在人工智能（AI）迅速发展并进入教育领域之后，绝大多数的研究和文献都聚焦于其如何增强和促进学习，探索其在个性化教育、学习效率提升、学生参与度增强等方面的潜力。
的确，AI作为一种强大的工具，带来的积极效果非常显著。
然而，关于AI对学习的潜在负面影响的研究却相对较少，或者说，相关讨论的深度还不足。
今天分享两篇很有意思的文章，
一篇是由宾夕法尼亚大学沃顿商学院的Hamsa Bastani 等人完成的，文章指出，生成式人工智能可能对学习产生负面影响，
另外一篇文章的作者来自英国的纽卡斯尔大学和德蒙福特大学，在致主编的信中，两位作者则对该研究的设计和结论提出了批评。
两篇文章对着来读，在一片狂热的氛围中，应该是别有一番重要意义！
我们还是先来看第一篇文章，在文章开头，Hamsa Bastani 等人指出：生成式人工智能 (AI) 有望彻底改变人类的工作方式，并且已显示出显著提高人类生产力的潜力。然而，一个关键的问题是生成式人工智能如何影响学习，即人类如何在执行任务时获得新技能。这种技能学习对于长期提高生产力至关重要，尤其是在生成式人工智能容易出错且必须由人类专家检查其输出的领域。Hamsa Bastani 等人研究了生成式人工智能（特别是 OpenAI 的 GPT-4）对高中数学课中人类学习的影响。
在这项涉及近一千名学生的现场实验中，Hamsa Bastani等人部署并评估了两个基于 GPT 的导师，一个模仿标准 ChatGPT 界面（称为 GPT Base），另一个带有旨在保障学习的提示词（称为 GPT Tutor）。这些导师占三个年级课程的约 15%。
与之前的研究一致，他们的结果表明，使用 GPT-4 可显着提高绩效（GPT Base 提高 48%，GPT Tutor 提高 127%）。
然而，作者还发现，当访问权随后被剥夺时，学生的表现实际上比从未访问过的学生更差（GPT Base 下降了 17%）。也就是说，访问 GPT-4 可能会损害教育成果。GPT Tutor 中包含的保护措施在很大程度上减轻了这些负面的学习影响。
他们的结果表明，学生在练习问题时试图将 GPT-4 用作“拐杖”，如果成功，他们自己的表现会更差。
因此，为了保持长期生产力，我们在部署生成式人工智能时必须谨慎，以确保人类继续学习关键技能。
Bastani, Hamsa and Bastani, Osbert and Sungu, Alp and Ge, Haosen and Kabakcı, Özge and Mariman, Rei, Generative AI Can Harm Learning (July 15, 2024). The Wharton School Research Paper, Available at SSRN: https://ssrn.com/abstract=4895486 or http://dx.doi.org/10.2139/ssrn.4895486
针对 Bastani 等人 (2024) 在 SSRN 上发表的研究《生成式人工智能会损害学习》（Generative AI Can Harm Learning）进行了批判性评价。
在承认这项研究的优势（包括其随机对照试验 (RCT) 设计和大量样本量）的同时，在《对〈生成式人工智能会损害学习〉研究设计的批评》（Critique of Generative AI Can Harm Learning Study Design）一文中，Steffi Tan , Vaikunthan Rajaratnam 强调了几个可能影响研究结果有效性的潜在混杂因素。
这些因素包括数学基本能力、学生积极性、教师效率、外部学术支持、社会经济背景和对技术的熟悉程度。Steffi Tan , Vaikunthan Rajaratnam 提出了解决这些问题的策略，例如根据基本特征随机分配学生、收集有关潜在混杂因素的详细数据、使用多元回归模型、标准化教师培训和进行后续评估。
通过解决这些因素，未来的研究可以更准确地确定人工智能工具对学生学习成果的真正影响。
在这封致主编的信中，Steffi Tan , Vaikunthan Rajaratnam 指出：
为了解决这些潜在的混杂因素，未来的研究可以采用以下策略：
• 确保学生根据基本特征（如基础水平和社会经济地位）随机分配到实验组和控制组，以平衡这些因素，有助于减少偏差。
• 收集关于潜在混杂因素的详细数据，包括动机水平、外部辅导和社会经济背景，以便在分析中控制这些变量。
• 使用多元回归模型控制混杂变量，单独分析AI干预对学习成果的影响，以提高研究的稳健性。
• 为教师提供标准化培训，确保课堂教学方法的一致性，以减少教师差异带来的影响。
• 进行后续评估，测量长期记忆和表现，为AI工具的影响提供更全面的视角。
Tan, Steffi and Rajaratnam, Vaikunthan, Critique of Generative AI Can Harm Learning Study Design (July 18, 2024). Available at SSRN: https://ssrn.com/abstract=4898213 or http://dx.doi.org/10.2139/ssrn.4898213
这两篇文章分别从AI可能带来的负面影响和它的潜力两方面展开讨论。
除了这篇具有代表性的文献之外，也有一些研究报道了生成式人工智能对学习可能存在的负面作用和消极影响。
过度依赖AI减少主动思考、AI即时生成答案可能抑制信息质疑的能力、减少深度学习与理解、降低了学生问题解决的创造性、学生的学习态度可能会发生变化、伦理与责任感的缺失等等。
作为教育工作者，我们应客观看待人工智能在教育中的作用，并根据具体的教育环境和学习目标灵活应用人工智能。
最重要的是，我们需要帮助学生在使用AI时保持独立思考、批判性分析的能力，并确保AI成为增强学习的工具，而不是替代传统教育的核心理念——促进学生的全面发展。
Sunday, December 9, 2018.