AI时代的批判性思维：把“表现提升”与“真正学习”分开

生成式AI可以提升学习者的即时表现，但这种表现提升不等于学习。 《自然综述：心理学》评论明确提出要区分“performance gains”与“learning”，指出AI的使用“do not promote the deep cognitive and metacognitive processing that are required for high-quality learning”，把教育技术讨论从成绩提升转向认知加工质量。 该评论为观点/综述性文章，正文为订阅内容，证据包中仅见摘要性表述与参考文献列表，未包含具体实验数据。

已有研究提示AI辅助可能带来“认知上的省力但深度受损”。 评论引用的文献包括Stadler等关于“LLMs reduce mental effort but compromise depth in student scientific inquiry”的研究，以及Fan等关于“metacognitive laziness”的研究，把AI对学习过程的影响具体化为心理努力与元认知投入的下降。 证据包仅列出这些文献的题录信息，未给出样本量、效应量或实验设计细节。

关于AI是否削弱批判性思维，现有研究结论并不一致。 报道指出“research does not yet show clearly what impact generative AI is having on learning and critical thinking”，原因是工具新、种类多、研究相互冲突且缺乏严格长期研究；同时引用了2024年一项研究：中学生在有类ChatGPT工具时数学解题更好，但工具被撤走后表现差于从未使用过该工具的学生。 报道转述了该2024年研究的结论方向，但未在证据包中提供样本量、效应量或统计细节。

批判性思维具有领域特异性，教学需要在具体学科内进行。 教育心理学家Paul Kirschner指出批判性思维“not generic and free-floating — you have to teach it within specific subjects”，并以历史学科的史料互证与科学中理论、假设、方法与证据关系的理解为例；报道还引用一项研究说明神经科医生并不特别擅长诊断心脏病病例。 属于专家观点与既有研究的转述，证据包未提供该研究的样本与设计信息。

这项工作面向教育研究者、教师与课程设计者：它提示在引入生成式AI时应把任务结构设计成要求学习者自己推理、解释证据与处理不确定性，而不是直接给出答案；领域特异性意味着相关做法需要在具体学科内重新设计，而非套用通用方案。报道还提到OECD与Macat合作开发面向中学生与本科生的标准化批判性思维测评，以及EEF投入最高250万英镑开展严格研究，这些都属于后续可关注的方向。

读者仍需留意：生成式AI对学习与批判性思维的长期影响尚无一致结论，报道本身也指出研究相互冲突且缺乏严格长期研究；评论正文为订阅内容，证据包仅见摘要与参考文献，因此无法核对具体论证与数据；报道中引用的调查与实验多以转述形式出现，样本量与效应量未在证据包中给出；此外，如何标准化测量批判性思维仍是开放问题。