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
Kurzbeschreibung
Es gibt zwar bereits Instrumente, um AI Literacy zu erheben. Diese weisen jedoch einige Lücken auf, sind etwa häufig nur auf einen bestimmten Kontext anwendbar. Aus diesem Grund stellen die Autor*innen in vorliegendem Beitrag mit der Meta AI Literacy Scale (kurz: MAILS) ein neues Erhebungsinstrument vor. Dieses ist in mehrfacher Hinsicht besonders. So baut es auf aktueller Forschungsliteratur zu AI Literacy auf, soll kontextübergreifend einsetzbar sein und psychologische Meta-Kompetenzen berücksichtigen. MAILS gliedert AI Literacy in vier Bereiche, nämlich Künstliche Intelligenz (1) zu nutzen und anzuwenden, (2) zu verstehen, (3) zu erkennen und (4) in KI-Ethik. Hinzu kommen als separate Konstrukte die Fähigkeit, Künstliche Intelligenz zu erstellen, sowie Selbstwirksamkeit und Selbstmanagement in Bezug auf Künstliche Intelligenz. Das vorgestellte Instrument soll sowohl Wissenschaftler*innen als auch pädagogischen Fachkräften dazu dienen, AI Literacy und damit zusammenhängende Konstrukte zu erfassen.
Annahmen über die Folgen der Digitalisierung
Künstliche Intelligenz hält Einzug in unser Leben. Sowohl im Beruf als auch in der Freizeit wird Künstliche Intelligenz zunehmend an Bedeutung gewinnen. So werden beispielsweise immer mehr Arbeitsplätze ausgeschrieben, die einen Bezug zu Künstlicher Intelligenz haben. Künstliche Intelligenz bringt verschiedene Herausforderungen mit sich, darunter auch, sie zu verstehen. Denn die einer Künstlichen Intelligenz zugrunde liegenden Systeme und Möglichkeiten sind nur schwer zu durchschauen. Angesicht ihrer Bedeutung im Alltag brauchen die Menschen Fähigkeiten im Umgang mit Künstlicher Intelligenz.
Kompetenzanforderungen
Alle Menschen müssen verstehen, was eine Künstliche Intelligenz ist, wozu sie in der Lage ist und wie sich von ihr profitieren lässt.
Kompetenzbegriffe (nach dem Papier)
Unterdimensionen (nach dem Papier)
Use & apply AI,
Understand AI,
Detect AI,
AI Ethics
Kompetenzdimensionen (nach dem Rahmenkonzept von Digitales Deutschland)
Instrumentell-qualifikatorische Dimension: Künstliche Intelligenz nutzen können; mit Künstlicher Intelligenz interagieren können.
Kognitive Dimension: Definitionen Künstlicher Intelligenz kennen; die wichtigsten Konzepte zum Thema Künstliche Intelligenz kennen; erkennen, ob man es mit einer Künstlichen Intelligenz zu tun hat; zwischen Geräten, die Künstliche Intelligenz nutzen und solchen, die das nicht tun, unterscheiden können; Tools auswählen können, um eine Künstliche Intelligenz zu programmieren.
Affektive Dimension: eigenen Emotionen steuern, während man mit Künstlichen Intelligenz interagiert; sich über aktuelle Entwicklungen auf dem Laufenden halten und sich über neue KI-Anwendungen informieren.
Kreative Dimension: Neue KI-Anwendungen programmieren, entwickeln und gestalten können; Probleme lösen, auf die man bei der Arbeit mit Künstlicher Intelligenz stößt.
Kritisch-reflexive Dimension: Vor- und Nachteile der KI-Nutzung einschätzen können; sich zukünftige Nutzungsformen Künstlicher Intelligenz vorstellen können; unterscheiden können, ob man mit einer Künstlichen Intelligenz oder einem Menschen interagiert; die gesellschaftlichen Folgen abwägen können, die die Nutzung einer Künstlichen Intelligenz mit sich bringt; ethische Aspekte in die Entscheidung einbeziehen können, ob Daten einer Künstlichen Intelligenz genutzt werden sollen; ethische Folgen von KI-gestützten Anwendungen einordnen können; erkennen, ob die eigenen Entscheidungen durch Künstliche Intelligenz beeinflusst werden, und diese Beeinflussung stoppen.
Zentrale theoretische Annahmen über Kompetenz
Literacy beschrieb ursprünglich nur Grundkenntnisse im Lesen und Schreiben. Im Laufe der Zeit wandelte sich diese Definition zu einem breiteren Verständnis, in dem auch komplexere Denk-, Interpretations- und Gestaltungsprozesse Berücksichtigung fanden. Literacy ist ein Oberbegriff für viele Konzepte, wobei sich die meisten davon auf Informationstechnologien beziehen. Zu AI Literacy gibt es zahlreiche Definitionen, die sich in der Anzahl und Zusammensetzung erforderlicher Kompetenzen unterscheiden. Zum Beispiel lässt sich AI Literacy in vier Bestandteile unterteilen - Künstliche Intelligenz kennen und verstehen, sie nutzen und anwenden, sie bewerten und entwickeln sowie KI-Ethik. In den meisten Definitionen gelten Menschen auch dann als kompetent, wenn sie kein umfassendes technisches Wissen haben und Künstliche Intelligenz nicht entwickeln bzw. gestalten können. Die meisten Konzepte zu AI Literacy orientieren sich an einer Taxonomie für Bildungsziele von Benjamin Bloom. Diese Taxonomie ist auch für das vorliegende Instrument leitend. Allerdings verstehen die Autor*innen einzelne Komponenten eher als lose miteinander verbunden und nicht in einer strengen Hierarchie zueinander.
Perspektive der Kompetenzträger*innen auf Kompetenz einbezogen?
keine Angabe
Lebenskontexte der Kompetenzträger*innen einbezogen?
Neben soziodemorafischen Angaben wurde erhoben, inwiefern die Befragten bereits Erfahrung mit Künstlicher Intelligenz haben und was ihre Einstellungen dazu sind. Um den Fragebogen in verschiedenen Sprach- und kulturellen Räumen nutzen zu können, empfehlen die Autor*innen, ihn in weitere Sprachen zu übersetzen.
Herausforderungen der Erfassung von Kompetenz
Viele Erhebungsinstrumente zu AI Literacy sind an spezifische Kontexte gebunden, zum Beispiel den Bildungsbereich. Um AI Literacy zu erfassen, bieten sich verschiedene Wege an (z.B. Tests, Beobachtungen oder Selbsteinschätzungen). Obwohl Tests und Beobachtungen tendenziell objektivere bzw. validiere Ergebnisse erzielen, entscheiden sich die Autor*innen bewusst für ein Selbsteinschätzungsinstrument. Denn dieses hat vor allem aus psychologischer Perspektive einen entscheidenden Vorteil, da Selbsteinschätzung und die Intention, Künstliche Intelligenz zu nutzen, miteinander verbunden sind.
Zentrale empirische Befunde über Kompetenz
Der finale Fragebogen umfasst 34 Items, mit denen AI Literacy und psychologische Kompetenzen gemessen werden können, welche für die langfristige Anwendung Künstlicher Intelligenz notwendig sind. Im Zuge des Validierungsprozesses wurden drei Items aus dem Bereich Wissen und Verständnis von Künstlicher Intelligenz zu einer eigenen Dimension gemacht, dem Erkennen Künstlicher Intelligenz. AI Literacy besteht demnach aus den vier Teilen Nutzung & Anwendung von Künstlicher Intelligenz, Wissen & Verstehen Künstlicher Intelligenz, Erkennen Künstlicher Intelligenz und KI-Ethik. Künstliche Intelligenz zu gestalten bildet keinen Bestandteil von AI Literacy, sondern ein eigenständiges Konstrukt, welches aber mit AI Literacy zusammenhängt. Auch der theoretisch angenommene Faktor KI-Selbstmanagement wurde weiter ausdifferenziert in KI-Selbstwirksamkeit und KI-Selbstkompetenz. Diese beiden Faktoren hängen eng mit AI Literacy zusammen. Die Studie verweist zudem darauf, dass Menschen mit einer positiveren Einstellung zu Künstlicher Intelligenz und einer größeren Bereitschaft, Technologien zu nutzen, sich selbst als kompetenter wahrnehmen.
Quellenangabe
Carolus, A., Koch, M. J., Straka, S., Latoschik, M. E., & Wienrich, C. (2023). 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. Computers in Human Behavior: Artificial Humans, 1(2), 1-10. https://doi.org/10.1016/j.chbah.2023.100014
Sonstige Anmerkungen
Die Befragten berichteten von 158 KI-basierten Systemen, die sie bereits nutzen.