ARTICLE · 1097443
AI时代的技能变迁:多数认知技能“下降”之后,什么不会改变?
教育技术观察
当AI替我们完成更多任务，教育还需要保留哪些亲自思考的过程？
昨天，我的AI每日研究日报给我推了一篇刚被ICALT 2026接收的论文。
推荐语只有一句话：
“多数认知技能的未来重要性被认为会下降，唯独批判性思维不变。”
看到这句话，我一下就被吸引住了。
但不是因为我完全相信它。
恰恰相反，我第一反应是：
真的有这么绝对吗？
工作记忆、问题解决、创造力、信息素养、系统思维……这些过去被反复强调的能力，到了AI时代都开始变得“不重要”了？
然后只剩下批判性思维？
这个结论实在太整齐了。
甚至整齐得有点不像真实的研究。
于是我点开了论文原文。
读完以后发现，AI日报确实抓住了这项研究最有冲击力的地方，但也把一个更复杂的发现压缩成了一个过于确定的结论。
而真正让我觉得值得写的，反而是这个被压缩掉的问题：
当AI越来越多地替我们搜索、写代码、找答案、生成方案时，我们会不会把“以后不用亲自做”，误认为“这种能力以后不重要了”？
01
OBSERVATION
学生真的认为很多能力没那么重要了
这项研究调查了17名计算机专业学生和4名计算机专业教师。
研究者让他们分别想象三个时间点：
没有生成式AI广泛进入学习和工作的2015年、正在大量使用AI的现在，以及AI进一步普及的未来。
然后，让他们评价工作记忆、问题解决、创造力、信息素养、系统思维、批判性思维等认知技能的重要性。
结果很有意思。
学生确实普遍认为，多数认知技能未来的重要性会下降。
其中，工作记忆下降得尤其明显。
其实站在学生的角度，这种判断非常容易理解。
以前写代码，要自己记语法、查文档、找错误。
现在可以直接问AI。
以前找资料，需要在搜索结果里一点点筛选。
现在AI可以先总结。
以前遇到一道不会的问题，可能要自己试好几条路径。
现在问一句，答案马上出来。
于是很容易出现一种非常自然的感受：
既然这些事情以后都不需要我亲自做了，我为什么还要把这些能力练得那么好？
这恐怕不只是计算机专业学生会产生的感觉。
我们今天使用生成式AI时，或多或少都经历过类似的变化。
02
PERSPECTIVE
但教师看到的是另一件事
有意思的是，教师的判断没有学生那么激进。
他们也承认AI正在改变技能结构，却并不认为这些能力会大幅“贬值”。
因为教师担心的是另外一个问题：
AI当然可以给你答案，但你凭什么知道它是对的？
代码能够运行，就代表代码安全吗？
AI列出了十篇文献，就代表这十篇文献真的存在吗？
模型给出了一个看起来逻辑严密的解释，就代表它真正理解了问题吗？
如果学习者从来没有真正经历过理解、尝试、犯错、修正这些过程，那么有一天面对AI给出的错误答案时，他靠什么识别？
所以学生和教师之间这个差异，我觉得特别值得教育研究者注意。
学生关心的是：
“这个任务以后还需不需要我亲自完成？”
教师关心的却是：
“如果这些过程你从来没有经历过，以后还能不能判断AI完成得好不好？”
03
READ THE DATA
“批判性思维不变”，其实也不是论文真正说的
再回到最开始吸引我的那句话：
“唯独批判性思维不变。”
严格来说，这个概括并不准确。
从论文呈现的数据看，学生对于批判性思维未来重要性的评价同样有所下降。
只是相比其他认知技能，它下降得更少，而且依然保持在相对较高的位置。
所以，更准确的说法应该是：
在受访者看来，多数认知技能的重要性正在被重新排序，而批判性思维仍然处在比较核心的位置。
这两个说法区别其实很大。
“只有批判性思维不变”，听起来像是在寻找AI时代最后一种不会被替代的人类能力。
但“技能的重要性正在重新排序”，讨论的则是另一件事情：
AI改变之后，人和机器之间的认知分工正在发生什么变化？
我觉得后一个问题要有意思得多。
04
KEY DISTINCTION
一个很关键的误区：“不用亲自做”≠“不需要这种能力”
这里可能正是整篇论文最值得继续追问的地方。
AI确实正在减少很多认知活动的“亲自执行”。
但是，执行频率下降，不等于能力的重要性同步下降。
一个最简单的例子是导航。
导航软件出现以后，我们确实很少再像以前一样记住每一条路线。
但这并不意味着一个人完全不需要空间判断。
尤其当导航出错、道路临时变化或者进入陌生环境时，基本的方向判断反而决定了你有没有能力接管。
AI也是一样。
以后我们也许真的不需要记住那么多代码语法。
但如果一个人脑中完全没有基本的程序结构，他又凭什么判断AI生成的代码是不是合理？
我们也许不需要自己查几十页资料。
但如果没有基本的领域知识，又怎么知道AI遗漏了什么？
所以这里应该区分两件事情：
一种能力是否需要频繁亲自执行，和这种能力是否仍然构成理解、判断和接管任务的基础，并不是一回事。
这一点对教育尤其重要。
05
LEARNING
更值得警惕的是：AI帮你“做得更好”，不一定意味着你“学得更好”
这可能也是教育技术领域特别需要讨论的问题。
AI最容易制造的一种错觉，就是把：
“任务完成得更好”
误认为：
“学习发生得更好”。
已有高中数学现场实验就发现，学生在练习阶段使用GPT-4时，任务表现明显提高。
但是，当AI被撤去以后，直接使用普通GPT工具的学生，独立完成任务时反而可能表现得更差。
另一组学生使用的则是经过教学设计的AI：它不直接给答案，而是按照教师设计提供提示和引导，学习损失明显减小。
这里最值得关注的其实不是：
“到底应该不应该使用AI？”
而是：
AI到底替学习者完成了什么？
如果AI替学生完成了检索、推理、尝试、犯错和修正，那么学生当然会觉得这些过程越来越“不重要”。
因为他确实越来越少亲自经历它们。
但问题是，这些看起来“低效”的过程，可能恰恰构成了能力形成的一部分。
所以教育技术真正需要研究的，也许已经从：
“AI能不能帮助学生完成任务？”
进一步变成了：
“AI应该帮助到哪一步，才能既提高表现，又不拿走能力形成所必需的认知活动？”
这比单纯讨论“要不要使用AI”难得多。
也重要得多。
06
SCOPE
当然，这首先是一项计算机专业研究
这里还必须给这篇论文加一个非常重要的限定。
它研究的是 Computing Students and Experts。
只有21名参与者，其中学生17名、教师4名，而且来自美国同一所研究型大学。
所以，它首先呈现的是计算机专业师生的感受，并不能直接代表所有专业。
而计算机恰恰又是最容易受到生成式AI冲击的专业之一。
代码、文档、报错信息、测试结果都高度数字化，很多任务可以拆解、生成和反复验证。
所以计算机专业学生可能比其他学习者更早产生一种明显体验：
“以前我要自己做的事情，现在AI真的可以替我做了。”
但换成医学、法律、教育，情况就不完全一样。
医生面对的不只是病例信息，还有患者的个体差异和风险。
法律工作不只是找到条文，还涉及证据评价和规范解释。
教师面对的更不是一个抽象的“知识输入对象”，而是具体的学生、动机、情绪和课堂情境。
因此，这项研究更适合作为一个问题的起点，而不是未来所有专业技能变化的排行榜。
07
TEACHING DESIGN
从教育技术的角度，我更关心一个问题
所以读到最后，我发现自己反而没有那么在意：
“未来到底哪一项技能最重要？”
我更在意的是另外一个问题：
AI进入学习之后，哪些认知活动可以外包，哪些过程仍然需要由学习者亲自经历？
这个问题可能比寻找一个“AI永远无法替代的能力”更实际。
比如搜索资料可以交给AI。
但学生是不是仍然需要知道什么样的资料值得相信？
初稿可以让AI生成。
但学生是不是仍然需要先形成自己的问题意识？
AI可以提出解决方案。
但学习者是不是仍然需要比较方案、解释理由，并在AI犯错的时候具备接管任务的能力？
所以未来的教学设计，也许不应该只问：
“这个作业允许不允许用AI？”
而应该问：
“这个学习任务中，哪些认知过程必须由学生自己完成？”
一种很简单的思路是：
人先——AI中——人后。
先让学习者独立理解问题、形成初步判断；
再让AI进入，帮助补充材料、生成反例、比较方案；
最后重新回到学习者，由他核验、修改、解释，并对最终答案负责。
AI可以参与学习。
但不能把所有产生学习的过程都一起拿走。
08
CONCLUSION
那么，AI时代到底什么不会改变？
写到这里，我反而不太想给出一个：
“答案就是批判性思维。”
这样的标准答案。
批判性思维当然重要。
但批判性思维也不是悬浮在空中的一种万能能力。
没有领域知识，很难真正批判；
没有独立尝试，就不知道自己哪里不懂；
没有元认知，也很难意识到自己正在无条件相信AI。
所以，AI时代真正“不变”的，可能不是某一个固定的技能名称。
而是：
学习最终仍然需要让一个人逐渐形成独立理解、判断和接管任务的能力。
AI可以帮我们少走很多重复的路。
这当然是一件好事。
但教育需要保持一点警觉：
不要把“不再需要每一步都亲自做”，误解成“这些能力已经不需要形成”。
∞
THE END
写在最后
回头想想，我为什么会写这篇文章，其实也挺有意思。
是AI日报帮我找到了这篇论文。
也是AI先替我完成了文献筛选和一句话总结。
如果没有它，我可能根本不会注意到这项只有21名参与者的小研究。
所以AI当然提高了我的研究效率。
但真正让我点开原文的，却恰恰是我看到那句：
“唯独批判性思维不变。”
之后产生的一点怀疑。
真的这么绝对吗？
后来我发现，论文原文比那一句AI总结复杂得多，也有意思得多。
或许这本身就是一个很小的例子。
AI越来越擅长替我们寻找答案、组织答案，甚至把答案送到眼前。
但在答案出现之后，我们仍然需要问一句：
“真的是这样吗？”
而教育真正需要思考的，是如何让学生在AI越来越强之后，依然愿意问出这句话。
参考文献
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics.
Proceedings of the National Academy of Sciences, 122
(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
Miao, F., Shiohira, K., & Lao, N. (2024).
AI competency framework for students
. UNESCO. https://doi.org/10.54675/JKJB9835
联合国教科文组织
Rani, N., Le, V. M. A., Spangler, A. M., & Cenko, E. (2026).
Cognitive skills in the age of AI: Computing students and experts perceptions
[Preprint]. arXiv. https://doi.org/10.48550/arXiv.2609.31272
arXiv