论文The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers研究揭示了生成式AI（Generative AI，GenAI）对知识工作者批判性思维的影响：
- GenAI减少了批判性思维的努力，可能导致用户过度依赖AI，削弱其独立思考能力；
- 批判性思维在GenAI环境下的角色正在变化：重点转向信息验证、任务监督和整合AI输出，而非传统的推理与分析；
- 任务执行转变为任务管理，用户更多地扮演“监督者”的角色，而非直接完成任务。
研究对AI相关设计提出建议：
- 在AI界面中加入提示机制，鼓励用户进行批判性思维，如提醒用户检查信息来源。
- 提供个性化AI反馈，帮助用户逐步提高自身技能，而不是单纯依赖AI。
论文作者为Hao-Ping (Hank) Lee, Advait Sarkar, Lev Tankelevitch, Ian Drosos, Sean Rintel, Richard Banks, Nicholas Wilson，来自Carnegie Mellon University, Microsoft Research。
一、引言
生成式人工智能（Generative AI，简称GenAI）在知识工作领域的应用日益广泛，其影响不仅限于提升生产力，还可能改变人们的思维方式，尤其是批判性思维（Critical Thinking）。批判性思维是指个体在面对信息时，能够进行分析、评估、综合，并作出合理判断的能力。然而，随着GenAI在信息获取、文本生成、数据分析等任务中的深入应用，人们越来越担忧其可能导致认知懒惰、过度依赖AI、判断能力下降等问题，从而削弱批判性思维能力。
本研究通过调查319名知识工作者，收集了936个实际任务中的GenAI使用案例，以探讨以下两个核心研究问题：
- 知识工作者在使用GenAI时如何感知批判性思维的体现？
- GenAI如何影响批判性思维的努力程度？
研究表明：
- 知识工作者在使用GenAI时，其批判性思维的实施受任务类型、个人信心、对GenAI的信任程度等因素影响。
- 高度信任GenAI的用户往往较少进行批判性思维，而对自身能力更自信的用户则更倾向于进行批判性思维。
- GenAI改变了批判性思维的重点，从传统的推理与分析转向信息验证、响应整合和任务监督。
- GenAI减少了批判性思维的努力程度，但也可能导致用户的思维惰性，削弱其独立判断能力。
这些发现不仅有助于理解GenAI对认知过程的影响，也为如何优化GenAI工具提供了设计建议，使其能够更好地支持知识工作者的批判性思维。
二、研究背景
批判性思维是认知科学和教育心理学中的核心概念，涉及对信息的分析、评估、综合以及合理判断的能力。本研究采用**布鲁姆分类法（Bloom’s Taxonomy）**作为理论框架，该分类法将认知活动分为六个层次：
- 知识（Knowledge）：回忆和识别信息；
- 理解（Comprehension）：组织、翻译和总结信息；
- 应用（Application）：在新情境下使用所学知识；
- 分析（Analysis）：将信息分解成组件并识别其关系；
- 综合（Synthesis）：将不同的信息元素整合成新的整体；
- 评估（Evaluation）：基于标准对信息进行判断。
在人工智能时代，批判性思维的重要性愈加凸显，然而，研究发现，随着自动化和人工智能的发展，用户在日常任务中可能减少对自身思维能力的使用，形成**“认知卸载”（Cognitive Offloading）**，即将思维任务外包给AI，而自身不再主动思考。例如：
- 计算器的普及减少了人们的心算能力；
- 自动翻译工具可能降低语言学习的需求；
- GenAI可能削弱用户的推理和分析能力，特别是在低门槛的任务中。
目前已有研究探讨AI对思维能力的影响，例如：
- AI对写作的影响：GenAI可以提升写作效率，但可能导致用户依赖AI，降低其写作能力。
- AI对记忆的影响：GenAI的摘要功能可能削弱用户的长期记忆能力，但如果合理使用，也可以帮助用户更好地整合和掌握知识。
- AI对创造力的影响：GenAI可能促使用户使用更标准化的思维方式，减少创造性的探索。
然而，针对GenAI如何影响知识工作者的批判性思维这一问题，目前尚缺乏系统性的研究。因此，本研究通过大规模调查，分析知识工作者在不同任务情境下的批判性思维实践，并探讨GenAI如何影响批判性思维的努力程度。
三、研究方法
本研究采用在线调查的方式，调查了319名每周至少使用一次GenAI的知识工作者。研究通过Prolific平台招募参与者，并收集了936个GenAI使用案例。研究的核心变量包括：
- 任务相关因素：
- 任务类型（创作、信息检索、建议提供）
- 任务难度
- 用户对任务的信心
- 用户对GenAI的信心
- 用户相关因素：
- 年龄
- 职业
- 反思性思维倾向
- 对GenAI的信任程度
- 批判性思维的实施：
- 用户是否在任务中进行批判性思维
- 批判性思维的努力程度（基于布鲁姆分类法）
数据分析采用定量回归分析（分析变量之间的关系）和定性内容分析（分析用户对AI的认知和使用策略）相结合的方法，以全面理解GenAI对批判性思维的影响。
四、研究结果
4.1 知识工作者如何实施批判性思维
在分析知识工作者如何在GenAI环境中实践批判性思维时，研究发现：
- 目标设定与查询形成：
- 用户在使用GenAI之前，会明确任务目标，并优化输入提示（Prompt）以获得更理想的AI输出。
- 例如，一名用户在使用DALL-E生成图片时，会修改输入提示以确保图像内容符合需求。
- 对AI输出的检查：
- 基于客观标准的质量评估：用户会检查输出是否符合既定标准，如代码是否能编译通过，摘要是否包含所有关键信息。
- 基于主观标准的质量评估：用户会判断AI输出是否符合现实情况、逻辑是否严谨、是否适合特定的语境。
- 信息验证：
- 一些用户会检查AI引用的来源是否真实、可靠。
- 许多用户通过跨平台比对（如使用Google搜索或专业文献）来验证AI输出的信息。
- 整合AI输出：
- 选择性整合：用户会筛选AI生成内容中有价值的部分，而不是直接照搬。
- 修改风格：用户会调整AI生成的文本，使其更符合自身风格或任务需求，例如调整措辞以使其更专业或更具个性化。
4.2 影响批判性思维的因素
研究发现：
- 任务类型对批判性思维的影响较小，但用户的自信心和对AI的信任程度对批判性思维的实施起到了关键作用。
- 更自信的用户更可能实施批判性思维，而过度信任AI的用户则更少进行批判性思维。
4.3 GenAI如何影响批判性思维的努力程度
研究发现：
- 知识回忆、理解、应用、分析、综合五个认知活动的努力程度在GenAI辅助下明显降低。
- 对AI信任度越高，用户越倾向于减少批判性思维的努力。
五、研究结论
本研究揭示了GenAI对知识工作者批判性思维的深远影响：
- GenAI减少了批判性思维的努力，可能导致用户的思维惰性，削弱其独立判断能力。
- GenAI正在将批判性思维的重点从传统的推理与分析转向信息验证、任务监督和整合AI输出。
- 未来GenAI工具应加强对用户的批判性思维引导，如提供信息验证提示、个性化反馈机制，以防止用户过度依赖AI。