人工智能专题|警惕“元认知懒惰”:生成式AI介入学习的隐忧与启示

生成式人工智能的爆发，正在重塑教育的生态系统。从自动批改作业到个性化辅导，AI似乎无所不能，学术界也开始热烈讨论“混合智能”，即人类与机器智能的深度结合。然而，当学生在真实的学习场景中与生成式AI深度交互时，他们是真的在变得更聪明，还是仅仅学会了如何在新技术面前“偷懒”？

近期，一项针对大学生的随机对照实验揭开了生成式AI辅助学习的真实面貌 。研究结果不仅打破了我们对AI赋能教育的某些美好预设，更提出了一个亟待引发教育界重视的新概念——“元认知懒惰” 。

在教育实践中，我们最关心的问题往往是：引入新技术能提高学生的成绩吗？研究给出的答案是肯定的，但这个结果带有极强的迷惑性。

数据明确表明，在文章修改环节，使用ChatGPT的学生论文得分提升幅度显著高于其他所有组别（包括由经验丰富的人类专家指导的小组）。AI凭借强大的资源整合和即时反馈能力，精准迎合评分标准，迅速帮助学生打磨出了漂亮的作品。 

但是，当我们考察长期的“知识获得”与“知识迁移”能力时，真相浮出水面：在针对知识深度理解和跨领域应用的测试中，AI组的表现与其他组别并无显著差异。

这意味着，AI虽然是一个极其高效的“代工者”，能帮学生拿高分，但它并没有实质性地增进学生对核心知识的理解。这种高分更像是一种“AI赋能的技能幻象”，而非学生自身能力的真实沉淀。 

为什么分数涨了，能力却没跟上？研究人员通过追踪学生的学习行为轨迹找到了症结。

在正常的学习过程中，规划、监控和自我评估等“思考的思考”（即元认知）是深度学习的核心。然而研究发现，使用ChatGPT的学生表现出了极强的“路径依赖”。他们的大量行为轨迹陷入了“问AI——改文章”的封闭循环中，极少主动翻阅原始材料或进行独立的逻辑复核。 

相比之下，由人类专家指导的学生，在交流后反而触发了更多的自主反思和素材查阅行为。

研究者将这种现象定义为“元认知懒惰”。当面对挑战时，学生本应通过深度思考来解决难题；但面对AI给出的、唾手可得的“完美答案”，学生倾向于将认知负荷直接“外包”给机器，从而逃避了本该进行的思维锻炼 。这种习惯性的认知逃避，不仅阻碍了深度学习，甚至可能导致核心心智能力的退化。

很多教育者认为，最前沿的科技能极大激发学生的学习兴趣。但实验数据揭示了一个扎心的现实：炫酷的技术外壳，未必能转化为持久的学习动力。

在任务结束后的心理测试中，无论使用AI、人类专家还是传统的清单工具，学生们在学习兴趣、享受程度以及努力意愿上并没有表现出明显的差别。

有趣的是，从数据趋势来看，反而是使用结构化“诊断清单”的学生，报告了更高的自我胜任感和更低的压力水平。这提示我们，高效的工具能解决问题，但它不一定能让你更爱学习。真正的动力往往来自于对学习过程的掌控感，而非单向的技术投喂。

ChatGPT让学生在短期任务表现上获得了显著优势，尤其是当任务有清晰的评分标准时。但代价是，学生深度参与学习的程度下降了，知识的掌握和迁移能力没有得到相应提升，自我调节的能力也没有被锻炼。

研究者明确表示，他们反对"AI将取代教师"的论调，但同样反对"拒绝AI"的鸵鸟态度。真正值得思考的是：怎么用。

对学生来说，最关键的是别把AI当成"代写工具"。同样是用ChatGPT，一个学生可能直接问"帮我把这段改好"，另一个学生可能会问"我这段的逻辑有什么问题，为什么"。这两种用法，几个月下来会拉开巨大的差距。

对老师来说，问题变成了：哪些任务适合让学生用AI辅助完成，哪些必须让他们自己挣扎一下？那些训练元认知能力的环节——比如自我评估、反思修改、目标设定——可能恰恰是不该轻易交给AI的。否则学生交上来的作业越来越漂亮，但他们本人却越来越空心。

这也提醒我们重新思考"评分标准"的设计。研究里发现，AI在按标准优化方面比人厉害得多。如果评分标准过于机械化、套路化，那么AI辅助下的作业就会变成"标准答案的精装版"，学生反而失去了发展独特思考的空间。

本文基于Fan, Y.等人发表的研究论文《Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on Learning Motivation, Processes, and Performance》整理改写。