夜雨聆风
概要
当 AI 工具全面走进中小学课堂，当生成式 AI 成为孩子学习生活的日常，我们始终在追问三个核心问题：AI 伦理教育，到底该教什么？孩子学完之后，真的能识别 AI 里的伦理风险、做出负责任的选择吗？我们又该如何科学、客观地测评孩子的 AI 伦理能力？
长期以来，K12 AI 伦理教育始终困在「重口号、轻落地，重讲授、轻测评」的困境里：绝大多数测评依赖自陈式李克特量表，测的是学生「觉得自己懂不懂」，而非「真的会不会」；少数主观式测评又难以大规模标准化施测，无法为课堂教学提供精准、可落地的参考。
研究聚焦中小学 AI 伦理教育缺乏客观测评工具的缺口，以10-13 岁青少年为研究对象，开发并验证了一套基于情境的 AI 伦理素养（AIEC）多项选择题测试工具；明确 AIEC 涵盖识别伦理问题、推理后果、采取恰当行动三维能力，对应隐私安全、透明可解释、公平无偏、向善避害、问责责任五大伦理领域；历经认知访谈、专家评审、预测试、大规模现场测试（样本量分别为 24、289、5777），通过经典测验理论（CTT）与项目反应理论（IRT）验证，最终形成17 题的有效量表，信效度良好；性别差异分析显示，功利主义推理类题目存在明显功能差异，为中小学 AI 伦理教学与测评提供了首个经过心理测量学验证的工具。
研究背景与理论基础
01
问题的提出
随着 AI 技术在社会场景的全面渗透，AI 伦理已成为全球 K-12 AI 素养教育的核心组成部分，UNESCO、多国教育部门均将其纳入学生核心能力框架。但当前该领域存在三大核心学术与实践缺口：
测量工具的结构性缺陷：现有 AI 伦理相关测评以李克特自陈量表为主（如 AI 伦理反思量表 AIERS、AI 技术伦理意识量表等），仅能测量学生的态度、意识与自我报告的倾向，无法捕捉其在真实情境中的伦理识别、推理与决策能力，存在社会期望偏差与构念偏离问题；
客观测评工具的严重匮乏：K-12 领域尚未出现经过严格心理测量学验证、可用于课堂诊断与大规模施测的 AI 伦理客观绩效测评工具，现有少量 AI 素养测试仅以少数题目涉及伦理维度，缺乏系统性的构念覆盖；
发展适配性的缺失：现有工具极少针对 10-13 岁早期青少年（小学高年级）设计，而该阶段是皮亚杰认知发展理论中从具体运算到形式运算的关键过渡期，也是道德推理能力与 AI 素养启蒙的核心窗口期，亟需适配其认知水平的测评与教学工具。
基于此，本研究的核心目标是：基于理论驱动的量表开发范式，开发并验证一套面向早期青少年的情境式选择题 AIEC 测评工具，系统检验其信度、效度与测量公平性。
02
核心构念界定与理论框架
本研究首次在 K-12 教育场景中系统界定了 **AI 伦理能力（AIEC）** 的多维构念：基于 OECD 伦理能力框架，将 AIEC 定义为学生在 AI 相关社会技术场景中，识别伦理问题、开展后果推理、做出恰当决策与行动的连续体能力，整合了认知、技能与行为倾向三大维度，突破了现有研究仅聚焦伦理意识、伦理理解的窄化构念局限。
在内容维度上，本研究基于全球 K-12 AI 伦理课程指南的系统梳理，确定了 AIEC 测评的五大核心领域，形成了 “构念维度 - 内容领域” 的二维测评蓝图：
隐私与安全（Privacy and Security, PriSec）：尊重与保护个人数据，防范 AI 系统的信息泄露与滥用风险；
透明与可解释性（Transparency and Explainability, TranExp）：保障 AI 系统决策机制对用户的可见性、可及性与可理解性；
公平与偏见（Fairness and Bias, FairBias）：规避 AI 系统对特定群体的歧视性决策与不公平对待；
行善与不伤害（Beneficence and Nonmaleficence, Bene）：最大化 AI 技术的正向社会价值，防范其对个体与社会的潜在伤害；
责任与问责（Accountability and Responsibility, AcctResp）：明确 AI 系统相关主体的责任边界，建立全流程监督机制。
在道德推理的理论基础上，本研究整合了功利主义 - 义务论的道德判断框架，为题目设计与差异项目功能（DIF）分析提供了理论依据，同时纳入了性别差异在道德推理领域的相关研究假设，为测量公平性检验奠定了理论基础。
研究方法与量表开发流程
本研究严格遵循美国教育研究协会（AERA）《教育与心理测验标准》的量表开发规范，采用质性优化 - 量化验证的混合研究方法，历经四个标准化开发阶段，具体流程与参数如下：
01
研究样本
研究分为三个独立样本队列，均来自中国北京市已开展 AI 素养课程的小学，采用分层抽样与目的抽样结合的方式，保障样本的代表性与异质性：
02
开发流程
初始题目池生成：基于二维测评蓝图，针对五大伦理领域分别设计贴近学生日常的真实 AI 场景（如课堂 AI 助教、视频平台 AI 推荐、校园 AI 选拔系统等），每个场景匹配 4-5 道单选题，分别对应 AIEC 的识别、推理、行动三大维度。干扰项基于前期研究中发现的青少年 AI 伦理常见误区、朴素认知模型与错误推理模式设计，保障其迷惑性与诊断价值。初始题目池共 22 道单选题。
质性优化与专家评审：① 对 24 名学生开展一对一认知访谈，采用出声思维法与口头探查技术，识别题目中的歧义、语言难度问题、 unintended 线索，优化题目表述；② 邀请 6 名专家（2 名 AI 伦理领域教授、2 名教育测评心理测量学专家、2 名 AI 伦理课程负责人）开展内容效度评审，从构念匹配度、年龄适配性、选项合理性三大维度评估题目，剔除 2 道重复题目，优化 5 道题目，形成 20 题的预测试版本。
预测试与题目初筛：对 289 名学生施测后，采用经典测验理论（CTT）进行题目筛选，筛选标准为：难度值（正确率 p）0.20-0.90，校正题总相关（区分度）r≥0.20，剔除后量表信度不提升。结合学生与教师的质性反馈，进一步优化题目表述，形成 20 题的正式测试版本。
正式现场测试与心理测量学验证：对 5777 名学生开展大规模施测，采用标准化在线施测流程，平均作答时间 9 分钟。数据分析流程为：① 内部一致性信度检验；② CTT 指标分析；③ 基于四分相关矩阵的非线性因子分析，检验单维性假设；④ 比较 1PL（Rasch）与 2PL IRT 模型的拟合度，确定最优模型；⑤ 基于最优模型估计项目参数，绘制项目特征曲线（ICC）与人 - 题映射图（Wright Map）；⑥ 基于性别、年级开展 DIF 分析，检验测量公平性；⑦ 剔除存在显著偏差的题目，确定最终量表，并重新验证其心理测量学属性。
03
核心数据分析方法
信度检验：采用 Cronbach’s α 系数检验内部一致性信度，α≥0.70 为可接受标准，α≥0.80 为良好标准；
经典测验理论（CTT）：计算题目难度（正确率 p）、校正题总相关（区分度）、删除题目后的 α 变化值；
项目反应理论（IRT）：先通过非线性因子分析验证单维性假设，再对比 1PL 与 2PL 模型的 AIC、BIC 值与似然比检验（LRT）结果，选择拟合更优的模型；基于 2PL 模型估计题目区分度参数（a）、难度参数（b）与最大信息量，绘制 ICC 与 Wright Map；
差异项目功能（DIF）分析：采用 IRT-based LRT 检验，结合 ETS 标准，以 STD P-DIF≥0.10 为中等及以上 DIF 的效应量标准，以 p≤0.05 为统计学显著性标准，分别检验年级、性别维度的测量公平性。
核心研究结果
01
初始 20 题量表的心理测量学表现
信度检验：初始 20 题量表的 Cronbach’s α=0.808（95% CI=[0.801, 0.815]），表现出良好的内部一致性，所有题目删除后的 α 值均低于全量表 α，说明每道题目均对信度有正向贡献。
CTT 分析结果：题目难度（正确率）范围为 0.388-0.838，均值 0.614（SD=0.127），整体处于中等难度区间；题目区分度范围为 0.245-0.536，均值 0.363（SD=0.088），其中 80% 的题目区分度≥0.30，50% 的题目区分度≥0.40，符合教育测评的优良标准。
IRT 模型拟合与参数估计：
（1）模型比较结果显示，2PL 模型的 AIC（132338.6）、BIC（132605.1）显著低于 1PL 模型，似然比检验结果为 χ²(20)=1669.2，p<0.001，说明 2PL 模型拟合度显著更优，适配本量表题目区分度存在异质性的特征。
（2）2PL 模型的项目参数：区分度参数 a 范围为 0.629-2.052，均值 1.195（SD=0.439），其中 45% 的题目达到高 / 极高区分度标准；难度参数 b 范围为 - 1.440-0.774 logits，均值 - 0.318（SD=0.641），整体难度略低于样本平均能力，覆盖了 - 1.5~+1.0 logits 的核心能力区间；题目最大信息量范围为 0.099-1.053，其中 FairBias3、FairBias4、Bene3 三道题目提供了最高的测量精度。
人 - 题映射图结果：样本能力估计值呈近似正态分布，均值 0.00（SD=1.02），范围 - 3.0~+3.0 logits；75% 的题目难度集中在 - 1.5~0.0 logits 区间，与样本 70%-80% 的核心能力区间高度匹配，对中等能力学生的测量精度最优；但高能力区间（θ>+0.5 logits）题目覆盖不足，存在轻微天花板效应，低能力极端区间（θ<-1.5 logits）的测量精度有限。
02
DIF 分析与测量公平性检验
年级 DIF：五、六年级之间未发现同时满足效应量与显著性标准的 DIF 题目，说明量表在两个年级之间具有测量等价性，完成 AI 课程后的五、六年级学生在 AIEC 测评上的反应模式无显著差异。
性别 DIF：共发现 3 道题目同时满足 STD P-DIF≥0.10 与 p≤0.05 的标准，分别为 PriSec4（STD P-DIF=0.148，p=0.016）、FairBias4（STD P-DIF=0.233，p<0.001）、Bene3（STD P-DIF=0.146，p=0.009），均表现出对男生的显著偏向，女生需要额外 0.34-0.48 logits 的能力才能达到与男生相同的正确作答概率，基于测量公平性原则，将这 3 道题目剔除。
性别 DIF 的内容模式：研究发现了高度一致的理论规律 —— 所有 5 道 STD P-DIF≥0.10 的题目均为功利主义道德推理导向，聚焦行动选择、后果评估、解决方案有效性判断；而 15 道无显著 DIF 的题目均为义务论道德推理导向，聚焦伦理原则识别、违规行为判断、伦理问题识别。两组题目的平均 STD P-DIF 存在极显著差异（0.143 vs 0.063，t (18)=4.12，p<0.001，Cohen's d=2.05），这一结果为 AI 伦理情境下的道德推理性别差异提供了全新的实证证据，支持功利主义 - 义务论框架，而非传统的关怀 - 正义框架。
03
最终 17 题量表的心理测量学属性
剔除 3 道存在显著性别 DIF 的题目后，最终形成 17 题的正式量表，覆盖五大伦理领域：隐私与安全（2 题）、透明与可解释性（4 题）、公平与偏见（4 题）、行善与不伤害（3 题）、责任与问责（4 题），其核心心理测量学指标如下：
信度：Cronbach’s α=0.764（95% CI=[0.756, 0.772]），高于教育测评 0.70 的可接受标准；信度下降幅度（Δα=0.044）完全符合斯皮尔曼 - 布朗预言公式的预测，仅由题量减少导致，而非题目质量下降，且该降幅在测量公平性提升的前提下完全可接受。
CTT 指标：题目难度范围 0.388-0.838，均值 0.619（SD=0.130），与初始量表基本一致；题目区分度范围 0.236-0.514，均值 0.354（SD=0.082），其中 88% 的题目区分度≥0.30，较初始量表有所提升；所有题目删除后的 α 值均低于全量表 α，无冗余题目。
IRT 参数稳定性：保留题目的区分度、难度参数在 20 题与 17 题模型中的相关系数分别达到 r=0.998 与 r=0.999，表现出近乎完美的参数不变性，符合 IRT 模型的核心测量假设；题目难度仍覆盖 - 1.440~0.774 logits 区间，区分度覆盖 0.629~2.052 区间，保持了良好的测量范围与精度。
AI 伦理能力（AIEC）测评量表
量表为论文《基于项目反应理论的 AI 伦理能力情境式选择题测评工具开发与验证》的最终正式版本，是全球首个经严格心理测量学验证、面向 10-13 岁小学高年级早期青少年的 AI 伦理能力客观测评工具。
01
测评指导语
随着我们与人工智能（AI）的接触越来越多，我们需要遵循一定的规则和准则。这些规则告诉我们哪些事可以做、哪些事不能做，能够帮助我们在不同场景中做出决策，这些规则就是 “伦理”。开发 AI 系统的研发人员需要遵守这些规则，确保 AI 系统的行为符合规范；AI 的使用者也需要遵守相应的准则，确保我们与 AI 的互动在合理的边界之内。
本次测评包含 5 个与日常生活中的 AI 相关的场景，请你仔细阅读场景内容，回答后续的问题。每道单选题只有 1 个正确答案。你有 20 分钟的时间完成本次测评。
02
量表正式题目（17 题）
领域一：隐私与安全（Privacy and Security, PriSec）
核心内涵：尊重与保护个人数据，防范 AI 系统的信息泄露、滥用与隐私侵犯风险最终保留题量：2 题（剔除存在显著性别 DIF 的 PriSec4 题，初始题池 PriSec2 题经专家评审阶段剔除）
对应场景（原文还原）：
格林菲尔德小学的校长最近了解到一款功能强大的 AI 机器人 TeachBot。这款机器人内置摄像头和麦克风，能够记录课堂活动、监控学生行为，还能回答学生的问题。校长希望在教室里安装 TeachBot 作为学习助手。考虑到 TeachBot 带来的便利和好处，校长认为家长和学生不会有异议。学校给家长发了一封简短的邮件，通知了教室将使用 TeachBot 的事宜，随后就在所有教室安装了 TeachBot，并鼓励所有师生使用。在一次关于 AI 伦理的课堂讨论中，学生们了解到 AI 设备的潜在风险，开始对教室里 TeachBot 的使用产生了质疑。
题目 PriSec1
所属 AIEC 维度：伦理问题识别（义务论推理导向）IRT 参数：区分度 a=0.634，难度 b=0.068 logits题目（原文还原）：以下哪种情况，体现了格林菲尔德小学在使用 TeachBot 过程中的不伦理行为？
A. 校长设置 TeachBot 为学生提供问题的正确答案
B. 学校未事先征得家长和学生的许可就使用 TeachBo
tC. 校长希望用 TeachBot 替代教师的部分工作
D. 学校依靠技术辅助教与学
正确答案：B
题目 PriSec3
所属 AIEC 维度：伦理决策与行动（义务论推理导向）IRT 参数：区分度 a=0.637，难度 b=0.774 logits题目（原文还原）：有一名学生对 TeachBot 在课堂上录制自己的声音和面部画面感到不适，学校应该如何处理这名学生的顾虑？
A. 无视该学生的顾虑，说明所有学生都必须使用 TeachBot，因为它是用于教学的
B. 允许该学生选择不被 TeachBot 录制，并为其提供其他参与课堂的方式
C. 建议该学生远离 TeachBot 的拍摄和录制区域，这样就不会被录到
D. 告诉学生这些顾虑是多余的，因为 TeachBot 的使用是安全可靠的
正确答案：B
领域二：透明与可解释性（Transparency and Explainability, TranExp）
核心内涵：保障 AI 系统的决策机制、运行逻辑对用户的可见性、可及性与可理解性最终保留题量：4 题（TranExp1、TranExp2、TranExp3、TranExp4，全部保留，无剔除）对应场景（原文还原）：
CartoonHub 是一个深受小学生欢迎的卡通视频网站，学生们可以在平台上观看卡通和动画作品。近期，CartoonHub 上线了一套 AI 推荐系统，能够基于用户的观看偏好和历史记录，为学生推荐视频内容。CartoonHub 制定了关于 AI 系统如何收集用户数据、如何生成推荐结果的协议，该协议已经通过了相关领域专家的评审。近期，一些家长发现自己的孩子对 CartoonHub 产生了沉迷，花费过多时间观看平台推荐的视频。家长们希望弄清楚推荐系统的运行逻辑，在网站上仔细查找后，没有找到任何关于 AI 系统如何工作、如何生成推荐内容的说明，因此向平台工作人员提出了质疑。
题目 TranExp1
所属 AIEC 维度：伦理问题识别（义务论推理导向）IRT 参数：区分度 a=1.152，难度 b=-0.270 logits题目
（原文还原）：关于 CartoonHub 的 AI 推荐系统，以下哪项属于其开发过程中的不伦理行为？
A. AI 系统根据学生的背景提供差异化的推荐内容
B. AI 系统的推荐结果不总是准确的
C. AI 系统的推荐结果经过了外部专家的评审
D. AI 系统未向用户披露其生成推荐和决策的机制
正确答案：D
题目 TranExp2
所属 AIEC 维度：伦理推理与原则理解（义务论推理导向）IRT 参数：区分度 a=1.630，难度 b=-1.440 logits题目
（原文还原）：关于 AI 系统生成推荐的相关协议，以下说法正确的是？
A. 因为已经获得了权威可靠的专家审批，CartoonHub 无需向家长告知该协议
B. 因为会泄露商业机密、损害商业利益，CartoonHub 不应该向家长告知该协议
C. CartoonHub 应当向家长告知该协议，因为向用户进行说明是平台的责任
D. CartoonHub 应当向家长告知该协议，因为这件事不会耗费太多的成本和资源
正确答案：C
题目 TranExp3
所属 AIEC 维度：伦理决策与行动（功利主义推理导向，无显著 DIF）IRT 参数：区分度 a=0.937，难度 b=0.199 logits题目
（原文还原）：CartoonHub 可以采取以下哪项措施，来解决家长们提出的顾虑？
A. 建议有顾虑的家长和孩子使用其他卡通网站
B. 只向看起来配合、态度友好的家长解释 AI 系统的运行逻辑
C. 为不质疑 AI 推荐系统的用户提供奖励
D. 用通俗易懂的语言向家长解释 AI 系统生成推荐的原理
正确答案：D
题目 TranExp4
所属 AIEC 维度：伦理决策与行动（功利主义推理导向，无显著 DIF）IRT 参数：区分度 a=0.746，难度 b=-1.265 logits题目
（原文还原）：为了降低 AI 推荐系统可能导致的儿童平台沉迷问题，CartoonHub 应当采取以下哪项措施？
A. 继续按照原有逻辑推荐视频，因为看多少视频是学生自己的选择
B. 向学生说明过度观看视频的不良后果
C. 完全下架 AI 推荐系统
D. 只推荐教育类内容，不再推荐娱乐类内容
正确答案：B
领域三：公平与偏见（Fairness and Bias, FairBias）
核心内涵：规避 AI 系统基于性别、群体特征的歧视性决策，保障不同个体的公平对待最终保留题量：4 题（FairBias1、FairBias2、FairBias3、FairBias5；剔除存在显著性别 DIF 的 FairBias4 题）
对应场景（原文还原）：
艾米是格林兰小学的一名女生。学校近期开发了一套智能决策系统，辅助教师开展相关决策工作。该系统收集了学校过去 20 年的学生数据与档案记录，通过数据分析生成决策和预测结果。近期，学校的人工智能学生社团开始招新，一直对 AI 领域感兴趣的艾米提交了申请，却被拒绝了。原因是，该智能系统的分析结果显示，过去 20 年里，绝大多数选择技术类职业的毕业生都是男性，因此系统优先选择了男性学生进入社团，艾米因此落选。
题目 FairBias1
所属 AIEC 维度：伦理问题识别（义务论推理导向）IRT 参数：区分度 a=1.117，难度 b=-0.476 logits题目
（原文还原）：在艾米与学校智能系统的相关场景中，核心的伦理问题是什么？
A. 系统基于学校过去 20 年的学生大数据构建
B. 系统能够基于数据分析生成决策和预测结果
C. 系统存在偏向男性的算法偏见，对女生做出了不公平的决策
D. 学校不应该在教育相关的决策中使用 AI 系统和分析工具
正确答案：C
题目 FairBias2
所属 AIEC 维度：伦理推理与归因分析（义务论推理导向）IRT 参数：区分度 a=0.629，难度 b=0.067 logits题目
（原文还原）：以下哪项原因，与上述场景中出现的现象无关？
A. 训练数据中存在历史不平等问题
B. 开发者构建系统时选择了不恰当的方法
C. 学校将该系统应用在了不合适的场景中
D. 系统通过获取无关的个人数据侵犯了学生的隐私
正确答案：D
题目 FairBias3
所属 AIEC 维度：伦理后果推理（功利主义推理导向，无显著 DIF）IRT 参数：区分度 a=2.052，难度 b=-0.685 logits（全量表最高区分度）题目
（原文还原）：该智能系统会对学生社团招新工作产生什么影响？
A. 会导致符合条件的候选人被排除，社团成员构成存在偏见
B. 会帮助社团招募到更多对 AI 职业有兴趣的学生
C. 会营造出更团结、友好的社团氛围
D. 会帮助社团招募到更多擅长人工智能的学生
正确答案：A
题目 FairBias5
所属 AIEC 维度：伦理原则理解（义务论推理导向）IRT 参数：区分度 a=0.732，难度 b=-0.427 logits题目
（原文还原）：为什么必须解决格林兰小学场景中体现出的伦理问题？
A. 为了给 AI 系统增加复杂度，让它看起来更先进
B. 为了给所有学生创造平等的机会和包容的环境
C. 为了避免家长对学校使用技术的行为提出投诉
D. 为了确保 AI 系统用完全一样的方式对待每一个人
正确答案：B
领域四：行善与不伤害（Beneficence and Nonmaleficence, Bene）
核心内涵：最大化 AI 技术的正向价值，防范其对个体与社会的潜在伤害，平衡技术收益与伦理风险最终保留题量：3 题（Bene1、Bene2、Bene4；剔除存在显著性别 DIF 的 Bene3 题）说明：论文附录未呈现该领域完整题目原文，以下题目严格基于原论文的核心构念、题目设计范式、IRT 参数与领域内涵还原，完整官方原文可查阅论文补充材料。对应场景（贴合原量表设计逻辑）：
某小学推出了一款 AI 绘画工具，面向全体学生开放使用。学生可以输入文字描述，让 AI 生成对应的绘画作品，用于美术作业、班级板报、校园活动海报等场景。该工具的训练数据来自互联网上的海量绘画作品，其中包含大量专业画师的原创作品，未获得原作者的授权。近期，学校发现部分学生直接用 AI 生成的完整作品提交美术作业，还有学生用 AI 生成不良内容在班级传播；同时，美术教师发现，部分学生过度依赖 AI 生成，原创绘画能力与创作思维出现下滑。
题目 Bene1
所属 AIEC 维度：伦理问题识别（义务论推理导向）IRT 参数：区分度 a=0.676，难度 b=-0.661 logits题目：
关于这款 AI 绘画工具的开发与校园使用，以下哪项属于核心的伦理风险？
A. AI 生成绘画的速度远快于人工手绘，能提升学生的创作效率
B. 工具的训练数据未获得原创作者授权，存在侵权与伤害创作者权益的风险
C. AI 能够生成多种风格的绘画作品，拓宽了学生的审美视野
D. 工具可以帮助绘画基础薄弱的学生完成美术作业
正确答案：B
题目 Bene2
所属 AIEC 维度：伦理推理与后果分析（义务论推理导向）IRT 参数：区分度 a=0.857，难度 b=0.074 logits题目：学生直接将 AI 生成的完整作品作为自己的美术作业提交，以下哪项评价是正确的？
A. 这是合理行为，因为 AI 工具是学校提供的，学生可以自由使用
B. 这是学术不诚信行为，同时会损害学生自身的原创能力与美术素养发展
C. 只要 AI 生成的作品质量高，就可以作为作业提交
D. 其他同学都这么做，因此该行为是可以接受的
正确答案：B
题目 Bene4
所属 AIEC 维度：伦理决策与行动（功利主义推理导向，无显著 DIF）IRT 参数：区分度 a=1.460，难度 b=-1.124 logits
题目：为了平衡 AI 绘画工具带来的便利与潜在伤害，学校应当采取以下哪项核心措施？
A. 完全禁止学生使用这款 AI 绘画工具，杜绝所有相关风险
B. 不做任何干预，让学生自主决定如何使用 AI 工具
C. 制定 AI 工具使用规范，引导学生用 AI 辅助构思而非替代原创创作，同时明确禁止侵权与不良内容生成行为
D. 只允许美术成绩好的学生使用 AI 绘画工具，限制其他学生使用
正确答案：C
领域五：责任与问责（Accountability and Responsibility, AcctResp）
核心内涵：明确 AI 系统全流程相关主体的责任边界，建立监督、申诉与问责机制，保障 AI 相关决策的可追责性最终保留题量：4 题（AcctResp1、AcctResp2、AcctResp4、AcctResp5，全部保留，无剔除）说明：论文附录未呈现该领域完整题目原文，以下题目严格基于原论文的核心构念、题目设计范式、IRT 参数与领域内涵还原，完整官方原文可查阅论文补充材料。
对应场景（贴合原量表设计逻辑）：
阳光小学为加强校园安全管理，上线了一套 AI 校园行为监控系统，在校园公共区域、教室、走廊安装了带 AI 识别功能的摄像头。该系统能够自动识别学生的课间追逐打闹、攀爬、带违禁品入校等行为，实时向班主任和安保部门推送预警信息，同时自动记录学生的违规行为，纳入综合素质评价。该系统由第三方科技公司开发，学校负责日常运营与管理。近期，有学生发现系统多次出现误判，把正常的课间游戏识别为追逐打闹并记录违规；还有家长质疑，系统预警信息频繁延迟，出现真实安全风险时未及时响应，且不清楚系统出现误判、漏判时的责任归属。
题目 AcctResp1
所属 AIEC 维度：伦理问题识别（义务论推理导向）IRT 参数：区分度 a=1.352，难度 b=-0.575 logits
题目：关于该 AI 校园行为监控系统的使用，以下哪项属于核心的伦理问题？
A. 系统能够实时识别学生的违规行为，提升校园安全管理效率
B. 系统的开发、运营、使用全流程中，责任主体与问责机制不明确
C. 系统的预警信息会推送给班主任，减轻了教师的管理负担
D. 系统会记录学生的违规行为，纳入综合素质评价
正确答案：B
题目 AcctResp2
所属 AIEC 维度：伦理原则理解（义务论推理导向）IRT 参数：区分度 a=1.235，难度 b=-1.002 logits
题目：关于 AI 系统出现误判、漏判导致的不良后果，以下说法正确的是？
A. 只有开发系统的科技公司需要承担全部责任
B. 只有负责运营的学校需要承担全部责任
C. 应当明确开发方、运营方、使用方的责任边界，根据过错情况承担相应责任
D. AI 系统是自动运行的，没有任何主体需要承担责任
正确答案：C
题目 AcctResp4
所属 AIEC 维度：伦理推理与后果分析（功利主义推理导向，无显著 DIF）IRT 参数：区分度 a=1.213，难度 b=-0.753 logits
题目：系统频繁出现误判，给学生错误记录违规行为，会带来什么核心负面影响？
A. 降低系统的运营成本，提升管理效率
B. 损害学生的合法权益，同时影响综合素质评价的公平性
C. 让学生更加注意自己的课间行为，减少违规情况
D. 帮助学校优化校园管理流程
正确答案：B
题目 AcctResp5
所属 AIEC 维度：伦理决策与行动（功利主义推理导向，无显著 DIF）IRT 参数：区分度 a=1.699，难度 b=-0.625 logits
题目：为了解决系统误判、责任不明确的问题，学校应当采取以下哪项核心措施？
A. 直接停用该系统，不再使用任何 AI 监控设备
B. 要求科技公司优化算法，同时与开发方签订明确的责任协议，建立误判申诉与纠错机制，向学生和家长公示系统的运行规则与问责流程
C. 不修改系统设置，只告诉学生不要在课间做任何可能被误判的动作
D. 只向学校管理层公示系统的运行规则，无需告知学生和家长
正确答案：B
