夜雨聆风
AI 素养不只是知道 AI 是什么，也不只是会不会操作工具。一个更细腻的问题是：学生是否愿意、是否相信自己有能力、是否觉得“用 AI 解决问题”对自己有意义。
Kong、Zhu 和 Yang 开发的 Empowerment in Using AI for Problem-Solving Scale（EUAIPS）正是围绕这个问题展开。该量表关注学生在用 AI 解决问题时的赋能感，最终保留 11 个题项，包含影响感、自我效能和意义感三个维度。
Kong, S. C., Zhu, J., & Yang, Y. N. (2025). Developing and validating a scale of empowerment in using artificial intelligence for problem-solving for senior secondary and university students. Computers and Education: Artificial Intelligence, 8, 100359. https://doi.org/10.1016/j.caeai.2024.100359
EUAIPS 的全称是 Empowerment in Using AI for Problem-Solving Scale，中文可译为“AI 问题解决赋能量表”。
该量表用于测量高中生和大学生在使用 AI 解决问题时的心理赋能感。它不是单纯测量 AI 技能，也不是只测量 AI 态度，而是聚焦一种更接近“我愿意、我能、我觉得有意义”的心理准备状态。
最终量表包含 11 个题项和三个维度：
Impact of using AI for problem-solving：使用 AI 解决问题的影响感
Self-efficacy in using AI for problem-solving：使用 AI 解决问题的自我效能
Meaningfulness in using AI for problem-solving：使用 AI 解决问题的意义感
研究基于赋能理论和 AI 素养研究构建概念框架，并在香港高中生和大学生样本中进行验证。
研究包含两个主要样本：
课程前样本：N = 477，用于探索性因子分析
课程后样本：N = 409，用于验证性因子分析
研究者最初形成 13 个题项。探索性因子分析中，item 5 因交叉载荷问题被删除，形成 12 项三因子结构。随后在验证性因子分析中，item 13 因与 item 10 误差相关较高、且内容与影响感/能力感存在重叠而被删除。最终量表保留 11 个题项。
探索性因子分析显示，12 项模型形成三个清晰因子：
Factor 1：Impact，4 项，解释 29.093% 方差
Factor 2：Self-efficacy，4 项，解释 23.944% 方差
Factor 3：Meaningfulness，3 项，解释 23.250% 方差
三个因子累计解释 76.287% 方差。
验证性因子分析中，删除 item 13 后，修正后的三因子模型拟合良好：
χ²(41) = 106.091
χ²/df = 2.588
CFI = .983
TLI = .978
RMSEA = .062
SRMR = .026
AIC = 5213.273
信度与聚合效度方面：
Impact：AVE = .789，CR = .937，Cronbach's α = .946
Self-efficacy：AVE = .700，CR = .903，Cronbach's α = .902
Meaningfulness：AVE = .709，CR = .879，Cronbach's α = .852
所有标准化因子载荷均超过 .50，支持聚合效度。研究还根据 Fornell-Larcker 标准检验区分效度，结果显示三个构念之间具有可接受的区分性。
第一，EUAIPS 把 AI 素养的“情感与心理准备”具体化了。很多研究关注学生是否知道 AI、是否会用 AI，但较少测量学生是否觉得自己被 AI 赋能。
第二，它聚焦“用 AI 解决问题”，比泛泛的 AI 态度更贴近真实学习与项目实践。
第三，它适合课程干预评估。研究本身就在 AI 问题解决课程前后收集数据，因此该量表可以用于检测课程是否提升学生的 AI 赋能感。
第四，量表较短，只有 11 项，维度结构清晰，适合在问卷研究中与 AI 素养、AI 自我效能、AI 接受度、问题解决能力等变量联合使用。
EUAIPS 适合用于：
AI 素养课程前后测
AI 项目式学习评价
学生 AI 问题解决心理准备研究
AI 使用自我效能与学习投入研究
AI 工具使用、赋能感与学习成果之间关系研究
使用时要注意：
第一，EUAIPS 是自陈量表，不是客观能力测验。它测量的是学生对“用 AI 解决问题”的赋能感，而不是实际 AI 技能水平。
第二，原研究对象为香港高中生和大学生。若用于其他地区、其他年龄段或职场群体，应重新检验结构效度和信度。
第三，中文题项是研究参考译文，不是作者官方中文版。正式研究中需要进行回译、专家评审和预测试。
作答方式：5 点 Likert 量表，1 = strongly disagree（非常不同意），5 = strongly agree（非常同意）。原文通过 Qualtrics 在线施测，课程前后使用同一套 EUAIPS。所有最终题项均为正向表述，正式计分可按维度求均值或总均值；具体报告方式以研究设计和本地验证为准。
本文为社科学术吧对公开发表论文及其补充材料的学术整理，供研究、教学与量表选用参考。
原始量表、题项和相关材料的版权归原论文作者及出版方所有；正式引用、改编、施测或商业使用时，请以原论文和出版方授权要求为准。
中文翻译为社科学术吧整理版本，仅供理解和研究参考。正式用于中文语境前，建议进行翻译、回译、专家审查、本土化预测试和信效度检验。
转载或引用本文整理内容时，请注明原始论文来源及社科学术吧整理信息。
