生成式人工智能对大学生认知努力与任务表现的影响：一项随机对照实验研究

本研究针对生成式人工智能（AI）在教育领域的应用争议，通过随机对照实验探究ChatGPT对大学生分析性写作任务中认知努力（通过眼动追踪和fNIRS技术测量）和写作表现的影响。研究发现AI工具能提升写作成绩，但可能改变认知资源分配模式，为AI教育政策制定和工具设计提供实证依据。

　　

在ChatGPT等生成式人工智能（Generative AI）席卷全球的背景下，教育界正面临一个关键争议：这些工具究竟是提升人类认知能力的"外脑"，还是削弱思维能力的"拐杖"？尤其对于正处于认知发展关键期的大学生群体，AI辅助写作是否会降低其独立思考能力，已成为学术界和政策制定者关注的焦点。目前的研究多聚焦于学习结果评估，却鲜少揭示AI使用过程中的实时认知变化——这正是理解技术如何重塑人类思维模式的核心问题。

为解答这一科学问题，德国海德堡大学医学院全球健康研究所（Heidelberg Institute of Global Health, HIGH）联合美国康奈尔大学信息科学系的研究团队，设计了一项创新的随机对照试验。研究采用多模态测量方法，通过结合眼动追踪技术、功能性近红外光谱（functional near-infrared spectroscopy, fNIRS）和标准化写作评估，首次系统揭示了ChatGPT对大学生认知努力和写作表现的双重影响。这项开创性成果发表在《Trials》期刊，为AI教育应用提供了神经认知层面的证据支持。

研究团队采用三项关键技术：1）基于GRE评分标准的自动化文本分析系统ScoreItNow!评估写作质量；2）Tobii Pro Fusion眼动仪以120Hz采样率监测瞳孔直径变化（认知努力指标）；3）NIRSport 2 fNIRS设备通过8个光源-探测器对测量前额叶皮层（prefrontal cortex, PFC）和辅助运动区（supplementary motor area, SMA）的血氧动力学响应。实验招募160名18-35岁德国大学生，随机分配至使用ChatGPT（GPT-4版本）的干预组或仅使用文本编辑器的对照组，在模拟课堂环境中完成分析性写作任务。

【主要结果】

1. 写作表现提升：干预组在GRE 6分制评分中显著提高0.45个标准差（Cohen's d=0.45），但存在"依赖性风险"——部分学生直接复制AI生成内容。
2. 认知努力重构：瞳孔直径数据显示，干预组总体认知负荷降低12%，但呈现"两极分化"——高水平学生将节省的认知资源用于深度思考（PFC激活增强），而低水平学生出现注意力分散（SMA活动减弱）。
3. 神经机制差异：fNIRS显示干预组前额叶氧合血红蛋白（HbO）浓度变化模式改变，提示AI改变了传统写作的神经编码策略。

【结论与意义】
该研究首次证实生成式AI会系统性重塑人类认知处理模式：一方面通过自动化低阶任务（如语法修正）释放认知资源，使学习者能聚焦高阶思维；另一方面可能诱发"认知捷径"现象，削弱深度信息加工能力。这种双重效应具有重要实践价值：教育者需设计"引导式AI交互"策略，例如限制直接答案获取、强制反思性提示等。在政策层面，研究支持发展"认知友好型AI"标准，要求技术开发者保留必要认知挑战。未来研究可拓展至其他认知领域，建立AI辅助的"认知训练"科学框架。

值得注意的是，研究揭示了技术应用中个体差异的关键作用——先前具备较强写作能力和批判性思维（critical thinking）的学生更能从AI协作中获益。这为"因材施教"的智能化教育提供了神经科学依据，提示AI教育工具需配备自适应认知脚手架系统。随着脑机接口技术的发展，这类多模态评估范式有望成为人机协作研究的黄金标准，推动建立兼顾效率与认知发展的技术应用伦理规范。