接口说明 第五十四、五十五章已经清点过撤机读数与正方证据，本章补的是另外三件它们没有处理的事：作品改善与学习改善为何不是同一证据、批判投入与技能形成的关系、以及大脑活动差异为什么不能直接译成大脑能力变化。三件事共用一条推论规则，写在本章开头。
本书选择能够区分任务绩效、学习结果、批判活动或创造性产出的原始研究，并补充与神经解释直接相关的方法论讨论。选择的目的，是检查自动增益推理中的关键环节，不是估计全部AI教育研究的平均效果。由于没有实施预注册的数据库穷尽检索、双人筛选与偏倚评估，本书不使用”系统综述”或”元分析”来描述这一部分。
对每项研究，本书采用同一阅读顺序：先明确人群与任务，再明确处理与对照，随后判断测量发生在使用中还是使用后，最后限定可以推广的结论。统计结果不能跨越未经测量的能力类别。故事创作不能直接代表哲学创造，数学考试不能直接代表一般批判力，工作者自我报告不能直接代表学生长期能力。不同证据可以相互提出问题，但不能相互冒充。
Doshi与Hauser的短篇故事实验发现，获得生成式AI建议的参与者，其作品在创意评价上有改善；同时，AI辅助作品之间更相似。〔乙8〕 该结果支持指定任务中的作品增益，也提醒研究者另测群体多样性。它没有通过延迟、撤用与新任务设计，证明作者形成了稳定的一般创造能力。不能因后一问题未被测量而否定前一结果，也不能把前一结果提升为后一结论。
Bastani等的高中数学现场实验比较普通AI接口、带教师设计保护的AI导师与对照条件。作者报告，普通接口组练习成绩相对对照提高约48%，随后无辅助考试相对低约17%；带保护导师显著缓解了这种负向学习结果。〔乙9〕 这些是相对差异，不是一般能力的百分比变化。研究的无辅助测量属于短期数学学习，不直接测量思想创造力或批判力。它的直接意义是：工具在场时的提升，不能保证其后个人表现提高。
Kestin等在大学物理课程中采用交叉安排比较经过教学设计的AI导师与课堂主动学习，发现AI条件下课后知识测验表现更好。〔乙10〕 这构成正向学习证据，不能被”AI只会代劳”的立场排除。但任务主要针对特定内容的理解、应用和分析，作者也明确限制对复杂综合与高阶批判情境的推广。它说明精心设计的AI教学可能有效，而不是任何AI对话都会提高一切思想能力。
这三项研究并不构成简单矛盾。它们的任务、处理、比较条件和结局不同。把其中一项宣布为AI教育的总判决，恰恰犯了本书要求学生避免的错误：忽略前提而跨范围推论。更合理的读法是，AI教育的结果对设计与评价单位敏感，因而必须把”怎样使用”和”提高了什么”写进命题本身。
Lee等调查319名知识工作者，收集936个生成式AI使用实例，发现对AI的较高信心与较少的批判思考活动相关，并描述批判活动向信息核实、结果整合与任务管理转移。〔乙11〕 该研究依据自我报告，不是AI导致长期批判能力下降的随机证据。它支持区分批判任务类型与投入方式，但不能单独判定能力究竟增长还是退化。
Buçinca等在AI辅助决策实验中发现，促使参与者进行分析的认知干预，相对于简单展示解释的方式，能够降低对错误建议的过度依赖，但伴随主观体验上的代价。〔乙12〕 这说明”给出解释”与”形成可靠判断”并不相同，也为改变互动安排提供依据。不过，该研究不是生成式AI教育中的长期创造力训练，不能直接验证本书全部课程主张。
Shen与Tamkin于2026年发布的预印本研究开发者学习陌生异步编程库的过程，报告AI条件下某些概念理解、代码阅读与调试测量较差，同时发现不同互动方式具有不同学习表现。〔乙13〕 本书按预印本使用该材料，不把其互动模式的事后分类当成已随机验证的原因，也不把编程学习结果等同于一般思想能力。其作用是进一步提示技能形成不能由任务完成推定。
这些研究共同支持一个值得检验的方向：关键可能不只是系统提供什么，而是人在什么位置进行何种认知操作。然而，“有意识参与”若没有明确操作定义，也会成为不可失败的解释。任何好结果都说参与了，坏结果都说没有参与，理论就失去了检验价值。本书后续因此以预定任务、行为编码与随机安排约束这一解释。
Kosmyna等的写作研究预印本报告，不同工具条件下存在脑电连接、回忆与作品归属感的差异；前三次任务有54名参与者，第四次转换条件有18名完成者。〔乙14〕 这些观察值得研究，但任务期连接指标不是创造力的同义词。Stankovic等的评论预印本对样本、分析可复现性、脑电方法与报告一致性提出了方法论质疑。〔乙15〕 两者均不能被简化为”大脑已经被AI损坏”的定论。
Poldrack关于神经影像反向推断的讨论提醒研究者，从某种神经活动模式推论特定认知过程，需要额外的选择性和推断条件。〔乙16〕 本书据此坚持更窄的解释：某项脑电指标较低，不能单独证明思考质量较差；指标较高，也不能单独证明学习更好。困难、熟练程度、策略和任务完成方式都需要通过具体设计区分。
对于本书的教育问题，行为上的理由响应、迁移与纠错应是主要结局，神经指标可以作为独立探索证据。若将来实施神经研究，应有专门样本量、分析预注册与多重比较控制。本书没有取得任何新神经数据，也不把SDE的”显露变化”当作脑结构改变的观测替代物。
以上证据支持对自动增益推理保持否定：作品更好、学习更好、批判活动重组及特定学习受损，可以在不同条件下分别出现。它们尚不足以给出”AI总体提高”或”AI总体降低”人的一般思想能力这一总量结论。本书也不把这种不确定性当成停止改革的理由，而将其转化为需要更精确教学处理和测量的研究议程。
尤其应区分两种研究空缺：一是某种效果实际上不存在，二是效果可能存在但现有设计无法辨认。本书后续的能力归属论证主要处理第二种情形。教育评价若无法区分作品来源、协作机制和个人保持，就可能在相同成品面前给出相反的成长判断，而双方都缺少决定性证据。
关于现有实证证据能说明什么、不能说明什么，第二十六章与第二十六章已作逐条清点：凡是把读数取在撤走 AI 之后并预先注册的研究，增量落在零附近或为负；支持性证据则几乎全部取在带机环节。这些读数共同要求改变提问方式——不是抽象地问 AI 究竟好不好，而是问什么人，在什么任务和设计下，获得了哪一种变化。本章在此基础上给出研究设计与改革边界。
研究可以采用”AI是否可用”与”是否实施认知层级教学”的二乘二设计。第一组不使用生成式AI，采用常规步骤教学；第二组使用AI，但不增加专门的认知块判断训练；第三组不使用生成式AI，使用教师提供的认知块材料进行判断训练；第四组同时使用AI与认知层级教学。
各组应尽量保持教学目标、必要基础、总课时与教师支持相当，并明确材料供给与工具条件。这样的设计可以区分AI接入的效果、教学重构的效果，以及两者是否出现额外的交互作用。如果只有第四组优于第一组，仍不能自动说明差异来自哪一个因素，需要比较全部相关组别。
班级间容易相互影响时，可以按班级分组，并在分析中处理同班学生的相关性。样本规模应依照主要指标、预期效应、组内相关和退出情况进行功效设计，而不是先选一个看起来整齐的人数。工具版本、使用限制与干预执行情况也应记录，以便解释结果。
研究至少要区分即时任务表现、延迟保持、近迁移与较远迁移。较远迁移尤其不能用换几个词的原题替代，而应改变材料表面或应用环境，同时保留需要识别的核心关系。没有检测到远迁移，也不必否认局部学习价值；但结论必须限定在实际检测的范围内。
可选的主要指标包括：错误方案接受率、正确方案误拒率、关键前提识别、验证点选择及条件变化后的修订。两种错误率应同时考察，因为一个逢AI必反对的学生，也可能表面上拒绝了许多错误答案，却并不具备更好判断。
问题发生则可以从新问题是否改变变量、对象、边界或证据需求，以及是否能够提出可执行检验来评价。不同评分者应依据盲化材料进行判断，并检验一致性。不能让评分者因为认同本书理论，就把带有本书术语的答案评得更高。
撤去生成式AI的目的，是区分暂时可达性与能力内化，不是要求学生失去所有外部资源。测量条件应说明是否允许纸笔、教材、必要辅助工具以及无障碍支持。尤其不能把正常的辅助条件一并撤走，再把表现下降解释为AI依赖。
Roediger与Karpicke关于测试促进学习的实验，在其研究材料和条件下显示了主动提取对延迟保持的价值。[11] 这为设置独立提取与延迟测量提供了一项相关依据，但本书不把记忆保持的发现直接当作复杂问题迁移的证明。后者仍需单独测量。
合理的撤用任务应聚焦本课程宣称形成的核心能力。若目标是前提判断，就检查前提；若目标是研究设计，就检查是否能组织区分性证据。要求学生重新生产AI曾经生成的全部材料，既不经济，也可能测错对象。
如果学生的高层表达增多，却没有提高有效判断与迁移，本书关于层级发生的主张就没有获得支持。如果认知块教学只对已有高水平学生有效，就必须重新讨论基础门槛和公平条件。如果增加核查要求显著挤压核心概念学习，也需要缩小封装范围或改变教学顺序。
若无AI的认知块教学与有AI的版本效果相同，则更准确的结论可能是教学组织方式有效，而AI在所测条件下没有额外学习收益。如果有AI组只提高生产效率而没有提高撤用表现，也可以报告协作增益，但不能宣称学习者内部能力已同步增长。
如果所有组都没有明显差异，还需要检查任务是否足以辨别能力、干预是否真正执行、样本是否足够。严谨的研究既不能遇到无效结果就宣布理论无价值，也不能用无穷无尽的解释保护理论永远不受反驳。
将来可以结合行为任务考察注意分配、记忆编码与认知控制等机制，但任何神经指标都必须与明确任务及行为结果相连。某个指标升高或降低，不天然等于更聪明、更懒惰或主体性更强。研究设计应防止把技术新奇感、难度差异和熟悉程度误当成层级变化。
尤其需要区分一次对话中的状态改变，与长期训练形成的稳定改变。要讨论后者，就应设计较长追踪、适当对照与多种任务，而不能仅凭一次写作活动作出”大脑已经永久改变”的结论。本书的理论不依赖这种越级断言成立。
真正有价值的证据链应从可观察的能力变化开始，再考察可能机制。神经研究能够补充解释，但不替代课程结果；行为表现得到改善，也不意味着已经证明某个特定神经机制。
学校可以从一个学科单元开始：明确目标，准备基础诊断与错误案例，设置有AI任务、关键展开任务和迁移任务，再比较结果。试行之前就应写明何种情况需要暂停，例如学生持续接受明显错误，核心基础明显受损，或教师无法对材料实施必要审查。
涉及未成年学习者时，应特别保护个人信息、减少无关数据收集，说明研究与教学的区别，并提供不因拒绝额外数据使用而受损的学习安排。这些是本书提出的教育伦理原则，不是对某一地区具体制度的法律说明。
成熟改革不是一开始就在全校宣告旧教育终结，而是通过可解释的成功与失败逐步扩大适用范围。改革者也要接受自己倡导的高层判断：不仅检查课堂是否产出新形式，还要检查改革究竟到达了什么地方。