論文の概要: From G-Factor to A-Factor: Establishing a Psychometric Framework for AI Literacy
- arxiv url: http://arxiv.org/abs/2503.16517v1
- Date: Sun, 16 Mar 2025 14:51:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-30 07:31:50.005250
- Title: From G-Factor to A-Factor: Establishing a Psychometric Framework for AI Literacy
- Title（参考訳）: G-FactorからA-Factorへ:AIリテラシーのための心理的フレームワークを確立する
- Authors: Ning Li, Wenming Deng, Jiatan Chen,
- Abstract要約: 我々は、AIリテラシーを、教育、労働開発、および社会的エクイティに重要な意味を持つ、一貫性のある測定可能な構造として確立する。
研究1では、AIのインタラクションタスク間で44.16%のばらつきがある、支配的な潜伏因子("A-factor"と呼ばれる)を明らかにした。
研究2は、AIリテラシーの4つの重要な側面を調べることで測定ツールを洗練させた。
回帰分析では、認知能力(IQ)、教育的背景、AI以前の経験、トレーニング履歴など、AIリテラシーのいくつかの重要な予測要因を特定した。
- 参考スコア（独自算出の注目度）: 1.5031024722977635
- License:
- Abstract: This research addresses the growing need to measure and understand AI literacy in the context of generative AI technologies. Through three sequential studies involving a total of 517 participants, we establish AI literacy as a coherent, measurable construct with significant implications for education, workforce development, and social equity. Study 1 (N=85) revealed a dominant latent factor - termed the "A-factor" - that accounts for 44.16% of variance across diverse AI interaction tasks. Study 2 (N=286) refined the measurement tool by examining four key dimensions of AI literacy: communication effectiveness, creative idea generation, content evaluation, and step-by-step collaboration, resulting in an 18-item assessment battery. Study 3 (N=146) validated this instrument in a controlled laboratory setting, demonstrating its predictive validity for real-world task performance. Results indicate that AI literacy significantly predicts performance on complex, language-based creative tasks but shows domain specificity in its predictive power. Additionally, regression analyses identified several significant predictors of AI literacy, including cognitive abilities (IQ), educational background, prior AI experience, and training history. The multidimensional nature of AI literacy and its distinct factor structure provide evidence that effective human-AI collaboration requires a combination of general and specialized abilities. These findings contribute to theoretical frameworks of human-AI collaboration while offering practical guidance for developing targeted educational interventions to promote equitable access to the benefits of generative AI technologies.
- Abstract（参考訳）: この研究は、生成的AI技術の文脈におけるAIリテラシーの測定と理解の必要性の増加に対処する。
合計517名の参加者を対象とする3つの連続的な研究を通じて,AIリテラシーを,教育,労働開発,ソーシャルエクイティに重要な意味を持つ,一貫性のある,測定可能な構造として確立する。
研究1(N=85)では、AIの相互作用タスク間で44.16%のばらつきがある、支配的な潜伏因子(A因子)が明らかにされた。
研究2(N=286)では,コミュニケーションの有効性,創造的アイデア生成,コンテンツ評価,ステップ・バイ・ステップのコラボレーションという,AIリテラシーの4つの重要な側面を調べて,測定ツールの改良を行った。
実験3 (N=146) では, 実環境におけるタスク性能の予測的妥当性を実証し, 制御された実験室環境での検証を行った。
結果は、AIリテラシーは複雑な言語ベースの創造的なタスクのパフォーマンスを著しく予測するが、予測能力のドメイン特異性を示すことを示している。
さらに、回帰分析では、認知能力(IQ)、教育的背景、AI以前の経験、トレーニング履歴など、AIリテラシーの重要な予測要因が特定された。
AIリテラシーの多次元的性質とその異なる要因構造は、人間とAIの効果的なコラボレーションには、一般的な能力と専門的な能力の組み合わせが必要であることを示す証拠となる。
これらの知見は人間とAIの協調の理論的枠組みに寄与し、生成型AI技術の利点への公平なアクセスを促進するために、対象とする教育介入を開発するための実践的なガイダンスを提供する。
関連論文リスト
- Aligning Generalisation Between Humans and Machines [74.120848518198]
近年のAIの進歩は、科学的発見と意思決定支援において人間を支援できる技術をもたらしたが、民主主義と個人を妨害する可能性がある。
AIの責任ある使用は、ますます人間とAIのチームの必要性を示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳（メタデータ） (2024-11-23T18:36:07Z) - Measuring Human Contribution in AI-Assisted Content Generation [66.06040950325969]
本研究は,AIによるコンテンツ生成における人間の貢献度を測定する研究課題を提起する。
人間の入力とAI支援出力の自己情報に対する相互情報を計算することにより、コンテンツ生成における人間の比例情報貢献を定量化する。
論文 参考訳（メタデータ） (2024-08-27T05:56:04Z) - Decoding AI and Human Authorship: Nuances Revealed Through NLP and Statistical Analysis [0.0]
本研究では,AIが生成したテキストと人間が作成したテキストの微妙な相違について検討する。
本研究は,人文・AI生成テキストに固有の言語特性,創造性パターン,潜在的なバイアスについて検討した。
論文 参考訳（メタデータ） (2024-07-15T18:09:03Z) - OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Responsible AI: Portraits with Intelligent Bibliometrics [30.51687434548628]
この研究は、責任あるAIを定義し、そのコア原則を特定した。
この研究は、2015年からAIコミュニティが寄稿した17,799の論文を実証的に調査した。
複数の分野から380の記事からなるコアコホートの分析は、責任あるAIの最新の進歩を捉えている。
論文 参考訳（メタデータ） (2024-05-05T08:40:22Z) - Augmenting the Author: Exploring the Potential of AI Collaboration in Academic Writing [25.572926673827165]
このケーススタディは、学術的な仕事において、責任と効果的なAI統合を保証するためのAIの限界を認識し、設計、出力分析、そして認識することの重要性を強調します。
この論文は、効果的なプロンプト戦略を探求し、Gen AIモデルの比較分析を提供することにより、ヒューマン・コンピュータインタラクションの分野に貢献する。
論文 参考訳（メタデータ） (2024-04-23T19:06:39Z) - Untangling Critical Interaction with AI in Students Written Assessment [2.8078480738404]
重要な課題は、人間が必須の批判的思考とAIリテラシースキルを備えていることを保証することである。
本稿では,AIと批判的学習者インタラクションの概念を概念化するための第一歩を提供する。
理論的モデルと経験的データの両方を用いて、予備的な発見は、書き込みプロセス中にAIとのディープインタラクションが全般的に欠如していることを示唆している。
論文 参考訳（メタデータ） (2024-04-10T12:12:50Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - MAILS -- Meta AI Literacy Scale: Development and Testing of an AI
Literacy Questionnaire Based on Well-Founded Competency Models and
Psychological Change- and Meta-Competencies [6.368014180870025]
アンケートはモジュラー(すなわち、互いに独立して使用できる異なるファセットを含む)であり、プロフェッショナルな生活に柔軟に適用できるべきである。
我々は、AIリテラシーの異なる側面を表すために、Ngと同僚がAIリテラシーを概念化した60項目を作成した。
AIに関する問題解決、学習、感情制御などの心理的能力を表す12項目が追加されている。
論文 参考訳（メタデータ） (2023-02-18T12:35:55Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。