综述：人工智能与教育颠覆的心理学：历史模式与认知启示

本综述深入探讨了人工智能（AI）作为教育颠覆性力量的心理学维度，结合颠覆性创新理论（DIT）、技术教学内容知识（TPACK）和后数字教育理论（PET）框架，系统回顾了从印刷术到AI的历史技术变革，揭示了其对认知、动机、学习自主性和身份认同的重塑作用，并提出了培养元认知和AI响应素养的战略路径。

　　

1. 引言

教育系统的历史充满了认知失调的时刻，而新兴技术常常颠覆主流的教与学模式。人工智能（AI），尤其是像ChatGPT这样的大型语言模型（LLMs），正代表着这样一个教育颠覆的时刻。与通常被描述为前所未有的技术进步不同，AI的心理颠覆——它如何塑造认知、重构动机并瓦解制度信任——可以通过历史类比得到更好的理解。

从心理学角度看，AI改变了基本的学习过程，随着学习者将生产外包给AI，认知负荷发生了转移。然而，这伴随着对可信度和偏见竞争性需求的日益关注。动机和自主权被重新定义，一些学生在AI赋能创造机会中感受到能动性和赋权，而另一些则在努力和投入被外部化时感到疏离。当学习者面对在输出现在可能由算法共同构建或卸载的语境中“知道”、“写作”或“创造”意味着什么时，身份和作者身份变得不稳定。

在此背景下，AI在教育平台中的引入和利用不仅代表了一种技术颠覆，更是一种认知颠覆，因为LLMs可以生产和传输信息，模拟推理，并输出结构化的语言，模仿甚至经常超越学生的表现。因此，这些新颖的LLM工具颠覆了教育中既定的作者身份、理解和评估理论。学习者越来越可能与机器共同建构意义，使得关于理解、原创性和智力努力的学术问题变得更加棘手。

2. 文献回顾：教育中心理颠覆的历史趋势

2.1. 印刷机：传播访问权限，动摇守门人地位

教育知识体系的第一次重大颠覆发生在15世纪印刷术的引入。印刷术动摇了对知识及其使用的活生生的权威，允许个人阅读和重读文本，并在策划它们的精英机构之外进行解释。这一事件标志着向自我导向读写能力的重大转变，取代了口头教学中的教学权威，反而将认知权威定位于私人阅读行为中对知识的重读和重新解释。

从心理学上讲，印刷机扩展了认知自主性，因为学习不再仅仅依赖教师。它也产生了新的读写类型——批判性阅读、跨文本比较和私人内省——这些彻底改变了智力身份的性质。与此同时，批评者担心大量不准确、易被遗忘甚至异端的材料会稀释专业知识并破坏社会秩序。

这些焦虑与当前对AI生成输出将对社会造成影响的担忧如出一辙。这些担忧包括破坏权威、传播错误信息和不稳定专业知识。然而，正如印刷术民主化了文本访问并需要新的读写能力一样，AI带来了内容丰富性，但要求认知警惕性，重视批判性参与和演变，并需要重新定义什么是可信赖的知识和合法的人类作者身份。

2.2. 广播与大众媒体

广播作为一种具有巨大教育潜力的大众媒体在20世纪初兴起。广播呈现了一种低成本、异步的方式，为被排除在正规教育机构之外的边缘化社区提供教育。从心理学上讲，广播鼓励了听觉学习、叙事形式的认知以及通过讲故事产生的动机参与形式，同时也引发了关于广播可能实现的有限、被动和肤浅学习形式的批判性焦虑。

它在COVID-19大流行期间的持续存在证明了其作为一种多功能、低资源教育技术（EdTech）制品的持久力，特别是在劣势情况下。这其中蕴含着一个重要的教训：有效的教育技术并不总是最复杂的，而是最公平和最容易获得的。就像今天的AI一样，广播是关于注意力、参与度和真实性的焦虑之源，但最终扩大了访问范围并多样化学习模式。

2.3. 教育电影与电视

电影和电视用视觉媒体淹没了教室，并围绕多模态表征重新配置了课程和教学法。它们还引入了对视觉读写能力的需求——要求学生同步语言和非语言信息，同时解码符号、叙事和视觉代码。这些视听效果实现了科学概念学习、情境化历史事件，并巩固了伦理推理和文化知识。

对心理学家来说，电影和电视不仅扩展了表征模式；这些工具改变了教室本身。教师从内容传输者转变为管理和解释材料并通过电影电视扩展材料的监督者。相反，批评者坚持认为这些工具威胁读写能力，分散注意力跨度，并助长被动性或服从性。这种速度在当今平台化、AI生成的文本中也很明显，它们同样可能以牺牲过程、深思熟虑和反思为代价来追求效率。

最终，电影和电视例证了教育颠覆的希望和危险：新的读写能力、提高的理解力和更大的参与度，但因对认知后果的焦虑以及人类调解与机器交付内容之间的平衡而变得温和。

2.4. 个人计算机（PCs）：学习中的数字革命

20世纪70年代和80年代个人计算机（PCs）的兴起不仅仅是把新机器带入家庭；它悄悄地重新定义了学习的本质。第一次，个性化、交互式教育从一个学术理想转变为一些实际和有形的东西，在世界各地的客厅地毯和课桌上实现。这种变化是由从单一机构大型机到负担得起的微型计算机（如Commodore VIC-20和Apple II）的飞跃驱动的。

这种变化是深刻的，无论是逻辑上还是心理上。我们与这些机器进入了一种新的关系，它们成为认知中的伙伴——耐心的认知助手，提供了这种神奇的、即时的反馈循环，使我们能够按照自己的节奏工作。通过与这些机器协作，我们发展了新的教学习惯——我们学会了导航数字空间，学会了编码的逻辑结构，并学会了点击界面交互的语法和流程。这些读写能力奖励认知可塑性，但也引发了一种持久的不安风险，即我们自己的技能会开始萎缩，我们会陷入依赖的自动化定式中。

今天困扰AI采用的争论甚至在PC时代之前就被提出了。计算机也改变了我们欲望和目标的内心生活。学生被赋予了个性化工作空间和节奏的能力——这种自主性激活了一些人，但也给另一些人带来了认知超负荷。这揭示了一个新生的数字鸿沟，家中技术和支持的不平等获取威胁着加深现有的不平等。此外，变化的速度本身对教育者来说是令人生畏的。教师开始了他们自己的适应之旅，试图将他们的教学实践逻辑与这些数字工具的可供性结合起来。

就像今天的人工智能一样，PC的早期兴起是一个技术矛盾心理的寓言。这是一个关于永恒钟摆的警示故事，在新希望和新危险之间摇摆，在为那些有机会的人提供新优势和为那些没有机会的人提供新排斥之间摇摆。通过这些方式，个人计算机是我们现在与AI相关的遗产的一个明确先驱。它同时是一种赋能技术和一种颠覆性技术，用新的不平等加剧旧的不平等——一种用于个性化赋权但也用于新不平等模式的技术。最重要的是，它预示着我们继续面临的持久心理困境：关于我们制造的机器，持续递归地消化和修正我们的自我理解、能力感以及我们思维方式的工作。

2.5. 互联网与基于云的工具：知识的去中心化与学习中的自主性

互联网的兴起显著改变了教育和心理工作，特别是通过去中心化知识和不稳定认知权威。学习者不再依赖教师或图书馆提供的精选材料；相反，他们面对的是大型、非结构化的环境，其中可信度、连贯性和意义必须积极组装。这需要新形式的读写能力——例如，批判性思维、算法意识、平台认知论、认知风险管理和参与式知识实践——这反过来重新构建了学习的认知工作，即需要学生组装超链接知识的碎片，同时在无缝跨越不同且有时相互竞争的知识系统时表现出认知灵活性。

就像今天的AI一样，互联网不仅带来了丰富性，也带来了认知风险，因为算法策展和平台设计调解了学习者所遇到的内容。这产生了对数字辨别力和在面对错误信息、操纵和两极分化时的认知警惕性的新压力。学生越来越被期望策划他们自己的认知环境，建立对“信息混乱”和技术偏见的韧性。

在教学上，互联网打破了教室的空间和时间限制，提供了对全球信息网络的访问，促进了点对点协作，并实现了诸如翻转课堂和混合学习等教学创新。这些创新将责任从教师重新分配到学习者，虽然在赋予学习者权力，但增加了对动机、自我调节和认知负荷管理的要求。

2010年代移动和云技术的兴起进一步扩展了这些发展，实现了跨设备和环境的无处不在的异步学习。智能手机、平板电脑以及像Google Workspace和Microsoft OneDrive这样的平台支持分布式认知和实时协作。然而，它们也带来了围绕注意力、参与度和社会存在感的挑战，因为学习者在正式和非正式学习之间导航流动的边界。

COVID-19大流行规范了移动/云生态系统，从而规范了远程学习。向数字和移动学习场所的快速转变使设备访问、带宽和支持性学习环境成为显著的不平等形式。它加深了数字鸿沟，（重新）说明了颠覆如何同时产生新的包容和排斥的可供性。

纵观这些发展，心理主题浮现出来：新的读写能力取代了既定的能力，动机受到威胁或转变，学生的认知工作量增加， institutional 反应落后于学生的适应。总之，这些先例阐明了为什么AI构成了一种心理教育而不仅仅是技术上的颠覆：它放大并加速了对学习者认知和动机的人类层面颠覆，从根本上重新配置了他们在去中心化知识生态中思考、专注和维持能动性的能力。

3. 理论框架：解读AI在心理变化中的作用

理解AI对教育的影响需要一个能够解释其系统性、教学性和心理性维度的框架。为此，我们借鉴了三个既定的视角——颠覆性创新理论（DIT）、技术教学内容知识框架（TPACK）和后数字教育理论（PET）。每个代表了一个不同但互补的角度，其中DIT将AI置于历史颠覆模式中，TPACK强调AI如何重新配置教师的专业知识，PET强调后数字时代人类、技术和文化之间模糊的界限。

3.1. 颠覆性创新理论（DIT）：技术与制度滞后

Christensen（1997）的DIT描述了新技术如何作为更便宜或更容易获得的替代品在边缘开始生命，然后最终重新定义主流实践。在思考教育时，它提请注意教育机构对技术变革反应缓慢和不情愿的倾向，在面对学习者自己快速采用替代工具和技术时，寻求捍卫既定的教学惯例和评估程序。AI的案例正遵循这些熟悉的历史模式，学习者已经开始使用ChatGPT进行写作、规划和解决任务的方言实验，而大学则暂停考虑检测、作者身份和诚信政策。通过这种方式，DIT的心理学指出了个体适应和制度适应之间的脱节，学习者的认知库可以比建立起来评估他们的主流安排变化得快得多。

虽然DIT阐明了制度阻力和颠覆模式，但一些批评者认为它优先考虑市场逻辑和组织适应，而不是技术使用的文化、心理和伦理维度，限制了其对学习者经验的解释范围。然而，DIT的批评者认为，该理论低估了颠覆发生的社会文化背景——例如对权威的文化态度、结构性不平等和心理准备变化——这些背景在AI采用现象中显而易见，其中信任、公平和身份问题至关重要。

3.2. TPACK：教学知识的重新配置

Mishra和Koehler（2006）的TPACK框架假定专家教学需要一种关于内容、教学法和技术如何相互关联的综合理解。每一次重大的颠覆——从个人计算机到在线学习——都迫使教师重新配置他们的专业知识，不是通过放弃教学法或内容，而是通过重新平衡它们的相互关系。当涉及到AI时，这种平衡行为变得更加复杂。教师现在必须学习如何引导学生掌握：提示制定和精炼的艺术；评估和修订机器生成的输出；模拟与人类和算法协作生产的知识进行批判性接触。

这支持了心理学关于元认知和自我调节学习的研究发现。这需要扩展TPACK的边界，这些边界是在教师专业知识的背景下建立的，以构建学生在AI支持的学习环境中的元教学读写能力。

尽管得到广泛认可和使用，TPACK被批评为主要是描述性的，而不是预测性的，并且有时在捕捉教师整合“颠覆性”技术（如AI）时采用的细致入微、依赖于情境的决策方面过于简单化。此外，TPACK在解释适应性、生成性技术（如AI）的复杂性方面面临挑战，这些技术“并不简单地落入内容、教学法和技术的现有孤岛中”。这一发现指出了理论模型的潜在扩展或框架的后续迭代，该迭代将处理在AI时代已经出现或变得越来越相关的“新兴读写能力”，包括例如提示设计、算法读写能力以及对机器生成内容和知识的批判性评估。

3.3. 后数字教育理论（PET）：超越技术新颖性

通过PET，Fawns（2019）和Jandri?等人（2018）认为，技术不应作为离散的、新的或特殊的对象来研究，而是贯穿教育生活混乱的、持续的社会文化实践。PET认为数字和非数字、人类和机器日益交织在一起。因此，这个概念框架呼吁我们超越“支持”与“反对”AI的疲惫二元论，转而询问AI如何已经在改变社会关系的性质、学习者身份，以及随后的教学本身的心理。

从心理学上讲，PET阐明了AI对认知身份和自我概念的意义。例如，如果学生与ChatGPT共同创作，他们可能开始质疑什么构成了他们自己的思维或他们自己的学习。PET因此提供了一种在系统洞察力和颠覆的生活心理经验之间进行表达的手段。

PET提供了一个关于混合性、身份和意义建构的引人注目的视角。然而，它仍然更具概念性而非操作性，并且其缺乏标准化测量工具可能限制其在实证研究中的应用。尽管PET突出了混合性和身份协商，但它提供的用于将这些见解转化为可测量构念的方法论工具有限。未来的研究可以通过操作化心理维度（如AI介导学习中的认知身份转变或伦理推理）来扩展PET。

3.4. 框架综合

这些框架提供了关于AI作为教育颠覆性质的互补视角。DIT解决了为什么制度对变革的反应从专家角度看很快，但从学习者角度看却很慢。确实，学习者的实践往往领先于系统，这产生了关于合法性、评估和接受的紧张关系。

TPACK将颠覆定位于教学层面，展示了教师必须如何重新平衡内容、教学法和技术，以在AI infused环境中实现有意义的学习。相比之下，后数字教育理论（PET）在心理和身份层面看待颠覆，强调了学习者和教师如何重新协商作者身份、能动性，甚至是在人机生态中“知道”的意义。

将这些视角带入对话表明，AI重要的不仅仅是其作为技术工具的新颖性，而是其在影响教育机构、教学实践和学习者身份方面的颠覆性意义，以分层的方式。

将DIT、TPACK和PET并置在一起，阐明了每个框架如何解决颠覆的制度、教学和心理维度——从而为分析AI在教育中的地位提供了一个更分层的基础。

总之，这些框架阐明了AI不仅仅是一种可以添加到教室中的技术资产，而是一种需要跨系统、实践和身份进行重组的现象。关键的是，它们暗示可持续的整合将更少依赖于AI的技术复杂性，而更多地依赖于机构、教师和学生进行有意义的改变的能力，以承担他们不断演变的角色。重要的是，这种分层观点也突出了本文的核心心理焦点：AI有能力 destabilize 关于知道、教学和学习意味着什么的假设。

4. 对教育者、学习者和机构的战略心理启示

为了将内容传递向元认知参与的转变付诸实践于AI介导的学习环境中，教师可以采用策略，有意地使学生的思维可见和 deliberate。教师可能通过比较机器生成的响应与人类编写的文本来 scaffold 学生对AI输出的批判性评估，并要求他们证明优缺点。反思性写作提示可以鼓励他们记录AI如何影响他们的推理。相比之下，并列人类和机器推理的协作项目可以帮助学生认识到AI在何处增强或限制深度理解。最后，教师可以明确地教授新的AI读写能力，使学习者能够在教育语境中控制、协作和批判性评估AI。这些策略与自我调节学习（SRL）的既定模型以及教学实践中的元认知 scaffolding 相一致，同时考虑了AI改变学习者能动性和认知身份的新方式。

4.1. 教育者：通过认知脚手架重新定义教学

正如Luckin等人（2022）强调的，赋能教育者成为“AI就绪”需要超越技术熟悉度，转向情境化、参与式培训。在我们的 vignettes 中，教师被定位为不是AI工具的被动用户，而是学生认知和情感参与的积极调解者。AI加速了从教师作为内容提供者向教师作为元认知参与促进者的转变。教师成为学生自我调节和批判性探究的促进者，使学生能够有意义地参与AI策划的知识。这也涉及装备教师教授提示读写能力，识别学生何时外包认知与增强认知，并使用AI来补充对学习过程和产品的迭代参与，而不是 shortcut 思维。他们的专业学习设计还应解决教育者在导航颠覆时的情感和认知反应，包括认知失调、教师身份丧失和对教学权威被侵蚀的恐惧。为了超越抽象，说明“提示读写能力”和“基于AI的迭代学习”如何在特定教室中展开是有帮助的。

4.1.1. Vignette 1（本科历史研讨班）

学生被要求起草一篇关于法国大革命原因的短文。教师首先模拟一个结构不良的提示给ChatGPT，并展示其肤浅的回应。然后班级共同构建一个更精细的提示，生成一个 nuanced 的答案。学生批判性地比较AI输出与原始文献摘录，注释两者的优势（广度、联系）和弱点（时代错误、缺乏来源归属）。这个分阶段的过程将提示读写能力和认知警惕性操作化，同时保持人类判断的中心地位。

4.1.2. Vignette 2（STEM问题解决研讨会）

在一门工程设计课程中，学习者使用AI生成针对结构挑战的替代解决方案。分组工作时，他们迭代地精炼提示和他们的设计，记录AI建议如何影响他们的推理。最终任务要求他们证明哪些AI贡献被保留、修改或丢弃。这种实践将基于AI的迭代学习嵌入到一个设计-反思-修订的循环中，在效率和认知所有权之间取得平衡。

这种迭代精炼反映了Zimmerman（Zimmerman & Moylan, 2009）的自我调节学习（SRL）循环模型，其中预见、表现和自我反思阶段递归地相互告知。在这里，基于AI的反馈成为元认知监控和动机控制的催化剂，增强了学生调节自己学习的能力。

4.1.3. Vignette 3（中学语言艺术）

学生使用AI共同写一个短篇故事。在每一轮中，AI生成一个段落，学生用自己的续写回应。教师通过提问来 scaffold 反思：你接受、拒绝或修改了哪些选择？为什么？迭代过程鼓励学习者将自己视为与AI对话的作者，在混合作者身份中发展认知自主性和身份所有权。

这些 vignettes 说明了抽象构念如何转化为情境化教学实践，为教师提供了一系列任务设计，既培养技术流畅性，又培养反思性能动性。

这些情境说明也与Jandri?（2018）将后数字开放性框架为“知识公地”产生共鸣，其中教育成为人类和智能技术之间共存的一种共享实践。例如，当学生在历史研讨班 vignette 中共同构建提示时，他们参与的正是这种公地：一个开放的、协商的空间，人类判断和AI输出被带入对话。这种实践不仅操作化了提示读写能力，而且实例化了后数字原则，即开放性既是一种教学方法，也是一种社会责任。根据Jandri?（2018）将后数字开放性框架为“知识公地”，后数字视角强调主体性是通过人类和机器行动者的纠缠不断重新协商的，而不是仅仅由颠覆决定。

4.1.4. Vignette 4（日本医学教育）

在日本医学教育环境中，ChatGPT-4已被试验用于用当地语言生成临床小插图，由医生评估准确性和教育有用性。学生可以被分配AI生成的案例进行分析、批判和与同伴及教师协作精炼。这个过程突出了提示读写能力（在塑造AI案例查询中）、迭代学习（通过批判和修订的循环）和认知警惕性（根据医学知识检查AI输出）。这样的设计说明了AI如何补充临床推理训练，同时强化人类监督的必要性，呼应了最近的研究，这些研究显示ChatGPT在病房作为决策和反思讨论的认知辅助工具的潜力。

4.2. 学习者：发展AI响应读写能力和自我调节

这些情境说明也与Facer和Selwyn（2021）关于个性化、自动化系统的讨论一致，这些系统不是孤立学习者，而是提示读写能力和共同作者实践邀请集体协商和师生协作。这种操作化突出了Jandri?（2018）关于后数字公地的思想，其中意义是在共享的人机遭遇中共同建构的。

此外，随着学生越来越多地发现自己处于LLMs作为助手和思维伙伴的学习环境中。在此类环境中的成功不仅需要与这些新认知伙伴互动的技术熟练度，还需要一套随时间逐步发展的 evolving 读写能力。认知自主性、认知警惕性、元认知调节和伦理推理不应被视为离散技能的清单；相反，它们构成了一个发展轨迹，其中早期能力为后期能力搭建了脚手架。没有结构化支持，学生可能过度依赖AI工具，未能培养高阶批判性和反思性思维。

该框架将学习者的进展置于一个谱系上：自主性作为其锚点，警惕性作为其辨别力的扩展，元认知调节作为其反思性应用，然后学生才参与协作、伦理和迁移导向的实践。重要的是，这个顺序将AI框架为不是“捷径”，而是分层技能发展的提示。

对第3节理论框架的交叉引用强调了这种解读。TPACK模型将教师对每个阶段的 scaffolding 努力定位于平衡内容、教学法以及维持任何学科独特完整性所需的AI工具和使用的种类。PET增加了另一层，通过强调生成性读写能力如何与混合人机生态中的身份、能动性/信心和认知信任纠缠在一起。DIT有助于解释为什么学习者往往在制度政策变化之前获得这些读写能力，并且如果没有结构化干预，随后的创新采用将是 idiosyncratic、零散和肤浅的。总之，这个发展框架及其跨框架基础为教育者提供了一个指南，用于构建教学计划，这些计划在为AI增强的学习环境进行有意义的适应时，同时建立元认知和韧性。

4.3. 机构：培养心理安全与公平转型

机构必须超越合规考虑，转向既道德又对学习心理可持续的创新文化。这些关切范围从新形式的情感劳动、作业设计和导航模糊规范的心理“成本”。它们还涉及透明、信任 informed 的AI政策的责任，这些政策整合了心理和教育研究，保证所有学习者都能访问的公平基础设施，以及使AI学习正常化并关注学生身份和认知的适应性课程。未能针对这些策略采取行动的机构威胁加剧技能发展中的不平等，并减少对AI介导教育的信任。

4.4. 认知身份与AI介导的自我感知：心理框架

生成式AI在教育中的影响超越了教学效率，直击学习者作为自主知识者和思考者的心理自我概念的核心。虽然过去的技术变革——例如印刷术或个人计算机的出现——挑战了 centralized 知识权威，但生成式AI引入了质的不同颠覆。通过模拟类人认知，它 destabilizes 认知自我的内部架构。本节探讨了如何通过几个心理框架来解释这些发展，阐明学习者与其智力身份之间不断演变的关系。

4.4.1. 重新框架认知能动性

最近的研究表明，与生成式AI的互动会引发关于思想和知识本质的存在主义反思，因为用户面对可以执行表面上人类认知任务的机器。这样的体验模糊了内部认知与外部化表达之间的传统界限，为教育身份形成提出了 novel 挑战。

自我决定理论（SDT）在这里特别有指导意义。它假定身份和动机是通过三个相互关联的需求构建的：能力感、自主性和关联性。通过在知识生产中表现出色，AI系统 paradoxically 损害了学习者自主性——即使它们 scaffold 了能力感。这种张力解释了为什么学习者最初受益于AI支持的工具（例如，智能导师或“学习伙伴”）。然而，当此类工具取代而不是支持自我导向思维时，它可能 later 表现出动机下降或依赖性。在这种情况下，自主性-能力感困境成为理解AI心理效应的核心。

借鉴SDT，我们认为学习者能动性最好根据在AI介导环境中支持或破坏自主性、能力感和关联性的条件来理解。这提供了在系统层面颠覆和以身份为中心的分析之间的动机桥梁。

4.4.2. 元认知身份模型

Flavell关于元认知的开创性工作区分了“认知知识”（对学习策略的意识）和“认知调节”（涉及计划、监控和评估学习过程）。生成式AI影响这两个维度。一方面，与ChatGPT等工具互动的学生通常表现出改进的策略意识，发展元技能，如提示工程。另一方面，他们经常表现出 diminished 调节能力，特别是在独立导航学习路径的计划和监控方面。

Schraw和Dennison（1994）的元认知意识量表（MAI）表明，对AI的过度依赖与 reduced 条件知识相关——学习者在没有AI调解的情况下难以确定何时以及为何应用特定策略。来自学生访谈的纵向定性数据支持这一点：许多人报告说，对于学术“知识”现在是由内化的理解组成还是生成有效提示的能力感到困惑。

4.4.3. 通过认知边界构建身份

自我概念理论的见解有助于解释AI技术如何重塑学习者的身份形成。随着学生越来越多地将认知劳动外包给机器，他们的学术身份从知识的 originators 转向 orchestrators，他们管理和协调输出。这个过程与认知距离密切相关，学习者不再将自己视为其工作的主要作者，引发了关于作者身份和责任的问题。从符号互动论的角度来看，身份是通过工具在意义建构中所扮演的角色共同构建的，而AI已成为这种协商中的强大行动者。在这个意义上，AI充当了一面认知镜子，折射和放大学习者的自我概念，有时强化不足、 displacement 或依赖的感觉。

4.4.4. 发展心理学视角

尽管在教育AI的实证研究中不常被引用，但Erikson的心理社会阶段为理解研究人员在其研究中观察到的模式提供了一个生成性框架，这些模式涉及 heavily involved in or alienation from AI tools。认同与角色混乱的危机——位于青春期/20岁出头——可以映射到许多学生似乎以矛盾心理参与AI工具的方式。例如，作者身份的模糊性和对智力所有权的不确定性可以体现未解决的主动身份形成与外部调解之间的张力。Antichi等人（2025）在此基础上扩展了这一观察，强调了深度沉浸式技术（如模仿情感或具身认知的AI和虚拟现实工具）如何加剧这一发展危机固有的张力。就学习者将其意义建构的神经和情感过程感知为分布在系统之间而言，将他们自己编织成有能力的智力自我的连贯感的挑战变得更加难以实现。

4.4.5. 从认知悖论到教育准备度

本节探讨的心理框架都指向一个深刻的悖论：AI通过减少外部认知负荷来帮助我们学习，但减少了 sense making 和身份建构所需的 germane 负荷。这引发了一种元认知张力，旨在减少学习摩擦的技术，如果被表面价值接受，风险排挤构建连贯智力身份所需的认知劳动。

解决这个悖论取决于从仅将AI视为教学辅助转向将其视为认知的共同塑造者的立场转变。因此，教育反应必须 foreground 三个相互交织的优先事项。首先，保护能动性需要设计引发元认知意识的AI介导任务，创建基于任务的“生产性摩擦”，邀请学习者 sharpen 他们的感觉，即他们的认知在哪里结束，系统的从哪里开始。其次， reclaiming 作者身份需要教学框架，将AI定位为知识的共同建构者而不是主要生成者，断言学习者相对于生成系统的机器贡献的认知所有权。第三，培养认知信心涉及有目的的空间，让学习者探索 mind 和 machine 之间的缝隙—— structured 仪式用于反思、质疑和恢复对知识主张的权威感和内在性。

核心是，这种重新概念化表明AI并不能替代思考，而是重新定义了思考的可能性条件。教育的任务是将学习者身份 grounded 于那些仍然不可 reducibly 人类的能力：容忍模糊性的能力，从事伦理 deliberation 的能力，以及维持 interrogative 好奇心的能力。与其将AI作为威胁来反对或作为解决方案来拥抱，教育者和机构必须发展心理准备度——一种情感读写能力、认知适应性和伦理反思