赵福君，代洋磊，许静静

（1.石河子大学 师范学院/兵团教育学院，新疆 石河子 832003；2.石河子大学 师范学院，新疆 石河子 832003；3.石河子第九中学，新疆 石河子 832000）

一、引言

以大数据、深度学习、机器学习等为代表的人工智能技术推动着教育生态系统变革的同时也对新时代人才培养提出挑战。为顺应人工智能发展潮流，抓住人工智能发展机遇，占领人工智能发展高地，中央电话教育馆发布《中小学人工智能技术与工程素养框架》提出针对基础教育阶段实施人工智能教育教学，注重对学生的激发与启蒙，培养学生适应终身学习所必备的核心素养。[1]山东省青岛市为了实现提升学生人工智能素养的目标，采取分层进阶式的人工智能教育教学模式，积极探索构建基础教育阶段衔接贯通的人工智能教育新模式。[2]联合国教科文组织发布《K-12 人工智能课程：政府支持的人工智能课程蓝图》指出：所有公民都应当具备人工智能素养。关注个体人工智能素养的发展水平是顺应人工智能时代发展潮流的必然，也是顺应人工智能时代下人才培养要求的具体体现。在此背景下，培养与提升人才的人工智能素养已经成为教育领域必须关注与面对的现实问题。尽管人工智能素养的重要性日益显著，但是目前对人工智能素养评价研究较少，且评价往往以经验为判断依据，具有一定的主观定性分析的特点，缺乏科学合理的量化数据支撑，且在评价对象上鲜有以中小学生作为评价主体，评价方法较为单一，缺乏衡量人工智能素养的测量工具，构建中学生人工智能素养评价指标体系亟需提上日程。基于此，本研究在系统梳理了人工智能素养内涵与要素的基础上，结合前人有关研究成果，初步构建出人工智能素养评价指标体系，以期为一线教师开展教学评价提供参考，健全人才培养评价体系。

二、中学生人工智能素养内涵及构成要素

人工智能素养是关于人工智能教育知情意行沉淀而成的核心素养体系，是信息素养、数字素养、核心素养的拓展与延伸，亦是其在人工智能时代的新形态与新需求。人工智能素养的内涵相对更加的丰富，对学生的要求，挑战也更高。人工智能素养不仅满足当下教育发展需求，更考虑到未来学生进入社会的终身学习及社会发展的需求。在人机交互时代，学生人工智能素养的重要意义在于“为主体赋能，于共生创造”即利用人工智能赋能学生的综合能力的发展，使得共生共创一切人类文明成为可能。从这个意义上来说，人工智能素养是学生适应社会发展，创造未来的新要求与新方向。

从信息素养到数字素养再到如今的人工智能素养，可以发现素养并不是一成不变的，其内容结构会随着技术的发展和社会的需求动态变化。计算机的发展为信息的传播提供了机遇使得信息资源成为人类进步的驱动力，因此20 世纪70 年代美国信息产业协会主席保罗·泽考斯基（Paul Zurkowski），首次提出“信息素养（Information Literacy）”概念，主要指获取、判断、分析、传递信息及解决问题的能力。伴随着数字技术成为塑造全球的核心动力，数字化成为社会的主要特征，信息素养已无法满足社会对学生素养需求。1997 年，保罗·吉尔斯特（Paul Gilster）将数字素养描述为获取、理解与整合数字资源、信息的知识与能力。现如今大数据的自然语言处理等技术飞速发展迎来了人工智能第三次浪潮，众多学者以上述素养为参考进行人工智能素养内涵及构成要素等相关研究。通过对文献的梳理及上述分析可以发现，信息素养、数字素养与人工智能素养三者之间性质趋同而品质有异，共性体现在三者都是伴随着核心技术的突破与社会发展对学生提出的新需求，其内容框架也大同小异。

素养本意是个人经过训练与实践形成的综合修养，并非与生俱来而是后天习得。如果说能力是由意识、知识、技能、情感等所形成的心理特征，那么素养就是由这种心理特征所沉淀的稳定而通透的心理品性，它通过能力表现于行为、态度、知识、思想等多个方面。[3]基于上述分析，笔者认为：人工智能素养是指人工智能时代学生应当具备的适应终身学习与社会发展需要的能力，是集知识、能力、情感、伦理等于一体的多维综合素养。

目前国内学者主要基于各种各样的理论视角尝试探索人工智能素养核心要素。例如张银荣等人以“人工智能五大理念”为理论基础，构建人工智能素养模型，包含AI 知识、AI 能力、AI 伦理三个维度。[4]杨鸿武等人基于STEM 教育理念构建出人工智能素养框架，具体包括核心概念、技术实践、跨学科思维与伦理态度四个维度，有利于更好地落实人工智能素养培养，为教师开展人工智能教学指明方向。[5]王奕俊等基于人工智能素养发展历程的梳理，从人工智能知识、人工智能技能、人工智能意识、人工智能伦理、人工智能思维构建出高等院校人工智能素养框架。[6]郑勤华等人基于加涅的学习结果分类，阐明了人工智能素养由五个维度即智能知识、智能能力、智能思维、智能应用、智能态度。[7]汪明鉴于核心素养的框架将智能素养定义为集智能知识、能力、情意、伦理为一体的多维复合结构体，既体现了二者的一脉相承，又超越了素养结构单向度的局限。[8]具体研究成果如表1所示。

表1 中学生人工智能素养指标/维度研究

三、中学生人工智能素养评价指标框架构建

（一）中学生人工智能素养框架初步构建

为保证框架构建的科学性与合理性，本研究采用文献内容分析法，通过系统地梳理人工智能教育领域的国内外专家学者与组织机构的政策基本构成要素，从而为人工智能素养模型构建奠定理论基础。接着对人工智能素养各维度的关键词进行提取与整合，然后根据各维度的描述字段与内涵相同的原则进行合并与归类，具体内容如表1 所示。

其次，通过频次统计法对中学生人工智能素养一级指标下的具体要素进行内容分析与频次统计，依次筛选、确定各维度的二级指标，进而确定具体内容。本研究先将已有的关于人工智能素养的二级指标按照本研究已经确定的中学生人工智能素养一级维度进行重新的梳理与归类，将各个要素整合到对应的二级指标体系下。然后，将各维度下各个二级指标内涵相近但表述方式不同的要素依次进行合并，根据一定的标准与规则进行重新命名尽可能将内容全部包含其中，之后再将归纳、重新命名后的指标名称进行频次统计，统计结果如表2 所示。

表2 中学生人工智能素养二级指标频次统计

最后，考虑到高校研究者能够从理论框架和底层逻辑等方面给予科学的理论指导，而有着丰富实践经验的一线人工智能教师可以在实际应用方面给予指导，因此选取5 名从事人工智能教育的研究者与2 位优秀教师进行三轮征询，不断对评价指标体系进行完善优化。最终结合专家意见与文献频率统计结果，构建出中学生人工智能素养初始评价指标体系，共5 个一级指标，25 个二级指标如表2 所示。

（二）中学生人工智能素养评价指标体系确定

本研究首先对初步建立的中学生人工智能素养评价指标体系进行探索性因子分析，通过主成分分析法萃取出四个成分分别为人工智能态度、人工智能知识、人工智能能力与人工智能伦理。此外在进行因子旋转后，选择各项目载荷因子系数位于0.7～0.85 之间，删除0.7 以下以及横跨其他维度的观察变量，保证其同质性。最后通过Amos软件进行验证性因子分析，确保理论模型的拟合度、聚合效度与区分效度都在合理的范围内，构建出中学生人工智能素养评价指标体系。

（三）中学生人工智能素养评价指标模型验证

本研究所构建学生人工智能素养评价指标以李克特七级量表调查问卷形式，通过在线与实体作答形式收集数据，调查对象为X 省326 名在校中学生，其中男生174 人，女生152 人；七年级132 人，八年级108 人，九年级86 人。本研究对回收到的数据进行处理与整理，首先对编制量表的信度、效度进行检验，其次借助Amos 构建一阶与二阶理论模型也即验证性因子分析，对量表的适配度与合理性进行验证，最终构建出中学生人工智能评价指标体系。

1.信效度分析

信度是指研究结果的一致性、稳定性和可靠性，一般用克隆巴赫（Cronbach's）系数α 进行验证，本研究采取SPSS26.0 对问卷进行信度分析。本问卷克隆巴赫系数为0.957>0.9 内在信度较高，可以接受。效度分析指尺度量表达到测量指标准确程度。效度越高达到指标准确度就越高。本问卷信度KMO 值分别为0.942>0.9，Bartlett 检验p 值均为0.000＜0.001，表明问卷的效度良好。

2.探索性因子分析

（1）解释总方差

本研究借助SPSS26.0 进行探索性因子分析，具体步骤如下：通过主成分分析法进行因子萃取，在遵循特征值高于1 原则的基础上，采用最大方差法进行因子旋转，最终萃取4 个主成分，累计方差共现率达78.101%，信息保留的较多，且在因子旋转后贡献率未曾改变，说明主成分提取较为合理。

（2）旋转成分矩阵

按照上述原则与方法进行因子旋转后，设定系数按照大小排序，删除载荷因子系数低于0.7以及横跨其他潜在变量维度的项目，以保证其科学、精准与客观性。各观察变量均在同一主成分内，载荷因子系数均高于0.7，且观察变量没有横跨到其他潜在变量维度内，说明同一维度下的观察变量相关性较高，对所属维度的变异度解释性也较强。[19]

3.验证性因子分析

为进一步验证变量之间构成理论模型的适配度与合理性，并保障其严谨性，本研究通过结构方程模型（SEM）进行验证性因素分析。结构方程模型（SEM）是通过验证变量之间的内在联系来检验模型的合理性。[20]本研究使用AMOS22.0 软件版本对数据（N＝326）进行验证性因子分析（CFA），结构模型如图1 所示。

图1 一阶模型标准化路径

图2 二阶模型的标准化路径

从图1 可以看出，各潜变量对其各测量指标的路径系数均高于0.7，小于1，此外15 个潜在变量在一阶因子的载荷量上位于0.57～0.87 之间，表明各测量指标可以作为潜在变量的有效测量指标，说明结构模型构建合理可以接受。

根据验证性因子分析模型适配参数可知，卡方(χ2)/ 自由度(DF)值为2.241，低于3，一般认为其越小表示理论模型与实际数据适配度越好。其中RMSEA 为平均误差平方根，其值为0.062，介于0.05 ～0.08 之 间；NFI 为 规 范 拟 合 指 数 为0.964，高于0.9；GFI 为拟合优度指数为0.932，高于0.9；AGFI 为调整后的拟合优度指数为0.902，高于0.9；表示模型的拟合指数较好。模型中标准化载荷系数高于0.6，CR 高于0.7，AVE 高于0.5，表示模型的聚合效度良好。此外各个维度的平均提取方差值即AVE 的开平方高于相关系数r 的大小，即√AVE>r，该模型各维度之间存在明显的区分效度。整体上来看，模型的适配度良好，指数均在合理范围之内。

（四）中学生人工智能素养评价指标权重的确定

本研究通过二阶高级模型的路径系数来确定人工智能素养各指标体系的权重。具体步骤如下：首先将人工智能态度（0.68）、人工智能知识（0.78）、人工智能能力（0.87）与人工智能伦理（0.93）四个一阶因子潜变量的标准化路径系数相加，然后用单个潜在变量系数除以上述四个标准化路径系数总合（3.26），从而得到各个潜在变量的权重系数。潜变量的权重（Wi）计算公式如公式(1)所示:

其中ri 表示第i 个一阶因子的标准化路径系数，通过上述公式计算出人工智能素养各个维度的权重值，如表3 所示。

表3 中学生人工智能素养评价指标权重

四、结束语

本研究在系统梳理了人工智能素养内涵与要素的基础上，结合前人有关研究成果，构建出人工智能素养评价指标体系，并通过问卷调查量化研究方法验证其可操作性。基于此，本研究认为可以从人工智能态度、人工智能知识、人工智能能力、与人工智能伦理四个维度对中学生人工智能素养进行全面评价。通过制定合理的人才培养方案，从上述四个维度推动中学生人工智能素养的培养，梳理人工智能正确价值观、培育人工智能知识、提高人工智能能力、坚守人工智能伦理底线，培育人工智能时代必备的核心素养新人才。本研究构建的中学生人工智能评价体系，不仅有利于为中学生的人工智能素养评价提供统一标准，以便于推进人工智能素养培育工作，且弥补了相关研究的空白点，具有重要的理论与实践意义。就目前来说，人工智能素养的研究还处在初步探索阶段，人工智能素养培养体系建设还会面临诸多挑战，存在诸多问题值得研究者探索和讨论。未来人工智能素养的框架和标准研制、人工智能素养课程研发、人工智能素养评价标准以及人工智能教育师资队伍建设等方面还有待后续深入研究，因此，知识经济时代下的人工智能素养培育工作还需要研究者更执着地追求与不懈的努力。