ARTICLE · 1332380

文献导读|“信念卸载”概念演变、内涵特征及研究指向

发布时间：2026-11-09 00:45:23 最近访问：2026-11-09 00:45:24

近日，扬州大学数字教育创新研究所成员杨卓群开展的研究入选2026年江苏省新闻传播学学会年度大会推介论文（共8篇），论文题目为《“信念卸载”概念演变、内涵特征及研究指向》。学会于11月7日举行，会议主题为“生成式人工智能与新闻传播范式转型”。

研究背景

遇到拿不准的问题先交由生成式人工智能处理，再依据其输出形成自身判断，这类行为如今已十分普遍。真正的变化并非人类开始使用工具，而是工具开始直接交付结论：搜索引擎返回的是多条线索，最终判断仍需人自主完成；大模型给出的往往是经整合判断后的成品，使用者只需决定接受或拒绝。

这一认知变迁可划分为三个阶段。第一阶段聚焦信息的存储位置，以 Wegner 的交互记忆理论与 Sparrow 等人的检索预期研究为代表，被卸载的是 “记忆” 与 “计算” 类基础认知功能；第二阶段关注任务的执行主体，董剑桥提出的认知外包概念指出，被转交出去的是完整的任务流程；2026 年 2 月，Guingrich、Mehta 与 Bhatt 将第三阶段定义为信念卸载 —— 外部技术资源不再仅提供信息或代行任务，而是直接成为个体信念的来源。

相关下游实证研究已有不少积累，结论方向基本一致。Lee 等对 319 名知识工作者的调查显示，个体对 AI 的信任度越高，自我报告的批判性思维投入水平越低；Kosmyna 等结合脑电与行为数据对比写作过程，发现使用大模型的被试在神经活动与行为表现层面的认知投入同步下降，研究者将其概括为 “认知债务” 的累积；Gerlich 采用混合研究法覆盖 666 名受访者，结果表明工具使用频率与批判性思维得分呈负相关，认知卸载在二者间发挥中介作用。

但现有研究存在明显局限：上述三项研究均以认知投入程度、能力强弱为测量指标，回答不了 “人依据什么相信某个说法” 这一核心问题，且取样多集中在写作、编程等评价标准清晰的任务场景。在本文作者看来，研究分歧的根源不在答案本身，而在提问方式 —— 若将生成式人工智能视为固定自变量，单纯追问 “有没有害”，注定会得到彼此矛盾的结论，因为人类向 AI 卸载的认知内容并非只有一种。

研究问题

研究设置四个核心问题，形成 “溯源 — 定界 — 识别 — 检验” 逐层推进的研究链条。

溯源层：面厘清概念的理论源头，梳理其与认知卸载、认知外包等既有概念的关联与分野；

定界层：面辨析概念内涵的决定条件，明确其外延范围的界定方式；

识别层：论证该概念的独立学理价值，回应其是否为旧有概念换名重述的疑问；

检验层：在完成概念澄清的基础上，锚定可通过实证加以证实或证伪的具体研究问题。

研究方法

谱系定位：围绕 “被转移的认知内容究竟是什么”，将三个相关概念梳理为依次递进的三段脉络：信息的存储归属、任务的执行主体、信念的成立依据。如此划分并非为了简单排序，而是为了规避一类常见的研究偏误：若以上一层的标尺衡量下一层的问题，很容易把 “程度加深的卸载” 错认成全新的概念形态。

边界条件：概念的内涵由三项必要条件共同框定：依赖性、承诺或行动指向、持续一致性。三者不可或缺，却并非非黑即白的判断闸门，更近似一组连续刻度 —— 即便只满足部分条件，对应的效应也已开始显现。

坐标刻画：概念的外延通过五组描述性维度铺展：委托与卸载的区分是概念的准入门槛，来源、意图、方式、范围则构成定位坐标。这套坐标系的作用是实现交叉定位，而非将概念生硬切割成若干碎片。

划界对勘：将该概念与技术说服、人机信任、自动化偏差、认知转移等邻近概念逐一对照辨析。比对的标尺并非定义的字面措辞，而是各个概念各自回应的核心研究问题。

研究成果

信念卸载与记忆外化、任务委托的差异是本质性的，而非程度深浅之别：记忆外化的内容、任务委托的评判标准均可独立于主体，信念则不具备这一属性，个体采信观点的内在理由仅由自身提供。更关键的是，判断权转交系统的同时，核验判断的标准也会同步被系统主导。这也让三类认知转移的代价不在同一层级：记忆卸载出错可花时间修正，任务委托失误能推倒重来，信念卸载偏差则会动摇行动的底层依据，且事后难以察觉。作者将 “核对标准的系统性转移” 视为信念卸载概念的核心独特性。

信念卸载的内涵可通过三项必要条件界定：依赖性可通过反事实判断识别信念来源归属；承诺与行动指向以主体是否将结论纳入推理与行动链条为判别依据；持续一致性考察交互结束后判断与行为的稳定程度。其外延借助四组坐标刻画，其中无意触发、自动运行、作用于网络层面的卸载最难纠正，有意发起、辅助性、局部场景的卸载最易干预。干预的核心着力点是卸载的发生形态，而非使用时长与频次，以使用频率替代结构特征，是该领域常见的测量偏差。

信念卸载与自动化偏差存在三方面本质差异：方向上，前者聚焦信念来源的机制变迁，后者描述行为偏向；层级上，前者是机制层面的描述无需基线，后者是效应层面的规律需正确基线；范围上，前者覆盖场景更广，后者多限于分工决策场景。二者是上下游因果关系而非替代关系，混同二者会让测量仅停留在结果对错层面，无法触及采信的深层机制。

信念卸载具有显著的体验隐匿性，可通过承诺负载性、来源依赖性等五项特征对应的判据识别，其中来源归属判断准确率比自陈表述更可靠。需要明确的是，延展心智理论描述的功能耦合，不构成规范层面的免责依据。

大模型同时动摇了可识别、可追责、可复现这三大社会可信度支柱。不同于传统可信来源具备明确责任主体，大模型以权威语态输出却无明确追责对象，无声誉积累机制，结论缺乏可复现性。其影响不在于单次判断的对错，而在于整个判断依据体系的可核验性出现整体性下降。

理论与实践价值

这一研究将讨论从“用不用AI”推进到“凭什么采信”。同一款模型，对全盘交出判断的人是立场供给者，对坚持自主核验的人仅为参考；差异不在工具本身，而在个体的信念来源结构。由此也区分出“判断权”这一变量：它不同于认知控制权——人可以自主搜集材料、组织论证，但若最终以模型结论为准，便是控制权在手、判断权已让渡。

这也为跨层研究划出了边界：用使用时长、脑电指标推断信念是否让渡，是用低层级证据回答高层级问题；只谈依据可靠性而忽略交互设计，也解释不了同款工具为何存在个体差异。

落实到实践可归纳为三点：测量上，将“信了什么”与“是否知晓来源”分开测量，来源归属任务比自陈量表更可靠；设计上，来源披露需同步降低核查成本，否则“有出处”只会成为新的信任捷径；教育上，采纳结论前留存核对记录，同时保留适度认知卸载的自主判断空间。