所谓绩效悖论，就是在日常学习和教学中，学生使用生成式人工智能赋能，短期任务表现提升，但其持久的、独立的学习效果却受到损害。这就是在人工智能教育应用中蔓延的绩效悖论（Performance Paradox）。这个问题受到了全球越来越多的教育工作者和教育研究人员的关注。上个月，悉尼理工大学（University of Technology Sydney，简称 UTS）发布的一个研究报告，《人工智能、认知卸载及其对教育的影响》（Artificial intelligence, cognitive offloading and implications for education）报告，深度分析了生成式人工智能（Generative AI）对 K-12 教育带来的核心挑战与机遇，特别是其引发的“认知卸载”现象对学生长期学习效果的影响。
报告分析了“绩效悖论”产生的四个根源：1、回避“理想难度（Desirable Difficulties）”：持久学习需要适度的认知努力。AI 作为“答案先知（Answer Oracle）”消除了这种必要的挣扎。研究显示，被迫生成答案的学生（生成效应）在长时记忆表现上显著优于仅被动查看答案的学生。2、元认知惰性：AI 的便利性鼓励学生放弃计划、监控和反思等自我调节学习（SRL）过程。3、能力幻觉（Illusion of Competence）：生成式 AI 产生的文本具有极高的“流畅度”。这种流畅感常被学生误认为是深度学习的信号，导致其过度自信并停止深度参与。4、技术依赖：随着学生实际知识储备的萎缩，他们对 AI 工具的依赖度进一步增加，陷入恶性循环。报告指出，教育的核心挑战并非 AI 导致的作弊，而是它可能干扰知识构建和验证的认知过程。关键在于区分“有益的认知卸载”与“损害性的认知外包”，并通过教学干预（如元认知提示、认知镜像设计以及增强教师专业能力）将 AI 从知识替代工具转变为认知增强工具。当我们将思考的过程大规模“外包”给机器时，我们失去的不仅仅是时间，更是构建深度知识体系的能力。
认知卸载（Cognitive Offloading）是指利用外部资源减轻心理负担的行为。AI 的独特性在于它能承担分析、综合和创造等复杂的认知任务。报告区分两种卸载形式：当AI用于处理次要认知负荷（如语法检查）时，可释放认知资源，有益学习；当AI绕过“必要困难”时，会妨碍深入学习，属于有害卸载。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
不仅如此，报告还指出，AI 可能会加剧现有的教育不平等，产生“马太效应”：高能力学生： 拥有深厚领域知识和强元认知技能的学生能利用 AI 进行有益卸载，加速学习。弱势学生： 缺乏基础知识和自我调节能力的个体（通常是处于不利地位的学生或初学者）更易陷入损害性卸载，在获得“完成任务”的虚假快感中错失必要的认知训练，导致差距进一步扩大。
在教学中，教师要有意识地破解“绩效悖论”，帮助学生从认知萎缩到增强。报告提出了三条关键路径：1、负荷减少指令 (LRI)： 明确指导学生如何利用 AI 管理外源性负荷，同时保留本质性的认知挑战。2、脚手架式元认知提示： 在 AI 环境中集成非可选的元认知提示，强制学生在获取 AI 输出前或后进行暂停、反思和评估。3、重新设计 AI 角色：认知镜像（Cognitive Mirror）： 将 AI 设计为“受教的初学者”，通过假装困惑和提出澄清性问题，强迫学生进行解释（学徒效应）。验证伙伴： 将 AI 定位为不可靠的合作者，要求学生始终保持验证心态，不断评估和更正 AI 的输出。总体来看，该报告是一个内容全面、依据充分的政策分析文献，对教育决策者和学术界都有重要参考意义。
该报告立意新颖、视角清晰，对AI与学习的关系进行了系统而深入的分析。作者引用了大量最新文献和权威报告，使论据充分且前沿。报告结构严谨，各部分内容环环相扣，从理论阐释到应用建议具有较强逻辑性。报告在强调教学主导地位、保护知识积累方面提出了有价值的见解，尤其关注了教育公平问题，具有较高的现实参考价值。
然而，由于缺乏原创数据，该报告部分结论仍需实证验证，未来研究应填补这一空白。不过，一个重要问题留给了我们每一位教育工作者，留给生活在这个时代的每一个人：在机器能比我们更快地给出正确答案时，我们是否还能保有那份不断追问、反复推敲、亲自构建意义的“思考主权”？我们如何保有而不是外包这种“思考主权”？这是2026年每一位教育者都必须面对的终极追问。
7年前，2019年4月5日应邀在新加坡SCCL讲座后合影留念
© 版权声明
文章版权归作者所有，未经允许请勿转载。
