我应当如何用人工智能来有效地学习？

本页是英文页面的机器翻译，尚未经母语者审校。

晚上 11 点，习题集明早九点要交，聊天窗口已经开着。第四题一小时前就看不懂了。工具会在十秒内给出一个答案，读起来像一个真的懂了的学生写出来的作业，而你必须决定：是把作业原样敲进去，还是先把你自己的那一团乱麻敲进去。

这一页值得带走的一句话是：同一个模型，在你学习过程的不同节点打开，对你的学习做的是相反的事。在你尝试之前打开，它终结了思考，留给你一个干净的文件和一个更薄的记忆。在一次尝试之后打开，让它考你、解释你漏掉了什么、指出你的推理在哪里断了，它就像一位家教。第二件要抓住的事：做出来的东西看着不错，并不是你学到了什么的证据。一份漂亮的提交展示的是你和模型一起能做什么。考试、分班考，以及序列里的下一门课，检验的是你独自能做什么，而研究把这叫作学习增益。

简版要点

1. 在打开聊天窗口之前先写下你自己的尝试，哪怕是错的，并告诉工具在你有一份答案之前不许给出答案。这是证据最强的一步。

2. 要教学：提示、解释、分步演示、小测、对你产出内容的纠正。把争辩、找来源和写句子留给你自己。

3. 停在第一条回复之后继续谈下去。反驳、问为什么、问你哪里错了。

4. 任何会被评分的东西，都要对照一个你能说出名字的来源核查，并把流畅的措辞当作完全没有证据。

5. 以关闭工具结束这场会话：凭记忆、出声地回答，看看缺了什么。你今晚就知道，而不是在考场上才知道。

以你自己的尝试开始这场会话

Akgun 与 Toker（2026）给 89 名本科生同样的自适应预测试会话与同样的说明，然后是七周各不相同的练习。AI 会探查误解、要求对单薄的回答作出展开、并且只在真正的概念投入之后才推进的那一组，在延迟后测上得分最高（M = 78.19），投入的练习努力也最多（M = 0.85）。与同一个模型的自由聊天得 67.28 与 0.49，差距为 d = 0.92。

尝试本身就在做功，即使尝试是错的。写出一个答案会激活你已经知道的东西，也让你看到它的边界。然后纠正才会落在某个东西上。

一条你今晚就能粘进任何聊天机器人的策略：就当我要被考这一块来讲给我听，一次问我一个问题，在我尝试过之前不要给我答案，告诉我我哪里错了、为什么错。 这句话复现了那个产出 78.19 的安排，而且不花一分钱。

要一位家教，并把任务说清楚

模糊的请求得到模糊的帮助。Viberg、Feldman-Maggor 与 Wong（2026）访谈了 20 名 STEM 学生，问他们如何求助，发现了一个值得照抄的四阶段序列：判断是否需要帮助、选择向谁求助、决定请求哪一类帮助、评判回来的东西。这些学生先去找模型，因为那是门槛最低的选项，用一位学生的话说，“先ChatGPT，再同学，最后才是老师”，而他们要的是提示、分步引导与概念解释，而不是现成的解答。另一位把聊天机器人描述为“一个提示，一个辅助工具，但不是独立解法”。

敲出来大概是这样：“我分部积分的时候总是搞错符号，这是我的尝试，哪里断了？” 一个被点名的卡点会得到有用的回复，而“帮我做这个作业”得到一份草稿。要一个某类问题的示例解法，研究它的形状，然后自己独立做下一道。要求把这个概念讲得像你要被考它，然后不看书把它讲回来。要求提问，一次一个，并且在你自己作出承诺之前不要回答。

这个模式是工具在你的理解上做功。概括你已经读过的一章、翻译一份来源、重新整理你的笔记、制作练习卡片，都合理。决定你的文章主张什么、找到来源、写出那个句子，是你的事。

停在第一条回复之后

学生打算做什么与他们实际做了什么之间的差距，是这批文献里最一致的发现。Yan 及其同事（2026）在日本与中国访谈了 38 名本科生，让他们在无人监督的论文作业中回看自己的聊天记录。38 人中有 31 人说他们本意是把 AI 当作学习助手，而他们仍然描述了过度依赖、心智上的松懈与快速遗忘。有人说“你忘掉它的速度也非常快”。一个更小的群体把整个任务交了出去：老师布置，学生转给 GenAI，GenAI 生成，学生检查格式，学生提交，一位参与者把这描述为“完全替代了我的大脑”。

38 人里只有 8 人像作者所说的认知伙伴那样工作。他们并没有用更少的 AI。他们的总投入保持稳定，只是改变了形状。一个人把努力从搜索转移到质量核查上。另一个人每次 AI 会话之后写简短的反思笔记，以减缓即时检索到的信息的消退。

把这两组区分开的习惯，作为给你自己的指令：

• 粘贴问题与你的尝试，而不是作业标题。 这些学生中有 76.32% 遵循“提问、拿到答案、停下”的模式，通常是把作业标题粘进去却不说自己需要什么，然后在回复令人失望时把同一句提示再提交一遍。持续、迭代的对话出现在 23.68% 的人身上，几乎全是认知伙伴。
• 把它关在你自己的阅读与写作之内。 78.94% 的人在开始之前或起草之后使用 AI，而这种脱离正是学得最少的那一组人的标志。
• 越过第一条回复。 求助研究显示出同样的形状。Amoozadeh 与 Alipour（2026）对 72 名学生在两项编程任务中的 830 条提示作了分类。反复出现的就那么几种动作：陈述自己困惑的断言、询问某处是否正确的核实性提示，以及询问下一步的程序性提示。比较、预测与特征说明这些真正让你思考的动作，仍然很少。你自己的提示历史会比你的意图更好地预测你的学习。

用你能说出名字的东西核对输出

“批判性地使用”是一个在把各部分拆开之前没有多少意义的说法。Wei 与 Shang（2026）把它拆成七项：认识论评价、你是否开始核查、你核查得怎么样、核查是否成功、你拿输出做了什么、你在任务上表现如何，以及你独立学到了什么。其中两项比其余的重要。核查不等于成功的核查，一个仔细的过程可能以无结论收场，而一个马虎的过程可能碰巧落在正确答案上。校准后的依赖意味着你接受或拒绝的决定与输出的实际质量相符，而这个质量你没法从答案听起来有多自信里读出来。

有三项发现让这个问题变具体。Dávila 等人（2025）给学习者的建议大约有一半时候是对的，并发现他们给予这条建议多大权重，会随其先前知识与性别而变，所以信任并没有跟着准确性走。Zheng 等人（2025）记录了一种“失败的应用”模式：学生正确地遵循了正确的指导，却仍然得到了错误的答案。自信也不是向导：Rheu 与 Cho（2025）发现，理解语言模型如何工作与更多自我报告的核查事实相关联，而某些形式的自信与功能知识则与更少的核查相关联。

所以，任何会被评分的东西，都要对照一个你能说出名字的来源去核实。Viberg 研究里的学生把输出与他们的课程作业和老师对照，其中一位解释说，“只有在我们也判断不出 ChatGPT 是不是在编的时候，我才去找助教”。当你确实判断不出来时，把这一点标为未解决，去问一个人。为了让页面写完就采纳一个说法，正是一点小小的不确定变成你反复排练过的错误答案的方式。

在你需要它们之前就定好底线规则。Pérez-Portabella 及其同事（2026）调查了 151 名本科生，发现伦理判断是打算用大语言模型备考的必要条件，其中后果主义与义务论的推理预测了这种意图，而意图又强烈预测了实际使用。你事先决定自己会做什么、不会做什么，才是 11 点时你的行为所遵循的东西。

让它处理后勤

速度有正当的用途。Kawamura（2026）构建的系统能按每一段的难度调整语音播放速度，平均约 1.30x，并生成多模态视频摘要，把观看时间缩短 53%，而测验分数没有统计显著的差异。概括、翻译、规划学习日程属于同一类。更快地过材料没问题。跳过那些会改变你的工作，才是要避免的部分。

区别在于工具相对思考所处的位置。对一章你已经读过的内容做摘要，是省时间。你用它替代了那一章去读的摘要，替代的是阅读本身。

以关闭工具收尾

用一场会话感觉如何、或输出看起来多漂亮来评判它，会误导你。独立学习意味着保持、迁移、无辅助的表现，以及在支持撤走之后自己找出错误。三个测试不需要研究者：

• 关掉工具再回答。 如果你在聊天窗口关闭时产不出那个解释或那个解法，你就还没学会它。
• 隔一段时间再测。 那项统计研究里区分各条件的，是七周后的后测。对话还留在屏幕上时取得的分数告诉你的很少。
• 出声地、凭记忆、不看笔记地讲一遍。 如果你需要工具的那套措辞，这份理解还不是你的。

提取需要日程。Zhang（2026）描述了 Memdora，一个 AI 间隔重复系统，它建立在一个发现之上：新学的材料大约有 70% 在 24 小时内不经复习就会被遗忘。它从你正在读的任何东西里生成卡片，并用 FSRS-6 排定它们。要说清这值多少：论文报告了比传统闪卡工具更好的保持，而它的贡献是一套设计与交互分类法，而不是一项受控的保持试验。把间隔与提取当作已确立的，把具体的交互设计当作有前景的。如果你用的应用报告了每个条目的结果，去读它们，因为逐卡的学习情况比一个连续打卡天数告诉你的更多。

学生会弄错的地方

在聊天窗口里的时间就是学习时间。 预测试研究里的 89 名本科生用同一个模型在不同条件下花了七周。得 78.19 的那个条件，是工具拒绝把答案交出来的那个。差别就是那点反驳。

答案好就意味着我懂了。 Yan 的学生在报告快速遗忘的同时，评判自己的使用是有效的，而 38 人中有 31 人说他们本意是把它当学习助手。输出是关于模型的证据。你合上书本后的回答才是关于你的证据。

要答案是高效的做法。 它在产出那份成品上是高效的。在 Yan 的样本里，把任务交出去的那一组产出了作业，记住的却最少；而报告遗忘最快的人，是那个大得多的、相信自己用得很好的群体。

流畅就意味着准确。 对答案的自信丝毫不告诉你它的质量，而同样的流畅正是让一个错误说法容易被采纳的原因。核实必须对着聊天窗口之外的东西。

重读答案就是核查。 Wei 与 Shang 的拆分在这里很要紧。你是否核查过，与核查是否奏效，是两个不同的变量，而只有第二个保护你的成绩。

你会听到的反对意见

“我付了钱，为什么不用？” 订阅买到的是比答案更好的东西，答案是最便宜的那部分。你付钱买的是一位有耐心的家教，它会把同一个想法用五种方式讲，考你直到你能冷着做出来，并告诉你你自己的尝试哪里出了问题。多数学生在晚上 11 点不可能有这样的东西。

“别人都这么用。” 他们大多数人用的方式，正是这些研究显示效果很差的那种：76.32% 提问、拿到答案、然后停下；78.94% 从不把工具带进那部分本来会改变他们的工作里。38 人里像认知伙伴那样工作的 8 个人，并不是什么天赋异禀的一小撮。他们的区别特征是一条你今晚就能采纳的规则，那就是努力会转移，而不是消失。

“它更快。” 是的。那份速度就是效率悖论：会话结束得更早，而这项任务本来要达成的那个东西在下降。提取研究里的自由聊天做的练习工作更少（M = 0.49 对 0.85），七周后得分也更低（67.28 对 78.19，d = 0.92）。你今晚会更快，在考场上会更慢，而你可以选自己想要哪一个。

“我懂得太少，没法先尝试。” 尝试正是你找到自己知识边界的方式，而预测试即使最初的答案是错的也有帮助。写下你认为这道题在问什么、你卡在哪里，然后带着这个去打开聊天窗口。

“我的老师禁了它，所以这里没什么可学的。” Yan 研究里的 38 名学生报告说，他们的老师禁止抄袭，却几乎没给具体指导，而那个真空把甚至善意的学生也推向了外包。禁令在工具被允许使用的那一天什么都没给你留下，而这一页上的习惯才是你带进那些课程的东西。

本周可以做的事

1. 挑出你现在会先粘贴的那门课。下一次习题集，在打开任何聊天窗口之前先写一段尝试，并把这段尝试和问题一起粘贴进去。

2. 把第一节里那四行指令放进你所用工具的自定义指令里，并让它一直留在那儿。

3. 在你下一次提交作业之前，让工具就用答案隐去的方式考你十分钟。记下你答不上来的地方。

4. 拿一个你自认为懂的主题，合上笔记本电脑出声地讲一遍。你绊住的地方就是你的复习清单。

5. 把每一句你打算提交的说法都对照一个有名字的来源核查，把核查不了的旁边写上“未解决”。

接下来可以去哪里

减少过度依赖讲的是那些让工具不取代你判断的习惯，核实 AI 输出更详细地处理核查那一侧，而AI 如何影响学生说明了更广的证据对学生与这些工具说了什么。如果你同时也教书，AI 能帮学生学得更好吗是关于持久学习的证据，AI 焦虑与幸福感讲的是这种变化的速度对那些努力跟上的学生做了什么。