Валидация и оценка пригодности опросника SNAIL для измерения ИИ-грамотности медицинских работников

Целью исследования была валидация русскоязычной версии опросника SNAIL (Scale for the Assessment of Non-experts’ AI Literacy) и оценка его пригодности для измерения ИИ-грамотности медицинских работников.

Материалы и методы: онлайн-опрос; две выборки – медицинские работники (n = 657 после фильтрации) и студенты информационных технологий/математических направлений (n = 180). Психометрический анализ включал α Кронбаха для субшкал, сравнений внутри групп (t-критерии для парных выборок с поправкой Бонферрони) и между группами (U-критерий Манна–Уитни).

Результаты: внутренняя согласованность хорошая/очень хорошая. Студенты статистически значимо превосходили медработников по всем субшкалам и интегральному показателю. Внутри групп у медработников критическая оценка больше практического применения, причем оба показателя были больше технического понимания; у студентов техническое понимание ниже двух других субшкал, тогда как критическая оценка и практическое применение не различались.

Заключение: русская версия SNAIL демонстрирует надежность и дискриминантную валидность и может применяться для мониторинга ИИ-грамотности медработников и планирования образовательных интервенций; ограничение – самооценочный характер шкалы.

1. Лебедева Д. Мурашко заявил, что в XXI веке карьера врача станет длиннее на 20 лет [Интернет]. Медвестник. Доступно по: https://medvestnik.ru/content/news/Murashko-zayavil-chto-v-XXI-vekekarera-vracha-stanet-dlinnee-na-20-let.html.

2. Баранова Т.В., Гурцкой Л.Д., Смирнова Е.К., Андрусов В.Э., Бурковская Ю.В. Цифровые компетенции медицинского работника: современный стандарт профессионализма // Ремедиум. — 2025. — №29(2). — С.162-166.

3. Демкина А.Е., Шмидт Д.А. Актуальные компетенции современного врача: результаты анализа экспертных интервью. Государственное и муниципальное управление // Ученые записки. — 2025. — №2. — С.241-251.

4. Казанфарова М.А., Велданова М.В., Природова О.Ф., Ардаширова Н.С., Жулина Ю.С., Чистякова С.Ю. Цифровые компетенции в практике медицинского персонала: результаты опроса 18 000 врачей и медсестер на портале непрерывного медицинского и фармацевтического образования // Врач и информационные технологии. — 2024. — №2. — С.52-67.

5. Иванова А.Е., Тарасова К.В., Талов Д.П. Между интересом и умением: как студенты воспринимают и применяют ИИ // Высшее образование в России. — 2025. — №34(8-9). — С.9-32.

6. Стрельников С.С., Вохминцев А.П., Каткова А.Л., Ушакова О.М. Потенциал влияния ИИ-грамотности на информационное поведение студентов // Мир науки. Педагогика и психология. — 2024. — №12(4).

7. Lintner T. A systematic review of AI literacy scales. NPJ Sci Learn. 2024; 9(1): 50. doi: 10.1038/s41539-024-00264-4.

8. Laupichler MC, Aster A, Haverkamp N, Raupach T. Development of the “Scale for the assessment of nonexperts’ AI literacy” — An exploratory factor analysis. Computers in Human Behavior Reports. 2023; 12: 100338. doi: 10.1016/j.chbr.2023.100338.

9. Laupichler MC, Aster A, Meyerheim M, Raupach T, Mergen M. Medical students’ AI literacy and attitudes towards AI: a cross-sectional two-center study using pre-validated assessment instruments. BMC Med Educ. 2024; 24(1): 401. doi: 10.1186/s12909-024-05400-7.

10. Comrey AL, Lee HB. A first course in factor analysis. Hillsdale, NJ: Lawrence Erlbaum Associates; 1992.