工具速递 | 5个国内外最新AI量表推荐!

这篇文章开发了一个评估教师对生成式人工智能依赖程度的量表。该量表基于I-PACE模型开发，经过严格检验，包含“认知卸载”、“行为惯化”、“情感联结”、“环境依从”和“弊害衍生”五个维度，共23个题目。使用此量表对中小学教师进行调查后发现，当前教师的整体AI依赖水平中等偏低，其中“认知卸载”最为明显，而“情感联结”最弱。研究还表明，男性教师、小学教师及县镇教师的依赖程度相对更高。该工具为监测教师使用AI的风险和制定支持策略提供了科学依据。

本文介绍了一项关于“人工智能素养量表”的开发与验证研究。随着AI技术日益普及，准确评估用户能力变得至关重要。该研究定义了“人工智能素养”，并将其划分为意识、使用、评估与伦理四个核心维度。经过严谨的内容效度检验和实证数据分析，最终形成了一个包含12个题项的精简量表。验证结果显示，该量表具有良好的信度与效度，并且与数字素养、对机器人的态度及日常AI使用行为显著相关。此量表为测量用户在AI环境下的综合能力提供了一个标准化、高效的工具，对推动AI教育、人机交互与技术接受等相关领域的研究与实践具有重要意义。

【AI量表】AI自我效能感量表

【量表出处】

Wang,Y.-Y.,& Chuang, Y.-W. (2024). Artificial intelligence self-efficacy: Scale development and validation. Education and Information Technologies,29(4),4785-4808.https://doi.org/10.1007/s10639-023-12015-w

本文介绍了《教育与信息技术》期刊于2024年正式发表的“AI自我效能感量表”（AISES）。该量表旨在专门测量个人在使用人工智能技术时的自信心与能力感知。量表包含辅助性、拟人化交互、对AI的舒适感和技术技能四个维度，共计22个题项。研究基于314份有效问卷验证了量表良好的信度和效度，并发现AI自我效能感与动机性学习行为呈显著正相关。该工具弥补了传统技术效能感量表在AI领域的不足，可应用于教育、企业管理及产品开发等多个场景。