这篇文档属于类型a，即报告了一项原创性研究。以下是对该研究的学术报告：
主要作者及研究机构
本研究的主要作者为吴斓（南京信息工程大学教师教育学院）、王阿习（北京联合大学师范学院）和董艳（北京师范大学教育学部）。该研究发表于《电化教育研究》2024年第12期（总第380期）。
学术背景
本研究属于教育技术领域，重点关注职前教师教学设计能力的培养。随着以ChatGPT为代表的生成式人工智能（Generative Artificial Intelligence, GAI）的广泛应用，人机协同逐渐成为教育的新常态。生成式人工智能以其丰富的知识储备、类人的思维逻辑和高效应答行为，能够有效支持教师开展教学设计。然而，过度依赖生成式人工智能可能导致思维惰性，削弱教师的主动性和创造性，限制其专业发展。因此，如何科学恰当地利用生成式人工智能赋能职前教师培养，实现人机智能双向赋能，成为智能时代师范教育的重要挑战。
基于此，本研究旨在理解人机协同教学设计过程，并开展相关实证研究。研究基于自我生成教学理论（Self-Generated Instruction Theory）分析人机协同教学设计过程，设计培训活动，利用生成式人工智能赋能职前教师教学设计能力发展，并通过实证研究检验培训效果，提出相关建议。
研究流程
研究分为以下几个步骤：
1. 理论框架构建
研究基于自我生成教学理论，构建了职前教师人机协同教学设计过程模型，包括“知识检索—结构重建—方案生成”三大环节。
- 知识检索：职前教师通过向生成式人工智能提问，获取教学设计相关理论知识，如教学设计结构、课程标准等。
- 结构重建：生成式人工智能基于提问提供提示和建议，职前教师选择有价值的信息，重建教学设计变量的认知结构。
- 方案生成：职前教师整合新旧知识，生成完整的教学设计方案。
培训活动设计
研究基于上述模型设计了职前教师人机协同教学设计能力培训活动，分为三大专题：
实证研究
研究招募了22名计算机科学与技术师范专业学生，开展了为期六周的干预实验。培训前后，职前教师分别提交一份人机协同教学设计方案及人机对话内容，并完成“人机协同教学设计信念”问卷。研究通过对比分析培训前后数据，检验培训效果。
主要结果
1. 教学设计方案质量提升
培训后教学设计方案质量显著高于培训前（p<0.001），表明培训有效提升了职前教师的教学设计能力。
知识激活量增加
培训后，职前教师在人机对话中提及的教学设计类单元概念数量显著增多（p<0.001），但学科知识类单元概念数量无显著差异。说明生成式人工智能主要在学科知识方面提供支持，而在教学设计思路和活动编排方面仍需职前教师决策。
高阶思维能力提升
培训后，职前教师在人机对话中的精加工语句数量显著增多（p<0.01），表明其更能主动建构知识。此外，培训后职前教师倾向于对机器回复进行评估和改进，展现出专家型问题解决的特征。
教学设计信心提高
培训后，职前教师评价教学设计方案的信心显著提高（p=0.034），但在制订教学设计方案和对教学设计相关内容的熟悉程度方面无显著差异。
结论与意义
本研究基于自我生成教学理论设计培训活动，通过实证研究验证了生成式人工智能在赋能职前教师教学设计能力发展方面的有效性。研究发现，人机协同教学设计实质上是自我生成教学过程，生成式人工智能不仅提供外部提示，还能充当心理上的学习伙伴，支持职前教师完成知识建构。此外，研究强调了职前教师在教学设计中的主体性和创造性，避免过度依赖生成式人工智能导致的思维惰性。
研究亮点
1. 理论创新：首次基于自我生成教学理论构建了职前教师人机协同教学设计过程模型，为生成式人工智能赋能教师专业发展提供了理论支持。
2. 实践价值：通过实证研究验证了培训活动的有效性，为师范教育阶段职前教师教学设计能力培养提供了可操作的实践方案。
3. 方法创新：采用滞后序列分析等方法，深入揭示了职前教师在人机协同教学设计过程中的思维变化。
其他有价值内容
研究还提出了未来研究方向，包括进一步探究人机协同教育过程与机理，以及加强职前教师在教学设计、高阶思维技能和生成式人工智能应用技巧方面的培训，以确保师范教育与时俱进。
本研究为生成式人工智能赋能职前教师培养提供了重要的理论和实践参考，具有较高的学术价值和现实意义。