個人獲益與集體損失：AI 輔助創意過程中的後設認知適應研究
arXiv - Human-Computer InteractionAnna Mikeda
研究提出 AI 使用會導致後設認知能力的重新分配，雖提升個人產出，卻因缺乏反思整合而降低集體創意多樣性。
AI 幫你先抓重點
AI 重點 1
警惕「認知重新分配」而非單純的「認知卸載」現象。
滑鼠懸停看 AI 判斷理由
過去認為 AI 只是讓人變懶（認知卸載），但本文指出使用者其實在進行策略性的能力轉移。理解這一點能幫助設計者不再只關注減少負擔，而是關注哪些關鍵的認知能力正在被犧牲。
AI 重點 2
個人滿意度與集體多樣性之間存在潛在的衝突。
滑鼠懸停看 AI 判斷理由
這改變了我們評估 AI 工具成功的標準。如果僅以個人產出效率或滿意度作為指標，可能會忽略長期導致集體創意枯竭的風險，這對於設計知識建構環境至關重要。
核心研究發現
- 1
AI 使用並非單純減少認知負荷，而是造成後設認知能力的重新分配，而非全面的退化。
- 2
在 AI 輔助下，使用者對於夥伴建模與表面控制的能力會被放大，但對於原創性評估與反思整合的能力則會系統性不足。
- 3
這種個體層面的理性適應（追求效率與滿意度）會導致集體層面的社會成本，即創意產出的趨同化現象。
- 4
研究建立了一個包含六種後設認知能力的分類法，並依據時間階段描述其在 AI 使用下的變化趨勢。
對教育工作者的啟發
教育工作者與課程設計者在引入 AI 工具時，不應僅追求提升學生的產出效率，應特別設計「反思性介入」機制。建議在教學流程中，針對 AI 容易削弱的「原創性評估」與「反思整合」階段，設置強制性的批判性思考任務或結構化引導，以確保學生在利用 AI 提升效率的同時，仍能維持高階的後設認知監控能力，避免陷入創意趨同的陷阱。
原始文獻資訊
- 英文標題：
- Individual Gain, Collective Loss: Metacognitive Adaptation in AI-Assisted Creativity
- 作者：
- Anna Mikeda
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。