精选今天0 投票
构建认知型AI素养：学生与AI协作编程中的认知目标与过程检测
一项发表于arXiv的最新研究提出了“认知型AI素养”（Epistemic AI Literacy, EAIL）框架，将AI素养重新定义为一种过程导向的认知现象。研究基于AIR框架（认知目标、理想和可靠认知过程），分析了学生与生成式AI协作编程中的大规模对话数据，识别出认知目标（如掌握导向目标）和认知过程（如外包、解释寻求、验证寻求、提示监控和认知证明）的可观测维度。结果令人警醒：78.8%的学生-AI交互缺乏掌握导向目标，依赖外包和验证寻求等不可靠策略；仅有11.1%的交互展现出高认知参与，即掌握导向目标与认知证明等高级策略相结合。
这一发现揭示了当前AI教育中的深层问题：多数学生将AI视为“答案生成器”，而非协作学习伙伴。研究呼吁教育者重新设计AI素养课程，强调过程性认知能力培养，而非仅关注工具使用技巧。
研究核心：从“工具使用”到“认知协作”
传统AI素养教育多聚焦于技术操作和伦理规范，但本研究指出，在编程等复杂场景中，学生需要具备认知监控能力——即明确学习目标、评估AI输出的可靠性、并动态调整提问策略。例如，当学生直接复制AI生成的代码（外包策略）时，虽然任务完成，但学习效果有限；而主动追问“为什么这段代码能解决问题？”（认知证明策略）则能深化理解。
数据与方法：对话中的认知痕迹
研究者分析了包含数千条学生-AI对话的公开数据集，通过编码交互中的提问类型、反馈模式等，将认知过程分为五类：
- 外包：直接要求AI完成任务
- 解释寻求：请求AI解释代码逻辑
- 验证寻求：确认输出是否正确
- 提示监控：调整提示词以优化结果
- 认知证明：要求AI提供证据或推理
结果显示，外包和验证寻求占比超过60%，而认知证明仅占约7%。这表明学生在AI辅助下倾向于“省力模式”，缺乏深度认知投入。
教育启示：培养“AI协作思考者”
研究者建议，未来的AI素养课程应：
- 明确认知目标：引导学生从“完成作业”转向“掌握概念”
- 训练认知策略：设计任务强制学生使用解释寻求和认知证明
- 引入元认知反思：让学生记录并分析自己的AI交互模式
这项研究为衡量和提升人机协作中的学习质量提供了可操作框架。正如研究者所言：“AI素养不应只是会使用AI，而是能在与AI的协作中保持认知自主性。”