夜雨聆风
澳大利亚悉尼科技大学的Jason M. Lodge 教授与 Leslie Loble 教授于 2026 年 3 月共同发布研究报告《人工智能、认知卸载及其对教育的启示》（Artificial Intelligence, Cognitive Offloading and Implications for Education）。该报告深入探讨了生成式人工智能在澳大利亚基础教育中的普及及其带来的主要心理与教学挑战 。
一、报告介绍
该报告是“澳大利亚优质数字教育网络”工作计划的成果，旨在确保所有学生都能从教育技术中获益并缩小学习差距 。报告从人类认知架构（如认知负荷理论）的视角出发，对人工智能时代教育面临的一个深刻的新挑战开展了调查。这个挑战就是“学生可能会将过多的认知工作“外包”给人工智能，而这些工作正是建立知识、技能和“思维基础设施”所必需的 。”
二、研究发现
报告的核心发现是区分了两种形式的“认知卸载”：
• 有益的卸载（Beneficial Offloading）：当学生利用 AI 处理“外在认知负荷”（如检查语法）时，可以释放有限的工作记忆，转而专注于学习的本质任务（如构建论点、综合资料） 。
• 有害的卸载（Detrimental Offloading/Outsourcing）：当学生利用人工智能绕过构建长期知识图谱所需的“内在认知努力”（即“必要的难度”）时，就会发生这种现象 。
• 表现悖论（Performance Paradox）：非结构化地使用人工智能会产生一种悖论——学生的短期任务表现有所提高，但其持久的长期学习效果却受损，且容易产生“胜任力错觉” 。
三、重要洞见
• 元认知惰性（Metacognitive Laziness）：人工智能输出的流畅性和自信会让学生误以为自己已经掌握了知识，从而诱发元认知惰性，导致学习者放弃深入参与所需的生成性努力 。
• 新的元认知公平差距：具备高水平领域知识和强元认知能力的学生能更好地利用人工智能来加速学习；而缺乏这些技能的学生（通常是弱势群体）更容易陷入有害的卸载，从而拉大教育不公平 。
• 教学驱动而非技术决定：人工智能对教育的影响并非由技术本身决定，而是取决于教学设计。非结构化使用会导致认知萎缩，而有目的的教学干预可以促进深度参与 。
四、对教育界的启示
• 强化教师的核心地位：人工智能的成功整合需要强有力的教学回应，应将人工智能置于辅助地位，利用其增强教师的专业能力，而非取代教师 。
• 引入“认知镜像”与支架：教学设计应促使人工智能扮演“学习伙伴”或“新手”角色，强迫学生进行解释和反思，而非直接给出答案 。
• 显性教学与元认知引导：教育者应采用“负荷减轻教学法（LRI）”等策略，在教学中显性地加入元认知提示，帮助学生在卸载低阶任务的同时，培养自我调节学习能力和批判性思维 。
• 制定教育设计标准：急需制定人工智能工具的教育设计标准，确保这些工具的设计初衷是增强学生的学习努力和认知主动性，而非仅仅为了提高任务完成效率
（出处：Lodge J. M. and Loble L (2026). Artificial intelligence, cognitive offloading and implications for education, University of Technology Sydney, doi:10.71741/4pyxmbnjaq.31302475）