一、WAIC 2026 最焦虑的问题：学生写作业先问AI
2026年7月，上海世界人工智能大会（WAIC）上，一个话题引发了教育界最深层的焦虑。清华大学校长李路明在论坛上直言：“当知识唾手可得，大学的不可替代性体现在什么地方？”上海交通大学校长丁奎岭紧接着抛出了一个让所有教师坐不住的数据：课堂“抬头率”持续走低，学生写作业的第一反应已经变成了“先问AI”。
这不是未来图景，而是正在发生的教育现场。今年4月，教育部等5部门联合印发《“人工智能+教育”行动计划》；7月WAIC上，“AI+教育”成为议题密度最高的方向之一。但政策的密集推进，无法掩盖一个本质追问：当AI从辅助工具变成了“代脑工具”，学生的独立思考能力还要不要了？
二、一个真实的课堂：你以为的效率，其实是一场“认知偷懒”
走进任何一所大学的自习室，你都会看到这样的画面：学生打开编程作业，先问ChatGPT怎么写；拿到数学题，拍个照丢给AI求解；写论文提纲，输入关键词等AI生成。学生们自认为“效率提高了”，但很少有人意识到——大脑和肌肉一样，用得越少，退化得越快。
这种把认知任务外包给AI的行为，在学术界有一个专门的术语：认知卸载（Cognitive Offloading）。而WAIC 2026上发表的几篇最新论文，第一次用严谨的数据证明了它的代价。
三、2026年三篇论文的惊人发现
论文一：AI是脚手架还是捷径？
Almajdoub 等人（2026年7月27日）发表在《Education Sciences》上的研究，跟踪了12名研究生使用AI辅助设计教育应用的全过程。他们发现了一个关键差异：当学生把AI当作“脚手架”时——即质疑、核查、修正AI的输出——他们的元认知能力得到了锻炼。但当学生把AI当作“捷径”时——即直接拿AI的输出不加思考就用——几乎没有任何认知成长。
更令人担忧的是，研究中表现最明显的元认知过程是“计划阶段”，而最薄弱的是“反思与评估”阶段——这正是批判性思维的核心环节。换句话说，学生更愿意用AI来“做”，却越来越不愿意用AI来“想”。
论文二：313名大学生的“查询-评估”恶性循环
Li 等人（2026年7月27日）发表在《International Journal of STEM Education》上的一项大规模准实验研究，覆盖了313名大学二年级学生，持续四周。结果乍看令人鼓舞：AI代理辅助组的学习成绩确实显著提高了。但深入分析互动日志后，研究者发现了一个令人警惕的模式——“查询-评估-查询”循环。
具体来说，学生与AI的互动呈现出“高频但窄深”的特征：他们反复向AI提问，快速查看结果，然后又问下一个问题，形成了一个“微循环”式的交互模式。相比之下，师生互动却是“平衡式认知参与”——学生需要更深入地理解问题、组织语言、推理步骤，然后才能得到反馈。
AI让学习变“容易”了，但也让学习变“浅”了。
关键数据对比：AI互动模式中，“查询-评估”循环占互动总量的73%，而师生互动中“解释-推理-反馈”循环占62%。
论文三：LEARN框架——神经科学给出了答案
Uden 和 Hwang（2026年7月28日）在《Journal of Computers in Education》上发表了一项重量级研究。他们提出了LEARN框架（Lifelong Learning, Engagement, Active Processing, Reflection, Neuro-based Design），从神经科学角度解释了为什么“无脑用AI”会损害学习能力。
核心机制是神经可塑性（neuroplasticity）：大脑的神经网络是根据使用频率动态调整的。当你总是让AI帮你思考，你的前额叶皮层（负责高级认知功能的区域）就失去了锻炼的机会。结果就是：你的大脑在生理层面变得越来越“懒”。
LEARN框架强调，AI在教育中应该被定位为“脚手架（scaffold）”而非“替代品（substitute）”。具体来说，LEARN的五项原则是：
- 终身学习（Lifelong Learning）：AI应该帮助学生发展可持续的学习能力，而不是依赖工具完成一次性任务
- 主动参与（Engagement）：学习者必须保持对认知过程的主动控制，不能把思考外包
- 主动加工（Active Processing）：信息必须经过大脑的主动加工才能转化为知识，AI代劳会绕过这一环节
- 反思（Reflection）：反思是深度学习的核心，AI应该促进而非替代反思
- 神经基础设计（Neuro-based Design）：教育AI的设计应基于大脑学习机制，而非单纯追求效率
四、为什么“先问AI”会让人变笨？——认知卸载的神经机制
这三个研究的结论高度一致：问题不在于AI本身，而在于使用方式。
当我们“先问AI”时，实际上触发了一个被称为“认知卸载”的神经机制。简单来说，大脑在面临认知负担时，会本能地选择“卸载”到外部工具上。这在进化上是一个高效策略——但它有一个巨大的副作用：被卸载的认知能力，如果不主动“锻炼”，就会退化。
Almajdoub 的研究已经证明了这一点：那些把AI当捷径的学生，在计划阶段依然会动用元认知（因为他们需要规划怎么用AI），但到了反思和评估阶段，他们的认知参与度断崖式下降。而反思和评估，恰恰是批判性思维的核心。
Li 等人的研究发现更加具体：AI互动中“查询-评估”的微循环模式，让学生习惯于快速获取答案而非深入理解问题。这就像用计算器做小学算术——答案对了，但心算能力废了。
五、方案：如何把AI从“代脑”变成“脚手架”
综合这三篇论文的建议，我们不需要“禁止AI”，而是需要“训AI”——训练自己正确使用AI。
1. LEARN框架的实践落地
Uden 和 Hwang 建议，教师和学生应该共同约定AI的使用边界：
- 先思考，再问AI。看完题目后，强制自己先写出解题思路，再用AI验证
- AI输出≠最终答案。每一次AI的回答，都必须经过“质疑-核查-修正”三步才能采用
- 用AI提问，而不是要答案。让AI扮演“苏格拉底式提问者”——不断追问你“为什么”，而不是直接告诉你“是什么”
2. 改变AI互动模式
基于Li等人的研究发现，要打破“查询-评估”的窄循环：
- 每次使用AI后，强制自己用30秒解释AI给出的答案，用自己的话复述一遍
- 每周至少安排一次“无AI学习时间”，完全依靠自己的能力完成学习任务
- 在课堂上参与真实的师生互动，不要因为有了AI就不举手提问
3. 教育系统的结构性调整
WAIC 2026上，华东师范大学校长马余刚提出：AI时代的教育应该从“知识传授”转向“价值引领”。具体包括：
- 将“AI素养”纳入课程体系，让学生理解AI的边界和局限性
- 改革考核方式，从“查答案型”转向“查思维过程型”
- 教育部已出台的《“人工智能+教育”行动计划》中，明确要求保障学生的“认知主权”
六、现在就做一个实验
今天，你可以做一个简单的实验：找一道你原本会去问AI的题目，先给自己10分钟独立思考，不管想不想得出来，都写下你的思路。然后再去问AI，把你的思路和AI的答案对比。
你会发现，启动思考本身比答案更重要。正如LEARN框架告诉我们的：大脑的可塑性决定了——你越用它，它越强；你越不用的部分，它就真的会萎缩。
写作业先问AI，不是问题。只问不思考，才是。