夜雨聆风人工智能技术进入教育领域后，一个根本性的变化被悄然放大：认知卸载从偶尔的策略变成了常态的操作。认知负荷理论（Sweller, 1988）早已指出，人类工作记忆容量有限，将部分认知任务转移至外部工具是维持高效学习的必要手段。从草稿纸到计算器，其功能均在降低工作记忆负担，释放资源用于更高阶的思维。然而，当AI能够承担包括推理、归纳、甚至初步论证在内的复杂认知操作时，卸载的“度”便成为核心问题——过度卸载将导致学习者失去构建内在认知结构的机会，而判断“何时停止卸载”本身，便构成了一种高阶的元认知能力。
这一判断力的基础首先是批判性思维。但在此语境下，批判性思维的作用层次需要重新定位。它不仅仅是对AI生成内容的验证——核查事实、检测逻辑谬误、识别潜在偏见——这些属于“事后批判”。更为关键的是一种“事前批判”：即在调用AI之前，对问题本身进行类型学分析。不同的问题对认知参与的要求迥异。封闭性、事实型、低情境依赖的问题（如“某年某事件”或“标准公式推导”）可以安全卸载；而开放性、概念建构型、涉及个人立场和价值排序的问题（如“这段历史对当下的启示”或“我应如何理解这个理论”）则必须保留给自身的思维过程。批判性思维在此行使的是元认知监控功能，它判断的不是答案的对错，而是“这个问题是否值得我亲自思考”。
认知卸载与认知外包在实践中常常重叠，但二者的区分有助于理解问题的本质。认知卸载侧重将任务转移出工作记忆，而认知外包则意味着将决策权一并让渡。AI的使用常同时包含两者：学生不仅让AI完成计算，还接受其给出的最终结论。这种双重让渡使得学生失去了对思维过程的控制感。教育研究表明，学习效果与认知投入的深度呈正相关（Chi, 2009），只有在主动建构、生成解释、自我纠错的过程中，知识才能得以内化。因此，判断何时不用AI，实质上是在判断何时需要保留“建构性认知负荷”——这种负荷虽然费力，却是神经回路重塑的必要条件。
社会情感能力在这一判断中提供了另一维度的依据。认知科学常忽略的是，许多学习情境并非纯粹认知性的，而是交织着人际互动、道德判断和自我认同。当学生面对一个需要同理心回应的问题（如“如何安慰情绪低落的组员”）、一个涉及公平分配的合作任务、或一个关乎个人志趣的选择时，AI给出的方案可能在逻辑上合理，却无法替代真实的情感投入与价值权衡。社会情感能力（包括自我意识、社会意识、负责任决策等核心要素）使学生能够识别出那些“答案本身不是目的，而关系与体验才是目的”的情境。在这些情境中，不使用AI不是出于认知效率的考量，而是出于对人际真实性和伦理责任的尊重。
将上述维度整合，可以形成一个具有操作性的判断框架。学生面对一个问题时，可依次考量三个层次：第一，这个问题是否以事实复现或标准操作为核心？若是，则可以卸载；若否，进入第二层。第二，这个问题是否依赖于我的个人经历、情感反应或价值立场？若是，则必须亲自处理，AI只能作为信息参考而非决策替代。第三，如果解决此问题的过程本身是我学习目标的一部分（例如，我希望训练自己的论证能力），那么即使AI能快速完成，我也应主动放弃使用。这一框架将批判性思维的分析逻辑与社会情感能力的情境感知融为一体，使“不用AI”成为一项有理有据的自觉选择。
教育实践需要正视一个现实：学生的默认倾向往往是最大程度地利用AI以降低认知成本。因此，培养“知道何时不用”的能力，不能仅靠禁令或说教，而需要将其明确为课程目标之一。具体而言，可设置专门的“无AI时段”或“反思性任务”，要求学生记录每次使用AI前后的思考过程，分析自己为何选择使用或弃用。这样的训练旨在强化元认知监控，使学生逐渐内化判断标准，而非依赖外部规则。
人工智能的进步使“能用”不再是问题，“该不该用”才是。而这一问题的回答，恰恰指向人类智能中那些难以被算法取代的部分：对认知边界的清醒认识，对思维价值的珍视，以及对人际情境的敏锐感知。学生最终需要掌握的，不是一套固定答案，而是一种持续的自我追问：此刻，我放弃AI，是为了保留什么？这个问题的答案，将随着学习阶段和任务性质而变化，但提问的能力本身，便是判断力的起点。
（有AI协助梳理思路）
