土耳其版人工智能态度量表（AIAS-4）的心理测量特性及关联研究：构建效度的证据

《BMC Psychology》：Psychometric properties and Turkish adaptation of the artificial intelligence attitude scale (AIAS-4): evidence for construct validity

为探究人们对人工智能（AI）的态度，以及相关影响因素和关联关系，研究人员开展了对 AI 态度量表（AIAS-4）的研究。研究发现 AIAS-4 具有良好的效度和可靠性，AI 态度与多种心理因素相关。该研究为理解 AI 态度提供依据，具有重要意义。

　　在科技飞速发展的时代，人工智能（AI）如同一颗璀璨却又充满未知的新星，闯入了人们的生活。它在医疗、教育、经济等众多领域大显身手，既带来了前所未有的便利，也引发了诸多担忧。一方面，AI 助力医疗诊断、优化教育资源分配、推动经济增长；另一方面，人们担心它会抢走工作机会，威胁个人隐私和社会安全。然而，在研究 AI 对人类影响的道路上，缺乏全面且有效的测量工具成为一大阻碍，现有量表存在诸多局限性，难以精准衡量人们对 AI 的态度。为了突破这一困境，来自 Y?ld?z Technical University、National Defense University 等机构的研究人员展开了深入研究。

研究成果发表在《BMC Psychology》杂志上。研究人员设计了两项互补的研究，旨在全面评估人们对 AI 的态度，并探究其与技术 / 互联网态度、人格特质、心理健康（抑郁、压力、焦虑、幸福感等）等因素的关系，进而为 AI 态度的理论网络提供见解，填补相关领域的研究空白。

在研究过程中，研究人员主要运用了以下关键技术方法：

1. 验证性因子分析（CFA）：用于检验 AIAS-4 的结构效度，判断量表是否能有效测量预期的概念。
2. 项目反应理论（IRT）分析：深入了解参与者对量表每个项目的反应，评估项目的区分度等特性。
3. 测量不变性分析：确定量表在不同性别群体中是否测量相同的结构。
4. 结构方程建模：在研究 AI 态度与其他变量关系时，用于检验假设模型，分析变量间的直接和间接效应。

研究结果如下：

1. AIAS-4 的心理测量特性（Study I）：
   • 效度与结构：CFA 表明，土耳其版 AIAS-4 的拟合指标在可接受范围内，具有一维结构，因子载荷分布合理，支持了其结构效度。测量不变性分析显示，该量表在男性和女性中均能有效测量相同的结构，具有良好的适用性。
   • 项目区分度：IRT 分析结果显示，AIAS-4 的所有项目区分度都很高，能够有效区分不同参与者的态度。
   • 效度相关性：AIAS-4 与互联网态度、生活满意度存在显著相关性，证明了其具有一定的效度。
   • 可靠性：通过计算 Cronbach's alpha、McDonald's omega 等多种可靠性系数，结果表明 AIAS-4 具有较高的可靠性。
   
   
2. AI 态度与其他变量的关系（Study II）：
   • 相关性分析：AI 态度与抑郁、焦虑、压力呈显著负相关，与心理健康变量（如心理幸福感和蓬勃发展）呈显著正相关。同时，AI 态度与开放性、尽责性、外向性等人格特质存在显著相关性，与神经质呈负相关。
   • 中介效应分析：结构方程建模显示，心理困扰在 AI 态度与心理健康之间起显著的中介作用。
   
   

研究结论和讨论部分指出，AIAS-4 是一个心理测量学上有效且可靠的测量工具，适用于土耳其社会的不同性别群体。积极的 AI 态度与更好的心理健康状况相关，心理困扰在其中起到了关键的中介作用。这一研究成果具有重要意义，它为进一步研究 AI 态度提供了有力的测量工具，也为理解 AI 对人类心理的影响提供了新的视角。未来，研究人员可基于此开展更多跨文化、纵向研究，深入探索 AI 态度的形成机制和影响因素，为制定合理的 AI 发展政策、促进 AI 与人类社会的和谐发展提供科学依据。