第十二篇 量表之镜：AILS与MAILS的光芒与阴影

2023年，清华大学发布了一个引发广泛关注的研究成果：人工智能素养量表（AILS）。这套量表包含72个题目，声称能全面测量一个人的AI素养水平，从“AI知识”到“AI伦理”，从“使用技能”到“创造能力”，涵盖多个维度。

几乎同一时间，德国研究团队推出了媒体与AI素养量表（MAILS），聚焦于“如何在信息洪流中保持批判性”，强调算法推荐、深度伪造等媒介素养维度。

这些量表的出现，像是在混沌的AI素养评估领域，点亮了一盏明灯——终于有了“标准化工具”。但随着全球数十个研究团队引用、使用这些量表，一些问题也逐渐浮现：量表能测什么，不能测什么？它们适合谁用？在什么场景下有效？

本文将对现有主流AI素养量表进行“验明正身”——不是要全盘否定，而是厘清它们的适用边界，帮助教育者和研究者避免“拿着锤子，把所有问题都当钉子”的误用。

AILS的解剖：一个“全面”的野心

清华的AILS量表，结构上采用了五维模型：

1．AI知识（如“什么是机器学习”）

2．AI技能（如“能否使用AI工具完成任务”）

3．AI伦理（如“对算法偏见的认知”）

4．创新应用（如“能否用AI解决新问题”）

5．社会影响认知（如“AI对就业的影响”）

每个维度下设多个子维度，用李克特量表（1-5分，从“非常不同意”到“非常同意”）让受测者自评。

AILS的优势：全面性

这套量表最大的价值在于全景式覆盖。它不像某些量表只测技术知识，而是试图捕捉AI素养的多个面向。当你用AILS对一群学生测试，能得到一个“雷达图”——每个维度的得分一目了然，哪里强、哪里弱，清清楚楚。

一个应用案例：某职业技术学院用AILS对新生进行前测，发现：

• AI知识维度：平均2.3分（较低，很多学生连基本概念都不清楚）
• AI技能维度：平均1.8分（更低，几乎没人实际用过AI工具）
• AI伦理维度：平均3.5分（中等偏上，可能因为媒体报道让大家有基本的风险意识）

这个诊断帮助学院调整了课程设计：增加动手实践环节，减少纯理论讲授。

AILS的局限：自评的“虚高”

但AILS有一个致命弱点：它测的不是实际能力，而是自我认知。

具体来说，题目类型是：“我能够使用AI工具完成复杂任务”（1-5分）——这测的是受测者觉得自己能不能，而不是真的能不能。

心理学研究早已证明：自评往往不准。尤其是：

• 达克效应（Dunning-Kruger Effect）：能力低的人往往高估自己，能力高的人反而谦虚。一个从没用过AI的人，可能因为“看过几个教程”就给自己打4分；真正的高手，因为知道还有很多不懂，反而打3分。
• 社会期许偏差：受测者猜测“什么答案是‘应该’的”，然后顺着这个方向回答。比如伦理题：“我会拒绝使用可能侵犯隐私的AI”——几乎所有人都会选“非常同意”，因为这是“道德正确”答案，但实际生活中可能又是另一回事。

一个真实的对照实验：

• 用AILS测一群学生的“AI技能”维度，平均3.8分（自评“比较会用”）
• 让同一群学生完成实操任务（用ChatGPT写一份规范的读书笔记），只有40%合格

这说明：自评高≠能力强。量表测的是“自信心”和“对AI的熟悉感”，而非真实水平。

AILS适合测什么？

明白了这个局限，我们就能正确使用AILS：

• 适合：态度和意愿的测量。比如“学生对学习AI有多大兴趣”“对AI技术有多焦虑”“是否愿意在工作中尝试AI”——这些本来就是主观感受，自评是合理的。
• 适合：大规模筛查。当你有1000个学生，不可能逐个做实操测试，用量表快速识别“哪些人AI素养自评很低（可能需要额外辅导）”“哪些人自评很高（可能可以当助教）”——虽然不完全准确，但比完全不测强。
• 不适合：高风险决策。比如根据AILS分数决定谁能毕业、谁能拿奖学金——这是不负责任的，因为量表测不准实际能力。

MAILS的聚焦：媒介批判的视角

德国的MAILS量表，路径不同。它不追求“全面”，而是聚焦于“AI时代的媒介素养”。

核心维度包括：

6．算法意识（Algorithm Awareness）：理解推荐系统、搜索排序的逻辑

7．批判性评估（Critical Evaluation）：能否识别AI生成的虚假信息

8．数据隐私（Data Privacy）：对个人数据被收集和使用的认知

9．社会影响反思（Societal Reflection）：对AI加剧不平等、操控舆论等问题的思考

MAILS的优势：批判性导向

相比AILS的“中性”（既测技术能力也测伦理，但不明确倾向），MAILS有明确的价值立场——它认为AI素养的核心是“不被算法操控”。

这种立场在欧洲语境下尤其突出。欧洲社会对数据隐私、算法透明、技术监管的重视程度远超美国和中国。MAILS反映的是一种防御性素养观：在技术面前保持警惕，守护个人自主。

MAILS的典型题目：

• “我会主动关闭社交媒体的个性化推荐功能，避免被算法圈养。”（同意程度）
• “当我看到一段视频或图片，我会怀疑它可能是AI生成或篡改的。”（频率）

这些问题的设计，明显鼓励“批判性警觉”的态度。

MAILS的局限：文化特殊性

但MAILS的问题在于：它的价值预设，可能不适用于所有文化。

以“关闭个性化推荐”为例。在欧洲，这可能被视为“捍卫自主权”的积极行为；但在中国语境下，很多用户可能认为“个性化推荐很方便啊，为什么要关”——并不是他们缺乏素养，而是他们在“便利性”和“自主性”之间做了不同的权衡。

如果机械套用MAILS，可能会把“选择享受便利”的用户判定为“素养低”——这是一种文化偏见。

MAILS适合测什么？

• 适合：批判意识和风险敏感性。如果你的教育目标是“培养警惕算法的公民”，MAILS是好工具。
• 适合：欧洲或类似文化背景的人群。MAILS的题目设计，默认了一套关于“隐私”“自主”“透明”的价值观，这在某些文化中是主流，但不一定普世。
• 不适合：技能和应用能力的测量。MAILS几乎不涉及“如何用AI”，只关注“如何防AI”。如果你想知道学生会不会写提示词、能不能用AI做项目，MAILS帮不上忙。

其他量表：各有侧重的群像

除了AILS和MAILS，国际上还有多个AI素养量表，各有千秋：

AI4K12的“五大理念”框架（美国）

• 聚焦K-12教育，强调“AI是什么”“AI如何工作”的概念理解
• 优点：适合青少年，语言简单
• 局限：更像知识测试，不涉及复杂的伦理和社会议题

MIT Media Lab的“AI伦理量表”

• 聚焦算法公平、透明、问责
• 优点：深挖伦理维度，适合高阶学习者
• 局限：完全不测技能，单独使用会片面

UNESCO的“AI素养教师自评表”

• 专为教师设计，测“你能否教学生AI素养”
• 优点：针对性强
• 局限：只适合教师，不适合学生

这些量表的存在，印证了一个现实：没有一个量表能“通吃”所有场景。

量表使用的“三问法”：选对工具的艺术

当你面对五花八门的量表，如何选择？我提出“三问法”：

第一问：我想测什么？

• 如果想测态度和自信心→ AILS合适
• 如果想测批判意识和风险警觉→ MAILS合适
• 如果想测实际操作能力→ 所有现有量表都不够，必须加实操测试
• 如果想测深层伦理思考→ MIT伦理量表+开放式问答

第二问：我的对象是谁？

• 大学生 → AILS、MAILS都可用
• 中小学生 → AI4K12更合适
• 教师 → UNESCO教师自评表
• 普通公众 → 需要简化版量表，题目要通俗

第三问：我用测试结果做什么？

• 课程设计的需求分析（低风险）→ 量表够用
• 学生分班或分流（中风险）→ 量表+实操
• 毕业认证或职业资格（高风险）→ 必须多种方法组合，不能只靠量表

改进之道：从“纯自评”到“混合测量”

既然自评量表有局限，如何改进？一个方向是嵌入客观题。

改进策略1：知识锚定题

在自评题之间，穿插客观知识题。比如：

• 自评题：“我了解机器学习的基本原理。”（1-5分）
• 紧接着，客观题：“以下哪项是机器学习的必要条件？A．大量数据 B．编程能力 C．互联网连接 D．高学历”（答案：A）

如果受测者自评“非常了解”（5分），但客观题答错——这说明他高估了自己。通过对比自评和客观题的分数，可以识别“虚高”。

改进策略2：情境判断题

在态度量表之后，加入情境判断测试（SJT）。比如：

• 量表题：“我会拒绝使用侵犯隐私的AI。”（同意5分）
• 情境题：“一个APP提供免费AI功能，但需要访问你的通讯录、位置、相册。你会：A．同意并使用 B．拒绝下载 C．同意但关闭部分权限”

如果受测者量表打5分（坚决拒绝侵犯隐私的AI），但情境题选A（为了免费功能放弃隐私）——这揭示了“理想”与“现实”的差距。

改进策略3：行为数据补充

如果技术条件允许，收集实际使用行为数据。比如：

• 在量表测“AI技能”维度后，让受测者在学习平台上用AI完成一个任务（如写摘要、生成图表），系统自动记录操作时间、尝试次数、最终质量。
• 对比自评分数和行为表现，校准量表结果。

量表的未来：走向“自适应测试”

传统量表是“固定题目”——所有人答同样的题。但这有两个问题：

• 对高手来说，简单题太多，浪费时间且测不出真实水平上限
• 对新手来说，难题太多，打击信心且得到的全是低分

未来的方向是计算机自适应测试（CAT）：

10．先给一道中等难度的题

11．答对了，系统自动给更难的题；答错了，给更简单的题

12．通过十几道题的动态调整，精准定位受测者的能力水平

这种技术在GRE、托福等标准化考试中已成熟应用。AI素养量表也可以借鉴：

• 如果受测者在“AI知识”维度前几题全对，后续题会深入到“解释训练数据偏差如何影响模型输出”这种高阶问题
• 如果前几题就错了，后续题会回到“什么是AI”这种基础问题

自适应测试的优势：用更少的题目，获得更高的测量精度。

结语：量表是地图，不是领土

量表是工具，是“地图”——它帮你快速了解地形，但地图不等于领土。

AILS和MAILS们，都在尝试绘制“AI素养”这片未知领域的地图。它们各有贡献：AILS画出了全景，MAILS标出了险滩。但没有一张地图是完美的——比例尺不同、投影方式不同、绘制者的视角不同，都会导致地图的局限。

作为使用者，我们的智慧在于：带着多张地图上路，根据具体地形选择参考哪张，并且永远记得——最终，你得用自己的脚去走那片土地。

量表能告诉你学生在哪个维度薄弱，但改进教学要靠你的专业判断；量表能识别出高分低能者，但如何帮助他们还得靠有针对性的指导。

理解量表的光芒，也正视量表的阴影——这才是对测量工具的尊重，也是对教育责任的担当。