Artificial Intelligence Usage, Cognitive Offloading, and Academic Performance among Rural Undergraduate Students: A Sequential Mediation Model

Stel je een student voor die laat in de nacht in een stille kamer zit, tegenover een moeilijke opdracht. In het verleden betekende het oplossen van een probleem worstelen met de stof, verschillende benaderingen uitproberen en langzaam begrip opbouwen door inspanning. Vandaag kan diezelfde student een vraag in een kunstmatige intelligentie-tool typen en binnen enkele seconden een volledig, gepolijst antwoord ontvangen. Deze verschuiving vindt razendsnel plaats in scholen door heel India, met name in landelijke gebieden waar studenten vaak een tekort aan toegang hebben tot toegewijde bijlesdocenten of uitgebreide bibliotheken. De centrale vraag voor onderwijzers en psychologen is niet of deze tools bestaan, maar wat er met de geest van de student gebeurt wanneer zij er een afhankelijkheid van ontwikkelen. Twee kernideeën helpen de belangen te verklaren. Ten eerste is het brein geen afgesloten container; het gebruikt vaak externe hulpmiddelen om mee te denken, een concept dat bekend staat als de uitgebreide geest (extended mind). Ten tweede vereist leren een zekere mate van mentale strijd, ook wel cognitieve belasting (cognitive load) genoemd, om sterke, blijvende herinneringen op te bouwen. Als een hulpmiddel alle strijd wegneemt, kan het de leerervaring zelf wegnemen.

Een team van onderzoekers zette zich in om precies te begrijpen hoe deze dynamiek zich afspeelt bij bachelorstudenten in landelijk India. Ze richtten zich op een specifieke groep van 425 studenten die studeren aan openbare en particuliere hogescholen in het platteland. Deze studenten navigeren door een landschap waarin krachtige AI-tools beschikbaar zijn via mobiele telefoons, terwijl er weinig formele begeleiding is over hoe ze deze wijs kunnen gebruiken. De onderzoekers wilden zien of het gebruik van deze tools hielp om beter te leren, of dat het de manier waarop zij hun studie aanpakten veranderde op een wijze die hun langetermijnprestaties schaadde. Ze bouwden een model om een specifieke keten van gebeurtenissen te traceren: hoe het gebruik van AI leidt tot een gewoonte van het mentaal uitbesteden van werk, hoe die gewoonte de bekwaamheid van de student beïnvloedt om het eigen leerproces te beheren, en uiteindelijk hoe dit invloed heeft op hoe zij hun academisch succes waarnemen.

De studie begon met het vragen aan studenten om te rapporteren over hun gewoonten. Ze maten hoe vaak studenten AI-tools gebruikten voor schoolwerk, in welke mate zij die tools vertrouwden om het denkwerk voor hen te doen, hoe goed zij hun eigen studiesessies planden en monitorden, en hoe zij over hun cijfers dachten. De onderzoekers vonden een duidelijk en sterk patroon. Studenten die AI-tools vaker gebruikten, waren aanzienlijk eerder geneigd tot wat men cognitieve offloading (cognitieve ontlasting) noemt. Dit is de praktijk waarbij mentale taken, zoals het herinneren van feiten of het oplossen van problemen, worden overgedragen aan de computer in plaats van het werk zelf te doen. De gegevens toonden aan dat intensief AI-gebruik de sterkste voorspeller was van dit gedrag, en verklaarde meer dan de helft van de variatie in de mate waarin studenten de technologie vertrouwden om voor hen te denken.

Maar het verhaal eindigde daar niet. De onderzoekers ontdekten dat deze gewoonte van het mentaal uitbesteden van werk een directe, negatieve impact had op het vermogen van een student om het eigen leren te reguleren. Zelfgereguleerd leren is de vaardigheid om doelen te stellen, studietijd te plannen, de eigen kennis te controleren en hulp te zoeken wanneer dat nodig is. De studie vond dat wanneer studenten te veel het denken uitbesteedden aan AI, hun vermogen om hun eigen leerprocessen te beheren verzwakte. Ze werden minder geneigd om hun studiesessies te plannen of hun begrip te monitoren. Cruciaal was dat de onderzoekers ontdekten dat dit verlies aan zelfmanagement de werkelijke reden was waarom de academische prestaties achteruitgingen. De AI-tool zelf verlaagde de cijfers niet direct op een eenvoudige, éénstapsmanier. In plaats daarvan stimuleerde de tool een gewoonte van mentale delegatie, wat vervolgens de zelfdiscipline en studiestrategieën van de student uitholde, en het was deze erosie die leidde tot slechtere academische resultaten.

Interessant genoeg onthulde de studie ook een complexer beeld. Hoewel zware offloading schadelijk was, vernietigde het gebruik van AI-tools niet automatisch het leervermogen van een student. Sterker nog, voor sommige studenten was het gebruik van AI gekoppeld aan een betere zelfregulatie, misschien omdat de tools hen hielpen moeilijke concepten te verhelderen of toegang boden tot informatie die ze anders niet hadden kunnen vinden. Het cruciale verschil lag in de manier waarop de student de tool gebruikte. Degenen die AI gebruikten als een vervanging voor het denken, zagen hun leervaardigheden afnemen. Degenen die het gebruikten om hun eigen denken te ondersteunen, behielden of verbeterden hun studiegewoonten. De onderzoekers bevestigden dat het gevaarlijkste pad een specifieke sequentie was: het gebruik van AI leidde tot offloading, offloading verminderde de zelfregulatie, en verminderde zelfregulatie leidde tot lagere academische prestaties. Deze keten van gebeurtenissen was statistisch significant en verklaarde een groot deel van de impact die AI had op het succes van de student.

De bevindingen kregen een scherpere rand toen de onderzoekers naar verschillende groepen studenten keken. Ze vergeleken studenten die academisch al worstelden met studenten die goed presteerden. De resultaten toonden een drastisch verschil in kwetsbaarheid. Studenten met lagere cijfers waren veel eerder geneigd in de val van het uitbesteden van hun denkwerk aan AI te trappen. Voor deze studenten was de link tussen het gebruik van AI en het overdragen van mentaal werk bijna twee keer zo sterk als bij hun hoogpresterende leeftgenoten. Dit suggereert dat de studenten die de meeste steun nodig hebben, juist degenen zijn die het meest risico lopen op schade door ongecontroleerd AI-gebruik. Zij zijn eerder geneigd de technologie te gebruiken als een kortere weg die de inspanning omvat die nodig is om te leren, terwijl hoogpresterende studenten beter in staat zijn om dezelfde tools te gebruiken om hun eigen leren te ondersteunen zonder de controle over het proces te verliezen.

De onderzoekers concludeerden dat de oplossing niet ligt in het verbieden van deze tools, die immers al diep geworteld zijn in het leven van de student, maar in het veranderen van de manier waarop studenten leren om ze te gebruiken. De studie suggereert dat het simpelweg geven van toegang tot AI zonder studenten te leren hoe ze hun eigen leren moeten beheren, gevaarlijk is. In plaats daarvan moeten hogescholen specifieke trainingen integreren die studenten helpen het onderscheid te maken tussen het gebruiken van AI als een helper en het gebruiken ervan als een vervanging voor hun eigen brein. Dit omvat het aanleren aan studenten om hun eigen begrip te controleren, hun studietijd te plannen en de output van AI te zien als iets dat bekritiseerd moet worden in plaats van blindelings geaccepteerd. Het doel is om AI te transformeren van een gemak dat het leren uitholt naar een hulpmiddel dat het ondersteunt. Voor studenten in landelijke gebieden, die vaak een tekort aan andere academische middelen hebben, is dit onderscheid van vitaal belang. Zonder begeleiding loopt de technologie het risico de kloof te vergroten tussen degenen die effectief kunnen leren en degenen die dat niet kunnen, maar met de juiste ondersteuning kan het een krachtig middel voor gelijkheid worden.