生成式人工智能辅助写作中的层敏感认知卸载:受支持表现与独立无AI结果

《Frontiers in Psychology》:Layer-sensitive cognitive offloading in generative AI-assisted writing: supported performance and independent no-AI outcomes

【字体: 大 中 小 】 时间:2026年08月28日 来源:Frontiers in Psychology 3.8

编辑推荐:

  摘要翻译:引言:使用生成式人工智能(GenAI)进行写作可以改善受支持的产品,但不一定能增强在移除支持后仍保留的能力。本研究通过层敏感认知卸载的视角考察了这一区别。方法:在这项为期八周的准实验课堂研究中,180名来自六个完整英语学术写作课堂的中国本科生进入研究

  
摘要翻译:引言:使用生成式人工智能(GenAI)进行写作可以改善受支持的产品,但不一定能增强在移除支持后仍保留的能力。本研究通过层敏感认知卸载的视角考察了这一区别。方法:在这项为期八周的准实验课堂研究中,180名来自六个完整英语学术写作课堂的中国本科生进入研究,168人完成了全部流程。两个班级被分配到三种条件之一:无AI写作、有界AI支持并附带强制反思、开放AI协作。学生完成了一项基线任务、三项干预作业,以及第八周一项有监督的独立无AI近迁移任务。结果:开放AI协作在受支持写作中表现出最高的观测均值(M = 4.02),尽管班级聚类的开放-有界对比不精确(调整后差异 = 0.21,95% CI [0.06, 0.36],wild-cluster p = 0.064)。在第八周,有界支持条件在写作质量(差异 = 0.27)、高阶思维(0.35)、论证深度(0.42)和独立修改质量(0.39)方面显示出比开放协作更高的调整后结果;确切的wild-cluster p值范围在0.050至0.063之间。在112名接触AI的学生中,开放协作涉及更多提示、更多文本整合、更少自发生成文本,以及更深的观点和推理卸载。一项调整后的关联分解显示,开放协作预测了更高的总体卸载(a = 0.77,SE = 0.06),这与第八周较低的高阶思维相关(b = ?0.45,SE = 0.08);bootstrap间接估计为?0.34,95% CI [?0.48, ?0.21]。自我调节写作减弱了但未消除这种负向关联。讨论:由于条件仅由六个完整班级分配,且受支持条件将委托限制与强制反思相结合,结果被解释为班级层面的、与机制一致的关联,而非确定的因果效应。研究结果区分了使用GenAI取得的绩效与在移除支持后独立展示的能力。
**论文解读:生成式人工智能辅助写作中的层敏感认知卸载——受支持表现与独立无AI结果**

**一、研究背景与问题**

学术写作既是一种产品,也是一个学习过程。学生需要规划观点、构建和限定主张、评估证据、预判对立观点、监控连贯性并修改意义。这些活动与批判性思维的核心要素(解释、分析、推断、评估、说明和自我调节)高度重合。认知模型将写作描述为递归的问题解决过程,而非简单的文字转写。写作的教育价值不仅体现在提交文本的质量上,更体现在产生文本过程中所锻炼的认知操作。生成式人工智能(GenAI)的出现改变了过程与产品之间的关系。学生可以使用AI系统进行头脑风暴、生成大纲、起草段落、生成反驳论点、重组文章或润色语言。虽然GenAI反馈能在学习者积极解释和修改输出时支持写作表现,但也可能使提交的产品成为学习者独立能力的糟糕指标——一篇流利的文章可能反映了对AI反馈的积极评估和转化,也可能只是对外部生成观点和推理的最小化采纳。

这一区别对应两个教育心理学原则:其一,借助技术获得的效果不等于技术移除后残留的效果;其二,受支持练习中的表现提升不一定意味着持久学习的发生。因此,教育迁移必须在支持移除后评估,而非仅从辅助表现中推断。认知卸载为解释受支持表现与独立表现为何可能分化提供了机制性解释。认知卸载是指利用外部工具或环境结构来减少内部认知需求。当工具执行了本应通过实践才能发展的认知操作时,风险便会出现。GenAI的独特之处在于它不仅能卸载词汇和记忆,还能卸载内容选择、论点组织、证据解释和评价判断。本研究区分了四个分析层:表面卸载(语法、词汇和局部表达)、结构卸载(大纲、顺序和整体组织)、观点卸载(主张、例子、视角和内容方向)、推理卸载(论据、反驳论点、证据解释和论证逻辑)。研究还将脚手架与无限制委托区分开来:有界支持条件设定了固定边界而非适应性淡出,因此是有界教学支持而非完整的临时脚手架;同时该条件要求学生说明如何接受、修改或拒绝AI建议,这一反思要求是与委托边界捆绑的元认知成分。自我调节写作可能决定AI是保持支持性还是变得替代性,本研究将其视为卸载与独立表现之间关联的调节变量。

**二、研究内容与结论**

研究在井冈山大学进行,180名来自六个完整英语学术写作课堂的中国本科生参与,168人完成全部流程。每个条件两个班级,每班28人进入分析。研究为期八周,包含有监督的基线无AI任务、三个干预写作周期和第八周有监督的独立无AI评估。三个条件为:无AI写作、有界AI支持(允许请求头脑风暴问题、替代大纲选项、读者反馈、弱点识别、局部连贯建议和语言澄清,但禁止请求完整段落、最终论点、完整论证结构、现成证据解释、完整反驳论点或全文重写;并要求对每项AI影响的变化记录接受、修改、拒绝或仅用于激发思考,并解释决定)、开放AI协作(可使用同一平台进行规划、起草、论证发展、反驳论点生成、全局修改和语言润色,所有互动和采纳决定均需记录)。AI任务使用ChatGPT with GPT-5.3官方浏览器界面完成。主要结论为:开放AI协作在受支持写作中表现最高,但有界支持条件在第八周独立无AI近迁移任务中表现最佳,表明受支持表现与独立表现发生分化。AI使用强度、文本整合、卸载深度和自我调节写作共同解释了这一模式。

**三、主要关键技术方法**

研究采用八周准实验课堂设计,以六个完整班级为分配单位,每条件两班。样本为中国本科生(n=168),每条件56人。研究使用有监督的基线和后测任务、三个干预写作周期,所有任务采用“初稿-修改-终稿”的分阶段流程。AI辅助任务通过ChatGPT with GPT-5.3完成,提示-响应历史及时导出。主要测量包括:写作质量(1-5分,五个维度)、高阶思维(1-5分,四个维度)、层特异性认知卸载(由编码者根据提示、AI输出、采纳决定和修改记录评分)和自我调节写作(八项共同条目)。统计分析使用班级聚类稳健推断,包括小样本校正t(5)置信区间和精确Webb六点wild-cluster参考分布。AI暴露子样本(n=112)中进行了关联分解和调节分析。

**四、研究结果**

**基线可比性**:三种条件在基线写作水平、高阶思维前测、写作自我效能、先前AI经验、GPA和性别比例上无大差异。

**受支持写作表现**:所有条件的观测受支持写作均值随任务增加而上升,开放协作最高(聚合均值M = 4.02)。调整后班级聚类的开放-有界对比为0.21(95% CI [0.06, 0.36],wild-cluster p = 0.064),六班级推断不精确。条件×任务的交互作用不显著(F(2,5) = 0.30,p = 0.754),说明排序稳定但开放-有界对比证据较弱。

**AI使用强度、整合、练习量和修改所有权**:开放协作涉及更多提示(每任务13.92 vs 7.58)、更高AI文本整合(42.7% vs 19.4%)、更低独立修改比率(0.50 vs 0.74)、更低自生成文本比例(0.56 vs 0.78)和更短主动起草时间(39.6 vs 48.2分钟)。

**层特异性卸载**:开放协作在四个卸载层均超过有界支持,差异最大的是观点卸载(差异0.97,g = 2.14)和推理卸载(差异1.06,g = 2.22)。

**提示功能、采纳深度和修改所有权**:开放协作中论点生成、反驳论点生成和全文重写提示比例更高,最小化转化采纳(24.2% vs 7.2%)和AI主导修改(33.7% vs 10.6%)比例更高;有界支持中主题探索、大纲规划和语言润色提示比例更高,咨询后未使用(18.2% vs 7.4%)和学习者主导修改(54.6% vs 26.8%)比例更高。

**反思和练习量检查**:有界支持条件下,较强的编码反思参与预测更高的第八周高阶思维(B = 0.24,p = 0.007)。AI暴露子样本中,联合模型显示卸载仍与较低高阶思维相关(B = ?0.37,p < 0.001),自生成文本比例正向关联(B = 0.74,p = 0.010),支持减少练习作为补充性竞争机制。

**AI暴露学生内的探索性关联分解**:开放协作预测更高总体卸载(a = 0.77,SE = 0.06),更高卸载与更低第八周高阶思维相关(b = ?0.45,SE = 0.08),间接估计ab = ?0.34(95% bootstrap CI [?0.48, ?0.21])。层特异性分解显示推理卸载的间接效应最大(ab = ?0.34),结构和观点卸载居中,表面卸载最小(ab = ?0.08)。

**自我调节写作的调节作用**:卸载×自我调节写作交互为正(B = 0.22,p = 0.043)。在均值处卸载斜率为?0.44,高于均值一个SD处为?0.33,仍为负值,表明自我调节写作减弱但未消除负向关联。

**第八周独立无AI结果**:有界支持条件在写作质量(3.88)、高阶思维(3.83)、论证深度(3.86)和独立修改质量(3.88)上均最高。有界-开放班级聚类调整对比分别为0.27、0.35、0.42和0.39,wild-cluster p值在0.050至0.063之间,方向稳定但精确性处于边界。

**需求特征和文本示例**:两个干预提示涉及AI和在线学习,可能引发需求特征并影响评分者盲法,完整提示已在补充材料中披露。

**五、讨论与结论**

讨论部分指出核心发现是分化而非简单的好坏判断。开放协作在支持存在时表现出最高写作质量,但有界支持在AI移除后表现最佳,这一模式与“技术的效果”和“技术之后的效果”的区别以及“练习表现”与“之后学习”的区别一致。班级敏感性分析显著限定了结论:开放-有界受支持对比有较宽的六班级不确定性区间,所有第八周wild-cluster p值均处于0.050-0.063边界,因此可辩护的陈述是:一致的、实际显著的课堂模式在支持期间偏向开放协作,在独立评估期间偏向有界支持,但设计不能确定个体层面的因果效应。过程数据表明,开放协作与观点和推理卸载的大幅增加、更多AI文本整合和更多AI主导修改相关;自我调节写作减弱但未消除卸载的负向关联。教学启示包括:学生可在咨询AI前完成独立的观点-证据计划;AI访问可先限于诊断性问题、替代选项、读者反馈和局部语言澄清;学生可提交AI前和AI后版本并分类采纳决定;评价应分配分数给推理来源、证据评估和修改所有权,而非仅依据最终流畅度。局限性包括:仅六个班级分配导致条件与班级部分混淆;有界支持将委托限制与强制反思捆绑;第八周任务为即时同课程同体裁近迁移而非远期或远迁移;主题可能引发需求特征;卸载框架需要独立验证;自生成文本和起草时间为估计值;样本为中国L1学生在一所大学用英语写作。结论翻译:最强的AI支持产品并非伴随最强的独立无AI表现。开放协作在支持存在时表现出最高的观测写作质量,而有界支持结合反思问责显示出最有利的第八周表现。过程证据表明更深层的委托和减少的独立写作练习是合理且重叠的解释。这些发现应被解释为一致的课堂模式而非确定的因果估计。即便如此,它们支持一个实际的教育原则:GenAI可以辅助写作,而不应承担学生发展独立能力所依赖的主张、证据解释、论据、反驳论点和修改决定的责任。因此,评价应同时考虑最终文本的质量和仍归属于学习者的认知工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号