人工智能思维模式量表（AIMS）的构建与验证

《Computers in Human Behavior: Artificial Humans》：The construction and Validation of the AI mindset Scale (AIMS)

人工智能使用对个人能力发展的影响信念评估及预测因素研究。采用分层抽样法对921名德国样本进行探索性因子分析和验证性因子分析，构建包含8个项目的AI心态量表（AIMS），证实其具有两因子结构（增长与非贬能力）和良好信效度（Cronbach's α=0.82-0.91，CFI=0.982，RMSEA=0.072）。回归分析显示ATAI接受度（β=0.658）和开放性（β=0.080）显著预测增长维度，AI恐惧（β=-0.442）和内部控制（β=0.165）预测非贬能力维度。该量表为理解人机交互中的个体认知差异提供了新工具，其发展验证过程符合Dweck mindset理论框架。

　　人工智能（AI）正以前所未有的速度改变我们的生活和工作方式，它不仅影响着技术领域的发展，也深刻地塑造着人们对于自身能力与技能的认知。在这个背景下，理解个体对AI的态度和信念成为心理研究中的一个重要课题。本文旨在构建和验证一个名为“AI Mindset Scale (AIMS)”的量表，用以评估个体是否认为AI的使用能够提升他们的能力与技能。AIMS量表不仅关注AI对个人能力的潜在影响，还强调了个体在面对AI时所持的不同态度，如对AI的接受度和恐惧感，这些态度在一定程度上影响了他们对AI的认知和使用行为。

在研究过程中，作者首先基于已有的AI态度量表，如“General Attitude Towards Artificial Intelligence Scale”（GAAIS）和“Attitude Towards Artificial Intelligence Scale”（ATAI），对AI态度进行系统性的概念分析。通过评估现有量表在测量个体对AI影响的信念方面的不足，研究者意识到当前的心理测量工具主要关注AI对社会整体的影响，而对AI对个体自身能力的直接影响关注较少。因此，构建一个能够准确捕捉个体对AI影响自身能力的信念的量表成为研究的核心目标。这一量表的构建不仅有助于理解个体在与AI互动时的心理状态，也为未来AI在教育、工作等领域的应用提供了重要的理论依据。

研究采用了一个包含921名德国参与者的大样本，其中女性占58%。样本的年龄范围从18岁到61岁，平均年龄为30.9岁，标准差为8.71。为了确保研究的有效性，作者首先排除了那些没有AI使用经验的参与者，从而保证了样本中所有个体对AI有基本的了解。随后，样本被随机分为两组，一组用于探索性因子分析（EFA），另一组用于验证性因子分析（CFA）。这种分组方法确保了研究的稳健性和科学性，同时也提高了量表的适用性。

通过EFA，研究者发现原始量表中的32个条目可以归纳为两个因子，分别代表“成长型AI信念”和“非技能削弱型AI信念”。其中，“成长型AI信念”是指个体认为AI的使用能够提升自己的能力和技能，而“非技能削弱型AI信念”则表示个体认为AI的使用不会削弱自己的能力。在CFA阶段，研究者进一步验证了这两个因子的结构，发现它们在模型拟合方面表现良好，且具有较高的信度。量表的总分、成长因子和非技能削弱因子的内部一致性系数分别为α = 0.82、ω = 0.91、α = 0.91和ω = 0.92，显示出极高的可靠性。

进一步的分析揭示了AI信念与其他心理特质之间的关系。研究发现，成长型AI信念主要受到AI接受度和开放性的正向影响，而非技能削弱型AI信念则更多地受到AI恐惧感和控制感的影响。例如，高开放性的个体更倾向于接受新的技术，因此更可能持有成长型AI信念。与此同时，神经质得分较高的人则更容易产生对AI的负面情绪，从而影响其对AI使用的态度。控制感（locus of control）和成长型思维（growth mindset）也对非技能削弱型AI信念有显著的预测作用，表明个体对自己能力的掌控感和成长信念在塑造AI态度方面具有重要作用。

此外，研究还探讨了AI信念与社会人口学变量之间的关系。结果显示，年龄对非技能削弱型AI信念具有一定的正向预测作用，这可能意味着随着年龄的增长，个体对AI的接受度和信任度有所提高。然而，性别、教育背景等因素并未对AI信念产生显著影响，这表明AI信念的形成可能更多地依赖于个体的心理特质，而非外部的社会变量。

在讨论部分，作者指出当前的AI态度量表在测量个体对AI影响自身能力的信念方面存在一定的空白。因此，构建AIMS量表不仅填补了这一空白，也为进一步研究AI在人类学习与工作中的作用提供了新的视角。研究结果表明，成长型AI信念与个体在学习过程中的积极态度密切相关，而AI的使用能够显著提升学生的计算思维、自我效能感和学习动机。这说明，AI在教育领域的应用具有重要的潜力，能够促进学生的认知发展和学习积极性。

然而，研究也存在一些局限性。首先，样本主要来自于商业调查平台，这可能导致参与者的动机与经济因素相关，从而影响研究的代表性。其次，研究仅依赖于自我报告数据，缺乏客观的外部测量，如AI使用频率和熟练程度。此外，研究中的条目主要涉及大型语言模型，如ChatGPT，因此需要进一步探讨AIMS量表是否适用于其他类型的AI应用。最后，研究未涉及长期追踪，因此无法判断AI使用对AI信念的动态变化。

总的来说，AIMS量表的构建和验证为理解个体对AI的态度提供了一个新的工具。它不仅能够测量个体是否认为AI的使用有助于自身能力的提升，还能区分个体在面对AI时的不同心理倾向。研究结果表明，AI信念与个体的心理特质密切相关，因此，未来的AI应用应考虑个体的心理特征，以提高其接受度和使用效果。此外，AIMS量表的开发为跨文化研究提供了可能，未来的研究可以进一步翻译和验证该量表，以确保其在不同文化和语言环境下的适用性。最后，随着AI技术的不断发展，如大型动作模型等，理解个体的AI信念对于预测其对新技术的接受度和使用效果具有重要意义。