研究显示元认知反馈可减少对AI助手的认知卸载
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
一项针对704名参与者的预注册实验发现，向用户展示使用AI后果的元认知反馈，能显著降低其向大模型助手寻求答案的倾向，并提升后续无辅助测试的成绩。相比之下，基于努力的奖励机制未产生明显效果。该研究为防止因过度依赖AI而导致技能退化提供了设计思路。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载实验设计与干预措施
研究旨在解决用户过度依赖AI导致技能退化的问题，探索在不限制AI访问权限的前提下如何减少认知卸载。研究团队设计了两种干预手段进行对比测试：第一种是元认知反馈，即向用户明确展示卸载行为带来的具体影响；第二种是基于努力的奖励，通过激励机制鼓励用户减少对大模型助手的依赖程度。实验采用预注册的在线形式进行，共招募了704名参与者，设置了2x2的实验组别以及一个不使用AI的对照组。
任务执行与测试流程
参与者的主要任务是进行分数算术练习，系统提供了一个基于大模型的助手，该助手仅在用户明确请求时才会提供解题方案。练习阶段结束后，所有参与者都需要参加一场无辅助的测试，以评估其在没有AI帮助下的实际表现。通过这种“先练习后测试”的流程，研究人员能够量化不同干预措施对用户学习成果和依赖程度的具体影响，从而判断哪种设计更能有效维持用户的技能水平。
干预效果的数据分析
数据分析结果显示，两种干预措施的效果存在显著差异。元认知反馈表现出积极的作用，它将用户寻求答案卸载的几率比降低到了0.47，同时将无辅助测试中的成绩表现几率比提升至1.51。这意味着让用户意识到使用AI的后果，能有效促使其更多地自主思考。相反，基于努力的奖励机制在减少卸载行为和提升测试成绩这两个结果指标上，均未发现具有统计学意义的证据，表明该激励方式在当前场景下无效。
为什么值得看
为解决AI辅助导致的技能退化问题提供了实证依据和具体设计方向。
大模型
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。