搜索即收獲？互聯網搜索導致過分自信的原因與干預方法

摘 要 人們頻繁地使用互聯網進行信息搜索，但少有人意識到互聯網搜索的高流暢性與高援助性會導致個體錯誤地將互聯網搜索得到的外部信息當成自身的內部知識，高估未來在無互聯網信息幫助時的表現。從元認知視角出發，探討了互聯網搜索如何誘發過分自信，并對當前用于降低互聯網搜索導致過分自信的干預手段進行了總結。未來研究可進一步考察個體層面變量對該現象的調節作用，也可關注搜索信息的類型對過分自信的影響，以及搜索工具特征對個體認知偏差的影響比較。

關鍵詞 互聯網搜索；過分自信；流暢性；援助性

分類號 B849

DOI：10.16842/j.cnki.issn2095-5588.2025.08.007

1 引言

認知活動被認為是內部和外部操作的結合（Clark amp; Chalmers， 1998），人類通過將腦力活動外包實現“卸載”以緩解思維的局限性（Risko amp; Gilbert， 2016），如借助筆記本、日歷和備忘錄等工具來外包記憶任務（Block amp; Morwitz， 1999; Intons-Peterson amp; Fournier， 1986），或通過“認知勞動分工”提升自己的認知能力（Kitcher， 1990）。人們通常會與他人形成“交互記憶系統”來處理與記憶信息有關的腦力勞動，以實現信息存儲的分工合作（Wegner， 1987）。共享認知系統使人們獲得更多知識、突破自身思維的限制，取得更高水平的成就（Sloman amp; Fernbach， 2018）。人們將他人知識融入自己頭腦的現象揭示了個體認知的非獨立性，表明思考、記憶等認知過程通常是與他人協同的，是內部認知和外部認知相互作用的結果（Rabb et al.， 2019; Sloman amp; Fernbach， 2018; Wegner， 1987）。

個體參與交互記憶系統時，可能會高估自己所擁有的信息量，產生“知道的感覺”（Koriat amp; Levy-Sadot， 2001）。研究發現，如果個體借助外界幫助完成知識測驗，即使是不可靠的幫助，人們也會因模糊了自己與合作伙伴的貢獻而高估自己的表現（Fisher amp; Oppenheimer， 2021a， 2021b）。獲得人工智能（artificial intelligence， AI）幫助與獲得人類幫助均可引發過分自信，但程度均低于互聯網搜索后的過分自信（Fisher amp; Oppenheimer， 2021b），反映了互聯網搜索在導致過分自信方面區別于其他外包工具的獨特影響。在線環境不僅為人們提供了更多求助機會（Mckerlich et al.， 2011），也讓人們無需面臨求助他人時的諸多思考。即使是在需要且可以獲得協助時，人們也會因為求助他人可能體現無能而拒絕求助（Lee， 1997）、預計無法回報所受恩惠而放棄尋求和接受協助（Greenberg amp; Shapiro， 1971）、低估受助請求得到接納的可能性而回避求助（Flynn amp; Lake， 2008）。求助互聯網與求助人類存在的巨大差異可能導致人們在求助互聯網時產生更高水平的過分自信（Ward， 2021）。

互聯網因其內容廣度與搜索即時性均遠遠超過人類伙伴所能夠提供的幫助，使我們的大腦更容易適應（Ward， 2013）。人們越來越習慣于將認知任務外包給互聯網，依靠互聯網來存儲實際信息（Sparrow et al.， 2011），而使互聯網成為交互記憶系統的組成部分，降低人們對傳統的人際交互記憶系統的依賴程度（Fisher et al.， 2015）。在互聯網上檢索信息更容易導致用戶錯誤地將存儲在他們自己頭腦之外的互聯網知識當成自己的知識，產生更高程度混淆（Ward， 2013），表現為過高的自我評估，認為自己的能力高于平均水平（Fisher et al.， 2015; von Hoyer et al.， 2022; Ward， 2021）。使用互聯網搜索進行學習的個體與直接獲得學習材料的個體相比，更加高估自己的學習量，并認為未來無法獲得幫助時也能完成任務（Eliseev amp; Marsh， 2023; Fisher et al.， 2015， 2022）。

在認知心理學領域，元認知校準是衡量個體對自身認知水平判斷準確性的重要指標。當個體高估自身學習量、信息儲備量或在無幫助條件下完成任務的能力時，說明他們的元認知校準出現了錯誤。依據代濤濤等（2014）對過分自信的定義，此類高估是個體對自身絕對水平的過高估計，是過分自信的典型表現。相較于低估自身能力的不自信傾向，過分自信在人類決策中更加普遍和穩定，因而在元認知與實際表現結合的校準類研究中，通常重點關注過分自信現象（畢研玲， 2019; Leman et al.， 2023; van Loon et al.， 2013），亦有研究嘗試從修正過分自信角度探索改善元認知校準的路徑（Garbayo et al.， 2023）。

在互聯網技術深度滲透現代生活的背景下，互聯網搜索已成為人們獲取信息的重要方式。然而，這種技術依賴卻帶來了新的認知挑戰：一方面，人們借助互聯網搜索提升工作效率；另一方面，頻繁使用該技術削弱了個體的內部認知能力，使某些認知功能逐漸被人工智能替代（Grinschgl amp; Neubauer， 2022）。盡管已有研究指出，互聯網搜索會降低元認知準確性，導致過分自信，但目前學界尚未對這一現象展開系統、全面的整合性分析。鑒于此，本文將總結互聯網搜索導致過分自信的原因及干預方法，以期為互聯網及相關智能技術的合理應用與優化升級提供理論基礎。

2 互聯網搜索導致過分自信的原因

當人們依賴不正確或不完整的信息，或不適當地應用信念或啟發式作出判斷時，就會導致誤判（Finn amp; Tauber， 2015）。互聯網搜索引發的過分自信可借助Nelson和Narens（1990）提出的元認知模型進行解釋。該模型將認知系統劃分為兩個層次：對象層（object-level）負責執行認知任務，元層（meta-level）則負責監控對象層的狀態，并根據監控結果調節認知活動。兩層之間通過監控和控制形成雙向聯結。當元層根據不準確或被誤導的線索誤判對象層狀態時，就會出現元認知校準偏差。本部分將從互聯網搜索的高流暢性和高援助性兩方面，探討其如何通過干擾元層的監控過程，引發個體對自身知識掌握狀態的過分自信。

2.1 高流暢性

流暢性是個體對加工信息難易程度的一種主觀體驗（Alter amp; Oppenheimer， 2009; Sah et al.， 2021）。具體而言，高流暢性會影響個體對對象層信息加工狀態的感知，使其在元層上誤以為掌握狀態良好，出現監控錯誤，從而產生對未來表現的高估。人們常常錯誤地使用流暢性作為判斷標準（Unkelbach， 2006）。流暢性可能通過影響個體對自身能力的判斷引發校準錯誤，相關研究主要關注其對學習判斷的影響，即人們對當前學習過的項目在隨后測試中的學習表現的預測。這種預測基于學習者在學習中獲得的信息（陳功香， 傅小蘭， 2004; 潘溪等， 2021），而流暢性是影響學習判斷及其準確性的重要因素（陳穎等， 2019; Besken amp; Mulligan， 2014）。研究發現，相比于高流暢性材料，學習者對低流暢性材料給出的學習判斷更低，這會促使學習者更關注低流暢性的學習材料，進而提高學習績效，該現象被稱為“非流暢效應”（潘溪等， 2021; Lehmann et al.， 2016）。人們的自信程度也隨決策流暢性發生變化，尤其在初學者階段，流暢性是過分自信的顯著預測指標（Sanchez amp; Dunning， 2020），無論答案正確與否，人們對快速檢索到的答案更有信心（Nelson amp; Narens， 1990）。

學習或檢索過程中的流暢經驗與流暢信念可以導致個體的認知錯覺，如對課程材料的理解或者即將到來的考試表現得過于自信（Finn amp; Tauber， 2015）。有研究者認為，互聯網搜索作為高流暢性學習方法，模糊了內部認知與外部認知的界限，使人們難以準確區分通過互聯網搜索獲取的信息與內部記憶信息，進而認為自己掌握了實際上并未掌握的新知識（Fisher et al.， 2015; Ward， 2021）。這種混淆源于個體將訪問在線信息的流暢性等同于回憶信息的容易性，從而樂觀地認為未來沒有互聯網幫助的自己也能表現得很好（Stone amp; Storm， 2021）。Eliseev和Marsh（2023）研究發現，在線搜索本身以及搜索框自動生成的與搜索話題相關的熱點內容也會增強個體對自身知識的信心，這一效應可歸因于搜索流暢性提升了個體對網頁內容的熟悉性感知，進而引發解釋深度錯覺。持續且即時獲取互聯網信息的便利性會加劇這樣一種傾向：即便在無法聯網的情況下，人們仍會對自己解釋復雜信息的能力過分自信（Hamilton amp; Qi， 2023）。除認知混淆與解釋深度錯覺外，還可從主觀認知偏差角度分析流暢性的效應。作為個體判斷問題難易程度的重要指標，高流暢性的材料使個體錯誤地認為學習材料是簡單的，而在判斷時，這種錯覺會導致個體僅關注成功完成任務的正面證據。在畢研玲（2019）提出的主觀忽視導致過分自信的視角下，流暢性可能導致個體忽視對無援助可能導致失敗這一問題的思考，缺少對相關證據的搜索而高估自身能力。

由以上論述可知，互聯網搜索具有用時短、操作簡單等特點，其信息獲取的流暢性顯著高于尋求他人幫助。搜索行為中的高流暢性作為一種外部刺激信號，被元層誤判為內部掌握良好，從而觸發監控誤判與調節失當（Nelson amp; Narens， 1990），使個體對自身能力產生過分自信。

2.2 高援助性

除了流暢性，互聯網的另一特征——高援助性（即其信息的豐富性與高可訪問性）也會顯著影響元認知監控的準確性。在Nelson和Narens（1990）的模型中，元層需通過感知對象層的加工狀態來作出判斷，但提供高援助性外部支持可能使元層誤把外部信息當作內部掌握，進而產生監控偏差，最終表現為對知識水平的高估。

互聯網于人類而言是一種強大的技術援助，其專業性毋庸置疑，隨著科技進步，其可訪問性在眾多地區已經逐步實現了自由，人們可以隨時隨地獲得互聯網的幫助。然而，互聯網搜索的高援助性會影響個體的元認知校準（Fisher amp; Oppenheimer， 2021a）。一方面，過分自信源于互聯網搜索提供的豐富信息。在搜索中獲得的信息越多，人們越相信他們所選擇的錯誤答案是正確的（von Hoyer et al.， 2022）。即使僅呈現搜索結果，在閱讀搜索結果列表及最終答案后，人們產生的自我評價結果與搜索得到答案的被試一致，即對搜索結果的模擬產生了與真正搜索相同的結果（Eliseev amp; Marsh， 2023）。以上結果說明人們的過分自信提升源于搜索結果的豐富性，而非搜索行為本身。另一方面，相較于其他援助方式，互聯網搜索具有更易訪問的特性。當使用紙質材料進行學習時，人們對他們所掌握知識的估計比在互聯網上學習時更準確（Ackerman amp; Goldsmith， 2011），與搜索內容無關的網頁內容（圖片）也不會提升人們的自我評價（Eliseev amp; Marsh， 2023）。紙質材料因其不便隨時攜帶與回顧，迫使個體主動編碼信息，對知識的評估更準確；而互聯網的即時可檢索性使個體依賴外部存儲，誤將“隨時能查”等同于“已經掌握”，導致其高估自身知識水平。以上研究表明，互聯網的高援助性會使元層在監控過程中“錯讀”對象層的實際掌握狀態，表現為對自身認知能力的系統性高估。

3 對互聯網搜索導致過分自信的干預方法

互聯網作為當今學習與生活不可或缺的外部援助，目前對于提升其使用過程中元認知準確性的干預主要從降低其流暢性入手。在線搜索通常快于內部知識搜索，降低其流暢性可以幫助人們更好地認清自身知識的局限性。目前降低互聯網搜索流暢性的主要方法為搜索前先思考與延遲呈現搜索結果。

3.1 搜索前先思考的作用

互聯網的高流暢性容易導致個體將外部知識錯誤地歸因于自身已有的知識，進而引發過分自信（Ward， 2021; Storm et al.， 2017）。這一現象產生的原因是互聯網完成外部搜索的速度比人腦完成內部搜索的速度快（Ward， 2021; Storm et al.， 2017），在個體搜索自己的內部資源之前就回答了問題，導致人們無法意識到內部搜索可能會一無所獲，錯誤地認為自己“本來就知道這些信息”（Fisher amp; Oppenheimer， 2021a）。人為設置的搜索前思考環節給人們提供了認識自身知識局限性的時間，可以減少其對知識來源的錯誤歸因。

在Fisher和Oppenheimer（2021a）的研究中，研究者給被試呈現問題后，讓部分被試根據自身需求決定是否通過按鍵來申請主試提供提示。結果發現，與那些呈現問題后立即獲得幫助的被試相比，按鍵條件下的被試對未來無幫助情況下自身表現的評估更加準確。在Ward（2021）的研究中，研究者讓部分被試看到一般性知識問題后先寫出一個自己的答案再使用谷歌進行搜索，發現與那些看到問題后直接搜索的被試相比，先寫答案再搜索的被試對自己未來表現的評估更加準確，而直接搜索的被試對自身能力產生了過高評估。此外，要求搜索者花費20秒將問題輸入到指定的搜索框內甚至會使其過分自信降低至比無搜索條件更低的水平（Hamilton amp; Qi， 2023）。

從認知過程來看，先思考迫使個體激活內部認知系統，無論是“思考是否需要申請提示”、“寫出一個答案后再搜索”，還是“花費20秒將問題輸入到指定的搜索框內”，都要求人們或允許人們在獲得幫助前先進行內部搜索，使個體有機會明確自己的內部知識是否足以解決相應問題。若外部認知被默認使用，人們就不需要評估自己的能力，也就缺少評估任務難度的內部線索。正如Alter等（2010）為解釋深度的錯覺所舉的拉鏈的例子一樣，人們通常認為自己對拉鏈為何能夠閉合有清晰的認識，但是當在被問及其具體的工作原理時，他們會發現自己對這件事物的理解存在認知局限。只有通過嘗試進行內部檢索，人們才能對自己在沒有外部幫助的情況下的表現有更清晰的認知（Alter et al.， 2010）。這種內部知識檢查是抑制過分自信的關鍵，它促使個體區分外部知識與內部知識，避免將外部知識誤判為自身知識。元認知和自我調節學習理論認為，知道沒有完全理解是深化學習的第一步（Nelson amp; Narens， 1990; Winne amp; Hadwin， 1998），而“先思考”正是促使個體認清自身理解局限性的手段。

互聯網信息呈現速度遠超人類內部檢索的效率，導致思考前得到答案成為常態。當用戶輸入問題后，搜索引擎的毫秒級響應會直接讓個體跳過思考環節，導致個體無法感知內部檢索失敗的過程。人為設置搜索前思考環節，本質上是為個體提供暴露其認知局限的時間窗口，使個體更準確地識別知識的來源，減少將外部知識歸為內部知識的可能性，最終降低對自身能力的高估。

3.2 延遲呈現搜索結果的作用

Fisher和Oppenheimer（2021a）的研究表明，在一般性知識問題的解答中，延遲7秒獲得答案提示的被試，其過分自信程度顯著低于即時獲得答案提示（無延遲）的被試，證實延遲援助可以緩解被試因援助而產生的對自身能力的過分自信。Ward（2021）進一步將這一結論拓展至互聯網場景。該研究發現，使用將搜索結果延遲25秒出現的修訂版谷歌的被試與那些使用正常版谷歌的被試相比，對自身知識的過分自信程度更低。

一方面，從元認知線索理論及相關實證研究看（Fisher amp; Oppenheimer， 2021a; Koriat， 1997），即時援助剝奪了個體評估自身能力的關鍵線索。即刻獲得幫助的被試在對自身能力進行評估時，由于未在互聯網搜索過程中完成自我評估，他們只能根據任務成功完成這一線索開展回溯性自評。而延遲則提供了額外的元認知線索：人們在延遲期間不得不面對未完成任務的狀態，這種負面體驗成為重要的元認知線索，使個體意識到其內部知識與互聯網搜索結果之間的差異，進而有效抑制了過分自信（Chu et al.， 2019）。

另一方面，呈現互聯網知識前的延遲使用戶在搜索結果出現前處于等待狀態，而自發地對搜索的內容進行思考，即嘗試基于內部知識回答問題。這種主動思考行為使個體有機會獲取內部元認知線索，并因此認識到自身能力與完成任務所需能力之間的差距。這一機制可進一步通過教育場景中的沉默來佐證（Stahl， 1994）。教師在提問和學生完成回答后進行超過3秒的沉默有助于學生和教師處理相關信息，而后采取相應的行動。行為主體未能在其所習慣的1.5秒內得到進一步反饋（Stahl， 1994），可能被迫對已經得到的信息開展進一步分析，從而獲得了更多元認知線索而降低過分自信。但目前對于延遲多長時間或先思考到何種程度足以使搜索者認識到知識來源的外部性，相關研究仍顯不足。

4 總評與展望

用于認知支持的現代技術正在迅速發展并日益普及，人們對通過人工智能獲取知識的需求大幅增強，因此，理解知識外包的影響具有重要意義。在數字時代，互聯網是人們日常認知不可或缺的合作者。搜索工具使人們通過“點擊”便能獲取廣泛領域的知識，智能算法在個體尚未深入加工問題前就提供答案，雖提升了信息獲取效率，卻因其高流暢性與高援助性，導致人們對知識歸屬產生誤判，出現虛假的熟悉感。這種元認知誤判也可能存在于其他實際環境中，如導航應用。依賴外部幫助完成任務后，人們往往高估自身在其中的貢獻與能力，錯誤判斷自己無需幫助也能勝任。互聯網搜索導致過分自信的現象，對人工智能等技術應用具有重要的理論與實踐意義，不僅拓展了人類與智能技術交互機制的理解，也有助于優化其設計與使用，使其更好地服務于人類。為進一步揭示新技術與過分自信之間的關系，并在提升人類效能的同時降低潛在誤判風險，未來研究還可在以下方面深入探索。

4.1 個體水平變量的調節作用

互聯網搜索和過分自信之間的關系可能受到多種個體水平變量的調節。全面認識這些因素，有助于深度理解其作用機制，并為干預策略的開發提供依據。已有研究表明，性別、人格特征、搜索頻率與社會階層等因素均有可能在互聯網搜索與過分自信之間的關系中起調節作用，未來研究可進一步加以檢驗。

首先，性別差異顯著影響過分自信，男性比女性的過分自信程度更高（Barber amp; Odean， 2001），未來研究可以探討互聯網搜索背景下，性別在互聯網搜索導致過分自信中的作用機制。其次，依賴直覺者更傾向頻繁搜索（Barr et al.， 2015），這可能使他們更容易高估自己的知識與能力。Storm等（2017）指出，在線搜索的使用會增強未來搜索的頻率，高頻搜索者可能會存在更強的過分自信傾向。未來研究可探討直覺依賴性如何調節互聯網搜索與過分自信之間的關系。此外，高社會階層個體有更高的過分自信（Belmi et al.， 2020），除代際傳遞等因素的影響外，也可能源于其接觸互聯網搜索及相關工作的機會更多，有更豐富的互聯網使用經驗。未來研究可從高社會階層的互聯網使用情況出發，進一步解釋其過分自信成因。

4.2 搜索信息的類型對過分自信的影響

關于互聯網信息搜索導致過分自信的已有研究中，研究材料主要集中在一般性知識性問題上（例如，“世界上最小的鯊魚是什么？”），這些問題基于一般事實，通常具有唯一答案，且互聯網提供的答案可靠程度較高。研究表明，人們在網上搜索這些基于事實的信息后，傾向于將搜索結果誤認為是自身思考的產物，并因此對自己的思考能力與記憶能力更有信心，同時高估自己在沒有互聯網幫助時回答同類問題的表現（Ward， 2021）。回答這些一般性知識問題后的信心依賴于搜索引擎的可靠性和使用者對工具的熟悉程度，而當人們使用互聯網搜索其他類型的信息時，互聯網搜索對信心的影響可能會發生變化。例如，讓人們搜索一些技能類信息（例如，“如何提高三分球的投中率？”）或其他開放性問題（例如，“如何在英語四六級考試中取得高分？”）可能會有不同的發現。由于這些信息開放性強，且無唯一答案，人們對搜索引擎在此類情境下的信賴程度可能降低。因此，針對不同類型的信息，在線搜索導致人們過分自信的程度可能會發生變化。未來研究可以進一步探討不同類型信息在搜索情境中對過分自信的影響差異。

4.3 搜索工具的發展對過分自信的影響

技術工具的設計及其與元認知的聯系決定了向該工具進行認知卸載后可能產生的影響（Grinschgl amp; Neubauer， 2022）。在數字化時代，互聯網的全時段可用性顯著改變了人類的信息獲取模式，而移動設備的普及進一步強化了這種依賴性。智能手機的可及性與功能整合優勢使它成為個體認知延伸的重要載體（董海軍， 馬忠鵬， 2014）。手機與人們的生活深度融合，幾乎成為“第二個大腦”。頻繁的接觸與高度的熟悉感使人們在使用手機進行搜索獲得知識時，更難區分互聯網知識與自身內部知識，導致更深層次混淆和更高水平過分自信。

此外，大語言模型（如ChatGPT）等交互式AI也可提供類似于互聯網搜索的功能。作為一種基于生成式預訓練轉換器（generative pre-trained transformer， GPT）技術的人工智能聊天機器人，它能夠對用戶輸入生成基于文本的響應。自2022年末問世以來，ChatGPT已在多領域引發廣泛討論（Cascella et al.， 2023; Huh， 2023; Salvagno et al.， 2023），其中亦有諸多研究對其將在社會中扮演的角色表示擔憂（Gordijn amp; Have， 2023; Patel amp; Lam， 2023）。ChatGPT作為一種認知卸載工具，使用戶在搜索時獲得具有更高流暢性與準確性的信息。DeepSeek-R1作為AI助手深度求索（DeepSeek）系列大語言模型的階段性成果（深度求索人工智能基礎技術研究有限公司， 2025），更是為AI工具的進一步推廣提供了可能。AI的發展使個體不得不依賴其來提升工作績效。同時，這些比傳統搜索引擎更為便捷的AI助理也進一步加劇了人們對AI替代人類的擔憂，其開發與使用過程中的倫理問題也逐漸成為相關研究關注的焦點。

在搜索工具不斷演進的背景下，厘清技術對認知與元認知的影響機制，是促進個體在復雜環境中成為更成功認知主體的重要一步（Hamilton et al.， 2025），為緩解因搜索導致的過分自信提供干預基礎。在充分認識搜索工具特點基礎上，結合可能降低過分自信的使用條件，開發更為大眾所接受的方法是一個頗具前景的研究方向，如基于向人類求助導致過分自信較低的特點，探究擬人化搜索工具降低信息獲取后對自身能力的過分自信的效果與機制。已有研究發現，通過與數字代理對話獲取互聯網知識時，人們產生的過分自信低于直接搜索，且數字代理的擬人化程度與其緩解過分自信的能力呈正相關（Hamilton et al.， 2025）。此外，結合助推技術開發合理的干預方式業已被證實為切實可行的研究路徑：無意識的健美圖片可啟動健康目標，降低對高熱量食物的選擇傾向（耿曉偉等， 2018）。因此，運用思考提示助推正確認知，如在智能設備上設置思考屏保，為可行性更佳方案的開發提供了方向。

參考文獻

畢研玲 （2019）. 過分自信的效益. 西安： 陜西師范大學出版總社.

陳功香， 傅小蘭 （2004）. 學習判斷及其準確性. 心理科學進展， 12（2）， 176-184.

陳穎， 李鋒盈， 李偉健 （2019）. 個體關于加工流暢性的信念對字體大小效應的影響. 心理學報， 51（2）， 154-162.

代濤濤， 佐斌， 徐富明， 索玉賢 （2014）. 過分自信的進化模型. 心理科學進展， 22（4）， 693-701.

董海軍， 馬忠鵬 （2014）. 青年的屏幕媒介：從電視、電腦到智能手機. 中國青年研究， （4）， 5-9.

耿曉偉， 張峰， 王艷凈， 范琳琳， 姚艷 （2018）. 健康目標啟動降低高熱量食物消費. 心理學報， 50（8）， 840-847.

潘溪， 陳功香， 劉文娟， 任芬， 賈廣珍， 劉春燕 （2021）. 知覺模糊度影響學習的延遲效應. 心理科學， 44（1）， 2-8.

深度求索人工智能基礎技術研究有限公司 （2025）. Deep-Seek-R1 更新，思考更深，推理更強. 2025-06-04 取自https：//api-docs.deepseek.com/zh-cn/news/news250528

Ackerman， R.， amp; Goldsmith， M. （2011）. Metacognitive regulation of text learning： On screen versus on paper. Journal of Experimental Psychology： Applied， 17（1）， 18-32.

Alter， A. L.， amp; Oppenheimer， D. M. （2009）. Uniting the tribes of fluency to form a metacognitive nation. Personality and Social Psychology Review， 13（3）， 219-235.

Alter， A. L.， Oppenheimer， D. M.， amp; Zemla， J. C. （2010）. Missing the trees for the forest： A construal level account of the illusion of explanatory depth. Journal of Personality and Social Psychology， 99（3）， 436-451.

Barber， B.， amp; Odean， T. （2001）. Boys will be boys： Gender， overconfidence， and common stock investment. Quarterly Journal of Economics， 116（1）， 261-292.

Barr， N.， Pennycook， G.， Stolz， J. A.， amp; Fugelsang， J. A. （2015）. The brain in your pocket： Evidence that Smartphones are used to supplant thinking. Computers in Human Behavior， 48， 473-480.

Belmi， P.， Neale， M. A.， Reiff， D.， amp; Ulfe， R. （2020）. The social advantage of miscalibrated individuals： The relationship between social class and overconfidence and its implications for class-based inequality. Journal of Personality and Social Psychology， 118（2）， 254-282.

Besken， M.， amp; Mulligan， N. W. （2014）. Perceptual fluency， auditory generation， and metamemory： Analyzing the perceptual fluency hypothesis in the auditory modality. Journal of Experimental Psychology： Learning， Memory， and Cognition， 40（2）， 429-440.

Block， L. G.， amp; Morwitz， V. G. （1999）. Shopping lists as an external memory aid for grocery shopping： Influences on list writing and list fulfillment. Journal of Consumer Psychology， 8（4）， 343-375.

Cascella， M.， Montomoli， J.， Bellini， V.， amp; Bignami， E. （2023）. Evaluating the feasibility of ChatGPT in healthcare： An analysis of multiple clinical and research scenarios. Journal of Medical Systems， 47（1）， 33.

Chu， H.， Westbrook， R. A.， Njue-Marendes， S.， Giordano， T. P.， amp; Dang， B. N. （2019）. The psychology of the wait time experience-what clinics can do to manage the waiting experience for patients： a longitudinal， qualitative study. BMC Health Services Research， 19（1）， 459.

Clark， A.， amp; Chalmers， D. （1998）. The extended mind. Analysis， 58（1）， 7-19.

Eliseev， E. D.， amp; Marsh， E. J. （2023）. Understanding why searching the Internet inflates confidence in explanatory ability. Applied Cognitive Psychology， 37（4）， 711-720.

Finn， B.， amp; Tauber， S. K. （2015）. When confidence is not a signal of knowing： How students’ experiences and beliefs about processing fluency can lead to miscalibrated confidence. Educational Psychology Review， 27（4）， 567-586.

Fisher， M.， Goddu， M. K.， amp; Keil， F. C. （2015）. Searching for explanations： How the Internet inflates estimates of internal knowledge. Journal of Experimental Psychology： General， 144（3）， 674-687.

Fisher， M.， amp; Oppenheimer， D. M. （2021a）. Harder than you think： How outside assistance leads to overconfidence. Psychological Science， 32（4）， 598-610.

Fisher， M.， amp; Oppenheimer， D. M. （2021b）. Who knows what？ Knowledge misattribution in the division of cognitive labor. Journal of Experimental Psychology： Applied， 27（2）， 292-306.

Fisher， M.， Smiley， A. H.， amp; Grillo， T. L. H. （2021）. Infor-mation without knowledge： The effects of Internet search on learning. Memory， 30（4）， 375-387.

Flynn， F. J.， amp; Lake， V. K. （2008）. If you need help， just ask： Underestimating compliance with direct requests for help. Journal of Personality and Social Psychology， 95（1）， 128-143.

Garbayo， L. S.， Harris， D. M.， Fiore， S. M.， Robinson， M.， amp; Kibble， J. D. （2023）. A metacognitive confidence calibration （MCC） tool to help medical students scaffold diagnostic reasoning in decision-making during high-fidelity patient simulations. Advances in Physiology Education， 47（1）， 71-81.

Gordijn， B.， amp; Have， H. （2023）. ChatGPT： Evolution or revolution？ Medicine， Health Care and Philosophy， 26（1）， 1-2.

Greenberg， M. S.， amp; Shapiro， S. P. （1971）. Indebtedness： An adverse aspect of asking for and receiving help. Sociometry， 34（2）， 290-301.

Grinschgl， S.， amp; Neubauer， A. C. （2022）. Supporting cognition with modern technology： Distributed cognition today and in an AI-enhanced future. Frontiers in Artificial Intelligence， 5， 908261.

Hamilton， K. A.， amp; Qi， L. （2023）. Search fluency mistaken for understanding： Ease of information retrieval from the Internet inflates internal knowledge confidence. Social Media+Society， 9（3）， 1-12.

Hamilton， K. A.， Ward， A. F.， amp; Yao， M. Z. （2025）. Mind or machine？ Conversational Internet search moderates search-induced cognitive overconfidence. Journal of Media Psychology： Theories， Methods， and Applications， 37（3）， 129-143.

Huh， S. （2023）. Are ChatGPT’s knowledge and interp-retation ability comparable to those of medical students in Korea for taking a parasitology examination？ A descriptive study. Journal of Educational Evaluation for Health Professions， 20， 1.

Intons-Peterson， M. J.， amp; Fournier， J. （1986）. External and internal memory aids： When and how often do we use them？ Journal of Experimental Psychology： General， 115（3）， 267-280.

Kitcher， P. （1990）. The Division of Cognitive Labor. The Journal of Philosophy， 87（1）， 5-22.

Koriat， A. （1997）. Monitoring one’s own knowledge during study： A cue-utilization approach to judgments of learning. Journal of Experimental Psychology： General， 126（4）， 349-370.

Koriat， A.， amp; Levy-Sadot， R. （2001）. The combined contributions of the cue-familiarity and accessibility heuristics to feelings of knowing. Journal of Experimental Psychology： Learning， Memory， and Cognition， 27（1）， 34-53.

Lee， F. （1997）. When the going gets tough， do the tough ask for help？ Help seeking and power motivation in organizations. Organizational Behavior and Human Decision Processes， 72（3）， 336-363.

Lehmann， J.， Goussios， C.， amp; Seufert， T. （2016）. Working memory capacity and disfluency effect： An aptitude-treatment-interaction study. Metacognition and Learning， 11（1）， 89-105.

Leman， J.， Kurinec， C.， amp; Rowatt， W. （2023）. Overconfident and unaware： Intellectual humility and the calibration of metacognition. Journal of Positive Psychology， 18（1）， 178-196.

McKerlich， R.， Riis， M.， Anderson， T.， amp; Eastman， B. （2011）. Student perceptions of teaching presence， social presence and cognitive presence in a virtual world. Merlot Journal of Online Learning and Teaching， 7（3）， 324-336.

Nelson， T. O. （1990）. Metamemory： A theoretical fram-ework and new findings. Psychology of Learning and Motivation， 26， 125-173.

Patel， S. B.， amp; Lam， K. （2023）. ChatGPT： the future of discharge summaries？ Lancet Digital health， 5（3）， e107-e108.

Rabb， N.， Fernbach， P. M.， amp; Sloman， S. A. （2019）. Individual representation in a community of knowledge. Trends in Cognitive Sciences， 23（10）， 891-902.

Risko， E. F.， amp; Gilbert， S. J. （2016）. Cognitive offloading. Trends in Cognitive Sciences， 20（9）， 676-688.

Sah， Y. J.， Rheu， M.， amp; Ratan， R. （2021）. Avatar-user bond as meta-cognitive experience： Explicating identification and embodiment as cognitive fluency. Frontiers in Psychology， 12， 695358.

Salvagno， M.， Taccone， F. S.， amp; Gerli， A. G. （2023）. Can artificial intelligence help for scientific writing？ Critical Care， 27（1）， 1-5.

Sanchez， C.， amp; Dunning， D. （2020）. Decision fluency and overconfidence among beginners. Decision， 7（3）， 225-237.

Sloman， S.， amp; Fernbach， P. （2017）. The knowledge illusion： Why we never think alone. New York： Riverhead Books.

Sparrow， B.， Liu， J.， amp; Wegner， D. M. （2011）. Google effects on memory： Cognitive consequences of having information at our fingertips. Science， 333（6043）， 776-778.

Stahl， R. J. （1994）. Using “think-time” and “wait-time” skillfully in the classroom. ERIC Digest， ED370885.

Stone， S. M.， amp; Storm， B. C. （2021）. Search fluency as a misleading measure of memory. Journal of Experimental Psychology： Learning， Memory， and Cognition， 47（1）， 53-64.

Storm， B. C.， Stone， S. M.， amp; Benjamin， A. S. （2017）. Using the Internet to access information inflates future use of the Internet to access other information. Memory， 25（6）， 717-723.

Unkelbach， C. （2006）. The learned interpretation of cognitive fluency. Psychological Science， 17（4）， 339-345.

van Loon， M. H.， de Bruin， A. B. H.， van Gog， T.， amp; van Merri?nboer， J. J. G. （2013）. Activation of inaccurate prior knowledge affects primary-school students’ metacognitive judgments and calibration. Learning and Instruction， 24， 15-25.

von Hoyer， J. F.， Kimmerle， J.， amp; Holtz， P. （2022）. Acquisition of 1 certainty： Learners increase their confidence in the correctness of incorrect answers after online information search. Journal of Computer Assisted Learning， 38（3）， 833-844.

Ward， A. F. （2013）. Supernormal： How the Internet is changing our memories and our minds. Psychological Inquiry， 24（4）， 341-348.

Ward， A. F. （2021）. People mistake the Internet’s knowl-edge for their own. Proceedings of the National Academy of Sciences of the United States of America， 118（43）， e2105061118.

Wegner， D. M. （1987）. Transactive memory： A contemporary analysis of the group mind. In Theories of group behavior （pp. 185-208）. New York： Springer New York.

Winne， P. H.， amp; Hadwin， A. F. （1998）. Studying as self-regulated learning. In D. J. Hacker， J. Dunlosky， amp; A. C. Graesser （Eds.）， Metacognition in educational theory and practice （pp. 277-304）. Mahwah： Lawrence Erlbaum Associates Publishers.