《Communications Psychology》：A metacognitive approach to learning and performance in human-AI interaction
编辑推荐：
生成式人工智能（GenAI）正迅速成为教育、工作、研究和日常生活中无处不在的技术。然而，越来越多的证据表明，流畅、连贯且看似透明的AI辅助虽然能提升任务表现，却会削弱持久性学习所需的元认知参与和深层加工。这一张力引出了一个核心问题：向AI卸载如何重塑人类学习，
生成式人工智能（GenAI）正迅速成为教育、工作、研究和日常生活中无处不在的技术。然而，越来越多的证据表明，流畅、连贯且看似透明的AI辅助虽然能提升任务表现，却会削弱持久性学习所需的元认知参与和深层加工。这一张力引出了一个核心问题：向AI卸载如何重塑人类学习，以及在何种条件下表现与学习会发生解耦？在本视角文章中，研究人员提出了人机技能与知识建构协同概念（SYNC）模型。该模型通过概念化元认知卸载（metacognitive offloading）和元认知加载（metacognitive onloading），提供了对人机交互的元认知解释。SYNC模型旨在阐明人机交互如何在学习和表现维度上展开，澄清学习者可能滑向过度依赖AI支持的自动导航表现，或走向人机协同。研究人员进一步识别了低效人机交互中的关键陷阱，并概述了通过元认知加载和支持人机协同来应对这些陷阱的策略。
论文主体内容总结
元认知卸载与加载（Metacognitive Offloading and Onloading）
GenAI时代的认知卸载与元认知（Cognitive offloading and metacognition in the age of GenAI）
学习和问题解决依赖于有限的工作记忆资源。在人类学习中，主要存在三种认知负荷：源于任务本身的内在负荷（intrinsic load）、由无效材料或指导引起的外在负荷（extraneous load），以及来自组织、联系和反思努力的关联负荷（germane load）。其中，关联负荷被认为有助于学习，因为学习者投入精力构建和存储图式。Valcke进一步将元认知负荷（metacognitive load）概念化为关联负荷的一个补充视角，即学习者在监控和控制图式构建与存储过程中所投入的努力。
近期研究表明，外部辅助工具如GenAI可以通过概括密集文章的关键论点、重新表述定理或辅助调试计算机程序等方式，减少不同形式的认知负荷，从而释放容量用于比较主张、检查假设或测试边界情况等关联工作。这体现了认知卸载（cognitive offloading）的广泛原则，即将存储、搜索或计算委托给外部资源，以便内部资源能够重新部署。然而，更低的努力并不等同于更好的学习；AI常常提升即时任务成功，同时抑制支持知识保持和迁移的深层加工深度。
与其说扩展认知容量，不如说人类学习者通过减少干扰和优化现有认知资源的分配来提高任务表现，包括通过认知卸载。决定何时以及如何卸载认知资源是一个元认知控制决策。基于经典理论，Risko和Gilbert的认知卸载模型分几个步骤展开：首先，学习者在给定任务中激活关于外部辅助工具的元认知信念和先前经验；其次，学习者评估自身技能相对于当前任务外部辅助工具的情况；第三，他们选择并执行策略，结果反馈用于校准未来判断并更新元认知体验。从概念上讲，当学习者判断自身内在能力较弱或使用时更费力时，他们更倾向于卸载到GenAI等外部工具。相反，经过校准的监控能在保持关联加工的同时调节卸载。
一旦发生认知卸载，其后果是混合的。Ferguson等人的研究发现，外部资源或工具的可访问性使参与者更不愿意依赖自身知识，他们自愿给出的答案总数减少，但回答时准确率更高，感觉知道的变化部分解释了这一模式。学习者通常通过卸载更可靠地完成任务并减少工作记忆需求，但可能编码更少，并用交互记忆替代个体记忆。如果外部支持表现的流畅性被错误归因于自身知识，信心可能会上升，强化未来的卸载，并有陷入自我维持循环的风险。理想情况下，有效的元认知可以打破这一循环：在寻求外部支持前定义意图和标准；如果卸载，说明释放出的容量将如何使用；保留解释、验证和判断权；通过无外部支持的任务后解释来监控校准。
元认知卸载的定义与场景（The Definition and Scenarios of Metacognitive Offloading）
当元认知未被积极运用时，学习者可能将行动选择、中间推理步骤以及下一步决策卸载给GenAI，即使这样做并未带来客观益处。当学习者不再仅仅使用GenAI来减轻认知负荷，而是委托或绕过自身的计划、监控、评估和判断校准，使得流畅的AI辅助表现偏倚他们的理解感并强化未来依赖时，认知卸载就可能成为有问题的元认知卸载。例如，让GenAI起草论文大纲、生成证据并自我评估论文草稿的学习者可能完成得更快、得分更高，但在概念知识或迁移实践中却没有相应增长，近期证据显示他们在关注评分标准、双重核查主张或进行战略性修改方面的元认知参与度降低。
由于GenAI本身的特点，如其实时、流畅、易用的响应，生成内容的随机性和幻觉，以及黑箱式的难以审查的推理过程，学习者在许多场景中尝试将认知卸载到GenAI时，常常遭遇有问题的并发元认知卸载。这种概念化也建立在认知控制理论的最新进展之上。Egner认为，任务聚焦和任务切换准备依赖于不同的机制，但都受到共享学习原则的共同调节，这些原则根据需求近期历史和情境相似性来调整控制。从这个角度看，认知卸载可以被理解为一种通过最小化内部干扰以维持稳定性，或利用外部表征促进灵活切换的外部辅助手段。相比之下，元认知卸载将这些调节设置本身外部化了。
论文列举了五种学习情境下可能发生的元认知卸载问题场景：第一，当任务被认为过于困难或价值低时，学习者可能选择不投入大量元认知努力，而将计划、监控或任务执行委托给GenAI；第二，对于缺乏教学线索的新颖任务，学习者可能缺乏生成、监控和评估学习所需的领域知识和可迁移的元认知信念与知识，从而阻碍元认知激活；第三，当学习者缺乏准确判断或足够的AI素养来预见替代策略的可行性和有效性时，他们可能将元认知策略评估卸载给AI；第四，来自外部支持的反馈可能误导甚至强化这种有问题的卸载循环；第五，流畅、表现良好且高成本效益的互动可能膨胀学习者的信心和自我效能感，偏倚判断并鼓励将学习和成就错误归因于自身能力。
总之，提出的元认知卸载概念模型通过展示学习者在与GenAI互动时可能发生的情况，扩展了Risko和Gilbert的认知卸载模型。重要的区别在于，认知卸载过程中的学习者通常使用元认知评估自身能力、选择是否/如何卸载，然后根据结果重新校准；而元认知卸载过程中的学习者要么从未激活元认知监控，要么将元认知策略评估卸载给GenAI，要么接收到偏倚判断并强化未来卸载的反馈和流畅表现。因此，认知卸载有时是必要且有益的，但元认知卸载往往对AI时代的人类学习有害。
伴随学习支架的元认知加载（Metacognitive onloading with learning scaffolding）
基于上述对元认知卸载及其问题场景的分析，论文引入了元认知加载的概念。在实践中，元认知加载意味着创造一些时刻，让学习者而非AI负责设定目标、预判困难、监控进度以及判断学习策略是否需要调整。
人类学习的支架设计是指有意设计和提供暂时的、依条件而定的支持，使学习者能够参与并完成超出其当前独立能力范围的学习活动，随着支持逐渐撤除，将调节和问题解决的责任转移给学习者。在培养自我调节能力的背景下，学习支架包括那些加载学习者元认知和自我调节的支持。在人机交互中，支架可以作为学习者的决策提示和反思锚点。有效的支架在三个层面运作。
