We report causal evidence from a two-session randomized experiment assessing how access to off-the-shelf generative AI affects undergraduate learning. In Session One, AI access raises immediate knowledge-test scores by about 0.27 standard deviations, with roughly 76% of these gains persisting to Session Two a week later. Essays show modest quality gains during Session One but deliver stronger improvements in writing style and prompt relevance in Session Two when students write unaided, consistent with durable skill gains. Gains are larger for augmentation users (AI used to explain concepts) and fade for automation users (AI drafted text). We identify two mechanisms: AI shifts study time away from drafting toward reading and information searching, and it increases learning enjoyment.
速读内容
AI learning gains: immediate and persistent
AI access yields a 0.27 SD improvement in Session One test scores (ITT); about 76% of this gain persists to Session Two (retention).
TOT gains equal 0.40 SD; effect size is larger when considering compliers.
Writing quality evolves with unaided retesting
In Session One, essays show modest improvements; in Session Two (unaided), style and relevance to prompt rise, supporting durable learning gains.
Augmentation vs. automation drives heterogeneous outcomes
49% augmentation users; 32% automation users; 8% mixed; 11% other. Augmentation yields persistent score gains and higher unaided essay quality; automation gains fade after AI removal.
Mechanisms: time allocation and enjoyment
AI access shifts time from drafting to reading/searching; enjoyment of learning rises. Cheating rises but accounts for only a modest share of test-score gains.
思维导图
深度阅读
以下是一份对所提供金融教育领域研究报告《Experimental Evidence on the Learning Impact of Generative AI》(作者:Zara Contractor 与 Germán Reyes,发表于 2026 年 7 月)的极为详尽的解读与剖析。内容覆盖元数据、逐章要点、图表深度解读、估值相关性(如有)、风险因素、批判性视角及结论性综合,并在涉及原文结论的句末均给出溯源标识以便追溯。
一、元数据与概览
标题与作者/机构:研究题为“Experimental Evidence on the Learning Impact of Generative AI”,作者为 Zara Contractor 与 Germán Reyes,所属机构未在摘要处直接给出,但文内引用的学术背景与数据处理方法指向高等教育领域的实验研究传统。核心议题是对“通用型生成式 AI”在本科生学习中的即时与长期学习效果进行随机对照实验评估。
发布时间与主题:2026 年 7 月,主题聚焦生成式 AI 对学习的影响,涵盖知识测试(事实与概念理解)以及开放性论文的高阶技能表现,比较 AI 接入 vs 未接入对学习产出和写作质量的影响与机制。
核心结论与政策含义(要点性表述,来自摘要与结论段落):
AI 访问在即时测试中提升知识分数约 0.27 标准差,且此提升在约一周后仍然存在(保留效应约 76% 的初始效应)。
作文质量在 AI 使用的 Session 1 时短期内提升不显著,但在 Session 2(无 AI、无外部资源时)呈现风格、相关性等方面的显著提升,与后续知识测试提升的持续性相一致。
中等水平、且以“ augmentation(与 AI 共同使用以增进理解)”的使用者,长期收益更明显;而“automation(让 AI 代替学生完成任务)”的效应在 AI 移除后消退。两种使用模式共同揭示了 AI 对学习的依赖于使用方式的关键性。
研究揭示两条主要机制:AI 促使学生将时间从“ drafting(起草文本)”转向“ reading & information searching(阅读与信息检索)”,以及提升学习体验与乐趣,从而推动学习成效提升。对教育政策而言,强调“如何使用 AI 更可能提升学习而非单纯提高短期产出”的设计要点。
与现有文献的关系/贡献:研究在比对 AI 在教育情境中的学习效果方面提供了严格的随机设计、明确区分 augmentation vs automation、并对学习的多维度进行测量(知识、写作质量、写作风格、可复制的语言特征等),同时将结果与工作场景中的生产力效应进行对比,强调 durable skill formation 的潜在性与边际条件。该文也将学生对 AI 效果的信念与实际测量结果进行对照分析,揭示认知偏差与实际体验之间的关系。
图表与数据溯源:文中对实验流程、数据结构、主要结果及某些关键机制的结论均由具体表格/图表支撑。核心结果如 Session One 的知识测试提升、Session Two 的保持效应、 augmentation 与 automation 的异质性效应、以及对写作风格与文本特征的变化等,均对应于后续章节的图表/表格(如 Figure 2–Figure 8,以及 Table 4–Table 8 等)与 Appendix 的方法描述。对于每一处重要结论,均可以结合相应的图表/表格来追溯。上述要点均在文本中明确给出并与图文证据相呼应。
二、逐节深度解读(逐章精读与剖析)
2.1 Introduction(引言)
关键论点与信息要点
Generative AI 在高等教育中的应用广泛,然而证据对学习成效的直接影响仍不充分。现有文献多来自工作场景,关注任务产出而非人力资本积累。作者提出以“ off-the-shelf AI 在时间受限任务中的学习影响”为研究对象,设计随机化实验来评估即时与延迟的学习成效、以及不同使用模式的长期效应。研究设计强调让 AI 接入组与未接入组在相同材料和测试框架下比较,从而更直接地衡量 AI 对学习的绝对效应。
研究设计要点
两次面对面会话间隔约一周,第一场中学生学习并撰写分析性论文,随机分配 AI-Allowed vs AI-Forbidden;第二场所有学生在无 AI、无外部资源的条件下完成测试与作文,评估知识保留与高阶写作能力。研究同时对 AI 使用进行第一阶段(first-stage)评估、对照不同 AI 使用模式(augmentation 与 automation)进行分组分析。强调 AI 使用的习惯性差异可能带来不同的学习后果。
溯源性提示:引言对研究设计、分组与评估维度做了清晰描述,是后续分析和讨论的根基。参见 Introduction 段落以及 Session One/Session Two 的设计描述。
2.2 Experimental Design(实验设计)与 2.1 Session One / 2.2 Session Two
所有学生在 Session Two 无 AI、无外部资源条件下完成两项评估:10 道选择题知识测试(与 Session One 问题不同)和两周前 prompt 的 20 分钟 Essay。研究还收集信念、AI 技能自评、自我效能感等主观变量,以及对 Session One 行为、工具使用和学习过程的回顾性问卷。该设计用于检验学习效果的持久性与认知策略的转变。
2.3 Data and Research Design(数据与设计)与 3.1/3.2 样本、平衡性、回归模型
样本与招募地点:中部学院 Middlebury College,Spring 2025,样本具有较高的 AI 使用基础(实验前 80% 以上已在校内使用 AI),这使得治疗变量在真实场景中的可控性更高。参与者在招募阶段未被告知具体 AI 研究内容以降低自选偏差。
基线平衡与回归策略:表 2 显示治疗组之间在可观测特征上的大多数平衡性良好,唯年龄变量存在统计显著差异;研究团队采用双重套索(double-lasso)以选取预测结果或治疗分配的协变量,结合八个随机构组的固定效应进行回归分析,并采用异方差稳健标准误。ITT(意向治疗)估计量量化了“被允许使用 AI 的状态”对结果的因果影响;TOT(处理效果的处理—通过 2SLS 获得)估计了真实 AI 使用者在处理组中的局部平均处理效应。
2.4 Main Outcomes(主要结果)与 3.4 Main Outcomes(主结果框架)
输出指标分三个层级:AI 使用行为(第一阶段证据)、知识测试分数(Session One 与 Session Two 的标准化分数及阈值分析)、以及 Essay 写作质量(含人工评分与 AI 评分的综合评估)与语言特征。数据结构包括自评知识、正确率、以及 Essay 的维度评分(准确性、证据、相关性、结构、写作风格等)。
关键点:AI 接入在 Session One 的知识测试中提升了 6.7 百分点(基线 56.3%),等效于 0.27 SD 的提升;TOT 估计约 0.40 SD; Session Two retention 方面,AI 接入组在无 AI 条件下的分数仍高 5.1 百分点,约占初始效应的 76%。这表明即时收益具有一定的持久性。图表与表格(如 Table 4)提供了详细分布与稳健性检验。
关于作文质量:Session One 的 AI 使用对写作风格与清晰度等维度有正向但不显著的初始影响;Session Two(无 AI)出现“风格与相关性”方面的显著提升,支撑与测试分数提升的持续性一致的解释。文中强调,因 AI 参与写作,部分结果是 AI 输出文本与学习产出混合,需要在 Session Two 的分析中分离“学习产生的影响”与“AI 直接产出”的影响。参见 Table 5、Table 6 的相关结论。
AI 使用类型(Augmentation 与 Automation)的差异:作者通过对 ChatGPT 会话日志的机器学习分类,将 AI 用户分为 augmentation(49%)与 automation(32%),两组在提示方式、时间分配及文本输出的特征上存在显著差异。Session One 中 augmentation 用户的分数提升较为稳健,Session Two 的结果更具持续性;automation 用户的初期文本质量提升更强,但在 AI 移除后消退,表现出“短期输出增强但学习不足以维持”的特征。Table 8 提供了这两类使用者在测试分数与作文质量上的对比。
2.6 Heterogeneity(异质性)与 5.4 Heterogeneity of Treatment Effects
学业能力分组的异质性:高能力学生(如 GPA、SAT 的上分位)获得的分数提升更大,而最低能力组提升有限,提示 AI 接入可能加剧学习差距的风险。性别、种族、国籍等人口统计特征对总体效应的稳健性影响较小,但性别在 Session One 的测试分数方面呈现边际显著的增益趋势。文中以 Appendix Figure A8/A9 对此进行了直观呈现。
经验与培训差异的探讨:先前 AI 使用经验与本研究的治疗效应之间未观察到系统性差异;研究还对 AI 使用频次与自评技能的关系进行了探索。总体而言,异质性更多来自学业背景与对 AI 的信念,而非简单的使用频率。
2.7 Beliefs About AI’s Impact(对 AI 影响的信念)与 6( beliefs)
学生对 AI 的自我提升效应的预测在治疗组与对照组之间存在显著差异。对自己能力的预测在对照组偏高(高估自己的提升),而经过治疗的学生对自己的提升预测更接近实际观测效应,且对他人收益的预测亦呈现相对保守但与实际相符的趋势。 Subgroup 之间的差异也与实际收益的分布呈相符态势。图 7 给出 Panel A 的对比和 Panel B 的分组关系。
对 AI 学习机制的“ mental models”分析(Figure 8 / Appendix C.2 C.3)显示,大多数学生把机制组织为“ augmentation” 与 “automation” 的两端,且大多数学生能够在自己的回答中将两者联系起来,说明学生对 AI 的学习作用具有结构化的理解。总体结论是,学生在使用 AI 之前就具备对潜在机制的理解框架,使用后对 magnitudes 的把握更贴近实际。
描述:Panel A 展示 Session One 的学习阶段与评测顺序;Panel B 展示 Session Two 的评估顺序及两个评估项(Endline Test 与 Essay)的随机顺序。图像还标注了禁用/启用 AI 的条件、以及测试与写作的时间安排。溯源:图 1 对应文中“Figure 1: Experimental Sessions Timelines”,出现在第 26 页附近的图示页。
解读要点:时间线清晰地将学习阶段与评估阶段分离,确保对照组与处理组在同等条件下进行知识与写作的考察;Session Two 的评估顺序随机化,避免顺序效应对结果的干扰。这对理解“即时效应 vs 保留效应”的因果归因至关重要。文本中强调这是控制变量的关键设计要素之一。
图 2:AI 接入对学习阶段 AI 使用的影响(First-stage)
描述:展示 AI-Allowed 与 AI-Forbidden 的第一阶段 AI 使用程度的差异,主力度量来自提供的 ChatGPT 账户的使用活动(提出的 prompts 数、对话数等)以及自报使用情况。图中显示,AI-Allowed 组在 ChatGPT 的使用上显著高于对照组(主效应β-约等于 67.3 百分点,p<0.001)。自报数据亦显示显著上升,且 ChatGPT 的使用是主导(其他 AI 模型增幅不显著)。
解读要点:强有力的第一阶段证据验证了随机分配确实改变了学生的 AI 使用行为,从而为以 ITT 视角估计 AI 对学习的因果效应提供了“工具性变量”基础。 augmentation 与 automation 的区分在后续分析中才真正发挥作用。图 2 的结果与文本对照一致。
图 3:AI 使用类型(自报 vs ChatGPT 日志的类型分布)
描述:Panel A 为自报使用类型分布,Panel B(ChatGPT 日志)基于日志分类得到的使用类型分布。主要类别包括解释概念、摘要阅读、起草、校对、修改、其他使用。结果显示,解释概念是最常见的用途,起草和校对也占比较高,日志数据通常显示比自报更高的起草和编辑使用。图示与文本中的结论一致。
溯源:Figure 3 与对应的文本段落(4.1 First-Stage)一致。
解读要点:多源数据的交叉对比增加了对 AI 使用模式的信度,提示学生可能在自报与实际日志间存在偏差(自报相对低估了文本生成的使用比例)。这也为后续关于“augmentation vs automation”的细分提供了坚实的使用证据。
图 4:Session One 与 Session Two 的分数分布(知识测试)
描述:Panel A 展示 Session One 的分布,Panel B 展示 Session Two 的分布(分布以正确回答数量为横轴,横纵向表示各自组别的百分比)。两张图共同揭示:AI 允许组在两次测试中的分布都存在位移,且 Session One 的提升主要集中在中间区间。文本指出 ai 接入使中间段分布右移,尾部变化有限。
解读要点:这反映出 AI 的学习增益在中等水平学习者中更明显,顶端和底端受益有限,且保留效应仍集中在中间区间。这种分布性的观察与多项研究的“AI 学习效应更可能在中等能力群体体现”的发现相符。参见文中对分布的讨论与 Figure 4 的叙述。
图 5:跨 AI 与学习实验的效果对比(元分析图)
描述:横向对比 22 项来自其他研究的效果尺寸(以及本文的 Session One/Two 的结果)。随机效应 grand mean 为 0.18 SD,本文的 Session One/Two 效应点位于该区间之上,且不同研究设计(AI 如何被使用)对效果大小的分布产生影响。文中强调在高强度“AI 作为教练式引导”情境下,效应通常更显著。
解读要点:将本研究放在更广的文献背景下,表明 AI 介入学习的平均影响呈正向且跨情境存在一贯性,但幅度受访问模式和实验设计差异影响。该图为政策制定者提供一个外部对照基准,帮助理解在不同教育场景中 AI 的潜在收益。
图 6:Essay 质量与语言特征(Session One vs Session Two)
描述:Top Panel(人类评分 vs AI 评分)显示 Session One 的写作风格/质量提升有限且不显著;Bottom Panel 显示 Session Two(无 AI 条件)时,写作质量、风格与相关性等维度出现显著提升,且整体质量提升在 Session Two 仍然存在。文本对比指出:Session One 的 AI 引入可能让文本带有 AI 产出痕迹,但 Session Two 的无 AI 条件下,质量提升更能体现出“学习获得的持续进步”。图片来自 Figure 6。
溯源:Figure 6 对应本文的 4.3 段落与 Table 5/6 结果。
解读要点:初期的文本长度、可读性、词汇多样性等指标虽有上升,但在 Session One 的直接 AI 产出痕迹并未形成持久化的内在写作能力提升;Session Two 的提升揭示出“经过 AI 辅助的学习在无 AI 情境下仍能体现出更高水平的高阶写作能力”,支持长期学习收益的存在。
图 7:实际效应 vs 受试者自我/他人信念(测试分数的信念对比)
描述:Panel A 显示自我与他人预测的 AI 效应相较于实际 ITT 效应的偏离;对照组往往高估 AI 的收益,而处理组的预测更接近实际收益。Panel B 展示子群差异的信念与实际效应之间的关系。总体而言, treated 学生的信念与实际收益之间更为一致。
解读要点:信念偏差在对 AI 教育效应的感知中具有重要作用。对教育管理者而言,理解并管理学生对 AI 的预期可能影响 AI 的采用与学习投入。该图直接对应 6.1 Beliefs 与 Figure 7 的文本描写。
图 8: Narrative Graphs(开放性回答的因果图聚合)
描述:将学生对“生成式 AI 如何影响学习”的开放性回答编码成因果图,聚合成一个综合网络,显示常见机制(如解释/ tutor、信息获取、效率等)与负向机制(如 shortcutting、认知外载等)之间的关系。Panel 将不同学生叙述聚类为“Double-edged”、“Augmentation”、“Automation”、“Deskilling”等类型,显示大多数叙述包含多种机制,并且对模式的理解反映出 augmentation 与 automation 的结构性区分。图示与 Appendix C 的方法细节一致。
溯源:Figure 8 与 Appendix C.2、C.3 的叙述分析。
解读要点:开放性数据提供了对学生心智模型的深度洞察,显示学生能够在叙述中同时识别有利与不利的机制,且多数人将“ mode of use” 视为关键的中介因素。对未来的教学设计而言,强调通过“引导性使用”来最大化 augmentation 的效应成为重点议题。
表 4–表 8(主结果表格)
表 4(The Impact of Generative AI on Test Scores):ITT 与 TOT 的分数提升,Session One 与 Session Two 的对比,以及自评知识的变化。核心结论是:AI 接入显著提升即时测试分数,且通过 TOT 估计可看到更接近 0.40 SD 的影响;Session Two 的保留效应与 Session One 的中间分布提升一致。相关章节:3.4/Main Outcomes 与 4.2 Effects on Test Scores。
表 5(Essay Linguistic Features):AI 对写作特征的影响,包含 AI 检测、文本长度、可读性、词汇多样性、同组文本相似性、阅读材料相似性等。结果显示 Session One 的 AI 检测文本显著增加,但 Session Two 的检测几乎回到基线,写作风格的提升在 Session Two 变得显著。文本中的讨论与图 6 一致。
表 6(Essay Quality by Dimension):写作各维度及总分,Session One 与 Session Two 的比较。总体呈现出在 Session Two(无 AI)时,风格、相关性等维度出现显著提升,支持“高阶学习能力的持久化形成”这一核心论断。
表 7(Mechanisms: Time Use, Experience, Academic Integrity):时间分配、学习体验、学术诚信等机制的效应分解。结果显示 AI 使学习体验提升,但存在规则违规上升的趋势,且“违规”对分数的解释力有限。
表 8(Augmentation vs Automation):按使用类型分组的效应,Augmentation 的长期正效应在 Session Two 中仍然存在,而 Automation 的效应在移除 AI 后迅速消退。该结果是本文与 Brynjolfsson 等在工作场景对比的直接对照点。
本研究并非典型的金融估值分析文献,其核心是教育实验的因果评估与学习结果的度量。文中通过与现有研究的元分析对比(Figure 5),以及用作为政策对比的成本规模分析(如与结构化辅导计划的对比)对“AI 投资在教育中的边际产出”进行定性对比。研究给出的一些量化锚点(例如将 AI 接入的学习收益与 GPA/ SAT 的分位相关联的对比、以及将单次学习会话的收益与教育投入成本进行对比的讨论)可为教育项目预算和 AI 教育投资的成本效益分析提供参考框架。若要正式的“估值价位”或“投资回报率”(ROI)分析,需要将此类学习收益折现成教育产出、就业或长期生产力收益,并与具体的教育成本(设备、培训、监控成本等)进行对比。本文并未直接输出一个可交易的目标价或投资回报率,因此本节仅作方法论性的连接与启示性解读。
五、风险因素与局限性评估
外部有效性与场景依赖性
实验在一个相对高 AI 覆盖率的Elite 学院环境中进行,且任务为高等教育语境下的时间受限写作与测验,结果可能在其他学校、专业、课程难度或不同学习场景(如自学、远程课程)中出现不同程度的外部性变动。研究团队对外部性进行了讨论,但普遍认定结果在相似教育情境中具备一定外推性。
测量与方法学局限
使用随机分组与双阶段方法(ITT 与 TOT)来评估 AI 的效应,但实际使用行为( augmentation vs automation)的分类高度依赖对 conversations 的标注与分类算法,尽管文中给出了多重证据(自报、日志、Pangram 检测等)来支持分类的有效性,但仍存在潜在的分类误差和偏倚。Appendix 中对分类方法及其鲁棒性给出较充分的检验。
写作质量的评估涉及人类评审与 AI 评分的综合,而考量到 AI 参与文本的混合效应,Session One 的写作质量变化可能部分源于 AI 输出文本的直接写入,而 Session Two 的提升更可能来自学习过程的固化。这一点在文本中被明确讨论并通过 TOT 的对比进行了验证。
道德与行为风险
作者记录了 AI 访学环境下的规则违规上升(academic integrity breach),并对其对总分的贡献进行定量评估,认定其对初期知识提升的解释力有限,但仍提醒教育机构需要在 AI 辅助学习的伦理与合规方面设定清晰边界与检测机制。该风险在 Session One 的 Panel D 与 Table 7 的 Panel D 中有明确统计描述。
限制性假设与模型设定
ITT 与 TOT 的解释依赖于随机分配对 AI 使用的“影响力”,以及双阶段回归的工具变量假设的有效性。研究对潜在的协变量偏差进行了处理(双骄—double-lasso),但在极端情况下,未观测变量仍可能对学习产出产生影响。文中对稳健性做了多项鲁棒性检验(如排除注意力检查失败、排除预先学习、排除主题查阅等),但仍建议后续研究在更广范围内重复验证。
六、批判性视角与细微差别
潜在偏见与观点导向
论文总体对 augmentation 的收益持较为积极且严谨的态度,明确指出 AI 使用方式对学习产出具有决定性作用。这一点符合认知负荷与主动学习文献的结论,但也要警惕在某些教育情境中 AI 的高强度参与可能带来的“短期输出提高但长期理解削弱”的风险(尤其在 automation 场景下)。研究对 automation 的结果给出谨慎结论,指出其带来的初期文本产出提升并不能长期转化为无 AI 的持续学习。此点在文中多处强调,且通过 Session One/Session Two 的对比得到系统证据。
内部一致性与潜在矛盾
一方面,Session One 显示 AI 接入带来显著的即时分数提升;另一方面,Session One 的作文质量在多项维度上并未显著提升,似乎与知识点掌握的直接提升并不完全对应。论文通过 Session Two 的无 AI 条件下写作质量显著提升来解释这一现象,显示学习收益更可能来自 durable knowledge 构建而非单纯的写作风格改变。这种“即时产出与长期理解的分离”虽在教育研究中并非新颖,但本研究通过多维度证据加强了这一结论的可信度。
政策含义的边界性
作者谨慎地指出研究结果并不意味着普遍的教育 AI 采用必然提升总体学习成绩,更多强调“每单位学习时间下的学习效果提升”,且需要结合学生的动机、学术目标( Human capital vs signaling)与课程设计来决定 AI 使用的最优形式。对于高等教育机构的政策制定,文章建议通过促进 augmentation、提供可控的 AI 使用框架,以及设计能最大化高阶技能与概念理解的学习任务,来实现对学习的正向推动。
七、结论性综合
最关键发现与其含义
整体而言,AI 访问在短期内提升知识测试分数(约 0.27 SD),且在一周后仍具备显著性(约 0.27–0.30 SD 的留存效应的中/高中段延续),并在中等分布区域的受试者中表现更为突出。这表明 off-the-shelf AI 工具在合适的学习情境中具备提升学习的可观潜力。
AI 对 Essay 的直接写作输出影响在 Session One 期内不显著,但在 Session Two(无 AI)时,文本风格、清晰度与相关性等维度的提升达到统计显著,且总质量提升在 Session Two 仍然存在,表明 AI 通过促进理解与表达能力的提升,能够对长期学习形成正向的积累。与此同时,Session One 的 AI 使用中 AI 生成文本的证据会体现在 AI 检测文本的上升,但 Session Two 的移除 AI 后,该效应消退。整体而言,AI 的教育价值与其使用方式直接相关。
augmentation 与 automation 的区分在本研究中发挥了核心作用。 augmentation 的收益在 Session One 与 Session Two 均持存并在不同维度显示出较强的持续性;automation 的初期收益则在离开 AI 使用场景后趋于消退。这一发现对教育设计具有重要启示:若目标是促进 durable learning,应当鼓励学生以“解释、推理、反馈与信息获取”为核心的 AI 使用方式,而非使 AI 直接成为“代写工具”。
对研究领域的贡献与未来方向
本研究通过严格的实验设计、对比分析与多维度评估,提供了关于生成式 AI 对学习影响的系统证据,特别是在区分 augmentation 与 automation 的长期影响方面,填补了以往研究多集中于工作场景或短期产出而对教育成效缺乏因果证据的空缺。未来研究可扩展至多学科、多院校、不同课程难度和不同 AI 工具组合的情境,进一步探究时间分配的微观机制(如元认知支持、学习策略训练等)与学习动机、信念之间的互动,以及如何通过课程设计、评估结构和激励机制最大化 augmentation 的正向效应。
溯源性清单(核心结论的页面标注)
AI 访问对即时知识测试的提升及其持久性(0.27 SD, Session One;保留效应 ~ 76%)
Session One 写作质量的初步变化及 Session Two 无 AI 条件下的显著提升(风格、相关性、写作清晰度等)
augmentation vs automation 的分化及其对长期学习的不同影响( augmentation 的收益持久,automation 的收益消退)
AI 使用对学习输入的重组(时间分配向阅读/检索倾斜;总学习时长未显著变化)以及学习体验的提升( enjoyment)
学生信念与实际效应的对比(对 AI 的自我预测与他人预测偏差,以及对 subgroups 的一致性)
Narrative 机制分析(开放性回答的因果图编码,呈现多机制并存,mode of use 作为中心节点)
补充性说明与溯源图片/表格索引
图 1–图 8 的溯源图像链接(相对路径原始图像):
Figure 1: Experiment Timeline(Session 1/2 时间线):
Figure 2: AI Usage During Learning Phase:
Figure 3: Types of AI Use During Learning Phase:
Figure 4: Distribution of Test Performance by Treatment Group:
Figure 5: Effect Sizes Across AI-and-Learning Experiments:
Figure 6: Effects of AI Access on Essay Quality and Linguistic Features:
Figure 7: Actual and Perceived Treatment Effects on Test Performance:
Figure 8: The Average Narrative About AI’s Effect on Learning:
关键表格/附录图表示例:
Table 4: The Impact of Generative AI on Test Scores(Session One/Two)
Table 5: Effects of Generative AI Access on Essay Linguistic Features(AI 检测、写作特征等)
Table 6: Effects of Generative AI Access on Essay Quality(按维度分解)
Table 7: Mechanisms: Time Use, Experience, and Academic Integrity
Table 8: Effects of AI Access by Type of AI Use: Automation vs Augmentation
该研究为理解 AI 在高等教育中的学习影响提供了可信且多维的证据,明确区分了不同使用模式的长期效应,揭示了 AI 作为学习辅助工具而非单纯产出工具的潜在价值。研究的结论强调:若以提升 durable learning 为目标,教育者应鼓励学生在 AI 的帮助下进行解释、推理、信息获取与反馈,而非使用 AI 完全替代文本产出。该结论为未来教育技术的设计与政策制定提供了可操作的方向。