问题提出

K-12 教育 App 市场正在把 GenAI 往里塞，可它对儿童学习和发展的真实效果证据还很单薄。另一边，商业 App 多到老师已经挑花眼，现在还得额外决定「要不要在课堂引入带 GenAI 的 App」。更棘手的是：近两年教师对 GenAI 的态度从早期乐观明显滑向怀疑甚至抵触（有调查显示仅 6–7% 的美国教师认为它利大于弊），但态度未必等于真去下载或买单。所以本文要问的，是「在 App 商店描述里写明用了 GenAI」这件事，到底会不会改变老师的选择。

难点剖析

难点在于把「GenAI 有没有被写进描述」从 App 质量本身剥开——真实 App 描述质量参差，老师挑 App 常常凭直觉而非细看证据。要让结论干净，就得用研究者自制的「同质优质」App 做受控实验，把开发者、语言、价格都锁死，只动「提不提 GenAI」这一句话；同时老师是被试内比较（同一个老师看带/不带 AI 的同一批 App），还得防注意力不集中的噪音。

理论脉络

理论基座接技术采纳的经典框架：计划行为理论（TPB, Ajzen 1985）、技术接受模型（TAM, Davis 1989）、整合型技术接受模型（UTAUT, Venkatesh 2003）——它们都指出「行为意向」比「态度」更能预测真实行为，而意向又受态度、主观规范、感知行为控制、绩效/努力期望等一堆因素影响。教师知识侧则接 TPACK（Mishra & Koehler, 2006）：内容、教学法、技术三类知识得会组合。前人已发现教师的 GenAI-TPACK 正向预测其使用意向，本文把这条线接到「选不选 App」上。

理论模型

本文不是建一个中介调节模型，而是用两个实验研究回答一个场景化问题：在 App 描述里写明「用了 GenAI」，会不会影响 K-6 教师对教育类 App 的选择？理论框架上，它把「教师选 App」放进 TPB/TAM/UTAUT 的技术采纳逻辑里，并预设教师的 GenAI 知识（TPACK）与态度会调节其选择。两个研究互补：研究一探「有没有整体影响」，研究二在复制基础上深挖「特定用途差异、个体差异分群、群体特征」。

研究问题

RQ1（研究一、研究二）：教育者是否偏好在描述里写明使用 GenAI 的教育 App？基于近期多数教师认为 GenAI 弊大于利的证据，作者预测他们更偏好「不提 GenAI」的 App。 RQ2：教育者是否偏好某些特定 GenAI 用途（课程定制 / 反馈 / 脚手架 / 学习理论）胜过其他用途或不使用？ RQ3：教育者对「用不用 GenAI」的偏好是否存在个体差异（能否分出不同人群）？ RQ4：不同人群在态度、GenAI 知识与实际使用上有何特征？ （注：作者明确说明研究二 RQ2–RQ4 为探索性，没有具体假设。）

分析策略

两个研究均采用被试内（within-subject）实验范式：8 个研究者自制的数学教育 App（4 种 GenAI 用途 × 是否提及 GenAI 两条件），随机顺序呈现，用重复测量多元方差分析（RM MANOVA）检验「是否提及 GenAI」对三项行为意向（下载意愿、付费意愿、评分）的影响；因变量间相关故用 MANOVA（见相关矩阵）。研究二额外用分层聚类（Ward 法、平方欧氏距离）按三种偏好分数（下载 / 评分 / 付费的 GenAI−NoAI 差值）划分教育者群体，并用判别分析验证聚类效度；对聚类与 GenAI 用途做 3×4 混合 MANOVA。RQ4 为探索性，仅做可视化趋势呈现，未做推断统计。

数据收集

通过 Prolific 在线被试池招募正在教 K-6（幼儿园至六年级）的教师，覆盖英国、美国、加拿大。研究一于 2024 年 7 月、研究二于 2025 年 1 月分别取样，研究二排除研究一参与者；问卷内置至少 4 个注意力检测，需通过 ≥3 个才纳入。研究经大学伦理委员会批准，分析数据发布于 OSF（开放科学框架）。

研究样本

研究一 n = 101（女性 74%，平均年龄 37.0 岁）；研究二 n = 101（女性 80%，平均年龄 41.5 岁）。三国分布：研究一英 72 / 美 20 / 加 9，研究二英 67 / 美 27 / 加 7。样本量参考同范式前人的功率分析（复杂 2×3×3 设计建议 150），本研究聚焦更简单的两条件被试内比较。

测量工具

刺激材料：8 个虚构「优质」数学 App 页面（均含教育者看重的 5 项质量基准），分四种 GenAI 用途——课程定制（curriculum）、反馈（feedback）、脚手架（scaffolding）、学习理论（learning theory），各分「提及 GenAI / 不提」两版，开发者、语言、价格一致。因变量：下载意愿（1–7）、付费意愿（$0–30，分析时做 Log10 转换）、整体评分（1–5）。另测教育者 AI 态度（教师用 / 学生用，7 点）、GenAI-TPACK（GenAI 知识 GK / 教学法知识 GPK / 教学法内容知识 GPCK）与实际使用频率。

核心发现

研究一（n = 101）：RM MANOVA 显示「是否提及 GenAI」对整体 App 选择意向无显著影响，Wilk‘s Λ = 0.97，F(3,98) = 1.12，p = .346，η²p = 0.03——即提及 GenAI 既没抬高也没压低教师的下载 / 付费 / 评分。 研究二（n = 101）：RM MANOVA 整体效应显著，Wilk’s Λ = 0.92，F(3,98) = 2.91，p = .038，η²p = 0.08（中等效应）。单变量检验：教师给「不提 GenAI」的 App 评分（M = 3.51）显著高于「提 GenAI」的 App（M = 3.34），F(1,100) = 6.79，p = .011；但下载意愿（p = .552）与付费意愿（p = .091）无显著差异。剔除 7 个离群值后整体 MANOVA 临界（p = .052），单变量结果不变。一句话总结：教师「打分上」轻微嫌弃 GenAI App，但这份嫌弃没落到「真去下载、真去花钱」上。

分项结果（RQ2–RQ4）

RQ2（特定用途）：四种 GenAI 用途间无显著偏好差异，Wilk‘s Λ = 0.97，F(3,92) = 0.37，p = .945；仅「GenAI 用于课程定制」评分显著低于平均 NoAI App（t = −2.56，p = .012，d = −0.24）——可能源于对 AI 讲课程内容准确性的担忧（幻觉问题）。

RQ3（个体差异）：分层聚类析出 3 群——选择者 selectors（n = 28，28%，偏好带 GenAI 的 App）、中立者 agnostics（n = 59，58%，几乎无偏好，占多数）、回避者 avoiders（n = 14，14%，偏好不带 AI 的 App）；判别分析重新归类正确率 97%。

RQ4（群体特征，探索性趋势）：选择者 GenAI 态度更积极、TPACK 更高、使用更频繁；回避者反之；态度整体中性偏正（教师用 AI M = 5.00、学生用 M = 4.44，7 点）。3×4 混合 MANOVA：聚类主效应显著（Pillai’s Trace = 0.38，F(6,194) = 7.53，p < .001，η²p = 0.19 大效应），聚类 × 用途交互显著（Pillai‘s Trace = 0.33，F(18,182) = 2.00，p = .012，η²p = 0.17）。

研究结论

把 GenAI 写进教育 App 的描述，教师「评分」上会轻微偏向不带 GenAI 的版本，但这份偏好没转化为「下不下、花不花」的实际决定。更关键的是：大多数教师（58%）对 App 里有没有 GenAI 其实是「中立 / 无所谓」的——既不追捧也不排斥。结合技术采纳理论（TPB / TAM / UTAUT），「选择者」与「回避者」的落差，正对应 GenAI 知识 + 态度的落差：越会用、越认同，越愿意选带 GenAI 的 App。给教育者和政策制定者的提示很清楚：别假设 GenAI 天然该进课堂，也别指望教师天然会挑——当前多数教师 GenAI 使用很少、批判评估能力不足，需要配套的素养培训与「批判性评估教育产品」的支持，才谈得上 informed adoption（知情采纳）。

研究局限

① 生态效度有限：刺激是研究者自制的「优质」App（都含 5 项质量基准），真实 App 描述很少全列；且 GenAI 仅在描述里用一句话点明，真实厂商（如 Duolingo 裁员改用 GenAI 却不写明）未必如实披露，教师可能根本没注意到。

② 只考察「明确写明 GenAI」的 App，未覆盖真实 App 中暗藏的 GenAI。

③ 分析层面：研究二聚类样本不均（selectors 28 / agnostics 59 / avoiders 14）、样本量不足以做多重比较，RQ4 仅呈现均值与置信区间的趋势，需后续统计验证。

④ 样本来自英 / 美 / 加三国 Prolific 在线招募，地域与设置单一，外推需谨慎。

未来展望

在「质量参差」的真实 App 里看 GenAI 与质量的交互；研究教师如何绕过 App 页面（评测网站、实际下载试用）识别 GenAI；招募更多地区 / 线下样本提升多样性；用质性方法挖教师做选择时的真实思考过程，判断他们是否真在做批判性评估；针对 selectors / agnostics / avoiders 三类做大样本，验证群体 prevalence 与「态度—知识—使用」关系。

金句

技术公司在拼命把 GenAI 塞进教育，但我们得先拿出「它到底怎么影响孩子学习」的硬证据，而不是默认它天生就该在课堂上。

— 研究模型图

欢迎关注我的视频号

（❤️会不定期更新AI工具哦❤️）

三连一下，不失联！