使用 ChatGPT 写作时的认知债务积累：AI 辅助论文写作任务的神经与行为后果

本研究探讨了大语言模型辅助论文写作的神经与行为后果。参与者被分为三组：大语言模型组、搜索引擎组和纯脑力组（不使用工具）。每组在相同条件下完成三个阶段。在第四阶段，大语言模型组被重新分配到纯脑力组（大语言模型转纯脑力），纯脑力组被重新分配到大语言模型条件（纯脑力转大语言模型）。共有 54 名参与者参加了前三个阶段，其中 18 人完成了第四阶段。我们使用脑电图评估论文写作期间的认知负荷，并利用自然语言处理技术分析论文，同时借助人类教师和 AI 评判员对论文进行评分。各组之间，命名实体识别、n-gram 模式和主题本体论表现出组内同质性。脑电图揭示了脑连接性的显著差异：纯脑力参与者表现出最强、最分布式的网络；搜索引擎用户表现出中等参与度；大语言模型用户表现出最弱的连接性。认知活动随外部工具使用而减弱。在第四阶段，大语言模型转纯脑力参与者表现出降低的 alpha 和 beta 连接性，表明参与度不足。纯脑力转大语言模型用户表现出更高的记忆回忆以及枕顶叶和前额叶区域的激活，与搜索引擎用户类似。大语言模型组的论文自我归属感最低，纯脑力组最高。大语言模型用户也难以准确引用自己的作品。尽管大语言模型提供了即时便利，但我们的发现揭示了潜在的认知代价。四个月来，大语言模型用户在神经、语言和行为层面持续表现不佳。这些结果引发了对大语言模型依赖长期教育影响的担忧，并强调需要更深入地探究 AI 在学习中的作用。