《Computers & Education: X Reality》：Assessing teachers’ readiness for AI-driven XR integration: Scale development and multigroup validation in ethnic minority boarding high schools in Viet Nam
編輯推薦：
為了解決教師是否準備好有效且符合倫理地將人工智能（AI）和擴展現實（XR）技術整合到教學中的關鍵問題，研究人員在越南少數民族寄宿制高中開展了一項大規模調研。他們開發并驗證了一個名為“教師對AI驅動XR整合的準備度”（TRAXRI）的多維度模型，發現教師的態度、績效期望和自我效能感是影響其整合準備度的最強預測因素，而倫理與隱私意識也具有顯著的新興影響。這項研究不僅為理解和評估教師對沉浸式智能教學技術的接納意愿提供了有效工具，也為制定針對特定文化背景和資源受限學校的教師能力建設策略提供了實證依據。
人工智能（AI）與擴展現實（XR）——涵蓋虛擬現實（VR）、增強現實（AR）和混合現實（MR）的統稱——的融合，正在深刻重塑教育的未來。這種結合催生了智能、自適應、以人為中心的學習生態系統，有望超越空間和語言界限。然而，技術的光環背后，一個根本性問題日益凸顯：教師們準備好了嗎？他們是否有足夠的能力、信心和意愿，將這些前沿技術有效且負責任地融入日常教學實踐？這個問題在資源有限、文化多樣、技術基礎設施可能不足的學校環境中顯得尤為緊迫，例如在發展中國家為少數民族學生提供教育的寄宿制學校。如果不關注教師的準備情況，XR和AI的廣泛應用不僅難以發揮其潛力，反而可能加劇數字鴻溝，讓技術紅利僅惠及資源充足的學校和教師。
正是在這樣的背景下，一項聚焦于越南少數民族寄宿制高中的研究應運而生。研究人員敏銳地意識到，盡管AI驅動的XR應用在全球教育領域迅速擴展，但教師的準備度參差不齊，且針對中小學教師、特別是文化特殊背景學校的研究存在顯著空白。現有評估工具多側重于數字技能，而忽視了關鍵的背景、文化和倫理變量。因此，理解并評估教師在認知、情感、教學和倫理等多個維度的準備狀態，對于確保XR技術真正促進教育公平與質量至關重要。
為了填補這些理論和實證上的空白，Phi Dinh Khuong 和 Lam Thuy Duong 開展了一項研究，旨在開發和驗證一個專門用于評估教師對AI驅動XR整合準備度的多維模型——教師對AI驅動XR整合的準備度（TRAXRI）。該研究以整合型科技接受與使用理論（UTAUT2）為基礎，并擴展了教學和倫理維度。研究模型包含六個前置構念：績效期望、努力期望、便利條件、對AI-XR的態度、自我效能感以及倫理與隱私意識，這些共同預測教師對AI驅動XR整合的準備度。研究數據來自越南各地1740名少數民族寄宿制高中的中學教師，并采用偏最小二乘法結構方程模型（PLS-SEM）進行分析。
研究發表在《Computers & Education: X Reality》期刊上，其核心發現揭示了教師準備度的關鍵驅動因素。
為了系統地探究上述問題，研究者運用了嚴謹的量化研究方法。他們首先基于UTAUT2理論，并融入教學和倫理維度，開發了包含六個前置構念和一個結果構念的TRAXRI理論模型，并提出了六個研究假設。研究工具是一份包含25個測量項（經后效度檢驗后保留24項）的自陳式問卷，所有題項均使用李克特五點量表。數據收集于2025年5月至8月間進行，通過線上和紙質兩種形式，最終獲得1740名越南少數民族寄宿制高中教師的有效樣本。數據分析則采用了SPSS 26.0和SmartPLS 4.0軟件，通過探索性因子分析（EFA）和驗證性因子分析（CFA）檢驗量表的信效度，并利用PLS-SEM檢驗結構模型的路徑關系，同時進行了多群組分析（MGA）以考察模型在不同教師子群體（如性別、教學經驗）間的穩定性。
研究結果
- •
4.1. 受訪者的人口統計學特征：參與調查的1740名教師中，女性占58.2%，男性占41.8%。教學經驗分布廣泛，其中具有11-20年經驗的教師占比最高（36.4%），所有參與者均來自越南的少數民族寄宿制高中。
- •
4.2. 構念的描述性統計：所有構念的均值在4.01至4.31之間（5分制），表明教師對AI-XR整合普遍持有積極看法。其中，績效期望和對AI-XR的態度均值最高。
- •
4.3. 測量構念的信度和收斂效度：所有構念的克朗巴赫α系數（Cronbach's α）介于0.841至0.894之間，組合信度（CR）介于0.875至0.922之間，平均方差萃取量（AVE）介于0.699至0.776之間，均超過了推薦閾值，表明測量模型具有良好的內部一致性和收斂效度。
- •
4.4. 構念的區分效度（Fornell-Larcker和HTMT準則）：根據Fornell-Larcker準則，所有構念的AVE平方根均大于其與其他構念的相關系數。同時，所有異質-單質比值（HTMT）均低于0.85的閾值。這兩項結果共同證實了構念間具有良好的區分效度。
- •
4.5. 結構模型評估：結構模型分析顯示，所有六個假設路徑（H1-H6）均正向且顯著（p < 0.01），模型對教師準備度的方差解釋率高達71%（R2= 0.71）。其中，對AI-XR的態度影響最強（β = 0.33），其次是績效期望（β = 0.28）和自我效能感（β = 0.21）。努力期望（β = 0.19）、便利條件（β = 0.16）和倫理與隱私意識（β = 0.10）也具有顯著影響。
- •
4.6. 多群組分析（MGA）：多群組比較表明，TRAXRI模型在不同教師子群體中基本穩定。但研究也發現了一些細微差異：擁有10年及以上教學經驗的教師，其努力期望和自我效能感對準備度的影響更強；而女性教師中，態度對準備度的影響略高于男性教師。區域間的比較則未發現顯著差異。
研究結論與討論
本研究成功開發并驗證了TRAXRI模型，證實了它是一個可靠且有效的工具，可用于評估教師在資源受限、文化多元的學校環境中對AI驅動XR技術整合的多維度準備狀態。研究發現，教師的情感與認知評價（對AI-XR的態度）、對技術教學價值的信念（績效期望）以及對自身能力的信心（自我效能感）是決定其準備度的最關鍵因素。這表明，推動AI-XR在教學中的應用，核心在于提升教師對這些技術的情感接受度和教學價值認同，并增強他們運用技術的自信心。
相比之下，技術易用性（努力期望）和制度性支持（便利條件）雖然也至關重要，但更多扮演著支持性和使能性的角色，它們降低了采納門檻，但并非最核心的驅動力量。一個尤為重要的發現是，倫理與隱私意識雖然影響系數相對較小，但其顯著的正向影響意味著，在沉浸式、數據密集的AI-XR學習環境中，教師的倫理敏感性和數據保護意識是促進其負責任地使用技術、建立信任的重要補充因素，而非阻礙。
在理論層面，這項研究將傳統的技術接受模型（如UTAUT2）擴展到了AI-XR這一新興且復雜的教學領域，并明確納入了倫理維度，從而提供了一個更全面理解教師“教學準備度”而非僅僅是“技術準備度”的框架。它強調，教師的準備度是一個融合了技術熟練度、教學法理解、情感傾向和倫理考量的整體性構念。
在實踐層面，研究結果為教育政策制定者、學校管理者和教師培訓者提供了清晰的行動指南。針對少數民族寄宿制高中這類特殊教育環境，專業發展項目應超越單純的技術技能培訓，致力于：1) 通過沉浸式體驗和成功案例分享，塑造教師對AI-XR的積極態度；2) 設計循序漸進的實訓，在可控環境中逐步構建教師的應用自我效能感；3) 確保提供穩定可靠的基礎設施和技術支持（便利條件），減輕教師的操作負擔；4) 將數據倫理、隱私保護和包容性設計等內容納入培訓課程，培養教師的“倫理準備度”。
當然，研究也存在一些局限，例如采用橫截面調查設計、樣本集中于特定類型學校等。未來研究可以通過縱向追蹤、結合課堂觀察等混合方法，進一步探索教師準備度如何轉化為實際的教學行為和學生學習成果，并檢驗TRAXRI模型在不同文化、學科和教育階段中的普適性。
總而言之，這項研究揭示了一個核心洞見：在人工智能與擴展現實技術重塑教育的浪潮中，教師的準備狀態是決定技術能否轉化為包容、有效且合乎倫理的教學實踐的關鍵樞紐。TRAXRI模型及其發現，為在資源不均等的教育場景中，系統化地培養和支持教師，使其成為智能沉浸式學習的稱職引領者，提供了寶貴的理論依據和實踐路徑。
