AI依赖与批判性思维：认知疲劳的中介机制与信息素养的调节作用

本研究针对大学生过度依赖人工智能(AI)可能抑制批判性思维的关键问题，通过构建有调节的中介模型(PROCESS Model 8)，对580名中国大学生进行调查。结果发现：AI依赖不仅直接负向预测批判性思维，还会通过认知疲劳产生间接影响；信息素养既能缓冲AI依赖对批判性思维的负面效应，又可能因高监控需求加剧认知疲劳。该研究为AI教育应用中的认知风险管理提供了理论依据和实践启示。

　　

随着ChatGPT等生成式人工智能技术的快速普及，高等教育领域正在经历一场深刻的变革。AI工具不仅能快速完成文献综述、论文写作等学术任务，甚至可协助解决复杂问题。这种技术融合虽然提升了学习效率，却也引发了学界对学生认知发展风险的普遍担忧：过度依赖AI是否会导致批判性思维能力的退化？当学生习惯于将思考过程外包给算法，他们是否还会保持独立分析和深度推理的热情？

现有研究呈现矛盾图景：一方面，有证据表明AI能通过提供结构化支架促进主动学习；另一方面，更多研究警告称，被动使用AI可能引发"认知惰性"，削弱自主思考能力。更值得关注的是，持续与AI系统互动可能带来认知疲劳——这种精神 exhaustion状态会损害注意力分配和判断质量。然而，关于心理机制和边界条件的实证研究仍显不足，特别是信息素养如何在AI使用与认知结果之间发挥调节作用，尚缺乏系统探讨。

为解开这些谜团，武汉大学田金瑞和张荣华团队在《Acta Histochemica》发表了题为"Learners' AI dependence and critical thinking: The psychological mechanism of fatigue and the social buffering role of AI literacy"的研究论文。该研究整合社会认知理论和认知负荷理论，通过对580名中国大学生进行问卷调查，构建有调节的中介模型，深入剖析了AI依赖影响批判性思维的内在机制和边界条件。

研究方法上，作者采用横断面调查设计，通过改编自Bergen Facebook Addiction Scale的AI依赖量表、多维疲劳量表(MFI-20)中的认知疲劳子量表、Yan等人开发的信息素养自评工具以及侯氏批判性思维量表，系统收集了被试的AI使用习惯、心理状态和能力表现数据。使用SPSS 26.0和PROCESS宏程序进行统计分析，通过5000次Bootstrap抽样检验中介和调节效应的显著性。

3.1. 测量效度和共同方法偏差

验证性分析表明，所有量表的组合信度(CR)在0.81-0.96之间，平均变异抽取量(AVE)在0.51-0.59之间，均达到心理测量学标准。Harman单因子检验显示首因子解释方差为32.89%，低于40%的临界值，表明共同方法偏差不构成严重威胁。

3.2. 描述性统计和相关分析

相关分析显示，AI依赖与批判性思维呈显著负相关(r = -0.35, p < 0.001)，与认知疲劳呈正相关(r = 0.51, p < 0.001)。信息素养与批判性思维正相关(r = 0.39, p < 0.001)，但与AI依赖无关(r = -0.03, p > 0.05)。这些结果为后续中介和调节效应分析奠定了基础。

3.3. 中介分析：认知疲劳的作用

中介分析结果表明，AI依赖不仅直接负向预测批判性思维(β = -0.19, p < 0.001)，还通过认知疲劳产生间接影响(间接效应 = -0.14, 95% CI [-0.22, -0.11])。认知疲劳在AI依赖与批判性思维之间起部分中介作用，支持了资源 depletion 路径的存在。

3.4. 有调节的中介分析：信息素养的作用

层次回归分析揭示了信息素养的双重调节作用：在直接路径上，信息素养弱化了AI依赖对批判性思维的负面影响(交互项β = 0.11, p = 0.003)，表现为保护性缓冲效应；在间接路径上，信息素养增强了AI依赖对认知疲劳的正向预测(交互项β = -0.06, p = 0.025)，支持了认知监控成本假说。简单斜率分析显示，高信息素养个体在AI依赖增加时，批判性思维下降较缓，但认知疲劳上升较快。

讨论部分深入阐释了这些发现的理論意义和实践价值。研究表明，AI依赖通过两条并行途径影响批判性思维：一是直接抑制自主思考动机(自动化偏差机制)，二是通过认知疲劳间接消耗心理资源(资源 depletion 机制)。信息素养则扮演着"双刃剑"角色——既通过提升甄别能力保护批判性思维，又因 vigilant monitoring 增加认知负荷。

这一发现对认知卸载理论做出了重要修正：传统观点认为技术卸载纯粹减轻认知负担，但本研究证明，卸载后的监控需求可能产生新的认知成本。特别是在高素养用户中，这种"完美主义核查"可能导致疲劳累积，反而削弱深层思考能力。

实践层面，研究建议将信息素养培训与认知疲劳管理相结合。教育者应指导学生建立"足够好"的验证标准，避免过度核查；AI系统设计者则需提供不确定性标记和分块展示功能，降低监控负荷。这些措施有助于在享受AI便利的同时，保持可持续的批判性思维能力。

研究也存在若干局限：横断面设计难以确定因果关系；自我报告数据可能受社会期望偏差影响；样本仅来自中国大学生，推广性需谨慎验证。未来研究可采用实验操纵、行为观察和神经生理指标(如EEG、眼动追踪)等多方法三角验证，并考察不同文化背景和年龄群体的普适性。

总之，这项研究为理解AI时代的人类认知提供了 nuanced 视角，强调技术工具与认知能力的平衡发展的重要性。在AI日益融入教育生态的背景下，培养学生成为技术的明智使用者而非被动依赖者，将是未来教育的关键挑战与机遇。