Phase-Dependent Effects of Cognitive Autonomy on Student Performance in AI-Assisted Learning
本研究引入了认知自主指数（Cognitive Autonomy Index），旨在证明人工智能辅助学习对学生表现的影响具有阶段性依赖特征，从而揭示了学生与人工智能交互的具体时机与性质比总使用量更为重要。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一名正在学习新技能的学生，比如玩一款复杂的电子游戏或解决一个棘手的谜题。现在，想象你有一个超级聪明、拥有魔力的助手，它能瞬间回答你的所有问题。对于今天的许多学生来说，人工智能（AI）给人的感觉就是如此。但这里有一个大问题：这个助手是在帮你变得更聪明，还是仅仅在替你完成工作，让你不必思考？这就是一项研究的核心，该研究正在观察大学生如何使用 AI 导师。
为了理解这一点，我们需要关注两个主要概念。首先是“认知自主性”（cognitive autonomy），这只是一个高级说法，意思就是“独立思考”。它的区别在于，你是问朋友：“这个游戏机制是怎么运作的？”还是说：“这是关卡，你替我玩吧。”第二是“自我调节学习”（self-regulated learning），这就像是成为你自己学习航船的船长。这意味着你要规划自己的航程、检查地图并修正错误，而不是仅仅让风带着你到处漂流。研究人员之所以关心这一点，是因为如果学生过度依赖 AI，他们可能会在作业上取得高分，但在必须独自参加考试时却会失败，因为他们已经忘记了如何独立思考。
那么，研究人员到底做了什么呢？他们查看了 110 名修读 AI 课程的大学生的聊天记录。这些学生在完成作业时会与一名 AI 导师进行交流。研究人员想要观察，学生与 AI 交流的“方式”是否比交流的“频率”更重要。他们发明了一个特殊的评分标准，叫做“认知自主指数”（CAI）来衡量这一点。把 CAI 想象成一个“思考计分器”。当学生提出深刻的“为什么”类问题或检查自己的工作时，它会加分；而当学生直接粘贴整份作业并要求 AI 解决问题时，它会减分。
研究发现了一些可能改变我们对使用 AI 看法的新鲜发现。首先，他们发现，仅仅统计学生与 AI 聊天的次数并不能说明多少关于他们考试表现好坏的信息。这就像是在说：“我练了 10 个小时钢琴，”却没说你是在真正学习乐曲，还是只是在随机敲击琴键。交流的“质量”远比“数量”重要得多。
但最大的转折在于，“最佳”的使用 AI 的方式会根据你在课程中所处的阶段而改变。研究人员将学期分为三个部分：前期、中期和后期。
在前期（最初的几周），请求 AI 协助写作或生成代码实际上是一件好事！这就像是有一个副驾驶帮你启动引擎。那些在早期请求 AI 帮他们写东西的学生，在第一次考试中表现得更好。看来，在刚开始学习基础知识时，借助一点帮助来起步是有用的。
然而，在后期（学期末），规则完全反转了。到这个时候，学生理应成为专家。如果他们开始将作业文本“倾倒”给 AI 并要求它完成工作，他们的考试成绩就会下降。这就像试图通过坐在副驾驶位上让车自动驾驶来学习开车；你可能到达了目的地，但当你必须独自开车时，你将不知道如何转向。
研究还发现，询问“情境性”问题（例如，“我的作业中这个特定的错误意味着什么？”）在课程中期似乎对成绩没有显著影响，除非将一名表现非常挣扎的特定学生纳入数据。
所以，结论是什么？研究人员认为，使用 AI 并不是一个简单的“好”或“坏”的问题。它更像是一个其价值随学习阶段而变化的工具。在早期，让 AI 承担一些繁重的工作可以帮助你起步。但在后期，你必须亲自掌控方向盘。如果你一直让 AI 驾驶全程，当你面临考试且 AI 不被允许进入考场时，你可能会发现自己准备不足。这项研究表明，成功的关键不在于避开 AI，而在于准确知道何时向它寻求提示，以及何时收起它并开始独立思考。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。