医学生 AI 素养的测量：基于自我决定理论框架的量表开发与验证

背景：人工智能（AI）正日益融入医疗保健领域，使 AI 素养成为医学生必备的能力。现有评估往往较为通用，缺乏在医学教育中的验证，也未以学习理论为基础。本研究在自我决定理论（SDT）框架下开发并验证了医学生 AI 素养量表（ALSMS）。

方法：我们采用分样本验证设计（N = 518；探索性因子分析[EFA]，n = 204；验证性因子分析[CFA]，n = 314）。候选维度源自既有 AI 素养工具和此前开发的框架，随后根据 SDT 进行组织。EFA 用于细化一阶结构，CFA 用于交叉验证保留的结构，并比较预设的一阶模型和与 SDT 对齐的高阶模型。

结果：EFA 识别出九个因子，并将其组织到 SDT 的能力、关系和自主性三个领域中。CFA 支持相关九因子结构，并显示出良好的心理测量学特性。模型比较识别出两个与理论一致且拟合良好的方案：相关九因子模型，以及将伦理加载于自主性上的 SDT 对齐二阶模型。单维模型和部分层级一般因子模型表现出较差拟合或识别问题，支持该构念的多维性。

结论：本研究为将 ALSMS 得分解释为 SDT 指导框架下医学生 AI 素养指标提供了初步效度证据。研究结果强调了将伦理纳入支持自主性的课程的重要性，并凸显 ALSMS 在医学教育中用于课程设计、指导咨询及 AI 素养项目评估的潜在效用。