面向二语写作场景的AI素养测评工具开发与实证检验
一、为何当代比过去任何时期都更需要重视AI素养？过去数十年间，教育界始终将信息素养（Information Literacy）、数字素养（Digital Literacy）及媒体素养（Media Literacy）的培育列为重点任务。这些素养体系指导学习者掌握信息获取、筛选、分析及运用数字技术开展学习的方法，在信息社会演进历程中起到了关键作用。然而，生成式人工智能（Generative Artificial Intelligence）的迅猛崛起正在重塑这一现状。学生如今面对的已不再是静态的信息库，而是一个
人工智能素养量表(AILS-CCS)构建与验证研究
随着ChatGPT、Sora、Claude等生成式AI工具逐步融入课堂、办公场所及日常场景，教育研究者正面临一个关键问题：掌握AI工具的使用是否等同于具备AI素养？AI素养：数字素养的延伸与拓展长久以来，“数字素养（Digital Literacy）”是教育数字化转型中的核心概念。然而，伴随AI技术的迅猛发展，研究者逐渐意识到：数字素养无法全面涵盖个体与AI互动的能力。数字素养侧重于信息获取、处理及数字工具的使用能力，而AI素养则更进一步关注：是否理解AI的基本原理；是否能合理操作AI工具；是否能识别AI
土耳其版AI素养量表：信效度验证
摘要伴随人工智能（Artificial Intelligence, AI）技术极速融入大众生活，公众是否具备理解、运用、评估以及负责任地使用人工智能的能力，日益成为教育界关注的焦点。本研究旨在把Wang等人（2022）研发的人工智能素养量表（Artificial Intelligence Literacy Scale，AILS）移植至土耳其语环境，并检验其信度与效度。该量表主要用于测定非AI背景成年人的素养水平。研究共搜集了402名受试者的数据，并运用验证性因素分析（Confirmatory Factor
讲座预告：王晓晨解读初中英语教师 AI 素养量表构建
第 96 期初中英语教师 AI 素养量表的构建、实证检验与启示核心议题：本项研究着眼于人工智能背景下初中英语教师 AI 素养的评估难题，致力于研发并验证一套专为中国初中英语教师设计的 AI 素养测评工具。研究围绕认知意识、实践应用、批判评价及伦理责任四大维度，运用顺序量化设计，借由项目分析、探索性与验证性因子分析以及测量不变性检验，对量表结构进行了严谨考证。最终成型的量表涵盖 24 个条目，数据证实其具备优异的信效度，并在不同性别、年龄及学历群体中表现出良好的稳定性。研究成果有望为师资培训、课程革新及 A
医护AI准备度成刚需！2026年核心期刊发文解析
一、文献调研：聚焦"AI准备度"2026年单篇核心刊，护理研究者可投稿~（一）期刊论文数据显示，近两年的"AI准备度"主题已有4篇核心期刊论文发表。（二）学位论文目前主要集中于教育技术领域，非护理学专业内容，仅供参考。二、AI准备度的概念界定AI准备度（AI Readiness）反映的是个体或群体在认知、应用、意愿及资源层面对人工智能技术的综合应对水平，关键在于能否高效适应并运用AI技术以提升工作效能与服务品质。针对护理学科特点，护理领域的AI准备度特指护理从业者（包括护士与护生）对护理AI技术（如智能监
【AI量表】教师人工智能能力自评效能量表
量表名称：教师人工智能能力自我效能量表（Teacher AI Competence Self-Efficacy Scale，TAICS）作者提出：Thomas K. F. Chiu；Zubair Ahmad；Murat Çoban发表年份：2024年（Online First）/ 2025年（正式刊发）发表期刊：Education and Information Technologies适用对象：K-12学段教师（从幼儿园到高中）量表类别：多维结构量表（六因子模型）量表组成：6个维度，共24道题目维度包括
AI焦虑评估工具
为何有人对AI技术充满期待，而另一些人却感到恐惧？如何有效衡量这种复杂情绪？本期为您解析广泛应用于研究领域的人工智能焦虑量表（AIAS）！一、量表概述人工智能焦虑量表（Artificial Intelligence Anxiety Scale, AIAS）由学者王宇音与王义顺于2019年开发，并于2022年正式发表。该量表用于系统评估个体在接触人工智能技术时所产生的担忧、不安及恐惧情绪，为研究人类与AI互动中的心理反应提供了标准化工具。二、评分规则AIAS涵盖学习焦虑、职业替代焦虑、技术盲从焦虑及配置焦虑
AI素养量表：评估与应用
推荐理由：尽管该量表发表于中等影响力期刊，但其在内容效度构建、结构界定及测量设计方面表现出较高的规范性。量表题项精简（12项），结构清晰（四维模型），能够有效降低测量负担并提升实证研究的可操作性。同时，该量表以通用型AI使用情境为基础，适用于不同人群与研究场域，具有较强的外部适用性。此外，该量表发表于生成式人工智能快速发展前期，在后续AI教育与人机交互研究中具有较高的参考价值与可复用性，因此已逐渐成为相关研究中具有代表性的基础测量工具。随着人工智能（Artificial Intelligence, AI）