Experiential Versus Instructional Approaches for Eliciting Metacognitive Awareness in AI-Assisted Learning: A Short-Term Longitudinal Study

想象一下你正在学习骑自行车。你可以坐在教室里，听老师在白板上画出齿轮、踏板和平衡的完美图解，详细解释其中的物理原理。这就是指令式学习（instructional learning）：从他人那里获取知识，循序渐进，而不必亲自动手。或者，你可以跳上一辆摇晃的自行车，经历摇晃、摔倒、爬起来，通过感受风和路面的触感来摸索如何保持平衡。这就是体验式学习（experiential learning）：通过实践、犯错并反思所发生的一切来学习。

现在，想象一下，你学习的对象不再是自行车，而是一个名为**生成式人工智能（GenAI）的超级聪明机器人朋友，它可以帮你学习。这个机器人可以在几秒钟内写出论文、解决数学题并解释复杂的概念。但问题在于：如果你只是让机器人完成所有的工作，你可能会停止独立思考。这就是元认知（metacognition）**发挥作用的地方。把元认知想象成你的大脑“仪表盘”或“内在教练”。它是一种思考“你是如何思考”的能力。一个优秀的内在教练知道哪些策略是有效的（比如要求机器人挑战你的观点），哪些策略是陷阱（比如让机器人写完你的整份作业）。现在教育工作者面临的一个重大问题是：在教授学生使用这种强大的 AI 工具时，是给他们上一堂关于它的讲座更好，还是让他们通过实践和体验来学习更好？

实验：讲座大厅 vs. 游乐场

巴塞罗那庞培法布拉大学（Universitat Pompeu Fabra）的研究人员决定通过一项现实世界的实验来解决这场争论。他们收集了 126 名一年级工程系学生，并将他们分为两组。两组人都花了两个小时学习如何有效地使用生成式 AI，但他们的学习方式截然不同。

第一组是指令组（Instructional Group），他们参加了传统的讲座。他们听专家讲解使用 AI 的“正确”与“错误”方式。他们听到了关于过度依赖 AI 会导致大脑变懒（一个被称为“认知卸载”的概念，即把思考外包给机器）的故事。他们学习了理论，但在课程期间并没有实际操作 AI。

第二组是体验组（Experiential Group），他们亲自动手实践。他们不仅是在听，更是在玩。他们被给予了四个具体的挑战。其中一个任务是要求他们在询问 AI 检查之前，先自己写一段文章摘要，从而迫使他们先进行思考。在另一个任务中，他们要为一个观点进行辩论，并要求 AI 扮演“苏格拉底式导师”，通过提问来挑战他们的论点。他们还尝试了“错误”的做法——直接向 AI 索要答案并直接复制，以观察跳过思考过程的感觉如何。在每项任务结束后，他们都会停下来进行反思。

研究人员想要观察这两种方法如何改变学生的“内在教练”（即他们的元认知意识），包括在课程结束后的即时状态以及五周之后的状态。他们测量了两个主要指标：

1. 知识： 学生是否理解哪些策略是有效的？
2. 调节： 学生是否能够实际运用这些策略来控制自己的学习？

结果：快速起跑 vs. 漫长马拉松

研究结果就像是一场从短跑变成马拉松的比赛。

课程结束后的即时情况（短跑阶段）：
体验组（玩家）取得了巨大的领先优势。在完成动手实践课程后，他们立即掌握了更多关于有效使用 AI 策略的知识，并且比讲座组对工具表现出更高的参与度。他们的“内在教练”完全醒了过来。他们理解了将 AI 作为合作伙伴与将其作为拐杖之间的区别。

然而，指令组（听众）在刚开始时表现得比较复杂。虽然他们在讲座后确实表示对 AI 的态度略微积极了一些，且对工具的参与度有所提高，但他们在理解“如何使用 AI 策略”（元认知知识）方面并没有显著提升。讲座并没有立即唤醒他们关于有效学习所需特定策略的内在教练。

五周之后（马拉松阶段）：
有趣的故事在这里发生了。五周后，两组在参与度上的差距缩小了。那些仅仅听讲座的学生在对工具的参与度上已经赶上了“玩家组”。他们通过日常使用 AI 逐渐发现，讲座中的建议确实是正确的。讲座组通过自身的实践，慢慢学到了“玩家组”瞬间掌握的东西。

但有一个转折：虽然参与度的差距缩小了，但体验组开始展现出一种新的特殊超能力：调节能力（Regulation）。

在这五周的时间里，那些进行过动手练习的学生不仅“知道”这些策略，他们开始越来越好地“运用”这些策略。他们监控和调整自身思维的能力不断增长。他们变得越来越擅长控制自己如何使用 AI。相比之下，讲座组则进入了平台期。他们知道这些策略，但似乎并没有随着时间的推移而在“应用”方面变得更好。

这对未来意味着什么

论文指出，如果你想让学生快速理解如何使用 AI，那就让他们去玩。动手实践活动能创造出一种即时的理解力和兴奋感，这是讲座无法比拟的。

然而，论文也警告我们不要期待一夜之间的奇迹。仅仅知道一个策略并不意味着学生会立即完美地使用它。 “玩家组”展示了学习过程（调节能力）需要时间来培养。这就像学习骑自行车：你可能在摔倒后立刻理解了平衡的理论，但要在踩踏板的同时保持直立，还需要几周的练习。

研究人员建议，在引入 AI 时，教师应优先考虑这些动手实践、“试错式”的活动，而不是冗长的讲座。但他们同时也建议保持耐心。如果学生在有趣的练习之后没有立即开始完美地使用 AI，并不意味着教学失败了。这可能仅仅意味着他们的“内在教练”仍在苏醒和学习如何掌舵。亲自实践所带来的收益可能不会立即体现在最终成绩上，但从长远来看，它们能培养出更具自我调节能力的学习者。

简而言之，你可以告诉别人如何骑车，但如果不让他们先经历一下摇晃，你就无法教会他们如何保持平衡。而且有时候，正是这种摇晃，帮助他们在几周后站得更稳。