Когнитивна капитулация

Автоматичен машинен превод на тази английска страница, който още не е проверен от носител на езика.

Когнитивната капитулация - приемане на резултата на AI система, без да се извършва разсъждението, което би позволило той да бъде оценен. Докато когнитивното изнасяне пита колко умствена работа делегира обучаемият и дали делегирането е калибрирано, капитулацията пита дали обучаемият изобщо запазва оценъчната роля: отговорът пристига, приема се и става собствена позиция на човека без проверката, която би представлявала преценка. Терминът идва от теорията с три системи на Shaw и Nave (2026), която го определя като отделен провал както от изнасянето, така и от свръхразчитането.

Въпроси за размисъл

1. Когато ученик приеме отговор от AI, който случайно е верен, успял ли е часът? Какво трябваше да е вярно, за да има значение самото приемане?
2. Калибриран делегатор, който познава собствените си граници, различен ли е по вид от ученик, който просто не може да различи? Как би преподавател разграничил двете в една единствена работа?
3. Ако увереността расте, докато точността пада - както става, когато има наличен AI съвет - какво прави това със собственото откриване на грешки от обучаемия?
4. Къде проверката е преподаваема и къде е проблем на натоварване и политика? Кои части на учебната програма би трябвало да се променят, за да бъде проверяването норма, а не изключение?
5. Трябва ли институциите изобщо да измерват капитулацията, или измерването й привлича същото наблюдение, с което се борят правилата за разкриване?
6. Как би изглеждала задача, която награждава ученик за това, че е отменил грешен отговор от AI, вместо за това, че е произвел изгладен?

Въведение

Капитулацията е нагласата зад най-честия провал в ученето с подкрепата на AI: не прекомерното използване на инструмента, а приемането на думата му за чиста монета. Страницата за когнитивното изнасяне държи по-стария конструкт и неговите доказателства, а злоупотребата с AI държи инвентара на вредите. Тази страница съществува, защото отделен клъстер от работи вече назовава и измерва нещо, което тези две не улавят напълно.

Три неща отличават капитулацията. Тя е за преценката, а не за усилието: ученик може да прекара значително време в писане на подканващи инструкции, преформатиране и усъвършенстване на резултата, без нито веднъж да приложи собствен критерий дали резултатът е добър. Тя често е невидима за обучаемия: сигналите, които обикновено съпътстват усилието - колебание, несигурност, усещането, че още не знаеш - се закъсяват от гладкия текст. И тя не се поправя надеждно само с практика или стимули, а точно там доказателствата стават остри.

Изнасяне, свръхразчитане, капитулация: три различни провала

Трите стоят на една стълба, а не се заместват взаимно. Изнасянето често е продуктивно; то се превръща в свръхразчитане, когато престане да бъде стратегическо; капитулацията е версията, в която оценъчната стъпка липсва. Разграниченията се правят както в практиката, така и в теорията: бързият преглед от Сидни на 271 емпирични статии за PreK-12 генеративен AI организира поведението на учениците точно в тези три категории - капитулация, изнасяне и самостоятелност - и ги разпределя по когнитивно, метакогнитивно и афективно измерение. Du и Yuan (2026) поставят същата граница от другата страна: инструменталната помощ произвежда резултат, помощта, носеща преценка, доставя стандарта, по който резултатът се оценява, и само вторият вид надеждно измества работата, която развива експертиза. Техните шест критерия - оспоримост, възстановимост, пренасяне, проследимост, разпределена отговорност и епистемичен плурализъм - са диагностика на капитулацията, а не мярка за използване.

Обяснението с трите системи

Shaw и Nave (2026) разширяват двупроцесното разсъждение с трета система. Система 1 е бърза и интуитивна; Система 2 е бавна и разсъждаваща; Система 3 е изкуствено познание, което работи извън мозъка. Система 3 може да допълва вътрешната обработка, доставяйки кандидат-отговори и отбелязвайки противоречия за Система 2, или да я замести, в който случай разсъждението изобщо не започва. Капитулацията е случаят на заместване и теорията предсказва, че тя трябва да е откриваема като отпечатък, а не като усещане: приеми отговора на AI, когато е верен, приеми го, когато е грешен, и отчети по-висока увереност и в двата случая.

Експерименталният отпечатък

Три предрегистрирани експеримента адаптират Теста за когнитивна рефлексия и рандомизират точността на AI чрез скрити начални подканващи инструкции, така че участниците да не могат да различат добър асистент от лош по интерфейса (N = 1 372; 9 593 опита).

• Хората се консултират, после приемат. Участниците избраха да се консултират с асистента в мнозинството от опитите (>50%).
• Точността следваше AI, а не човека. Спрямо базова линия само с мозък точността се покачи с около 25 процентни пункта, когато AI беше точен, и падна с около 15 пункта, когато грешеше - контрастът, който авторите наричат поведенчески отпечатък на капитулацията (h на Cohen = 0,81; 95% CI [0,72; 0,91]; h по отделни изследвания = 0,83, 0,86, 0,78).
• Двете поведения се разделят чисто. При опитите с грешен AI 73,2% завършиха с капитулация, 19,7% с изнасяне (отменяне на грешния съвет и верен отговор) и 7,1% с неуспешно отменяне.
• Увереността расте с достъпа. Въпреки че около половината от отговорите на AI бяха грешни, достъпът до асистента повиши заявената увереност с 11,7 процентни пункта (77,0% срещу 65,3%).
• Ситуационният натиск не я премахва. Стимулите за всеки отделен въпрос плюс обратна връзка увеличиха изнасянето с около 19 пункта до 37,1% и намалиха капитулацията до 57,9%; натискът на времето намали изнасянето с около 12 пункта до 6,2% и вдигна неуспешните отменяния до 13,8%. И двете условия изместиха базовите линии, без да затворят разликата между верен и грешен AI (OR = 14,28 при натиск на времето; OR = 11,05 при стимули и обратна връзка).
• Податливостта е нагласа, не само ситуация. По-високото доверие предсказа по-широка разлика между верен и грешен AI (OR = 2,81) и в прекия модел - капитулация пред изнасяне (OR = 4,36). По-високата потребност от познание стесни разликата (OR = 0,83) и измести резултатите към изнасяне (OR = 0,46); по-високият флуиден интелект беше защитен в същата посока (OR = 0,69), а най-силният му единичен ефект беше по-ниската склонност да се следва грешен съвет, след като асистентът вече е бил ангажиран (OR = 0,23).

Практическото четене е, че капитулацията е провал на различаването, а не провал на мотивацията. Участниците, които капитулираха, не се опитваха да избегнат работа; те не можеха да различат добър съвет от лош и интерфейсът не им даваше причина да опитат.

Капитулацията извън лабораторията

Констатациите от лабораторията съвпадат с теренна и наблюдателна работа, която независимо е стигнала до същата дума.

• Изместване на популационно ниво. Rismanchian et al. (2026) анализират 3,2 милиона учебни взаимодействия в ALEKS и 12,2 милиона времена за отговор на оценяване за разпределение в десетгодишен панел, като задачите, базирани на графики, служат за контрола на текстовите. Учениците завършваха по-бързо работата, податлива на AI, и получаваха по-високи оценки по нея, докато проверяваните задачи за задържане показаха 25% кумулативен спад в шансовете за верен отговор; авторите наричат модела когнитивна капитулация в популационен мащаб.
• Проверката като разграничаваща променлива. Stamatoulis et al. (2026) установяват, че как учениците използват генеративен AI предсказва представянето, докато колко го използват не предсказва нищо: възприемането с ниска проверка - некритичното приемане на резултата - беше свързано с по-лоши резултати, а оценъчната интеграция с по-добри.
• Безмисленото използване ерозира ресурсите, от които се нуждае самонасочеността. Zhao и Gu (2026) моделират пряко приемането без оценяване: при 487 студенти безмисленото използване на генеративен AI беше свързано с по-ниско самонасочено обучение (β = -0,42), отчасти чрез намалена мотивация и самочувствие за компетентност.
• Невронната следа и следата на собственост. ЕЕГ изследването на когнитивния дълг измерва писане на есе с LLM, с търсачка и без инструмент: групата с LLM показа най-слаба невронна свързаност, отчете най-ниска собственост върху работата си и се затрудни да цитира написаното от нея.
• Капитулацията може да дойде непотърсена. Работа върху отлагането на преценка установи, че самото наличие на AI съвет срина готовността на хората да кажат „не знам“ (0,06 срещу 0,36 и 0,03 срещу 0,44 в две изследвания), докато верността падна, а увереността се покачи от около 30 до 76. Залозите не възстановиха отлагането, макар стимулите да подобриха точността, насърчавайки отменяния. Четвърто изследване показа ефекта без никаква консултация - моделът на автодовършване или обобщение в търсачка, а не на чат подканваща инструкция.
• Зависимият и самостоятелният режим се различават само по последствията. Fan, Li и Zhang (2026) проследяват 589 ученици и работещи в началото на кариерата си в три вълни: зависимото изнасяне делегираше основното мислене и вървеше с по-ниска вътрешна мотивация, докато самостоятелното изнасяне не го правеше, а непосредственото представяне изглеждаше идентично и в двата случая.
• Приносът на самия модел. Подхапването е допълнението на капитулацията: асистент, който се съгласява, колебае се към рамката на потребителя или формулира твърдение гладко, не дава на обучаемия нищо, срещу което да се опре.
• Оттеглянето е неразрешената половина. Работата върху когнитивното измиване отбелязва, че почти цялото това изследване измерва познанието по време на използването на AI и почти нищо не измерва какво се случва, когато асистентът бъде отнет - което е точно въпросът, който поставя един изпит, прекъсване на услугата или преглед на лиценз.

Проектиране и преподаване срещу капитулацията

• Направете проверката задача, а не съвет. Изисквайте заявен първи отговор, преди AI да бъде консултиран, и изисквайте от учениците да назоват точките, в които са го отменили. Това превръща невидима оценъчна стъпка в артефакт, който може да се оцени.
• Награждавайте отменянията, не използването. В експериментите стимулите, свързани с точността, вдигнаха изнасянето към 37%, без да премахнат капитулацията; стимулите работят, когато правят проверката последваща, което е и констатацията зад правилото за разполагане на Капана на лекотата - неохраняван помощник остави учениците с около 17% по-лоши на изпит без помощ, а преустроен модел, който задържаше отговорите, заличи вредата.
• Преподавайте различаване, не само недоверие. Тъй като потребността от познание и флуидният интелект предсказваха устойчивост, а самоотчетеното доверие предсказваше уязвимост, обучаемата цел е способността да се различава добър резултат от лош в конкретна задача. Обучението за калибриране с опити за предсказване плюс обратна връзка е разработеният прототип: кратка интервенция намали пристрастието към напомняния в лабораторен аналог на свръхразчитането.
• Показвайте разногласие, а не увереност. Тъй като достъпът завишаваше увереността дори при грешни отговори, полезният дизайнерски ход е фрикция, която представя противоречиви доказателства, несигурности или контрааргументи, така че обучаемият да има какво да оцени, вместо какво да приеме. Дизайните с човек в контура с подкани за проверка и изисквания за разкриване са институционалните им съответствия.
• Пазете едно измерване. Ако представянето с помощ и способността без помощ не се измерват отделно, капитулацията е невидима за оценяването на курса: семестърът изглежда по-добре, а числата за задържане тихо падат.
• Третирайте го като системен и дизайнерски проблем. Агентните дизайни отбелязват, че колкото по-агентен е даден агент, толкова по-малко когнитивно усилие изразходва обучаемият, превръщайки продуктивното делегиране в капитулация по подразбиране; работата по моделиране добавя, че разчитането се разпространява чрез социално доказателство, така че нормите на кохортата и настройките по подразбиране на интерфейса имат значение колкото индивидуалния навик.

Отворени въпроси

Хабитуира ли се капитулацията или отслабва с неизползване? Изследването на измиването формализира въпроса след оттеглянето, но дългосрочните данни още не съществуват. Може ли капитулацията да бъде измерена в реални условия без инвазивно логване и предсказват ли нещо самоотчетите за поведение на проверка? Задържа ли се завишаването на увереността, след като обучаемият веднъж се е опарил от уверен грешен отговор, или некалибрирането е лепкаво? И на ниво професия, а не човек, изчерпва ли широко разпространената капитулация споделения пул от експертиза, от който самият надзор над AI системите зависи - тревогата, повдигната от рамката на когнитивните общи ресурси?

Ограничения

Доказателствата за капитулацията като назован конструкт почиват в голяма степен на една програма лабораторна работа: три предрегистрирани експеримента с адаптиран Тест за когнитивна рефлексия и удобни извадки, които установяват механизма и диспозиционните модератори, но не се пренасят към професионална преценка с високи залози. Дизайнът улавя и единични излагания, така че нищо в него не показва дали капитулацията се хабитуира или натрупва. Теренните доказателства са наблюдателни: панелът ALEKS показва по-бързо завършване с по-лошо задържане при проверка, но причинното приписване на капитулация, а не на промяна в учебната стратегия, изисква допускания, които дизайнът не може да провери. Дефинициите все още са нестабилни в литературата - изнасяне, свръхразчитане, зависимост, привързаност и проблемно използване редовно се смесват, а поне един синтез твърди, че честото делегиране не бива да се нарича зависимост без нарушен контрол или вреда. Накрая, самоотчетите за доверие, потребност от познание и поведение на проверка носят обичайните ограничения, а голяма част от доказателствата от класната стая се отнасят до висшето образование и средното образование, а не до ранното училищно обучение.

Чести заблуди

„Изнасяне, свръхразчитане и капитулация са три думи за един и същ проблем.“ Те назовават три различни провала с различни средства за справяне. Изнасянето е делегиране на когнитивна работа; свръхразчитането е зависимост от системата в по-голяма степен, отколкото нейната надеждност оправдава; капитулацията е приемане на отговора на системата, без да се формира собствен. Капитулацията е най-тежката, защото не остава независима преценка, която да коригира, и е тази, която се пренася най-зле: не можеш да научиш някого да проверява отговор, който никога не е имал.

„Хората няма да се доверят на AI, който не могат да проверят, така че капитулацията е ограничена.“ Експерименталният отпечатък показва, че действа обратният механизъм. Три предрегистрирани експеримента адаптират Теста за когнитивна рефлексия и рандомизират точността на AI чрез скрити начални подканващи инструкции, така че участниците да не могат да различат добър асистент от лош - и участниците избраха да се консултират в мнозинството от опитите (>50%) и после приеха. Непрозрачността, която би трябвало да породи предпазливост, породи консултация, а консултацията предшестваше капитулацията.

„Решението е по-добър AI, защото капитулацията следва от грешки.“ Капитулацията следва от структурата на взаимодействието: система, която първо произвежда правдоподобен отговор, премахва повода обучаемият да произведе свой. Подобряването на точността намалява вредата от грешни отговори и не прави нищо срещу изоставянето на формирането на преценка, а именно тази вреда остава, след като инструментът изчезне.

„Преподаването на критично оценяване е достатъчно.“ То е необходимо и идва твърде късно. Щом правдоподобен отговор е на екрана, оценяването се превръща в потвърждаване, затова дизайнерската литература тук поставя опита на ученика преди резултата на системата, вместо да го проверява след това.

Свързани концепции

• Когнитивно изнасяне
• AI Misuse and Learning Harm
• Critical Thinking
• Learner Agency
• Metacognition
• Self-Regulated Learning
• AI грамотност
• Trust Calibration
• Human-in-the-Loop
• AI Sycophancy
• Намаляване на злоупотребите с AI
• Theory Development in AI in Education
• Generative AI

Свързани статии

• Thinking—Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning and the Rise of Cognitive Surrender — Теорията с три системи и експерименталният отпечатък на капитулацията
• Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build — изместване на популационно ниво в ALEKS
• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — рамката капитулация/изнасяне/самостоятелност в PreK-12
• Epistemic Dependence in AI-Mediated Learning — инструментална помощ срещу помощ, носеща преценка
• AI Advice Suppresses People's Willingness to Say "I Don't Know", Even When the Advice Is Wrong and Accuracy Is Incentivized — сривът на „не знам“
• Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task — невронна ангажираност и собственост
• Thoughtless Use of Generative Artificial Intelligence and College Students' Self-Directed Learning: A Multi-Group SEM Analysis of Gender Differences — безмислено използване и самонасочено обучение
• Same tool, different work: patterns of generative AI use and academic outcomes — възприемане с ниска проверка срещу оценъчна интеграция
• After the Assistant Leaves: Cognitive Washout Dynamics and the Reversibility of AI-Induced Skill Decay — какво се случва след оттеглянето
• Modeling AI Overreliance as a Complex Adaptive System — разчитането като популационен процес
• The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning — разполагане на AI така, че задачата да остане усилие
• Metacognitive Training Facilitates Optimal Cognitive Offloading — обучение за калибриране
• Family-school autonomy support for children's responsible use of generative artificial intelligence — зависимо срещу самостоятелно изнасяне