Artificial Intelligence Usage, Cognitive Offloading, and Academic Performance among Rural Undergraduate Students: A Sequential Mediation Model
这项针对425名印度农村本科生的研究表明，未经监督的人工智能使用通过依次增加认知卸载并削弱自我调节学习，对学业表现感知产生负面影响，且这种不利影响在成绩较低的学生群体中尤为显著。
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
想象一名学生在深夜静谧的房间里，面对着一项艰巨的任务。在过去，解决问题意味着要与它搏斗，尝试不同的方法，并通过努力缓慢地建立理解。而今天，那名学生只需向人工智能工具输入一个问题，就能在几秒钟内得到一个完整且完美的答案。这种转变正在印度的学校中迅速发生，尤其是在那些学生往往缺乏专门导师或丰富图书馆资源的农村地区。教育工作者和心理学家关注的核心问题不在于这些工具是否存在，而在于当学生依赖它们时，他们的思维会发生什么变化。有两个关键概念有助于解释其中的利害关系。首先，大脑并非一个封闭的容器；它经常使用外部工具来辅助思考，这是一个被称为“延展心智”（extended mind）的概念。其次，学习需要一定程度的精神挣扎，即所谓的“认知负荷”（cognitive load），以构建强大且持久的记忆。如果一个工具消除了所有的挣扎，它也可能消除了学习本身。
一组研究人员致力于了解这种动态对于印度农村本科生究竟是如何运作的。他们将目光锁定在 425 名就读于乡村公立和私立学院的学生身上。这些学生正处于一个移动电话上即可使用强大 AI 工具，但却几乎没有关于如何明智使用它们的正式指导的环境中。研究人员想要观察使用这些工具是帮助了学生更好地学习，还是改变了他们对待学习的方式，从而损害了他们的长期表现。他们建立了一个模型来追踪一个特定的事件链：如何使用 AI 导致形成一种将精神劳动外包的习惯，这种习惯如何影响学生管理自身学习的能力，以及最后，这一切如何影响他们对学业成功的感知。
研究始于询问学生的习惯。他们测量了学生使用 AI 工具进行学业工作的频率、他们在多大程度上依赖这些工具为自己进行思考、他们在多大程度上能够规划并监控自己的学习过程，以及他们对自身成绩的看法。研究人员发现了一个清晰且强烈的模式。使用 AI 工具更频繁的学生，更有可能进行所谓的“认知外包”（cognitive offloading）。这是一种将精神任务（如回忆事实或解决问题）交给计算机而非亲自完成的过程。数据表明，高强度的 AI 使用是这种行为最强的预测因子，解释了超过一半的关于学生在多大程度上依赖技术进行思考的变化。
然而，故事并未就此结束。研究人员发现，这种外包精神劳动的习惯直接对学生调节自身学习的能力产生了负面影响。自我调节学习（self-regulated learning）是指设定目标、规划学习时间、检查自身理解程度以及在需要时寻求帮助的能力。研究发现，当学生将过多的思考外包给 AI 时，他们管理自身学习过程的能力就会减弱。他们变得不太可能去规划学习环节或监控自己的理解情况。至关重要的是，研究人员发现，正是这种自我管理能力的丧失导致了学业表现的下降。AI 工具本身并没有以一种简单的、单步的方式直接降低成绩。相反，该工具鼓励了一种精神委托的习惯，进而侵蚀了学生的自律和学习策略，正是这种侵蚀导致了较差的学业结果。
有趣的是，研究还揭示了一个更为复杂的图景。虽然过度外包是有害的，但使用 AI 工具并不一定会自动摧毁一个人的学习能力。事实上，对于某些学生来说，使用 AI 与更好的自我调节有关，这可能是因为这些工具帮助他们澄清了困难的概念或获取了原本无法找到的信息。关键区别在于学生如何使用这些工具。那些将 AI 作为思考替代品的人，其学习技能出现了下降；而那些将其作为思考支持的人，则维持甚至提高了他们的学习习惯。研究人员证实，最危险的路径是这样一个特定的序列：使用 AI 导致外包，外包削弱了自我调节，而自我调节的降低导致了学业表现的下降。这一事件链在统计学上是显著的，并且解释了 AI 对学生成功产生影响的大部分原因。
当研究人员观察不同类型的学生群体时，发现结果呈现出更尖锐的差异。他们对比了那些学业本就吃力的学生与表现优异的学生。结果显示出明显的脆弱性差异。成绩较低的学生更有可能陷入外包思维的陷阱。对于这些学生而言，使用 AI 与移交精神劳动之间的联系几乎是高表现同龄人的两倍。这表明，那些最需要支持的学生，恰恰是那些最容易受到不受监督的 AI 使用所伤害的学生。他们更容易将技术作为一种绕过学习所需努力的捷径，而高水平的学生则能更好地利用同样的工具来搭建自身的学习支架，而不至于失去对过程的控制。
研究人员得出结论，解决方案不是禁止这些工具——因为它们已经深深植根于学生的生活之中——而是改变教导学生如何使用它们的方式。研究表明，仅仅让学生接触 AI 而不教授他们如何管理自身的学习是危险的。相反，学院需要整合特定的培训，帮助学生区分是将 AI 作为“助手”使用，还是将其作为“大脑的替代品”。这包括教导学生去检查自己的理解程度、规划学习时间，并将 AI 的输出视为需要被评判的对象，而非直接接受的内容。目标是将 AI 从一种侵蚀学习的便利工具，转变为一种支持学习的工具。对于缺乏其他学术资源的农村学生来说，这种区别至关重要。如果没有引导，这项技术可能会扩大那些能够有效学习者与不能有效学习者之间的差距；但如果有正确的支持，它也可以成为一个强大的平衡器。
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。