En resumen
Una prueba de conocimientos y habilidades de IA con respuestas correctas e incorrectas, que incluye una parte sobre IA generativa. Úsela cuando quiera una prueba, no una autoevaluación, y necesite preguntas sobre herramientas como los asistentes de chat.
Para quien dirija la evaluación: una persona responsable de RR. HH. u operaciones, un equipo de proyecto interno o una consultoría externa.
Qué mide
Los conocimientos de IA, medidos con una prueba y no con una autoevaluación. Incluye una parte sobre IA generativa, el tipo de IA que hay detrás de los asistentes de chat.
Los autores la crearon como respuesta a una debilidad conocida. La mayoría de los cuestionarios de conocimientos de IA piden a las personas que se evalúen a sí mismas, y las personas se evalúan mal.
Cómo usarla
- Use la versión completa hasta que la corta se haya probado más.
- Manténgala anónima e informe por equipos.
- Combínela con una autoevaluación y mire la diferencia.
Vea ponga a prueba los conocimientos de IA en lugar de pedir al personal que se evalúe.
Qué no mide
- La habilidad en un puesto concreto.
- Las actitudes, la seguridad en uno mismo o la confianza.
Cómo se probó
Los autores desarrollaron y probaron la escala en el estudio que la presenta. Existe una versión corta, y los autores la llaman preliminar.
Licencia y acceso
El artículo es de acceso abierto con licencia CC BY 4.0. El idioma de las preguntas de la prueba y su número no están establecidos.
Alternativas
Otras evaluaciones con un fin parecido, y cuándo conviene cada una.
- ¿Qué sabe el personal sobre la IA? Scale of Artificial Intelligence Literacy for All (SAIL4ALL) Prefiérala cuando quiera la prueba de conocimientos más probada, en cuatro partes que se pueden usar por separado. El personal, cada persona hace una prueba · 56 preguntas en 4 partes. Cada parte se puede usar por separado Uso y adaptación libres
- ¿Cómo valora el personal sus propias habilidades con la IA y su seguridad para aprender? Meta AI Literacy Scale (MAILS) Prefiérala cuando quiera una autoevaluación para compararla con los resultados de la prueba. El personal, cada persona valora sus propias habilidades · 34 preguntas, o 10 en la versión corta Uso libre; pregunte antes de modificarla
Prácticas que la usan
- Forme al personal en las herramientas que de verdad eligió Muestre a cada usuario qué es la herramienta de IA elegida, dónde se equivoca y qué debe revisar. Use sus propias tareas y sus propias reglas, dé tiempo para practicar e incluya al personal temporal. Hacer primero · Esfuerzo: medio (semanas, unas pocas personas)
- Ponga a prueba los conocimientos de IA en lugar de pedir al personal que se autoevalúe Las personas juzgan mal sus propias competencias. Para saber qué sabe su personal sobre la IA, use una prueba breve de conocimientos o una segunda opinión, no solo una autoevaluación. Hacer después · Esfuerzo: medio (semanas, unas pocas personas)
Los detalles
- Pruebas
- Sus autores la desarrollaron y la probaron en un solo estudio publicado. Los autores describen la versión corta como preliminar.
- Qué examina
- Persona
- Cómo se recogen las respuestas
- Una prueba con respuestas correctas e incorrectas.
- Duración
- Una versión completa y una versión corta. El número de preguntas no está establecido.
- Costo
- Gratis
- Licencia
- CC BY 4.0Puede traducir y adaptar la prueba si cita a los autores.
- Idiomas
- No establecido. La prueba se desarrolló en Alemania y se publicó en una revista en inglés.
- Autores
- Markus, Carolus and Wienrich, 2025
Fuentes
- 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
Estudios relacionados en este sitio
- Una revisión de 16 cuestionarios que miden el conocimiento de la IA Lintner (2024). A systematic review of AI literacy scales. npj Science of Learning, 9, 50.
- Competencias digitales autoevaluadas frente a resultados de una prueba en 629 estudiantes 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.