关键词 人工智能;焦虑;量表;汉化;信度;效度
doi：10.12102/j.issn.1009-6493.2026.10.017
Chinesization of Artificial Intelligence Anxiety Scale and its reliability and validity test
WANG Dian， SHANG Li， SUN Li， LIU Haihui， WANG Kexin
School of Nursing， Hubei University of Medicine， Hubei China
Corresponding Author SHANG Li， E-mail： 244978683@qq.com
Abstract Objective： To translate the Artificial Intelligence Anxiety Scale（AIAS） into Chinese and to test its reliability and validity among medical students. Methods： The AIAS underwent forward translation， back-translation based on the Brislin translation model. The Chinese version of AIAS was developed by cultural adaptation and a preliminary survey. A total of 305 medical students from two medical universities in Hubei province were selected by a convenience sample from March and April 2025. The reliability and validity of the scale were tested. Results： The Chinese version of the AIAS consisted of 4 dimensions（learning， work substitution， socio-technical blind spots， artificial intelligence configuration） with 20 items. The item-level content validity index ranged from 0.876 to 1.000. The average scale-level content validity index was 0.961. Exploratory factor analysis extracted 4 common factors with a cumulative variance contribution rate of 81.342%. Confirmatory factor analysis indicated a satisfactory model fit. The overall Cronbach's αcoefficient was 0.951. The split-half reliability was 0.734. The test-retest reliability was 0.795. Conclusions： The Chinese version of the AIAS demonstrates acceptable reliability and validity. It could be used as a valid tool to assess the level of artificial intelligence anxiety among medical students in China.
Keywords artificial intelligence; anxiety; scale; Chinesization; reliability; validity
当前，人工智能（artificial intelligence， AI）已在影像诊断 [1] 、辅助手术 [2] 、药物研发 [3] 、健康管理 [4] 等医疗领域广泛应用，不仅显著提升了医疗服务的效率与质量，为病人提供了智能化、个性化的医疗服务，也有力推动了医疗产业的升级转型，促进了医疗领域的科技创新与发展[5]。然而，随着AI在医疗领域的深度发展，相关伦理争议与病人安全问题相继涌现[6-7]。相关研究显示，近半数医生认为部分临床工作可能被AI替代[8]，37%的护士担忧AI设备故障会对病人安全造成威胁[9]。这种因个体与AI互动而产生的一般性情绪焦虑或恐惧反应被定义为AI焦虑（artificial intelligence anxiety， AIA）[10]，不仅会干扰传统医患关系[8]，还会降低护士对护理机器人的接受度[11]，若无法及时解决，将阻碍AI技术在临床实践中的推广应用[12]。因此，构建并运用有效的AIA评估工具十分重要。目前，国际应用较为广泛的是通用技术焦虑量表（Technophobia
Scale） [13] ，该量表可用于测量个体在面对各类现代技术时所产生的焦虑情绪，但其维度设置聚焦传统信息技术，缺乏对AI技术的针对性测量。Wang等 [10] 基于理性行为理论开发了AIA量表（Artificial Intelligence Anxiety Scale， AIAS），构建了学习焦虑、工作替代焦虑、社会技术盲点焦虑、AI配置焦虑的四维评估体系，与医学生将在临床情境中面临的焦虑源，如手术机器人技能的学习压力、职业替代风险、病人隐私泄漏涉及的伦理风险等高度契合，且该量表针对性较强，具有良好信效度，是评估医学生AIA水平的有效工具。本研究对AIAS进行汉化，并在医学生中开展信效度检验，旨在进一步促进其在我国医学领域的适用性，从而为更好地识别我国医学生AIA水平、制定干预措施等奠定基础。
1 研究方法
1.1 量表介绍
AIAS由Wang等[10]编制，用于评估个体对AI技术或产品的焦虑程度，包括4个维度，共21个条目，其中学习维度8个条目，工作替代维度6个条目，社会技术盲点维度4个条目，AI配置维度3个条目，采用Likert 7级评分法评分，“非常不同意”计1分，“不同意”计2分，“有点不同意”计3分，“中立”计4分，“有点同意”计5分，“同意”计6分，“非常同意”计7分，总分21～147分，得分越高表示焦虑程度越高。该量表的Cronbach's α系数为0.964[10]，信效度良好。
1.2 量表汉化
1.2.1 量表翻译
本研究在获得原量表作者正式授权后，严格遵循Brislin翻译模型 [14] 的标准化流程，对量表进行直译与回译。1）直译：由2名不同专业研究生（1名为临床医学专业，1名为护理学专业，全国大学生英语六级考试成绩≥550分）分别对原量表进行翻译，形成中文版A1与A2。2）整合：研究团队对中文版A1与A2进行逐项比对和系统校订，综合两者内容后整合形成中文版A3。3）回译：由1名熟悉中文和英文的护理学博士研究生和1名护理专业英语课程教师独立将中文版A3回译为英文，形成回译稿A4和A5。研究团队对比回译稿与原量表的内容差异后，组织回译人员进行讨论并达成共识。4）直译与回译综合：研究团队根据直译和回译结果进行讨论，并咨询语言学家，必要时与原作者进行沟通交流，形成中文版A6。
1.2.2 文化调适
研究团队采用邮件沟通结合面对面访谈的方式，邀请6名具有副教授及以上职称的专家（英语语言学专家1人、熟悉我国文化的量表顾问1人、医学专家1人、心理学专家1人、AI技术专家2人；博士研究生2人、硕士研究生4人）组成评审小组，从语言表达清晰度、文化习惯契合度、本土文化适配性和内容相关性4个方面对中文版A6进行系统评估，逐条评价量表条目并提出具体修改建议，从而确保量表的文化适用性与概念对等性。
1.2.3 预调查
采用便利抽样法，在湖北省某医学院选取20名医学生为预调查对象，使用中文版A6进行预调查。纳入标准：1）全日制在校本科生；2）知情同意并自愿参与本研究。排除标准：1）因各种原因休学或退学；2）研究生、中职生及继续教育学生；3）无法配合完成调查。调查实施前，研究人员向调查对象详细阐明研究目的、方法及意义，获取其书面知情同意。待量表填写完成后，询问调查对象对量表条目的理解度、语言表述的文化适配性及填写体验，重点关注内容易懂性与中文表达习惯符合度，并同步记录量表填写耗时。基于预调查反馈与专家团队建议，研究团队对量表语言表述及内容进行针对性修订，经反复调适后形成具有良好文化适用性的中文版AIAS。
1.3 信效度检验
1.3.1 调查对象
采用便利抽样法，于2025年3月—4月在湖北省2所医学院选取医学生进行调查。纳入与排除标准同预调查。样本量按量表条目数的5～10倍计算 [15] 。本研究中文版AIAS共20个条目，考虑20%的无效问卷 [16] ，样本量应为125～250人。由于因子分析时大样本有助于精准提取公因子、减少误差，样本量大更能有效反映总体特征 [17] ，故最终纳入305名医学生。研究对象均自愿参与本研究并签署知情同意书。本研究已通过湖北医药学院伦理委员会审核批准（编号：2025-PR-116）。
1.3.2 调查工具
1）一般资料调查表：由研究团队基于研究目的并结合文献分析结果自行设计，包括调查对象的基本信息（性别、年龄、入学年份、专业类别、学习成绩等）及对AI工具的使用现状和意愿（AI工具使用频率、每周学习AI知识时间、使用AI工具意愿）。2）中文版AIAS：共20个条目，采用Likert 7级评分法。
1.3.3 资料收集方法
采用线上调查的方式，通过“问卷星”平台发放匿名电子问卷。问卷首页设置详细的指导语，明确阐述研究目的、填写注意事项及保密承诺;所有题项均设置为必填项，确保数据完整性;问卷平均填写时长设置为5～8 min，预调查验证了其时间合理性。本研究共发放319份问卷，回收有效问卷305份，问卷有效回收率为95.61%。所有有效问卷均进行统一编号处理，以备后续数据分析使用。
1.4 统计学方法
采用 SPSS 23.0 和 AMOS 26.0 软件进行统计分析。定性资料采用频数及百分比（%）表示。采用临界比值法和相关系数法进行量表项目分析；采用 Cronbach's α 系数、折半信度、重测信度验证量表信度；采用内容效度、结构效度验证量表效度。以 P<0.05 为有统计学意义。
2.1 文化调适及预调查
结合专家意见以及预调查时医学生对问卷内容的反馈，经研究团队讨论，将条目2“学习使用AI技术/产品使我焦虑”修改为“学习如何使用AI技术/产品让我感到焦虑”;将条目3、条目5～条目7中“让我焦虑”或“使我焦虑”修改为“让我感到焦虑”;将条目18“我担心AI技术/产品可能会导致机器人拥有自主能力”修改为“我担心AI技术/产品可能会让机器人拥有自主权”;将条目20“我觉得人形AI技术/产品（如人形机器人）让我感到不安”修改为“我觉得类人AI技术/产品（如人形机器人）令人生畏”;将条目21“不知道为什么，人形AI技术/产品（如人形机器人）让我感到害怕”修改为“不知道为什么，但类人AI技术/产品（如人形机器人）让我感到害怕”;条目19和条目20语义重复，与原作者协商达成一致意见，最终删去条目19。
2.2 信效度检验
2.2.1 医学生一般资料（见表1）
2 结果
表 1 医学生一般资料 （n=305）
Table 1 General information of medical Students（n=305）
2.2.2 量表项目分析
1）临界比值法：将量表按照总分降序排列，取前27%作为高分组，后27%作为低分组，采用独立样本t检验比较两组各条目得分差异。结果显示，高分组与低分组所有条目差异均有统计学意义（P<0.05），临界
比值为9.657～16.775（均＞3.00），说明条目有较好的鉴别度 [18] 。2）相关系数法：计算各条目得分与中文版AIAS总分的Pearson相关系数。结果显示，相关系数为0.676～0.764（均＞0.40）且达到显著水平（P＜0.01），各条目与量表整体的同质性较高，未删除条目 [19] 。
2.2.3 信效度检验
2.2.3.1 内容效度
条目水平的内容效度指数（intern-level content validity index， I-CVI）≥0.78、平均量表水平的内容效度指数（scale-level content validity index/average， S-CVI/Ave）≥0.90， 提示内容效度较好 [15] 。专家评定结果显示， 量表 I-CVI 为 0.876～1.000， S-CVI/Ave 为 0.961， 表明量表具有良好的内容效度。
2.2.3.2 结构效度
中文版 AIAS 的 KMO 值为 0.933， Bartlett's 球形检验显示 χ2=6 866.603（P<0.01） ，表明适合进行探索性因子分析。采用主成分分析法和最大方差正交旋转法 [20] 提取 4 个特征值 ?1 的公因子，公因子数与原量表维度保持一致，累计方差贡献率为 81.342%。20 个条目在其所属的公因子中载荷值为 0.605～0.916（均 > 0.40）。详见表 2。
表 2 中文版 AIAS 各条目因子载荷
Table 2 Factor loadings of items in the chinese version of the AIAS
采用 AMOS 26.0 软件运用极大似然法进行验证性因子分析 [21] ，经过调整得到结构模型，卡方自由度比 （chi-square ratio， χ2/df ） 为 2.881，适配度指数 （goodness-of-fit index， GFI） 为 0.881，增值拟合指数 （incrementalfit index， IFI）为0.959， 比较适配指数（comparative fit index， CFI）为0.959， 渐进残差均方和平方根（root mean square error of approximation， RMSEA）为0.077。表明模型拟合良好 [22] 。见图1。
图 1 中文版 AIAS 修正后验证性因子分析模型
Figure 1 Modified confirmatory factor analysis model of the Chinese version of the AIAS
2.2.3.3 信度
中文版 AIAS 总体的 Cronbach's α 系数为 0.951，学习、工作替代、社会技术盲点和 AI 配置维度的 Cronbach's α 系数依次为 0.965， 0.919， 0.889， 0.893；量表总体的 Guttman 折半信度为 0.734；通过组内相关系数 （intra-class correlation coefficient， ICC） 检验量表的重测信度，结果显示重测信度为 0.795。
3 讨论
3.1 中文版 AIAS 具有良好的适用性
全球多中心研究显示，医学生的焦虑水平高于同龄非医学生，且亚洲与中东地区学生的焦虑水平较高 [23] 。针对我国医学生的研究发现，其焦虑检出率为27.22%，且焦虑水平与学业压力、职业前景不确定性和技术适应需求呈强相关[24]。Saleem等[25]研究显示，AI技术在医疗领域的快速渗透会加剧医学生的职业焦虑， 37.6% 的学生担忧AI会取代医生， 69.2% 的学生认为AI会削弱医学的人文关怀属性， 54.5% 的学生担忧AI对医患关系会产生负面影响。因此，及时了解医学生的AIA现状并进行干预具有重要意义。本研究通过标准化调适与严谨的心理测量学检验形成中文版AIAS，有利于弥补我国AIA测量工具的不足，为评估医学生的AI适应能力提供量化依据，还可以为医学院校优化课程设置、医疗机构制定人机协作规范提供科学参考，推动AI技术在医疗教育与实践中的良性融入，促进技术赋能与人文关怀的协同发展。此外，该量表还能扩展至医生、护士等不同职业的比较研究，构建覆盖技术接受、心理适应、职业影响的全维度研究框架，兼具跨学科研究价值与实践指导意义。
3.2 中文版 AIAS 具有良好信度
信度指测验结果的一致性、稳定性及可靠性，常通过内部一致性信度衡量 [26] 。信度系数越高表明测验结果的一致性、稳定性和可靠性越强 [27] 。一般认为量表的Cronbach's α 系数>0.70表示内部一致性信度较好，重测信度>0.70表示量表时间稳定性较好。本结果显示，中文版AIAS总体的Cronbach's α 系数为0.951，各维度的Cronbach's α 系数为0.889～0.965（均>0.70），表明中文版AIAS具有较好的内部一致性，能够真实反映医学生对AI技术或产品的焦虑程度。该量表的重测信度为0.795，说明中文版AIAS可以稳定地评估医学生的AIA水平。
3.3 中文版 AIAS 具有良好效度
效度指研究工具能够真实、准确地反映其欲测量的概念或特征的程度，即该工具是否真正测量了它所期望研究的内容，体现了测量的准确性和有效性 [28] 。本研究采用内容效度和结构效度对中文版AIAS的效度进行评价，结果显示，中文版AIAS的I-CVI为0.876～1.000（>0.78），S-CVI/Ave为0.961（>0.90），可认为中文版AIAS具有较好的内容效度，具备测量医学生AIA程度的能力。探索性因子分析提取4个公因子，累计方差贡献率为81.342%（>40%）。验证性因子分析结果显示，GFI值为0.881，略低于理想标准，但处于可接受范围;其余各项拟合指标均达到理想标准。表明中文版AIAS内部结构较稳定，各因子与量表总体保持一致的同时又相互独立，提示该量表能有效评估医学生AIA程度。
4 小结
本研究严格按照量表汉化步骤对AIAS进行汉化，经检验，中文版AIAS信效度可接受，表述简明、清晰、易于理解，在医学生中展现出了较高适用性。但本研究也存在一定的局限性：1）仅将中文版AIAS在医学生中进行信度和效度检验，在其他人群中的适用性尚不清楚。2）仅采用便利抽样法在湖北省2所医学院进行抽样，样本来源局限，样本量较小，结果代表性和普适性有待进一步验证。建议在今后的研究中扩大抽样范围和样本量，开展大样本、多中心研究，使结果更具代表性和科学性。
参考文献：
[1] 周翔， 王培军. 中国医学影像 AI 发展现状及展望 [J]. 同济大学学报 （医学版）， 2025， 46（1）： 1-7.
[2] 王岩. AI赋能机器人辅助关节外科手术的应用、研究进展及展望 [J]. 中华外科杂志， 2025， 63（1）： 32-38.
[3] 余泽浩， 张雷明， 张梦娜， 等. 基于 AI 的药物研发： 目前的进展和未来的挑战 [J]. 中国药科大学学报， 2023， 54（3）： 282-293.
[4] 胡荣， 秦明照. AI 助力心血管健康管理 [J]. 中华健康管理学杂志， 2023， 17（11）： 801-804.
[5] 陈晨， 陈琳， 郭子凯， 等. AI产业开发背景下医疗AI的伦理挑战及对策研究[J]. 中国医学伦理学， 2024， 37（9）： 1046-1051.
[6] 董婷婷. 医疗 AI 产品对患者安全的影响及对策研究 [J]. 医学信息学杂志， 2021， 42（2）： 9-15.
[7] 温涛， 高冉， 孙佳乐， 等. AI 在医疗诊治应用中的医学伦理研究状况与展望 [J]. 中国医学伦理学， 2024， 37（9）： 1068-1072.
[8] 李明， 李昱熙， 戴廉， 等. 医生对医疗 AI 使用意愿性以及影响因素分析 [J]. 医学信息学杂志， 2024， 45（5）： 26-31.
[9] ?NAM?， OKAY S. Evaluation of nurses' perspectives on the design and use of assistant nurse robots in obstetrics and neonatal care： a mixed-method study[J]. BMC Nursing， 2025， 24（1）：359.
[10] WANG Y Y， WANG Y S. Development and validation of an Artificial Intelligence Anxiety Scale： an initial application in predicting motivated learning behavior[J]. Interactive Learning Environments， 2022， 30（4）：619–634.
[11] 姚宇哲. 护士对护理机器人感知风险及接受度的调查研究[D]. 上海： 中国人民解放军海军军医大学， 2024.
[12] KAYA F， AYDIN F， SCHEPMAN A， et al. The roles of personality traits， AI anxiety， and demographic factors in attitudes toward artificial intelligence[J]. International Journal of Human-Computer Interaction， 2024， 40（2）：497-514.
[13] KHASAWNEH O Y. Technophobia： examining its hidden factors and defining it[J]. Technology in Society， 2018， 54：93–100.
[14] 王晓娇， 夏海鸥. 基于Brislin经典回译模型的新型翻译模型的构建及应用[J]. 护理学杂志， 2016， 31（7）： 61-63.
[15] 季佳楠， 冯扣兰， 彭美娣. 治疗性自我护理量表的汉化及在慢性病患者中的信效度检验[J]. 护士进修杂志， 2025， 40（3）： 238-242; 255.
[16] 孟迪， 章海滨. 护士对无效治疗态度量表的汉化及信度效度检验 [J]. 中国护理管理， 2024， 24（10）： 1476-1480.
[17] 邓洁， 陶立元， 刘楠， 等. 约克郡新冠康复量表改良版（C19-YRSm）的汉化及信效度检验研究[J]. 中国全科医学， 2025， 28（13）： 1642-1648.
[18] GASKIN C J， HAPPELL B. On exploratory factor analysis： a review of recent evidence， an assessment of current practice， and recommendations for future use[J]. International Journal of Nursing Studies， 2014， 51（3）：511-521.
[19] 孙素亚， 石东辉， 陈伟仙， 等. 过渡期炎症性肠病患者过渡准备量表的汉化及信效度检验 [J]. 军事护理， 2024， 41（9）： 38-41.
[20] SCHREIBER J B. Issues and recommendations for exploratory factor analysis and principal component analysis[J]. Research in Social and Administrative Pharmacy， 2021， 17（5）：1004-1011.
[21] 庄冬梅， 胡少华， 汪艳， 等. 癌症患者家庭照顾者照顾能力量表的汉化及信效度检验 [J]. 军事护理， 2025， 42（2）： 67-70.
[22] 顾嘉鑫， 徐晓东， 韩娜， 等. 保护性隔离感知量表的汉化及其在造血干细胞移植患者中的信度效度检验 [J]. 中国护理管理， 2023， 23（12）： 1806-1811.
[23] QUEK T T， TAM W W， TRAN B X， et al. The global prevalence of anxiety among medical students： a meta-analysis[J]. Int J Environ Res Public Health， 2019， 16（15）： 2735.
[24] MAO Y， ZHANG N， LIU J L， et al. A systematic review of depression and anxiety in medical students in China[J]. BMC Med Educ， 2019， 19（1）：327.
[25] SALEEM M， HUSSAIN S M， ALI S， et al. Effects of the medicinal plant， tamarindus indica， as a potential supplement， on growth， nutrient digestibility， body composition and hematological indices of cyprinus carpio fingerlings[J]. Heliyon， 2024， 10（13）： e33901.
[26] 吉彬彬， 彭扬洋， 刘志英， 等. 孤独症儿童社会融入量表的汉化及信效度检验[J]. 军事护理， 2025， 42（2）： 30-33.
[27] 刘佳丽， 杨芬， 胡婷， 等. 老年人社会网络量表的汉化及信效度检验 [J]. 军事护理， 2023， 40（9）： 35-38.
[28] 李峥， 刘宇. 护理学研究方法 [M]. 2 版. 北京： 人民卫生出版社， 2022：81.
（收稿日期：2025-06-01;修回日期：2026-02-09）
（本文编辑 陈琼）
