地理教师使用生成式人工智能辅助命题的行为意愿研究　　

　　一、引言

　　当前越来越多的中学地理教师在教学设计、课堂评价以及教育管理等环节中使用生成式人工智能（Generative Artificial Intelligence,GenAI）。[1][2]GenAI在试题命制中的应用尤为引人注目。尽管已有研究探讨了GenAI在命题场景中的技术优势，但对于地理教师使用GenAI辅助命题的行为意愿以及相关影响因素之间的作用机制，目前缺乏系统性分析。

　　地理教师使用GenAI辅助命题的行为意愿是一个多维度、多因素交互的复杂过程，涉及技术认知、专业能力以及组织环境等多个层面。作为研究用户技术采纳行为的重要理论基础，技术接受模型（TAM）强调感知易用性、感知有用性与态度等因素对技术使用行为意愿的作用机制。随着智能技术日益融入地理教学，研究仅靠传统TAM模型已难以全面解释地理教师在具体教育场景中的决策行为。因此，有必要引入更多贴近教学实际的变量对该模型进行扩展。本研究在TAM框架基础上加入三个关键变量，分别为技术自我效能（反映地理教师在使用GenAI过程中的信心）、AI-TPACK（表征地理教师整合AI与学科教学的能力）以及学校支持（体现地理教师在组织层面获得的资源与保障）。这些变量从个体能力、教学素养与环境支持等角度出发，构建了一个更契合试题命制情境的技术采纳分析框架。

　　本研究采用混合研究方法，整合了多元统计与组态分析技术。其中结构方程模型（SEM）通过路径分析探究潜在变量间的因果路径，揭示技术自我效能、AI-TPACK、学校支持、感知易用性、感知有用性、态度与行为意愿7个变量之间的关系；模糊集定性比较分析（fsQCA）则能有效识别多重并发因果关系，分析特定结果背后核心要素、辅助因子及边界条件构成的差异化组合模式，从而进一步探究多因素组合如何共同驱动地理教师采纳GenAI辅助命题的意愿。通过两种方法互补，本研究以期从路径机制与组态机制两个层面，为地理教师的试题命制的技术赋能提供实践启示和理论支持。

　　二、理论基础与研究假设

　　1.理论模型基础

　　Davis于1989年提出技术接受模型（TAM），该理论框架系统揭示了新技术采纳过程中的用户心理机制。[3]其核心逻辑链条表现为：用户对技术的感知易用性和感知有用性共同塑造使用态度，最终驱动其行为意愿。其中，感知易用性指个体对技术操作难度的主观评估，感知有用性是个体对技术效能的主观判断，使用态度则关注个体对使用新技术的情感倾向。TAM模型结构清晰、可操作性强，因此常被用来探究教师对各类新兴工具（如电子白板、学习管理系统、在线平台和GenAI等）的接受路径。目前越来越多的研究者开始尝试将TAM与教育学理论融合，引入外部变量对模型进行扩展，以提高模型的解释力。本研究结合地理教师的职业特征及试题命制任务的特殊性，在内在条件层融入技术自我效能与AI-TPACK两个变量，在外在条件层纳入学校支持变量。

　　2.假设模型的构建与阐释

　　为了探究影响地理教师使用GenAI辅助命题的行为意愿的因素，本研究构建了地理教师使用GenAI辅助命题的行为意愿假设模型（见图1）。

　　

　　自我效能是个体对自己能够成功执行特定任务所需能力的信念。在本研究背景中，技术自我效能是指地理教师在试题命制过程中熟练运用GenAI的信心水平。具有高自我效能的地理教师会提前准备好应对新技术使用过程中的各种障碍，并表现出较强的探索性和主动适应能力。既往研究都印证了技术自我效能作为内在驱动因素，对教师的感知易用性和感知有用性具有一定的预测作用。因此，本研究提出以下2种假设。H1a：技术自我效能能够正向预测地理教师的感知易用性；H1b：技术自我效能能够正向预测地理教师的感知有用性。

　　整合技术的学科教学知识（TPACK）强调技术、教学法与内容的有机融合。很多研究都表明，TPACK会显著影响教师对新技术的感知易用性和感知有用性。随着人工智能技术的不断发展，学者为了阐明AI技术，教学方法和教育知识内容之间的相互关系和协同作用，在TPACK模型基础上构建了AI-TPACK模型。AI-TPACK强调AI整合到教学中所需的技术和教学内容知识。[4]已有研究表明，AI-TPACK能够正向预测个体的感知易用性与感知有用性，即具备AI-TPACK的教师可以准确评估AI工具的教学适用性，并通过知识迁移降低技术操作难度。[5][6]这种专业认知结构有效弥合了技术创新与教学实践需求间的适配鸿沟。因此，本研究提出以下2种假设。H[，2]a：AI-TPACK能够正向预测地理教师的感知易用性；H[，2]b：AI-TPACK能够正向预测地理教师的感知有用性。

　　学校支持主要是指学校的GenAI硬件设备、AI试题数据库、教师培训以及技术文化等多方面的支持，其本质是通过组织层面的资源投入与制度设计，降低教师的技术应用门槛并激发创新动能。在协作、灵活的学校环境中，强有力的学校支持能够缓解教师对技术的抗拒心理，提升个体的感知易用性和感知有用性。[7]因此，本研究提出以下2种假设。H3a：学校支持能够正向预测地理教师的感知易用性；H3b：学校支持能够正向预测地理教师的感知有用性。

　　感知易用性强调地理教师对GenAI辅助命题这一操作难易程度的主观判断，具体表现为地理教师是否认为GenAI易于学习和方便操作，以及该技术是否能够减轻命题过程中的认知负担。在技术接受模型中，教师的感知易用性会直接影响个体的态度，或者会通过感知有用性间接影响其行为意愿；感知有用性是指地理教师对GenAI在提高命题效率、优化试题质量以及增强教学适配性等方面的感知。已有大量研究验证了教师的感知有用性对自身的态度和行为意愿具有直接的预测作用；[8]地理教师的态度在技术接受过程中也扮演着重要角色，积极的态度会推动其主动接纳GenAI辅助命题，而消极的态度则可能抑制个体的行为意愿。为验证TAM模型在GenAI辅助命题背景下的适用性，本研究保留其核心路径结构并提出以下5种假设。H4：感知易用性能够正向预测地理教师的感知有用性；H5：感知易用性能够正向预测地理教师的态度；H6：感知有用性能够正向预测地理教师的态度；H7：感知有用性能够正向预测地理教师的行为意愿；H8：态度能够正向预测地理教师的行为意愿。