这篇文档属于类型b，是一篇关于人工智能素养（Artificial Intelligence Literacy, AI Literacy）的学术论文，主要探讨了AI素养的内涵、评估标准构建及其与信息素养、数据素养的关系。以下是对该文档的详细报告：

作者与机构
本文的主要作者包括郭亚军、寇旭颍、冯思倩、刘坤锋和徐瑞朝，他们均来自郑州航空工业管理学院信息管理学院。论文发表于《图书馆论坛》2025年第45卷第2期，是国家社会科学基金青年项目“算法分发环境下隐性数字弱势群体信息公平实现路径研究”（项目编号：22CTQ038）的研究成果。

论文主题
本文的主题是人工智能素养的内涵剖析与评估标准构建。随着人工智能（AI）技术在社会各领域的广泛应用，特别是生成式AI（如ChatGPT）的普及，AI素养成为个体适应AI时代的重要能力。论文通过追踪AI素养的发展历程，结合布鲁姆分类法（Bloom’s Taxonomy），深入剖析了AI素养的内涵，并构建了AI素养的评估标准，同时分析了AI素养与信息素养、数据素养之间的区别。

主要观点
1. AI素养的内涵剖析
AI素养被定义为个体在AI时代所需的基本能力，主要包括三个方面：意识和理解AI、应用和分析AI、评估和创造AI。
- 意识和理解AI：这是AI素养的基础，强调个体对AI技术的感知和基本理解。包括对AI存在性的认知、AI应用的功能识别以及对AI技术潜在影响的洞察。
- 应用和分析AI：这是AI素养的技能层面，要求个体具备使用AI技术解决实际问题的能力。包括选择适合的AI工具、根据需求调整算法行为以及通过AI技术进行知识共享和创造。
- 评估和创造AI：这是AI素养的实践层面，强调个体对AI技术的批判性思维和创造性应用。包括对AI伦理风险的评估、对AI技术的创新性应用以及对AI工具的开发优化。

1. AI素养的评估标准构建
   本文从认知层、技能层和实践层出发，构建了AI素养的评估标准，涵盖六个维度：AI意识、AI理解、AI知识、AI技能、AI评估和AI创造。

   • AI意识：包括对AI存在性、应用场景、功能类型和潜在影响的认知。
     
   • AI理解：要求个体掌握AI的基本原理、技术特点及其在不同领域的应用。
     
   • AI知识：涉及个体对AI提示机制、输出语言、应用适配等方面的知识储备。
     
   • AI技能：关注个体在AI技术应用中的实际操作能力，如场景应用、行为调整和人机协同。
     
   • AI评估：强调个体对AI技术伦理、数据安全、技术理性等方面的评估能力。
     
   • AI创造：要求个体具备创新思维，能够通过AI技术进行知识创造和工具开发。

2. AI素养与信息素养、数据素养的关系
   本文分析了AI素养与信息素养、数据素养之间的联系与区别。

   • 联系：AI素养是信息素养和数据素养的扩展，三者均强调个体在数字时代所需的基本能力。信息素养关注信息的获取与利用，数据素养关注数据的操作与分析，而AI素养则强调对AI技术的理解与应用。
     
   • 区别：从认知层面看，AI素养更关注AI技术的原理和潜在影响；从能力层面看，AI素养更强调个体对AI工具的选择与调整；从思维层面看，AI素养更注重批判性思维和创新性应用。

论文的意义与价值
本文的意义在于为AI素养的研究和实践提供了理论框架和评估标准。随着AI技术的快速发展，AI素养成为个体适应AI时代的重要能力。本文通过构建AI素养的评估标准，为AI素养教育提供了参考，同时也为相关领域的研究者提供了新的研究方向。此外，本文还强调了AI素养与信息素养、数据素养之间的关系，为跨学科研究提供了新的视角。

亮点
1. AI素养内涵的全面剖析：本文结合布鲁姆分类法，将AI素养分为意识、应用和评估三个层面，全面剖析了AI素养的内涵。
2. 评估标准的系统性构建：本文从认知、技能和实践三个层次出发，构建了AI素养的评估标准，涵盖六个维度，具有较强的系统性和可操作性。
3. 跨学科视角：本文不仅关注AI素养本身，还将其与信息素养、数据素养进行对比分析，为跨学科研究提供了新的思路。

其他有价值的内容
本文还探讨了AI素养在生成式AI（如ChatGPT）背景下的新变化，强调了AI伦理和安全问题的重要性。随着AI技术的普及，AI素养不仅是技术能力的体现，更是个体在AI时代保持批判性思维和创新能力的关键。本文的研究为AI素养教育提供了重要的理论支持，同时也为AI技术的健康发展提供了参考。