大学生AI依赖风险分析与对策研究——基于布鲁姆认知分类

Research of the risk analysis and teaching policy of college students′ AI dependence based on Bloom cognitive classification

摘要

人工智能生成内容技术（AIGC）在显著提高学生获取知识的效率、拓展学生多元化学习路径的同时，其诸多负面影响亦不容忽视.其中，较为典型的问题就是（人工智能）AI依赖对学生的全面发展构成了显著风险.从布鲁姆认知分类模型与三脑理论相结合的视角出发，以云南省高校大学生AI使用情况调研数据为参考，深入探讨了AIGC依赖可能导致的学生在批判性思维等高阶认知能力发展上受阻、师生互动与社交关系弱化、学生间数字能力鸿沟的扩大等问题的成因.提出了从教学与内容过程设计、课程建设和评价机制等多个维度，破解AI依赖风险、保障学生培养目标达成的应对策略，为AIGC技术在教育领域的更为深入和有效地应用提供理论依据和实践指导.

关键词

AIGC / 布鲁姆认知分类 / 三脑理论 / AI依赖 / 风险 / 对策

Key words

AIGC / bloom cognitive classification / truine brain / AI dependence / risk / teaching policy

人工智能生成内容技术（AIGC）技术正以其在机器学习和自然语言处理方面的独特优势，快速改变着人类工作、生活、学习中所需要的内容生成模式.中国互联网络信息中心（CNNIC）发布的《2024年生成式人工智能应用发展报告》中显示^［1］，我国生成式人工智能产品的用户规模已达到惊人的2.3亿人，占整体人口的16.4%.从全球范围来看，截止到2024年10月ChatGPT的用户量突破18亿，网站访问量达到36.6亿次^［2］，其应用领域包括教育、金融、医疗、电商、工业等，其中在教育领域涵盖基础教育、高等教育、职业教育等多个层面.

在国家大力推行数字教育的背景下，AIGC正在悄然改变着当下的教育生态.尤其是在教学过程辅助、个性化学习材料生成、教学评估和反馈等方面发挥了重要作用.德国数字行业协会的调查表明，已有超过一半的学生已经使用人工智能软件来完成家庭作业、撰写论文^［3］.国内多所高校如华北电力大学和湖北大学开始在本科毕业论文审核中试行AI检测，发现各专业均使用AI工具撰写毕业论文，其中文科类偏高，部分论文达到20% ~ 30%^［4］.总体来说，AI技术的出现为传统教育带来了诸多益处，主要体现在提升了教学效率，实现了学生的个性化学习，为课程实施提供了丰富的教学手段.

AIGC技术在带来积极影响的同时，也不可避免地带来了许多问题与挑战.其中，学生对AI工具的过度依赖，就已经引起了教育界的广泛关注.德国不莱梅大学学者收集了学生使用AI工具辅助学习后的成绩数据，结果证实，考试平均分比未使用的同学低6.71分，AI工具的使用对学生的考试成绩产生了负面影响^［5］.对云南省5所院校的347名学生（其中，本科173名、研究生62名，高职115名；文科类80名，理工267名.）进行问卷调研的数据显示，46.4%的同学会使用AI工具完成作业撰写，35.2%的同学在碰到问题时会第一时间求助AI工具，这表明部分学生在学习过程中可能已经有了AIGC技术依赖的倾向.

1 AIGC依赖的影响与成因分析

1.1 学习与认知原理

布鲁姆（Bloom）认知分类理论提示了人类学习过程的一般规律，被广泛应用于教育教学的研究工作中.该理论将认知目标分为6个层次，即：记忆、理解、应用、分析、评价和创造^［6］.其中，前3项被认为是初级认知，也称为低阶认知.学生需要记住已学的知识，理解其中的含义，并能够将学到的知识应用到新的情境中去，以解决实际问题.而后3项是属于高阶认知，要求学习者能够分析所学知识各部分之间的关系、进行知识推理、做出评价分析，最终能够整合不同知识，完成创新性的工作.各层之间呈现依次递进，下层为上层认知奠定基础的特点.

另外，保罗·麦克里恩（Paul D. MacLean）^［7］的三脑理论从大脑生理构建的视角为学习认知的形成提供了理论支撑，该理论认为，人类的大脑由爬行脑、情绪脑和视觉脑构成，其中爬行脑负责初级认知的形成（记忆、理解和应用），视觉脑负责高级认知的形成（分析、评价和创造），而情绪脑通过刺激情绪，帮助认知从低阶到高阶的跃升（见图1）.

1.2 AIGC依赖的表现与成因分析

如上所述，人类的学习与认知是遵循着一定的生理原理和进阶规律的，将以此为研究视角，对学生AIGC依赖带来的主要影响及其成因进行分析讨论.

1.2.1 AIGC依赖抑制学生高阶认知的形成

随着AIGC工具的普及应用，因其便利性、实时性，甚至能够提供解决方案（如编程），极大地促进了学生在获取信息、完成简单任务方面的效率.但是，这种便捷性可能让学生形成对“快捷满足”的依赖，激活爬行脑的本能反应中的安全感，减少他们在面对学习任务时的思考和探索过程.对基础较弱的学生来说，很容易陷入这种即时满足感，原本正向刺激情绪脑有助于提升学生的学习动力，促进知识的内化^［8］的作用被弱化了，极其容易形成较强的AI依赖性.部分学习者不再愿意深入思考，久而久之降低，甚至丧失独立思考能力，阻碍主要依赖视觉脑的高阶认知能力的形成.调研数据表明，有18.5%的高职学生和18.2%的本科和研究生表示AIGC的使用会减少他们独立思考的时间（见图2a）.相对来说，对高职院校学生的影响更深.

创新能力和批判思维是高阶认知阶段形成的2种重要能力.由于生成式人工智能并不是通过观察现实世界生成内容，它甚至不符合人类或社会价值观，因此无法产生真正新颖的内容^［9］.在调研数据中发现，有8.7%的高职学生和13.8%的本科生和研究生认为AIGC交互中没有受到学习启发.再加上学生本身辨别能力不足的情况下，可能导致部分学生对生成的内容不加质疑地接受.这样的现象，造成学生对知识深层次理解和批判性分析的动力减少^［10］，从而削弱其创新能力和批判性思维的形成.在技术失效的情况下，很容易出现知识结构的断层的情况.在询问学生是否会主动验证AIGC生成内容的准确性时，有85.2%的高职学生和70.2%的本科生和研究生给出了中性或负向回答（见图2b）.其中，高职学生更容易直接使用AIGC生成的内容.

1.2.2 AIGC依赖弱化师生互动与价值传导

教学活动本质上是由教师主导的系统性教育活动，旨在实现知识的传递、价值观的塑造、文化的传承以及情感的交流.在这一过程中，学生通过与教师的不断交流，教师的思维方式和分析问题的方法、教师的职业态度和学术素养，都会直接或间接影响着学生认知能力的提升，于教学目标的实现具有特别重要的意义.俄罗斯心理学家列夫·维果茨基（Lev Vygotsky）^［11］所提出的社会文化理论就可以很好地解释这一观点，

毫无疑问，AIGC技术的广泛应用为学生提供了一种有效的辅助学习途径.无论是学习资源的搜集和整理、个体学习计划制定，还是辅助完成作业、论文写作，都可通过与AI平台对话的方式完成，相较于传统方式具有更高的学习效率.这种学习范式的改变，很可能导致教学过程的主导角色从教师迁移到AIGC工具，师生间以教学为媒的互动变得可有可无，使得借助师生互动这一社会行为完成的认知能力发展受到制约.调研数据表明，在回答AI工具是否减少了学生与老师沟通交流时间的问题时，有19.4%的本科生和13.1%的研究生认为有明显减少.

同时，由于AIGC技术的训练数据集可能存在缺陷，比如系统性偏见、价值观对抗、“观点霸权”、刻板印象、虚假信息等问题，这些因素都可能对学生的价值观和人生观产生不利影响.在面对这些具有价值观偏见的问题时，教师的积极引导显得尤为重要，这对于促进学生认知的健康发展具有重要作用.

1.2.3 AIGC依赖制约了学生多元化学习场景形成

在线学习是目前非常普遍的学习方式，通过人 - 机对话的方式帮助学习者快速获取大量信息资源，这种方式无论在时间的灵活性、效率提高和知识的覆盖面上都具有显著优势.但如果过度依赖这种方式，就会造成学习模式的单一化，从而忽视了其他同样重要的学习途径，比如以动手为主的实践性学习、以人 - 人交流为主的社交性学习、以经验为主的体验式学习等.而这类学习方式对于刺激情绪脑工作，激发三脑协同，发展高阶认知能力是极其有效的途径.

在现实社会中，人类的成长和发展不可能脱离实际的社会环境.尽管知识可以从虚拟世界中获得，但真正的能力发展需要在现实世界中得到验证和应用.正如杜威的教育理论中所说的“教育即生长”、“教育即生活”、“学校即社会”^［12］.学习的本能生长总是在生活过程中展开的，学生通过主动的参与，获得经验的不断改造，使自己达到认知的新发展^［13］.在调查中发现，有54.8%的本科生和研究生经常使用AI工具，48.1%表示能够帮助快速掌握学习内容.这表明，AIGC已经成为许多学生获取信息和知识的重要来源，如果因为AI工具的便利性让学生产生依赖，必将减少在多元化学习场景中吸收不同学习资源和方法的机会，这将对学生实现低阶认知到高阶认知的跃升产生负面影响.

1.2.4 AIGC依赖加剧了学生间数字鸿沟的扩大

在高等教育中，培养学生的自主学习能力、促进全体学生的学业成长是教育的核心目标.然而，由于学生的前期学习环境、家庭教育、个人志向等方面的不同，使得学生在学习能力、学习主动性以及学业基础上存在显著差异，导致了他们在使用AI工具自主学习时，表现出的主动程度、熟练程度、提词技巧、输出判断等方面存在着差别，这种差异性导致的学生学业水平差异，可称之为AI学习场景下的数字鸿沟.

观察了学生对AIGC技术的使用情况和效果，在调研中与部分学生做访谈.教学过程嵌入AIGC作为辅助工具以后，学生的自主学习积极普遍提高.但学习能力较强的学生能够灵活而恰当地利用AI工具来显著提高学习效率.相反，能力较弱的学生会不加思考地仅用简单的提示词直接获取AIGC的答案，满足于“抄电子作业”.问卷数据中有多达1/3强的学生会部分或全部照搬AIGC的生成结果.

从三脑理论上来看，过度依赖AI阻碍了视觉脑的训练，降低自主思考的能力，甚至由于缺少刺激，让爬行脑也会受到影响，导致在知识理解和应用能力上的表现逐渐下降.随着学习内容，特别是需要高阶能力的学习内容的深入，最终会形成“马太效应”，即强者愈强，弱者愈弱的局面，直接表现两者的数字鸿沟会愈发明显.

2 应对策略

在深入分析了学生对AIGC技术的依赖及其影响之后，发现AI工具作为教学辅助的有效工具，在充分发挥其优势的同时，要避免其可能对学生学习认知方面造成的影响，关键在于优化教学设计，制定有效策略以减轻学生对AI工具的过度依赖.

2.1 导入综合性学习任务，激发学生提高高阶认知能力

教师要注重学生元认知能力的培养，让学生学会对学习过程和学习策略的自我监控和调节，以培养自我学习能力和批判能力.更重要的是，元认知能力的建立，能够使他们识别AIGC内容的局限性，并进行批判性分析.从使用AIGC辅助教学的实践经验来看，导入综合性学习任务，特别是含有跨学科属性的任务，提高学习的复杂性与技能性会是一种有效的方法.

由于AIGC的海量知识、很强的逻辑推理、输出速度快等方面强大的能力，使得完成单一知识域内的简单任务（如写短文、编程、简单推理等）变得易如反掌.但对于复杂问题，则需要结合具体的问题场景，AIGC的“智能”是需要对话者进行有效的对话环境搭建、精心设计提词、针对输出结果追问和矫正，才能被充分发挥出来.因此，设计综合性与复杂性的任务，特别是有跨学科属性的任务，将有助于真正发挥AIGC辅助的优势，提高学生激活AIGC“智能”的能力，达成学生主动提高高阶认知能力的目标.同时，利用多样化的教学活动，比如团队讨论、虚拟影像、互动游戏、动画视频等手段，有效刺激情绪脑，调动学生学习兴趣，产生内在学习动力.这让学生不仅能够吸收和掌握必要的知识和技能，还能有效调动其情感认知机制，避免过度的对AI生成内容的依赖，提高了学生的分析、评价、创造能力.

2.2 构建互动型学习社区，增强学生的社会性互动

构建互动型学习社区是提升学习效果和促进知识共享的重要手段.教师可以采用多种互动模式，比如小组讨论、案例分析、角色扮演等方式，满足不同的任务场景和学习需求，促进师生与生生的互动交流.教师先要明确社区的学习目标和规则，让学生围绕共同的学习目标开展活动，搭建良好的学习氛围，以改变学生由于缺乏学习态度和学习动力而造成对AI工具的依赖^［14］.

比如，教师可以提出一个项目任务，然后拆解成不同的子任务，各小组接到任务之后，除了要完成组内互动，还要进行组间互动，在交流中实现知识的吸收、分析、辩论、总结、转化.在整个过程中，教师要做好学习引导、任务观察和过程评价.通过学习社区的建立，学生可以摆脱知识获取中对AI工具的高度依赖，在师生和生生交流中获得不同的方式和见解，实现情感交流和知识价值互换，有助于自主地探索和解决问题.当然这对教师的能力提出了更高的要求.

2.3 加强工具理性教育，引导学生避免AIGC过度依赖

教师在日常教学中要加强学生对AI工具使用的引导教育，让其明白信息化或人工智能不可能解决人类工作、生活、学习中的一切问题，对AI技术的过度依赖会带来一系列影响人类感性认知的潜在风险.这需要教师在教学过程中，培养他们对AIGC生成内容真实性和准确性的辨识能力，引导学生认知AI工具的局限性，包括其在处理复杂问题时的不足，以及可能引入的偏见和错误，让学生学会批判性地看待AIGC工具，而不是盲目接受生成的结果，从而学会在必要时减少对这些工具的依赖.通过引入实际案例作为讨论议题，比如加入关于对AIGC生成内容的验证任务，从理性角度做批判性论证.

2.4 优化过程性评价指标，强化学生高阶认知能力评价

培养学生高阶认知能力是大学教育的重要目标.需正视AI的使用对学生高阶认知能力形成会产生负面影响的现实，有针对性地构建学生学习状态评价新机制.例如，增加可量化、可评估的任务点，利用AI行为分析技术，将学生在项目作业、小组讨论、知识问答、课堂测验、实操实训过程中的交互式学习的活跃度、复杂问题解决、批判性思维等作为其高阶认知能力的重要评价指标，引导学生能够主动减少AIGC依赖、发展高阶认知能力.

3 结语

AI技术在教育领域的广泛应用，催生了高校在教育理念、教学方法、教学评价方法与路径的变革与创新.AIGC在提升学生学习效率、支持个性化学习模式的同时，也会使部分学生产生对AIGC的过度依赖，给教育目标的实现带来了新的风险与挑战.教育的本质是促进人的认知能力发展，知识体系构建、专业技能习得、文化精神传承、健全人格塑造是核心所在.通过问卷调研，结合布鲁姆的认知分类理论及保罗·麦克里恩的三脑理论，探究了学生对AI产生技术依赖的原因、表现及其内在规律，旨在为减少学生对AIGC的过度依赖及其产生的负面影响提供一种可行的参考思路，让AI技术成为优质教育的增能器，而不是动摇教育本质的冲击波.

参考文献

[1] 中国互联网络信息中心.生成式人工智能应用发展报告（2024）［EB/OL］.

[2] MEER D V. Number of ChatGPT users and key stats（December 2024）［EB/OL］. NamePepper.2024 - 11 - 30.

[3] BRANICKI W. Kulturowe aspekty upowszechniania systemów sztucznej inteligencji w instytucjach edukacyjnych［J］. Perspektywy Kultury， 2023， 42（3）：101 - 115.

[4] 张仟煜，刘恺骁，杨洁.AI辅助或代写论文拷问大学的容忍边界［EB/OL］.中国青年报.

[5] WECKSA J O， VOSHAAR J， PLATE B J， et al. Generative AI usage and exam performance［J］. SSRN Electronic Journal， 2024，（11）： 15.

[6] FOREHAND M. Bloom's taxonomy：original and revised［J］.Emerging Perspectives on Learning， Teaching and Technology，2005：41-44.

[7] LEGG C. The triune brain in evolution： role in paleocerebral functions［M］. Berlin： Springer Science&Business Media， 1990.

[8] 周子琦，高飞.基于“三脑理论”的计算机基础课程思政实施路径探析［J］.计算机教育.2024（10）：138 - 142.

[9] UNESCO. Guidance for generative AI in education and research［R］. Paris： United Nations Educational， Scientific and Cultural Organization， 2023：16 - 17.

[10] 牛春雨，张晓杰，孙景芳.PBL混合教学影响高职学生批判性思维的实证研究［J］.黔南民族师范学院学报，2022，42（2）：63 - 72.

[11] 王威. 社会文化理论及其应用研究［J］. 赤峰学院学报（哲学社会科学版），2018，39（8）：155 - 158.

[12] 王德贞.杜威教育观的哲学基础［J］.经济研究导刊，2009（2）：218 - 219.

[13] 张晓琴，缪虹云.论杜威教育哲学思想对基础教育改革的启示［J］.当代教育科学，2015（20）：53 - 56.

[14] CONG - LEM N， TRAN T N， NGUYEN T T. Academic integrity in the age of generative AI： perceptions and responses of vietnamese efl teachers［J］. Teaching English with Technology， 2024， 24（1）： 28 - 47.

基金资助

云南交通职业技术学院2025年度科学研究基金项目(2025KJ015)

云南省高等学校计算机教学研究会教学研究项目(云高计教202402)