地方院校数学师范生TPACK现状及影响因素研究
孔令钰
摘 要：TPACK全称为整合技术的学科教学知识，是当今时代有效教学的基础，也是数学教师专业发展的关键性内容，因此地方院校数学师范生TPACK掌握情况直接影响着该地区数学教学的质量。而TPACK的掌握情况往往受到教育者自身心理或外部条件等诸多因素的影响。文章将影响TPACK掌握情况的因素考虑在内，构建出《地方院校数学师范生的TPACK测试量表》，对青海省某高校数学与统计学院151名在校数学师范生进行了调查，使用SPSS20.0对数据进行了统计分析，得出地方院校数学师范生的TPACK现状基本处于中等偏上水平;教学实践经历这一因素对TPACK的影响强度最大。
关键词：地方院校;数学师范生;TPACK;教师专业发展
中图分类号：G451 ? ? ? ? ?文献标志码：A ? ? ? ? ?文章编号：1673-8454（2019）12-0072-05一、研究背景
针对早期教师教育研究只关注教师的学科知识（CK）或者只关注教师的教学知识（PK）这一现象[1][2]，舒尔曼[3][4]提出需要探索这两种知识之间的内在关系，因此提出了学科教学知识（PCK），并且指出PCK是一种学生能够理解的知识。教师如何把他们拥有的学科知识转化为一种学生能够理解的知识（PCK的核心）直接影响着学生的有效学习，因此PCK被视为教学知识基础的核心部分[5]。信息时代，信息技术俨然成为世界各国实现政治、经济、文化发展目标最重要的技术，在教育领域中信息技术也得到了广泛应用。数学教育技术的发展，已经为我们提供了多种多样的数学教学软件和工具，如几何画板、超级画板等。教师在教学实践中仅仅掌握足够的数学学科知识，具备丰富的教学法知识与教学经验还是远远不够的，还必须掌握能够促进教学效果的相应的信息技术知识（TK）。因此，将信息技术与学科教学知识相整合（TPACK）是非常重要的，是信息时代对教师提出的必然要求[6-8]。随着教育学者对整合技术的学科教学知识（TPACK）研究的逐渐深入，人们意识到教师学习、掌握和应用TPACK往往需要与自身心理或外部条件等诸多因素协同作用[9-12]。目前在TPACK的研究中缺乏与其影响因素相结合，这已经成为TPACK研究进一步发展的主要障碍。青藏地区深处内陆腹地，不在交通主干线上，该地区经济、社会、教育发展基础薄弱。青海省某高校培养的数学师范生承担着全省广大农牧区的中小学数学教学工作，直接影响着青海省数学教学的质量。因此，本研究对青海省某高校数学师范生的TPACK现状及影响因素进行调查，并利用SPSS20.0软件对调查结果进行统计分析[13]。
本次调研的主要内容包括：①对数学师范生TPACK现状进行分析研究;②对数学师范生TK、CK、PK、PCK、TCK、TPK、TPACK七维度具体现状进行分析研究;③对数学师范生的TPACK与其影响因素进行相关性的分析研究;④拟合出数学师范生TPACK与影响因素的线性回归方程。二、数学师范生TPACK的现状分析研究
本文所使用的《地方院校数学师范生的TPACK测试量表》中关于TPACK现状的调查共计27道单项选择题，每题共有五个选项，分别是完全符合（计5分）、比较符合（计4分）、基本符合（计3分）、比较不符合（计2分）、完全不符合（计1分），其中T1-T4题测试TK维度，T5-T7题测试CK维度，T8-T14题测试PK维度，T15-T17题测试PCK维度，T18-T20测试TCK维度，T21-T24测试TPK维度，T25-T27测试TPACK维度。利用SPSS20.0软件对151名被试对象的测试结果进行统计分析，具体分为TPACK现状分析和TK、CK、PK、PCK、TCK、TPK、TPACK七维度具体现状分析。1.数学师范生TPACK现状分析
为了考察数学师范生TPACK的能力现状，对151名被试对象的TPACK总分均值和七个维度均值进行了统计，结果如表1所示。
从表1可以看出，TPACK总分均值为3.4513，說明被试对象的TPACK总体处于中等偏上水平，属于“基本符合”这一项。七维度均值由高到低依次排序为：PCK>PK>TPK>TPACK>TCK>CK>TK。其中TK维度均值最低，只有3.1639，表明数学师范生的信息技术知识有待提高;CK维度均值相对也较低，其值为3.3995，表明师范生的学科知识有待加强;PCK维度均值最高，其值为3.5764，说明师范生对开展数学课堂教学所需要的学科教学知识掌握最好;PK和TPK维度均值也较高，其值分别为3.5518和3.5248，说明师范生在掌握教学知识的基础上能够运用技术来提升课堂教学效果。2.数学师范生TPACK七维度具体现状分析
（1）TK维度的现状分析
对151名被试对象TK维度题项进行均值分析，结果如表2所示。从表2可以看出，在T4这道题“我能够熟练地运用教学软件（如Word、PPT、几何画板、电子白板、Flash等）”上，均值最高，为3.30，说明数学师范生基本具备使用各类教学软件来教学的能力;而在T3这道题“我能够与时俱进地了解、掌握最新的、重要的技术”上，均值最低，为3.10，这说明师范生在关心新技术方面还需加强;师范生在TK维度其他题目的均值为3.11和3.15，说明师范生基本具备了信息技术的学习能力以及问题解决能力。
（2）CK维度的现状分析
对151名被试对象CK维度题项进行均值分析，结果如表3所示。
从表3可以看出，在T7这道题“我能够使用多种方法更好地认识数学”上，均值最高，为3.47，说明数学师范生基本可以用多种途径来发展对数学的理解;在T5这道题“我拥有足够的数学知识（数学概念、原理、数学史知识等）”上，均值最低，为3.31，说明师范生在掌握数学知识方面还有待提高;在T6这道题“我能用数学思维去思考问题”上，均值为3.42，说明师范生通过数学专业培养，已基本具备数学思维。
（3）PK维度的现状分析
对151名被试对象PK维度题项进行均值分析，结果如表4所示。从表4可以看出，在T8这道题“我能够根据学生对知识的理解状况来调整我的教学进度”上均值最高，为3.62，说明数学师范生能根据学生对知识的理解状况来调整自己的教学进度;在T14这道题“我知道如何组织和管理课堂”上均值最低，为3.48，说明师范生在组织教学和课堂管理方面还有待提高;在PK维度其他题目的得分均值介于3.49与3.60之间，说明师范生在学生评价、多种教学方法的灵活运用、因材施教方面基本满足要求。
（4）PCK维度的现状分析
对151名被试对象PCK维度题项进行均值分析，结果如表5所示。
从表5可以看出，在T16这道题“我知道不同的数学主题需要采用不同的教学方法”上均值最高，为3.70，说明数学师范生在针对不同的数学专题内容选择相应的教学方法以促进学生的数学学习方面较好;在T17这道题“我能够帮助学生注意到数学学科中各种概念之间的联系”以及T15这道题“我能够选择有效的教学方法来引导学生思考和学习数学”上均值最低，均为3.52，其中T15标准差低于T17，说明师范生在多种教学方法的灵活运用、因材施教方面水平还有待加强，在数学学科中各种概念的联系方面仍需充实。
（5）TCK维度的现状分析
对151名被试对象TCK维度题项进行均值分析，结果如表6所示。
从表6可以看出，在T18这道题“我知道有助于我学习数学知识的技术”上均值最高，为3.50，说明数学师范生在通过网络工具或其他信息技术获取数学知识资源以及最新的数学知识内容方面能力较强;在T19这道题“我可以选择合适的技术帮助学生将错误概念向科学概念转化”上，均值最低，为3.37，说明师范生在选择合适的信息技术使学生改变原有错误概念方面有待加强;在T20这道题“我可以选择合适的技术去表征某些具体的数学概念，从而使学生能更好地理解概念（如多媒体、视觉演示等）”上，均值为3.41，说明大多数师范生能够做到为促进学生更好地理解数学概念而选择合适的信息技术来直观地呈现。
（6）TPK维度的现状分析
对151名被试对象TPK维度题项进行均值分析，结果如表7所示。
从表7可以看出，在T22这道题“我可以选择合适的信息技术来增进学生的课堂学习”上均值最高，为3.64，说明数学师范生普遍能够选择合适的信息技术来促进学生课堂学习;在T24这道题“我能批判性地思考如何在课堂教学中使用技术”上，均值最低，为3.42，说明师范生对将信息技术用于课堂教学中能持有一个正确的看法;在TPK维度其他题目的均值为3.52，说明师范生基本具备将教学方法与信息技术相结合的能力。
（7）TPACK维度的现状分析
对151名被试对象TPACK维度题项进行均值分析，结果如表8所示。
从表8可以看出，在T26这道题“我能够在课堂中选择合适的技术，去促进我的教学”上均值最高，为3.52，说明数学师范生在选择合适的信息技术来优化课堂教学效果方面能力较强;在T27这道题“我可以帮助他人将教学内容、技术和教学方法进行整合”上均值最低，为3.46，说明师范生在帮助他人使用信息技术来驾驭教学方面有待提髙;在T25这道题“我可以有效地将课堂上的学习内容、技术和教学方法相结合，以此来更好地表征数学知识内容”上均值为3.49，说明师范生基本能夠做到为更好地表征数学知识内容而将课堂上的学习内容、信息技术和教学方法有效结合。三、数学师范生TPACK影响因素分析
本文所使用的《地方院校数学师范生的TPACK测试量表》中关于影响因素的调查共计20道单项选择题，每题共有五个选项，分别是完全符合（计5分）、比较符合（计4分）、基本符合（计3分）、比较不符合（计2分）、完全不符合（计1分），其中T1-T4题测试教师职业认同因素，T5-T8题测试动机和自我效能感因素，T9-T11题测试教育技术课程因素，T12-T13题测试教学实践经历因素，T14-T20测试学校资源与环境因素。利用SPSS20.0软件对151名被试对象的测试结果进行相关分析和回归分析，分别用来确定影响因素与TPACK的相关性及各影响因素对TPACK的影响强度。1.TPACK与影响因素的相关分析
通过SPSS20.0中的Perason简单相关系数法对教师职业认同、动机和自我效能感、教育技术课程、教学实践经历、学校资源与环境五个影响因素和TPACK进行相关性分析，可得出分析结果如表9所示。
从表9可以看出，教师职业认同、动机和自我效能感、教育技术课程、教学实践经历、学校资源与环境和TPACK水平之间的相关性P值均已经达到显著水平，因此，可以说明这五个影响因素和TPACK水平之间均存在相关关系。2.TPACK与影响因素的回归分析
通过SPSS20.0中的多元回归分析法，以教师职业认同、动机和自我效能感、教育技术课程、教学实践经历、学校资源与环境五个影响因素为自变量，TPACK为因变量进行回归方程的拟合。在多元回归分析中使用强迫进入法，将以上五个自变量同时投入到回归方程式之中，五个变量对因变量的影响无论是否达到显著，都将出现在回归模型之中。经过分析得到的回归模型摘要如表10所示。
从表10可以看出，五个自变量与TPACK的多元相关系数为0.751，回归模型误差均方和的估计标准误差为0.34562，R2更改量为0.548，这说明教师职业认同、动机和自我效能感、教育技术课程、教学实践经历、学校资源与环境五个自变量可解释TPACK这个因变量54.8%的变异量。
通过对回归模型的方差分析可以检验回归模型整体解释变异量是否达到显著，结果如表11所示。
从表11可以看出，变异量显著性检验的F值为37.424，显著性检验P值为0.000，小于0.05的显著水平，这证明回归模型整体解释变异量已经达到显著水平，该模型可以用于自变量对因变量影响力的检验。
检验自变量对因变量影响力，主要通过标准化回归系数β判断，标准化回归系数β的绝对值越大，说明自变量对因变量的影响越大，标准化回归系数β如表12所示。
从表12可以看出，教学实践经历的标准化回归系数β值最大，其次是学校资源与环境，教师职业认同、动机和自我效能感、教育技术课程的标准化回归系数β值较小，所有自变量的回归系数值均为正数，说明其对因变量TPACK的影响均为正向。另外，通过自变量回归系数的显著性检验方面来看，教师职业认同、动机和自我效能感、教育技术课程、教学实践经历、学校资源与环境五个自变量的回归系数P值均小于0.05，这表明这五个自变量之间大致不存在相关关系，各个影响因素对TPACK发展的影响是独立的。由此我们可以写出影响因素与TPACK的线性回归方程为：TPACK=0.277×教学实践经历+0.187×学校资源与环境+0.162×动机和自我效能感+0.154×教育技术课程+0.152×教师职业认同。四、結论
通过TPACK现状分析，TPACK均值为3.4513，说明该高校数学师范生的TPACK总体处于中等偏上水平，属于“基本符合”。各维度均值由高到低依次排序为：PCK>PK>TPK>TPACK>TCK>CK>TK。各维度均值中TK均值最低，说明该高校数学师范生的信息技术知识有待提高，PCK均值最高，说明该高校数学师范生对开展数学课堂教学所需要的学科教学知识掌握最好。
通过TPACK七维度具体现状分析，表明该高校数学师范生在将信息技术用于课堂教学中能持一个正确的看法;在关心新技术、选择合适的信息技术使学生改变原有错误概念以及帮助他人使用信息技术来驾驭教学方面有待提高;在数学知识以及数学学科中各种概念的联系方面仍需充实;在组织教学和课堂管理以及灵活运用教学方法、因材施教方面还有提升空间。
教师职业认同、动机和自我效能感、教育技术课程、教学实践经历、学校资源与环境五个影响因素均与该高校数学师范生的TPACK有相关关系;各影响因素对TPACK的影响强度从大到小排序为：教学实践经历>学校资源与环境>动机和自我效能感>教育技术课程>教师职业认同;得出的线性回归方程为：TPACK=0.277×教学实践经历+0.187×学校资源与环境+0.162×动机和自我效能感+0.154×教育技术课程+0.152×教师职业认同。参考文献：
[1]毕力格图，张胜利，孔凡哲.关于数学教师学科专业知识发展水平的研究[J].教育探索，2011（4）：118-120.
[2]解书，马云鹏，李秀玲.国外学科教学知识内涵研究的分析与思考[J].外国教育研究，2013，40（6）：59-68.
[3]Shulman，L.Those who understand：Knowledge growth in teaching[J].Educational Researcher，1986，15（2）：4–14.
[4]Shulman，L.Knowledge and teaching： Foundations of the new reform.Harvard Educational[J].Harv Educ Rev，1987，57（1）：1-22.
[5]Graeber，A.O.Forms of knowing mathematics： What preservice teachers should learn[J].Educational Studies in Mathematics，1999，38：189–208.
[6]国家中长期教育改革和发展规划纲要（2010-2020年）[EB/OL]. http：//old.moe.gov.cn/publicfiles/business/htmlfiles/moe/info_list/201407/xxgk_171904.html.
[7]教育部.普通高中数学课程标准（实验）[M].北京：人民教育出版社，2003.
[8]National Council for Teachers of Mathematics （2000）.Principles and standards for school mathematics[DB/OL]. https：//www.scirp.org/reference/ReferencesPapers.aspx？ReferenceID=534639.
[9]Koh J H L， Chai C S.Modeling pre-service teacherstechnological pedagogical content knowledge （TPACK） perceptions：The influence of demographic factors and TPACK constructs[A].Williams G， Statham P， Brown N， et al. Changing demands，changing directions[C].Australia：Hobart，2011：735-746.
[10]何克抗.TPACK——美国“信息技术与课程整合”途径与方法研究的新发展（下）[J].电化教育研究，2012，33（6）：47-56.
[11]熊丙章.教师信念对信息技术与数学课程整合的影响研究[J].电化教育研究，2014，35（5）：87-90.
[12]赵俊.教师生成性学习研究——面向教师信息技术应用能力发展[D].上海：华东师范大学，2016：29.
[13]朱建平，殷瑞飞.SPSS在统计分析中的应用[M].北京：清华大学出版社，2007.
（编辑：鲁利瑞）
