近日，南通大学教育科学学院方旭教授团队的研究论文《Human-AI collaborative patterns in GenAI-supported instructional design among pre-service teachers: An analysis of interaction sequences and cognitive load》在国际教育技术领域权威期刊 International Journal of Educational Technology in Higher Education 正式发表（Volume 23, Article 52, 2026）。方旭教授为论文第一作者兼通讯作者，冯君赐、严卞宇、周彬彬为共同作者。
该期刊由Springer出版，聚焦数字技术在高等教育教学、学习与管理中的应用，被SSCI、Scopus等数据库收录。根据2025年Web of Science数据，该刊2025年影响因子为38.7，中科院2025年期刊大类分区（升级版）为1区。此次论文被SSCI收录并在该刊正式发表，体现了学院在生成式人工智能与教师教育交叉研究领域取得的阶段性成果。
生成式人工智能的快速发展正在深刻重塑教学设计范式。然而，在职前教师使用生成式人工智能赋能教学设计的过程中，人机协作的微观过程模式仍缺乏深入分析。现有研究多关注应用模式总结或宏观赋能效果验证，对真实设计任务中“人如何与AI互动、行为如何组织、认知负荷如何变化”的过程性证据仍较不足。针对这一问题，研究以67名职前教师为对象，要求其使用DeepSeek完成两轮教学设计任务，并从对话日志中编码七类人机互动行为，采用滞后序列分析考察行为序列模式，同时结合NASA-TLX多维认知负荷量表测量其认知体验。研究依据教案质量评分将参与者分为高质量组与低质量组，并进行组间比较；第二轮任务用于重复验证核心发现。研究发现，高质量组更频繁地表现出批判性评价与修订行为，形成显著的“评价—修订”双向循环和“修订自循环”，其行为流呈现“规划→决策→生成→评价→修订→再评价”的渐进序列。相反，低质量组更容易陷入“无效循环”，行为逻辑较为碎片化，缺乏评价与修订的深度加工环节。认知负荷方面，高质量组的心理需求、挫败感及总认知负荷显著低于低质量组，而主观努力程度无显著差异。这表明，高效的人机协作并非单纯“投入更多”，而是将有限认知资源集中于评价、修订等高质量加工环节，并主动减少无效循环带来的外在负荷。基于上述发现，研究构建了面向职前教师的生成式人工智能赋能教学设计人机协作模型，从行为模式、认知负荷与输出质量三个层面揭示了高效协作的内在机制。研究为师范生人机协同教学设计能力培养、提示词精准化训练、迭代修订习惯养成以及AI教育工具设计提供了实证依据与实践参考。
该研究是方旭教授主持的国家社会科学基金一般项目“教育数字化提升农村居民教育获得的理论与实证研究”（项目编号：23BSH051）和研究生冯君赐主持的2025年江苏省研究生科研与实践创新计划项目“生成式人工智能对中小学教师教学设计能力的影响及提升策略研究”（项目编号：KYCX25_3612）的阶段性研究成果。
方旭，南通大学教育科学学院教授、硕士生导师；冯君赐，南通大学教育科学学院硕士研究生；严卞宇、周彬彬，南通大学教育科学学院本科生。
全文链接：https://link.springer.com/article/10.1186/s41239-026-00628-3
