Penyerahan Kognitif

Di halaman ini

Terjemahan mesin otomatis halaman berbahasa Inggris ini, yang belum ditinjau oleh penutur asli.

Penyerahan kognitif: mengadopsi keluaran sistem AI tanpa melakukan penalaran yang akan memungkinkan Anda mengevaluasinya. Jika Offloading Kognitif menanyakan berapa banyak kerja mental yang didelegasikan seorang pembelajar dan apakah delegasi itu terkalibrasi, penyerahan menanyakan apakah pembelajar sama sekali mempertahankan peran evaluatif: jawaban datang, diterima, dan menjadi posisi orang itu sendiri tanpa pemeriksaan yang seharusnya membentuk penilaian. Istilah ini berasal dari Tri-System Theory Shaw dan Nave (2026), yang menempatkannya sebagai kegagalan yang berbeda baik dari offloading maupun dari ketergantungan berlebih.

Pertanyaan untuk Dipertimbangkan

Ketika seorang siswa menerima jawaban AI yang kebetulan benar, apakah kelas telah berhasil? Apa yang harus benar agar penerimaan itu sendiri menjadi hal yang penting?
Apakah pendelegasi terkalibrasi yang mengetahui batas kemampuannya sendiri berbeda secara jenis dari siswa yang memang tidak dapat membedakan? Bagaimana seorang instruktur membedakannya dalam satu karya tunggal?
Jika kepercayaan diri naik sementara akurasi turun, sebagaimana terjadi ketika saran AI tersedia, apa dampaknya terhadap deteksi kesalahan pembelajar itu sendiri?
Di mana verifikasi dapat diajarkan, dan di mana ia menjadi masalah beban kerja kebijakan? Bagian mana dari kurikulum yang perlu berubah agar pemeriksaan menjadi norma alih-alih pengecualian?
Haruskah institusi mengukur penyerahan sama sekali, atau apakah mengukurnya justru mengundang pengawasan yang sama yang diperjuangkan aturan pengungkapan?
Bagaimana bentuk tugas yang memberi penghargaan kepada siswa karena menolak jawaban AI yang salah alih-alih karena menghasilkan jawaban yang rapi?

Pendahuluan

Penyerahan adalah disposisi di balik kegagalan paling umum dalam belajar berbantuan AI: bukan menggunakan alat terlalu banyak, melainkan menerima begitu saja perkataannya. Halaman Offloading Kognitif memuat konstruk yang lebih lama beserta buktinya, dan penyalahgunaan AI memuat inventaris kerugiannya. Halaman ini ada karena sekelompok karya yang berbeda kini menamai dan mengukur sesuatu yang tidak sepenuhnya ditangkap oleh keduanya.

Tiga hal membedakan penyerahan. Ia menyangkut penilaian, bukan usaha: seorang siswa dapat menghabiskan banyak waktu untuk mem-prompt, memformat ulang, dan menyempurnakan keluaran tanpa sekali pun menggunakan standarnya sendiri untuk menilai apakah keluaran itu baik. Ia sering tak terlihat oleh pembelajar: sinyal yang biasanya menyertai usaha, yaitu keraguan, ketidakpastian, rasa belum tahu, diputus pendek oleh teks yang lancar. Dan ia tidak dapat diandalkan untuk diperbaiki hanya dengan latihan atau insentif, dan di sinilah bukti menjadi tajam.

Offloading, ketergantungan berlebih, penyerahan: tiga kegagalan yang berbeda

Konstruk	Pertanyaan inti	Mekanisme kerugian yang lazim	Di mana ia diukur
Offloading Kognitif	Berapa banyak kerja mental yang didelegasikan, dan apakah delegasi itu terkalibrasi?	Praktik yang tergeser: pembelajar melewati gesekan yang bermanfaat yang membangun keterampilan	Waktu reaksi dan akurasi pada kondisi alat tersedia versus alat tidak tersedia; panel waktu respons
Ketergantungan berlebih	Apakah delegasi bersifat kronis dan tidak terkalibrasi alih-alih strategis?	Erosi keterampilan, hilangnya motivasi dan efikasi diri, utang literasi	Skala laporan diri, data log, kinerja pada tugas transfer tanpa bantuan
Penyerahan kognitif	Apakah penilaian evaluatif pembelajar sendiri terlibat sebelum jawaban diterima?	Penerimaan keluaran yang salah tanpa pemeriksaan, kepercayaan diri yang menggelembung, hilangnya kepengarangan	Uji coba ketika saran AI benar versus keliru; perilaku penolakan dan verifikasi

Ketiganya berada pada satu tangga alih-alih saling menggantikan. Offloading sering produktif; ia berubah menjadi ketergantungan berlebih ketika berhenti bersifat strategis; penyerahan adalah versi ketika langkah evaluatif hilang. Pembedaan ini ditarik dalam praktik maupun teori: tinjauan cepat Sydney atas 271 makalah empiris tentang AI generatif di PreK-12 mengorganisasi perilaku siswa tepat ke dalam tiga kategori ini, yaitu penyerahan, offloading, dan agensi, dan menyebarkannya ke dimensi kognitif, metakognitif, dan afektif. Du dan Yuan (2026) menarik batas yang sama dari sisi lain: bantuan instrumental menghasilkan keluaran, bantuan yang mengandung penilaian memasok standar untuk menilai keluaran, dan hanya jenis kedua yang secara andal menggeser pekerjaan yang mengembangkan keahlian. Enam kriteria mereka, yaitu keterbantahan, keterpulihan, transfer, ketertelusuran, tanggung jawab terdistribusi, dan pluralitas epistemik, merupakan diagnostik penyerahan dan bukan ukuran penggunaan.

Kerangka Tiga Sistem

Shaw dan Nave (2026) memperluas penalaran dua proses dengan sistem ketiga. Sistem 1 cepat dan intuitif; Sistem 2 lambat dan deliberatif; Sistem 3 adalah kognisi artifisial yang berjalan di luar otak. Sistem 3 dapat melengkapi pemrosesan internal, memasok jawaban kandidat dan menandai kontradiksi bagi Sistem 2, atau dapat menggantikannya, dan dalam hal itu deliberasi tidak pernah dimulai. Penyerahan adalah kasus penggantian, dan teori ini memprediksi bahwa ia harus dapat dideteksi sebagai sebuah jejak alih-alih sebagai perasaan: adopsi jawaban AI ketika benar, adopsi juga ketika salah, dan laporkan kepercayaan diri yang lebih tinggi dalam kedua kasus.

Jejak eksperimental

Tiga eksperimen terpreregistrasi mengadaptasi Cognitive Reflection Test dan merandomisasi akurasi AI menggunakan prompt benih tersembunyi, sehingga peserta tidak dapat membedakan asisten yang baik dari yang buruk berdasarkan antarmuka (N = 1.372; 9.593 percobaan).

Orang berkonsultasi, lalu mengadopsi. Peserta memilih untuk berkonsultasi dengan asisten pada mayoritas percobaan (>50%).
Akurasi mengikuti AI, bukan orangnya. Dibandingkan dengan garis dasar hanya otak, akurasi naik sekitar 25 poin persentase ketika AI akurat dan turun sekitar 15 poin ketika AI keliru, kontras yang oleh penulis disebut sebagai jejak perilaku penyerahan (h Cohen = 0,81, CI 95% [0,72; 0,91]; h per studi = 0,83, 0,86, 0,78).
Kedua perilaku terpisah dengan bersih. Pada percobaan dengan AI yang salah, 73,2% berakhir dengan penyerahan, 19,7% dengan offloading (menolak saran yang salah dan menjawab dengan benar), dan 7,1% dengan penolakan yang gagal.
Kepercayaan diri naik seiring akses. Meskipun sekitar separuh jawaban AI keliru, akses ke asisten menaikkan kepercayaan diri yang dinyatakan sebesar 11,7 poin persentase (77,0% versus 65,3%).
Tekanan situasional tidak menghilangkannya. Insentif per butir ditambah umpan balik meningkatkan offloading sekitar 19 poin menjadi 37,1% dan menurunkan penyerahan menjadi 57,9%; tekanan waktu memangkas offloading sekitar 12 poin menjadi 6,2% dan menaikkan penolakan yang gagal menjadi 13,8%. Kedua kondisi menggeser garis dasar tanpa menutup celah antara akurat dan keliru (OR = 14,28 pada tekanan waktu; OR = 11,05 pada insentif dan umpan balik).
Kerentanan adalah disposisi, bukan hanya situasi. Kepercayaan yang lebih tinggi memprediksi celah akurat versus keliru yang lebih lebar (OR = 2,81) dan, dalam model berhadapan langsung, penyerahan alih-alih offloading (OR = 4,36). Kebutuhan akan kognisi yang lebih tinggi memangkas celah tersebut (OR = 0,83) dan menggeser hasil ke arah offloading (OR = 0,46); kecerdasan fluida yang lebih tinggi bersifat protektif dalam arah yang sama (OR = 0,69), dan efek tunggalnya yang terkuat adalah kecenderungan lebih rendah untuk mengikuti saran yang keliru setelah asisten dilibatkan (OR = 0,23).

Pembacaan praktisnya adalah bahwa penyerahan merupakan kegagalan diskriminasi dan bukan kegagalan motivasi. Peserta yang menyerah tidak berusaha menghindari kerja; mereka tidak dapat membedakan saran baik dari saran buruk, dan antarmuka tidak memberi mereka alasan untuk mencoba.

Penyerahan di luar laboratorium

Temuan laboratorium sejalan dengan kerja lapangan dan observasional yang secara independen mencapai kata yang sama.

Pergeseran pada tingkat populasi. Rismanchian et al. (2026) menganalisis 3,2 juta interaksi belajar ALEKS dan 12,2 juta waktu respons penilaian penempatan sepanjang panel sepuluh tahun, dengan soal berbasis grafik sebagai kontrol bagi soal berbasis teks. Siswa menyelesaikan pekerjaan yang rentan AI lebih cepat dan memperoleh skor lebih tinggi padanya, sementara butir retensi yang diproktoring menunjukkan penurunan kumulatif 25% dalam peluang respons yang benar; penulis menyebut pola itu penyerahan kognitif pada skala populasi.
Verifikasi sebagai variabel pembeda. Stamatoulis et al. (2026) menemukan bahwa bagaimana siswa menggunakan AI generatif memprediksi kinerja sementara seberapa banyak mereka menggunakannya tidak memprediksi keduanya: penggunaan dengan verifikasi rendah, yaitu menerima keluaran tanpa kritik, berkaitan dengan hasil yang lebih buruk, dan integrasi evaluatif berkaitan dengan hasil yang lebih baik.
Penggunaan tanpa pikir mengikis sumber daya yang dibutuhkan kemandirian. Zhao dan Gu (2026) memodelkan adopsi tanpa evaluasi secara langsung: pada 487 mahasiswa sarjana, penggunaan AI generatif yang tanpa pikir berkaitan dengan pembelajaran terarah mandiri yang lebih rendah (β = -0,42), sebagian melalui berkurangnya motivasi dan efikasi diri.
Jejak neural dan kepengarangan. studi EEG utang kognitif mengukur penulisan esai dengan LLM, dengan mesin pencari, dan tanpa alat: kelompok LLM menunjukkan konektivitas neural paling lemah, melaporkan kepengarangan terendah atas karya mereka sendiri, dan kesulitan mengutip apa yang telah mereka tulis.
Penyerahan dapat datang tanpa diminta. Karya tentang penangguhan penilaian menemukan bahwa sekadar tersedianya saran AI meruntuhkan kesediaan orang untuk mengatakan "saya tidak tahu" (0,06 versus 0,36, dan 0,03 versus 0,44 pada dua studi), sementara kebenaran turun dan kepercayaan diri naik dari sekitar 30 menjadi 76. Taruhan tidak memulihkan penangguhan, meskipun insentif memperbaiki akurasi dengan mendorong penolakan. Studi keempat menunjukkan efek tersebut tanpa konsultasi sama sekali, pola yang khas autocomplete atau ringkasan pencarian alih-alih prompt obrolan.
Mode dependen dan otonom hanya dapat dibedakan dari konsekuensinya. Fan, Li dan Zhang (2026) mengikuti 589 siswa dan pekerja awal karier selama tiga gelombang: offloading dependen mendelegasikan pemikiran inti dan berkaitan dengan motivasi intrinsik yang lebih rendah, sementara offloading otonom tidak, dan kinerja langsung tampak identik pada keduanya.
Kontribusi model itu sendiri. Sikofansi adalah pelengkap penyerahan: asisten yang menyetujui, berkelit ke arah pembingkaian pengguna, atau menyatakan klaim dengan lancar tidak memberi pembelajar apa pun untuk ditolak.
Penarikan adalah separuh yang belum terselesaikan. Karya tentang washout kognitif menunjukkan bahwa hampir semua penelitian ini mengukur kognisi selama penggunaan AI, dan hampir tidak ada yang mengukur apa yang terjadi ketika asisten diambil, yang justru merupakan pertanyaan yang diajukan ujian, gangguan layanan, atau tinjauan lisensi.

Merancang dan mengajar untuk melawan penyerahan

Jadikan verifikasi sebagai tugas, bukan saran. Wajibkan jawaban pertama yang dinyatakan sebelum AI dikonsultasikan, dan wajibkan siswa menyebutkan titik-titik ketika mereka menolaknya. Ini mengubah langkah penilaian yang tak terlihat menjadi artefak yang dapat dinilai.
Beri penghargaan pada penolakan, bukan pada penggunaan. Dalam eksperimen, insentif yang dikaitkan dengan akurasi menaikkan offloading menuju 37% tanpa menghilangkan penyerahan; insentif bekerja ketika ia membuat pemeriksaan menjadi berkonsekuensi, yang juga merupakan temuan di balik aturan penempatan the Effortless Trap: pembantu tanpa penjagaan membuat siswa sekitar 17% lebih buruk pada ujian tanpa bantuan, dan model yang dibangun ulang yang menahan jawaban menghapus kerugian itu.
Ajarkan membedakan, bukan hanya tidak percaya. Karena kebutuhan akan kognisi dan kecerdasan fluida memprediksi ketahanan sementara kepercayaan diri yang dilaporkan sendiri memprediksi kerentanan, sasaran yang dapat dilatih adalah kemampuan membedakan keluaran yang baik dari yang buruk pada tugas tertentu. Pelatihan kalibrasi dengan percobaan prediksi plus umpan balik adalah prototipe yang telah dikerjakan: intervensi singkat mengurangi bias pengingat dalam analog laboratorium dari ketergantungan berlebih.
Munculkan ketidaksepakatan alih-alih kepercayaan diri. Karena akses menggelembungkan kepercayaan diri bahkan pada jawaban yang salah, langkah desain yang berguna adalah gesekan yang menyajikan bukti yang bertentangan, ketidakpastian, atau kontra-argumen, sehingga pembelajar memiliki sesuatu untuk dievaluasi alih-alih sesuatu untuk diterima. Desain human-in-the-loop dengan prompt verifikasi dan persyaratan pengungkapan adalah padanan institusionalnya.
Pertahankan pengukuran. Jika kinerja terbantu dan kemampuan tanpa bantuan tidak diukur secara terpisah, penyerahan menjadi tak terlihat bagi evaluasi mata kuliah: semester tampak lebih baik dan angka retensi diam-diam turun.
Perlakukan sebagai masalah sistem dan desain. Desain agensik mencatat bahwa semakin agensik sebuah agen, semakin sedikit usaha kognitif yang dikeluarkan pembelajar, mengubah delegasi produktif menjadi penyerahan secara default; kerja pemodelan menambahkan bahwa ketergantungan menyebar melalui bukti sosial, sehingga norma kohort dan default antarmuka sama pentingnya dengan kebiasaan individu.

Pertanyaan terbuka

Apakah penyerahan terhabituasi, ataukah ia meluruh karena tidak digunakan? Riset washout memformalkan pertanyaan pascapenarikan tetapi data jangka panjangnya belum ada. Dapatkah penyerahan diukur di alam bebas tanpa pencatatan yang invasif, dan apakah laporan diri tentang perilaku pemeriksaan memprediksi apa pun? Apakah inflasi kepercayaan diri bertahan setelah pembelajar pernah terluka oleh jawaban salah yang percaya diri, ataukah miskalibrasi bersifat lengket? Dan pada tingkat profesi alih-alih individu, apakah penyerahan yang meluas menguras kumpulan keahlian bersama yang justru menjadi tumpuan pengawasan sistem AI itu sendiri, kekhawatiran yang diangkat oleh kerangka commons kognitif?

Keterbatasan

Bukti bagi penyerahan sebagai konstruk bernama sangat bergantung pada satu program kerja laboratorium: tiga eksperimen terpreregistrasi pada Cognitive Reflection Test yang diadaptasi dengan sampel kenyamanan, yang menetapkan mekanisme dan moderator disposisionalnya tetapi tidak mentransfer ke penilaian profesional bertaruh tinggi. Desainnya juga menangkap paparan tunggal, sehingga tidak ada yang menunjukkan apakah penyerahan terhabituasi atau terakumulasi. Bukti lapangannya bersifat observasional: panel ALEKS menunjukkan penyelesaian lebih cepat dengan retensi terproktoring yang lebih buruk, tetapi atribusi kausal kepada penyerahan alih-alih kepada perubahan strategi belajar memerlukan asumsi yang tidak dapat diuji desain itu. Definisi masih belum stabil di seluruh literatur: offloading, ketergantungan berlebih, dependensi, keterikatan, dan penggunaan bermasalah rutin dicampurbaurkan, dan setidaknya satu sintesis berargumen bahwa delegasi yang sering tidak boleh dilabeli dependensi tanpa gangguan kendali atau kerugian. Akhirnya, laporan diri tentang kepercayaan, kebutuhan akan kognisi, dan perilaku pemeriksaan membawa keterbatasan yang biasa, dan sebagian besar bukti kelas menyangkut pendidikan tinggi dan sekolah menengah alih-alih pendidikan awal.

Miskonsepsi Umum

"Offloading, ketergantungan berlebih, dan penyerahan adalah tiga kata untuk masalah yang sama." Ketiganya menamai tiga kegagalan berbeda dengan obat yang berbeda. Offloading adalah mendelegasikan kerja kognitif; ketergantungan berlebih adalah bergantung pada sistem melebihi yang dibenarkan keandalannya; penyerahan adalah mengadopsi jawaban sistem tanpa membentuk jawaban Anda sendiri. Penyerahan adalah yang paling parah karena tidak ada penilaian independen yang tersisa untuk dikoreksi, dan ia yang paling buruk ditransfer: Anda tidak dapat mengajari seseorang memeriksa jawaban yang tidak pernah ia miliki.

"Orang tidak akan mempercayai AI yang tidak dapat mereka verifikasi, jadi penyerahan terbatas." Jejak eksperimental menunjukkan mekanisme sebaliknya bekerja. Tiga eksperimen terpreregistrasi mengadaptasi Cognitive Reflection Test dan merandomisasi akurasi AI menggunakan prompt benih tersembunyi sehingga peserta tidak dapat membedakan asisten yang baik dari yang buruk, dan peserta memilih berkonsultasi pada mayoritas percobaan (>50%) lalu mengadopsi. Ketidakjelasan yang seharusnya menghasilkan kehati-hatian justru menghasilkan konsultasi, dan konsultasi mendahului penyerahan.

"Perbaikannya adalah AI yang lebih baik, karena penyerahan mengikuti kesalahan." Penyerahan mengikuti struktur interaksi: sistem yang menghasilkan jawaban yang masuk akal lebih dahulu menghapus kesempatan bagi pembelajar untuk menghasilkan jawabannya sendiri. Memperbaiki akurasi mengurangi kerugian dari jawaban salah dan tidak melakukan apa pun terhadap ditinggalkannya pembentukan penilaian, yaitu kerugian yang bertahan setelah alat itu tiada.

"Mengajarkan evaluasi kritis sudah cukup." Itu perlu dan datang terlambat. Begitu jawaban yang masuk akal ada di layar, evaluasi menjadi konfirmasi, itulah sebabnya literatur desain di sini menempatkan upaya siswa sebelum keluaran sistem alih-alih mengauditnya setelahnya.

Konsep Terkait

FAQ terkait

Sumber daya terkait

PAUSE: Patterns of AI Use Self-Examination
A ten-minute, browser-only self-check on what you offload to AI, with every item traced to the research paper behind it.

Metadata

Tingkat	Higher Ed, Adult Learning
Audiensi sasaran	Instructors, Learners, Researchers
Pembelajaran dan pengajaran	Metacognition, Self-Regulated Learning
Teknologi dan teknik	Generative AI, Human-in-the-Loop
Kesetaraan, etika, dan penggunaan yang bertanggung jawab	Trust Calibration, AI Misuse and Learning Harm
Dasar-dasar AI dalam pendidikan	Literasi AI, Offloading Kognitif

Sumber Riwayat Sunting Obrolan