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。

人工智能对学生的影响既有正面的，也有负面的，而且通常是同时发生的。 同一件工具在为学生的学习提供脚手架的同时，也可能诱导过度依赖；在提升动机的同时，也可能侵蚀能动性；在支持归属感的同时，也可能威胁作者身份。关于学生体验的研究指出，在多个维度上反复出现正面与负面的影响，而影响的方向在很大程度上取决于人工智能如何被设计，以及学生如何使用它。

正面影响

1. 对学习的支持。 人工智能可以借助脚手架来搭建理解，并配合Feedback、提示与讲解，为学生提供随需的帮助、练习与自适应支持，同时仍然由学习者完成认知上重要的工作。如果做得好，这会支持学习与Help-Seeking（参见使用人工智能真的能帮助学生学到东西吗？）。

2. 动机与投入。 个性化、即时且低风险的支持可以提升Motivation与投入，帮助学生坚持下去并感到自己有能力（参见自我决定理论及其对自主、胜任与归属的需求）。

3. 某些维度上的可及性与公平。 人工智能可以为不愿提问的学生提供一种压力较小的求助方式，并通过减少求助焦虑来支持Well-Being。

4. 身份认同与面向未来的准备。 人工智能可以帮助学生建立在人工智能融入的世界中可迁移的能力，包括AI Literacy、Distributed Cognition与Metacognition（参见自适应能力），并在学生逐渐把自己看作有能力、熟悉人工智能的实践者时，支持身份认同的形成。

5. 压力情境下的心理社会支持。 除了认知上的帮助，学生把生成式人工智能描述为在高强度训练中获得安慰的来源，以及可以私下反思的空间；这是有用性中关系性与情感性的一个维度，而各种采纳模型并未捕捉到它。在一项针对 28 名护理专业学生与教师的质性研究中，若干学生把人工智能描述为在临床压力中提供安慰与不带评判空间的“伴侣”（Akbaba 与 Calik Kus，护理教育）。请把这一点与下文的依赖证据一起阅读：这种安慰是真实的，同时它也可能逐渐滑向依赖。

负面影响

1. 过度依赖，以及表现与学习之间的差距。 人工智能会诱发认知卸载，学生把本应练习的推理过程交托出去。这可以在有人工智能时提高表现，却会降低之后在没有辅助时的表现：本知识库的人工智能误用与学习受损综述记录了一项现场RCT，其中不加防护的人工智能导师改善了练习表现，却降低了之后的考试成绩。过度使用还可能侵蚀Metacognition与Self-Regulated Learning。一篇 2026 年针对计算机教育中 72 项研究的综述量化了这一模式：生成式人工智能稳定地提高了短期完成度并减少了任务用时（36 项研究），但这些收益“并未迁移到独立表现”（21 项研究），而且收益取决于先前知识：准备充分的学生把帮助转化为持久的能力，准备不足的学生则把它当作拐杖，从而消除了有益失败，在同一个课堂内部拉大了能力差距（Kumar 等，系统综述）。

2. 努力与能动性下降。 知道人工智能随时可用，会降低学生投入有益失败的意愿（人工智能的可获得性与动机），而被动接受人工智能的输出会侵蚀Learner Agency与亲自动手完成任务所带来的成就感（参见安全缺口）。

3. 焦虑、羞耻与身心健康代价。 人工智能的使用与焦虑与压力相关，这些焦虑涉及被取代、评价方式不确定或跟不上进度（参见关于人工智能焦虑的综合分析）。围绕人工智能使用的羞耻与内疚会促使学生隐藏或选择性披露，损害坦诚投入与社会情感方面的身心健康。动机层面的后果是可以测量的：Zhang、Shi 与 Lu 对 1,484 名本科生的调查发现，人工智能焦虑与学业动机呈负相关（r = −0.175），与情绪AI Regulation in Education也呈负相关（r = −0.172），情绪调节部分中介了从人工智能焦虑到动机的路径（间接效应 = −0.076），而每天的使用时长几乎不能预测任何东西（r = 0.053）。他们的结论是，素养教学应当与情绪调节和元认知支持相配套，而不只是扩大工具的可及性（Zhang 等，人工智能焦虑与学业动机）。一篇关于对话式人工智能的 51 条记录的关键综述补充了一条测量上的警示：信任、依赖、过度依赖、依恋与成瘾常被混为一谈，而这些与孤独、焦虑、疲劳、拖延以及较弱的批判性思维之间的横断相关并不能确立因果关系；如果没有控制力受损或功能损害，频繁使用并不等于依赖（Yan，对话式人工智能的投入与依赖综述）。

4. 对学习者身份认同的威胁。 当成果由人工智能产出时，学生可能不再觉得它是“自己的”，这是对学习者身份认同的作者身份威胁。创意领域中的能力悖论表明，易用性会侵蚀学生从作者身份中获得的手艺型身份认同。

5. 诚信与公平风险。 人工智能催生了新的学术不诚信形式，而对人工智能工具的获取（及其理解）不平等会拉大学生之间的差距，这是公平的核心关切之一。

结论

这里的防护栏是把人工智能当作脚手架，而不是替代品，也就是让学习者继续完成认知上重要的工作，而由人工智能提供支持；同时要关注影响的全貌（认知、动机、情感、身份认同、社会以及公平），而不只是表现。若想按维度深入阅读，参见学生体验概念页。至于干预一侧的应对，也就是如何把人工智能设计进课程，使脚手架不变成替代品，参见我应当如何把人工智能素养融入我的课程？和关于高等教育中人工智能素养干预的证据是怎样的？。