In breve
Un test di conoscenze e abilità sull’IA con risposte giuste e sbagliate, che comprende una parte sull’IA generativa. Lo usi quando vuole un test e non un’autovalutazione, e le servono domande su strumenti come gli assistenti conversazionali.
Per chi conduce la diagnosi: un responsabile delle risorse umane o delle operazioni, un gruppo di progetto interno o un consulente esterno.
Che cosa misura
L’alfabetizzazione sull’IA, misurata con un test e non con un’autovalutazione. Comprende una parte sull’IA generativa, il tipo di IA alla base degli assistenti conversazionali.
Gli autori l’hanno costruito per rispondere a una debolezza nota. La maggior parte dei questionari sull’alfabetizzazione sull’IA chiede alle persone di valutarsi da sole, e le persone si valutano male.
Come usarlo
- Usi la versione completa finché quella breve non sarà stata verificata meglio.
- Lo mantenga anonimo e riporti i risultati per gruppo di lavoro.
- Lo affianchi a un’autovalutazione e guardi la differenza.
Veda la pratica Verifichi le conoscenze sull’IA invece di chiedere al personale di autovalutarsi.
Che cosa non misura
- L’abilità in una professione precisa.
- Atteggiamenti, sicurezza di sé o fiducia.
Come è stato verificato
Gli autori hanno sviluppato e verificato la scala nello studio che la presenta. Esiste una versione breve, che gli autori definiscono preliminare.
Licenza e accesso
L’articolo è ad accesso aperto con licenza CC BY 4.0. La lingua delle domande del test e il loro numero non sono noti.
Alternative
Altri strumenti diagnostici con uno scopo simile, e quando preferire ciascuno.
- Che cosa sa il personale dell’IA? Scale of Artificial Intelligence Literacy for All (SAIL4ALL) Lo preferisca quando vuole il test di conoscenza verificato più a fondo, in quattro parti utilizzabili separatamente. Il personale, ciascuno svolgendo un test · 56 domande in 4 parti. Ogni parte si può usare da sola Uso e adattamento liberi
- Come valuta il personale le proprie abilità con l’IA e la propria sicurezza nell’imparare? Meta AI Literacy Scale (MAILS) Lo preferisca quando vuole un’autovalutazione da confrontare con i risultati del test. Il personale, ciascuno valutando le proprie abilità · 34 domande, o 10 nella versione breve Uso libero; chieda prima di modificarlo
Pratiche che lo usano
- Formi il personale sugli strumenti che ha davvero scelto Mostri a ogni utente cos’è lo strumento di IA che ha scelto, dove sbaglia e cosa deve controllare. Usi le sue attività e le sue regole, dia alle persone il tempo di esercitarsi e includa il personale temporaneo. Prima di tutto · Impegno: medio (settimane, poche persone)
- Verifichi le conoscenze sull’IA invece di chiedere al personale di autovalutarsi Le persone giudicano male le proprie competenze. Per sapere cosa sa il suo personale sull’IA, usi un breve test di conoscenza o un secondo parere, non solo un’autovalutazione. Subito dopo · Impegno: medio (settimane, poche persone)
I dettagli
- Verifiche
- Sviluppato e verificato dai suoi autori in un unico studio pubblicato. Gli autori definiscono preliminare la versione breve.
- Esamina
- Persona
- Come si raccolgono le risposte
- Un test con risposte giuste e sbagliate.
- Durata
- Una versione completa e una versione breve. Il numero di domande non è noto.
- Costo
- Gratuito
- Licenza
- CC BY 4.0Può tradurre e adattare il test se cita gli autori.
- Lingue
- Non nota. Il test è stato sviluppato in Germania e pubblicato in una rivista in lingua inglese.
- Autori
- Markus, Carolus and Wienrich, 2025
Fonti
- 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
Studi collegati su questo sito
- Una rassegna di 16 questionari che misurano le conoscenze sull’IA Lintner (2024). A systematic review of AI literacy scales. npj Science of Learning, 9, 50.
- Competenze digitali: autovalutazione e risultati di un test in 629 studenti 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.