本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

本页是英文页面的机器翻译,尚未经母语者审校。

执行功能(executive function) 指的是一组通用控制过程,它们让学习者把信息保持在头脑中、抑制更容易的反应、在规则之间切换,并为达成目标规划路线。在教育中的人工智能中,它决定一个工具是在替代任务本应锻炼的那种能力,还是在建设那种能力。它也正处在三支文献的交汇处:依赖研究、关于支持与合理便利的特殊需要研究,以及关于该构念如何被评估的测量工作。它不同于元认知。知道一个输出应当被核验,是一种能力;把问题在头脑中保持足够久以便核验,是另一种能力。

值得思考的问题

  • 一名元认知知识准确的学习者仍然无法在头脑中保持一个四步问题。缺的是哪种能力,更多反馈能解决吗?
  • 补偿、支架与发展在包含工具的后测上可能看起来一模一样。你会测量什么来区分它们?
  • 训练证据只追踪到一个月。如果一个聊天机器人在四周内改善了工作记忆,那已经证明了什么,又没有证明什么?
  • 两项研究报告说更重的 AI 使用伴随更弱的执行功能。要把这称为原因,需要什么样的设计?
  • 卡片分类、Flanker 测验与自评量表常常对同一名学习者给出不一致的结论。关于课堂的论断,你会采信哪一个,为什么?
  • 如果一个模型接管了执行功能通常所做的计划与核查,这项能力是在萎缩,还是在别处被锻炼?

导论

执行功能是一小组组织学习者其余一切活动过程。工作记忆把问题的各部分各就其位。抑制压住那种来得容易却不合适的反应。认知灵活性让学习者在任务变化时放下一条规则、拿起另一条。计划与监控位于这些之上,把意图变成一串步骤,并检查这些步骤是否奏效。

组织这支文献的区分是能力与监控之别。元认知是学习者对自己思维的所知与所察:他们是否理解、是否应当核查、是否在正轨上。执行功能是他们在负荷之下能拿这些知识做什么。一个学生可以知道 AI 的答案需要核查,却仍缺少在核查时把论证保持在头脑中的工作记忆。那些看似在 AI 与执行功能上彼此矛盾的研究,常常原来是一个测了前者、另一个测了后者。

该构念涵盖什么,不涵盖什么

心理学文献列出三项核心功能——抑制、工作记忆与认知灵活性——并把计划、监控与组织当作部分可分离的附加项。关于 AI 的研究在两个意义上使用这个术语。当一项研究施测表现任务(如 NIH 维度卡片分类或 Flanker 测验)时,出现的是狭义;当一项调查询问"整体执行功能"时,出现的通常是广义,而那一般指一份自评量表。

这个差别改变了发现的意义。表现任务测量学习者在受控条件下能做什么。自评量表测量学习者对自己日常功能的看法,而两者会分离。Ayasrah 及其同事的量表开发研究把这一点说得很明确。他们的"基于执行功能的学习困难量表"把自身构念操作化为自报的适应不良式依赖与感知到的高努力监控下降,"而不是对稳定执行功能缺陷的诊断"(Ayasrah 等,2026)。

与元认知的区分也沿着同一条线。元认知是关于自身思维的知识与监控,包括校准与学习判断。执行功能是任务繁重时使监控得以可能的那种能力。学习者可以拥有准确的元认知知识,却仍无法把一个多步问题保持在工作记忆中。这一组合在特殊教育文献中很常见,在那里,知道一种策略与能够执行它之间的落差就是日常问题。

补偿、支架、发展

Vasileiou 及其同事提供了一个值得保留的框架。AI 工具可以补偿,把一项要求外化,使学习者能够参与。它可以搭支架,支持略微超出独立能力范围的表现。它可以发展,建设能力本身。同一个工具取决于任务如何设计,可以完成其中任何一种,而只有发展被期望在工具撤除后仍能存续。

补偿在每一项包含工具的测量中都看起来像成功。一个借助语法检查器写出更好文章、或借助逐步引导的聊天机器人解出更多题目的学生,表现确实更好。能力是否增长是另一个问题,需要一个在没有工具时取得的测量。关于受辅助表现的研究从另一个方向说了同样的话:有工具在场时记录的增益不会自动迁移到无辅助的表现。这就是为什么带着工具做的前测与后测无法区分这三种功能,也是为什么这一区分对那些不会永远拥有该工具的学习者最为重要。

训练研究显示了什么

Pergantis、Bamicha、Skianis 与 Drigas综述了针对执行功能及相关困难的聊天机器人干预。他们的检索在 Scopus、Web of Science、PubMed 及补充来源中筛查了 115 条记录,覆盖 2021 至 2024 年,保留了 10 项研究,共 1,606 名参与者,年龄从 6 岁到 75 岁以上。

该综述对自身证据的陈述才是应当带走的重点。设计从随机试验到单一被试研究不等。最大样本是 744 名青少年,最小的是三名 11 至 13 岁的学生。没有使用正式的偏倚风险工具,10 项研究中只有两项报告了任何追踪,最长的一个月。作者把发现描述为有前景而非已确立。那些把这篇综述引作"聊天机器人改善执行功能"之证据的摘要,都读过了这些局限。

依赖让位了什么

反对把 AI 支持当作免费午餐的理由来自依赖文献。Klarin、Hoff 与 Daukantaitė把青少年对生成式 AI的依赖定义为:相对于自己的努力或教师支持,更偏好该工具,同时在没有它时难以开始学业任务。这个定义点出了被让位的能力。持续的努力与任务的启动都是执行性的要求,把它们当作态度问题,就误读了该工具正在替代什么。

Sharma、Manani 与 Thakwani对印度大学生的调查加入了一个中介变量。问题性 ChatGPT 使用与更差的整体执行功能相关,但一旦学业压力进入模型,直接路径降到 β = 0.069,P = 0.328,而从压力到功能障碍的路径为 β = 0.706。在他们的论述中,损害是经由重度依赖所产生的压力发生的,而不是工具直接作用于能力。该设计是横断面的,因此他们所描述的循环仍是一个假说。

Ayasrah 及其同事为该构念提供了一件测量工具,它由对 18 位专家、教师与学生的访谈构建,并在 616 名中学生身上验证。它的六个维度——对 AI 思考的过度依赖、表层理解、核验减少、对所学材料的记忆变弱、认知努力下降、批判性评价减少——从学习者一侧描绘了执行性投入被让位后的样子。

测量它:任务、注视与自评

Wilder 与 Stratchan对 46 名患 ADHD 的大学生的研究,是这支文献中把表现任务与行为联系起来最清晰的一次尝试。参与者在 Tobii 追踪器记录注视的同时完成一场结构化面试模拟。NIH 维度卡片分类任务——认知灵活性的测量——是面试等级的唯一认知预测因子(β = -0.065,SE = 0.024,Wald = 7.487,p = 0.006)。由 Flanker 测验测得的抑制没有预测等级(p = 0.710),MSLQ 自我调节分量表也没有(p = 0.312)。

这一结果提醒人们不要把执行功能当作单一的东西。任务切换预测了一场高要求社会情境中的表现。抑制与自报的调节则没有。样本很小,且等级分析把三个水平合并了,因此这是一个信号,而不是已确立的效应。

支持、合理便利与伦理框架

Deep、Ghosh 与 Natoli对 28 项关于 AI 用于患 ADHD 大学生的研究的综述,把这项技术当作支持上的缺口而非诊断上的缺口。工具从可解释分类器到自适应规划器与会话代理不等。该综述报告了前景,也报告了一条界限:一个瞳孔测量模型达到 AUROC 0.856,而一个 SVM 分类器达到 66.1% 至 68.8% 的准确率,低于临床使用所要求的水平。

他们的伦理讨论可以推广到 ADHD 之外。合理便利、隐私、知情同意与过度依赖属于同一个问题。一个补偿得好的工具可能移除掉本会建起该能力的练习,而最没有能力判断这一取舍的学习者,往往正是最需要这种补偿的人。这支持的是把支持与定期的无辅助作业配对,而不是扣留支持。

该构念将走向何处

Sidorkin的框架论文把这个构念向外推。它提出"延展执行认知"作为一项高等教育学习成果:分配认知努力、把任务分解为可由人或机器执行的部分、持有关于 AI 能做什么与不能做什么的准确模型,并把输出整合为经得起辩护的成果。该文没有报告数据。它唯一的量化论断——高管在情景规划与伦理监督上花的时间比 AI 出现前多 60%——追溯到一份二手引用的调查。

对照上面这些研究来读,这个框架是关于该构念下一步走向的假说。如果思考日益意味着指挥并核查机器的输出,那么抑制与监控就在一个新的地方被锻炼。它们被锻炼得更多还是更少,是一个还没有人回答的经验问题。

对实践的启示

教师可以把无辅助的尝试做成任务的一部分,而不是一项靠自觉的请求。在打开模型之前先产出一个简短的规划步骤、一份初稿或一个估计,让学习者有东西可以对照,也留下一份能力在使用中的记录。当一门课程在计划或组织上依赖 AI 支持时,每学期安排一项不使用它的作业,就能显示这项能力是否还在。

支持人员与学习专家可以说清一个工具正在处理哪种功能。把排序外化的规划器是在补偿。要求学生在模型继续之前解释下一步的提示是在搭支架。只有要求学生无辅助地做计划、并对计划给出反馈的任务,才可能发展这项能力,而文献中这样的设计寥寥无几。

评估设计者可以让测量与论断相匹配。自评量表回答的是关于学习者努力体验的问题。表现任务回答的是关于受控条件下能力的问题。用前者去支撑后者,是这个领域最常见的错误,而它在设计阶段就可以避免。

管理者可以把合理便利请求读成关于"哪种能力正被支持、支持撤除后会发生什么"的问题。一个完全移除要求的工具,对某个学生可能是正确的便利,对另一个学生则可能是错误的,而这种差别很少在使用数据中显现。

证据薄弱之处

这些研究中反复出现四重局限。多数只测量一次,因此无法显示能力发生了变化,只能显示表现有所不同。自评工具占主导,而自评与任务测量并不一致。训练文献几乎没有超过一个月的追踪。几乎没有任何研究在实验上把补偿与发展分开,而这正是该领域最需要检验的区分。

唯一一篇把外包与执行功能联系起来的综述是 Papasideri、Chatziioannou 与 Palaiologos(2026),一篇没有合并数据的叙述性综合。它报告说更重的外包伴随更低的自报批判性思维与更弱的自我调节学习,并且伴随它所总结的 EEG 研究中在 LLM 辅助下连通性的降低。这些是从各自独立的研究中得出的关联,而不是一个中介模型,作者也这样说明。与训练证据并读,这篇综述使核心区分更加锋利:一个工具可以在提高学习者眼前任务表现的同时,降低在其背后建设能力的那种努力。

常见误解

  • "执行功能与元认知是一回事。" 元认知是关于自身思维的知识。执行功能是保持、抑制与切换的能力。当一份自报调节量表预测不了任何东西、而一项任务测量能预测表现时,两者是在被分开测量。
  • "改善表现的工具就是在发展能力。" 补偿、支架与发展是彼此独立的功能。只有发展被期望在没有工具时仍然存续。
  • "AI 使用越多意味着执行功能越弱。" Sharma 及其同事发现这种关联是经由学业压力发生的,而横断面设计无法确定方向。依赖与能力丧失是相关,而不是已被证明的因果。
  • "执行功能是一件可测量的事。" 卡片分类、Flanker 测验与自评量表测量的是不同过程,且常常不一致。
  • "自评量表能诊断缺陷。" EFB-LDS-AI 测量的是自报的依赖与感知到的努力减少,其作者明确把它与临床缺陷区分开。

关联概念

关联文章

嵌入此页

复制下面的代码,将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。