网络首发 | 高校学生人工智能素养能力现状及影响因素多维分析

ChatGPT作为一种新兴的人工智能工具，已经初步显现出颠覆性力量。人工智能已经开始对社会生活多个领域产生影响，并将深度参与未来的世界发展，最终影响人类生活的各个方面。与此同时，人类社会也面临人工智能应用对其构成风险的问题, 如深度造假、算法歧视、数字隐私泄漏等。为了应对这些与人工智能相关的机遇和挑战，学术界开始关注个体人工智能素养（以下简称AI素养）。

从AI素养概念的发展历程来看，其最初强调用户在人工智能复杂理论和发展中达到的专业水平，但目前更注重用户熟练且理性地利用人工智能产品的能力。例如，Burgsteiner和Kandlhofer等学者认为AI素养是理解不同人工智能产品和服务中基本技术和概念的能力。除了通过概念和实践了解人工智能之外，一些研究还将AI素养扩展到另外两项能力：批判性评估人工智能技术能力和解决实际问题的能力。另外，一些研究将AI素养与学习人工智能的感知能力、信心和准备程度联系起来。总体来看，目前研究达成了2个共识：其一，AI素养是个跨学科问题，是一种更深层次的认识和思考方式，是一套全面的技能或跨学科探究的方法。其二，每一位21世纪公民都需要获得并实践基本的人工智能知识和能力，以增强未来职业的竞争力。

当前，计算机科学领域已经开始对AI素养展开讨论，主要集中在编程和算法方面。教育学领域则认为，AI素养是数字素养的深化发展，与编程或算法的复杂性关系不显著，更加侧重于对AI的普遍性知识的关注，在此领域，许多成果将AI素养概念与教育培训评估结合起来进行研究。信息资源管理领域，关于这一主题的研究文献相对较少，仅有吴丹认为AI素养与算法素养属于人工智能时代的概念，AI素养更加关注人工智能技术的综合性。Rivero则认为，在高等教育环境中，图书馆和教育机构应该加强合作，提升AI素养。高校在提升学生对人工智能的能力和认识方面具有独特的地位。为了保持教育与社会的相关性，高等教育必须适应这一快速变化的需求，重视AI素养，关注其现状与发展。高校图书馆一直致力于提升高校学生的数字素养水平，肩负着广泛教育的责任。因此，深入了解当前高校学生的AI素养状况，并从个人和社会环境的角度研究影响用户AI素养能力的因素，对于精准开展AI素养教育具有重要的理论准备意义。

在此背景下，本研究将聚焦于以下两个方面：首先，全面多维分析高校学生AI素养现状，包括但不限于知识水平、使用AI产品的技能、对待AI的态度以及使用AI的伦理等方面。其次，本研究将从建构主义学习理论角度深入探索影响高校学生AI素养水平的多个因素，包括先前知识、态度、兴趣等。最后，提出可行的培养AI素养能力策略，为高校教育提供有建设性的参考意见，以促进学生在人工智能时代的全面发展。本文的研究问题如下：

RQ1：高校学生目前的AI素养状况如何？

RQ2：影响高校学生AI素养能力的因素有哪些？

RQ3：为了培养高校学生AI素养能力，需要哪些培养策略？

2.1   KSAVE评估框架

KSAVE评估框架是21世纪技能评估和教学项目的成果之一，该项目着重于定义21世纪的技能，并开发衡量这些技能的方法。该项目认为，21世纪人们的工作、学习、生活和娱乐方式都被技术彻底改变，因此需要具备灵活应对复杂问题、有效沟通、信息管理、团队合作、技术运用、创造等技能，这些技能对经济和社会发展具有重大影响，然而大多数教育系统的运作方式仍然停留在20世纪初的模式，未能跟上社会不断变化的需求。项目指出，全球教育需要进行重大改革，包括学习内容、学习方式以及学校在学习中的角色。评估方法应与社会接轨，最大程度衡量生产和创造的技能。

KSAVE评估框架提出从知识、技能、态度、价值观和伦理等5个维度对某项技能进行可衡量性描述，该框架体现了当前自主学习和协作学习的高级技能、知识、态度和特征。其中，知识是指关于某个方面的基础知识，例如AI素养的基本概念。技能指学习过程中习得某项能力或技能，是学习的重点。态度、价值观和伦理指学生在每一项技能上表现出的行为和能力。Wang等人认为KSAVE可以被视为通用框架，用来开发与数字技术、AI技术相关的量表。

基于Long和Magerko以及Wang等提出的定义，借鉴21世纪技能KSAVE评估框架，本研究提出一个整合概念评估框架，从AI知识、AI技能、AI态度和价值观以及AI伦理等4个维度对当前中国高校学生的AI素养能力现状进行调研。其中AI知识定义为利用人工智能之前对其的认知过程；AI技能定义为人们为了运用和发挥知识而发展的能力和过程，包括AI使用技能和AI评估技能，AI使用技能指个体运用AI技术熟练完成任务的能力，AI评估技能指分析、选择AI应用及对其生成内容进行批判性评估的能力；AI态度和价值观定义为个体对AI的整体评价和看法；AI伦理是指个体对于使用AI时所持的原则，以确保其行为符合道德和法律标准。基于上述维度，本研究开发了针对中国高校学生AI素养能力的调研问卷，旨在全面了解他们在以上维度的现状和表现。通过这个评估框架，研究人员可以深入了解高校学生的AI素养水平，并为未来的教育和培训提供有针对性的建议。

2.2   建构主义学习理论

建构主义学习理论强调对学习的理解和学习经验的意义建构。该理论认为学习是学习者根据先前的经验、知识、态度和价值观主动建构新知识的过程。个体建构主义观点认为，认知是随着个体对环境的意义建构而发展的，在学习过程中，个体通过积极思考和解决问题的活动逐渐发展出越来越复杂的认知能力。个体通过对已有知识的测试，重新调整和扩展认知，并将新知识建构、整合到已有结构中，从而构建自己的知识体系。因此，该理论强调先前知识的关键性，认为在学习新内容之前，激活和调用个体已有的知识网络有助于更有针对性地吸收新知识。在学习新知识的过程中，通过活化并整合先前知识，个体能够更深层次地理解和建构知识结构。因此，先前知识是建构主义学习理论的基石。

先前知识是个多维组合。Alba和Mitchell等学者认为，先前知识由熟悉度和专业知识组成，而Wright和Lynch则将其分为使用经验和熟悉度，另外，Kerstetter和Cho认为先前知识是通过熟悉程度、专业知识和过去的经验积累而成。其中，熟悉度被定义为“一种一维结构，与（个人花费）处理有关（产品或服务）信息的时间直接相关，与所涉及的处理类型或内容无关”。可见，熟悉度被描述为对产品或服务的认识或感知，不一定来自实际经验。考虑到AI素养能力偏向实践，本研究将综合上述观点，选用专业知识（解决相关问题提供方案的能力）和使用经验（以前使用AI产品的经验）作为分析维度。具体包括被试的专业、学历、使用AI的频率以及是否接受过相关的教育培训。这些先前知识与高校学生AI素养能力是否有相关关系值得研究。基于此，为解决RQ2，本研究提出以下假设：

H1a：与非计算机专业的学生相比，计算机专业学生的AI素养能力较高。

H1b：高校学生的学历与AI素养能力正相关。

H1c：高校学生使用AI的频率与AI素养能力正相关。

H1d：与没有接受过AI相关教育培训的学生相比，接受过AI相关教育培训的学生AI素养能力较高。

除先前知识外，态度也被视为学习的重要因素，对学习者的认知和行为产生深远的影响。态度会影响学习者的认知过程、动机和投入，以及对知识结构的进一步塑造。学习者的态度会影响他们对新信息的接受和解释。积极的态度可能促使学习者更愿意探索和理解新概念，而消极的态度可能导致对学习的抵触或回避。积极态度通常会有更高的学习动机和投入，而消极态度可能导致对学习的抵触或回避。当学习者对特定主题或概念持积极态度时，则可能更愿意深入研究和积极参与知识建构的过程。已有研究表明，在公众对科学的理解中，知识与态度两者之间存在相关性。基于此，本研究提出假设：

H2：高校学生对待AI的态度与其AI素养能力有正相关性。

兴趣可以影响学习者的参与程度、知识建构过程以及对学科的深度理解。它将激发学生的学习动机，使之有可能投入更多的时间和精力追求主动学习，更深入地理解和参与知识建构。通过专注和记忆，学生形成更扎实的知识结构, 兴趣是学习者习得新知识和技能的强大动力之一。研究显示，兴趣与学习表现相关。基于此，本研究提出以下假设：

H3：与对AI没有兴趣的学生相比，对AI感兴趣的学生的AI素养能力较高。

综上，本研究的框架如图1所示。

3.1   材料设计

本研究采用横截面研究设计，数据来源于问卷调查。问卷经过4位相关专家评估和2轮预实验修订，以确保问题的清晰性和有效性，主要修改了相关术语的表达方式。问卷共包括46个问题，包括填空题、选择题和7级Likert量表题（1=非常不同意，7=非常同意），分为3个部分：第一部分是人口统计信息，包括年龄、性别、地域等。第二部分是常规调查，包括用户的教育经历、对AI的态度、使用AI的频率、目的等。第三部分是AI素养能力测量量表，基于KSAVE框架和先前对AI素养概念研究成果的理解基础上开发设计而成，该量表涵盖4个维度：AI知识、AI技能（包括使用技能和评估技能）、AI态度和价值观、AI伦理。调查对象覆盖全国各种类型的高校学生。

3.2   实验对象与数据采集

调查问卷通过问卷星创建，并生成二维码和链接发送给参与者。本次调查随机邀请全国一些高校教师，通过微信等形式将二维码发送给学生，同时在微信公众号、豆瓣等公共平台发布问卷链接。学生提前知晓调查目的，并可随时停止回答。问卷收集历时4个星期，共回收735份问卷。在数据处理过程中，剔除了作答时间少于100秒和回答前后矛盾的数据，最终得到了575份有效数据（有效率78.23%）。其中，男女比例接近 1∶1（男性：281人，女性：294人），平均年龄为21岁；参与者学历情况分布如下：大专52人、本科411人、硕士研究生97人、博士研究生15人。

3.3   AI素养量表信效度检验

3.3.1  信度检验

在测量量表的可靠性、稳定性或预测性方面，通常使用克朗巴哈系数（Cronbach）进行评估。本部分采用SPSS25.0对数据进行分析。首先，对数据进行KMO测度和Bartlett 球形检验，结果如表1所示，AI素养量表的KMO值为0.944，且Bartlett球形检验的显著性为 p=0.000<0.001，表明该数据适合进行因子分析。

接下来，本研究使用因子载荷值检验量表的解释能力，并根据结果对量表进行修正。首先，对AI素养量表进行探索性因子分析验证。根据因子分析的结果，本研究共提取了4个因子，删除4个题项（因子载荷小于.05的）。随后，本研究对剩下的25个题项进行再次探索性因子分析。经过修正之后，本研究通过计算Cronbach对AI素养量表的信度进行检验，结果如表2所示，4个因子的Cronbach均在0.7以上，表明AI素养量表具有较高的内在一致性和稳定性，信度较高。

基于探索因子分析的结果，针对AI素养量表，本研究共提取了4个因子。累计方差贡献率为60.385%，表明AI素养量表整体的方差贡献率可被接受。因子1为知识，包括3个题项；因子2为技能，包括8个题项；因子3为态度/价值观，包括6个题项；因子4为伦理，包括8个题项。

3.3.2  效度检验

效度用于衡量测量工具对潜在行为特质或态度的准确程度，以评估量表的正确性和可靠性。常用的效度检验包括收敛效度和区分效度，其中，收敛效度通过计算潜在变量的平均方差抽取值（AVE）和组合信度（CR）来评估；区分效度根据AVE的平方根是否大于因子间的相关系数来判断。

本部分采用AMOS24.0进行验证性因子分析，旨在验证AI素养量表的收敛效度和区分效度。根据表3，各因子的AVE值均大于0.45， CR均大于0.7，处于可接受范围之内，这表明量表的收敛效度可以被接受。表3列出了4个潜在变量的相关系数以及各个变量的平均方差抽取值的平方根（以粗体显示于对角线）。从表3得知，只有一个相关系数值大于平均方差抽取值的平方根，而其余相关系数值均小于平均方差抽取值的平方根，这属于可接受范围之内，表明量表的区别效度可以被接受。

4.1   描述性统计分析

本次调研对象涵盖了来自不同高校与专业的学生，具体分布如表4所示。共有575名参与者，主要来自理工类、综合类、语言类、师范类等类型的高校，涉及的专业包括金融、管理、政法、计算机科学、人文社科、理科、外语等多个领域。

根据表5显示，在过去6个月里，52.6%的大学生经常使用AI技术，44.2%的大学生使用频率一般，仅有 3.3%的大学生几乎不使用。

根据表6的数据显示，高校学生的AI素养能力范围从最低为1.24到最高为7不等，平均值为5.588。进一步研究发现，有53.91%的大学生AI素养能力高于平均水平。

4.2   相关性分析

相关分析是衡量变量之间的相关密切程度。考虑到AI素养能力不符合正态分布，本研究采用Spearman相关系数分析了大学生AI素养能力与使用AI的频率、其学历之间的相关关系。研究结果显示，大学生AI素养能力与使用AI的频率之间存在显著正相关（r=0.254， P=0.000<0.05），而学历与大学生AI素养能力之间没有呈现相关关系，具体结果如表7所示。

考虑到专业、大学生对AI的态度及兴趣、是否接受过AI相关教育均为分类变量，且AI素养能力各个变量分组内并不完全满足正态分布。因此，本研究采用非参数检验分析它们与AI素养能力之间的相关关系。研究结果显示，学生的专业（P=0.348>0.05 ）与AI素养能力之间不存在相关关系；然而，学生对AI的态度（P=0.000<0.05）及兴趣（P=0.000<0.05）、是否接受过AI相关教育（P=0.000<0.05 ）与AI素养能力之间存在显著性差异。具体而言，对AI感兴趣的人AI素养能力高于对AI不感兴趣的；接受过AI素养相关教育的人AI素养能力高于未接受过AI素养相关教育的。详细结果如表8和表9所示。

4.3   多元回归分析

本研究采用多元回归分析验证了假设，以揭示先前知识（专业背景、学历、使用频率、是否接受过AI教育）、态度和兴趣对高校学生AI素养能力的影响程度。575个样本相互独立（DW=1.980），且自变量之间不存在多重共线性（VIF<10）。多元回归模型有效且整体上显著（F=15.845，P=0.000）。

具体结果如表10所示，是否接受过AI教育（β=0.152，P=0.018<0.05）、使用AI的频率（β=0.118，P=0.000<0.05 ）、积极态度（β=0.349，P=.000<0.05）、是否对AI感兴趣（β=0.466，P=0.008<0.05）对AI素养能力具有显著正向影响。这意味着，相较于未接受过AI教育的大学生，接受过AI教育的大学生AI素养能力更高；大学生使用AI频率越高，其AI素养能力越高；持有积极态度的大学生AI素养表现更好；对AI感兴趣的大学生在AI素养方面也更为优秀。而专业（β=-0.031，P=0.643>0.05）和学历（β=0.022，P=0.623>0.05）则对大学生AI 素养能力没有显著性影响。

5.1   我国高校学生AI素养能力现状

本项研究初步揭示了我国高校学生AI素养能力的基本状况。研究对象所属高校类型多样，专业领域广泛代表，较为全面地反映了当前的实际状况。特别是在金融、管理和政法等专业中，有大量学生参与了调查，他们是这些领域未来的生力军。对这些受到AI进一步影响的潜在样本进行研究，有助于精准识别他们可能面临的问题，并提出有针对性的解决方案。

研究发现，大学生AI素养能力呈现中等偏高水平。通过对子项数据的分析发现，被试在AI相关知识水平和技能方面呈现出一定范围的变化，平均水平较高，标准差适度，这表明大多数参与者的水平集中在平均水平附近。相比之下，参与者在AI态度和价值观方面的得分略低于知识和技能，可能存在一定的差异。而在AI伦理方面，参与者的平均得分相对较高，且标准差较小，这表明在这个方面的得分较为一致。研究发现，我国高校学生AI素养能力水平与其他国家或地区的情况并不完全相同。这可能因为大学生对AI的认知受到其在媒体中的呈现方式以及描述语言的影响，也与他们对AI的跨学科性质和社会影响了解较少有关。类似的情况在其他学习群体中也存在。

针对此问题，有必要开展多样化的AI素养教育项目，以向学生全面传授AI素养的重要性，包括其跨学科性、泛在性和实践性。这些教育项目应当着重帮助大学生正确理解人工智能的多方面特性，包括其技术、社会和伦理等方面，从而弥补他们在人工智能认知和应用方面的不足。通过加强大学生对已有人工智能相关知识的了解，能够有效缩小认知和应用方面的鸿沟，提升他们整体的AI素养水平，使其能够更好地适应人工智能技术在社会中不断普及的趋势。

5.2   大学生的先前知识对其AI素养能力影响

本研究发现，大学生的AI素养能力与其先前知识密切相关，主要表现在其对AI的使用经验以及是否接受过AI相关培训教育等方面。与此相比，专业知识（专业背景和学历）对于AI素养能力的影响则不太显著。

5.2.1  使用频率对AI素养能力影响

研究结果显示，在过去的6个月里，有52.6%的大学生至少每周使用一次AI技术或产品，这一使用频率与最终获得高于AI素养平均能力的学生人数呈现明显的关联。这表明AI素养与个体对AI技术的实际运用有关。这一发现与之前的研究相一致，例如Wang在其开发的测量用户AI能力量表中，也论证了AI素养与日常生活中使用人工智能技术的程度、种类和频率之间存在显著正相关。Faruqu等人也认为，AI素养能力取决于AI技术的使用频率和强度，即不太频繁接触AI应用的人有较低的AI素养。这可能是由于频繁的实际操作能提高个体的经验和熟练程度，随着使用经验的不断积累，使用者对技术的理解和运用能力逐渐提升，从而增强了他们在相关领域的技能水平。

这一发现对于AI素养教育提供了有益的指导，尤其在提高大学生AI素养水平时，实践性经验的重要性不可忽视。这意味着通过实际使用AI技术或产品，大学生更容易将理论知识转化为实际技能，从而提升其在AI素养方面的水平。未来研究可以进一步深入探讨AI实践与理论学习之间的关系，有针对性地设计教育培训框架。除了传授AI知识和概念理解外，还可以从实践的角度补充AI素养教育内容，以更好地指导AI素养的培养。

5.2.2  相关教育培训对AI素养能力影响

研究结果显示，AI素养能力与接受AI相关教育培训与之间存在正相关关系。本研究中，教育培训的范围涵盖了多种形式，不仅包括通过正式大学学习获得的计算机科学专业知识，还包括通过非正式途径，如自我教育所获得的知识。

由于目前高等教育领域对AI素养的研究相对滞后，因此高等教育机构在进行全校范围内的AI素养教育方面仍相当有限。佛罗里达大学是少数尝试通过“跨课程AI教育”将AI整合到核心课程中的机构。此外，还有一些研究探讨了各种教学形式和内容，包括实验室内的课堂学习、翻转课堂教学、讲座、在线学习等，教学内容涵盖概念和伦理、编程技能、实践（没有编程练习）等方面。相关研究表明，这些教育成果在质量评估方面存在差异，比较课前和课后的AI素养测量并未显示明显效果。然而，来自非专业学科的学生对这些教育都给予了积极评价，认为这些教育对提升个体AI素养有益。这与本研究的结果相一致，强调了无论采用何种教育形式，对塑造个体AI素养水平都至关重要。此外，翻转课堂、讲座和在线学习等非正式学习过程中，学习者通过自我教育获取AI相关知识，对其提升个体AI素养也产生了积极影响。

因此，在AI素养培养的过程中，教育者和决策者应当考虑提供更加多元化的学习资源、机会和形式，以满足学习者在不同学科和背景下的学习需求，进一步促进广泛普及AI素养，增强他们在职业生涯中的竞争力。此外，对于教育机构和组织来说，提供支持非正式学习的平台和资源也将成为推动AI素养提升的有效途径。

5.2.3  专业知识对AI素养能力影响

研究结果表明，大学生的学历和所学专业与AI素养能力之间并无显著相关性。这一发现与Hornberger等人的研究结果不一致，他们发现计算机专业的学生具有更高水平的AI素养，STEM背景的大学生相较于社会科学背景的学生在AI素养方面也表现更为优秀。Kong等人对不同学习背景的大学生开设并评估课程后指出，通过教育，计算机专业与其他专业的AI素养差距逐渐缩小，这也意味着他们认为计算机专业的学生在AI素养方面具备较高的能力。出现这种矛盾可能与研究对象的选择有关。本研究的对象主要是AI的消费者和利用AI工作的人，即那些在工作或生活中使用AI技术改善效果的人，他们只需要了解AI的基础知识并将其运用到工作中。此外，根据Faruqu等人提出的AI聚焦人群金字塔理论，还有另外两类处于金字塔顶端的人群，即AI的合作者和创作者，他们需要与AI合作，甚至是开发、测试新的AI系统。不同群体对AI的需要水平存在一定的差异。位于金字塔底端的人群对普适性知识的了解已经能够满足日常的工作和生活需求。因此，在本研究中，专业背景并未显示出对AI素养水平的显著影响。

然而，这一发现对于开展AI素养教育提供了有益的启示。在高校规划AI素养培训和教育时，应该更加关注个体学生的实际需求和兴趣，而非过度依赖学术层次和专业领域。AI素养教育的设计应更贴近学生的实际生活和职业需求，关注他们在日常工作和生活中如何与AI技术互动，并解决相关实际问题。此外，应更注重培养学生的创造性思维和解决问题的能力。通过激发学生的好奇心和探索欲望，引导他们更深入地理解人工智能的概念，并在实际应用中培养创新的能力。这种实用性和创造性的培养方式与AI素养的实践属性相一致，也与高校培养社会生产力的目标相一致。

5.3   大学生的态度对其AI素养能力影响

研究结果表明，学生的态度与AI素养能力之间存在显著的正相关性，尤其是表现出积极态度的学生呈现更高的AI素养水平。这一发现与建构主义学习理论中态度对学习效果的积极影响相一致，并得到了一些相关研究的支持。具体而言，Chiu和Shih等学者通过对AI素养课程前后测的研究发现，课程显著改善了学生对AI素养学习的态度。在AI素养领域，学生的积极态度不仅促使他们更愿意主动探索和学习有关AI的知识，还在提高其在这一领域的素养水平发挥着关键作用。这种积极态度包括对技术的好奇心、愿意尝试和应用新知识的意愿，以及对AI潜在影响的正面看法。这些因素共同作用，推动学生在AI素养方面取得更好的表现。

然而，研究未发现持消极态度的学生相较于持中立态度的学生在AI素养水平上存在显著差异。尽管目前尚未有相关研究成果证实这一发现，但这可能反映出持消极态度的学生虽然对AI技术有一些负面看法，但同样存在一定程度的学习动机或者获取知识的愿望。因此，针对这一学生群体，教育者可以考虑更加关注其独特需求，采取多种途径培训AI知识。在进行AI素养培训时，不仅要关注实践知识的传授，还应尝试激发其积极的学科态度，逐步培养其AI素养。在AI素养教育中，需要综合考虑学生态度的多样性，以更全面地满足不同学生的需求，从而提高整体教育效果。

5.4   大学生的兴趣对其AI素养能力影响

研究结果表明，学生对AI的兴趣与AI素养能力之间存在显著的正相关性。这一发现与Hornberger和Wood等人的研究结果一致。在当前AI快速发展的背景下，学生对AI的强烈兴趣将促使他们更积极地学习与AI相关的知识和技能，从而提升其在这一领域的素养水平。这一发现同时也反映了在不同背景和文化中，大学生对于新兴科技的兴趣普遍起到了促进学习和掌握相关技能的积极作用。因此，高校在制定AI素养培训计划时，应重视激发大学生对AI的兴趣。比如美国MIT大学采用AI图书俱乐部形式，创新20小时专业发展模式，为教师提供AI知识，了解AI偏见带来的伦理问题，研究显示这种形式能提高学习者的兴趣。

这一发现也为AI素养教育提供了一定的启示。在设计和实施AI素养课程时，教育者可以采用吸引学生兴趣的教学方法，包括实际案例分析、互动性质疑以及项目实践等，这些方法有助于增加大学生的主动学习动力，促进其在AI素养方面的全面发展。

AI技术正在日益深入人们的日常生活和工作，并为社会带来了挑战和机遇。为了使大学生能够应对这些挑战并抓住机遇，他们需要具备一定的AI素养。在这方面，美国和欧盟已经设定了广泛培养AI素养的目标，中国也紧随其后。因此，为了设计出有效的AI素养培养教学框架，有必要对大学生的AI素养能力现状进行评估。通过以上讨论，本研究得出了几个关键的结论。首先，我国大学生的AI素养能力中等偏上，但存在显著的差异。这种差异并非主要表现在不同专业和学科背景之间，而更多地与个体的学习经历和实践经验相关。其次，大学生对AI的态度、兴趣以及使用AI 的频率与其AI素养水平呈正相关关系。具体而言，持积极态度、表现出浓厚兴趣以及频繁使用AI的人具有更高水平的AI素养。研究结果证明中国高校有必要加强AI素养教育，以提升未来社会生产力的整体AI素养水平，并增强其在职业生涯的竞争力。

研究的一个重要理论贡献是开发了适用于大学生的AI素养量表。本研究通过设计和应用AI素养的测量工具，深入挖掘了大学生AI素养的多维度特征。这一量表的建构不仅有助于科学准确地评估个体在人工智能领域的素养水平，还为未来类似研究提供了可靠的测量工具。通过引入包括知识、技能、态度和价值观、伦理等多个适用于21世纪技能评估框架指标，研究能更全面地把握大学生AI素养的本质，为未来教育和研究提供了丰富的参考框架。

本研究对于高校AI素养教育的实践具有重要启示。首先，研究发现不同群体对AI素养的需求存在差异。因此，在培养学生的AI素养过程中，教育者和决策者应以满足不同需求为目标，提供更加多元化的学习资源、机会和形式。个性化学习是高校培养AI素养的关键策略。其次，实际使用频率与AI素养水平的正相关关系，表明实践性经验对于培养学生在人工智能领域的能力至关重要。因此，高校在教育实践中应注重提供具体、实用的AI应用场景，鼓励学生将理论知识转化为实际技能。再次，积极的态度和兴趣与更高水平的AI素养密切相关，这提示高校在设计AI素养培训计划时，应注重激发学生的学科热情和主动学习动力。最后，需要综合考虑学生的多样性，注重培养学生的创造性思维和解决问题能力。

本研究存在一些局限性，首先是受样本组成的限制。由于参与研究是自愿的，因此可能存在选择偏见，即决定参与的学生对AI更感兴趣或对AI有更深入的了解。其次，研究依赖于自我报告数据，存在一定的主观性和回忆偏差。未来的研究可以采用更多样化的样本和更客观的测量手段。另外，随着AI技术的迅速发展，本研究描述的AI素养可能会随之变化。虽然本研究在描述AI素养时努力做到宽泛，但不能排除将来某些项目可能会过时，因此量表需要定期修订。尽管如此，无论AI技术如何发展，高校学生对新技术的需求和AI的本质是保持不变的。因此，本研究建议未来的研究可以进一步探讨不同教育模式对AI素养的影响，以及如何更好地将AI素养教育整合到不同专业和学科的课程中，促进全面素养的培养。

END

相关文章

版式设计

陆澜

制版编辑

王淳洋