《AI》:Artificial Intelligence and Youth: Cognitive, Educational, and Behavioral Impacts
Daniele Giansanti and
Claudia Cosenza
编辑推荐:
本综述系统回顾了AI与生成式AI(GenAI)对青年群体的认知、教育与行为影响。文章指出,AI在提升学习效率与创造力的同时,也可能导致认知卸载、依赖乃至成瘾样行为。研究强调,需通过结构化教学、人类监督、AI素养与伦理指导等策略,以实现负责任的AI整合,平衡其益处与风险。
人工智能(AI)与生成式AI(GenAI)正以前所未有的速度融入教育和职业环境,为青少年(即青少年和年轻成年人)及早期职业人士带来深刻的变革。这篇综述旨在梳理AI与GenAI使用对青年群体产生的认知、教育和行为影响,并探讨如何在学习和职业发展中实现其负责任地整合。
认知、教育和学业影响
在认知与教育领域,AI工具提供了个性化学习和即时反馈的机会,能够提升学习效率、激发创造力并增强学习动机。然而,过度依赖这些工具也带来了显著风险。研究表明,感知到的AI依赖与更高的错失恐惧症(Fear of Missing Out, FoMO)水平密切相关,这种焦虑感可能导致学生为追赶同伴而频繁使用AI,反而减少了对学习材料的深度投入,进而损害阅读理解、词汇习得等基础认知过程。认知卸载现象尤为值得关注:当学生习惯于将问题求解、内容生成等需要主动思考的任务交给AI时,他们的独立思维能力、创造性以及面对挑战的韧性可能被削弱。一些测量研究,如会话AI依赖量表(Conversational AI Dependence Scale, CAIDS)和有问题的ChatGPT使用量表(Problematic ChatGPT Use Scale, PCGUS),帮助量化了这些适应不良的使用模式。幸运的是,在教师提供结构化指导、明确AI使用策略和支持性反馈的学习环境中,学生能更好地平衡效率与自主,在利用AI辅助的同时,保护并发展其核心的认知技能。
专业使用后果
在专业领域,尤其是教育和医疗行业,AI的整合带来了效率与决策支持的提升,但也对专业能力构成了挑战。对于教师而言,过度依赖AI进行课程设计、内容生成或评估,可能侵蚀教学自主性、批判性思维和内在动机。在医疗领域,不加批判地接受AI生成的建议,可能会抑制同侪协作、创造性问题解决,并引发伦理风险。专业判断和决策过程的核心——人类的批判性监督与伦理责任——是AI无法替代的。因此,有效的整合策略强调需要在专业培训早期就融入AI素养、伦理推理和反思性实践,并通过组织层面的治理框架(如明确的AI使用指南和监督机制)来确保AI是增强而非取代专业能力。
心理与行为维度
AI的互动不仅仅是工具性的,还深深交织着心理和行为因素。研究发现,对GenAI的过度投入可能表现出类似行为成瘾的特征,包括强迫性使用、情绪调节(例如,通过使用AI来改善情绪)以及当无法使用AI时的情绪困扰。某些人格特质,如神经质、自我批评的完美主义和冲动性,可能通过加剧需求挫败感和负面学业情绪,从而增加依赖风险。另一个关键概念是“解释深度幻觉”(Illusion of Explanatory Depth, IoED),即用户在使用大型语言模型(LLM)获得流畅解释后,会高估自己对复杂话题的理解深度,从而阻碍了独立解决问题技能的发展。这些发现提示,针对个体的心理脆弱性因素(如强迫倾向、奖励敏感性)进行干预,并结合AI素养培训、元认知策略和自我调节训练,对于维持平衡的AI参与至关重要。
AI素养、信任与21世纪技能
一个引人深思的悖论在于AI素养、信任与依赖之间的关系。通常认为,更高的AI素养和数字技能是负责任使用技术的保障。然而,证据显示,对AI工具更熟悉、信任度更高的用户,有时反而表现出更强的依赖倾向,更倾向于将认知任务委托给AI系统。这种“依赖悖论”可能削弱用户独立推理、批判性思维、问题解决和协作等21世纪核心技能的发展。因此,AI素养的培养绝不能止步于技术操作能力,必须深度融合批判性评估、认识论警惕(对知识来源和可靠性的审慎态度)以及反思性使用实践。教育者的能力在此扮演关键角色,他们需要将AI整合到协作、反思的学习环境中,引导学生批判性地质疑和讨论AI的输出,而非被动接受。
负责任AI整合的策略
面对AI依赖的风险,研究共识并非限制或禁止使用,而是倡导结构化、有指导且具反思性的整合。有效的策略是多维度的:
- •
结构化教学整合:将AI作为脚手架工具,在明确的教学设计和教师指导下使用,确保AI支持而非替代核心学习过程。
- •
人类监督与治理:在所有AI辅助的活动中保持人类的中心监督角色,建立制度化的使用指南、透明度要求和问责机制,以防止自动化偏见和过度信任。
- •
培养反思性实践:要求用户对AI辅助的决策进行论证,比较AI生成与人工生成的内容,以培养批判性评估和元认知意识。
- •
明确责任归属:清晰界定人类与AI在任务中的角色,防止责任扩散,确保用户始终保持参与度和伦理责任感。
- •
心理监测与支持:利用已验证的评估工具监测AI参与模式,并结合数字健康实践,关注用户的学业压力和心理脆弱性,预防依赖对福祉的负面影响。
全球视野下的政策与治理
国际政策框架,如联合国教科文组织(UNESCO)的《教育与研究中生成式AI指南》和欧盟委员会的《教学与学习中AI与数据使用伦理指南》,为负责任的AI整合提供了重要原则。这些原则强调公平获取、伦理素养、批判性思维技能、结构化教学整合以及监测与治理。然而,全球性政策必须根据地方的教育体系、文化环境、语言背景和制度能力进行适应性调整,才能真正落地生效。
关键的考量与知识缺口
当前研究仍存在一些亟待探索的领域。首先是交织性的数字鸿沟,这包括基础设施鸿沟(接入不平等)和AI素养鸿沟(技能不平等),它们共同影响着青年接触和利用AI的机会与质量。其次,需要进一步区分AI依赖与一般技术依赖(如智能手机成瘾)的独特心理和行为机制。此外,关于“AI素养-依赖悖论”的长期影响和干预措施的有效性,仍需更多纵向研究加以验证。
未来方向
展望未来,研究需朝几个方向努力:开展大规模、跨文化的纵向研究以追踪AI参与的演变轨迹;评估国际与国家AI政策在本地化实施后的实际效果;进一步标准化和验证AI依赖的评估工具;设计并测试结合了教学法、行为科学和伦理学的综合性干预方案;推动开发者、教育者和政策制定者合作,设计更能支持公平、可及性及独立推理的AI工具。
总而言之,AI在青年成长中扮演着“双刃剑”的角色。要驾驭这股强大的技术浪潮,我们必须采取一种平衡而审慎的方法,通过多维度的策略——融合精心设计的教学、持续的人类监督、深化的AI素养、坚定的伦理立场以及灵活适应的治理——来引导青年与AI建立健康、赋能且负责任的关系,最终促进其认知自主性、专业判断力和整体福祉的全面发展。