Kurz gesagt
Ein Test zu KI-Wissen und -Können mit richtigen und falschen Antworten, einschließlich eines Teils zu generativer KI. Nutzen Sie ihn, wenn Sie einen Test wollen, keine Selbsteinschätzung, und Fragen zu Werkzeugen wie Chat-Assistenten brauchen.
Für die Person, die die Diagnose durchführt: eine Leitung aus Personal oder Betrieb, ein internes Projektteam oder eine externe Beratung.
Was es misst
KI-Wissen, getestet und nicht selbst eingeschätzt. Der Test enthält einen Teil zu generativer KI, der Art von KI hinter Chat-Assistenten.
Die Autoren bauten ihn als Antwort auf eine bekannte Schwäche. Die meisten Fragebögen zum KI-Wissen lassen Menschen sich selbst einschätzen, und Menschen schätzen sich schlecht ein.
Wie Sie es nutzen
- Nutzen Sie die Vollfassung, bis die Kurzfassung weiter geprüft ist.
- Halten Sie ihn anonym und berichten Sie nach Teams.
- Kombinieren Sie ihn mit einer Selbsteinschätzung und betrachten Sie den Abstand.
Siehe Testen Sie KI-Wissen, statt die Beschäftigten sich selbst einschätzen zu lassen.
Was es nicht misst
- Können in einem bestimmten Beruf.
- Einstellungen, Selbstvertrauen oder Vertrauen.
Wie es geprüft wurde
Die Autoren entwickelten und prüften die Skala in der Studie, die sie vorstellt. Es gibt eine Kurzfassung, die die Autoren als vorläufig bezeichnen.
Lizenz und Zugang
Der Artikel ist frei zugänglich unter CC BY 4.0. Die Sprache der Testfragen und ihre Zahl sind nicht geklärt.
Alternativen
Andere Diagnoseinstrumente mit ähnlicher Aufgabe, und wann Sie welches vorziehen sollten.
- Was wissen die Beschäftigten über KI? Scale of Artificial Intelligence Literacy for All (SAIL4ALL) Nehmen Sie es, wenn Sie den gründlicher geprüften Wissenstest wollen, in vier Teilen, die Sie getrennt nutzen können. Beschäftigte, die jeweils einen Test machen · 56 Fragen in 4 Teilen. Jeder Teil lässt sich einzeln nutzen Frei nutzbar und anpassbar
- Wie schätzen die Beschäftigten ihr eigenes KI-Können und ihre Zuversicht beim Lernen ein? Meta AI Literacy Scale (MAILS) Nehmen Sie es, wenn Sie eine Selbsteinschätzung zum Vergleich mit Testergebnissen wollen. Beschäftigte, die jeweils ihr eigenes Können einschätzen · 34 Fragen, oder 10 in der Kurzfassung Frei nutzbar, vor Änderungen fragen
Praktiken, die es nutzen
- Schulen Sie die Beschäftigten an den Werkzeugen, die Sie tatsächlich gewählt haben Zeigen Sie allen Nutzenden, was Ihr gewähltes KI-Werkzeug ist, wo es danebenliegt und was sie prüfen müssen. Nutzen Sie Ihre eigenen Aufgaben und Regeln, geben Sie Zeit zum Üben und beziehen Sie Aushilfen und Zeitarbeitskräfte ein. Zuerst · Aufwand: mittel (Wochen, einige Personen)
- Prüfen Sie das KI-Wissen, statt die Beschäftigten sich selbst einschätzen zu lassen Menschen schätzen ihre eigenen Fähigkeiten schlecht ein. Um herauszufinden, was Ihre Beschäftigten über KI wissen, nutzen Sie einen kurzen Wissenstest oder eine zweite Meinung, nicht nur eine Selbsteinschätzung. Als Nächstes · Aufwand: mittel (Wochen, einige Personen)
Die Einzelheiten
- Prüfung
- Von den Autoren in einer veröffentlichten Studie entwickelt und geprüft. Die Kurzfassung bezeichnen die Autoren als vorläufig.
- Betrachtet
- Person
- Wie die Antworten erhoben werden
- Ein Test mit richtigen und falschen Antworten.
- Länge
- Eine Vollfassung und eine Kurzfassung. Die Zahl der Fragen ist nicht geklärt.
- Kosten
- Kostenlos
- Lizenz
- CC BY 4.0Sie dürfen den Test übersetzen und anpassen, wenn Sie die Autoren nennen.
- Sprachen
- Nicht geklärt. Der Test wurde in Deutschland entwickelt und in einer englischsprachigen Fachzeitschrift veröffentlicht.
- Von
- Markus, Carolus and Wienrich, 2025
Quellen
- Markus, Carolus and Wienrich (2025). Objective measurement of AI literacy: Development and validation of the AI competency objective scale (AICOS). Computers and Education: Artificial Intelligence. doi:10.1016/j.caeai.2025.100485
Verwandte Studien auf dieser Website
- Eine Übersicht über 16 Fragebögen, die KI-Wissen messen Lintner (2024). A systematic review of AI literacy scales. npj Science of Learning, 9, 50.
- Selbst eingeschätzte digitale Kompetenzen und Testergebnisse bei 629 Studierenden Luna, Ocaña, Ortiz-Colón and Rodríguez Moreno (2026). From Self-Perception to Reality in Digital Competence: Findings from the DigComp 2.2 Framework. The Electronic Journal of e-Learning, 24(3), 137–153.