS軟件，通過平均變異萃取量（AVE）進行各變量內(nèi)部效度分析，各潛在變量的因子載荷均大于理論值0.9，CR值均大于0.9，AVE值大于0.8。由此可見，本調(diào)查表信度和效度完全符合要求。

（二）路徑圖計算

采用PLS分析法的結(jié)構(gòu)方程模型在建模過程中具有所需樣本量低、適合復雜模型分析等優(yōu)勢［29］。針對本研究，樣本數(shù)據(jù)量為 733，屬于中小樣本數(shù)據(jù)，且潛變量有10個，其中4個為中介潛變量，模型相對復雜。同時，本研究在態(tài)度模型（ABC）、技術(shù)接受模型3（TAM3）、期望確認理論（ECT）和技術(shù)接受與使用整合理論（UTAUT）的基礎(chǔ)上，進行結(jié)構(gòu)創(chuàng)新的探索，因此更傾向于選擇 PLS 分析法進行研究。另外，SmartPLS4軟件具有強大的建模環(huán)境和簡潔的操作界面，使用戶快速完成建模過程，同時也能處理較為復雜的結(jié)構(gòu)方程模型。因此，本研究選擇使用SmartPLS4軟件進行驗證。在SmartPLS4軟件中，對模型路徑系數(shù)的顯著性檢驗是通過PLS-SEM算法和自舉方法來完成的。對該模型進行路徑檢驗，路徑系數(shù)及顯著性結(jié)果如表2所示。本研究模型共有13條路徑，接受8條，拒絕5條。顯著的路徑有：感知有用性對行為意向具有非常顯著的正向影響（P=0.656，Plt;0.001）（第一個P是Path的簡寫，表示路徑系數(shù)，第二個P表示顯著性，下同），滿意度對行為意向具有顯著的正向影響（P=0.253，Plt;0.05），感知娛樂性對行為意向具有比較顯著的正向影響（P=0.171，Plt;0.01），此外，自我效能感對行為意向具有顯著的正向影響（P=0.170，Plt;0.05）。在影響感知易用性的因素中，自我效能感具有非常顯著的正向影響（P=0.816，Plt;0.001）。感知易用性對感知有用性具有非常顯著的正向影響（P=0.836，Plt;0.001）。感知有用性對滿意度具有非常顯著的正向影響（P=0.678，Plt;0.001）。感知有用性對信任具有非常顯著的正向影響（P=0.615，Plt;0.001）。

同時，信任對行為意向沒有顯著的正向影響。從唐芙蓉的觀點來看，信任與行為意向之間存在一定的關(guān)系，但這種關(guān)系并不顯著［30］。盡管教師對人工智能有一定的信任感，但教師仍然會考慮到潛在的風險和不確定性，這會影響教師采納和推廣人工智能的意愿。在這種情況下，提高教師對人工智能的信任度，同時解決教師的擔憂和問題，將有助于促進人工智能在職業(yè)教育領(lǐng)域的普及和應用。便利條件對行

為意向沒有顯著的正向影響。便利條件并不總是對行為意向產(chǎn)生顯著的正向影響。例如，有教師表示：“雖然人工智能在技術(shù)和功能上非常先進，但我不覺得它們?yōu)槲姨峁┝硕嗌兕~外的便利。我仍然需要花費大量的時間和精力來熟悉和掌握人工智能，這讓我在實際教學過程中很難真正感受到便利”。社群影響對行為意向沒有顯著的正向影響。根據(jù)吳文汐等的研究，發(fā)現(xiàn)社群對個體行為意向的影響力并不明顯［31］，這是因為職業(yè)院校教師群體具有很強的獨立思考能力，他們的個人觀點和態(tài)度在決定行為意向方面起到了主導作用，從而減弱了親人、朋友等社群對他們行為意向的影響。許文靜［32］等人認為社群影響能夠顯著促進教師的有用性感知，但是并不能顯著影響行為意向。因此，社群影響并不總是對行為意向產(chǎn)生顯著的正向影響。感知風險性對信任和滿意度沒有顯著的負向影響，這與孫俊的研究結(jié)論一致，即基于技術(shù)授受模型對互聯(lián)網(wǎng)醫(yī)療使用意愿影響因素進行研究時，發(fā)現(xiàn)感知風險性并不會對信任和滿意度產(chǎn)生顯著性影響［33］。教師會根據(jù)具體情況來判斷感知風險性對信任和滿意度的影響，這取決于教師對風險的認知、個人經(jīng)驗和心理承受能力。因此，要促進人工智能在教育領(lǐng)域的普及和應用，需要從多個方面滿足教師的需求和期望，而不僅僅是降低感知風險性。

三、對策建議

職業(yè)院校教師對人工智能教學應用的態(tài)度總體上是積極的，這表現(xiàn)在教師的行為意向均值較高，達到了4.33。這個數(shù)值說明，大多數(shù)教師對應用人工智能持積極、主動的態(tài)度，愿意嘗試和接受這種新的教學方式。職業(yè)院校教師對人工智能的感知有用性、感知易用性和感知娛樂性的均值相對較高，分別達到了4.324、4.235 和 4.213。由此提出相關(guān)對策建議。

（一）利用人工智能技術(shù)推出精準教學模塊

職業(yè)院校教師在人工智能教學應用方面的需求，因其專業(yè)、教學目標和教學內(nèi)容而異。因此，提供精準的教學模塊能夠滿足職業(yè)院校教師的專業(yè)需求，并確保教師在教學實踐中能夠有效地應用人工智能。一是設(shè)置針對不同專業(yè)的教學內(nèi)容。不同專業(yè)教師需要掌握特定的人工智能知識和技術(shù)，以適應自己所任教的專業(yè)。例如，機電專業(yè)的教師更關(guān)注人工智能在機器人技術(shù)、自動化控制和智能制造等方面的應用。因此，要提供針對不同專業(yè)的精準教學模塊，滿足教師對相關(guān)專業(yè)人工智能技術(shù)的需求。二是考慮教學目標和學生需求，分析學生的學習數(shù)據(jù)。職業(yè)院校教師在人工智能教學應用方面的需求也受到他們的教學目標和學生的需求影響，要利用機器學習算法和數(shù)據(jù)分析技術(shù)，對學生的學習數(shù)據(jù)進行深度挖掘和分析，識別學生的學習風格、習慣、優(yōu)勢和不足，明確學生的具體需求。因此，提供精準的教學模塊可根據(jù)不同的教學目標和學生需求，為教師提供相關(guān)的教學資源和實踐指導。三是強調(diào)實踐與案例研究。職業(yè)院校教師通常更加注重實踐和案例研究，以便將所學的人工智能知識應用到實際的教學中。例如虛擬實驗室的應用極大程度上解決了時間空間上師生的不協(xié)調(diào)，職業(yè)院校教師可以根據(jù)課程安排利用人工智能構(gòu)建虛擬實驗室，幫助學生完成實驗。

（二）建立人工智能外圍支持體系

人工智能外圍支持體系的建立是關(guān)鍵。一是人工智能技術(shù)支持。教育主管部門和學校應提供相應的人工智能技術(shù)支持，包括人工智能教學設(shè)備的維護、軟件的安裝和使用等。這將幫助教師解決在應用人工智能過程中遇到的技術(shù)問題，降低教師應用人工智能的難度。二是政策鼓勵與倡導。國家教育部門或相關(guān)政府機構(gòu)出臺政策，明確鼓勵和支持職業(yè)院校教師使用人工智能技術(shù)進行教學創(chuàng)新。這些政策可能包括提供指導原則、設(shè)立專項基金、開展試點項目等。并且政策一定要包含對教師進行人工智能相關(guān)培訓的鼓勵和支持，如設(shè)立專門的培訓項目、提供培訓經(jīng)費等，以提高教師的信息化素養(yǎng)和人工智能應用能力。通過這些政策，降低教師應用人工智能的成本，提高教師的積極性，可進一步推動人工智能在教學中的應用。三是家長和社會的支持。在推廣人工智能在教學應用過程中，家長和社會的認可和支持是至關(guān)重要的。學校需要通過各種方式，讓家長和社會認識到人工智能對教育的重要性和價值，理解并接受教師在教學過程中使用人工智能。只有這樣，他們才能為教師創(chuàng)造一個良好的應用環(huán)境，讓教師能夠沒有后顧之憂地使用人工智能進行教學。通過以上外圍支持體系的建立，能有效提高職業(yè)院校教師人工智能教學應用行為意向，進一步推動職業(yè)教育人工智能的普及和應用。

（三）拓寬職業(yè)院校教師教育發(fā)展項目

拓寬職業(yè)院校教師教育發(fā)展項目旨在為教師提供繼續(xù)教育和專業(yè)發(fā)展的機會，使教師能夠了解最新的人工智能技術(shù)、教學方法和資源，并不斷更新和提升自己的能力。一是提供人工智能技術(shù)培訓。包括線上課程和線下實踐，培訓內(nèi)容包括人工智能基礎(chǔ)知識、技術(shù)應用、課程開發(fā)等方面。這些培訓課程涵蓋人工智能相關(guān)的技術(shù)和應用、教學設(shè)計和評估方法，以及人工智能教學資源的有效使用等內(nèi)容。二是分性別進行針對性培訓。根據(jù)男教師和女教師在技術(shù)接受和使用方面的特點和需求，為教師提供針對性的培訓內(nèi)容。例如，對于女教師，增加關(guān)于信息安全和數(shù)據(jù)保護等方面的培訓，以提高她們在這方面的意識和能力；對于男教師，加強關(guān)于技術(shù)創(chuàng)新和應用方面的培訓，激發(fā)其創(chuàng)新意識。三是提供獎學金和資助計劃，鼓勵教師參與職業(yè)教育人工智能教學應用的研究和創(chuàng)新項目。這些獎金和資助計劃可支持教師進行深入的研究、開發(fā)教學資源或設(shè)計創(chuàng)新的教學方法，以推動人工智能在職業(yè)教育中的應用。還要拓寬職業(yè)院校教師教育發(fā)展項目，致力于幫助教師不斷提升教師在人工智能教育領(lǐng)域的知識和能力，并將其應用到實際的教學中。

參考文獻

［1］ 焦麗珍.2024世界數(shù)字教育大會在上海開幕［J］.現(xiàn)代教育技術(shù)，2024（2）：1.

［2］ 陳冬梅.高等教育數(shù)字化轉(zhuǎn)型探析［J］.佳木斯職業(yè)學院學報，2024（1）：133-135.

［3］ 于浩，劉照陽，楊靈婷.人工智能對教育的影響及未來教師的素養(yǎng)［J］.繼續(xù)教育研究，2023（10）：49-55.

［4］ 何曼.國家數(shù)字化學習資源中心主任單從凱：人工智能視野下的職業(yè)教育變革［J］.在線學習，2023（7）：22-25+80.

［5］ 周佳峰.人工智能助推教育數(shù)字化轉(zhuǎn)型路徑與實踐研究［J］.中國教師，2023（3）：31-34.

［6］ 楊曄，張廷東，蔣雪君.智能聊天機器人在C語言程序設(shè)計教學中的應用［J］.電腦與電信，2021（12）：14-16+20.

［7］ 張雪冰，倪龍松，韋璐，等.高等職業(yè)教育個性化教學模式探析——基于ChatGPT技術(shù)［J］.淮南職業(yè)技術(shù)學院學報，2023（4）：58-61.

［8］ 呂慧.智能時代信息技術(shù)在烹飪教育實踐教學中的應用研究［J］.中國食品工業(yè)，2022（24）：108-110.

［9］ 鄧滿.教育人工智能背景下高職教師職業(yè)價值變遷與角色重塑［J］.職教論壇，2019（7）：93-97.

［10］張文龍，吳金玲，孟垂懿.人工智能時代職業(yè)教育教學的風險與對策研究［J］.江蘇教育研究，2023（12）：25-28.

［11］孫帥帥.人工智能對職業(yè)教育教學影響的風險及其應對［J］.職教論壇，2022（2）：68-74.

［12］范雅嫻.移動短視頻APP用戶使用行為影響因素研究［D］.武漢：武漢大學，2020：26.

［13］AL DARAYSEH A.Acceptance of artificial intelligence in teaching science： Science teachers’ perspective［J］.Computers and education：Artificial intelligence，2023（4）：100132.

［14］AYANWALE M A， SANUSI I T， ADELANA O P， et al.Teachers’ readiness and intention to teach artificial intelligence in schools［J］.Computers and education：Artificial intelligence，2022（3）：100099.

［15］劉津芳，李本乾.理性化與個性化：大學生微信朋友圈購物行為分析［J］.西南民族大學學報：人文社科版，2020（10）：159-165.

［16］劉克航.基于人工智能的英語學習類APP持續(xù)使用意愿研究［D］.青島：青島大學，2022：21.

［17］桂先鋒.疫情期間在線學習效果元分析及初中生在線學習效果影響研究［D］.武漢：華中師范大學，2022：46.

［18］孫僑羽.初中生在線持續(xù)學習意愿的影響因素研究［D］.上海：上海外國語大學，2022：24-25.

［19］蘇婷婷.移動短視頻APP新生代用戶行為意愿影響因素研究［D］.廣州：暨南大學，2018：27.

［20］NANDWANI S， KHAN S A.Teachers’ intention towards the usage of technology：an investigation using UTAUT model［J］.Journal of Education amp; Social Sciences，2016（2）：95-111.

［21］馮吉兵，張國良，靳帥貞，等.中小學教師虛擬實驗教學能力提升的對策研究——基于技術(shù)接受度測評［J］.中國電化教育，2022（7）：120-126+133.

［22］DAVIS F D.Perceived usefulness，perceived ease of use，and user acceptance of information technology［J］.MIS quarterly，1989（3）：319-340.

［23］劉哲雨，劉宇晶，周繼慧.桌面虛擬現(xiàn)實環(huán)境中自我效能感如何影響學習結(jié)果——基于心流體驗的中介作用［J］.遠程教育雜志，2022（4）：55-64.

［24］王澤蘅.在線學習行為意愿的影響因素及OMO教學實踐啟示——以信管專業(yè)大學生為例［J］.現(xiàn)代商貿(mào)工業(yè)，2023（18）：96-98.

［25］姜峰.社交網(wǎng)站持續(xù)使用行為意向的動機研究［D］.上海：上海交通大學，2015：22.

［26］楊世武，苑心怡.“社交電商”用戶購買意向驅(qū)動因素的模型與實證分析［J］.湖北文理學院學報，2020（5）：80-88.

［27］仲秋雁，王彥杰，裘江南.眾包社區(qū)用戶持續(xù)參與行為實證研究［J］.大連理工大學學報：社會科學版，2011（1）：1-6.

［28］劉紫微，胡月.大學生旅游App用戶粘性影響因素研究［J］.現(xiàn)代商業(yè)，2020（34）：21-22.

［29］陳俊梁，史歡歡，林影，等.城鎮(zhèn)化對經(jīng)濟增長影響的路徑分析——基于長三角城市群的研究［J］.經(jīng)濟問題，2022（4）：49-57.

［30］唐芙蓉.移動支付技術(shù)采納的影響因素研究［D］.成都：電子科技大學，2008：52.

［31］吳文汐，周婷.基于 UTAUT 模型的微信朋友圈原生廣告接受度實證研究［J］.廣告大觀：理論版，2016（5）：41-49.

［32］許文靜，于欣平.慕課學習行為意向影響因素研究——基于財務(wù)會計課程［J］.商業(yè)會計，2023（5）：113-117.

［33］孫俊.基于技術(shù)接受模型的互聯(lián)網(wǎng)醫(yī)療使用意愿影響因素研究［D］.北京：中央民族大學，2019：45.

Research on Influencing Factors of Teachers’ Behavior Intention of Artificial Intelligence Teaching in Vocational Colleges

FANG Xu1， JIANG Pei1， ZHU Jin wu2

（1.Nantong University， Nantong 226019， China; 2.Jiangsu Dafeng Vactional School， Yancheng 224145， China）

Abstract： The application of artificial intelligence education is an important means and model to realize the digital transformation of education. With the rapid development of artificial intelligence， its application in the field of education is deepening. Especially in vocational education， artificial intelligence can be used to improve the teaching effect and cultivate students’ practical operation ability. At present， there is still a lack of in depth theoretical and empirical analysis of the intention of artificial intelligence teaching and application behavior of teachers in vocational colleges and universities at home and abroad. This study took teachers in vocational colleges as the research object， constructed a model of influencing factors of vocational college teachers’ behavioral intention of AI teaching application based on the attitude model and so on， and carried out empirical analysis using SPSS23 and SmartPLS4 software. The research results show that perceived usefulness has a very significant positive impact on behavioral intention， satisfaction has a significant positive impact on behavioral intention， and perceived entertainment has a relatively significant positive impact on behavioral intention. Ring， in addition， self efficacy also has a significant positive impact on behavioral intention. Among the factors affecting perceived ease of use， self efficacy has a very significant positive impact. Perceptual usability has a highly significant positive impact on perceived usability. Perceptual usability has a highly significant positive impact on satisfaction. Perceptional usability has a very significant positive impact on trust.

Key words： artificial intelligence; pedagogical applications; vocational colleges; teachers; behavioral intentions