AI、元认知与验证瓶颈：人类问题解决的三波纵向研究
摘要
本纵向试点研究追踪了生成式AI如何在六个月的三个阶段中重塑问题解决。AI集成在第3波中实现了渗透，日常使用率从52.4%提升至95.7%，ChatGPT采用率从85.7%提升至100%。 dominant 的混合工作流程提升了2.7倍，39.1%的参与者采用。出现了验证悖论：参与者对困难任务最依赖AI（73.9%），但在表现最差的地方（复杂任务准确率仅47.8%）的验证信心却在下降。客观性能随问题难度而系统性下降：从95.2%到81.0%再到66.7%再到47.8%，信念-性能差距扩大至34.6个百分点。这表明一个根本性的转变：在人类与AI之间问题解决中，验证而非方案生成成为瓶颈。ACTIVE框架综合了基于认知负荷理论的发现：Awareness and task-AI alignment（意识与任务AI对齐）、Critical verification protocols（关键验证协议）、Transparent human-in-the-loop integration（透明的人类在回路集成）、Iterative skill development countering cognitive offloading（迭代技能发展以抵消认知卸载）、Verification confidence calibration（验证信心校准）以及Ethical evaluation（伦理评估）。作者提供了面向机构和实践者的实施路径。关键局限包括样本同质性（仅学术群体、便利抽样）限制了对企业、临床或受监管专业人士的普遍性；自我报告偏差在信心测量中占32.2个百分点的差异；缺乏对照条件；仅限于数学/分析类问题；以及评估长期技能轨迹的时间框架不足。结果主要普遍化于早期采用者、拥有学术背景的人群。因果验证需要随机对照试验。
引用
@article{arxiv.2601.17055,
title = {AI, Metacognition, and the Verification Bottleneck: A Three-Wave Longitudinal Study of Human Problem-Solving},
author = {Matthias Huemmer and Franziska Durner and Theophile Shyiramunda and Michelle J. Cummings-Koether},
journal= {arXiv preprint arXiv:2601.17055},
year = {2026}
}
备注
62 pages, 2 figures, 23 tables