📄 social_science

When Confidence Shifts Toward the Tool: AI Appropriation, Reliance Calibration, and School Guidance in High School Academic Work

一项针对1,444名美国高中生的调查显示，AI占用涉及复杂的、并发的学习与捷径行为，且频繁使用与自信心下降及依赖差距扩大相关，这表明学校必须超越一般性指南，提供有针对性的教师引导实践，以实现有效的AI依赖校准。

原作者： Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

发布于 2026-07-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

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

大局观：重点不在于“是否”使用，而在于“如何”使用

想象一下，在一所学校里，几乎每个学生口袋里都揣着一个超级聪明、隐形的家教（AI）。到2025年底，大约三分之二的美国青少年正在使用这些工具来完成作业。

研究人员提出了一个问题：学生使用 AI 是否重要？
他们的回答是：并不重要。 仅仅知道一个学生在使用 AI，就像知道一名司机拥有一辆汽车一样。这并不能告诉你他们是在安全驾驶、超速行驶，还是正在利用 GPS 寻找一条不该走的捷径。

这项研究并没有去统计学生使用 AI 的频率，而是观察了他们如何使用它（他们让 AI 做什么）以及他们对它的感觉如何（他们是更信任 AI 还是更信任自己的大脑？）。

核心概念 1：“挪用”（他们如何使用工具）

研究人员发现，学生并不属于那种非黑即白的类别，比如“好学生”或“作弊者”。

类比： 把 AI 想象成一把瑞士军刀。
研究结果： 大多数学生使用这把“刀”来进行多种不同的活动。同一个学生，既会要求 AI “解释这个数学概念”（就像用这把刀开信），也会要求 AI “帮我写这篇完整的论文”（就像用这把刀去割断一根本该由自己打结的绳子）。
启示： 你不能仅凭使用 AI 的程度来评判一个学生。一个频繁使用 AI 的学生，可能是在利用它学习，也可能是在利用它作弊，或者两者同时在做。所谓的“好用途”和“坏用途”往往交织在同一个人的工作流程中。

核心概念 2：“依赖差距”（信心的转变）

这是论文中最重要的发现。研究人员测量了两件事：

学生在没有 AI 的情况下完成工作的自信程度。
学生认为 AI 能帮助他们完成工作的信心程度。

他们计算了这两者之间的差异，称之为**“依赖差距”（Reliance Gap）**。

类比： 想象一位走钢丝的人。
- 低差距： 这位走钢丝的人更信任自己的双腿而非安全网。他们知道自己可以走完这条线，但安全网只是以防万一。
- 高差距： 这位走丝的人更信任安全网而非自己的双腿。他们觉得自己独自行走时很摇晃，只有在有安全网时才感到安全。
研究结果：
- 不使用 AI 的学生对自己的能力非常有信心，且不太信任 AI。
- 随着学生使用 AI 的频率增加，他们对自己能力的信心略有下降，但对 AI 的信心却大幅飙升。
- “交叉点”： 在那些每天使用 AI 的学生中，发生了一件有趣的事：他们对 AI 帮助的信心，甚至略高于对自身能力的信心。他们并没有失去技能，但他们现在信任工具胜过信任自己。

核心概念 3：“缺失的中段”（学校做得不对的地方）

研究人员问道：“学校是否帮助学生学会如何正确使用 AI？”

类比： 想象一个健身房。学校挂起了一块牌子，上面写着：“你可以使用这些杠铃。”（这是政策）。但学校并没有聘请教练来教你如何举起它们而不伤到背部。（这是实践）。
研究结果：
- 学校主要提供的是规则（例如：“如果你引用了 AI，就可以使用它”）和资源（网站链接）。
- 而学生渴望的是练习（例如：“教我如何使用这个工具来学习，而不仅仅是获取答案”）。
- 研究发现，拥有学校政策并不能帮助缩小“依赖差距”。那些觉得得到了良好指导的学生，并不一定比别人更信任自己。
- 差距所在： 最未被满足的需求是教师引导学生进行实际练习——展示他们在什么时候该使用工具，以及什么时候该放下工具。

四种学生类型（画像）

研究人员根据学生的习惯将他们分为四种“人格”：

怀疑派独立使用者 (18%)： 极少使用 AI。他们 100% 信任自己，0% 信任 AI。
缺乏支持的常规使用者 (36%)： 经常使用 AI，但觉得学校并没有提供帮助。他们想要更多指导，但并未得到。
受引导的高效能使用者 (31%)： 经常使用 AI，但他们拥有良好的教师支持。他们仍然最信任自己。
走捷径的依赖型重度使用者 (15%)： “重度用户”。他们不断使用 AI，主要是为了获取答案或撰写草稿。他们信任 AI 超过信任自己。这一群体拥有最大的“依赖差距”。

总结

论文指出，学校需要停止仅仅询问“你是否在使用 AI？”，而应该开始询问：“你更信任谁：是你自己的大脑，还是这个工具？”

目标不是禁止 AI，也不仅仅是说“可以使用”。目标是校准（Calibration）。学校需要教会学生如何将工具作为一名得力的助手，而不是让工具成为他们思维的主人。目前，学校擅长制定规则，但不擅长教授如何明智地使用工具的实践。

简而言之： 学生正在使用 AI 来完成作业，并且随着使用频率的增加，他们开始变得比信任自己的大脑更信任机器人。学校需要介入，教导他们如何在利用工具的同时，保持自身信心的强大。

技术摘要：当信心转向工具时

问题陈述
随着人工智能（AI）渗透进高中教育，传统的“采用率”（即学生是否使用 AI 以及使用频率如何）指标已不足以理解这项技术不断演变的角色。目前，学校主要监测使用频率和正式政策的存在，但这些指标无法捕捉学生如何将 AI 整合进其认知过程。具体而言，现有框架无法区分支持学习（例如：解释概念）与绕过学习（例如：生成全文草稿）的使用方式，也无法评估随着对工具依赖程度的增加，学生的学术能力自我感知是否正在削弱。核心问题在于，缺乏一个诊断性框架来衡量在 AI 触手可及的环境中，技术能力与学生自我效能感之间的动态关系。

研究方法
本研究采用了横断面调查设计，样本来自美国一个天主教预科高中网络中的 1,444 名学生。数据收集于 2025 年春季。

测量工具： 该工具评估了 AI 使用频率、工具广度以及特定的“挪用”（appropriation）目的（分为学习导向型与捷径导向型）。至关重要的是，它测量了两种不同的信心水平：对在没有 AI 情况下处理学业工作的信心，以及对 AI 帮助处理学业工作能力的信心。
核心构念： 研究通过**依赖差距（reliance gap）**对“依赖校准”（reliance calibration）进行了操作化定义，即对 AI 帮助的信心与对独立能力的信心之间的差值。正向差距表示信心已向工具转移。
分析方法： 研究人员利用带有学校聚类标准误的分层普通最小二乘（OLS）回归模型来预测依赖差距。变量包括人口统计学特征、使用频率、目的广度、AI 相关信念（自我效能感和乐观度）以及感知的学校指导。此外，研究还利用 k-means 聚类根据挪用模式生成了描述性的学生画像。

主要贡献
本文提出了三个主要贡献：

概念层面： 它将分析视角从“采用”（adoption）转向**“挪用”（即用户如何为技术分配用途），并引入了教育语境下的“依赖校达”**（reliance calibration）。该框架认为，适当的依赖不仅取决于工具的可靠性，还取决于学生建立独立能力的发展需求。
实证层面： 它在关键节点捕捉到了大规模的多校样本——即在 AI 获取变得常规化之后，但在机构指导成熟之前。研究证明，学习导向型使用与捷径导向型使用往往在同一名学生身上共存，挑战了“好”与“坏”AI 使用者的二元对立观点。
实践层面： 它识别了学校指导中的“缺失中间地带”，即存在政策层面的规则，但缺乏教学实践（教师引导式教学）。研究认为，依赖差距比单纯的独立信心更能诊断性地理解学生与 AI 的动态关系。

结果

挪用模式： 94% 的受访者至少使用了一种 AI 工具。学习导向型用途（如辅导、大纲拟定）很常见（辅导为 65%），但捷径导向型用途（如寻找答案、起草）也相当显著（分别为 32% 和 18%）。至关重要的是，这些用途经常共存；使用 AI 进行解释的学生通常也是使用 AI 获取答案的学生，这表明存在一种复杂且交织的使用模式，而非截然不同的用户群体。
依赖差距： 使用频率与独立信心呈负相关（ $r = -0.18$ ），但与依赖差距呈强正相关（ $r = 0.45$ ）。在每日使用者中，对 AI 帮助的信心（ $M=4.17$ ）略高于对独立能力的信心（ $M=4.02$ ），表明出现了一种“交叉”现象，即工具成为了信心的主要锚点。
差距的预测因子： 分层回归显示，使用频率、学习与捷径目的的广度以及 AI 乐观度是较大依赖差距的显著预测因子。值得注意的是，一旦考虑了使用情况和信念，感知的学校指导并不能显著预测该差距。
指导错位： 虽然通用指南是最常见的学校支持形式（48%），但最大的未满足需求是教师引导式实践（42% 的人想要，但仅 27% 得到）。
学生画像： 研究呈现了四种不同的画像：
1. 怀疑 AI 的独立学习者 (18%)：极少使用，高独立信心，负向差距。
2. 缺乏支持的常规使用者 (36%)：频繁使用，低指导，高错位。
3. 受引导的高效能使用者 (31%)：频繁使用，高指导，保持高独立信心。
4. 依赖捷径的重度使用者 (15%)：最高使用率，普遍使用捷径，最低独立信心，且是唯一具有正向依赖差距的群体。

意义与主张
本文认为，随着 AI 成为学校工作的常规基础设施，关注点必须从追踪学生是否使用 AI 转向理解他们如何进行依赖校准。研究声称，依赖差距捕捉到了一个关键动态：即学生的学术能力感从自我转向工具的临界点。

作者断言，支持性用途与替代性用途的共存使简单的“作弊 vs. 学习”二分法变得复杂，这表明增强与卸载（offloading）之间的界限是程序性的而非范畴性的。此外，研究发现感知的学校指导（特别是政策层面的规则）与更好的校准并不相关，这意味着当前的指导模型与学生需求不匹配。文章结论指出，学校必须超越“可接受使用政策”，提供“引导式实践”，以帮助学生区分哪些 AI 辅助是支持学习的，哪些 AI 辅助是取代了发展技能所需的认知工作的。依赖差距被提议为一个实用的、可扩展的指标，供学校监测这种信心与能力的转变。