面向数智时代的新素养：人智协同创新素养的结构与测量

doi:10.12139/j.1672-0628.2026.03.012

摘要/Abstract

摘要：

人智协同已成为数智时代创新的新常态，与之适配的人智协同创新素养亦成为重要研究议题。本研究采用质性和量化研究方法，探究人智协同创新素养的结构与测量。研究1采用质性方法，对16名AI行业一线从业人员以及具有丰富人−AI协同创新经验的人员进行半结构化访谈，访谈围绕人智协同创新过程中需要的素养展开。结果发现，人智协同创新素养由知识、技能、态度、价值观、伦理五个范畴构成。研究2采用量化方法，在研究1基础上编制了人智协同创新素养量表，对共计3432名被试进行施测。结果发现，人智协同创新素养量表包括知识和技能、态度和价值观、伦理3个维度；量表具有良好的内部结构与信效度，符合心理测量学要求，可作为测量人智协同创新素养的有效工具。

关键词: 人智协同创新素养, 量表编制, 质性研究, 人机协同, 技术相关素养

Abstract:

Human-AI collaboration has become a new norm for creative activities in the digital-intelligence era, and the corresponding human-AI collaborative creativity literacy has thus emerged as a prominent research topic. This study employed both qualitative and quantitative methods to explore the structure and measurement of human-AI collaborative creativity literacy. Study 1 conducted semi-structured interviews with 16 frontline AI professionals and individuals with rich experience in human-AI collaborative creativity. The interviews focused on the literacy required for human-AI collaborative creativity. The results showed that such literacy comprised five categories: knowledge, skills, attitudes, values, and ethics. Building on these findings, Study 2 developed a scale to measure human-AI collaborative creativity literacy and administered it to a total of 3432 participants. The results showed that the scale comprised three dimensions: knowledge and skills, attitudes and values, and ethics. The scale demonstrates a sound internal structure, good reliability and validity, and met psychometric requirements, indicating that it can serve as an effective instrument for assessing human-AI collaborative creativity literacy.

Key words: human-AI collaborative creativity literacy, scale development, qualitative research, human-machine collaboration, technical literacy

中图分类号:

B849

翟宏堃, 周详, 付江洪, 李坤钊, 崔虞馨, 魏晓薇. 面向数智时代的新素养：人智协同创新素养的结构与测量[J]. 心理与行为研究, 2026, 24(3): 375-383.

Hongkun ZHAI, Xiang ZHOU, Jianghong FU, Kunzhao LI, Yuxin CUI, Xiaowei WEI. New Literacy for the Digital Intelligence Era: The Structure and Measurement of Human-AI Collaborative Creativity Literacy[J]. Studies of Psychology and Behavior, 2026, 24(3): 375-383.

图/表 10

参考文献 0

	白博仁, 周详, 张婧婧, 崔虞馨. 人工智能自恋提升人机合作创新意愿及其机制. 心理与行为研究, 2024, 22 (1): 137- 144.
	蔡迎春, 张静蓓, 虞晨琳, 王健. 数智时代的人工智能素养: 内涵、框架与实施路径. 中国图书馆学报, 2024, 50 (4): 71- 84.
	陈向明. (2000). 质的研究方法与社会科学研究. 北京: 教育科学出版社.
	崔虞馨. (2024). 人工智能创造者身份信息对创造力评价的影响及其机制(博士学位论文). 南开大学, 天津.
	顾远东, 彭纪生. 创新自我效能感对员工创新行为的影响机制研究. 科研管理, 2011, 32 (9): 63- 73.
	郭亚军, 寇旭颍, 冯思倩, 刘坤锋, 徐瑞朝. 人工智能素养: 内涵剖析与评估标准构建. 图书馆论坛, 2025, 45 (2): 42- 50.
	李楠, 刘申奥, 吉久明. 连续统视域下高校学生智能素养评价体系构建. 情报理论与实践, 2025, 48 (1): 150- 159.
	梁钦, 吴涵, 沙星雨, 陆程程. 中国大学生数字素养现状、问题与对策——基于全国29,425名学生的样本数据. 电化教育研究, 2025, 46 (4): 73- 78, 85. DOI
	谭秀娟, 鹿子佳, 聂永飞, 白学军. 大学生电信网络受骗易感性量表的编制. 心理与行为研究, 2025, 23 (2): 280- 288.
	吴明隆. (2018). 问卷统计分析实务——SPSS操作与应用. 重庆: 重庆大学出版社.
	薛璐璐, 冯加根, 杨海波, 方平, 杨卓. 中小学教师资格考试认同问卷的编制及应用. 心理与行为研究, 2024, 22 (6): 822- 829.
	杨鸿武, 张笛, 郭威彤. STEM背景下人工智能素养框架的研究. 电化教育研究, 2022, 43 (4): 26- 32.
	杨梦真, 王景辉. 从信息素养到人工智能素养: 高校图书馆素养教育的演进. 图书馆学刊, 2024, 46 (8): 29- 32. DOI
	张银荣, 杨刚, 徐佳艳, 曾群芳, 陈际焕. 人工智能素养模型构建及其实施路径. 现代教育技术, 2022, 32 (3): 42- 50.
	赵必华, 顾海根. 心理量表编制中的若干问题及题解. 心理科学, 2010, 33 (6): 1467- 1469.
	钟晓钰, 李铭尧, 李凌艳. 问卷调查中被试不认真作答的控制与识别. 心理科学进展, 2021, 29 (2): 225- 237.
	Adler, P. A., & Adler, P. Review: Learning from strangers: The art and method of qualitative interview studies. Contemporary Sociology, 1995, 24 (3): 420. DOI
	Binkley, M., Erstad, O., Herman, J., Raizen, S., Ripley, M., Miller-Ricci, M., & Rumble, M. (2012). Defining twenty-first century skills. In P. Griffin, B. McGaw, & E. Care (Eds.), Assessment and teaching of 21st century skills (pp. 17–66). Dordrecht, Netherlands: Springer.
	Carmeli, A., & Schaubroeck, J. The influence of leaders’ and other referents’ normative expectations on individual involvement in creative work. The Leadership Quarterly, 2007, 18 (1): 35- 48. DOI
	Cetindamar, D., Kitto, K., Wu, M. J., Zhang, Y., Abedin, B., & Knight, S. Explicating AI literacy of employees at digital workplaces. IEEE Transactions on Engineering Management, 2024, 71, 810- 823. DOI
	Chiu, T. K. F., Ahmad, Z., Ismailov, M., & Sanusi, I. T. What are artificial intelligence literacy and competency? A comprehensive framework to support them. Computers and Education Open, 2024, 6, 100171. DOI
	Davies, A., Veličković, P., Buesing, L., Blackwell, S., Zheng, D., Tomašev, N., ... Kohli, P. Advancing mathematics by guiding human intuition with AI. Nature, 2021, 600 (7887): 70- 74. DOI
	Del Giudice, M. (2022). The square-root scree plot: A simple improvement to a classic display. Retrieved July 20, 2025, from https://openpsych.net/paper/69/
	Greiff, S., Wüstenberg, S., Csapó, B., Demetriou, A., Hautamäki, J., Graesser, A. C., & Martin, R. Domain-general problem solving skills and education in the 21st century. Educational Research Review, 2014, 13, 74- 83. DOI
	Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A primer on partial least squares structural equation modeling (PLS-SEM) (2nd ed.). Los Angeles: Sage.
	Hong, J. W., Peng, Q. Y., & Williams, D. Are you ready for artificial Mozart and Skrillex? An experiment testing expectancy violation theory and AI music. New Media & Society, 2021, 23 (7): 1920- 1935. DOI
	Horn, J. L. A rationale and test for the number of factors in factor analysis. Psychometrika, 1965, 30 (2): 179- 185. DOI
	International Technology Education Association (ITEA). (2007). Standards for technological literacy: Content for the study of technology (3rd ed.). Reston, VA: International Technology Education Association.
	Laupichler, M. C., Aster, A., Schirch, J. & Raupach, T. Artificial intelligence literacy in higher and adult education: A scoping literature review. Computers and Education: Artificial Intelligence, 2022, 3, 100101. DOI
	Levy, Y. (2006). Assessing the value of E-Learning systems. Hershey, PA: IGI Global Scientific Publishing.
	Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI conference on human factors in computing systems (pp. 1–16). Honolulu, HI: Association for Computing Machinery.
	Ng, D. T. K., Leung, J. K. L., Chu, K. W. S. & Qiao, M. S. AI literacy: Definition, teaching, evaluation and ethical issues. Proceedings of the Association for Information Science and Technology, 2021, 58 (1): 504- 509. DOI
	Rafner, J., Beaty, R. E., Kaufman, J. C., Lubart, T., & Sherson, J. Creativity in the age of generative AI. Nature Human Behaviour, 2023, 7 (11): 1836- 1838. DOI
	Reddy, P., Chaudhary, K., & Hussein, S. A digital literacy model to narrow the digital literacy skills gap. Heliyon, 2023, 9 (4): e14878. DOI
	UNESCO. (2021). International forum on AI and education: Ensuring AI as a common good to transform education. Paris: UNESCO.
	Vinchon, F., Lubart, T., Bartolotta, S., Gironnay, V., Botella, M., Bourgeois-Bougrine, S., ... Gaggioli, A. Artificial intelligence & creativity: A manifesto for collaboration. The Journal of Creative Behavior, 2023, 57 (4): 472- 484. DOI
	Zhu, Q., Huang, Y., Zhou, D. L., Zhao, L. Y., Guo, L. L., Yang, R. Y., ... Luo, Y. Automated synthesis of oxygen-producing catalysts from Martian meteorites by a robotic AI chemist. Nature Synthesis, 2024, 3 (3): 319- 328. DOI

选择编码	主轴编码(括号中为参考点数量)
知识	AI技术基础知识(61)、AI技术局限性知识(43)、专业知识(51)、文化适配知识(7)
技能	AI工具操作能力(28)、AI交互优化能力(47)、AI成果评估能力(56)、AI成果实践能力(36)、信息检索能力(17)、自身创新能力(24)、问题拆解能力(24)、经验积累能力(19)、反思能力(50)
态度	主动探索态度(26)、积极开放态度(41)、审慎态度(44)、合作包容态度(15)、技术期待态度(19)、客观公正态度(22)
价值观	人类主导创新(47)、AI促进人类进步(50)、AI价值正向导向(37)、AI带来经济价值(8)、AI辅助创新(55)、AI技术普惠(8)
伦理	隐私与版权伦理(37)、行业伦理规范(23)、人机关系伦理(50)、AI开发伦理(9)、AI创作伦理(25)、 AI技术滥用伦理(14)、责任归属伦理(24)、技术公平伦理(9)

选择编码	主轴编码(括号中为参考点数量)
知识	AI技术基础知识(61)、AI技术局限性知识(43)、专业知识(51)、文化适配知识(7)
技能	AI工具操作能力(28)、AI交互优化能力(47)、AI成果评估能力(56)、AI成果实践能力(36)、信息检索能力(17)、自身创新能力(24)、问题拆解能力(24)、经验积累能力(19)、反思能力(50)
态度	主动探索态度(26)、积极开放态度(41)、审慎态度(44)、合作包容态度(15)、技术期待态度(19)、客观公正态度(22)
价值观	人类主导创新(47)、AI促进人类进步(50)、AI价值正向导向(37)、AI带来经济价值(8)、AI辅助创新(55)、AI技术普惠(8)
伦理	隐私与版权伦理(37)、行业伦理规范(23)、人机关系伦理(50)、AI开发伦理(9)、AI创作伦理(25)、 AI技术滥用伦理(14)、责任归属伦理(24)、技术公平伦理(9)

	样本1	样本2	样本3	样本4	样本5
性别
男性	294	519	198	403	47
女性	393	719	225	484	150
职业
在校学生	632	1189	113	417	197
非学生	55	49	310	470	0
学历
专科及以下	143	41	31	187	0
本科	381	993	274	455	197
硕士及以上	163	204	118	245	0
年龄(M±SD)(岁)	23.81±2.93	20.58±2.29	25.97±2.45	25.47±2.56	20.84±0.75

	样本1	样本2	样本3	样本4	样本5
性别
男性	294	519	198	403	47
女性	393	719	225	484	150
职业
在校学生	632	1189	113	417	197
非学生	55	49	310	470	0
学历
专科及以下	143	41	31	187	0
本科	381	993	274	455	197
硕士及以上	163	204	118	245	0
年龄(M±SD)(岁)	23.81±2.93	20.58±2.29	25.97±2.45	25.47±2.56	20.84±0.75

条目	知识和技能	态度和价值观	伦理	共同度
15.我自身具备足够的创新能力，能引导AI产出我想要的效果。	0.85	0.11	−0.28	0.81
11.我能够从多维度评估AI成果(评估成果的创新性/可实施性/真实性等)。	0.84	−0.15	0.06	0.73
8.我能够清晰、准确地向AI描述我的目标需求。	0.83	−0.06	0.07	0.70
9.我能够根据AI的表现与反馈，灵活地调整我使用AI的策略。	0.81	−0.13	0.09	0.68
18.我会总结与AI交互的经验，以便下次更好地使用AI。	0.80	−0.13	0.19	0.69
16.我能够将目标需求拆解为AI可执行的子问题。	0.79	−0.09	0.08	0.64
13.我能够将AI生成的知识整合到自己的专业知识体系中。	0.79	−0.11	0.21	0.68
14.我能够从AI提供的多个方案中选择最优解。	0.75	−0.07	0.25	0.63
10.我能够在AI成果中加入自己的想法，进行二次创作。	0.75	−0.19	0.24	0.66
5.在使用AI完成创新任务之前，我已掌握相关领域的专业知识。	0.73	0.09	−0.21	0.59
6.我能够熟练地操作AI工具。	0.72	0.23	−0.16	0.60
17.我能全程掌控和AI的合作过程，确保按我的目标推进。	0.71	0.24	−0.16	0.59
7.我能够根据任务类型选择最合适的AI工具。	0.69	0.18	−0.16	0.53
4.我能够运用专业知识判断AI生成内容的准确性。	0.69	0.07	−0.10	0.49
12.我能把AI给出的方案用到实际工作或学习中。	0.64	0.13	0.24	0.48
31.我将AI视作我的合作伙伴。	0.07	0.83	−0.17	0.72
24.AI可以降低创新试错成本。	−0.12	0.82	0.00	0.69
20.AI可以拓展创新思路。	−0.16	0.80	0.18	0.70
29.我认为AI能够帮助我完成任务。	−0.09	0.78	−0.09	0.62
22.AI可以从多角度给出建议。	−0.13	0.72	0.30	0.63
26.我享受与AI合作解决问题的过程。	0.22	0.71	−0.21	0.60
32.我认为AI最终成果是我和AI一起付出了努力的结果。	0.16	0.71	−0.22	0.58
21.AI能提供海量的知识资料。	−0.07	0.64	0.29	0.50
23.AI可以激发灵感。	0.11	0.64	0.15	0.44
19.AI可以帮助突破个体思维局限。	0.13	0.61	0.26	0.46
36.使用者应验证AI提供信息的真实性。	0.09	−0.09	0.82	0.69
40.应建立对违规使用AI者的惩罚机制。	0.07	0.06	0.82	0.68
35.使用者应避免使用存在版权争议的AI工具。	0.08	−0.09	0.80	0.65
34.训练AI时应标注AI训练数据集的来源，且不使用未授权数据。	−0.06	0.12	0.79	0.64
38.专业领域的AI成果应用必须经人类专家终审。	0.06	−0.07	0.79	0.63
37.AI决策过程需要透明，具有可解释性。	−0.13	0.29	0.65	0.52
方差抽取	8.92	5.76	4.57
方差抽取(%)	28.79	18.57	14.75
累积抽取(%)	28.79	47.36	62.11