Scaffolding and fading generative AI support shapes dependency and anxiety among undergraduate law students
这项研究通过展示在斯里兰卡法律系学生群体中，逐渐减少生成式人工智能的支持增加了学术焦虑（尤其是在已有依赖倾向的学生中）且并未显著降低依赖程度，从而挑战了“限制生成式人工智能可以减少依赖”这一假设，进而表明为了支持公平性和学生福祉，有组织性的整合而非一味禁止才是必要的。
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
在现代课堂中，一种新型的助手已经到来：人工智能可以编写论文、解决问题，并在数秒内解释复杂的概念。对于大学而言，这一工具提出了一个艰难的选择。许多机构干脆将其禁用，担心如果学生能够太容易地获得答案，他们就会停止学习如何独立思考。这种做法假设，撤走工具会迫使学生变得独立。然而，学习科学表明，工具的使用方式比工具是否存在本身更为重要。正如一个学习走路的孩子起初需要一只手扶着，但最终必须放手以建立力量一样，使用人工智能的学生需要一种特定的引导，这种引导始于支持，并逐渐消退。如果支持被过快撤除，或者该工具从未以结构化的方式使用，学生可能无法学会独立站立；相反，他们可能会变得焦虑，并在没有机器的情况下感到无助。
如何引导学生使用人工智能这一问题，是针对斯里兰卡一年级法学学生进行的一项为期五个月研究的核心焦点。研究人员想要观察，仅仅限制使用人工智能是否会让学生变得更加独立，或者精心设计的工具使用序列是否效果更好。他们与一组由126名法学学士课程学生组成的群体合作，这是一个学习推理和分析论证是核心技能的领域。这项研究不仅仅是询问学生的想法，而是观察随着使用人工智能规则的变化，他们的实际行为随时间是如何变化的。研究人员将学期分为三个不同的阶段，以测试与技术互动的不同方式。
在第一个月，学生可以随心所欲地使用人工智能，没有任何特殊规则。这建立了一个关于他们如何自然使用该工具的基准。到了第三个月，规则发生了变化。学生被要求必须先完全独立地完成作业。只有在完成工作后，他们才能将其提交给人工智能，此时的人工智能被设定为一名严格的评审员。人工智能不会给他们答案或为他们撰写新文本；相反，它会挑战他们的推理，指出其逻辑中的漏洞，并要求他们进行更深层的思考。这一阶段旨在让学生进行思考的艰苦过程，同时利用人工智能来检查他们的理解。在最后一个月，支持被进一步撤回。人工智能仅被允许标记学生推理不完整的地方，而不提供任何关于如何修复的解释或建议。这个最后阶段是对“消退”的测试，即撤去安全网，以观察学生是否仍能正常运作。
这项实验的结果挑战了“禁止人工智能是建立独立性的最佳方式”这一普遍观点。当研究人员测量学生对自身能力的信心时，他们发现学生在中间阶段感到最有能力，即在他们必须先完成工作然后再利用人工智能进行评审的阶段。这表明，在寻求帮助之前先与问题进行搏斗的过程，创造了一种掌控感。然而，当人工智能的支持在最后阶段减少时，学生的焦虑水平显著上升。研究发现，仅仅拿走工具并没有让他们变得更有信心；相反，这让他们感到更加压力倍增，并且比以前更加依赖该工具。
或许最重要的发现是关于谁在支持被撤除时受影响最大。研究人员发现，那些在课程初期过度依赖人工智能的学生，在工具被逐步撤除时变得最为焦虑。对于这些学生来说，人工智能已经变成了一根拐杖，撤走它并没有迫使他们学会走路，只是让他们感到无法移动。研究表明，全面禁止人工智能实际上可能会伤害那些最需要帮助以发展自身技能的学生。这种做法非但没有创造独立性，反而加深了那些准备好独立工作的人与那些尚未准备好的人之间的差距。
研究人员得出结论，互动的设计远比工具本身的存在更为重要。他们发现，将人工智能作为独立工作的评审员有助于建立真正的信心，而过快地撤回支持则会导致焦虑和无助感。这项研究表明，大学不应仅仅决定是否允许或禁止人工智能，而应该设计一条路径，让学生学习在工具逐渐被撤走之前，利用该工具来检查自己的思维。这种方法确保了学生首先建立起自己的推理能力，而不是依赖于一台可能有一天会被关闭的机器。这些发现为教育提供了一条清晰的前进道路：在学生学习思考的过程中给予支持，然后慢慢退后，而不是简单地把工具拿走并希望他们能靠自己解决问题。
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。