Translation and validation of the artificial intelligence anxiety scale in German
Notice bibliographique
Résumé
AIM: Artificial intelligence anxiety refers to fear due to challenges caused by AI-related changes in one's own life. As the first study, our aim was to translate and validate the German version of the Artificial Intelligence Anxiety Scale (AIAS-G). Furthermore, norm values (i.e., reference scores derived from the population) were presented. METHODS: Data were used from a quota-based sample of the adult population in Germany spanning from 18 to 74 years (n = 3,270) reflecting the German population in terms of sex, age and federal state. Data were collected in January 2025. The translation process followed established guidelines. Reliability was determined (in terms of Cronbach's alpha and McDonald's omega). Confirmatory factor analysis was conducted to examine construct validity. Concurrent validity was investigated by calculating pairwise correlations of AIAS-G with depressive symptoms, anxiety symptoms, life satisfaction and ikigai (Japanese concept mainly referring to meaning/purpose in life). Moreover, norm values were offered (also for specific sociodemographic groups). The AIAS-G sum score ranges from 21 to 147, with higher values corresponding to a higher AI anxiety level. RESULTS: Cronbach's alpha was .97 for the AIAS-G (subscales from .94 to .98). The mean AI anxiety level was 69.6 (SD: 32.6), with highest mean levels among women, older adults, individuals being divorced/widowed, individuals with low education, and retired individuals. The four-factor model originally proposed was substantiated by the findings of the confirmatory factor analysis. Higher levels of AI-related anxiety were associated with more depressive symptoms (r = .32, p < .001), more anxiety symptoms (r = .34, p < .001), lower life satisfaction (r = -.16, p < .001) and lower ikigai levels (r = -.21, p < .001). CONCLUSION: The AIAS-G is a psychometrically sound instrument designed to determine AI anxiety levels among German speakers. Further translation and validation studies are necessary to enable comparisons across various countries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».