論文基本資訊
| 項目 | 內容 |
|---|---|
| 標題（原文） | Integrating generative AI into language teachers’ professional development: a longitudinal study using the synthesis of qualitative data (SQD) model |
| 標題（中譯） | 將生成式 AI 整合進語言教師專業發展：運用質性資料綜合（synthesis of qualitative data, SQD）模式的縱貫研究 |
| 作者 | Keyi Zhou（周可依）、Hongyun Deng、Hong Ching Chan、Chin-Hsi Lin（林晉西，通訊作者）；均隸屬香港大學教育學院（Faculty of Education, The University of Hong Kong） |
| 年代 | 2025（Received 28 March 2025；Accepted 24 October 2025；線上發表 18 Nov 2025） |
| 期刊 | Professional Development in Education（ISSN 1941-5257 / 1941-5265；Taylor & Francis；DOI: 10.1080/19415257.2025.2586643）；出版單位為 International Professional Development Association (IPDA) |
| 文章類型 | Research Article（實證研究論文） |
| 關鍵字 |
Generative artificial intelligence → 生成式人工智慧 language-teacher education → 語言教師教育 professional development → 專業發展 teaching Chinese as a second language → 華語文作為第二語言教學 technology integration → 科技融入（教學） |
| 研究經費 | Quality Education Fund Thematic Networks（優質教育基金主題網絡）計畫編號 EDB/QEF/76/17 |
精簡摘要與研究框架
本研究為期一年的縱貫研究，探討結構化的專業發展（professional development, PD）方案能否有效支持語言教師將生成式人工智慧（generative artificial intelligence, GenAI）融入教學實務。研究團隊以 Tondeur 等人（2025）的質性資料綜合（SQD）模式為設計依據，對香港 22 所公立中小學、50 位以華語文作為第二語言（teaching Chinese as a second language, TCSL）教導少數族裔學生的教師，實施三階段 PD：第一階段為三小時工作坊與初階訓練（第 1 個月）、第二階段為校內入班陪伴與真實情境應用（第 1 至 10 個月）、第三階段為分享會與反思（第 10 至 12 個月）。資料蒐集採混合方法，包含 19 題五點量表問卷（N = 41，回收率 82%）、教案文件分析、22 校各 120 分鐘的課堂錄影與觀察，以及 12 位教師的半結構訪談。結果顯示：教師初期對 GenAI 高度熱情（整體平均 4.57／5.00），但難以將其與教學目標對齊、也難以使其具文化相關性；隨時間推移，教師轉向「教學導向」的整合，課程連貫性、文化回應性與學生參與度顯著提升（主動參與由 0% 升至 81.8%）。持續採用有賴資源提供、專家指導與政策倡議等系統性支持，但評量錯位與規模化落差等挑戰仍未解決。
研究框架
本研究屬質性為主、量化為輔的混合方法縱貫設計，並非變項間因果檢驗，因此其框架應理解為「介入設計框架＋分析編碼框架」的雙層結構。
- 介入設計框架：以 SQD 模式的七個面向（1 楷模示範 modelling、2 反思實踐 reflective practice、3 協作 collaboration、4 真實經驗 authentic experiences、5 回饋 feedback、6 設計 designing、7 探索 exploration）分派到三個 PD 階段，作為「輸入」條件。
- 分析編碼框架：以 TPACK（Technological Pedagogical Content Knowledge；Koehler et al., 2013）三大知識領域作為教案與觀察的演繹編碼骨幹，再以 SAMR 模式（替代 Substitution／增強 Augmentation／修改 Modification／重新定義 Redefinition；Puentedura, 2013）評估科技融入深度。
- 訪談分析框架：以「PD 影響、促進因素、阻礙因素」三個預設面向做演繹編碼，再開放歸納新興主題（Braun & Clarke, 2006）。
- 成果框架（歸納生成，見原文 Figure 5）：作者由資料歸納出語言教師 GenAI 專業成長的三階段整合框架——探索性工具整合（exploratory tool integration）→ 策略性教學對齊（strategic pedagogical alignment）→ 反思性制度化（reflective institutionalisation）。
- 詮釋理論資源：轉化學習理論（transformative learning；Mezirow, 1997）、認知負荷（Sweller, 1988）、科技接受模式延伸（Venkatesh & Davis, 2000）與第二階障礙（second-order barriers；Ertmer & Ottenbreit-Leftwich, 2010）被用於解釋教師知覺轉變的機制。
研究動機與研究目的
研究動機
- AI 素養已成為語言教師的基本職能：GenAI 正透過個人化學習、即時回饋與動態教材生成改變教學實務，語言教育因其高度互動、情境豐富與技能導向的特性而受影響尤深；若 GenAI 未系統性納入 PD，語言教師將在「AI 素養與傳統教學技能同等重要」的時代落後（Kamalov et al., 2023；Moorhouse et al., 2024）。
- 既有研究過度偏重「學生端」應用：多數研究聚焦自動寫作評分等面向學生的工具（Yan, 2023），較少檢視 GenAI 如何賦能教師。
- 缺乏縱貫視角：橫斷研究只能捕捉初期知覺與試辦成果，無法揭示教師如何隨時間逐步適應 GenAI、遭遇何種挑戰、發展何種策略，以及對教學實務的長期影響（Yan et al., 2023；Law, 2024）。作者並警告，缺乏時間維度的 PD 可能「在工作坊裡成功、在課堂裡失敗」（Krulatz et al., 2022）。
- 缺乏理論導向的整合模式：現有 TPACK、SAMR、價值敏感設計（Value Sensitive Design）、以人為本 AI 等框架各自只涵蓋部分面向，尚無針對教師持續性 AI 專業成長的實踐導向路線圖；研究亟需從「描述教師知覺」轉向「設計導向」取徑（Zaim et al., 2024；Tan et al., 2025）。
- 在地脈絡需求：香港少數族裔學生因文化與語言差異，在習得中文上面臨障礙（Wang & Tsung, 2022），研究團隊希望介入方案能協助教師以 GenAI 回應多元學生需求、營造融合學習環境。
研究目的與研究問題（保留原文編號）
總體目的：以 SQD 模式系統性探究 GenAI 如何以「可持續且具教學意義」的方式嵌入語言教師 PD，並透過長期追蹤檢視教師對 PD 的評價、記錄課堂實務的轉變、辨識可持續採用 GenAI 的促進因素與阻礙。
- RQ1：華語文教師如何知覺一個以 SQD 為基礎的 PD 方案之影響？（How do Chinese-language teachers perceive the impact of an SQD-based PD program?）
- RQ2：教師在 PD 方案推進過程中，其教學實務發生了什麼改變？（What changes occur in teachers’ teaching practices as they progress through the PD program?）
- RQ3：哪些因素促進或阻礙教師的教學轉化？（What factors facilitate or hinder teachers’ pedagogical transformation?）
文獻探討大綱
- Literature review（文獻探討）
- GenAI in language teaching（GenAI 於語言教學）
- 機會一：智慧對話夥伴——GenAI 能產生情境合宜的對話並就語言正確性與文化適切性提供細緻回饋，較腳本式語言軟體是重大進展（論證角色：建立「GenAI 對語言教育具轉化潛力」的前提）。
- 機會二：教材生成——可依課綱與個別學習者需求客製練習、真實閱讀文本與學科專屬內容（論證角色：說明教師端減負與差異化教學的可行性）。
- 機會三：數位多模態寫作（digital multimodal composition）——整合文字、圖像與聲音（Lin et al., 2025）（論證角色：預示本研究後續觀察到的多模態教案）。
- 機會四：個人化學習助理——診斷錯誤、推薦練習、以多例說明複雜語言概念（論證角色：對比過去僅人類家教可提供的功能）。
- 風險一：作者稱之為「真實性落差（authenticity gap）」——GenAI 輸出語言正確但難以捕捉社會文化與語用細緻度，可能培養出「有溝通能力卻無文化理解」的學習者（Tafazoli, 2024）（論證角色：為本研究強調「文化回應性」鋪路）。
- 風險二：過度依賴侵蝕學習者自主——學生可能不加批判接受 AI 語言輸出，未能發展後設認知與批判思考（Moorhouse & Kohnke, 2024）（論證角色：導出「教師需具批判評估能力」的 PD 需求）。
- Integrating GenAI into language teachers’ professional development（將 GenAI 整合進語言教師專業發展）
- 有效 PD 的元素：動手工作坊、協作專案、反思活動，並提供同儕與導師回饋的支持性環境（Chiu et al., 2024；Moorhouse et al., 2024；Yang et al., 2024）（論證角色：界定本研究介入設計的基準）。
- 關鍵原則：GenAI 應被定位為「補充」而非「替代」傳統教學法（Kaya, 2024）；以 AI 進行差異化支架可減輕負擔，讓教師專注於高階任務（Chan & Tsi, 2024）（論證角色：確立教學導向而非工具導向的立場）。
- 教師新角色：能篩選精修 AI 產出、運用 AI 分析辨識學生迷思的教師，將成為教育的共同設計者與診斷夥伴（Yan et al., 2023）。
- 研究缺口彙整：缺乏縱貫研究、缺乏對不同教育脈絡（低資源學校、多語課室）的調適研究、需從描述性研究走向設計導向並發展完整理論與訓練框架（論證角色：直接對接本研究三個 RQ）。
- The synthesis of qualitative data model（SQD 模式）
- 現有框架盤點與不足：TPACK（Mishra & Koehler, 2006）說明知識需求；SAMR（Puentedura, 2013）提供融入深度啟發；價值敏感設計（Friedman et al., 2013）與以人為本 AI 強調倫理與人類價值；Kim & Kwon（2023）、Liu & Xiao（2024）延伸至教師能力與資料素養；Triadic GenAI Integration Theory（Niepes, 2025）嘗試整合但在教師教育情境仍待驗證——結論是「無一者提供完整、實踐導向的持續發展路線圖」（論證角色：為採用 SQD 建立必要性）。
- SQD 的內容：Tondeur 等人（2025）提出七面向多維框架（modelling、reflective practice、collaboration、authentic experiences、feedback、designing、exploration），用以評估科技融入的教師 PD 方案。
- 適用性論證三點：（1）其對科技教學知識的強調契合「將 AI 工具置回教學框架」的需求；（2）「真實經驗」面向補足 AI PD 中教師缺乏真實課堂演練機會的缺口（Hwang et al., 2025）；（3）「協作與回饋」支持迭代改進，有助緩解演算法偏誤與倫理議題（Luckin et al., 2022）。
- 可遷移性與限制：原為師資生設計，已成功延伸至在職 PD（Gümüş et al., 2024）、行動輔助語言學習（Aşık et al., 2020；Hsu & Lin, 2020）與沉浸式 VR（Buchner & Hofmann, 2022）；但 Tondeur 等人（2012）提醒其效能取決於脈絡調適（論證角色：導出本研究「擴充 SQD 以回應 AI 特有可為性與限制」的理論貢獻宣稱）。
- GenAI in language teaching（GenAI 於語言教學）
- 核心理論／模型標註：SQD（質性資料綜合模式，本研究主框架）、TPACK（分析編碼框架）、SAMR（融入深度量尺）、轉化學習理論（Mezirow, 1997）、認知負荷理論（Sweller, 1988）、科技接受模式延伸 TAM2（Venkatesh & Davis, 2000）、第二階障礙論（Ertmer & Ottenbreit-Leftwich, 2010）、價值敏感設計（Friedman et al., 2013）、中層治理「middle-out」（Brown & Zhang, 2017）。
研究方法介紹
研究取徑與設計
本研究採縱貫研究設計（longitudinal design），即對同一批對象進行長期重複觀察（Sammons et al., 2007），以追蹤教師信心與技能習得等變化軌跡（Pauw et al., 2022；Dack & Tomlinson, 2024）。作者主張唯有縱貫取徑才能揭示持續接觸 GenAI 對教師實務與態度的影響，以及 PD 方案的長期效果模式，此為橫斷研究無法辨識者。整體為混合方法（mixed-methods），量化以描述統計呈現工作坊成效，質性則承擔實務轉變與機制詮釋的主要說明力。研究期程為一年，並依 SQD 元素分為三階段介入。
研究脈絡
介入實施於香港——一個因文化與語言差異，導致少數族裔學生在中文習得上面臨障礙的多元地區（Wang & Tsung, 2022）。介入意圖在於使教師具備將 GenAI 工具融入教學、回應多元學生需求、營造融合式學習環境，並最終提升少數族裔學習者語言習得成果的能力。
研究對象與抽樣
- 總樣本：香港 22 所公立中小學的 50 位教師，全為自願參加（voluntarily joined），並表達探索創新教學策略的承諾——屬自我選擇的立意／自願抽樣。
- 共同特徵：全部實際從事以華語文作為第二語言教導少數族裔學生的工作；但教學年資與類型、學校脈絡差異甚大。
- 各階段子樣本：第一階段問卷 41 人完成（回收率 82%）；第二階段課堂錄影涵蓋全部 22 校；第三階段 PD 工作坊由原 50 人中自願的 20 人參與，其中 12 人接受半結構訪談。
介入方案設計（三階段對應 SQD 元素）
- 第一階段（第 1 個月內）：工作坊與初階訓練，對應 SQD 的「楷模示範」與「教學設計」。三小時互動式工作坊，介紹 ChatGPT、Poe、Eduaide、Suno、Midjourney、Hailuo 等工具；四位工作坊講師（均為研究團隊成員）示範以 GenAI 生成文字、圖像、音樂與影片；教師進行動手活動培養 GenAI 素養並就倫理議題展開批判討論，再協作設計含差異化教學策略的 GenAI 教案，並就 AI 生成內容的文化相關性進行評估；過程中由課程發展主任（curriculum-development officers）提供即時回饋。
- 第二階段（第 1 至 10 個月）：校內陪伴與真實應用，對應「協作」與「真實經驗」。由五位課程發展主任（不含研究者）進行入校輔導；教師共同設計符合課綱要求的 GenAI 增能單元，並在真實課堂實施，主任入班觀課、提供針對性教學回饋，並協助排除技術與情境上的疑難。
- 第三階段（第 10 至 12 個月）：分享會與反思，對應「回饋」與「反思」。教師展示 GenAI 專案實施成果、交流成功與挑戰、彼此汲取最佳實務；部分教師並提出制度性政策建議。
資料蒐集工具
- 問卷（第一階段訓練後即施測）：19 題五點 Likert 量表，測量三個構念——教師自我效能（5 題，改編自 Tschannen-Moran & Hoy, 2001）、PD 成效（5 題，依 Guskey, 2002）、PD 滿意度（9 題，依 Desimone et al., 2002）。同時收繳教師設計的教案作為教學文件（lesson artefacts）。
- 課堂錄影與觀察（第二階段）：涵蓋全部 22 校，每校 120 分鐘；由兩位受訓研究者蒐集多重資料流——錄影（教師示範、學生與 GenAI 互動、課堂討論）、結構化觀察田野筆記（GenAI 工具類型、使用時長、實施形式），以及教學文件（教師最終教案、學生學習單）。
- 半結構訪談（第三階段）：12 位教師、每人約 30 分鐘的線上視訊訪談；訪談大綱涵蓋三面向——PD 影響（例：「能否分享 PD 如何影響您語言教學的具體例子？」）、PD 支持（例：「哪些機構資源或同儕支持對您的實施最具助益？」）、PD 反思（例：「基於您的經驗，未來的 GenAI 整合工作應做哪些調整？」）。全程經受訪者同意錄音，並逐字轉錄。
資料分析方法
- 量化：第一階段問卷（N = 41）以描述統計分析（平均數、最小值、最大值、標準差）。
- 教案與觀察：兩位受訓研究者以 TPACK 框架（Koehler et al., 2013）為編碼架構獨立分析全部第一階段教案與第二階段課堂觀察，三大領域各以領域專屬編碼簿操作化——技術知識（GenAI 工具選擇）、教學知識（教學策略）、內容知識（學科內容）；並以 SAMR 四層級評估融入深度。
- 質性主題分析：於 NVivo 14 進行，採混合式取徑——先依 TPACK 構念演繹編碼，再進行歸納式新興編碼。第三階段訪談逐字稿以主題分析（Braun & Clarke, 2006）處理，先以「PD 影響、促進因素、阻礙因素」三預設面向演繹編碼，再歸納新興主題。
- 個案挑選：第二階段另選取兩個能體現訓練內容實務應用、GenAI 課堂整合，以及兩位教師歧異經驗、挑戰與成功的教學個案（Teacher A、Teacher B）。
信效度處理
- 內部一致性：教師自我效能 α = 0.91、訓練成效 α = 0.89、滿意度 α = 0.87，作者稱各理論導向分量表皆具良好內部一致性。
- 評分者間信度：教案／觀察初次獨立編碼 κ = 0.82；訪談逐字稿抽取 20% 獨立編碼得 κ = 0.84。
- 歧異處理：教案／觀察中 18% 出現編碼歧異者，採結構化共識建立程序——先共同重閱原始素材、再回到編碼簿的操作型定義、必要時諮詢第三位領域專家；最終所有編碼值皆為共識結果。訪談編碼歧異則透過討論解決。
- 其他效度作為：對三位受訪者進行成員檢核（member checking；Thomas, 2017）以強化效度；資料來源多元（問卷、教案、錄影、田野筆記、學生學習單、訪談）形成三角驗證；第二階段輔導者刻意排除研究者本人，降低研究者影響。
- 研究倫理：參與者於資料蒐集前同意參與；資料因保密原因未公開，有意者可向通訊作者申請。作者聲明無利益衝突。
研究流程（表格）
| 步驟 | 階段名稱 | 主要工作 | 產出 |
|---|---|---|---|
| 1 | 研究定位與框架選定（前置） | 盤點 GenAI 語言教育文獻缺口（偏學生端、缺縱貫、缺理論模式），評估 TPACK／SAMR／VSD 等框架之不足，選定 SQD 模式為介入設計主框架，並設定 RQ1–RQ3。 | 三個研究問題；以 SQD 七面向為骨幹的一年期介入藍圖 |
| 2 | 脈絡設定與參與者招募 | 鎖定香港少數族裔學生中文習得困境之脈絡；招募 22 所公立中小學、50 位 TCSL 教師自願參與。 | 50 位教師／22 校的縱貫追蹤樣本 |
| 3 | 第一階段：工作坊與初階訓練（第 1 個月內） | 三小時互動工作坊：研究團隊示範 ChatGPT、Poe、Eduaide、Suno、Midjourney、Hailuo 等工具的文字／圖像／音樂／影片應用；教師動手操作、討論倫理、協作設計含差異化策略之教案，並評估 AI 內容文化相關性；課程發展主任即時回饋。 | 初步 AI 融入教案（lesson artefacts）；教師 GenAI 素養基線 |
| 4 | 第一階段資料蒐集與量化分析 | 訓練後即施測 19 題五點量表問卷（自我效能／成效／滿意度），41 人完成（82%）；收繳教案並以 TPACK 與 SAMR 編碼。 | Table 1 描述統計（總平均 4.57，SD 0.60）；α = 0.91／0.89／0.87；Table 3 第一階段欄位（替代層 77.3%、主動參與 0%） |
| 5 | 第二階段：校內陪伴與真實應用（第 1 至 10 個月） | 五位課程發展主任入校輔導；教師共同設計符合課綱的 GenAI 單元並於真實課堂實施；主任觀課、給予教學回饋與技術支援。 | 教師最終教案、學生學習單；GenAI 增能教學單元 |
| 6 | 第二階段資料蒐集與比較分析 | 兩位受訓研究者於全部 22 校各錄影 120 分鐘，並記錄結構化觀察筆記（工具類型、使用時長、實施形式）；與第一階段教案進行 TPACK／SAMR 對比；另選 Teacher A、Teacher B 兩個對比個案。 | Table 3 第二階段欄位（增強 45.5%、修改 27.3%、重新定義 9.1%）；兩則教學個案（Figures 1–4） |
| 7 | 第三階段：分享會、反思與訪談（第 10 至 12 個月） | 與 20 位自願教師舉行 PD 分享工作坊，展示專案成果、交流最佳實務、提出政策建議；對其中 12 人進行約 30 分鐘半結構視訊訪談（PD 影響／支持／反思三面向），全程錄音並逐字轉錄。 | 12 份逐字稿；Table 2（知識成長 58.3%、技能提升 75%、態度轉變 41.7%）；Table 4（促進與阻礙因素） |
| 8 | 質性編碼與信效度確認 | 於 NVivo 14 以 TPACK 演繹＋歸納混合編碼；訪談依 Braun & Clarke（2006）主題分析；計算 κ = 0.82／0.84，18% 歧異以三步共識程序處理，並對三位受訪者做成員檢核。 | 共識編碼結果；三大主題（PD 影響、促進因素、阻礙因素） |
| 9 | 跨階段整合與框架建構 | 整合三階段資料，歸納語言教師 GenAI 專業成長軌跡，並以轉化學習、認知負荷、TAM2、第二階障礙等理論詮釋；提出整合性框架（Figure 5），並撰寫理論貢獻、實務建議、限制與後續研究方向。 | 三階段整合框架（探索性工具整合 → 策略性教學對齊 → 反思性制度化）；SQD 模式之 AI 取向擴充 |
條列式研究流程
- Step 1：檢視 GenAI 語言教育研究的三大缺口（偏重學生端應用、缺乏縱貫證據、缺乏理論導向整合模式），確立以 SQD 模式為框架並訂出 RQ1–RQ3。
- Step 2：選定香港少數族裔中文教學脈絡，招募 22 所公立中小學共 50 位自願的 TCSL 教師組成縱貫追蹤樣本。
- Step 3：於第 1 個月內實施三小時工作坊，示範六款 GenAI 工具、進行動手操作與倫理討論，並協作產出初步 AI 融入教案。
- Step 4：工作坊後立即施測 19 題五點量表問卷（41 人完成，82%），並以 TPACK 與 SAMR 編碼第一階段教案，取得成效與實務基線。
- Step 5：第 1 至 10 個月由五位課程發展主任入校陪伴，教師共同設計並在真實課堂實施符合課綱的 GenAI 單元，接受觀課回饋與技術支援。
- Step 6：在全部 22 校各錄影 120 分鐘並撰寫結構化觀察筆記，與第一階段教案做 TPACK／SAMR 對比，另擇 Teacher A、Teacher B 兩個對比個案深描。
- Step 7：第 10 至 12 個月舉行分享會（20 位自願者），並對其中 12 位進行約 30 分鐘半結構訪談，蒐集 PD 影響、支持與反思三面向資料。
- Step 8：以 NVivo 14 進行演繹加歸納的混合編碼與主題分析，計算 κ = 0.82／0.84、以三步共識程序處理 18% 歧異，並以成員檢核強化效度。
- Step 9：整合三階段結果，歸納出「探索性工具整合 → 策略性教學對齊 → 反思性制度化」的整合框架，提出 SQD 模式的 AI 取向擴充、實務與政策建議，並揭示研究限制與後續方向。
研究議題與討論重點收斂
議題一：教師知覺——從高自我效能到「意義架構」的轉化
發現摘要：第一階段問卷（n = 41）三構念皆高分：自我效能整體 4.62（學習與運用 GenAI 的信心 4.63、準備將 GenAI 策略融入教學 4.61）、訓練成效整體 4.64（內容適用於教育者角色 4.71、方法論 4.63、倫理動手活動 4.63）、滿意度整體 4.50（整體品質滿意度 4.68、排程便利 4.37、時段有利主動學習 4.39、互動形式 4.41、組織流暢 4.59、指示清楚 4.63），總平均 4.57（SD 0.60，最小值 2、最大值 5）。第三階段訪談（n = 12）顯示知識成長 7 人（58.3%）、技能提升 9 人（75%）、態度轉變 5 人（41.7%）；有教師表示「過去只把 AI 當工具，現在把它看成重新設計教學的方式」，也有原本抱持懷疑者在跨校分享（泰籍學生以 AI 寫唐詩）後抗拒感降低約 50%。
作者詮釋：這段歷程被詮釋為轉化學習（Mezirow, 1997）——第一階段的探索構成「失向困境（disorienting dilemma）」，SQD 的楷模示範與教學設計元素則有效管理隨之而來的認知負荷與焦慮（Sweller, 1988），建立初期採用所需的「知覺易用性」（Venkatesh & Davis, 2000）；第三階段的轉變則超越初期採用，屬「意義架構的轉化」，即 TPACK 中科技與教學互動理解的根本改變。與過往文獻一致之處：呼應 Desimone & Garet（2015）主張內容知識與自我效能是實務改變的基礎；亦與 Ertmer & Ottenbreit-Leftwich（2010）「第二階障礙（信念層）改變才是深層永續改變的前提」相互印證；教師發展提示工程（prompt engineering）與在地化技巧的表現，也與 Stenberg 等人（2025）、Tan 等人（2025）近期 AI PD 研究發現平行。
議題二：實務演化——由 SAMR「替代」向「修改／重新定義」位移
發現摘要：第一階段教案（n = 22）呈現廣泛但淺層的實驗：文字工具 20（90.9%）、圖像 15（68.2%）、音訊 12（54.5%）、影片 10（45.5%）；然而替代層達 17（77.3%）、增強 4（18.2%）、修改僅 1（4.5%）、重新定義 0（0%）。第二階段課堂觀察（n = 22）則轉為「少而精」：文字工具降至 10（45.5%）、圖像 2（9.1%）、音訊與影片皆 0（0%）；但替代降至 12（54.5%）、增強升至 10（45.5%）、修改出現 6（27.3%）、重新定義首次出現 2（9.1%）。Teacher A 僅用文字生成，卻透過腦力激盪—提示工程—迭代生成—批判分析的循環達到修改層；Teacher B 由廣泛使用收斂為只用文字生成，改以「修改 AI 文本」取代「原創寫作」而轉化了寫作教學。
作者詮釋：作者以 TPACK 詮釋此軌跡——第一階段以工具為中心的訓練雖引發實驗，卻使教師「重技術功能而輕教學」，這是科技導向教師 PD 的常見障礙（Selwyn, 2016；Tondeur et al., 2017），且因認知負荷而執著於表層特徵（Kirschner et al., 2006），導致實作與學習目標脫節、文化厚度不足（Ertmer & Ottenbreit-Leftwich, 2013；Yang & Yao, 2025）。第二階段在編排框架（Howard et al., 2021）引導下，教師進展到精緻提示工程與 AI 產出的批判評估，只保留具明確課程相關性的工具（Cochrane, 2014）。值得注意的是作者對自身方案的自我批判：方案初期「缺乏關於學習者中心設計的結構化指引」，反而限制了教師跨越技術新奇感的能力——這與其對「工具導向 PD 不足」的文獻批評一致。
議題三：教學設計與學生角色的翻轉
發現摘要：教學目標明確度由 10（45.5%）升至 18（81.8%）；學生主動參與由 0（0%）升至 18（81.8%），有限互動由 5（22.7%）降至 4（18.2%）；高度創新（如沉浸式角色扮演）由 8（36.4%）近乎倍增至 15（68.2%）；結構化回饋由 12（54.5%）升至 18（81.8%）、無回饋由 10（45.5%）降至 4（18.2%）；長期規劃由 6（27.3%）升至 17（77.3%），短期取向由 16（72.7%）降至 5（22.7%）。初期教師主要用 AI 備課、學生被動；後期學生以個人 iPad 主動用 AI 進行創作、協作與問題解決。
作者詮釋：這代表由教師中心轉向學生中心的教學位移，且「教學導向取代技術導向」後，GenAI 得以支架批判探究與跨文化參與。教師重新設計課程，使學生成為 AI 內容的評估者，批判並修改 AI 文本以宣示個人聲音與文化特殊性（Chiu et al., 2024），培養學生能動性；作者據此主張 GenAI 的角色在於「放大而非取代真實表達」（Cummings et al., 2024；Kostopolus, 2025），並強調轉化性整合需要以反思且具文化回應的教學來支架技術探索。
議題四：語言內容與文化整合的深化
發現摘要：語言技能面，寫作由 10（45.5%）升至 20（90.9%）、閱讀由 8（36.4%）升至 18（81.8%）、聽與說各由 5（22.7%）／3（13.6%）升至 8（36.4%）。語言焦點面，句義由 3（13.6%）升至 16（72.7%）、語法正確性由 7（31.8%）升至 15（68.2%）、詞彙習得由 9（40.9%）升至 17（77.3%）、跨語言遷移由 5（22.7%）升至 16（72.7%）。文化面，在地化由 5（22.7%）倍增至 14（63.6%）、跨文化由 3（13.6%）成長四倍至 12（54.5%）、文化認同由 2（9.1%）成長五倍至 10（45.5%）。個案中，Teacher A 讓學生比較中泰新年習俗，Teacher B 讓學生比較比利時與香港文化，但兩者聽說面向皆未成為重點。
作者詮釋：教師由「去脈絡化的詞彙語法練習」（Yang & Yao, 2025）成熟到多模態語言與文化內容的整合；透過與系統性倡議一致的協作共同設計（Darling-Hammond et al., 2017），教師開始生成具文化細緻度的文本、促成跨文化對話並支持個人化學習軌跡，發揮 GenAI 對跨文化能力與語言發展的潛能（Klimova & Chen, 2024）。將 GenAI 與機構目標及文化溝通目標策略性對齊，使創新得以由教學目的與組織文化維繫（Fullan & Langworthy, 2014）。此節同時也呼應文獻探討提出的「真實性落差」：文化回應性是本研究判定整合品質的關鍵指標。
議題五：促進因素——資源、專家、同儕與後續支持
發現摘要：訪談（n = 12）中，資源提供 10 人（83.3%）、專家指導 8 人（66.7%）、同儕交流 6 人（50%）、後續追蹤支持 4 人（33.3%）。教師指出資源「不只適用於非華語學生，而是適用於所有學生」；專家團隊「從設計、實施到反思全程引導，提供超越傳統訓練的支持」；跨校分享改變了其對科技與文化教育結合的看法，並促成校際教案再利用；定期回訪與觀課讓教師能「即時精修 AI 融入課程」。
作者詮釋：此結果確認資源豐富、專家引導且有同儕支持的 PD 是可持續 GenAI 整合的必要促成條件，與 Holmes & Miao（2023）及 Kong 等人（2024）的大規模研究一致；教師對方案連貫性與融合式支持機制的重視，亦強化 Darling-Hammond 等人（2017）關於「組織連貫性」的既有發現。作者並將此對應到整合框架的「反思性制度化」階段。
議題六：阻礙因素——評量錯位、規模化與政策真空
發現摘要：可持續發展機制 9 人（75%）、學生評量創新 7 人（58.3%）、政策發展需求 6 人（50%）。有教師直言：「我設計了用 AI 的任務，但考試局仍然只考傳統閱讀理解，學生被卡在兩個世界之間。」規模化方面：「個案彙編很有用，但只限少數學校，我們需要更廣的平台來分享資源與實務。」政策方面：教師要求香港教育局「釐清 AI 是否以及如何能在課堂使用」，並提出「學生作品若含 AI，內容歸屬誰？如何確保學術誠信？」等疑問。
作者詮釋：作者指出這些障礙涉及科技創新與倫理間的持續張力，尤以學生與 AI 協作可能稀釋學術誠信為著（Jobin et al., 2019；Holmes & Miao, 2023）；教師對後續支持與同儕協作結構不一致的批評，呼應 Timperley 等人（2007）關於持續專業成長機會分布不均的觀察；而缺乏 GenAI 輔助作品評量規範的抱怨比例更高（Lambirth et al., 2019；Bergmark, 2020；Duah & McGivern, 2024；Weng et al., 2024），反映 Carpenter 等人（2024）指出的「創新教學法與傳統評量框架錯位」；結構與政策的模糊性亦印證 Luckin 等人（2022）的警告：缺乏宏觀層級支持，AI 整合將淪為零碎且不可持續。作者因此強調，走向反思性制度化「不只是個人能力的延伸，而是教學創新與系統能量之間的協商」，並提出「中層治理（middle-out governance；Brown & Zhang, 2017）」——由教師洞見反饋政策制定——的實證支持。
未來研究缺口
作者明示的研究限制
- 參與者在三個研究階段的分布不均（uneven distribution）——由 50 人、41 人問卷、22 校觀察、20 人工作坊到 12 人訪談，可能影響研究發現的穩健性與可推論性。
- 研究脈絡集中於香港：雖有助於平衡該領域研究的西方偏誤，但限制了結果直接應用於其他教育體系、文化情境或學科領域的程度。
- 未蒐集學生學習成果的客觀資料，因此無法對該 PD 方案在學業成就上的影響下任何確定結論。
作者明示的未來研究方向
- 進行時距更長的縱貫研究，追蹤教師態度與實務的演變，尤其應納入資源匱乏地區與更多元的區域。
- 開展跨脈絡比較（多區域、多教育體系），以辨識採用 GenAI 的共通促進因素與阻礙。
- 納入學生聲音與客觀測量的學習成果，以更全面評估 GenAI 的教學有效性。
- 探究領導支持、資源配置、政策框架等機構因素，以釐清可持續實施 GenAI 的條件。
- 作者亦自陳所提出的多層次模式屬「暫時性提出（tentatively proposed）」，期待未來對此模式進行精修，以形成可持續專業成長的結構化路徑。
值得引用的段落句子
| # | 原文句子 | 中譯 | 出處 | 適用情境 |
|---|---|---|---|---|
| 1 | Thus, unless GenAI is systematically integrated into PD programs, language educators risk falling behind in an era where AI literacy – understood as the competence to effectively and critically use GenAI tools in educational contexts (Kamalov et al., 2023) – is becoming as essential as traditional teaching skills (Moorhouse et al., 2024). | 因此，除非 GenAI 被系統性地整合進專業發展方案，語言教育者將面臨落後的風險——在這個時代，AI 素養（理解為在教育情境中有效且批判性運用 GenAI 工具的能力）正變得與傳統教學技能同等重要。 | p.2 | 緒論鋪陳：以「AI 素養＝新基本職能」建立教師 PD 研究的必要性，並附帶 AI 素養的操作型定義。 |
| 2 | Nevertheless, in the growing body of research on GenAI in language education, most studies continue to focus narrowly on student-facing applications, such as automated writing evaluators (Yan 2023), rather than examining how such tools can empower teachers (see also Moorhouse et al., 2024). | 然而，在日益增長的語言教育 GenAI 研究中，多數研究仍狹隘地聚焦於面向學生的應用（如自動寫作評分），而非檢視這些工具如何能賦能教師。 | p.2 | 緒論鋪陳／研究缺口論證：可直接引用以說明「教師端 GenAI 研究不足」。 |
| 3 | A primary concern is what we call the ‘authenticity gap.’ That is, while GenAI can produce linguistically accurate output, it often fails to capture the nuanced sociocultural and pragmatic dimensions of language use, potentially fostering communicative competence without cultural understanding (Tafazoli 2024). | 首要的隱憂是我們所稱的「真實性落差」：GenAI 雖能產生語言上正確的輸出，卻常無法捕捉語言使用中細緻的社會文化與語用面向，因而可能培養出有溝通能力卻缺乏文化理解的學習者。 | p.3 | 文獻探討／理論概念引用：本文原創命名的概念，可用於論述 AI 生成語料的文化適切性問題。 |
| 4 | It encompasses seven key dimensions: 1) modelling, 2) reflective practice, 3) collaboration, 4) authentic experiences, 5) feedback, 6) designing, and 7) exploration, which collectively offer a structured approach to assessing how teachers develop digital-tool integration competencies. | 它涵蓋七個關鍵面向：1）楷模示範、2）反思實踐、3）協作、4）真實經驗、5）回饋、6）設計、7）探索，共同提供一套結構化取徑，用以評估教師如何發展數位工具整合能力。 | p.4 | 方法佐證／框架引介：引用 SQD 七面向的標準表述，適合作為研究設計依據的定義性引文。 |
| 5 | While impressive in scope, this exploration remained predominantly at the substitution level (n = 17, 77.3%): i.e. GenAI was used primarily as a direct tool replacement, with no functional change to the learning task. | 雖然探索範圍令人印象深刻，但這些嘗試主要停留在替代層（n = 17, 77.3%）：亦即 GenAI 多被當作直接的工具替代品，學習任務並未產生功能性改變。 | p.10 | 結果引用／討論對話：作為「教師初期整合停留於淺層」的實證數據，適合與 SAMR 相關研究對話。 |
| 6 | Most crucially, pedagogical integration had deepened substantially: substitution-level use declined to 54.5% (n = 12), augmentation increased to 45.5% (n = 10), modification emerged at 27.3% (n = 6), and redefinition appeared for the first time (n = 2, 9.1%). | 最關鍵的是，教學整合明顯深化：替代層使用降至 54.5%（n = 12）、增強升至 45.5%（n = 10）、修改層出現於 27.3%（n = 6），重新定義層則首次出現（n = 2, 9.1%）。 | p.13 | 結果引用：一年期 PD 促成融入深度位移的核心證據句，適用於成效論證。 |
| 7 | Student engagement improved considerably, with active-participation strategies rising from 0% in Phase 1 to 81.8% (n = 18). | 學生參與大幅改善，主動參與策略由第一階段的 0% 提升至 81.8%（n = 18）。 | p.13 | 結果引用／實務建議：最戲劇性的變化指標，適合支持「教學導向整合帶動學生中心轉向」的主張。 |
| 8 | ‘I designed a task using AI, but the exam board still tests traditional reading comprehension. It leaves students stuck between two worlds, innovative learning in the classroom and outdated assessments.’ | 「我設計了一個運用 AI 的任務，但考試局仍在測驗傳統閱讀理解。這讓學生被卡在兩個世界之間：課堂裡的創新學習，與過時的評量。」 | p.18 | 討論對話／政策倡議：極具張力的教師原話，適合用於論述評量制度與 AI 教學創新的錯位。 |
| 9 | The programme’s absence of structured guidance about learner-centred design initially constrained these teachers’ ability to move beyond technical novelty. | 該方案初期缺乏關於學習者中心設計的結構化指引，因而限制了這些教師超越技術新奇感的能力。 | p.21 | 討論對話／方案設計反思：作者對自身介入的自我批判，適合引用以主張 PD 需自始納入教學設計支架。 |
| 10 | Collectively, these data underscore that the journey towards reflective institutionalisation is not merely an extension of individual competence, but a negotiation between pedagogical innovation and systemic capacity. | 綜合而言，這些資料強調：走向反思性制度化的旅程並非個人能力的單純延伸，而是教學創新與系統能量之間的協商。 | p.22 | 討論對話／理論收束：可用於將教師個人專業成長議題提升到組織與制度層次的論述。 |
| 11 | Lastly, our findings provide some empirical evidence in favour of the previously theorised importance of ‘middle-out’ governance (Brown and Zhang 2017), in which policy development is informed by teacher insights that bridge the gap between grassroots innovation and institutional support. | 最後，我們的發現為先前理論化的「中層治理」重要性提供了若干實證支持——在此治理模式中，政策發展受教師洞見的引導，從而銜接草根創新與機構支持之間的落差。 | p.23 | 討論對話／政策建議：適合引用於教師參與 AI 治理、教師能動性的論述。 |
| 12 | Lastly, it did not collect objective data on student-learning outcomes, meaning that we cannot draw any firm conclusions about the impact of the focal PD program on educational achievement. | 最後，本研究未蒐集學生學習成果的客觀資料，這意味著我們無法就該 PD 方案對學業成就的影響下任何確定結論。 | p.24 | 研究限制／缺口論證：可引用以支持「後續研究須納入學生學習成果」的研究正當性。 |
出處說明：以上頁碼為期刊印刷頁碼（本文起始於印刷頁 1，對應 PDF 第 2 頁）。
值得延伸閱讀的論文
以下 9 筆均實際出現於本論文參考文獻清單，書目依 APA 7 格式重整。
- Tondeur, J., et al. (2025). Preparing preservice teachers to teach with digital technologies: An update of effective SQD-strategies. Computers & Education, 232, 105262. https://doi.org/10.1016/j.compedu.2025.105262
為何值得讀：這是 SQD 模式最新版策略的權威來源，直接界定七面向的內涵與實施要點，是理解本研究介入設計語彙的必讀文獻。
與本論文的關係：本研究的主框架即引自此文，三階段 PD 的元素分派完全依此模式建構。 - Tondeur, J., et al. (2012). Preparing pre-service teachers to integrate technology in education: A synthesis of qualitative evidence. Computers & Education, 59(1), 134–144. https://doi.org/10.1016/j.compedu.2011.10.009
為何值得讀：SQD 的原初綜合研究，說明「質性證據綜合」如何從實證研究中萃取出師資培育策略，有助判斷該模式的證據基礎與適用邊界。
與本論文的關係：本研究引用此文的「效能取決於脈絡調適」警語，作為將 SQD 延伸至 GenAI 情境的正當性依據。 - Koehler, M. J., Mishra, P., & Cain, W. (2013). What is technological pedagogical content knowledge (TPACK)? Journal of Education, 193(3), 13–19. https://doi.org/10.1177/002205741319300303
為何值得讀：TPACK 的精要闡述版，適合作為建立編碼簿或分析教師知識結構時的操作性參照。
與本論文的關係：本研究以此文的三大知識領域作為教案與課堂觀察的演繹編碼架構，並以 TPACK 詮釋教師實務演化。 - Moorhouse, B., et al. (2024). Developing language teachers’ professional generative AI competence: An intervention study in an initial language teacher education course. System, 125, 103399. https://doi.org/10.1016/j.system.2024.103399
為何值得讀：語言教師 GenAI 能力培育的介入研究，可作為與本研究「在職教師、一年期」設計對照的「師資生、課程內」設計範例。
與本論文的關係：本研究多次引用此文以論證教師端 GenAI 研究不足，以及 AI 素養重要性；屬最直接的同題文獻。 - Yan, L., et al. (2023). Practical and ethical challenges of large language models in education: A systematic scoping review. British Journal of Educational Technology, 55(1), 90–112. https://doi.org/10.1111/bjet.13370
為何值得讀：系統性範疇回顧，完整梳理大型語言模型在教育中的實務與倫理挑戰，是撰寫倫理與縱貫研究缺口論述的高效率參考。
與本論文的關係：本研究以此文界定「缺乏縱貫研究」的核心缺口，並在結論中宣稱已回應此缺口。 - Law, L. (2024). Application of generative artificial intelligence (GenAI) in language teaching and learning: A scoping literature review. Computers and Education Open, 6, 100174. https://doi.org/10.1016/j.caeo.2024.100174
為何值得讀：GenAI 於語言教學的範疇回顧，可快速掌握該領域研究地貌與尚未觸及的主題。
與本論文的關係：與 Yan 等人（2023）並列，被本研究引為「教師知覺、挑戰與應用如何隨時間演變」研究不足的證據。 - Ertmer, P. A., & Ottenbreit-Leftwich, A. T. (2010). Teacher technology change: How knowledge, confidence, beliefs, and culture intersect. Journal of Research on Technology in Education, 42(3), 255–284. https://doi.org/10.1080/15391523.2010.10782551
為何值得讀：教師科技改變的經典理論文獻，提出第一階／第二階障礙的區辨，是解釋「為何技術訓練不足以改變教學」的關鍵理論工具。
與本論文的關係：本研究以此文的第二階障礙（信念層）論點詮釋教師知覺由「工具」轉向「教學再設計」的轉化。 - Buchner, J., & Hofmann, M. (2022). The more the better? Comparing two SQD-based learning designs in a teacher training on augmented and virtual reality. International Journal of Educational Technology in Higher Education, 19(1), Article 24. https://doi.org/10.1186/s41239-022-00329-7
為何值得讀：少見的 SQD 應用於新興科技（AR／VR）師訓的比較研究，可觀察 SQD 策略密度與成效之間的關係。
與本論文的關係：本研究引為 SQD 可遷移到新科技的先例，支撐將其應用於 GenAI 的合理性。 - Gümüş, M. M., et al. (2024). Preparing teachers to integrate technology in education according to SQD model: Scale development and validation. Education and Information Technologies, 29(4), 3993–4023. https://doi.org/10.1007/s10639-023-11978-0
為何值得讀：提供經驗證的 SQD 量表，對於希望以量化方式測量 SQD 各面向落實程度的研究者尤其實用。
與本論文的關係：本研究引為「SQD 已成功延伸至在職教師 PD」的依據；本研究未使用該量表，故此文亦可視為補足其量化測量缺口的工具來源。