人工智能正在如何影响学生？

本页是英文页面的机器翻译，尚未经母语者审校。

你在用 AI 做课程作业，而且做得还不错——只是闭卷考试考起来像在读别人的笔记。或者有朋友说自己什么都没写还是拿了 A，而你在琢磨这对你意味着什么。又或者，你开始向聊天机器人提的问题，比向老师提的还多。

用一句你能转述给朋友的话来说：在你需要反馈的地方，AI 有用；在你需要练习的地方，它没用。把思考那一步留给自己，提交之前不用工具测一遍自己，并且如实说明你用了什么。本页余下的部分讲的是这个判断为什么成立，以及它在一个普通的周二晚上是什么样子。

简版要点

1. 打开工具之前，先决定作业的哪些部分你自己做。

2. 用它来解开卡住的地方、拿到反馈、看一个示例。推理自己做。

3. 提交之前，关掉标签页，对着空气把你的论证讲一遍。

4. 用两行笔记记下你问了什么、你改了什么。

5. 如果用它让你焦虑或羞耻，把这份感受当作一条信息，告诉某个人。

想清楚这个工具是为什么用的

AI 可以脚手架式地支撑理解——当它在你所处的水平上做解释、给提示、提供练习，并且让你继续做认知上重要的那部分时。这一版也支持求助，因为你可以问一个你不会当着满屋子人问的问题（使用 AI 真的有助于学生学习吗？）。

个性化、即时、低风险的支持可以提高动机和投入，而自我决定理论解释了有用的那一版为什么有效：它喂养了自主、胜任和关联。没用的那一版把活儿干了，这三样一个都没动。用得好的话，它还能培育人们谈到“为 AI 融合的职场做好准备”时所指的AI 素养、分布式认知和元认知（见适应能力）。这一切都不来自使用工具，而来自你在使用它的时候做了什么。多数学生在同一周里既得到好的效应，也得到坏的效应，这正是学生体验那一页的论点。

把你要学的那一步留给自己

AI 会招来认知卸载，也就是把本该由你练习的推理交出去。最清楚的例子是一项现场随机对照试验：一个不加约束的AI 导师提高了练习表现，却降低了之后的考试表现（AI 误用与学习损害）。你在被辅导的那项任务上变强了，在考试所测的那件事上一点没变强。过度使用还会磨损元认知和自我调节学习，于是你失去了判断自己到底会不会的能力。

一项覆盖 72 项研究的 2026 年计算机教育综述给出了数字。生成式 AI 在 36 项研究中稳定地提高了短期完成率、减少了任务用时。这些增益“并不迁移到独立表现”，这一结论覆盖 21 项研究。收益取决于先备知识：准备充分的学生把帮助转化成了持久的技能，准备不足的学生把它当成拐杖，抹掉了生产性失败，从而在同一个教室里拉大了能力差距（Kumar 等，系统综述）。

如果你在某门学科上落后，把这点当回事。如果你还分不清一个好解释和一个自信的解释，那这个工具对你不是中立的帮助。

知道它就在那里，也会改变你愿意在什么上面挣扎。AI 的可及性与动机记录了那种坐进生产性失败的意愿下降，而被动接受输出会侵蚀能动性和“这活儿是我干的”那种感觉（见安全缺口）。

不用工具测一遍自己

这项检查只要十分钟，而它是本页最有用的东西。关掉一切，拿一张白纸，凭记忆写出你这份提交的论证：主张、两三条理由，以及什么会构成对它的反驳。然后打开你的作业对照。

如果白纸上的东西写出来差不多，说明你学会了材料，工具只是帮你组织了它。如果文档很精致而白纸是空的，你就有一个表现差距，而分数会一直替你把这件事遮住，直到某场考试或某次实习遮不住为止。回到你复现不出来的那一节，不用帮助自己重做一遍，再查一次。

如实说明你做了什么

AI 带来了新形式的学术不诚实，而你的课程规则大概比你从小熟悉的那些更不清楚。在截止日期之前，以书面方式弄清老师允许什么，然后用平实的语言描述你做了什么。

围绕 AI 使用的羞耻与内疚会把学生推向隐藏，而隐藏让你失去唯一能解决疑虑的东西：一份关于你过程的准确叙述。可及性也是不均的，那是一个并非由你造成的公平问题，尽管它仍然可能落到你头上。如果你的可及条件更薄，这里的策略就更重要，因为其中没有一条取决于你订的是哪个套餐。

当 AI 产出文本时，结果可能不再像是你的，而这是一项真实的代价。它是对学习者身份的作者身份威胁，而创意领域的能力悖论展示了机制：输出越容易，学生从中获得的、以手艺为基础的身份就越少。如果你能说清为什么是这一个例子而不是那一个，那么无论最初是谁敲下的句子，这份作品都是你的。

照顾好那份担忧

AI 使用与焦虑和压力相关——关于被取代、关于你无法预判的测评、关于跟上进度（见对 AI 焦虑的综合分析）。“相关”是恰当的词，而测量文献对此很谨慎。

Zhang、Shi 和 Lu 调查了 1,484 名本科生，发现 AI 焦虑与学业动机（r = -0.175）以及与情绪调节（r = -0.172）呈负相关，情绪调节部分中介了从焦虑到动机的路径（间接效应 = -0.076）。每日使用时长几乎预测不了什么（r = 0.053）。他们的结论是，素养教育应当与情绪调节和元认知支持配对，而不是单纯扩大工具的可及（Zhang 等，AI 焦虑与学业动机）。

在你诊断自己之前，先听一句提醒。一份关于对话式 AI 的 51 份文献批判性综述发现，信任、依赖、过度依赖、依恋和成瘾会被习惯性地混为一谈；而与孤独、焦虑、疲劳、拖延和更弱的批判性思维之间的横断面相关，并不能确立因果。没有控制受损或功能损害，频繁使用不等于依赖，所以忙碌的一周不是一种障碍（Yan，对话式 AI 的投入与依赖综述）。

情绪这一侧也可以是好的。在一项针对 28 名护理学生和教师的质性研究中，有几位把 AI 描述成一个“伙伴”，在临床压力中提供安慰和一个不被评判的空间（Akbaba 与 Calik Kus，护理教育）。这份安慰是真实的，而它也可能渐变成依赖，所以幸福感的问题和学习的问题必须一起回答。和人谈压力是聊天机器人做不到的那部分，而社会情感支持首先是一种人的实践。

学生对 AI 和自己学习容易搞错的地方

更好的提交意味着你学得更多。 那项计算机教育综述发现，短期完成率在 36 项研究中上升，而增益在 21 项研究中未能迁移（Kumar 等，系统综述）；现场随机对照试验也发现练习在改善、之后的考试表现在下降（AI 误用与学习损害）。文档和学习是两种产出，而只有一种被打分。

多用它就能治好自己的焦虑。 焦虑与更低的动机和更低的情绪调节相关，而每日使用时长几乎预测不了什么（r = 0.053），所以更多小时数不是那个杠杆（Zhang 等，AI 焦虑与学业动机）。那项研究里的杠杆是情绪调节和元认知支持。

别人都在用，所以你不用就落后了。 综述里准备不足的学生把工具当作拐杖，失去了本可以弥合差距的那次失败（Kumar 等，系统综述）。如果你落后了，不用工具把基础做一遍，然后再用它来检查自己。

用得多就意味着你依赖了。 那份 51 份文献的综述明确说，信任、依赖、依恋和成瘾会被混为一谈，而频繁使用只有在控制受损或功能损害时才算依赖（Yan，对话式 AI 的投入与依赖综述）。要问的倒是：你能不能停一周，还能把活干完。

你的朋友会说

“它就是个工具，跟计算器一样。” 计算器拿掉的是你已经学会的算术。那项随机对照试验和那篇综述描述的，是一个能拿掉你还没学会的推理的工具——这也是为什么同样的用法会让一个学生变强、另一个变弱（AI 误用与学习损害、Kumar 等，系统综述）。

“我只用它编辑，所以不算。” 在很多课程里编辑是正当的，而它同时也是最容易被标记出来的用法——这正是应当申报它的一个理由。什么算数由你的课程决定，所以去拿到书面答案。

“我一停就会落后。” 短期增益是真的，迁移才是弱的那一环（Kumar 等，系统综述）。落不落后，是按你在一个没有工具的房间里能做什么来衡量的，而考试、实习和面试都发生在那里。

“我成绩挺好，所以没问题。” 成绩是一种表现测量，而表现—学习差距恰恰就是“成绩看着挺好”的那种情形（AI 误用与学习损害）。如果你想知道自己有没有学会什么，去问：没有工具时你能做什么。

本周可以做什么

1. 挑出你的下一项作业，写下你将在不打开任何工具的情况下完成的那一步。

2. 拿你上个月交过的一份东西跑一次白纸检查。十分钟，凭记忆。

3. 给你的流程加两行：你问了工具什么，你改了什么。

4. 以书面方式问老师，下一次测评里什么算允许的使用。

5. 如果担忧才是更大的问题，这周告诉一个人。

接下来可以去哪里

使用 AI 真的有助于学生学习吗？ 是本页背后的证据问题，我应当如何用人工智能来有效地学习？ 覆盖工作流程。人工智能如何影响学生的焦虑与幸福感，我们又能做什么？ 把焦虑这一侧继续往下讲，护栏 解释脚手架如何变成一个替代品。课程设计的视角见我应当如何把 AI 素养纳入我的课程？和关于高等教育中 AI 素养干预，证据是什么？。