AI Competency Objective Scale (AICOS)

W skrócie

Test wiedzy i umiejętności z zakresu AI z dobrymi i złymi odpowiedziami, z częścią o generatywnej AI. Użyj go, gdy chcesz testu, a nie samooceny, i potrzebujesz pytań o narzędzia takie jak asystenci czatowi.

Dla osoby, która prowadzi diagnozę: kierownika HR lub operacji, wewnętrznego zespołu projektowego albo zewnętrznego konsultanta.

Co mierzy

Kompetencje w zakresie AI, sprawdzane testem, a nie samooceną. Zawiera część o generatywnej AI, czyli o rodzaju AI, na którym działają asystenci czatowi.

Autorzy zbudowali go jako odpowiedź na znaną słabość. Większość kwestionariuszy kompetencji w zakresie AI prosi ludzi o ocenę samych siebie, a ludzie oceniają się słabo.

Jak używać

1. Używaj wersji pełnej, dopóki skrócona nie zostanie dalej sprawdzona.
2. Zachowaj anonimowość i podawaj wyniki według zespołów.
3. Połącz go z samooceną i przyjrzyj się różnicy.

Zobacz sprawdzaj wiedzę o AI testem, zamiast prosić pracowników o samoocenę.

Czego nie mierzy

• Umiejętności w konkretnej pracy.
• Postaw, pewności siebie ani zaufania.

Jak to sprawdzono

Autorzy opracowali i sprawdzili skalę w badaniu, które ją przedstawia. Istnieje wersja skrócona, którą autorzy nazywają wstępną.

Licencja i dostęp

Artykuł jest w otwartym dostępie na licencji CC BY 4.0. Język pytań testowych i ich liczba nie są ustalone.

Alternatywy

Inne narzędzia do podobnego zadania i kiedy lepiej wybrać każde z nich.

• Co pracownicy wiedzą o AI? Scale of Artificial Intelligence Literacy for All (SAIL4ALL) Wybierz je, gdy chcesz testu wiedzy sprawdzonego pełniej, w czterech częściach, których możesz używać osobno. Pracownicy, każdy rozwiązuje test · 56 pytań w 4 częściach. Każdej części można używać osobno Bezpłatne, można dostosować Sprawdzenie: Umiarkowane Testy wiedzy o AI i samooceny
• Jak pracownicy oceniają własne umiejętności w zakresie AI i swoją pewność, że się nauczą? Meta AI Literacy Scale (MAILS) Wybierz je, gdy chcesz samooceny do porównania z wynikami testu. Pracownicy, każdy ocenia własne umiejętności · 34 pytania albo 10 w wersji skróconej Bezpłatne; przed zmianami zapytaj autorów Sprawdzenie: Silne Testy wiedzy o AI i samooceny

Praktyki, które z niego korzystają

• Szkol pracowników z obsługi narzędzi, które firma naprawdę wybrała Pokaż każdemu użytkownikowi, czym jest wybrane narzędzie AI, gdzie się myli i co trzeba sprawdzać. Pracuj na własnych zadaniach i własnych zasadach, daj ludziom czas na ćwiczenie i obejmij szkoleniem pracowników tymczasowych. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób) Dowody: Wstępne Ludzie i umiejętności · Zastosowanie
• Sprawdzaj wiedzę o AI testem, zamiast prosić pracowników o samoocenę Ludzie słabo oceniają własne umiejętności. Żeby dowiedzieć się, co twoi pracownicy wiedzą o AI, użyj krótkiego testu wiedzy albo drugiej opinii, a nie tylko samooceny. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób) Dowody: Umiarkowane Ludzie i umiejętności · Zastosowanie

Szczegóły

Sprawdzenie

Umiarkowane Opracowany i sprawdzony przez autorów w jednym opublikowanym badaniu. Autorzy opisują wersję skróconą jako wstępną.

Czego dotyczy

Osoba

Jak zbiera się odpowiedzi

Test z dobrymi i złymi odpowiedziami.

Długość

Wersja pełna i wersja skrócona. Liczba pytań nie jest ustalona.

Koszt

Bezpłatne

Licencja

CC BY 4.0Możesz tłumaczyć i dostosowywać test, jeśli podasz autorów.

Języki

Nieustalone. Test opracowano w Niemczech i opublikowano w czasopiśmie anglojęzycznym.

Autorzy

Markus, Carolus and Wienrich, 2025

Źródła

1. 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

Powiązane badania na tej stronie

• Przegląd 16 kwestionariuszy, które mierzą wiedzę o AI Lintner (2024). A systematic review of AI literacy scales. npj Science of Learning, 9, 50.
• Samoocena umiejętności cyfrowych a wyniki testu u 629 studentów 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.