基于教育心理学视角的学生AI能力多维量表开发与验证：整合认知、情感与伦理维度

为解决K-12教育中AI能力评估工具缺失的问题，研究人员基于UNESCO框架开发了AI能力量表(AICS)，涵盖人类中心思维(Human-Centred Mindset)、AI伦理(Ethics of AI)、AI技术应用(AI Techniques and Applications)和系统设计(AI System Design)四个维度。通过608名高中生数据验证，量表显示优异心理测量特性(α=0.860-0.952，CR>0.832)，SEM分析揭示AI能力与职业兴趣显著相关(β=0.43,p<0.001)，为AI教育评估提供了理论支撑工具。

　　

随着人工智能(AI)技术快速渗透K-12教育领域，如何系统评估学生AI能力成为全球教育者面临的紧迫挑战。当前AI教育存在"重技术轻伦理"的失衡现象，多数评估工具仅关注编程技能等单一维度，缺乏整合认知、情感和伦理的综合框架。UNESCO虽于2024年发布首个K-12AI能力框架，但配套评估工具仍属空白。这种缺失导致教育者难以准确诊断学生需求，也无法验证教学干预效果。更关键的是，若忽视AI伦理意识和人类价值观培养，可能造就技术娴熟但缺乏社会责任感的数字公民。

为破解这一难题，Zubair Ahmad团队在Qatar Research Council资助下，开展了一项开创性研究。研究团队融合教育心理学经典理论——自我决定理论(Self-Determination Theory, SDT)和社会认知职业理论(Social Cognitive Career Theory, SCCT)，将UNESCO政策框架转化为可操作的测量工具。通过两阶段抽样收集卡塔尔608名高中生数据，采用探索性因子分析(EFA)和验证性因子分析(CFA)确立四维结构，最终开发出具有优异信效度的AI能力量表(AI Competence Scale, AICS)。

关键技术方法包括：1)基于PRISMA框架的系统文献回顾筛选8篇核心文献；2)两阶段抽样策略(先分层随机抽取学校，再简单随机选取学生)，分阶段收集308份(EFA)和300份(CFA)有效问卷；3)心理测量验证采用Cronbach's α、组合信度(CR)、平均变异抽取量(AVE)和异质-单质比(HTMT)；4)结构方程模型(SEM)分析AI能力与职业兴趣的关联，模型拟合指标χ²/df=1.785，CFI=0.943。

研究结果揭示四大核心发现：

1. 1.

   维度验证：EFA提取出理论预设的四因子结构，32个项目因子载荷均>0.40，累计解释方差69.8%。CFA确认模型优异拟合(SRMR=0.062, RMSEA=0.051)，各维度信度优异(α:0.860-0.952)。

2. 2.

   心理测量特性：量表展现出色收敛效度(AVE:0.50-0.66)和判别效度(HTMT<0.85)，其中"AI技术应用"维度与职业兴趣相关性最强(r=0.510)。

3. 3.

   理论映射：成功将UNESCO框架转化为可测量指标——"人类中心思维"对应SDT的自主性需求，"AI伦理"反映道德推理能力，"系统设计"整合技术与伦理认知。

4. 4.

   预测效度：SEM显示AI能力显著正向预测职业兴趣(β=0.43,p<0.001)，证实量表具有实践指导价值。

讨论部分强调，AICS的创新性体现在三个层面：理论层面首次将SDT和SCCT整合到AI能力评估中，破解了"技术-伦理"二元割裂困境；方法层面采用严格的心理测量学流程，项目水平内容效度指数(I-CVI)均>0.78；实践层面为学校提供课程设计基准，如数据显示学生系统设计能力(CR=0.890)相对薄弱，提示需加强项目式学习。

研究也存在若干局限：样本局限在卡塔尔公立学校，未来需跨文化验证；横断面设计难以追踪能力发展轨迹。团队建议后续研究可结合眼动追踪等技术，深入探索AI学习中的认知-情感交互机制。这项发表于《Addiction Neuroscience》的成果，为构建负责任的AI教育生态系统提供了关键评估工具，其四维框架可能成为未来AI素养研究的黄金标准。