使用 AI 会让学生成绩下降、变笨吗？

约 13803 字大约 46 分钟

2026-09-04

从教辅参考答案、搜题软件，到生成式 AI 与 Agent：真正值得追问的不是学生“用了没有”，而是学习过程中哪些认知步骤仍由学生完成。

摘要

围绕生成式人工智能与学习的讨论，近来很容易滑向两个极端。一种说法把 AI 当成随时在线的私人教师，仿佛只要用得足够多，学习效率和成绩就会自然提高；另一种说法则认定，只要学生开始使用 AI，成绩迟早会下降，人也会越来越“笨”。这两种判断听起来方向相反，实际上犯了相似的错误：它们都把不同工具、不同用法和不同测量结果揉成了一个简单结论。

本文综合 2025—2026 年有关生成式 AI 教育应用的随机试验、准实验、纵向研究、元分析和证据审查，并结合学习科学中关于学习与表现、认知卸载、例题学习、生产性失败、自我解释和教学支架的研究，重新考察 AI 与搜题软件、教辅参考答案之间的关系。现有证据表明，当 AI 在学生理解题目、形成思路和完成关键推理之前直接交付答案时，它与传统答案工具具有明显的功能相似性：眼前的作业或练习更容易做对，但这些提高未必会保留到工具撤去后的考试、延迟测验和新情境中。可另一方面，“任何时候都必须先独立做完再看答案”也不是普遍有效的教学定律。先备知识不足的初学者可能更适合从完整例题和较强支架开始，真正重要的是帮助能否逐步淡出，以及学生最终能否独立重建和迁移。

因此，现有研究既不支持“使用 AI 必然使成绩下降”，也没有证明“AI 必然使学生变笨”。更合理的观点是：AI 改变的是学习活动中的认知分工。它替代了哪些步骤、保留了哪些步骤，以及工具退出后学生还剩下什么，比单纯统计是否使用 AI 或使用了多久更有解释力。本文据此提出“认知任务分配—双重能力框架”，同时评价无 AI 条件下的独立能力和使用 AI 时的协作能力。

关键词：生成式人工智能；学习成绩；能力形成；搜题软件；参考答案；认知卸载；AI Agent

先说结论：AI 并不会因为“是 AI”就自动促进或破坏学习。把它当作答案交付器，风险与直接抄参考答案相似，而且由于答案更快、更完整、摩擦更低，依赖可能更容易形成；把它设计成会追问、给提示、要求解释并安排迁移练习的支架，它也可能提供传统答案工具很难提供的帮助。判断标准不应是“有没有使用”，而应是课程要训练的关键认知活动最后由谁完成。

一、先把“成绩”拆开来看

讨论 AI 会不会影响学习成绩之前，需要先说明“成绩”究竟指什么。现实中至少有四种经常被混在一起的结果：AI 开着时的作业或练习分数；关掉 AI 后的独立测验；隔一段时间后的保持与迁移；课程总评、学期成绩或 GPA。它们相关，却不是同一个东西。

AI 开着时，学生交出的结果来自“学生与工具组成的系统”。这类成绩当然有现实意义，因为今后的工作不会永远要求人脱离工具完成一切。但是，它不能直接回答学生本人是否已经掌握知识。关掉 AI 后还能不能重新解题，遇到表面不同的问题能不能认出相同结构，模型给出错误答案时能不能发现问题，这些才更接近能力是否形成。

课程总评又复杂一些。教师可以提高闭卷考试权重，也可以允许学生在项目中使用 AI；学校可能增加口头答辩，也可能仍用家庭作业作为主要评分依据。同一个学生的真实能力没有变化，仅仅因为评价制度调整，GPA 也可能发生变化。于是，一项研究若只说“AI 提高了成绩”或“AI 降低了成绩”，却不交代工具是否在场、测试是否延迟、评分方式有没有改变，它给出的信息其实很有限。

这不是刻意挑概念。学习科学长期区分训练阶段的“表现”和相对持久的“学习”。人在练习时做得流畅、快速、正确，有时只是因为提示、范例或答案仍在眼前；真正的学习要在支持撤去后，通过保持与迁移来确认。[2] 生成式 AI 把这种差别放大了，因为它可以直接参与答案生产，甚至参与整份作业的组织和润色。较早的教育研究已经提醒，大语言模型的价值与风险取决于课程目标、提示方式、核验机制和学生实际参与程度，而不是模型名称本身。[1]

本文主要关心三件事：AI 在场时任务做得怎样；AI 撤去后学生还会不会；持续使用一段时间以后，这种差异会扩大、消失，还是转化成另一种能力。资料核对截至 2026 年 9 月 4 日。同行评议研究、工作论文、预印本和新闻材料在文中承担不同作用：前几类用于判断学习效应，新闻与调查只用于说明制度变化和公共传播，不把它们当作因果证据。

二、为什么现有研究会同时出现正、负和零结果

（一）AI 在场时，任务表现大多会变好

目前相对稳定的发现，是 AI 往往能改善它在场时的任务完成质量。Wu 等人汇总 35 项实验研究、4193 名参与者和 134 个效应量，得到 g = 0.670 的综合正效应。[5] 这说明生成式 AI 的确可以成为有效学习工具，却不能直接被解释为“长期使用一定提高独立考试成绩”，因为元分析纳入的结果混合了课堂练习、作业质量、即时测验和部分无工具测试。

Bastani 等人在近千名高中生数学学习中的现场随机试验，把这种差别呈现得很直观。学生练习时，通用 GPT 组比对照组高 48%，经过教学约束、倾向于逐步提示的 GPT Tutor 组高 127%；可当 AI 被撤去，通用 GPT 组的考试成绩反而比对照组低 17%，GPT Tutor 组则与对照组没有显著差异。[6]

同一个实验里，AI 既带来了非常显眼的短期优势，也留下了后续负效应。问题不在于数据互相矛盾，而在于研究测量了两件不同的事：有工具时能不能把题做对，以及没有工具时学生究竟学会了多少。

（二）工具撤去以后，结果可能保持，也可能消失或反转

较长周期研究同样没有给出单一方向。Strömberg 等人跟踪 26,811 名中国七至十二年级学生 30 个月，发现采用 AI 后，家庭作业分数提高 18%，完成时间减少 30%；与此同时，月度闭卷考试和升学考试的估计结果为负，损失主要集中在使用方式更接近把作业交给 AI 完成的学生中。[7] 这项研究规模大、观察时间长，但采用准实验设计，且目前仍是讨论论文，因果强度不能与随机试验完全等同。

正面结果也真实存在。定制的大学物理 AI 导师在短期随机试验中，让学生用更少时间取得更高的即时学习结果。[8] 世界银行在尼日利亚开展的六周课后项目，把生成式 AI 放在教师指导和结构化课程之中，综合测评提高约 0.31 个标准差。[9] 两年 Khanmigo 学校集群随机试验每学年带来约 0.06—0.08 个标准差的数学成绩提升，完整积极参与一年的估计效应约为 0.14 个标准差；不过学生与 AI 发生实质数学对话的频率并不高，因此效果不能全部归到聊天导师本身。[10]

高等教育中的几项实验进一步说明，单纯“开放 AI”与教学生“怎样使用 AI”不是同一种干预。Fischer 等人在 334 名大学生中发现，课程 AI 导师相对教材组提高考试成绩 0.23 个标准差；更值得注意的是，无限制使用组比被强制先独立阅读的组高 0.21 个标准差。[11] Gallegos 在智利七个计量经济学班级中发现，只鼓励学生采用课程 AI，并没有改善期中考试；当干预改为指导学生进行辅导式使用后，期末成绩提高 0.21 个标准差，通过率提高 12 个百分点。[12]

Contractor 与 Reyes 的现场随机实验则发现，AI 组在随后的无工具知识测验中提高 0.27 个标准差，而且一周后仍保留增益；进一步分析显示，把 AI 用于解释概念的学生受益较大，主要让它代写文本的学生虽然当下作品更好，工具撤去后却没有同样的知识收益。[13]

（三）负面结果通常与“完整答案”和“整段委托”有关

另一些实验捕捉到了更直接的依赖。Liu 等人在数学推理和阅读理解任务中开展总样本 1222 人的随机试验，AI 提高了短期表现，却降低了约十分钟后无工具条件下的独立表现和坚持时间；负面结果主要集中在直接索取完整解法的使用者中。[14]

Shen 与 Tamkin 让参与者学习陌生的 Python 异步库。AI 组在概念理解、代码阅读和调试上较弱，平均效率也没有出现显著优势；但交互日志显示，保持认知参与、用 AI 询问概念或检查局部问题的使用者仍能形成技能，完全把编码交给模型的人才出现更明显的能力损失。[15]

一项 2026 年 8 月发布的逻辑谜题预印本也得到相似线索：求助成本越低，参与者越频繁请求 AI；使用阶段看起来更顺利的人，在工具撤去后不一定更强，而独立推理投入与潜在能力增长相关。[16] 这项研究很新，尚待同行评议和复现，但它提醒了一个容易被忽视的问题：帮助越便宜、答案越顺手，有工具阶段的高分越可能高估学生之后的独立能力。

（四）把研究排在一起，真正的共同点才会出现

研究	设计与任务	主要结果	不能越过的解释边界
Wu 等（2026）[5]	35 项实验研究的元分析	综合效应 `g = 0.670`，整体偏正	混合了即时表现和部分独立测验，不能直接代表长期无工具能力
Bastani 等（2025）[6]	近千名高中生数学现场随机试验	通用 GPT 提高练习 48%，撤去后考试低 17%；受约束 Tutor 提高练习 127%，撤去后与对照组无显著差异	说明无约束帮助可能伤害后测；Tutor 避免伤害，但没有显著超过传统学习
Strömberg 等（2026）[7]	26,811 名中国中学生、30 个月准实验	作业分提高 18%、用时减少 30%；闭卷和升学考试估计为负	长期且大样本，但并非随机试验；负效应主要对应作业外包式使用
Kestin 等（2025）[8]	194 名大学物理学生、短期交叉随机试验	定制 AI 导师在更少时间内取得更高即时后测	课程单一、时间较短，不能外推多年使用
Oreopoulos 与 Low（2026）[10]	美国 18 所中学、两年集群随机试验	每学年提高约 0.06—0.08 个标准差	AI 实质对话较少，难与既有练习平台的作用完全分离
Fischer 等（2025）[11]	334 名大学生，比较教材、受限 AI 与自由 AI	AI 相对教材提高 0.23 个标准差；自由 AI 比强制先阅读高 0.21 个标准差	反驳机械的“任何任务都必须先独立阅读”，但不等于无限制使用在所有课程都更好
Gallegos（2026）[12]	七个计量经济学班级的现场干预	只鼓励采用没有期中效果；辅导式使用指导提高期末 0.21 个标准差	“用上工具”本身不是有效教学处理，使用方式才是
Contractor 与 Reyes（2026）[13]	211 名大学生，即时与一周后无工具测验	即时知识提高 0.27 个标准差并保持；解释型使用优于代写型使用	工作论文，样本和任务范围仍有限
Liu 等（2026）[14]	1222 人数学与阅读随机试验	短期表现上升，随后独立表现和坚持下降	只能证明短时依赖，不能推出永久认知变化
Shen 与 Tamkin（2026）[15]	陌生编程技能学习实验	AI 组概念、读码和调试较弱；认知参与型交互可保留学习	结果来自特定编程任务，不能直接代表所有学科

这些研究并不是“支持 AI”与“反对 AI”的两队材料。正面研究往往把 AI 放在解释、反馈、范例或信息组织的位置，并保留学生的理解、核验和重建；负面研究更常出现完整答案、低成本求助和整段委托；零结果则常见于只提高工具采用率，却没有改变学习过程的干预。把它们统称为“使用 AI”，研究结果当然会显得摇摆。

三、AI 与搜题软件、教辅答案到底有多像

（一）在“答案交付”这一点上，它们确实相似

把 AI 与传统搜题软件、教辅参考答案联系起来，并不是牵强类比。在家庭作业和练习测验中，它们都能把外部解法带进当前任务。只要评分标准是这道题最后有没有写对，外部答案就可以立刻提高分数。

学生先形成自己的思路，再用答案核对，至少经历了理解题意、组织条件、尝试方案和暴露错误；学生直接查看并转写，则可能跳过这些过程。答案本身没有变化，变化的是答案出现以前，学生到底完成过什么。AI 让这件事更快、更自然，也更难察觉，但“借外部答案提升眼前得分”并不是它发明的。过去学生同样可以抄教辅、匹配题库解析、向同学索取作业，或者只记住一套题型步骤而不理解原因。

因此，在“学生还没有完成关键认知活动，工具已经给出可提交结果”这一条件下，AI、搜题软件和参考答案可以说具有功能上的同构性。这里的重点是使用结构，不是技术身份。

（二）AI 又不只是一个更快的答案库

类比也有边界。固定参考答案不能根据学生的错误追问，搜题软件通常依赖已有题目匹配；生成式 AI 可以改写解释、只给下一步提示、要求学生说明理由、生成反例、把一道题改成迁移练习，也可能自信地编造错误内容。教学型 AI 可以限制完整答案出现的时机，Agent 甚至可以连续管理资料、执行软件和修改成品。

这意味着 AI 把两种相反的可能性同时放大了：它既能把答案交付做得极其低摩擦，也能把个性化反馈变得廉价。把 AI 简单归入“答案工具”，会忽视它作为支架的能力；把它宣传成“私人教师”，又会忽视它可以比传统答案更彻底地替学生做完任务。

工具形态	常见作用	可能创造的学习机会	主要风险
教辅参考答案	提供固定结果或标准步骤	核对、订正、比较不同方法	出现过早时容易变成照抄；不能针对具体错误追问
搜题软件	检索相同或相似题目的现成解析	快速定位题型，查看多种解法	搜到答案的成本很低，来源质量不一；容易把“搜到”误当成“会做”
通用生成式 AI	即时生成答案、解释、文本或代码	可追问、改写、举例、生成新题	完整成品门槛更低；答案流畅但可能错误
教学型 AI 导师	按课程目标提供提示、诊断和反馈	调节帮助层级，扩大个性化反馈供给	设计不当仍会过度提示，效果依赖课程脚本和实际交互
AI Agent	分解任务并连续检索、调用工具、执行和修订	管理复习、记录错题、组织复杂项目	可能接管从问题理解到最终提交的整条链路，使中间判断不可见

同一种工具也可能在不同时间承担不同角色。一本参考书可以被用来认真研究例题，也可以被直接抄写；一个 AI 对话框可以只给学生一个小提示，也可以一次生成整份报告。将工具提前贴上“有益”或“有害”的标签，往往比分析实际过程省事，却也更容易得出错误结论。

四、“先想再看”有证据，但不是铁律

（一）为什么先产生一次自己的尝试常常有价值

“自己先想，再看答案”之所以成为常见学习建议，并不只是经验之谈。生产性失败研究发现，在设计合适的条件下，先尝试解决问题、再接受系统教学，比先听讲再练习更有利于概念理解和迁移。Sinha 与 Kapur 汇总 53 项研究、166 个比较，得到 g = 0.36 的中等优势。[17]

这里的“失败”不是让学生长时间无助地卡住。有效设计通常允许学习者提出多种表征和方案，教师随后把这些尝试带回讲解，让错误成为辨认关键特征的材料。学生先尝试的价值，在于她已经暴露了自己的理解方式；后面的答案不再只是一串正确步骤，而是在回应一个具体问题。

自我解释研究提供了另一条证据。Bisra 等人汇总 64 份研究报告、69 个效应量，得到 g = 0.55 的平均效应。[18] 学习者若能说明某一步为什么成立、两个概念怎样连接，通常比仅仅反复阅读更容易形成稳定理解。于是，即便学生没有在看答案之前完整做出题目，只要她在看完以后主动解释、遮住步骤重建，并处理一题结构相同但表面不同的新题，答案仍可能转化为学习材料。

这也解释了为什么“先想再看”通常比“直接看”可靠：它保护了问题表征和方案生成，让学生更容易发现自己究竟错在哪里。但是，这条原则保护的是认知活动，不是某个固定时间顺序本身。

（二）为什么初学者有时应该先看范例

完整例题并不天然等于偷懒。Barbieri 等人对数学例题学习的 43 篇文章、55 项研究和 181 个效应量进行元分析，正确例题对数学学习的平均效应为 g = 0.48。[19] 当一个概念完全陌生、步骤之间高度依赖时，初学者若没有任何模型就盲目搜索，有限注意力可能被耗在无效试错上。先看一份经过设计的范例，反而有助于看见结构。

帮助强度还会随先备知识发生反转。Tetzlaff 等人汇总 60 项实验、5924 名参与者，发现低先备知识学习者在高帮助条件下学得更好（d = 0.505），高先备知识学习者则在低帮助条件下更有优势（d = -0.428）。[20] 对新手有用的分步提示，到了熟练阶段可能变成冗余干扰。这就是“专长反转效应”，也构成了教学中的“帮助困境”：支持太少会造成无效受挫，支持太多又会替代应有练习。[21] 一项高中物理反馈实验也提示，不同成绩水平的学生会对同一种完整答案、启发式提示或按需 AI 反馈产生不同反应，统一的帮助策略很容易错配。[24]

Fischer 等人的 AI 导师实验尤其值得放在这里。无限制使用 AI 的学生，考试表现反而超过了被强制先独立阅读的学生。[11] 这并不能证明随时索取答案永远更好，却足以否定一种机械规则：只要把帮助延后，就一定能提高学习。

（三）比“必须先做十分钟”更准确的原则

因此，用户提出的判断可以保留其核心，但需要改得更严谨：

当学生已经具备基本知识时，先形成自己的问题表征和尝试，再利用 AI 或参考答案核对、解释和纠错，通常更有利于能力形成；当学生几乎没有先备知识时，优质范例和较强支架可能更合适，但帮助必须逐步淡出，学生最终仍要完成无工具重建与迁移。

换句话说，真正不能长期缺席的不是“查看答案以前的一次挣扎”，而是学习目标所要求的认知活动。对已经学过的数学题，它可能是独立推导；对陌生概念，它可能是理解范例后补全步骤；对写作，它可能是自己决定论点和证据；对编程，它可能是解释接口、判断测试是否充分并亲自定位错误。

比较稳妥的两种学习路径可以写成：

有一定基础时：独立表征与尝试 → 请求局部提示 → 自己完成 → 解释错误 → 延迟迁移。
几乎零基础时：研究优质范例 → 逐步解释 → 遮挡或删去部分步骤 → 自己补全 → 独立处理新题。

两条路径起点不同，终点却相同：帮助撤去以后，学生必须能重新生成核心方法。只看过、觉得懂了、能跟着读下来，还不等于方法已经属于自己。

五、真正的分界是：目标认知活动由谁完成

（一）学习与当场表现要分别记账

有 AI 的任务表现并非没有价值。现实工作会使用搜索、计算器、代码补全、翻译工具和智能体，能够把工具组织好，本身就是能力。问题在于，人机共同完成的结果不能自动当作学生个人掌握程度。

一个学生可以在 AI 帮助下写出很好的程序，却无法解释为什么要这样设计；也可以在没有 AI 时掌握基础逻辑，同时不擅长检索资料和核验模型输出。这两种情况都是真实的。教育若只看独立闭卷，会低估人机协作能力；若只看允许 AI 的成品，又会把模型的能力记到学生名下。

（二）认知卸载并非天然有害，关键是卸载了什么

把记忆、计算或资料检索交给外部工具，通常被称为认知卸载。记待办、查词典、用计算器、让搜索系统保存资料，都属于这一过程。认知卸载是人类长期使用工具的常态，并不会因为换成 AI 就自动成为退化。[22]

真正需要区分的是，被卸载的是与课程目标无关的机械负担，还是课程正在训练的核心动作。写作课可以让 AI 检查标点和格式，把时间留给论证；若课程目标本来就是论证组织，却把观点生成、证据选择和反驳全部交给模型，卸载的便不是外围工作。编程学习可以把安装依赖和重复样板代码交给工具，但理解接口、定位错误和判断测试是否充分不能长期消失。

Cash 等人在讨论“AI 是否让人变笨”时同样指出，技能依靠练习形成，持续外包相应练习可能造成技能获得不足或衰退；但基础认知是否受损、影响范围有多大，仍取决于具体任务和使用方式。[23] 因此，“少用工具就是锻炼，多用工具就是变笨”并不成立。更准确的做法，是给认知负荷分账：无关紧要的负担可以卸载，决定能力形成的表征、推理、纠错、提取和责任判断则要保留。

（三）六个比“使用时长”更有意义的问题

本文将这种判断整理为六个观察维度：

维度	需要追问的问题	可以观察什么
问题表征归属	题目究竟要解决什么、条件怎样组织，最初由谁界定？	学生能否不看 AI 复述问题、区分已知与未知并说明约束
核心推理归属	决定结论的关键推导、论证或设计取舍由谁完成？	学生是否提出过假设和步骤，AI 是否直接给出了最终结论
错误修正责任	错误由谁发现、解释并修正？	学生能否说明错误原因，而不是只接受模型重写的一版答案
无工具重建与迁移	帮助结束后，学生能否独立重做并处理新情境？	延迟无 AI 测验、条件变化的新题、口头解释、现场调试
帮助—知识匹配	帮助强度是否符合学生的先备知识和任务复杂度？	新手是否获得范例，熟练者是否能逐步脱离提示
节省时间去向	AI 节省的时间最后去了哪里？	用于更难练习、核验和反思，还是直接结束学习

这里最后一项尤其容易被忽略。AI 把一份作业从两小时缩短到四十分钟，单看效率当然是好事；但剩下的一小时二十分钟是被用来做迁移题、检查资料，还是完全离开学习，会改变最终结果。节省时间不是学习收益本身，它只是创造了重新分配时间的机会。

因此，可以把学习结果写成一份分析清单，而不是一个只看工具名称的公式：

学习结果 = f（先备知识，任务结构，帮助角色，认知归属，核验与重建，时间去向，评价方式）

这个表达式并不是要直接计算一个数字，而是在提醒研究者：同样“使用 AI 一小时”，有人可能复制了十个答案，有人可能让 AI 连续质疑自己的论证。使用时长相同，实际发生的学习完全不同。

六、Agent 把问题从一个答案扩大到了整条流程

普通聊天机器人通常等待用户提出一个问题，Agent 则可以从模糊任务开始，自动制定计划、搜索资料、筛选文献、调用软件、运行代码、生成正文、检查格式，再根据结果继续修改。对复杂项目来说，这种连续性很有价值。它可以管理错题、安排复习、整理版本、去除重复资料，让学生把精力放在真正需要判断的地方。

但同一连续性也改变了依赖的性质。过去学生即使照着参考答案做题，往往还需要自己识别题型；Agent 若从理解任务到最终提交全部接管，问题分解、证据选择、失败诊断和结果核验都可能藏进自动执行链。最后成品更完整，不代表学生经历过其中的决策。

截至目前，关于教育 Agent 多年使用的直接证据仍然不足。Wang 等人梳理 2020 年至 2026 年 5 月的 474 项相关工作，其中只有 138 项明确引用教育理论，实证评估仍以小样本和短周期为主，真实课堂中的纵向验证、治理机制和成熟工具编排都比较有限。[27] 因而，现阶段无法可靠回答“使用 Agent 两年会让平均 GPA 上升或下降多少”。

能从已有研究中作出的，是较为克制的推断：Agent 接管的目标认知步骤越多，课程又越缺少解释、审核和无工具重建节点，能力形成的风险越高；Agent 若主要承担日程、检索去重、重复格式、资料归档和错题记录，同时把关键判断留给学生，风险会低得多。

这可以粗略分成三种使用状态：

使用状态	Agent 主要负责什么	学习风险判断
支架型	安排复习、生成测试、记录错题、提供分层提示，学生亲自解答	较低，较可能增加有效练习
协作型	汇总资料、搭建代码骨架或生成提纲，学生逐条核验并重建核心内容	中等，取决于审核深度和工具撤去后的表现
代理型	自动检索、分析、写作、修改直至提交，学生只接收成品	较高，容易提高交付质量却减少技能形成

这个分级不是已经由多年随机试验精确验证的定律，而是根据聊天机器人、编程助手和认知卸载研究提出的待检验假设。Agent 可以管理学习流程，但不应悄悄拿走课程最终希望学生掌握的那部分工作。

七、怎样更客观地反驳“必然降分”和“必然变笨”

（一）“使用 AI 必然使成绩下降”与现有证据直接冲突

“必然下降”是一个全称判断。只要存在设计较可靠、结果为正或为零的因果研究，这句话就不能成立。大学物理导师、尼日利亚课后项目、Khanmigo、Fischer、Gallegos、Contractor 与 Reyes 的研究，都报告了特定条件下的正面结果；Gallegos 最初只鼓励采用 AI 的处理得到零结果；Bastani、Strömberg、Liu 和 Shen 等研究则发现无约束或委托式使用带来负面结果。[6-15]

这组证据支持的是“条件差异”，而不是某个单一方向。说 AI 必然降分，相当于忽略所有正面和零结果；反过来说 AI 必然提分，同样忽略了无工具后测下降与技能外包的证据。更客观的反驳不需要替 AI 唱赞歌，只要把被删掉的条件放回去。

“成绩”还经常被偷换。家庭作业分、项目分、闭卷考试、延迟迁移和 GPA 并不是同一变量。AI 完全可能让作业分上升、闭卷考试下降，也可能让即时与延迟测验一起提高。短视频只说“成绩变差”，却不说明是哪种成绩、AI 是否仍可使用、测试在什么时候发生，这个结论就无法被认真检验。

（二）“AI 必然让学生变笨”甚至缺少明确的研究终点

“变笨”在日常语言里可以指记不住、不会独立做题、注意力变短、缺乏耐心、批判性思维下降，也可能被理解为一般智力降低。它们对应不同的测量，不能被一个词代替。

现有研究大多考察特定任务中的正确率、概念理解、复述、坚持时间、调试能力、自我调节或神经活动，并没有证明一般智力出现了普遍、永久、不可逆的下降。某种学习方式让学生在一次编程测试中调试得更差，和“这个学生整体变笨了”之间，还隔着很长的推理链。

传播中经常引用的 “Your Brain on ChatGPT” 预印本，招募 54 名参与者完成三次写作任务，其中 18 人进入第四次条件转换，研究者比较了无工具、搜索引擎和大语言模型条件下的脑电连接、文本、访谈与评分。[25] 研究发现不同条件在复述、作品归属感和任务期神经活动上存在差异，这确实值得继续研究；但它样本较小、任务限定于教育写作、尚未同行评议，也没有测量一般智力或脑组织损伤。

更关键的是，研究团队在官方说明中明确表示，不能据此说大语言模型让人 “stupid” 或 “dumb”，并要求媒体避免使用 “brain rot”“harm”“brain damage” 等措辞。[26] 任务期脑电连接较弱，不会自动等于一般能力下降，更不会自动等于脑损伤。原研究能够支持的，只是特定写作安排中外部支持程度与认知参与、复述和作品归属出现了差异。

（三）指出夸大，不等于否认真实风险

对绝对化说法进行反驳时，另一种常见错误是直接跳到“AI 根本没有坏处”。这同样不符合证据。Bastani 等人已经证明，无约束通用模型可以在数学练习中提高表现，同时使随后无工具考试下降；Liu 等人观察到完整解答帮助降低了独立表现和坚持；Shen 与 Tamkin 发现完全委托陌生编程任务会损害概念、读码和调试能力。[6][14][15]

这些研究足以否定“只要答案正确就一定促进学习”。它们没有证明的，是一般智力永久下降、所有学科受到同样影响，或任何 AI 帮助都比传统材料更差。严谨的结论通常没那么像标题，例如：“在高中数学短期练习中，无约束完整解答提高了有工具表现，但降低了随后无工具考试。”它不耸动，却能被复现，也能真正指导教学。

（四）常见说法应该怎样改写

常见说法	主要问题	现有证据允许的改写
“使用 AI，成绩必然下降”	研究同时存在正、负和零结果；“成绩”混合了有工具作业和无工具考试	无约束直接解答或外包式使用在部分研究中降低独立考试；结构化辅导和解释型使用在部分研究中提高学习结果
“AI 必然让学生变笨”	“变笨”没有统一可操作定义，现有研究没有证明一般智力或不可逆衰退	某些使用方式会减少特定任务中的认知参与、坚持或技能获得，影响范围和持续时间仍需长期研究
“脑电连接更弱就是脑损伤”	任务期脑电指标不能直接等同于一般能力或组织损伤，原研究也明确反对这种措辞	特定写作任务中，不同工具条件出现了不同神经连接和复述表现，结果初步且情境依赖
“短时间出现依赖，长期一定不可逆”	从分钟或数周实验外推多年与不可逆变化，跨越了证据未覆盖的时间尺度	短时依赖提示课程需要无工具练习和纵向跟踪；是否持久、能否恢复仍待研究
“只要先思考再问 AI，就一定有益”	新手可能从完整范例和较强帮助中获益，先备知识会改变最佳顺序	应保证目标认知活动最终由学生完成，并根据先备知识调节范例、提示和独立尝试的顺序

2026 年的一些中文播客和自媒体确实抓住了认知卸载、记忆和依赖这些真实问题，却常把“风险可能存在”推进成“结果已经确定”，再用“大脑休眠”“被 AI 吃掉”之类损伤性隐喻包装。[33][34] 这种传播方式最容易丢失样本、任务、时间尺度和研究状态，最后让读者以为科学已经回答了它其实还没有回答的问题。

一个更稳妥的新判断是：

AI 会重新分配学习过程中的认知工作。当它替代课程目标所需的练习时，独立能力可能受损；当它提供适配的范例、反馈和练习，并把关键判断留给学生时，学习可能改善。这里没有“必然”，只有可以被观察和设计的条件。

八、认知任务分配—双重能力框架

（一）不要只问“用了没有”，要问“谁完成了哪一步”

把“是否使用 AI”作为唯一变量，就像研究“是否使用书本”，却不区分读教材、查词典和抄答案。更合适的分析单位，是一项任务中的认知工作怎样分配：问题由谁表征，资料由谁筛选，核心推理由谁完成，错误由谁发现，结果由谁核验，最后又由谁解释。

这个框架并不要求所有步骤都必须由学生独自承担。它要求的是透明：课程希望训练的能力，不能在不知不觉中被工具全部代替。哪些步骤可以自动化，哪些步骤必须保留，应当由学习目标决定。

（二）同时保留两本账

AI 时代的教育评价需要同时测量两种能力。

第一种是无 AI 独立能力：能否提取知识、理解问题、推理、纠错、解释、迁移，并在模型不可用或输出错误时继续工作。

第二种是AI 协作能力：能否提出合适问题、选择工具、检查来源、识别不确定性、审计结果、整合多种输出，并对最终决定负责。

只看第一本账，会低估真实世界的工具素养；只看第二本账，会把模型能力误记为学生能力。两者组合以后，可以得到四种常见状态：

无 AI 独立能力	AI 协作能力	状态及教育含义
高	高	增强型能力：能独立理解和判断，也能借助 AI 扩大信息、反馈和产出，是较理想的目标
高	低	传统独立型：无工具任务可靠，但工具选择、核验和协作效率仍可发展
低	高	脆弱增强型：有 AI 时产出很好，模型出错、工具不可用或情境变化时容易失去控制
低	低	基础支持不足型：既缺少独立知识，也不能有效使用和审计 AI，需要更明确的教学支架

其中最容易被现有作业制度误判的，是“脆弱增强型”。她交出的作品可能非常完整，甚至比独立能力强的学生更漂亮；但一旦换题、口头追问，或者模型给出错误建议，能力缺口就会暴露。问题不是作品“不真实”，而是它证明的是人机系统的表现，不足以单独证明学生本人已经掌握。

（三）这个框架可以提出哪些可检验的命题

它至少产生四个可以交给未来实验验证的命题：

完整答案越早替代目标认知活动，有工具表现越可能提高，无工具保持却越可能受损；两者不必同向。
帮助强度与学习效果受到先备知识调节。新手更可能受益于范例和高支架，熟练者更需要提示淡出和自主解决。
AI 节省的时间只有在被重新投入解释、核验、重建或更难练习时，才更可能转化为持久学习。
Agent 接管流程越广，课程越需要在关键决策点设置学生说明、审核和无工具复现，否则高质量产出会系统性高估个人能力。

这些命题比“AI 有害”或“AI 有益”难做成十五秒视频，却更容易被认真研究。实验可以直接操纵答案出现时机、提示层级、Agent 接管步骤和无工具重建要求，也可以按照先备知识分层，而不是只比较“允许使用”与“完全禁止”。

九、学生、教师与产品可以怎样使用这个框架

（一）学生：不要迷信某一种固定流程

面对完全陌生的知识，先找一份可信范例，让 AI 解释每一步的依据，再遮住部分步骤自行补全，通常比在毫无基础时硬猜更合适。等基本结构建立起来以后，帮助要逐步减弱，只在明确卡点请求提示。

面对已经学过的内容，更稳妥的做法是先写出自己的理解和方案，再让 AI 找到第一个关键错误，而不是直接生成一份新答案。无论从范例开始还是从独立尝试开始，最后都要有一次工具关闭后的重建：从空白处重做、口头复述、修改一题条件变化的新题，或者隔一天再测一次。

学生还可以单独记录几项“无 AI 指标”：独立正确率、完成时间、能否说明理由、哪些错误反复出现、隔几天后还能保留多少、换一种题面能不能迁移。作业完成得越来越快，不一定意味着这些指标同步上升。

与 AI 对话时，可以直接设定这样的边界：

先不要给最终答案。让我写出已有思路后，只指出第一个关键错误或给下一层提示；要求我解释为什么，再根据我的错误生成一道表面不同的迁移题。除非我已经完成两次独立尝试，否则不要展示完整解答。

这不是唯一正确的提示词。对于完全陌生的主题，可以把开头改为“先给一个经过解释的完整范例，然后逐步删去步骤让我补全”。关键仍然是帮助最终要淡出，而不是把某句话当成新的仪式。

（二）教师：围绕课程目标划边界，不要只列工具黑名单

教师更需要明确“AI 可以替学生做什么，不能替学生做什么”。资料检索课可以让 AI 提供线索，但要求回到原始来源；写作课可以允许语言润色，却要求学生提交论证提纲、关键版本变化并接受口头追问；程序设计可以允许生成样板代码，同时保留现场调试和测试解释；数学课程可以在练习阶段开放分层提示，在评价阶段安排无工具迁移题。

较稳妥的评价可以同时包含三类证据：一项允许 AI 的真实任务，测量人机协作和产出；一项无 AI 的独立任务，测量知识提取与迁移；一次口头答辩或过程记录，确认学生能够说明关键选择。2026 年英国大学生调查显示，生成式 AI 已经进入绝大多数学生的日常学习和计分作业，学校很难再依靠简单禁令恢复原来的评价环境。[29] 大学重新采用口试和现场追问，正是因为只看最终成品越来越难判断本人能力。[30]

中小学还需要考虑年龄和自我调节能力。UNESCO 的指导强调年龄适宜、数据保护、教师参与和人类能动性；[31] 纽约市在 2026—2027 学年对八年级及以下学生采取更严格限制，高中则保留受监督试点和 AI 素养教学。[32] 这些政策并不能直接证明 AI 有害，但说明同一种开放程度未必适合所有年龄。

（三）产品与 Agent：不要只优化答案速度

教育产品若只追求回复更快、成品更完整、用户点击“有帮助”的比例更高，很容易把短期表现当成学习。更有价值的设计包括：允许教师设置目标能力；根据先备知识选择范例、提示或独立问题；让完整答案在若干有效尝试后出现；要求学生解释而不是点击“我懂了”；帮助结束后自动生成无工具迁移题；在界面中明确标示不确定性和来源。

Meyer 等人的中学写作研究表明，依据教学原则生成的反馈可以促进文本修改、学习动机和积极情绪。[28] 这说明 AI 完全能够成为反馈基础设施，而不只是代写入口。

Agent 还应保留“认知归属记录”：哪些资料是模型找的，哪些被学生选用；哪些结论由 Agent 建议，哪些经过学生修改；哪些步骤自动执行，哪些节点由学生审核。这样的记录不必成为监控工具，它首先帮助学生看见，自动化究竟覆盖了哪些能力。若 Agent 能够自动提交作业或项目，人工确认和解释节点就更不能省略。

十、这项研究仍有哪些边界

目前关于生成式 AI 与学习的证据增长很快，但真正的长期研究仍然有限。OECD 与斯坦福 2026 年的证据审查都指出，教育 AI 研究数量虽然迅速增长，具备较强因果识别、延迟测量和真实课堂条件的研究仍只占一部分。[3][4]多数随机试验只持续几节课、数周或一个学期；几项观察时间较长或发布时间较新的研究，仍以工作论文、讨论论文或预印本形式存在。模型和产品界面变化也很快，早期聊天机器人的结果不能原样代表 2026 年更强的 Agent。

学科差异同样重要。数学推导、阅读理解、写作、编程和开放式研究保留的核心认知活动并不相同；年龄、先备知识、教师参与、课程脚本和考试制度也都会改变结果。对某个高中数学实验成立的结论，不能未经验证就扩展到所有大学课程。

关于“一般智力下降”“人格改变”“多年不可逆损害”，目前证据尤其不足。短期实验能够证明某种用法在特定任务中形成了依赖，却不能自动回答依赖会持续多久、停止使用后能否恢复，或者是否会扩散到其他能力。反过来，短期正面结果也不能证明长期使用没有任何代价。

本文提出的“认知任务分配—双重能力框架”仍属于理论综合，需要后续预注册实验和纵向研究检验。更好的研究应同时报告有工具表现、无工具即时测试、延迟保持、迁移、自我调节和真实交互日志；研究 Agent 时，还应记录它接管了哪些步骤，而不只是统计使用次数和时长。

十一、结论

生成式 AI 与传统搜题软件、教辅参考答案确实存在一个重要共同点：只要它们在学生完成问题理解和关键推理之前交付可提交答案，就能提高当前任务的正确率，却未必形成可以脱离工具调用的能力。AI 只是把答案变得更即时、更完整，也让这种短期表现与长期学习之间的差距更容易扩大。

但 AI 不等于答案本身。它还可以提供范例、逐层提示、针对错误的解释、迁移练习和反馈。低先备知识学生可能需要更强支架，已有基础的学生则更需要独立尝试和提示淡出。因此，“先思考再使用工具”是一条有价值的风险控制原则，却不是适用于任何学生、任何任务的普遍定律。

“使用 AI 必然使成绩下降”和“AI 必然让学生变笨”都超出了现有证据。更准确的新观点是：AI 的教育后果取决于认知任务怎样在人与工具之间分配。当课程目标所需的练习被持续外包，独立能力可能受损；当 AI 承担适合卸载的外围负担，并提供与先备知识匹配的支架，同时保留学生的解释、判断、纠错和重建，学习也可能得到改善。

未来的教育不应只在“禁用 AI”和“全面拥抱 AI”之间选择。真正需要守住的是两本账：没有 AI 时，学生是否仍能理解、推理和迁移；使用 AI 时，她是否能够提问、核验、审计并承担责任。两种能力都在，工具才是扩展；只剩下漂亮成品，工具便可能成了遮住能力缺口的外壳。

引用的文献

Kasneci, E., Sessler, K., Küchemann, S., et al. “ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education.” Learning and Individual Differences, 2023, 103: 102274. DOI
Soderstrom, N. C., & Bjork, R. A. “Learning versus Performance: An Integrative Review.” Perspectives on Psychological Science, 2015, 10(2): 176–199. DOI
OECD. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing, 2026. DOI
Fesler, L., Martinez, J., Agnew, C., et al. The Evidence Base on AI in K–12: A 2026 Review. Stanford University SCALE Initiative, 2026. 研究页面
Wu, X., Zhu, P., Zhang, J., et al. “ChatGPT’s Impact on Student Learning Outcomes: A Meta-analysis of 35 Experimental Studies.” Humanities and Social Sciences Communications, 2026, 13: 684. DOI
Bastani, H., Bastani, O., Sungu, A., et al. “Generative AI without Guardrails Can Harm Learning: Evidence from High School Mathematics.” Proceedings of the National Academy of Sciences, 2025, 122(26): e2422633122. DOI
Strömberg, D., Lei, V., & Wu, Y. The Generative AI Learning Penalty: Evidence from Chinese Secondary Education. CEPR Discussion Paper No. 21577, 2026. CEPR
Kestin, G., Miller, K., Klales, A., et al. “AI Tutoring Outperforms In-class Active Learning: An RCT Introducing a Novel Research-based Design in an Authentic Educational Setting.” Scientific Reports, 2025, 15: 17458. DOI
De Simone, M. E., Tiberti, F. H., Barron Rodriguez, M. R., et al. From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria. World Bank Policy Research Working Paper 11125, 2025. DOI
Oreopoulos, P., & Low, N. One Click Away: AI Tutoring with Khanmigo in a Two-Year School Experiment. EdWorkingPaper 26-1551, 2026. DOI
Fischer, M., Rau, H. A., & Rilke, R. M. AI Tutoring Enhances Student Learning Without Crowding Out Reading Effort. IZA Discussion Paper No. 18338, 2025. IZA
Gallegos, S. Guidance Over Adoption: Experimental Evidence on AI-Assisted Learning. IZA Discussion Paper No. 18513, 2026. IZA
Contractor, Z., & Reyes, G. Experimental Evidence on the Learning Impact of Generative AI. IZA Discussion Paper No. 18792, 2026. IZA
Liu, G., Christian, B., Dumbalska, T., et al. “AI Assistance Reduces Persistence and Hurts Independent Performance.” arXiv:2604.04721, 2026. arXiv
Shen, J. H., & Tamkin, A. “How AI Impacts Skill Formation.” arXiv:2601.20245, 2026. arXiv
Wu, S., Belem, C. G., Fu, S., et al. “How AI Assistance Affects Human Skill Development: A Study of Learning with Logic Puzzles.” arXiv:2608.23543, 2026. arXiv
Sinha, T., & Kapur, M. “When Problem Solving Followed by Instruction Works: Evidence for Productive Failure.” Review of Educational Research, 2021, 91(5): 761–798. DOI
Bisra, K., Liu, Q., Nesbit, J. C., et al. “Inducing Self-explanation: A Meta-analysis.” Educational Psychology Review, 2018, 30(3): 703–725. DOI
Barbieri, C. A., Miller-Cotto, D., Clerjuste, S. N., et al. “A Meta-analysis of the Worked Examples Effect on Mathematics Performance.” Educational Psychology Review, 2023, 35: 11. DOI
Tetzlaff, L., Simonsmeier, B. A., Peters, T., et al. “A Cornerstone of Adaptivity: A Meta-analysis of the Expertise Reversal Effect.” Learning and Instruction, 2025, 98: 102142. DOI
Koedinger, K. R., & Aleven, V. “Exploring the Assistance Dilemma in Experiments with Cognitive Tutors.” Educational Psychology Review, 2007, 19(3): 239–264. DOI
Risko, E. F., & Gilbert, S. J. “Cognitive Offloading.” Trends in Cognitive Sciences, 2016, 20(9): 676–688. DOI
Cash, T. N., Kelly, M. O., Macnamara, B. N., et al. “Is AI Making Us Stupid?” Trends in Cognitive Sciences, 2026, 30(8): 673–675. DOI
Dai, X., Wen, Z., Jiang, J., et al. “How Students Use AI Feedback Matters: Experimental Evidence on Physics Achievement and Autonomy.” arXiv:2505.08672, 2025. arXiv
Kosmyna, N., Hauptmann, E., Yuan, Y. T., et al. “Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task.” arXiv:2506.08872, 2025. arXiv
MIT Media Lab. “Your Brain on ChatGPT: Overview and FAQ.” 2025. 项目说明
Wang, N., Zou, D., Xie, H., et al. “A Scoping Review of Generative AI-powered Agentic AI in Education: Research Landscape, Agentic Capabilities, and Insights from the Frontier Agent Paradigm, Exemplified by OpenClaw.” Computers and Education: Artificial Intelligence, 2026, 11: 100653. DOI
Meyer, J., Jansen, T., Schiller, R., et al. “Using LLMs to Bring Evidence-based Feedback into the Classroom: AI-generated Feedback Increases Secondary Students’ Text Revision, Motivation, and Positive Emotions.” Computers and Education: Artificial Intelligence, 2024, 6: 100199. DOI
Stephenson, R., & Armstrong, C. Student Generative Artificial Intelligence Survey 2026. Higher Education Policy Institute, 2026. 报告
Gecker, J. “Perfect Homework, Blank Stares: Why Colleges Are Turning to Oral Exams to Combat AI.” AP News, 2026-03-25. 报道
Miao, F., & Holmes, W. Guidance for Generative AI in Education and Research. UNESCO, 2023. 报告
Izaguirre, A. “NYC, the Nation’s Largest School System, Bans AI for Students through 8th Grade.” AP News, 2026-09-02. 报道
声动活泼：《用 AI 让我们变笨了吗？｜S10E25》，What’s Next｜科技早知道，2026-08-12。节目页面
谷雨星球：《你的大脑正在被 AI“吃掉”》，虎嗅，2026-02-22。文章