Multiple Pathways and Intrinsic Mechanisms in the Formation of Digital Resource Evaluation Literacy among Pre-Service Teachers

评价素养概念自斯蒂金斯提出以来，其内涵构建呈现出由“技能主导”向“多维整合”深化的趋势。如Popham提出的13个关键领域框架，将教师评价素养确立为专业发展的核心，为后续研究提供了重要参照^[7]。Pastore与Andrade构建了“概念—实践—情感社会”三维模型^[8]，Xu和Brown则通过TALiP框架将教师评价素养定义为动态社会实践过程，揭示其在评估实践中持续演变的本质^[9]。国内学者实现了该理论的本土化与时代化落地，赵雪晶、郑东辉等从知识、态度、伦理等多维视角描绘了评价素养图谱^[10-11]，盛雅琦等进一步精准捕捉了数字时代对评价素养的新要求^[12]。总体而言，现有研究虽厘清了评价素养的“要素清单”，但多停留在对素养构成要素的静态识别与线性描述上，难以揭示评价素养建构的深层逻辑。

国内外学者深入探讨了影响教师评价素养的关键因素。个体特征层面，Kim等通过纵向研究描绘了从“初步熟悉”到“创造性重构”的素养发展轨迹，并特别强调了情感动机的催化功能^[13]；周淑琪则通过跨国标准分析，证实了资深教师在知识整合与实践应用上的显著优势^[14]。基于此，本研究聚焦于个体内部的知识、技能与动机要素。在要素关联层面，研究发现评价意识、知识和技能紧密耦合，而态度具有相对独立性且显著正向影响素养水平^{[3, 15]}。值得注意的是，关于教育背景等变量的研究结论存在分歧^[16]，这折射出评价素养的养成可能并非单一线性路径。然而，现有研究多沿用回归分析等线性范式，难以有效捕捉要素间复杂的协同效应与非线性互动，限制了对评价素养生成机制的深层破解。

组态思维强调复杂现象的多因果性、等效性和非对称性特征^[17]。在教育研究领域，组态思维逐渐被应用于教师专业发展^[18]、学生学习成效^[19]、教育政策效果等复杂现象的解释^[20-21]。在教师专业发展研究中，学者开始运用组态思维探索教师能力提升的多元路径。研究发现，教师专业发展往往不是单一因素作用的结果，而是多种条件要素在特定情境下协同作用的产物^{[18, 22]}。这种多元等效的路径特征为教师培养提供了更加灵活和个性化的思路。

fsQCA作为组态思维的重要方法工具，能够有效处理小样本、多变量的复杂关系，识别导致特定结果的多种组态路径。在教育研究中，fsQCA方法已被成功应用于学校效能、教育公平^[23]、教师专业发展等领域^[24]，为复杂教育现象的解释提供了新的视角和工具。

综上，既有研究已证实知识储备、技术技能与内驱力是影响教师评价素养的关键构件，为理解数字资源评价素养奠定了坚实的要素基础。然而，现有文献多聚焦于单一维度的“净效应”分析，却在一定程度上忽视了各要素间可能存在的复杂联动关系。既然评价素养是一个多维动态系统，那么这些关键要素究竟是通过何种方式共同作用于结果，现有研究尚未对此给出清晰的实证解答。为此，本研究立足于前文梳理的关键要素，探究它们在师范生数字资源评价素养培养情境下的组合效应，旨在揭示驱动高水平数字资源评价素养生成的复杂因果机制，从而为解释教育数字化背景下的教师专业发展提供更具生态效度的理论解释。

数字资源评价素养(Digital Resource Evaluation Literacy，DREL)作为教师应对教育数字化转型的关键胜任力，其本质是一种基于专业知识的诊断与决策能力。为揭示其生成机制，本研究融合整合技术的学科教学知识(Technological Pedagogical Content Knowledge，TPACK)框架与期望-价值理论(Expectancy-Value Theory)，构建了“知识—技能—动机”的整合性分析框架(如图 1所示)。

尽管TPACK框架源于教学设计研究^[25]，但其强调的“技术—教学—内容”互动逻辑与数字资源评价的核心任务高度同构。评价一个数字资源是否优质，本质上就是审核该资源是否完美解决了“技术呈现”“内容科学”与“教学适用”三者间的适配问题。因此，本研究将TPACK框架中的核心要素进行了评价视角下的重构。

(1) 知识维度。学科内容知识(Content Knowledge，CK)、教学法知识(Pedagogical Knowledge，PK)以及技术知识(Technological Knowledge，TK)构成了师范生识别资源优劣的底层认知图谱。学科内容知识用于甄别资源内容的科学性与准确性；教学法知识用于审视资源背后的教学策略是否适切(如脚手架搭建、交互反馈)；技术知识则用于评估技术的可行性。

(2) 技能维度。该维度体现为基于TPACK的整合评价技能(Integrative Evaluation Skill，IES)。在数字资源评价情境中，该技能不再指向教学设计的生成能力，而是一种面向评价与选用任务的批判性鉴赏力。它表现为师范生能够逆向解构数字资源，敏锐判断其“技术—内容—教学”三者是否达到深层融合，从而做出专业、精准的选用决策。

仅有认知与技能不足以解释评价行为的发生与持续，为此，本研究引入期望-价值理论以弥补TPACK框架在动机解释力上的空缺。该理论认为，个体的行为选择取决于对任务价值的主观判断(价值认知)和对自身能力的信心(效能期望)^[26]。在数字资源评价情境中，评价动机(Assessment Motivation，AM)的价值认知决定了师范生“是否愿意评”，即是否认可评价行为对优化教学的把关意义；其效能期望决定了师范生“敢不敢评”，即是否具备持续投入的意愿与信心。已有研究证实，二者共同构成了驱动评价素养生成的深层内驱力^[27-28]。

综上，本研究最终提炼出决定数字资源评价素养的5个核心前因条件：学科内容知识、教学法知识、技术知识(分立的知识底座)、整合评价技能(综合的解构能力)，以及评价动机(持续的心理引擎)。该模型实现了从“认知储备”到“能力转化”再到“意愿驱动”的系统性覆盖。

基于上述整合性框架，本研究进一步引入组态思维来解析变量间的复杂互动。不同于传统线性范式侧重考查单一条件对结果的净效应，组态逻辑认为，数字资源评价素养的生成具有“因果复杂性”特征——高水平评价素养并非由单一要素决定，而是由知识、技能与动机等多个条件在特定情境下通过非线性排列组合共同作用的结果。这意味着不同的前因要素之间可能存在复杂的互补、替代或抑制关系，且实现高水平评价素养的路径可能是多样的，而非唯一。

据此，本研究试图回答以下两个核心问题：(1)哪些前因条件的组合能够促进师范生形成高水平的数字资源评价素养？是否存在多条路径实现相同结果？(2)在数字资源评价素养的生成过程中，知识、技能与动机三者之间呈现出怎样的组态关系？是否体现出互补、协同或替代效应？

本研究采用便利抽样方法，以H省某省属高校的4个师范专业(化学、教育技术学、历史和体育)在读学生为研究对象。通过任课老师在班级群里发放问卷链接的方式收集数据，共回收有效问卷303份，其基本信息如表 1所示。样本中，女生201人(66.34%)，男生102人(33.66%)，性别比例基本符合师范院校的整体性别分布特征。从专业分布来看，样本涵盖文科(历史)、理科(化学)、文理混合(教育技术学)和艺体类(体育)等不同学科背景，具有较好的代表性。

本研究采用问卷调查法收集数据。问卷包含人口统计学特征与变量测量量表两部分，所有题项均采用李克特5点量表(1=非常不同意，5=非常同意)。

(1) 评价动机量表。本研究对Wigfield等人的“儿童能力信念与主观任务价值观”量表^[26]进行了情境化改编。修订重点在于将原“学科学习”情境置换为“数字资源评价”情境，保留“价值感知”与“效能期望”两个核心维度，并精选5个高相关题项。典型题项包括：“我认为能够评价数字教学资源对我未来的教学工作很重要”(价值感知)、“我有信心能够准确评估数字教学资源的质量”(效能期望)等。

(2) 知识与技能量表。借鉴Schmidt等的TPACK测量量表^[25]并依据“数字资源评价”情境进行适配性修订，具体包括：①技术知识(TK)：精选4个题项，剔除娱乐性技术描述，侧重于技术学习能力与更新意识；②教学法知识(PK)：优化为5个题项，聚焦对学生学习误区及认知规律进行教学诊断；③学科内容知识(CK)：整合为3个题项，主要关注学科共性理解的题项，增强通用性与适配性；④整合评价技能(IES)：对量表中与TPACK相关题项进行精简与重构，精简为3个题项，弱化传统设计流程表述，着重考查师范生对技术、教学和学科内容知识有机融合的鉴别能力。改编后的量表共包含15个题项，典型题项包括：“我能判断数字资源中的教学引导(如脚手架)是否符合学生的认知规律”(教学法知识)、“我能够剖析该资源的设计逻辑，判断其技术手段是否与特定的教学目标相匹配”(整合评价技能)。

(3) 数字资源评价素养量表。作为结果变量的测量工具，本研究基于英国国家与大学图书馆协会(SCONUL)的《信息素养的七大支柱》中的“评估”维度^[29]，进行本土化与情境化重构。修订工作聚焦于增强教育属性：剔除图书馆索引等弱相关内容，增设“资源适用性”“设计合理性”等教学导向型指标，最终形成12个题项。该量表侧重考查师范生的外显评价绩效，典型题项包括：“我明确知晓优质资源的判断标准”(标准识别)、“我能快速且准确地判定资源的适用性”(判断效能)。

所有量表均通过专家小组进行内容效度评审，确保题项在语义与理论上的契合性。内部一致性分析结果表明，总量表的Cronbach's α系数为0.969，各子量表的Cronbach's α系数介于0.85~0.96之间(如表 2所示)，表明测量工具有良好的信度指标。

本研究采用学科内容知识、教学法知识、技术知识、整合评价技能、评价动机作为前因条件，用数字资源评价素养作为结果变量。这些变量均具有程度属性，不能简单地划分为0或1(完全不隶属/隶属)两种状态，也不适合赋予多个值的分类刻度。模糊集为处理此类程度问题提供了可行的表征方案，既能用数字呈现测量的精确度，又能体现案例类别的划分，即隶属或不隶属于某种状态。因此，我们采用模糊集对数据进行符合程度校准。

在fsQCA中，每一个条件和结果都被视为一个集合，每一个案例在这些集合中均有隶属度，即隶属于该集合的程度。给案例赋予集合隶属度的过程就是校准^[30]。本研究采用直接校准法，根据每个变量的原始数据值将其转换为模糊集隶属度得分。考虑到本研究变量普遍呈偏态分布，不符合正态性假设，分别采用10%、50%、90%分位数作为完全不隶属、交叉点和完全隶属的设定阈值。10%分位点代表变量的极低水平，90%代表极高水平，能够有效区分“高度具备”与“不具备”的模糊边界；交叉点设于样本中位数，既保持了最大模糊性原则，又增强了组态分析的区分力与解释力。条件和结果变量的校准标准如表 3所示。

(1) 条件的必要性检验。本研究根据fsQCA方法的基本流程，检验单个条件(及其否定形式)是否构成师范生高水平数字资源评价素养的必要条件。在fsQCA中，当结果发生时某个条件总是存在，则该条件就是结果的必要条件。评估必要条件的主要标准是一致性。当一致性水平大于0.9时，可以认为该条件是结果的必要条件^[22-23]。

(2) fsQCA分析。基于5个前因条件构建真值表，涵盖32种(2⁵)可能的组合。真值表中需要确定两个关键参数：案例数截断值和一致性阈值。根据Ragin的建议，充分性分析的一致性阈值不应低于0.75^[5]136；在案例数截断值的选择上，对中小样本研究可设为1，而对于大样本，案例数截断值应该大于1^[5]143。本研究综合考虑：一是在真值表中，结果变量为0和1的真值表行(组态)应大致均衡覆盖；二是频数阈值的设定应当至少包含75%的观察案例，最终确定本研究的一致性阈值为0.92，案例数截断值为4。由于现有研究关于条件与结果之间的关系尚未达成一致结论也缺乏明确的理论预期，因此，在对条件进行充分必要性判断时均选择了“存在或缺席”。

(3) 敏感性分析。fsQCA是一种基于条件组合来解释结果的分析方法，不同的参数设置(如一致性阈值、频数阈值、数据校准标准)或样本变动，都可能会导致不同的分析结果。通过敏感性分析，可以检验模型在不同条件下是否保持稳定，以确保结果的可靠性；同时也可以确认模型是否对小变化保持一定的稳健性，从而增强对复杂因果关系解释的信心。本研究使用调整一致性水平和改变案例数截断值的方法来对fsQCA的结果进行敏感性分析。

利用fsQCA 4.1软件对单个条件(及其否定形式)进行必要性检验的结果如表 4所示。本研究中没有单个条件的一致性达到0.9的阈值。意味着，没有一个单一条件是数字资源评价素养的必要条件，需通过进一步的组合分析来探索多条件互动对结果的影响。

通过fsQCA软件分析可以获得3类解：复杂解、简约解和中间解，若条件同时出现在复杂解和简单解中，则被认定为核心条件；若仅出现在复杂解中，则被视为边缘条件^[5]156。研究结果用Ragin和Fiss的表征方式^[17]，得到组态分析表，如表 5所示。

从各个组态本身(纵向)来看，高水平数字资源评价素养可由6种不同的组态实现，归纳为3类典型的发展路径：

(1)“整合驱动型”路径。以组态1(AM·PK·IES)为代表，强调以教学法知识与整合评价技能为核心，评价动机作为关键辅助，突出技术与教学融合的能力整合。该组态的一致性很高(0.951)，但独特覆盖率较低(0.012)，表明这是一种不太常见但高度一致的组合。

(2)“技教融合型”路径。如组态2a(AM·TK·PK)和2b(TK·PK·IES)所示，突出技术知识与教学法知识的并重，但在辅助条件上有所差异。组态2a中，以评价动机的存在作为辅助条件；组态2b则是整合评价技能的存在起辅助作用。这两个组态的一致性相近(均高于0.95)，但组态2b的独特覆盖率(0.068)明显高于组态2a(0.032)，说明组态2b更为普遍。

(3)“学科根基型”路径。如组态3a(AM·CK·IES)、3b(AM·~TK·CK)和3c(~TK·PK·CK)所示，以学科内容知识为核心，结合动机或其他知识类型建构高水平评价素养。组态3a中教学法知识和整合评价技能的存在为辅助条件。组态3b和组态3c则都以技术知识的缺席为辅助条件，但组态3b强调评价动机的存在，组态3c强调教学法知识存在。其中，组态3a的原始覆盖率(0.609)最高，但独特覆盖率(0.006)最低、一致性(0.964)最高，表明评价动机、学科内容知识和整合评价技能的结合是一个非常一致且广泛适用的路径，但它与其他路径有很大重叠。组态3b和3c虽然也达到了可接受的一致性水平(分别为0.921和0.919)，但其原始覆盖率(分别为0.359和0.377)和独特覆盖率(分别为0.011和0.020)相对较低，这表明这两条路径属于“可行但非主流”的发展模式。

从单个条件(横向)来看，学科内容知识和教学法知识在多个组态中都起到核心或重要作用，表明这两个因素对师范生数字资源评价素养的重要性。评价动机虽然不是任何一个组态的核心条件，但它在多个高覆盖率的组态中出现，表明其可能是一个关键的促进因素。

总体而言，这些结果揭示了师范生数字资源评价素养形成的多元路径，反映了各因素之间的复杂互动关系。总体解的覆盖度达到0.834，一致性为0.901，表明这些组态能够解释大部分高水平数字资源评价素养的案例，且具有较高的可信度。

本研究通过调整关键参数进行敏感性分析。具体而言，将一致性阈值从0.92提高至0.93(以筛选更稳定的组态)，以及将案例数截断值从4降低至3(以扩大分析范围)。从整体解的表现来看，不同参数设定下解的覆盖率变化范围为0.813至0.882(变化幅度为0.069)，一致性变化范围为0.866至0.917(变化幅度为0.051)，两项指标的变化幅度均远小于0.1的稳健性阈值。

分析发现，多个核心组态在不同参数设置下均保持高度稳定。其中，AM·TK·PK、AM·PK·IES、TK·PK·IES和AM·CK·IES等组态在所有情形中均持续出现，且一致性均高于0.95，覆盖率保持良好，显示出极强的稳健性。尽管部分组态在参数调整后表现出一定敏感性(如TK·PK·IES的覆盖率从0.068下降至0.013)，但其一致性仍维持在0.960的高水平，未影响其解释效力。更为重要的是，当案例数截断值降低至3时，其对应的简约解与原始设定(案例数截断值为4)保持一致，说明核心因果机制未受参数扰动影响，进一步验证了研究结论的稳健性和可信度。

6种高水平评价素养有效路径的识别揭示了师范生数字资源评价素养具有明显的“多源汇流”特征。“整合驱动型”“技教融合型”与“学科根基型”3类典型路径的并存，表明同一结果可通过不同的条件组合达成，这与传统线性方法所描绘的“单一路径”范式形成鲜明对比，体现了组态思维所强调的“等效多元”逻辑^[17]。

数据分析显示，没有任何单一因素构成必要或充分条件，即便在最优组态中，其独特覆盖率亦较低(如组态1的独特覆盖率仅为0.012)，表明数字资源评价素养的形成无法被单一路径或变量完全解释。这反映了师范生评价素养建构的高度弹性与多样性，即评价素养作为开放系统，其构成要素间存在非线性的相互作用与适应性调节机制^[31]。

研究发现，影响师范生数字资源评价素养的多个要素之间存在复杂的交互关系，尤其体现在技术知识与整合评价技能的路径等效性、知识维度与动机维度的功能互补性方面。

组态2a(AM·TK·PK)与组态1(AM·PK·IES) 展示了整合评价技能与技术知识的互为替代路径，说明师范生既可通过强化技术知识，也可通过提升整合评价技能达成评价素养的提升。复杂性理论指出，在动态系统中，系统元件间具有非线性、非对称的耦合关系，其功能不仅取决于单个要素的强度，更受其在整体网络中的位置与互动作用影响^[32]。

知识维度与动机维度在多个组态中呈现协同与补偿特征。组态2b(TK·PK·IES)表明，在动机缺位的情境下，知识结构的完善可以单独支撑评价素养的形成；组态3b(AM·~TK·CK)则表明，当技术知识缺失时，动机的增强可激发学科内容知识在评价中的作用。这种动态协同与补偿关系体现了复杂系统中“边际调节”的基本原则。

这一发现打破了传统素养模型中“动机为前置、知识为主导”的线性假设，支持了教师素养发展具有“弹性建构”特征的理论主张^[33]，同时拓展了TPACK模型在评价素养领域的解释边界。传统TPACK框架主要关注3种知识类型的整合性作用，本研究则揭示了这些要素可以通过多种非对称组合方式发挥效用，说明TPACK框架的实际应用具有高度的情境依赖性和个体适应性。

基于期望价值理论，评价动机在数字资源评价素养形成中不仅具有催化作用，还表现出补偿性功能。

在多个高覆盖率组态中，评价动机虽非核心条件，却稳定地作为辅助条件出现。这种“催化剂”地位意味着动机虽然不能单独决定评价素养的水平，但能在其他要素作用基础上显著提升其表现。这种“催化剂”地位印证了期望价值理论的核心观点：个体对行为结果的期待与对任务价值的认知共同构成其行为驱动力^[34]。

不仅如此，动机在某些路径中还呈现出显著的补偿作用。动机能够在认知结构不完整的情境下有效补偿不足，显著增强师范生的评价素养表现。也有调查表明，在评价知识相对薄弱，评价理念优于评价技能时也能得出评价素养整体较好的结论^[4]。这提示我们重新审视非认知因素在师范生数字资源评价素养建构中的功能地位，其并非边缘变量，而是在特定条件下能弥补认知结构缺陷的关键动力。

学科内容知识与教学法知识在绝大多数高水平评价素养组态中均作为核心条件存在，始终发挥稳定而关键的支撑作用。这一结果不仅重申了“技术赋能需以学科根基为锚点”的基本原则^[35]，更验证了认知心理学关于“领域特定知识”重要性的核心假设，即高水平的认知表现(如评价与决策)在很大程度上依赖于个体在长时记忆中构建的领域特定图式^[36]。

从认知架构角度看，学科内容知识与教学法知识在评价过程中发挥着不同但互补的认知功能。学科内容知识为教师提供了判断资源价值的概念基础和理解框架，教学法知识则为其提供了将资源转化为有效教学活动的策略路径，这两类知识是构建师范生数字资源评价素养的“认知基底”。

本研究的发现为“认知基础论”提供了新的实证支持。在技术快速发展的时代，教师的专业性不在于掌握最新的技术工具，而在于拥有稳固的认知基础，能够在变化的技术环境中保持专业判断的准确性和一致性。这种“以不变应万变”的专业素养构建逻辑，为当前教师教育改革提供了重要的理论指导。

本研究运用fsQCA方法，探索师范生数字资源评价素养的形成机制。研究发现，该素养的形成呈现出显著的“多源汇流”特征，存在“整合驱动型”“技教融合型”与“学科根基型”3类典型路径，共6种有效组态。在各要素的关系方面，技术知识与整合评价技能表现出路径等效性，知识维度与态度维度呈现互补效应，而评价动机在多路径中发挥着辅助催化作用，学科内容知识和教学法知识在所有有效组态中皆为核心条件存在。

这些发现揭示了师范生数字资源评价素养形成的多重路径与内在机制，为理解数智时代教师评价素养的发展规律提供了新的认知图景。首先，研究引入组态视角，揭示其非线性、多路径的复杂成因结构，为教师专业发展问题提供了一种符合复杂系统逻辑的理论建模思路；其次，技术知识与整合评价技能的路径等效性表明，数字化教育场景中教师的资源评价素养培养具有显著的弹性特征，既可通过技术知识储备直接赋能，也可借由整合评价技术的教学实践实现能力跃迁，从而拓展了TPACK框架在评价情境的解释力；再次，研究阐明了认知因素(知识、技能)与非认知因素(动机)之间的交互替代机制，拓展了教师评价素养研究中“知识—技能—态度”协同结构的理论内涵，为理解教师专业能力的系统性构成提供了新的解释框架。

鉴于评价素养形成的多路径特征和复杂机制，传统的“一刀切”培养模式亟须转型。为此，本研究提出以下针对性的实践启示：

(1) 优化培养路径，支持分类发展。评价素养形成的“多源汇流”特征(6种等效组态)表明，教师专业素养的提升并非技能要素的线性叠加，而是要素间动态耦合、情境适应的生态过程。这要求数字时代教师专业素养发展的理论建构需从“能力要素清单”范式转向“情境—要素—关系”的协同进化培养模式。实践层面可设计3类选修模块或能力发展工作坊：①侧重整合评价技能与动机激活的“整合驱动”模块；②强调技术与教学法深度融合的“技教融合”模块；③聚焦学科内容知识深化与评价转化的“学科根基”模块，以满足师范生多样化的发展需求。

(2) 激发评价动机，增强实践动力。针对评价动机的辅助催化作用，培养方案需设计专门策略激发和维持师范生的评价动机。①价值引导与情境嵌入——将评价价值有机嵌入教学实习、模拟教学等场景，让师范生切身感受到评价的必要性和意义，提升参与评价的内驱力。②挑战性与支持性评价任务设计——设计具有适度挑战性的评价任务(如评估有争议的教育软件、设计AI生成资源的评价量表)，并提供必要的脚手架(如评价框架、范例、专家反馈)，增强成就感和效能感。③实践反思与共同体支持机制——在教育实习、微格教学等实践环节中，引导师范生对所使用的数字资源进行系统性评价和反思，并将评价结果与教学效果进行关联分析，逐步内化评价动机。

(3) 夯实知识基础，推进课程重构。研究表明，无论哪种组态路径，教学法知识与学科内容知识始终发挥关键支撑作用。在生成式AI等新兴技术迅速渗透教育领域的背景下，教师教育机构必须坚持“以学科为本、技术赋能”的原则。一方面，应持续推进学科内容知识体系建设，深化师范生对核心概念、学科思维与教育价值的综合理解；另一方面，教学法课程需融合数字化背景，系统引入教学设计、资源评价与技术整合方法，通过任务导向的训练实现知识向实践的有效迁移。培养教师在数字化环境中保持批判性思维的能力，形成对教育本质和学科规律的深刻理解，从而真正发挥数字技术在教育创新中的赋能作用。

需要指出的是，本研究的数据主要来源于特定区域的师范生样本，样本代表性和普适性可能受到限制，且fsQCA方法的静态截面分析特点使得无法充分揭示影响因素在时间维度上的动态变化。随着生成式人工智能(AIGC)技术的广泛应用，教师在资源评价中所面临的挑战将进一步复杂化。未来研究可在以下几个方面深入拓展：一是扩大样本覆盖范围，提升研究结论的普适性；二是采用纵向追踪设计，揭示评价素养的形成与演化路径；三是进一步拓展理论框架，重点探讨AIGC所带来的评价新议题，包括资源真实性判断、技术规范识别、伦理边界认知与资源价值判断等，从而更系统地回应智能时代教师专业素养的新要求。