Túl a pozitív–negatív dichotómián: egy többkomponensű MI-attitűdskála fejlesztése és validálása = Beyond the positive-negative dichotomy: develeopment and validation of a multicomponent AI attitude scale

A tanulmány célja egy új, az általános MI-attitűdök mérésére alkalmas skála kidolgozása és előzetes validálása. A többkomponensű általános MI-attitűdskála (Multicomponent Scale of GeneralAttitudes Toward Artificial Intelligence, MCS–GATAI) a klasszikus háromkomponensű attitűdmodellre épül, de a kognitív, affektív, valamint konatív komponenseken belül külön méri apozitív és a negatív értékelési irányokat. A skálafejlesztés során egy 30 tételes itemkészletet szakértői validálásnak vetettünk alá, majd két kvantitatív adatfelvétel alapján 18 tételes mérőeszközzéredukáltunk. A megerősítő faktorelemzés megfelelő modellilleszkedést jelzett (SRMR = 0,073),a faktorsúlyok minden tétel esetében meghaladták a 0,60-os határértéket, a megbízhatósági mutatók (Cronbach-α: 0,71–0,86; CR: 0,72–0,86) pedig az összes konstrukció esetében jónak tekinthetők. A konvergens validitás ugyancsak megfelelő (AVE: 0,46–0,68), a diszkrimináns validitástpedig a HTMT-mutatók segítségével sikerült igazolnunk. Az ily módon kifejlesztett skála lehetőséget teremt az MI-attitűdök komponensalapú, vegyérték szerint differenciált és potenciálisan ambivalens mintázatainak vizsgálatára. | This study aims to develop and initially validate a new scale for measuring general attitudes towards artificial intelligence. The Multicomponent Scale of General Attitudes Toward Artificial Intelligence (MCS–GATAI) builds on the classical three-component model of attitudes and distinguishes positive and negative evaluative directions within cognitive, affective and conative components. During scale development, an initial pool of 30 items was subjected to expert validation and subsequently reduced to an 18-item instrument based on two quantitative data collections. Confirmatory factor analysis indicated acceptable model fit (SRMR = 0.073), factor loadings exceeded 0.60 for all items, and reliability indicators were adequate across all constructs (Cronbach's α: 0.71–0.86; CR: 0.72–0.86). Convergent validity was generally favourable (AVE: 0.46–0.68), and discriminant validity was clearly supported by HTMT ratios. The scale provides a basis for examining AI attitudes as component-based, valence-differentiated and potentially ambivalent patterns.