AI学习陷阱：2.6万名学生研究揭示教育中的认知债务

从表面数据看，AI在课堂上的应用似乎是一大胜利。作业成绩提高，完成时间缩短，采用率迅速攀升，85%的教师和86%的学生报告在过去一学年中使用过AI。但若只看作业成绩单，情况远没有那么乐观。

2.6万名学生的警示

最明确的证据来自一项大规模研究，该研究跟踪了中国26,811名7至12年级学生，历时30个月。使用生成式AI完成作业的学生，作业完成速度约快30%，作业成绩高出18%。然而，六个月后，他们的月考成绩下降了约20%。近两年使用AI后，升学考试成绩下降了18%至24%。

影响并不均衡。政治、地理等社会科学科目的下降最为严重，约27%，其次是STEM科目下降22%，英语下降17%，语文下降9%。研究人员估计，约80%使用AI的学生表现出外包思维的倾向：快速完成作业并在AI辅助下取得高分，但一旦无法使用该工具，表现便落后。

关键在于，研究还发现了一个无害使用AI的对照组。那些花费与未使用AI同学大致相同时间完成作业的学生，考试表现同样出色，同时作业成绩更好。决定因素并非学生是否使用AI，而是他们是用AI来走捷径还是补充思考。

大脑内部发生了什么

一项广泛传播的MIT媒体实验室研究为这一发现增添了生理层面的证据。研究人员将参与者分为三组：使用ChatGPT、使用搜索引擎、或仅靠大脑，每组都在多个写作环节中撰写文章，同时通过EEG记录脑电活动。仅靠大脑的写作者表现出最强且分布最广的神经连接。搜索引擎使用者次之。ChatGPT使用者在这三组中表现出的神经参与度最弱。

行为数据进一步印证了神经层面的发现。使用AI助手的研究参与者对自己文章的所有权感最低，并且难以准确引用他们刚刚写下的句子。研究人员为这一模式创造了一个术语：认知债务, , 一种短期便利，似乎随着使用次数的增加而累积成长期缺陷。

批判性思维：被重新定义还是被侵蚀？

另一项基于布鲁姆分类法（评估学习层次的标准框架，从基本记忆到评估与综合）的研究发现，AI辅助在最低认知层级上带来的提升最大。它在记忆和事实检索方面确实有用。但在更高阶任务, , 分析、评估、原始综合, , 上，其效用急剧下降，而教育最终旨在培养的正是这些技能。

一些研究人员认为，这不仅仅是侵蚀，而是一种转变。关于认知卸载（将心理任务委托给外部工具）的研究描述批判性思维正在向新技能转变：验证AI输出、将机器生成的回应整合到原创作品中、以及统筹任务而非从头到尾执行。这种转变是否能真正替代它所取代的深度认知参与，仍存在争议。

教师们似乎以担忧而非好奇的心态看待这一变化。在2026年EDUCAUSE针对438名教职员工的调查中，73%的人表示他们曾亲自处理过与学生AI使用相关的学术诚信问题，83%的人预测AI将缩短学生的注意力持续时间。

教学法变量

OECD《2026年数字教育展望》中的发现指明了摆脱这一陷阱的途径，但途径狭窄。该组织得出结论，生成式AI可以支持学习，但只有在明确的教学原则指导下才能实现。如果缺乏教学结构随意运行，AI工具倾向于外包任务本身，而非培养任务原本旨在教授的技能。这种区分, , 结构化使用与非结构化委托, , 几乎完全呼应了2.6万名学生研究的发现：相同的工具，完全相反的结果，取决于它如何融入学习任务。

这使得教师培训和作业设计承受了不同寻常的压力，而这两方面历来落后于它们所应管理的技术。一个聊天机器人可以在一个下午部署到教室。但要重新设计评估体系以使认知卸载难以隐藏，则需要更长的时间，而大多数学校系统尚未跟上步伐。

开放性问题

2026年汇聚的研究并未回答AI是否应该进入课堂，它只表明当前默认的使用模式, , 快速作答、几乎无摩擦, , 似乎在用短期表现换取长期能力。仍未解决的问题是：个体层面记录的“认知债务”是否会在十年后累积成劳动力层面可衡量的技能差距？评估系统能否足够快地重新设计，以堵住2.6万名学生研究所揭示的漏洞？OECD所描述的富有成效、抵抗卸载的AI使用方式，能否在有充足师资和时间精心实施的资源充足学校之外推广开来？