智能时代青少年AI素养：关键影响因素与提升路径

作者：周 丹 汪 辉 韩思瑶 杨子豪 任思国

【本文刊登于2026年5月《中国教育信息化》，源自中国教育学会2024年度教育科研一般规划课题“核心素养导向的中学跨学科主题学习设计与实施研究”（编号：202416294031B）的研究成果】

摘 要：人工智能素养已成为21世纪公民的关键能力。深入探究青少年AI素养的培养路径，助其适应并借助技术赋能成长，是当下教育的重要课题。目前，学界虽已开展多项青少年AI素养测评探索，但关于其影响因素的研究尚处起步阶段，尤其是缺乏多主体参与的深度实证研究。为此，本研究基于整合型科技接受模型（UTAUT）构建假设模型，通过对比5省市1212份大样本数据与北京某重点校直升班174份小样本数据，综合分析青少年AI素养现状。实证结果表明：社会学习资源、个体态度意愿、学校师生互动、家庭AI生态资源等因素显著影响青少年AI素养。据此，从个体、家庭、学校、社会等维度提出策略建议，以期为提升青少年AI素养提供参考。

关键词：青少年；人工智能教育；AI素养；素养测评；UTAUT模型

中图分类号：G434 文献标志码：A 文章编号：1673-8454（2026）05-0088-09

一、问题提出

人工智能已演变为新时代的“基础语法”，深刻重塑社会结构与运行模式，促使我们重新审视并构建适配的素养概念[1]。作为21世纪的关键数字技能，AI素养正逐渐与读写算并列，成为智能时代公民的必备能力[2]。2024年，联合国教科文组织发布《学生人工智能能力框架》，将AI素养列为师生必备素养，并界定了其能力结构要素[3]。2025年，我国教育部出台《中小学人工智能通识教育指南（2025年版）》，强调通过知识、技能、思维与价值观的融合，培育科创思维、批判性思维、人机协作及社会责任意识，构建四位一体的AI素养，以此促进学生全面发展。因此，系统培育提升青少年AI素养，不仅是教育现代化的核心任务，更是夯实国家未来人才竞争力的战略基石。

近年来，国际组织及国内外学者持续关注青少年AI素养的培养与评估，从知识、技能、态度、伦理等多维度构建了若干素养框架，并在部分地区开展了初步测评实践；然而，目前尚未建立统一且大规模应用的测评体系，存在标准不一、覆盖有限等问题。在此背景下，青少年AI素养受哪些多层面因素影响、其作用机制为何，以及如何系统化、差异化地提升素养，仍是当前研究亟待突破的关键问题。

二、研究现状

关于AI素养测评，常用方法为标准化测试和调查问卷，旨在描述学生对AI概念的态度、知识及理解水平，以及分析评估AI系统的能力。当素养具备明确表现时，采用标准化测试；对于情感、动机、学习态度等综合性素养，问卷则是普遍的评价工具[4]。Seong-Won Kim等[5]于2021年开发了中学生AI素养测量工具，通过在线问卷对韩国8所中学1222名学生进行测评，该研究突显了学生数据素养，但在AI伦理考量上略显不足；Helen Zhang等[6]受STEM领域概念 inventory 启发，配合课程开发了AI-CI测评工具，含20道多选题检测四大知识模块理解，该研究聚焦核心原理与运用能力，但过于侧重离散知识，维度单一；国内研究者李晓梅等[7]于2022年对山东省Q市147967个样本进行测评，问卷涵盖AI意识、技术应用、计算思维及社会责任4个维度共40题；钟柏昌团队[8]于2024年构建了“知识 - 情感 - 思维”框架，采用项目反应理论开发问卷工具并测评1200名学生。关于影响因素研究，仅蔡云洁[9]于2022年基于对上海一所小学7位教师及3位家长的访谈，从国家、社会、学校、家庭四角度归因小学中高年级学生智能素养问题，虽反映了部分因素，但局限于上海某区小学且样本量少，缺乏普遍性。总体而言，AI素养影响因素研究尚处起步阶段，缺乏多主体、多层次的系统实证分析，更未见基于大样本数据的因素建模与验证。

为此，本研究基于整合型科技接受模型（UTAUT），依托覆盖五省市的青少年样本，系统分析AI素养的多维影响因素，重点对比重点校直升班与普通学校学生的差异，旨在为教育资源优化与个性化实践提供实证支持，为提升中小学生AI素养提供参考。

三、理论模型

技术接受模型（TAM）源于社会心理学理性行为理论，由Davis[10]于1989年提出，指出个体技术使用行为由行为意向驱动，而意向受感知有用性与易用性共同影响，该理论广泛应用于移动学习、在线学习、XR技术及AI教育等领域。2003年，Venkatesh[11]整合TAM等理论提出UTAUT，从绩效期望、付出期望、社群影响、促成条件四个核心维度考量个体认知与外部因素，并引入性别、年龄、经验等控制变量，其解释力达70%[12]，显著优于以往模型，如图1所示。

图1 整合型科技接受模型

UTAUT结合个体接纳行为的内在意向与外在影响，涵盖态度、认知感知、外部变量等，关注新技术赋能教育的合理性与适切性，为构建青少年AI素养影响因素模型提供理论支撑：绩效期望可考量学生对AI提升效率的认知、学习态度与动机；努力期望涉及学生对AI使用难易度的感知及自身能力期望；社群影响包含学校、家庭、社会中不同群体的作用；促成条件涵盖学校、家庭、社会的AI基础设施与学习资源；调节变量可纳入性别、年龄等。该框架为系统解析青少年AI素养的多层影响因素提供了有力视角，有助于推动教育政策科学实施。

四、研究假设

基于笔者前期对AI拔尖人才的访谈研究[13]所依据的青少年AI核心素养测评，本研究沿用该测评团体标准中的AI素养框架[14]，将素养划分为学科通识与技能、智能时代高阶思维、人机混合协同创新和智能社会责任四个维度，并将影响因素划分为个体、学校、家庭和社会因素，具体从个体态度动机、能力倾向、家庭AI氛围、文化资本、学校学习资源、师生互动、社会学习资源、社会实践参与等多维度探究，假设模型如图2所示。

图2 青少年人工智能素养影响因素模型

其中，①个体态度动机指青少年对AI的兴趣、好奇心、接受度及学习意愿，决定其主动接触AI的内在驱动力，属趋向性动机。②个体能力倾向指青少年自身的认知能力、学科基础及学习努力期望，能力越强越可能影响素养水平。③家庭AI生态资源：指家庭成员对AI的态度及家庭接触AI的便利度，积极开放的氛围能潜移默化激发兴趣，形成初步认知。④家庭文化资源：指父母的知识储备、教育背景及职业影响，充足的文化资本可提供更有利的家庭支持环境。⑤学校学习资源：指学校为AI教育提供的硬件、软件、课程及实验室或创客空间，直接影响教学质量与实践机会。⑥学校师生互动：指AI学习过程中师生、生生间的交流合作，有效互动能激发热情，营造探索创新氛围。⑦社会学习资源：指校园外可获取的AI资源，丰富多元的社会资源提供补充知识、行业动态及案例，满足个性化需求。⑧社会实践参与：指参与AI相关培训、竞赛、科研、企业参观等，让学生亲身体验AI社会价值与应用场景。计算如公式（1）所示：

公式（1）

其中，Liti表示学生主体i的AI素养水平，Atti表示个体态度动机影响，含是否愿用AI工具、上相关课、未来从事AI职业等；Apti表示个体能力倾向影响，含综合成绩、数学成绩、优势学科等；Faii表示家庭AI氛围影响，含家长态度、是否购买AI生活及学习产品等；Culi 表示家庭文化资本影响，含父母能否讲授AI内容、文化程度等；Scri表示学校学习资源影响，含是否建AI实验室、开AI课程/社团等；Tsii 表示学校师生生生在AI互动交流方面的影响；Sori表示社会学习资源影响，含是否参加培训机构、专家讲座等；Pari表示社会实践参与影响，含参观AI企业、使用社会算力/编程平台等；Xi表示控制变量，含性别、年龄、地区等；β表示回归系数，εi表示个体残差。

五、研究过程

（一）量表设计

问卷开发思路与步骤包括：（1）依据素养框架，参照既有研究量表补充完善，形成初始题项；（2）邀请4名专业人士（含1名教授、3名博士候选人）审读评估，形成预调研版本；（3）选取1-2所学校预调研，据此调整题项，形成最终施测版本。最终版本含57题，分三部分：一是基本信息5题，含性别、年龄、地区、AI启蒙年龄及获奖情况；二是素养水平测评27题，调查青少年AI素养，围绕学科通识与技能、高阶思维、人机协同创新及智能社会责任四维度展开，前两者采用客观选择题，后两者采用量表；三是影响因素25题，从个体、学校、家庭、社会等方面设计。

（二）数据