K-12教育工作者如何使用AI：大规模LLM辅助定性分析
How K-12 Educators Use AI: LLM-Assisted Qualitative Analysis at Scale
AI总结：
本研究通过大规模LLM辅助分析，探讨K-12教育工作者在教学中使用AI工具的模式与方法，揭示其教学推理过程并为教育工具设计提供依据。
摘要：
本研究探讨了K-12教育工作者在真实教学情境中如何使用生成式AI工具，以及大型语言模型（LLMs）如何支持这些互动的规模化定性分析。基于一个开放平台上的超过13,000次无剧本教育者-AI对话，我们考察了教育工作者在课程设计、差异化教学、评估和教学反思中使用AI的情况。方法上，我们引入了一种可复制的、由LLM辅助的定性分析流程，支持归纳主题发现、代码表开发和大规模注释，同时保持研究者对概念综合的控制。实证结果揭示了教育工作者如何提示、调整和评估AI生成的建议，作为其教学推理的一部分。本研究展示了结合LLM支持与定性严谨性分析复杂教育者行为的可能性，并为设计AI赋能的教育工具提供了依据。
英文摘要：
This study investigates how K-12 educators use generative AI tools in real-world instructional contexts and how large language models (LLMs) can support scalable qualitative analysis of these interactions. Drawing on over 13,000 unscripted educator-AI conversations from an open-access platform, we examine educators' use of AI for lesson planning, differentiation, assessment, and pedagogical reflection. Methodologically, we introduce a replicable, LLM-assisted qualitative analysis pipeline that supports inductive theme discovery, codebook development, and large-scale annotation while preserving researcher control over conceptual synthesis. Empirically, the findings surface concrete patterns in how educators prompt, adapt, and evaluate AI-generated suggestions as part of their instructional reasoning. This work demonstrates the feasibility of combining LLM support with qualitative rigor to analyze complex educator behaviors at scale and inform the design of AI-powered educational tools.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
