Когнитивная капитуляция

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Когнитивная капитуляция — принятие результата работы ИИ-системы без выполнения тех рассуждений, которые позволили бы его оценить. Если Когнитивный оффлоадинг спрашивает, сколько умственной работы учащийся делегирует и откалибровано ли это делегирование, то капитуляция спрашивает, сохраняет ли учащийся вообще оценочную роль: ответ поступает, принимается и становится собственной позицией человека без той проверки, которая и составляла бы суждение. Термин происходит из Трисистемной теории Шоу и Нэйва (2026), которая трактует его как отчётливое отклонение, отличное и от перекладывания когнитивной нагрузки, и от чрезмерной опоры на ИИ.

Вопросы для размышления

1. Когда студент принимает ответ ИИ, который случайно оказывается верным, можно ли считать, что занятие прошло успешно? Что должно было бы быть правдой, чтобы сам факт принятия имел значение?
2. Отличается ли по своей природе откалиброванный делегирующий, знающий собственные пределы, от студента, который просто не может их распознать? Как преподавателю отличить одно от другого по одной-единственной работе?
3. Если уверенность растёт, а точность падает — как это и происходит при доступности советов ИИ, — что при этом происходит со способностью учащегося обнаруживать собственные ошибки?
4. Где проверяемость преподаваема, а где это проблема нагрузки, относящаяся к политике? Какие части учебной программы пришлось бы изменить, чтобы проверка стала нормой, а не исключением?
5. Следует ли учреждениям вообще измерять капитуляцию, или само измерение провоцирует то же наблюдение, с которым борются правила раскрытия?
6. Как выглядело бы задание, поощряющее студента за отмену неверного ответа ИИ, а не за создание отполированного ответа?

Введение

Капитуляция — это установка, стоящая за наиболее распространённой ошибкой в учёбе с поддержкой ИИ: не чрезмерное использование инструмента, а принятие его слова на веру. Страница Когнитивный оффлоадинг содержит более старый конструкт и относящиеся к нему свидетельства, а злоупотребление ИИ — перечень вреда. Настоящая страница существует потому, что отдельная группа работ теперь называет и измеряет нечто, чего эти две страницы не охватывают в полной мере.

Капитуляцию отличают три особенности. Она касается суждения, а не усилий: студент может потратить значительное время на промптинг, переформатирование и доводку результата, ни разу не задействовав собственный критерий того, хорош ли результат. Она часто невидима для учащегося: сигналы, которые обычно сопровождают усилие — колебания, неуверенность, чувство ещё незнания, — замыкаются накоротко беглым текстом. И она не надёжно устраняется одной практикой или стимулами, — и здесь свидетельства становятся красноречивыми.

Перекладывание нагрузки, чрезмерная опора, капитуляция: три разных отклонения

Эти три явления образуют единую лестницу, а не заменяют друг друга. Перекладывание нагрузки часто продуктивно; оно превращается в чрезмерную опору, когда перестаёт быть стратегическим; капитуляция — та разновидность, в которой оценочный шаг исчезает. Различия проводятся и на практике, и в теории: сиднейский экспресс-обзор 271 эмпирической работы по PreK-12 генеративному ИИ организует поведение студентов ровно по этим трём категориям — капитуляция, перекладывание нагрузки и Автономность учащегося — и распределяет их по когнитивным, метакогнитивным и аффективным измерениям. Ду и Юань (2026) проводят ту же границу с другой стороны: инструментальная помощь производит результат, суждение-несущая помощь даёт критерий, по которому результат оценивается, и лишь второй вид надёжно вытесняет работу, развивающую экспертизу. Их шесть критериев — оспоримость, восстановимость, перенос, прослеживаемость, распределённая ответственность и эпистемический плюрализм — представляют собой диагностику капитуляции, а не меру использования.

Трисистемный подход

Шоу и Нэйв (2026) расширяют двухпроцессное рассуждение третьей системой. Система 1 быстрая и интуитивная; Система 2 медленная и рефлексивная; Система 3 — это искусственное познание, работающее вне мозга. Система 3 может дополнять внутреннюю обработку, предлагая варианты ответов и отмечая противоречия для Системы 2, а может вытеснять её, и тогда рассуждение не начинается вовсе. Капитуляция — это случай вытеснения, и теория предсказывает, что её можно обнаружить как характерную подпись, а не как чувство: принять ответ ИИ, когда он прав, принять его, когда он ошибочен, и сообщать большую уверенность в обоих случаях.

Экспериментальная подпись

Три предзарегистрированных эксперимента адаптировали Тест когнитивной рефлексии и рандомизировали точность ИИ с помощью скрытых стартовых промптов, так что участники не могли отличить хорошего ассистента от плохого по интерфейсу (N = 1 372; 9 593 испытания).

• Люди обращаются к системе, а затем принимают её ответ. Участники выбирали консультацию с ассистентом в большинстве испытаний (>50%).
• Точность отслеживала ИИ, а не человека. В сравнении с базовой линией «только мозг» точность выросла примерно на 25 процентных пунктов, когда ИИ был точен, и упала примерно на 15 пунктов, когда он ошибался, — контраст, который авторы называют поведенческой подписью капитуляции (h по Коэну = 0,81, 95% ДИ [0,72, 0,91]; по исследованиям h = 0,83, 0,86, 0,78).
• Два поведения чётко разделяются. В испытаниях с неверным ИИ 73,2% завершились капитуляцией, 19,7% — перекладыванием нагрузки (отменой неверного совета и правильным ответом), и 7,1% — неудачными отменами.
• Уверенность растёт при наличии доступа. Несмотря на то что примерно половина ответов ИИ была ошибочной, доступ к ассистенту повысил заявленную уверенность на 11,7 процентных пункта (77,0% против 65,3%).
• Давление ситуации не устраняет её. Стимулы за отдельные задания плюс обратная связь увеличили перекладывание нагрузки примерно на 19 пунктов до 37,1% и снизили капитуляцию до 57,9%; давление времени сократило перекладывание нагрузки примерно на 12 пунктов до 6,2% и подняло долю неудачных отмен до 13,8%. Оба условия сдвинули базовые линии, не закрыв разрыв между точным и ошибочным ИИ (OR = 14,28 при давлении времени; OR = 11,05 при стимулах и обратной связи).
• Восприимчивость — это свойство личности, а не только ситуации. Более высокое доверие предсказывало более широкий разрыв между точным и ошибочным ИИ (OR = 2,81) и, в модели прямого сравнения, капитуляцию чаще перекладывания нагрузки (OR = 4,36). Более высокая потребность в познании сокращала разрыв (OR = 0,83) и сдвигала результаты в сторону перекладывания нагрузки (OR = 0,46); более высокая подвижная интеллектуальная способность действовала защитно в том же направлении (OR = 0,69), и её самым сильным одиночным эффектом была пониженная склонность следовать ошибочному совету после того, как ассистент был задействован (OR = 0,23).

Практическое прочтение таково: капитуляция — это отказ различения, а не отказ мотивации. Участники, капитулировавшие, не пытались избежать работы; они не могли отличить хороший совет от плохого, и интерфейс не давал им оснований пытаться.

Капитуляция за пределами лаборатории

Лабораторные находки согласуются с полевыми и наблюдательными работами, которые независимо пришли к тому же слову.

• Вытеснение на уровне популяции. Рисманчян и др. (2026) анализируют 3,2 миллиона учебных взаимодействий ALEKS и 12,2 миллиона времён отклика в размещающем тестировании на десятилетней панели, при этом задачи на графах служат контролем для текстовых задач. Студенты быстрее завершали подверженную ИИ работу и получали по ней более высокие оценки, тогда как прошедшие под наблюдением задания на удержание материала показали 25-процентное кумулятивное снижение шансов верного ответа; авторы называют эту картину когнитивной капитуляцией в масштабе популяции.
• Проверка как различающая переменная. Стаматулис и др. (2026) обнаруживают, что как студенты используют генеративный ИИ, предсказывает результаты, тогда как сколько они его используют — не предсказывает ничего: усвоение с низкой проверяемостью — некритичное принятие результата — было связано с худшими итогами, а оценочная интеграция — с лучшими.
• Бездумное использование разъедает ресурсы самонаправления. Чжао и Гу (2026) моделируют «принять без оценивания» напрямую: в выборке из 487 студентов бакалавриата бездумное использование генеративного ИИ было связано с более низким самонаправляемым обучением (β = −0,42), отчасти через снижение Мотивация и Самоэффективность.
• Нейронный след и чувство авторства. исследование когнитивного долга с ЭЭГ измеряло написание эссе с Большие языковые модели (LLM), поисковой системой и без инструмента: группа с LLM показала самую слабую нейронную связность, сообщала о самом низком чувстве авторства собственной работы и с трудом цитировала написанное ею.
• Капитуляция может прийти непрошеная. Работа о приостановке суждения обнаружила, что одна лишь доступность советов ИИ разрушала готовность людей сказать «я не знаю» (0,06 против 0,36 и 0,03 против 0,44 в двух исследованиях), при этом правильность падала, а уверенность росла примерно с 30 до 76. Ставки не восстанавливали приостановку, хотя стимулы улучшали точность, поощряя отмены. Четвёртое исследование показало эффект вовсе без всякой консультации — картину автодополнения или сводки поиска, а не запроса в чате.
• Зависимый и автономный режимы различимы только по последствиям. Фань, Ли и Чжан (2026) наблюдают 589 студентов и работников на раннем этапе карьеры в трёх волнах: зависимое перекладывание нагрузки делегировало основное мышление и коррелировало с более низкой внутренней мотивацией, тогда как автономное — не делегировало и не коррелировало, при этом непосредственные результаты выглядели одинаково в обоих случаях.
• Собственный вклад модели. Подобострастие — дополнение к капитуляции: ассистент, который соглашается, уклоняется в сторону рамки пользователя или излагает утверждение бегло, не даёт учащемуся ничего, против чего можно было бы возразить.
• Отстранение — нерешённая половина вопроса. Работа о когнитивном вымывании указывает, что почти все эти исследования измеряют познание во время использования ИИ и почти ни одно не измеряет, что происходит, когда ассистент убирают, — а это ровно тот вопрос, который ставят экзамен, сбой или проверка лицензии.

Проектирование и преподавание против капитуляции

• Сделайте проверку заданием, а не советом. Требуйте заявленного первого ответа до консультации с ИИ и требуйте от студентов называть те пункты, где они отменили его ответ. Это превращает невидимый шаг суждения в оцениваемый артефакт.
• Поощряйте отмены, а не использование. В экспериментах стимулы, привязанные к точности, подняли перекладывание нагрузки почти до 37%, не устранив капитуляцию; стимулы работают, когда делают проверку значимой, что также стоит за правилом размещения в «Effortless Trap» — неохраняемый помощник оставил студентов примерно на 17% хуже на экзамене без помощи, а перестроенная модель, утаивавшая ответы, устранила вред.
• Учите различать, а не только не доверять. Поскольку потребность в познании и подвижная интеллектуальная способность предсказывали сопротивление, а самоотчётное доверие — уязвимость, тренируемая цель — это способность отличать хороший результат от плохого в конкретной задаче. Тренировка калибровки с испытаниями «прогноз плюс обратная связь» — рабочий прототип: краткое вмешательство снизило предвзятость напоминаний в лабораторном аналоге чрезмерной опоры.
• Выводите на поверхность разногласие, а не уверенность. Поскольку доступ завышал уверенность даже на неверных ответах, полезный проектный ход — это трение, представляющее конфликтующие свидетельства, неопределённости или контраргументы, чтобы у учащегося было что оценивать, а не что принимать. Институциональными аналогами служат конструкции с человеком в контуре с подсказками проверки и требованиями раскрытия.
• Сохраняйте измерение. Если результаты с помощью ИИ и возможности без него не измеряются раздельно, капитуляция невидима для оценивания курса: семестр выглядит лучше, а показатели удержания материала тихо падают.
• Рассматривайте это как проблему систем и проектирования. Агентные конструкции отмечают, что чем больше агентен инструмент, тем меньше когнитивных усилий прикладывает учащийся, превращая продуктивное делегирование в капитуляцию по умолчанию; моделирующая работа добавляет, что опора распространяется через социальное доказательство, поэтому нормы когорты и настройки интерфейса по умолчанию значат не меньше индивидуальной привычки.

Открытые вопросы

Привыкает ли капитуляция или она затухает при бездействии? Исследования вымывания формализуют вопрос после отстранения, но долгосрочных данных пока не существует. Можно ли измерить капитуляцию в естественных условиях без инвазивного логирования — и предсказывают ли самоотчёты о проверяющем поведении что-нибудь вообще? Сохраняется ли раздувание уверенности после того, как учащийся был обожжён уверенным неверным ответом, или неверная калибровка застаивается? И на уровне профессии, а не отдельного человека, — истощает ли повсеместная капитуляция общий пул экспертизы, от которого зависит сам надзор за ИИ-системами, — опасение, поднятое рамками когнитивного общего?

Ограничения

Свидетельства о капитуляции как о названном конструкте опираются в основном на одну программу лабораторных работ: три предзарегистрированных эксперимента на адаптированном Тесте когнитивной рефлексии с удобными выборками, что устанавливает механизм и свойства-модераторы, но не переносится на высокозначимое профессиональное суждение. Конструкция также фиксирует единичные воздействия, так что ничего в ней не показывает, привыкает ли капитуляция или накапливается. Полевые свидетельства наблюдательны: панель ALEKS показывает более быстрое завершение с худшим удержанием под наблюдением, но причинное отнесение этого к капитуляции, а не к изменению учебной стратегии, требует допущений, которые конструкция не может проверить. Определения всё ещё нестабильны в литературе — перекладывание нагрузки, чрезмерная опора, зависимость, привязанность и проблемное использование регулярно смешиваются, и по крайней мере один синтез утверждает, что частое делегирование не следует называть зависимостью без нарушения контроля или вреда. Наконец, самоотчёты о доверии, потребности в познании и проверяющем поведении обладают обычными пределами, и большая часть классных свидетельств касается высшего образования и средней школы, а не раннего обучения.

Связанные концепции

• Когнитивный оффлоадинг
• Злоупотребление ИИ и вред обучению
• Критическое мышление
• Автономность учащегося
• Метакогниция
• Саморегулируемое обучение
• ИИ-грамотность
• Калибровка доверия
• Человек в контуре
• Подхалимство ИИ
• Снижение масштабов неправомерного использования ИИ
• Разработка теории в области ИИ в образовании
• Генеративный ИИ

Связанные статьи

• Thinking—Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning and the Rise of Cognitive Surrender — Трисистемная теория и экспериментальная подпись капитуляции
• Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build — вытеснение на уровне популяции в ALEKS
• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — структура капитуляция/перекладывание/агентность в PreK-12
• Epistemic Dependence in AI-Mediated Learning — инструментальная помощь в сравнении с суждение-несущей
• AI Advice Suppresses People's Willingness to Say "I Don't Know", Even When the Advice Is Wrong and Accuracy Is Incentivized — крушение «я не знаю»
• Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task — нейронная вовлечённость и авторство
• Thoughtless Use of Generative Artificial Intelligence and College Students' Self-Directed Learning: A Multi-Group SEM Analysis of Gender Differences — бездумное использование и самонаправляемое обучение
• Same tool, different work: patterns of generative AI use and academic outcomes — усвоение с низкой проверяемостью в сравнении с оценочной интеграцией
• After the Assistant Leaves: Cognitive Washout Dynamics and the Reversibility of AI-Induced Skill Decay — что происходит после отстранения
• Modeling AI Overreliance as a Complex Adaptive System — опора как популяционный процесс
• The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning — размещение ИИ так, чтобы задание оставалось трудным
• Metacognitive Training Facilitates Optimal Cognitive Offloading — тренировка калибровки
• Family-school autonomy support for children's responsible use of generative artificial intelligence — зависимое перекладывание в сравнении с автономным