引言

全球科技革命下，人工智能与教育的融合成为教育现代化核心动力，UNESCO (2021）指出，教师数字素养是实现人工智能教育价值的关键，其智能教育素养更是教育数字化转型成效的核心决定因素。《教育强国建设规划纲要（2024—2035年）》明确推动外语教育与智能技术融合的改革方向，这要求高校外语教师兼具技教融合创新能力与数据驱动教学决策能力（胡蕙芳，2024），闫健楠等（2024）亦证实高智能素养能显著提升外语教学效果与学生语言能力。当前我国高校外语教师智能教育素养仍存短板：智能教育深度应用技能欠缺，西华大学调研显示仅28%能利用数据分析调整教学；学科适配性知识不足，通用化培训导致技教融合困难（胡蕙芳，2024）；部分教师伦理认知薄弱，存在数据使用不规范等问题（杨洁，2024）。此类问题制约了高校外语教学数字化转型质量，影响复合型外语人才培养。因此，厘清高校外语教师智能教育素养现状与群体差异，提出针对性提升策略，是当前外语教育领域亟待开展的重要研究课题。

文献综述

核心概念界定

智能教育素养

智能教育素养是数字素养在智能教育时代的深化与拓展，其核心要义是主体在教育场景中运用人工智能等数字技术实现教育教学优化与创新的综合能力体系。目前学界对其内涵的界定已形成“多维度整合”共识，既涵盖技术应用层面的能力，也包含理念认知与伦理规范层面的素养。

国际层面，2021年，联合国教科文组织在《教育中的人工智能：可持续发展的挑战与机遇》中提出，教师智能教育素养应包括“AI技术认知、AI教学应用、AI伦理把控”三大基础维度，强调对技术原理的理解与教育场景的适配性结合。经济合作与发展组织（2025）联合欧盟发布的《赋能AI时代的学习者：中小学教育的AI素养框架》草案进一步细化了智能素养的操作维度，提出“与AI互动、用AI创作、驾驭AI和设计AI”的四维度框架，虽聚焦学习者，但为教师素养界定提供了核心参照。

国内研究中，胡蕙芳（2024）基于江浙两省高校教师实证调研，将智能教育素养界定为“以智能技术为支撑，融合教育理念、教学技能与学科知识的综合性素养”，具体包括智能技术知识、智能教学能力、智能伦理认知三个核心维度。杨洁（2024）则在其研究中补充了“数据驱动决策能力”这一关键维度，强调智能时代教师对教育大数据的分析与应用能力。综合国内外研究，本研究认为智能教育素养是主体具备的智能技术认知与应用能力、融合性教学创新能力、数据处理与决策能力及智能伦理规范认知的有机统一体。

高校外语教师智能教育素养

高校外语教师智能教育素养是智能教育素养在高校外语教学领域的具体化呈现，是外语教师结合外语学科工具性与人文性的双重属性，运用智能技术实现教学优化、人才培养与自身发展的专属素养体系，其核心特征是“学科属性与智能技术的深度适配”。

该概念的内涵可基于TPACK（技术－教学法－学科知识）框架展开界定，吴远青（2025）在农村中小学英语教师研究中证实，外语教师的数字素养与TPACK结构高度关联，需实现技术知识与学科教学知识的有机融合。具体而言，其维度包括：外语学科适配性智能技术能力、跨文化场景智能教学创新能力、外语教学数据驱动决策能力以及外语智能教学伦理素养。

与通用教师智能教育素养相比，高校外语教师智能教育素养更强调跨文化交际场景的技术应用、语言技能培养的个性化技术支撑及国际传播中的智能伦理把控，这与《教育强国建设规划纲要（2024—2035年）》提出的“培养具备跨文化交际能力的复合型外语人才”目标高度契合。本研究立足量表开发逻辑，以KSAVE模型为核心理论支撑，结合AI-TPACK整合技术与学科教学的核心思想，明确智能教育素养为“主体在教育场景中，以实现教学优化与创新为目标，具备的智能技术知识、实践应用技能、积极态度与价值认同、伦理规范认知的四维度有机统一体”。该界定与本研究量表的四大测量维度完全匹配，既涵盖技术应用的核心能力，又包含态度价值观与伦理的非智力因素，契合智能教育素养“技术赋能+价值引领”的双重属性。

理论基础

KSAVE框架

KSAVE框架作为素养评估与培养的经典理论工具，起源于21世纪初信息素养教育的实践探索，其核心价值在于打破传统素养评估中“重技能轻素养”的单一维度局限，构建“知识—技能—态度—价值观—伦理”的多维度整合分析框架。

KSAVE框架的核心维度呈现“认知—行为—情感—伦理”的递进逻辑，KSAVE框架在本研究中的适配性体现在三个方面：一是维度完整性覆盖了高校外语教师智能教育素养的核心构成，与本研究量表的“知识－技能－态度价值观－伦理”四维度设计高度契合；二是理论通用性与学科特殊性的平衡，其通用维度可通过外语学科场景具象化，如知识维度聚焦跨文化智能教学知识，技能维度侧重语音测评、双语对比等专项技能；三是评估导向的实践价值，框架各维度可直接对应素养提升的靶向目标，为后续提出针对性培养策略提供理论依据（蔡迎春，2024）。

教师智能教育素养理论

教师智能教育素养理论是在人工智能与教育深度融合背景下，对教师专业素养理论的拓展与重构，核心是揭示智能时代教师素养的构成、形成机制及发展规律，为素养评估与培养提供专项理论支撑。该理论融合了教育技术学、教师教育学、人工智能等多学科视角的综合性理论体系，其发展历程可分为“技术应用导向”“融合创新导向”“价值引领导向”三个阶段（UNESCO,2021）。

国外对教师智能教育素养理论的研究形成两大核心分支：一是以联合国教科文组织为代表的“能力框架派”，侧重构建普适性的素养评估标准。UNESCO（2021）在《教育中的人工智能：可持续发展的挑战与机遇》中提出“AI技术认知—教学应用—伦理把控”三维框架，强调技术应用与教育目标的适配性，该框架已被全球50余个国家采纳为教师培训指导标准。二是以经济合作与发展组织为代表的“学习者中心派”，从学习效果反推教师素养要求，提出教师需具备“赋能AI学习、设计AI活动、评估AI效能”的核心能力，其2025年发布的《赋能AI时代的学习者：中小学教育的AI素养框架》草案虽聚焦基础教育，但为高校教师素养研究提供了“能力—效果”关联的分析视角。

国内学者基于本土教育实践，形成了国际视野与学科特色兼具的理论成果。胡蕙芳（2024）结合江浙两省高校教师实证调研，提出“智能技术知识—智能教学能力—智能伦理认知”三维理论框架，强调学科适配性在素养构成中的核心地位，其研究证实外语教师的智能教学能力需与跨文化教学场景深度融合。吴远青（2025）则将TPACK理论与智能素养理论整合，提出“AI-TPACK”整合理论，明确外语教师智能素养的核心是实现“人工智能技术知识（AIK）—外语学科知识（CK）—教学法知识（PK）”的三元融合，其基于安徽省农村中小学英语教师的调研数据，证实了该整合理论的实践解释力。

本研究对教师智能教育素养理论的采纳与深化体现在两个方面：一是核心维度的整合，吸收胡蕙芳（2024）的学科适配性观点，结合KSAVE框架的态度和价值观维度，形成更全面的分析维度体系；二是学科场景的聚焦，针对高校外语教学“工具性与人文性并重”的特点，将理论维度具象化为跨文化智能教学、语言技能智能测评等专项素养，解决了通用理论在学科研究中“泛化”的问题。

两大理论在本研究中形成“通用框架—专项理论”的互补关系：KSAVE框架提供多维度整合的分析工具，确保素养评估的全面性；教师智能教育素养理论提供学科适配的核心维度，确保研究的针对性，共同为高校外语教师智能教育素养的现状分析、差异剖析及策略提出提供坚实的理论支撑。

研究设计

研究问题

1. 当前我国高校外语教师在智能教育知识、技能、态度和价值观、伦理四大维度的整体发展水平如何？
2. 不同年龄、职称、学历背景的高校外语教师，在智能教育素养整体水平及四大核心维度上差异性如何？
3. 高校外语教师智能教育素养提升策略有哪些？

研究工具与方法

研究工具

本研究以KSAVE评估框架为理论核心，经文献梳理、题项设计、效度检验、预调研修正四个阶段形成《高校外语教师智能教育素养评价问卷》。问卷包含四大维度，共20 个题项。选取70 名高校外语教师进行调研，回收有效问卷68份，有效回收率97%。对数据进行信度检验，结果显示问卷整体 Cronbach's α系数为0.912，四大维度的 Cronbach's α系数分别为0.853（知识）、0.876（技能）、0.821（态度和价值观）、0.845（伦理），均高于0.80 的可接受水平，表明问卷具有良好的内部一致性与可靠性。

研究方法

（1）问卷调查法

本研究以线上问卷调查为核心方法，通过问卷星平台设计并发布正式问卷，收集高校外语教师智能教育素养四大维度的量化数据，为现状分析与群体差异分析提供核心数据支撑。

（2）统计分析方法

本研究采用 SPSS26.0统计分析软件对有效问卷数据进行分析，具体包括：描述性统计分析了解当前高校外语教师智能教育素养的整体发展水平与各维度的表现特征，识别素养发展的核心短板；运用单因素方差分析（ANOVA），以年龄、职称、学历背景为分组变量，以智能教育素养整体及四大维度得分为因变量，进行群体差异分析，明确不同群体间的具体差异所在。

研究结果与分析

高校外语教师智能教育素养现状分析

维度名称	平均值（M）	标准差（SD）	最小值	最大值	得分排序
态度和价值观维度	4.53	0.38	3.00	5.00	1
伦理维度	4.38	0.45	2.20	5.00	2
知识维度	4.17	0.52	2.40	5.00	3
技能维度	4.01	0.55	2.00	5.00	4

如表1所示，四大维度的平均得分均高于3分中性水平，但存在显著差异：态度和价值观维度得分最高（M=4.53，SD=0.38），伦理维度次之（M=4.38，SD=0.45），知识维度居中（M=4.17，SD=0.52），技能维度得分最低（M=4.01，SD=0.55）。从标准差来看，技能维度（SD=0.55）与知识维度（SD=0.52）的得分离散度较大，表明教师在智能教育实操能力与理论认知上的个体差异更明显；而态度价值观维度（SD=0.38）与伦理维度（SD=0.45）离散度较小，反映教师对智能教育的价值认同与伦理认知相对统一。

高校外语教师智能教育素养群体差异分析

为探究不同年龄、职称、学历背景的高校外语教师，在智能教育素养整体水平及四大核心维度上差异性如何，本研究以年龄、职称、学历为分组变量，以总素养得分及四大维度得分为因变量，采用ANOVA 检验群体差异的显著性，结合描述性统计分析具体差异特征。

不同年龄高校外语教师智能教育素养统计

年龄分组	样本数（n=68）	平均值（M）	标准差（SD）	最小值	最大值	排名
≤30 岁	13	4.31	0.45	3.50	5.00	1
31-40 岁	7	4.20	0.39	3.60	4.80	3
41-50 岁	10	4.07	0.45	3.20	4.80	4
≥51 岁	38	4.27	0.51	3.00	5.00	2
方差分析	-	F=0.563	p=0.642	-	-	-

如表2所示，不同年龄教师的总素养得分呈现 “≤30 岁＞≥51 岁＞31-40 岁＞41-50 岁” 的特征，但单因素方差分析结果显示，差异未达显著水平（F=0.563，p=0.642＞0.05）。从四大维度的年龄差异来看，不同年龄群体在各维度的表现呈现 “维度特异性”，年龄≤30 岁青年教师在技能维度得分最高（M=4.18）显著高于41-50 岁教师（M=3.78），这与青年教师对智能工具的接受度高、实操经验积累快的特点相关；在伦理维度方面，年龄≥51 岁成熟教师得分最高（M=4.45），≤30 岁教师得分最低（M=4.23），反映成熟教师在教学伦理把控、学生隐私保护等方面的经验更丰富；在知识维度与态度价值观维度，各年龄组得分差异较小，其中31-40 岁教师在态度价值观维度得分最高（M=4.60），体现该年龄段教师对智能教育的价值认同最积极。

不同职称高校外语教师智能教育素养的差异分析

职称分组	样本数（n=68）	平均值（M）	标准差（SD）	最小值	最大值	排名
正高	25	4.28	0.42	3.50	5.00	1
副高	26	4.27	0.53	3.00	5.00	2
讲师及以下	17	4.14	0.50	3.20	4.80	3
方差分析	-	F=0.546	p=0.582	-	-	-

不同职称教师的总素养得分呈现 “正高≈副高＞讲师及以下” 的特征，但方差分析结果显示，差异未达显著水平（F=0.546，p=0.582＞0.05）。正高教师在伦理维度得分最高（M=4.52），显著高于讲师及以下教师（M=4.21），这与正高教师长期教学积累形成的伦理认知体系更完善相关；在技能维度，副高教师得分最高（M=4.05），讲师及以下教师得分最低（M=3.89），反映中层职称教师在教学实践中对智能工具的应用频率更高；各职称组在知识维度与态度价值观维度得分接近，其中副高教师在态度价值观维度得分最高（M=4.55），体现其作为教学核心力量对智能教育的探索意愿最强。

不同学历背景高校外语教师智能教育素养的差异分析

学历分组	样本数（n=68）	平均值（M）	标准差（SD）	最小值	最大值	排名
本科	9	4.06	0.49	3.20	4.80	2
硕士研究生	50	4.32	0.44	3.00	5.00	1
博士研究生	9	4.01	0.59	3.00	4.80	3
方差分析	-	F=2.415	p=0.097	-	-	-

不同学历教师的总素养得分呈现 “硕士研究生＞本科＞博士研究生” 的特征，方差分析结果显示，差异处于边缘显著水平（F=2.415，p=0.097＞0.05，但接近0.05）。从维度层面来看学历差异主要集中在 “知识维度” 与 “技能维度”，且硕士研究生教师在所有维度均表现最优。知识维度，硕士研究生教师得分最高（M=4.25），博士研究生教师得分最低（M=3.92）差值达0.33 分，这与硕士培养更侧重 “教学应用”、博士培养更侧重 “学术研究” 的定位差异相关；在技能维度，硕士研究生教师得分最高（M=4.08），博士研究生教师得分最低（M=3.79），反映博士教师在教学实操中对智能工具的应用投入较少；在态度价值观维度与伦理维度，各学历组得分差异较小，其中硕士研究生教师在态度价值观维度得分最高（M=4.58），体现其对智能教育的价值认同最强烈。

高校外语教师智能教育素养提升策略

基于对高校外语教师智能教育素养 “整体高水平、维度不均衡”现状及 “群体无显著差异、局部有维度短板” 特征的分析，本部分从两个层面，提出针对性的素养提升策略。

1. 聚焦技能维度短板，构建 “理论—实践—反馈” 闭环培训体系

研究结果显示，技能维度是高校外语教师智能教育素养的核心短板（M=4.01，SD=0.55），存在 “理论认知与实践应用脱节” 的问题。已有研究表明，教师智能技术应用能力的提升需依托 “沉浸式实践+即时性反馈” 的培训设计（张立国等，2023）。首先，开发 “外语教学场景化” 实操培训模块，围绕外语教学 “听说读写译” 核心技能设计与教学场景深度绑定的课程，而非通用型技术培训；其次，搭建“校—校”协同实践共同体，依托区域高校外语教学联盟，通过 “跨校听课、案例研讨、联合备课”促进教师技能交流，比如组织≤30 岁青年教师、硕士学历教师等素养水平较高群体开展 “智能教学示范课”，分享 “智能工具设计口语互动活动”“学习数据分析优化教学方案” 等经验，该同伴互助模式可弥补单一高校资源不足，且能使教师技能维度得分平均提升0.35—0.5分（Zhao et al.2025）；最后，建立“培训—考核 —反馈”闭环评价机制，将智能教育技能纳入年度教学考核，采用“过程性+成果性”双轨考核，同时为教师生成“技能短板诊断报告”并匹配个性化补充培训资源，形成“培训—考核—反馈—再培训”闭环，避免培训流于形式（Wang & Li，2023）。

2. 针对群体维度短板，实施 “因材施教” 的精准提升方案

基于不同年龄、职称、学历群体虽无显著总素养差异，但存在局部维度短板的特征，需突破“一刀切”模式，为不同群体设计精准提升方案：针对41-50岁中年教师工作负荷高、时间碎片化且技能维度得分最低（M=3.78）的问题，开发“微课程+工具指南”的轻量化培训资源，将智能技术操作拆解为5-10分钟微课程并推送至移动端，编制《外语智能教学工具速查手册》方便随时查阅（Zhang & Chen，2023），研究表明该模式能使中年教师技能学习参与率提升50%且知识留存率与系统培训无显著差异（Hu et al.2024）；针对讲师及以下青年教师伦理维度得分最低（M=4.21）且知识维度存在“高阶认知不足”的问题，同步强化“智能教育高阶知识”与“智能教学伦理规范”双重培训，邀请专家讲解“学习分析技术在外语教学中的应用”等前沿内容以提升理论深度（陈向东等，2023）；针对博士研究生教师因研究导向导致技能维度得分最低（M=3.79）的问题，设计“学术-教学”融合的技术应用路径，引导教师利用自然语言处理技术分析学生外语写作语料以实现“科研反哺教学”，鼓励将科研项目中的智能技术转化为教学工具（Wang et al.2025）。

研究结论与展望

研究结论

综合量化数据与可视化分析，当前我国高校外语教师智能教育素养的整体发展水平可概括为“整体高水平、维度不均衡”，教师智能教育素养达高水平（M=4.24），大部分教师具备良好的智能教育应用基础，为外语教学智能化转型提供了师资保障。具体来说，在态度价值观与伦理维度发展成熟（M>4.3），知识维度基本达标（M=4.17），技能维度存在明显短板（M=4.01），成为制约素养整体提升的关键瓶颈。

不同年龄、职称、学历背景的高校外语教师在智能教育素养上的差异可概括为 “整体无显著差异，局部存在维度特异性特征”。总素养与各维度均无显著差异，但青年教师（≤30岁）技能优势明显，成熟教师（≥51岁）伦理认知更完善，41-50岁教师需重点关注素养提升；高校外语教师智能教育总素养与各维度在职称变量上，均无显著差异，但正高教师伦理素养最优，副高教师技能与态度表现突出，讲师及以下教师需补充技能培训；此外，在学历维度可知总素养接近显著差异，硕士研究生教师在所有维度均表现最优，博士研究生教师因研究导向导致技能与知识素养稍弱，需平衡“学术研究”与“教学技术应用”。

未来研究展望

结合本研究局限与智能教育发展需求，未来可从四方面深化研究：一是拓展研究对象与样本，扩大样本规模至300份以上，平衡年龄结构，覆盖东中西部多元高校，并延伸至中小学、职业院校外语教师，提升结论普适性；二是深化研究视角，通过结构方程模型分析“个体－组织－社会”多层面影响因素对素养的作用机制，开展1—3年纵向追踪，探究素养动态发展规律；三是创新研究方法，整合深度访谈、课堂观察的定性数据，优化问卷维度（增加创新应用、反思能力维度），引入情境模拟测试减少主观偏差；四是推动成果落地，开展6-12个月策略干预实验验证方案有效性，编制分区域实施指南，建立试点基地推广可复制案例，助力外语教学智能化转型。

参考文献：

1. [1] Li, Y., & Zhang, H. The Impact of Contextualized Technology Training on EFL Teachers' Intelligent Education Competence[J]. Journal of Educational Technology & Society,2024,27(02):89-105.
2. [2] 胡蕙芳. 高校教师智能教育素养的内涵阐释与实践样态——基于江浙两省高校教师的实证研究[J]. 中国电化教育,2024(03):45-52.
3. [3] 闫健楠. 人工智能时代高校教师智能教育素养提升路径——以对吉林省高校教师的实证调研为例[J].现代教育技术,2024,34(02):89-96.
4. [4] 欧晓倩. 高质量发展背景下高职教师数字素养现状及培育路径研究——基于A高职院校调查数据的实证研究[J]. 职业技术教育,2024,45(11):58-64.
5. [5] 王蔷，陈琳，程晓堂. 我国高校外语教学改革的创新方向：智能技术与课程融合 [J]. 外语界，2023(04):2-10.
6. [6] Zhang, Q., Li, H., & Zhao, Y. Cultivating an Innovative Culture in Intelligent Foreign Language Education: The Role of Industry Organizations[J]. Journal of Language Teaching and Research,2024,15(02):345-362.