人工智能赋能新时代高质量学前教育教师队伍建设研究.pdf

第38卷第4期2023年8月Vol.38 No.4Aug.2023四川轻化工大学学报（社会科学版）Journal of Sichuan University of Science&Engineering(Social Sciences Edition)人工智能赋能新时代高质量学前教育教师队伍建设研究肖兴政，冯思翰（四川轻化工大学 教育与心理科学学院，四川 自贡 643000）摘要：以ChatGPT为代表的新时代人工智能技术相较于传统的教育辅助技术在参数量级上实现飞跃，其在适应能力、内容生成能力、泛化能力、迁移学习能力等方面都取得了显著的进步。这使其在教育领域中表现出更高的性能水平和更广泛的应用潜力。在世界范围内的教育数字化转型趋势影响下，学前教师的教育培训应当采取多种策略，以提高学前教师的数字胜任力，为学前教育数字化转型提供坚实的人才支持，进而为儿童的全面发展和未来的成功奠定基础。借助人工智能技术可以为现代化教师教育体系提供资源、环境和数据支撑，以教师教育体系的现代化推动学前教师现代化，并支撑学前教育现代化。首先，以大语言模型、大数据分析、机器学习等人工智能技术为支撑，建立针对学前教师的教育平台，构建全面、多元化的高质量学前教师培养链和支撑链。为学前教师教育提供高质量的课程资源与实践环境，并提供长周期教师发展画像与成长溯源，以确保培养的学前教师符合国家质量标准。其次，通过人工智能多模态模型技术与检测分析设备能够帮助我们更好地评估学前教师培训的效果，助力解决当前以师范院校为代表的学前教师培养模式普遍存在实践能力培养不足的痛点。最后，针对在教育过程中对幼儿影响显著但传统技术难以评估的过程性质量进行详尽科学的量化评价。针对在人工智能融入教育领域的过程中存在的安全风险及教师适应性不足，乃至人工智能挑战教师地位的风险，应注重对新时代高质量学前教师的数字胜任力培养，提高学前教师在人工智能时代的教育实践能力，并建立科学公正的伦理框架来防范化解算法与数据安全问题。为教育系统管理者与研究者提供研究数据参考和决策支持，为培养高质量学前教师队伍提供更为有效的培训和支持。关键词：学前教育；教师教育；人工智能；ChatGPT；教师队伍；高质量；数字胜任力中图分类号：G615文献标志码：A文章编号：2096-7535（2023）04-0089-12DOl:10.11965/xbew20230408基金项目：四川省哲学社会科学规划项目（SC17XK064）89一、引言人工智能技术已经成为全球各国高度关注的未来发展重点。随着OpenAI公司的多模态人工智能GPT-4的发布，以人工智能、大语言模型（LLM）、大数据、云计算和物联网等新一代人工智能相关数字技术的快速发展，结合芯片算力和相关硬件的日新月异的发展速度，人工智能技术未来将在教育、医疗、社会治理等方面发挥重要作用。联合国儿童基金会与教科文组织联合国际电信联盟在2020年9月共同发布了 教育数字化转型：学校联通，学生赋能 报告，该报告关注数字化技术与教育领域融合发展的未来趋势1。在世界范围内的教育数字化转型趋势影响下，2021年12月，我国中央网络安全和信息化委员会印发了 “十四五”国家信息化规划，在规划中明确提出要开展教育社会实验2。研究现有教育模式和教育对象在未来受人工智能相关技术发展的影响，评估未来人工智能融入教育领域对社会的影响。强调深化教育领域大数据分析应用，通过发挥在线教育、AR与VR仿真模拟教学等新教育形式优势，不断拓展优化各级各类教育和终身学习服务2。中共中央关于制定国民经济和社会发展第十四个五年规划和二三五年远景目标的建议（以下简称 建议）提出，建设高质量学前教师队伍是构建高质量学前教育的重要前提，并提出了对学前阶段教师管理制度的综合改革、增强学区内幼儿教师流动性以及进一步完善教师资格制度3。构建高质量学前教师队伍是实现高质量学前教育的重要前提，也是夯实高质量教育根基、建设终身学习体系的重要组成部分。二、人工智能赋能高质量学前教育教师队伍建设的现实需求（一）建设新时代高质量学前教育体系的迫切需要目前，以国家政策为导向进行的普惠性质学前教育资源建设已经取得杰出成果。截止2022年，我国学前教育毛入学率 89.7%，已建成普惠性幼儿园达 24.57万所，比 2021年增加1033所，普惠性幼儿园占全国幼儿园的比例为84.96%。全国共有学前教育在园幼儿4,627.55万人，其中，普惠性幼儿园在园幼儿4,144.05万人，占全国在园幼儿的比例为89.55%，比上年增长1.77个百分点4。我国在建设普惠性质的学前教育方面已经取得了显著的成就。未来，将继续发展普惠性质的学前教育，并扩大高质量学前教育的覆盖范围。建设高质量学前教育需要高素质教师队伍和人才体系支撑的教育体系，教师作为立教之本、兴教之源，其质量的最终决定因素在于教师的素质。为了构建一流的师资队伍，应将教师队伍建设摆在首要位置，完善教师管理和发展政策体系，吸引、培养和激励优秀人才，提升教师专业育人能力素质，以实现高质量学前教育体系的建设5。为更好地适应新时代的发展要求和儿童成长的需要，提高学前教师教育培训质量已经成为急需解决的问题。（二）建设新时代高质量学前教师队伍的必然需求国家的教育质量很大程度上取决于其教师队伍的素质。而教师队伍的素质则取决于其90接受的教师教育质量。因此，国家的教育质量与其教师教育体系的质量密不可分6。教师教育体系的现代化特征在于适应人工智能、大数据、云计算、虚拟现实技术、智慧教育等主流趋势，以及这些新技术带来的学习方式现代化和教学方式现代化的变革需求7。人工智能可以为教师教育体系提供资源、环境和数据支撑，以支持课程建设、评价、管理和实践，从而为未来教师的培养创造出一个虚实结合的智能化教育环境，而这一体系的重构将对教师教育产生不可忽视的导向性作用8。以教师教育体系的现代化推动学前教师现代化，并支撑学前教育现代化。三、人工智能赋能高质量学前教育教师队伍建设的技术支撑（一）大语言模型技术赋能教育发展OpenAI公司开发了基于Transformer的对话系统ChatGPT9，自2022年11月30日发布以来，月活人数已突破一亿，受到了来自全世界社会各界的关注，推动了人工智能生成内容的快速发展和市场应用，它的主体架构遵循“语料体系+预训练+微调”的基本模式10。从其技术基础出发，生成式预训练模型、微调算法与模型、语料体系、算法组合与集成都在ChatGPT功能实现的过程中扮演着不可或缺的角色。在其应用中，NLP（自然语言处理）技术扮演着至关重要的角色。具体来说，NLP在ChatGPT中主要用于语料库的处理、文本预处理、文本生成和对话生成等方面。通过使用NLP技术，可以从大量自然语言文本中学习到自然语言知识和模式，并生成符合人类表现的对话和文本。目前，在日常教学活动中，当前版本ChatGPT已能通过提供任务特定的示例并对模型进行微调来进行问题回答或对话生成等特定任务，以促进个性化和互动式学习。（二）大数据分析与机器学习算法激发教育潜能大数据被定义为数字时代中具有高容量、高速度和多样性特征的数据。相比于以前需要人力收集的数据，现在普遍使用数字工具生成了前所未有的大量数据，并且这些数据来自不同的模态和时间尺度11，在处理和解释这些数据时需要大量的计算资源和多样的分析方法，借助大数据分析技术可以帮助教师及管理人员更为科学精准的制定教学计划、管理教学进度、探索更多教学可能性。机器学习赋予了计算机在不干预的情况下学习的能力。赋予计算机在没有人类编程干预的情况下进行学习编程的能力。机器学习算法通过处理大量数据来生成复杂的模型和算法，从而产生可靠和准确的决策和结果。机器学习算法可以归类为两个主流：监督学习和无监督学习12。这些模型可以用于发现数据中的隐藏结构和模式，例如识别相似的学生群体或者发现不同课程之间的关联性。目前，大数据分析与机器学习算法等技术已经在个性化教育、人机共育、预测学生学业表现等方面得到了应用，这些应用已经带来了许多积极的效果，在未来可以帮助教育实现更高效、更公平、更智能的目标。人工智能技术的赋能价值的实现，其成果取决于所能达到的深度91和广度，更需要考虑如何将其应用于教育中，以及在应用过程中教育主体所产生的变化13。当智能技术达到一定程度，成为教育技术应用的主流时，教学实践将不再是传统意义上的双向活动，而是教师、学生和智能技术的“相融共生”14。在个性化教育方面，E-learning领域推荐系统为代表的教育资源个性化推荐系统使得未来人工智能支持的大规模个性化学习成为可能15。基于大数据分析技术支持的个性化教育可以有针对性地根据学生的学习习惯、兴趣、能力和知识水平等因素提供教学，提升学习自觉性和主动性。在人机共育方面，通过将机器学习算法与机器人制造技术相结合，使之作为一种特殊的教育辅助工具，目前已有研究者通过C-RAI教学设计模式结合机器人技术进行人机共育应用尝试。这种教学方式使得学生能够基本掌握所学知识内容，受到学生的热烈欢迎16。在教育数据预测学业表现方面，机器学习算法技术为建立高等教育学习分析框架并为决策过程做出贡献，为一种早期预测高学业失败风险学生的有效的机器学习模型提供了支持17，该人工智能算法模型可以在早期检测中预测学生学业不良情况，为教师提供更精准的学习者学业能力水平数据，便于教师开展更具针对性的教学计划。（三）基于人工智能技术搭建高质量学前教师教育平台高质量教师的培养涉及多维复杂关系，既是宏观战略，也是微观实践18。人工智能技术融入学前教师职前培养体系是高质量学前教师教育的重要助力，旨在建立全面、多元化的高质量学前教师培养链和支撑链。其主要目标是为学前教师教育提供高质量的课程资源与实践环境，并不断进行质量评估，以确保培养的学前教师符合国家质量标准。学前教师职前培养体系应该覆盖教育培训的全部环节和要素，确保学前教师的全面发展和专业素养的提升。以AI技术为学前教师教育提供技术支撑，构建学前教师教育平台，整合各类学前教育相关资源，打造内容丰富、多元化的知识与资源库。平台提供个性化学习系统，为教师推荐适宜的学习资源与课程，追踪教师学习进度与效果，优化推荐策略。平台还提供多种在线教学工具，如视频直播、在线讨论、互动测试等，协助教师与专家、同行进行实时交流互动，提升教师在线教学与互动水平。平台利用智能化教学设计与评估工具，如课程设计、教学反思、学生评价等，助力教师更高效地开展教育教学活动。平台系统将搜集、整理各类教育数据，运用大数据分析技术，为教育研究及政策制定提供支持。通过政策支持、技术创新、资源整合等手段，让基于AI技术的教师教育平台成为学前教师教育改革与创新的重要引擎。四、人工智能赋能高质量学前教育教师队伍建设的价值逻辑（一）人工智能赋能学前教师教育的价值思考自党的十八大以来，习近平总书记高度重视教师队伍建设，提出了一系列具有里程碑意义的关于建设高质量教师队伍的重要论述。总书记强调，教师应成为“三个传播者”“三个塑造者”和“四个引路人”，要求教师具备应有的学历、专业水平、教学技能和实践动手能力，全面92提高教师的教学效能。这些论述旨在培养一支高质量的教师队伍，为建设教育强国和办好人民满意的教育提供坚强的基础保障19。随着OpenAI公司发布了其最新的深度学习产品GPT-4，人工智能技术的发展历程迎来了一个新的里程碑，GPT-4作为前所未有的大型语言模型（LLMs），它表现出比以前的人工智能模型更多的通用智能基于GPT-4等人工智能技术的突破，未来基于人工智能技术的多模态输出将成为可能20。多模态输出是指利用不同的感官通道（如视觉、听觉、触觉等）来表达信息，从而增强信息的丰富性和有效性。结合物联网系统、云计算、大数据分析、机器学习、虚拟与仿真现实等技术与GPT-4的多模态输出可以为学前教师教育提供新的解决方案。自Picard教授在书中提出情感计算的概念以来，其一直在引领着计算机识别和表达情绪，并智能地响应人类情绪。情感计算是指人类情感、情绪和感受的计算机处理化，包括情感识别和情感分析两个方面21。目前在许多实际应用中，通过人工智能技术支持可以构建一个智能认知系统，能够区分和理解人们的情感，并做出及时和友好的回应。利用多模态模型可以对教师培训过程进行全过程分析与评价，通过特定检测装置结合人工智能技术分析所采集的脑波、眼动和面部表情数据来预测教师在线同步培训中的参与度和学习成果。目前已有研究发现，多模态数据可以提供比单一模态数据更精确的预测结果，并且结合脑波、面部表情和眼动可以更好地预测在职教师的参与度22。人工智能技术中的多模态模型与检测分析设备能够更好地理解教师的需求和培训效果。这些技术能够提供更多的数据和信息，更好地评估学前教师培训的效果，从而提高培训的效率和质量。（二）人工智能融入学前教师教育的应用逻辑以GPT-4为代表的新时代人工智能技术相较于传统的教育辅助工具在规模、预训练和适应能力、内容生成能力、泛化能力、迁移学习能力等方面都取得了显著的进步，这些进步使得GPT-4在处理自然语言任务方面表现出更高的性能和更广泛的应用潜力。同时研究者发现GPT-4在实验过程中表现出更多的通用智能（general intelligence）20。见表1，通用智能是指一种人工智能系统，它具有与人类智能相当的通用性和灵活性。这种系统能够像人类一样，在多种不同的领域和任务中表现出优异的能力，并且能够自主学习和适应新的环境。以GPT-4为代表的新时代人工智能技术在处理自然语言任务方面表现出更高的性能和更广泛的应用潜力，比传统的教育辅助工具更具优势。表1GPT-4与ChatGPT的不同模型名称参数规模输入能力输出能力智能水平自然语言处理GPT-4一百万亿多模态输入多模态输出接近人类的通用智能有“迁移学习”神经网络ChatGPT1750亿单模态输入（文字）单模态输出（文字）基本的理解与推理能力无“迁移学习”神经网络93基于GPT-4在通用智能领域的突破性进展，在多环节中对学前教师教育的辅助与支持能力将不断提高。2019年我国教育部颁布的 幼儿园教师专业标准（试行）（以下简称 专业标准），为培养新时代高素质学前教师制定了标准，也成为培养学前教师的主要依据。在 专业标准 中强调了学前教师应具备幼儿为本的理念、师德为先的精神、专业知识和实践能力、终身学习的意识23。其中专业实践能力是学前教师必备的核心素质之一，在 专业标准 共14个领域中专业实践能力相关部分共有7个，包括计划与实施教育活动的能力、支持与引导游戏活动的能力、沟通与合作的能力、激励与评价的能力、一日生活组织与保育的能力、环境创设与利用的能力以及反思与发展的能力。目前，以师范院校为代表的学前教师培养模式普遍存在实践能力培养不足的痛点，理论与实践容易出现脱节的情况24，在培养过程中评价缺乏科学统一的标准，难以客观评价实践能力培养效果。借助AI技术、物联网、大数据等技术可以对学前教师的教育实践过程的各项能力发展实现全过程支持与评价。人工智能技术可以通过分析和挖掘大量数据，提供更精准和客观的评估结果。这不仅有助于提高教育质量，还可以提高学前教师的理论水平、信息化应用能力、理论与实践结合能力、教学创新能力以及融合交互能力等专业能力素养的发展（见图1）。图1人工智能赋能学前教师发展路径学前教育质量的提高关键在于实现所有儿童都能接受优质学前教育。衡量学前教育质量的标准主要包括“过程性质量”和“结构性质量”25，其中过程性质量对儿童发展的影响更显著26。在衡量过程性质量的众多变量中，师幼互动即发生在师生之间各种形式、性质和程度的相互作用和影响，是过程性质量的重要组成部分27。过程性质量的相当一部分成分以动态形式呈现，因此对其进行评估相对较为困难28。而原本在过程中难以准确评价的因素，如年龄适宜程度、幼儿专注程度、师幼互动情况、幼儿探索情况等，借助于信息采集硬件设备与人工智能技术，可以建立起全过程多维度的评价体系，并针对具体教育情境给出科学教育建议以促94进学前教师成长，提高学前教育整体质量（见图2）。图2人工智能促进学前教师全面发展衡量幼儿教师教育培训质量的最核心和最重要的标准是培训的实际效果。高质量的学前教师教育培训应该能够让教师感受到教育培训的实用性和有效性，满足他们的教学实践需求并促进他们的专业发展29。而人工智能技术能够帮助我们建立一个针对教师的大数据平台。通过多模态数据搜集和分析处理，结合科学的教师教育质量评价体系，可以综合评判学前教师教育培训的效果。这种方法不仅能够为我们提供更为精准和客观的评价结果，还能够帮助我们更好地了解教师的需求和发展情况，从而为教师提供更为有效的培训和支持，促进学前教师专业发展。通过大数据平台分析可以找出教师专业发展的规律和趋势，为教师定制个性化的发展路径。这可以避免“一刀切”式的教师培训方式，实现教师个性化发展。教师也可以根据人工智能技术提供的分析报告，定期检视和调整自身的专业发展进程，实现主动学习和持续发展。借助与人工智能的良性互动，不断提高学前教师教育质量与学前教育整体发展水平。人工智能技术与教师教育的深度融合能够为我们提供更多的可能性30。通过在教师培训过程中，建立起一套“教师教育管理研培轨迹追踪个性化推荐”的互动系统，从而在教师培养过程中，实现教学融通、深度理解、高效协同、互动探究和个性化学习。这种系统不仅能够提高教学效率和质量，还能够为区域内的管理者和研究者提供数据参考和决策支持。在未来，人工智能的技术赋能在学前教师教育中将发挥重要作用。五、人工智能赋能高质量学前教育教师队伍建设的风险与对策（一）人工智能赋能高质量学前教育教师队伍建设的现实风险在2019年，联合国教科文组织（UNESCO）发布了一份名为 北京共识：人工智能与教育95的文件，强调了人工智能（AI）在教育领域的潜力，并提出了一系列旨在促进人工智能技术在教育领域融合和应用的建议31。其中，首要建议是制定全球性的人工智能和教育道德准则和标准，以确保人工智能技术在教育领域中的应用符合人权、公平和社会正义等原则。这意味着需要建立一个全球性框架来指导各国政府如何在教育领域中使用人工智能技术。1.人工智能赋能高质量学前教育教师队伍建设的安全风险人工智能的首要问题是安全问题32。在人工智能应用于教育活动的过程中存在诸多限制与隐私问题，以ChatGPT为例，目前主要存在以下三个方面的问题：其一是错误信息生成的不可控，由于ChatGPT是基于大量数据进行训练的，它可能会生成错误的信息或答案，这可能会误导学生或教师，从而影响他们的学习效果。其二是在数据训练中存在偏见，如果数据本身存在偏见，那么模型也会受到这种偏见的影响，导致不公平或歧视性的结果。其三是由于ChatGPT需要收集和处理大量的学生隐私数据，如对话记录、历史成绩、学业评定情况等，会涉及到隐私问题，如果这些数据被滥用或泄露，将造成不良影响。在人工智能时代的教学活动中，算法作为底层建筑存在着一定的风险。如算法的普遍性会造成教育的浅层化、“黑箱”效应会造成教育的“隐性控制”、算法偏向会造成教育的不公平、算法的大规模使用会造成教育的同质性等33。2.人工智能赋能高质量学前教育教师队伍建设的教师风险教师在人工智能融入教育领域的过程中，存在着适应性不足乃至面对人工智能挑战的风险。在教师将学习分析、教学准备等在教育中的应用，转移到较新的人工智能领域时出现了教师意愿程度高但实际效果欠佳的情况。一项针对欧洲教师的试点研究表明，教师们对人工智能在教育领域的应用持积极态度，对在学校引入人工智能相关内容抱有高度积极性，在研究中的教师多数拥有基本的数字技能水平，而与人工智能相关的技能水平较低。人工智能将会对现有教师教学进行挑战，以美国教授艾休克 戈尔为例，教授安排一款基于沃森技术的聊天机器人吉尔 沃特森担任助教，在5个月的授课期间，学生并未察觉到课程助教是个机器人。“科技不能取代教师，但使用科技的教师可以取代不使用科技的教师”，同样，使用人工智能的教师也可以取代不使用人工智能的教师34。随着智能技术的发展渗透，传统教学方式面临重大挑战。对教师来说，要能够在数字化和人工智能的环境下有效开展教学，需要不断学习和掌握最新技术知识与应用。但是部分教师对新技术的认知度不高，未学会灵活运用人工智能相关技术增强教学效果，将难以适应新时代教学需要。（二）人工智能赋能高质量学前教育教师队伍建设的应对策略1.建立科学公正的伦理框架审慎面对数据风险人工智能的发展以促进人类发展为导向。它在教育领域的应用是必然趋势，未来将出现多样化、双轨化、开放化、混合化、过程化和多元化等变化35。我们应积极践行联合国会议的政策方向，并支持开放教育资源和开放科学，促进知识共享和创新。建立全球性的人工智能和96教育研究网络，提高教师和学生对人工智能的理解和技能，以更好地将人工智能融入教育体系，应对当今世界面临的挑战。随着人工智能技术的广泛应用，我们面临数据处理、隐私保护、信息权益等方面的挑战。建立科学、公正的伦理框架至关重要，确保教育公平、维护师生主体地位和信息安全。在教育数据处理方面，应关注数据的全生命周期，确保其科学性、客观性和真实性。充分尊重和保护个人隐私，防止数据泄露、滥用和非法获取。在信息权益方面，应倡导信息公平和透明。确保各类学习者平等获取和使用教育资源的权利，促进资源公平分配，缩小教育差距。在人工智能应用中，应强调以人为本，关注教师与学生互动，尊重个体差异，发挥人工智能辅助作用，而非完全取代人的主体地位。在保障信息安全方面，应完善相关制度，为人工智能在教育中的应用提供清晰指导和规范，防范算法风险。通过优化算法设计、提高算法透明度、减少偏见、建立问责机制等推动人工智能教育算法向善发展。总之，科学的数据收集与使用、信息公平与安全、人与技术的协调互动，是人工智能改变教育生态的前提。人工智能要为教育服务，以人为本，才能实现教育现代化。构建科学、公正的伦理框架对于实现人工智能时代的教育公平、保障师生主体地位和安全具有重大意义。应当在各个层面加强合作与交流，共同探讨人工智能在教育领域的伦理问题，为构建公平、安全、有序的人工智能教育生态环境作出不懈努力。2.注重新时代高质量学前教师数字胜任力培养所谓“高质量教育体系”是指满足人民日益增长的需要，提供更高质量的教育、更加公平的教育机会、更高效的教学、更完备的教育体系、更丰富多样的教育资源、更可持续发展的教育方式以及更安全可靠的教育环境36。在高质量教育体系建设过程中数字化是其重要推力37。高质量学前教育是体现教育公平与教育环境安全的重要领域，在基础教育领域新基建教育数字化转型已成为我国基础教育发展的重要趋势。而在学前教育领域，为了适应数字化教育的发展趋势，在人工智能融入教育领域的过程中，降低教师存在的适应性不足乃至面对人工智能挑战的风险。学前教师的数字胜任力培养显得尤为重要。针对这一问题，学前教师的教育培训应当采取多种策略，以提高教师的数字化素养和能力，为学前教育数字化转型提供坚实的人才支持，进而为儿童的全面发展和未来的成功奠定基础。教师对人工智能技术的认识和准备是将这项技术融入教育的前提条件。在新时代，高质量教师的信息化素养与技术应用水平是重要评价指标。培养新时代高质量学前教育教师的数字胜任力是提高学前教育质量的重要保障，学前教师需要具备数字技术应用的能力，以更好地应对新时代教育数字化的挑战和机遇。数字胜任力是指教师在数字化教育环境下运用各种数字工具和技术，为学生提供更加高效、个性化和多样化学习体验的能力38。对于学前教师而言，数字胜任力的培养包括了对数字教育资源的理解和运用，对数字化教学方法的掌握和应用，以及对数字化评估和反馈的技能等方面。在人工智能时代，学前教师要实现有效教学，首先需要提高自身对新技术的敏感度和运97用技能。学前教师需要全面了解人工智能技术在教学中的应用潜力，梳理人工智能对教学内容、教学对象、教学方式、教学手段及教学效果的影响，积极学习人工智能相关知识与技能，熟练掌握人工智能在教学中的应用方式和方法。通过不断学习和实践，学前教师才能在实践学习过程中逐步熟悉新技术，并最终实现人工智能与教育教学的有机融合，达到新时代高质量学前教师的要求,为学前教育数字化转型提供强大的人才保障，为儿童的全面发展和未来的成功打下坚实基础。参考文献：SEPLVEDA A,BOGDAN-MARTIN D,WONG A,et al.The Digital Transformation of Education:Connecting Schools,Empowering LearnersR.Geneva:International Telecommunication Union,2020:2.中央网络安全和信息化委员会印发 “十四五”国家信息化规划 EB/OL.(2021-12-28)2023-05-27.http:/ Language Models for DialogueEB/OL.(2022-11-30)2023-05-27.https:/openai.casa/blog/chatgpt/.10 钱力,刘熠,张智雄,等.ChatGPT的技术基础分析J.数据分析与知识发现,2023,7(3):6-15.11 WARD J S,BARKER A.Undefined by Data:A Survey of Big Data DefinitionsEB/OL.(2013-09-20)2023-05-27.https:/arxiv.org/pdf/1309.5821.pdf.12 KOTSIANTIS S B,PINTELAS P E.Predicting Students Marks in Hellenic Open UniversityC/FifthIEEE International Conference on Advanced Learning Technologies(ICALT05),Kaohsiung:IEEE,2005:664-668.13 顾小清.人工智能促进未来教育发展J.教育与教学研究,2021,35(4):1-2.14 权国龙.主体赋能:智能学习的多感官体验J.华东师范大学学报(教育科学版),2022,40(9):105-117.15 谢浩然,陈协玲,郑国城,等.人工智能赋能个性化学习:E-Learning推荐系统研究热点与展望J.现代远程教育研究,2022,34(3):15-23.16 赵炜,何国田.基于建构主义的机器人辅助教学设计模式研究J.电化教育研究,2017,38(5):112-117.17 YACI M.Educational Data Mining:Prediction of StudentsAcademic Performance Using MachineLearning AlgorithmsJ.Smart Learning Environments,2022,9(1):11.18 刘振天,李森,张铭凯,等.笔谈:高等教育高质量发展的系统思考与分类推进J.大学教育科学,982021(6):4-19.19 张志勇.教师是教育的第一资源准确把握新时代教师队伍建设的战略布局和重点任务J.中国教育学刊,2018(4):5-8.20 OpenAI.GPT-4EB/OL.(2023-03-14)2023-05-27.https:/ PICARD R W.Affective ComputingM.Cambridge:MIT Press,2000:52.22 XIAO J,JIANG Z J,WANG L M,et al.What Can Multimodal Data Tell Us about Online SynchronousTraining:Learning Outcomes and Engagement of in-Service TeachersJ.Frontiers in Psychology,2023,13,1092848.23 李季湄,夏如波.幼儿园教师专业标准 的基本理念J.学前教育研究,2012(8):3-6.24 丁金霞,蒋俊华.基于 幼儿园教师专业标准(试行)对高师学前教育专业本科人才培养的思考J.教师教育论坛,2015,28(1):55-60.25 褚远辉,辉进宇.国外提高学前教育质量的基本策略J.现代教育管理,2016(11):36-40.26 李丽,魏玉华,张长英.幼儿园教师关于教学活动中高质量师幼互动特征的内隐观分析J.学前教育研究,2017(10):38-48.27 叶子,庞丽娟.师生互动的本质与特征J.教育研究,2001,22(4):30-34.28 周欣.托幼机构教育质量的内涵及其对儿童发展的影响J.学前教育研究,2003(S1):34-38.29 辉进宇,褚远辉.“有质量”的幼儿教师培训的特点J.教育探索,2015(6):142-145.30 陈雷.“人工智能+教师教育”生态系统的初步探究J.现代教育技术,2019,29(9):13-18.31 UNESCO.Migration,Displacement and Education:Building Bridges,Not WallsR.Paris:UNESCO,2019.32 吴汉东.人工智能时代的制度安排与法律规制J.法律科学(西北政法大学学报),2017,35(5):128-136.33 冯永刚,赵丹丹.人工智能教育的算法风险与善治J.国家教育行政学院学报,2022,295(7):88-95.34 DE GRAAF M.A Robot Has Been Teaching Gradstudents for 5 Monthsand NONE of ThemRealizedEB/OL.(2016-05-10)2023-05-27.http:/www.Dailymail.Co.uk/news/article-3581085/A-robotteaching-grad-students-5-months-NONE-realized.html.35 朱永新,徐子望,鲁白,等.“人工智能与未来教育”笔谈(上)J.华东师范大学学报(教育科学版),2017,35(4):15-30.36 周洪宇,李宇阳.论建设高质量教育体系J.现代教育管理,2022(1):1-13.37 祝智庭,彭红超.技术赋能的韧性教育系统:后疫情教育数字化转型的新路向J.开放教育研究,2020,26(5):40-50.38 仇晓春,肖龙海.教师数字胜任力框架研究述评J.开放教育研究,2021,27(5):110-120.责任编校：梁雁99The Construction of High-Quality Preschool Education Teacher TeamsEmpowered by Artificial Intelligence in the New EraXIAO Xingzheng,FENG Sihan(School of Education and Psychological Science,Sichuan University of Science&Engineering,Zigong 643000,China)Abstract:The advent of a new era of artificial intelligence technologies,exemplified by ChatGPT,has achieved a quantum leap in parameter scale compared to traditional educational support technologies.This development has resulted in significant advancements in areas such as adaptability,contentgenerationcapability,generalizationability,andtransferlearningability.Consequently,thesetechnologies exhibit higher performance levels and broader application potential in the field of education.Under the influence of the global trend of educational digitization,the training of pre-school teachersshould adopt multiple strategies to improve their digital competence in order to provide solid talentsupport for the digital transformation of preschool education,thereby laying the foundation for childrensholistic development and future success.Artificial intelligence technologies can provide resources,environments and data support for a modern teacher education system,promoting the modernization ofpreschool teachers through the modernization of the teacher education system and supporting themodernization of preschool education.Firstly,a preschool teacher education platform can be establishedsupported by large language models,big data analysis and machine learning technologies,constructing acomprehensive and diversified high-quality system for the cultivation of preschool teachers.High-qualitycurricular resources and practical environments should be provided for preschool teacher education,aswell as long-term teacher development profiles and growth trajectories,to ensure that the cultivatedpreschool teachers meet national quality standards.Secondly,artificial intelligence multimodal modeltechnologies and detection analysis devices can help us better evaluate the effectiveness of preschoolteacher training,helping to address the pain point of insufficient practical ability cultivation in the currentpreschool teacher cultivation model represented by normal universities.Finally,a thorough scientificquantitative evaluation can be made of the process quality tha