文献：Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., & Chu, S. K. W. (2024). Design and validation of the AI literacy questionnaire: The affective, behavioural, cognitive and ethical approach. British Journal of Educational Technology, 55(3), 1082–1104. DOI 10.1111/bjet.13411。

研究问题：随着生成式 AI 进入课堂与日常生活，“AI 素养”成为教育研究的高频概念，但学界对其结构界定与测量工具远未达成共识——多数研究仍借用一般数字素养量表或自编单维度题目，缺乏一套经过严格心理测量学验证的 AI 素养量表。论文要回答：AI 素养应由哪些维度构成？如何设计并验证一份兼具结构效度与信度的 AI 素养问卷（AI Literacy Questionnaire, AILQ）？

论证思路：从作者团队前期的 K-12 AI 素养系统综述出发，提出情感（Affective）、行为（Behavioural）、认知（Cognitive）、伦理（Ethical）四维框架（ABCE），据此编写题目；随后以三阶段、三个独立学生样本（335 → 508 → 363 名）依次完成项目分析、探索性因子分析（EFA）、验证性因子分析（CFA）与二阶模型检验，用跨样本交叉验证回答“四维结构是否稳定、四维之上是否存在高阶 AI 素养因子”。

一、研究背景：AI 素养测量的“工具赤字”

AI 素养（AI literacy）被广泛视为数字时代公民的基本素养，但概念上长期存在两大混乱：一是维度之争——有人强调会使用工具（操作层面），有人强调理解原理（认知层面），还有人强调负责任地使用（伦理层面）；二是测量之争——许多研究直接搬用“数字素养”“信息素养”问卷，无法捕捉 AI 特有的伦理与创造维度。作者团队此前的系统综述将 K-12 AI 素养整合为四类能力，本文则把该概念框架转化为可操作的测量工具，回答“如何测”这一基础问题。

二、ABCE 四维框架详解

问卷的理论内核是 ABCE 四维框架，四个维度分别对应 AI 素养的不同侧面：

• 情感维度（Affective）：个体对 AI 的态度、价值判断与学习动机，如“我认为学习 AI 很重要”“我愿意了解 AI 技术”。它回答“想不想学、如何看待 AI”，是素养形成的情感前提；
• 行为维度（Behavioural）：个体实际使用、操作 AI 工具与参与 AI 相关活动的程度，如使用频率与主动探索行为。它回答“用不用、会不会用”；
• 认知维度（Cognitive）：对 AI 原理、能力边界与应用方式的理解层次。依据布鲁姆教育目标分类，从“知道与理解 AI”（低阶）到“应用 AI”，再到“创造 AI”（高阶），形成递进阶梯（见原文图2）；
• 伦理维度（Ethical）：对 AI 伦理议题（隐私、偏见、公平、人类责任）的认知与判断，如“使用 AI 时应考虑数据隐私”“AI 决策不能替代人类责任”。它回答“该不该用、如何负责任地用”。

四个维度的设计各有学理出处：认知维度承袭经典的 AI 教育目标层级，情感与行为维度借鉴技术接受与数字素养研究，伦理维度则回应 AI 特有的社会影响——这正是 AI 素养区别于一般数字素养的关键增量。

三、三阶段开发与验证：335 → 508 → 363

问卷开发遵循心理测量学标准流程，以三个独立样本分阶段推进，样本均来自中小学教育项目（primary/secondary school education project）的学生。

阶段一：项目开发与探索性因子分析（N = 335）

依据四维框架编写初始题项，交由领域专家评审内容效度后，对 335 名学生施测。EFA 结果支持四因子结构，各题项在预设维度上载荷清晰，据此删改题目，形成四维度的精简量表。

阶段二：验证性因子分析（N = 508）

以 508 名学生为独立样本进行 CFA，检验预设的四因子测量模型。模型拟合指标与因子载荷达到可接受标准，四维结构在第二个样本中复现，支持结构的稳定性。

阶段三：二阶模型检验（N = 363）

以第三个独立样本（363 名学生）检验二阶模型：四个一阶因子之上是否存在一个高阶“AI 素养”因子。二阶 CFA 模型的拟合以 χ² 及其与自由度之比（χ²/df）等指标报告，结果支持高阶因子结构——即四个维度既相对独立，又共同隶属于一个整体的“AI 素养”构念。这一结果在概念上至关重要：它说明 AI 素养不是四个互不相干的维度拼盘，而是一个可整体度量、可整体比较的复合构念，为后续用总分或总均分进行群体比较提供了统计依据。

四、信效度检验结果

• 信度：各维度报告了内部一致性系数（Cronbach’s α 与/或 McDonald’s ω），均达到可接受水平（> 0.70），跨样本稳定；
• 收敛效度：各维度组合信度（CR）与平均方差抽取量（AVE）满足常用阈值，说明各维度内部题目测量的是同一构念；
• 区分效度：四维度之间相关适度、且与各自 AVE 满足区分效度判据，说明情感、行为、认知、伦理确实是可区分的四个侧面；
• 结构效度：三阶段（EFA → CFA → 二阶 CFA）逐级确认因子结构，并以三个独立样本交叉验证，结构效度证据链条完整。

五、应用价值与影响

该问卷是 AI 素养测量领域的代表性工具之一，其价值体现在三方面：

• 测量标准化：为研究者提供了一份公开、经过严格验证的四维量表，终结了“各测各的”局面，使不同研究的结果可以横向比较；
• 维度框架化：ABCE 框架把 AI 素养从笼统的口号变成可操作的四维结构，尤其将伦理维度确立为 AI 素养区别于一般数字素养的核心特征——这是框架最突出的理论贡献；
• 场景迁移性：问卷虽基于 K-12 框架开发，但四维结构在高等教育与成人研究中被广泛采纳（在谷歌学术被大量引用），成为 AI 素养实证研究的“标配”测量之一。

精读笔记

核心论点：AI 素养是一个由情感、行为、认知、伦理四维度构成、且四维之上存在高阶总因子的复合构念；通过三阶段、三个独立样本（335/508/363 名学生）的问卷开发，ABCE 框架获得了实证支持，伦理维度是 AI 素养区别于一般数字素养的关键特征。

方法要点：

• 三阶段三样本的设计是问卷开发的范本：EFA 探索结构 → CFA 验证结构 → 二阶模型检验构念层级，每一步都用独立样本，避免同一样本反复使用的过拟合问题
• 二阶模型检验回答了“四维之上是否有总因子”这一概念问题，用 χ² 等拟合指标给出统计证据，为总分使用提供依据
• 题目编写锚定既有 K-12 AI 素养框架，内容效度有系统综述背书，而非凭空编题

局限与边界：

• 样本来自中小学教育项目学生，问卷在学龄段群体中验证，向成人、职业人群推广仍需跨群体验证
• 测量以自我报告为主，测得的是“自评素养”而非客观能力表现，与社会期望偏差、共同方法偏差相关
• 三阶段样本均属同一项目背景，跨文化、跨课程情境的普适性尚待检验
• 发表时点（2024 年初）早于主流生成式 AI 工具的普及，伦理与行为题项对生成式 AI 场景的覆盖有限

可延伸方向：将问卷迁移至大学生与在职教师群体并重新验证测量不变性；开发与自评互补的表现型测量（如任务式评测）；扩充伦理维度以覆盖生成式 AI 的深度伪造、算法偏见等新议题；用纵向追踪考察四维度随课程干预的动态变化。

原文地址

• DOI：10.1111/bjet.13411
• 期刊：British Journal of Educational Technology（BJET），2024 年，第 55 卷第 3 期，第 1082–1104 页（IF 8.1，Q1）
• 图表来源：原文 Figure 2（AI 素养认知层次）