生成式人工智能如何影響學生的認知發展基于認知發展理論的視角

[中圖分類號]G434 [文獻標志碼]A

[作者簡介]（1969—），男，甘肅合作人。教授，博士，主要從事人工智能、智能教育研究。E-mail：yanghw@nwnuedu.cn。

一、引言

人工智能的發展不僅是技術的突破，更是人類認識和改造世界能力的飛躍，它拓展了人類的認知邊界l。當前，生成式人工智能（GenerativeArtificialIntelligence，或稱GenAI）已貫穿教育全過程，其技術特性體現在知識內容的實時生成、極具真實感的人機交互、個性化學習支持等維度，逐漸推動認知發展從“工具輔助\"邁向“認知重塑”。然而，技術融合帶來的根本性變革需遵循認知發展理論的基本邏輯，揭示如何平衡技術賦能與學生認知發展之間的辯證關系，是智能時代教育變革的核心命題。

布魯姆的教育自標分類認為學生認知發展包括學業成就、識別記憶、知識遷移、高階思維等，而GenAI的介入正在深刻影響這些認知維度，對學生的認知發展產生了新的挑戰與影響。已有研究探討了GenAI介入對學生批判性思維能力理解力認知能力問題解決能力等方面的積極效果，同時，也探討了其對學生認知發展的消極影響，如危及學生的自主性對學生問題解決能力無效果降低獨立思考能力、影響元認知能力[等?？梢姡珿enAI在教育認知領域的深度滲透，正在引發認知生態鏈的結構性變化，亟待從認知發展理論視角重新審思GenAI介人教育會如何影響學生認知發展。鑒于此，本研究綜合了維果茨基文化工具、最近發展區的核心觀點，以及皮亞杰關于認知發展階段演進的觀點，系統闡釋了GenAI重塑下的認知發展理論，回答“GenAI如何影響學生認知發展\"這一核心問題，并重構學習者認知發展路徑。

二、認知發展理論的再詮釋

（一）理論原點與技術變革的張力

認知發展理論研究的根基深植于維果茨基（LevVygotsky）的社會文化理論和讓·皮亞杰（JeanPiaget）的認知發展階段理論。社會文化理論以“最近發展區\"為核心，揭示了學習者通過社會互動與符號系統支持實現個人潛能發展的可能性，強調社會文化中介機制對認知發展的驅動作用；認知發展階段理論則基于個體與環境互動的視角，闡釋了通過同化（Assimilation）與順應（Accommodation）的交替實現認知的動態平衡，是外部刺激與認知圖式交互的過程[2]。兩大理論體系分別從社會文化導向與個體發生學維度，共同奠定了AI介入認知發展研究的理論基礎，表1呈現了傳統認知發展與AI介入認知發展的比較分析。對其辯證關系的分析，有助于探討GenAI融合教與學后，學生認知發展的范式。

維果茨基的社會文化理論強調，認知發展本質上是社會活動通過文化工具（CulturalTools）中介內化的過程，文化工具是認知發展的載體，應嵌入社會交互之中。GenAI作為文化工具，賦予工具主動生成與適應性變化的能力，促進文化工具從符號載體向智能生成演進：一方面是GenAI通過多模態內容生成強化符號的情景化理解，推動學生借助動態符號系統發展認知能力；另一方面是GenAI工具本身隨使用過程進化[3]，推動認知工具的自我迭代，這種工具的“生命化\"特征，進一步凸顯了認知工具的動態性。此外，GenAI支持的虛擬學習社區突破了物理時空限制，提升了跨地域學生的問題解決效率，重新定義了“社會性\"在認知發展中的內涵，推動了社會互動模式的虛擬化遷移。GenAI能通過擴展中介工具、重構社會互動形態來驅動文化的實踐創新，從而實現認知發展的系統性變革，強化了維果茨基社會文化理論的價值，逐漸催生了人機協同認知發展的新范式。當前，亟待從人機協同與文化工具進化的雙重維度拓展維果茨基的社會文化理論，以解釋智能時代認知發展規律。

皮亞杰的認知發展階段理論的核心在于圖式、同化、順應以及平衡，其觀點強調兒童認知發展遵循感知運動階段（0～2歲）、前運算階段（2～6歲）具體運算階段（7～11歲）形式運算階段（12歲及以上）的序列，強調生物成熟主導了學生的認知發展[1]。然而，GenAI的介入對皮亞杰認知發展四個階段產生沖擊，或引發階段跨越的假象與能力衰退的風險。此外，GenAI技術突破原有認知發展的束縛，可能打破“平衡一不平衡—再平衡\"的自然節奏，重構學生認知發展路徑?；贕enAI提供的知識可視化圖譜與個性化學習路徑，有助于學生提前學習更多的知識與技能[14，推動皮亞杰認知發展階段理論適用邊界的再劃分。

（二）GenAI技術重構認知沖突

認知發展階段理論認為，像教具、符號系統等認知工具是被動的學習環境要素，認知沖突的觸發依賴于物理環境中的直接經驗[12，15]。認知對象的符號系統從生物性心智轉向算法化心智，導致認知沖突的觸發從人際間的觀點碰撞轉向人機間的互動。GenAI則作為主動的認知協作者，能夠通過多模態交互界面與虛實融合場景，預測并干預學生的認知發展路徑，重新詮釋了認知發展中主客體的關系，構建新型認知沖突觸發機制。主要表現在兩個方面，一是虛擬經驗對物理經驗的補充，實現虛擬經驗、物理經驗和行為的交叉融合[；二是動態知識網絡的干預，GenAI支持的動態知識圖譜可實時生成跨學科問題，打破原有認知圖式的學科壁壘。此外，技術驅動的認知沖突需匹配發展階段閾值，鼓勵學生開展持續的知識探索與技能發展。

GenAI對認知發展階段的干預呈現雙向影響，一方面是階段躍遷的“技術性加速”，GenAI通過精準的認知診斷與自適應內容推送，縮短了階段轉換周期。社會性認知沖突通過打破個體原有平衡，驅動學生進行認知圖式的解構與重構，實現認知發展的辯證性躍遷。認知心理學表明，人的認知發展具有階段性、連續性和可塑性特點，但GenAI介入使\"加速\"過程脫離了個體自主探索的節奏。另一方面是認知發展的“表層化”風險，導致認知發展中的卸載現象，抑制深度理解與批判性思維的形成，有研究提出長期依賴AI進行高階思維活動會導致批判性思維鈍化與概念遷移能力下降[18]，與皮亞杰強調的通過反思性抽象實現圖式升級形成矛盾，揭示了技術便利性可能異化學生認知自主性的發展。針對此困境，可以基于皮亞杰的階段性規律制定GenAI使用的策略，例如，感知運動階段、前運算階段側重多模態感官刺激，避免抽象符號的過早介入；具體運算階段通過動態可視化工具強化守恒觀念；形式運算階段引入跨學科問題生成器，促進學生基于假設一演繹發展思維。

表1 傳統認知發展與AI介入認知發展比較

（三）從人際協作到人機共生

人際協作依賴于個體對他人意圖的理解以及對群體動態的認知能力，人機共生是人際協作的延伸，具有認知互補、動態適應以及情感融合等特征，核心在于人類與機器之間的緊密耦合，也是認知發展理論契合時代需求的產物。從人際協作到人機共生的過程反映了人類認知能力和社會互動方式的變革，深刻影響了學生的認知發展，見表2。

在人際協作中，語言符號系統作為認知工具，通過“最近發展區\"實現個體認知發展。個體通過與他人的互動，不斷地同化和順應新的知識內容，從而實現認知水平的提升與發展。然而，技術的介人影響互動對象、認知獲取方式、認知沖突以及思維形成，從而影響學生的認知發展。此外，GenAI通過個性化腳手架使最近發展區發生根本性變革，從兩個方面促進了人機共生，助推學生認知發展：一方面是GenAI能夠基于多模態數據動態評估學生認知水平，精準界定學生認知發展區間；另一方面是智能體能夠通過自然語言對話模擬教師的社會化認知功能。

（四）從人際網絡到人機群智

人際網絡是個體在認知發展過程中通過與他人互動形成的社會網絡，維果茨基理論提及社會互動以人際對話為核心，人際網絡通過符號和文化工具構建認知腳手架，個體通過與他人的交流、合作和互動，不斷吸收和內化他人的知識與經驗，從而促進自身認知能力的發展。皮亞杰的認知發展階段理論則認為個體的社會交流能促進認知沖突，推動階段跨越[1]。從人際網絡到人機群智的發展轉型，體現了技術介入認知生態改變了學生認知結構，從理論層面看，人機群智是認知發展理論的“技術轉向”，促使學界重新審思認知建構的邊界與機制；從實踐角度而言，通過人類與智能機器共同協作，形成超越個體認知能力的群體智慧，產生技術融合的認知發展網絡。

GenAI催生了三元交互結構[（師一生一機）與分布式認知網絡[20]。一方面是人機協同的知識建構，GenAI支持的平臺或系統通過實時提取互動關鍵詞、可視化觀點的沖突，促使學習者反思自身認知盲區；另一方面是跨文化認知的智能化彌合，打破了傳統最近發展區的文化邊界。此外，GenAI介入學生認知發展促使個體的意義建構過程變得更加復雜，學生需要學會與機器有效互動，利用機器提供的信息和資源優化自己的認知過程，通過技術生成的動態知識表征進行認知發展的迭代優化。

三、GenAI影響學生認知發展的三重辯證關系

基于認知發展理論的視角，本研究在工具賦能與認知異化、個性化適配與思維同質化、協作擴展與主體性危機間尋找均衡點，從“技術中介一認知結構—社會交互\"三重維度揭示GenAI影響學生認知發展的內在邏輯，如圖1所示，為教育實踐中合理利用技術、破解技術應用賦能悖論2、促進學生思維積極發展提供理論支持和實踐指導。

圖1GenAI影響學生認知發展的三重辯證關系

（一）技術中介：工具賦能與認知異化的辯證

GenAI系統通過內容生成即時性與知識整合高效性，促使學生將認知過程外包給技術系統[22]，造成認知主權的技術讓渡現象，與認知發展理論中“主動探索是認知發展核心動力”的觀點形成根本性沖突。一方面，技術工具促進了學生思維的發展和認知結構的優化。另一方面，過度依賴技術工具造成學生缺乏批判性思維和探索能力的認知異化。因此，在工具賦能與認知異化之間尋求平衡，有助于合理利用GenAI避免認知異化的形成。

表2

人際協作到人機共生對認知發展的影響

1.工具關系的范式突破

GenAI通過創造性內容生成和動態知識連接，突破了傳統教育技術作為“被動工具\"的局限，形成人機協同的認知增強系統。GenAI突破認知發展的符號主義范式，通過模擬人類思考過程，為學生提供了一個動態、互動的學習環境，通過深度神經網絡構建思維發展的數字鏡像，其算法通過聯邦學習持續優化，使技術工具與認知實踐形成共生演化關系，基于推薦算法的個性化學習系統將會成為思維引導工具，“技術性加速\"效應符合認知技能發展理論的技術適配解釋。

GenAI通過認知外化工具鏈（如思維導圖自動生成、解題步驟拆解）將低階認知任務（如信息檢索、公式計算）轉移至技術系統，使學生認知資源得以重新分配。例如，有實證研究表明，AI支持的研究生科研工作能更好地培養研究生的批判性思維和發散思維能力[23]。此外，GenAI將低階認知任務外化至技術系統，還可以實現認知負荷的智能分擔，這種“技術承擔機械勞動一人類專注意義建構\"的分工模式，推動了學生認知發展的智能化演變。

2.認知能力的異化

GenAI技術依賴可能引發認知發展風險，形成“算法主導的認知舒適區\"[24]，逐漸造成深度分析能力降低和認知能力系統性退化，主要表現在：一是持續性技術介入或導致認知連貫性斷裂，弱化批判性思維能力[2；二是效率至上導向可能強化淺層認知循環，導致深度學習所需的認知摩擦缺失；三是算法推薦的隱性價值滲透可能造成認知操控、同質化傾向和問題解決能力退化；四是技術賦能的虛擬體驗與精神滿足，可能異化人類對真實世界的感知與價值判斷。

（二）認知結構：個性化適配與思維同質化的辯證

GenAI在學生認知結構個性化適配方面具有顯著的技術優勢，然而算法偏見和認知偏差也可能潛在地導致思維同質化風險。一方面，通過學生畫像、行為數據以及實時反饋，AI系統可定制知識呈現形式、調整認知復雜度，個性化適配學生認知風格以及差異，形成人機協同認知[2的新范式；另一方面，GenAI生成內容的同質化傾向可能限制學生的創新思維和批判性思維發展2，隨著學生與GenAI交互頻次的升高，人際關系間對不同觀點和思維方式的接觸機會就減少了，導致思維的狹隘性和同質化。

1.認知過程的個性化適配

GenAI通過多模態動態建模2更準確地捕捉學生思維方式、學生需求等偏好，實現精準的個性化適配。具體而言，首先，基于學生學習行為的多模態數據集，構建反映學生認知狀態的表征模型和個性化認知模型，明確每位學生認知的最近發展區，為學生提供適合個性化學習的認知資源。其次，基于GenAI分析學生知識建構過程中的認知偏差，為學生提供動態的個性化學習路徑與認知腳手架，達到輔助學生進行知識意義建構的效果。最后，在情境化學習場景中，依據學生的個性化學習需求與能力水平，動態地調整每位學生認知與學習任務之間的匹配關系，從而不斷促進認知結構的優化和重塑。

2.思維趨同的認知風險

GenAI可能引發學習者思維發展路徑的收斂性遷移，導致認知多樣性削弱，增加思維趨同的認知風險。具體表現在三個方面：首先，GenAI依據學生的提示語生成資源，可能依賴“馬太效應\"生成資源，造成學生認知發展呈現兩極分化現象。例如，學生提示語質量差異觸發初始資源分化，優勢學生通過“資源一能力—資源\"正循環積累優勢，而弱勢學生陷入“資源匱乏—能力弱化—資源錯配\"的惡性循環。其次，GenAI依據預設的模板生成了多模態教學資源，但基于模板生成的內容可能造成學生思維定勢，抑制學生發散性思維生長。最后，基于GenAI的人機交互難以復現真實人際互動中的多維認知沖突與思想碰撞，可能使“認知社會化\"過程受阻，導致思維過程呈現趨同傾向。

（三）社會交互：協作擴展與主體性危機的博弈

基于GenAI的認知空間將人際互動拓展為人機群智，為學生與機器之間的協作學習提供了動態演進的智能腳手架，精準的腳手架有助于降低學生的認知門檻。學生在與機器協作的過程中，可能存在認知外包、認知邊界模糊等現象，造成了社會交互中技術的協作擴展與個人主體性危機之間的矛盾。

1.協作擴展的認知增效

GenAI基于提示詞工程催生了分布式認知模式，學生通過與機器互動進行知識建構擴展了協作的維度。一方面，學生與智能“AI同伴\"協作，突破原有認知框架的限制，實現認知邊界的實質性拓展，形成對自我認知能力的積極認同，達成認知主體性的優化發展。另一方面，GenAI驅動的協作知識創造過程，是學習共同體認知產出的技術實現，印證了維果茨基社會文化理論中關于“社會性中介\"的內涵，展現了技術中介如何促進認知增效。

2.主體性消解的可能危機

學生在人機群智的虛擬場景中互動或許會導致個體認知的主體性逐步被消解。一方面，可能存在學生把技術生成的內容錯認成個人能力展現的認知偏差風險，會引發自我能力判斷失真的問題。另一方面，學生存在過度依賴智能工具的可能性，致使技術工具和人類思維在決策方面的界限變得模糊不清，使其易于陷入憑借預設方案解決問題的思維慣性，長此以往，其原創性思考能力以及探索性實踐能力將面臨著逐漸被消解的風險。此外，當個體處于虛擬空間多重角色不斷轉換的場景時，由于要頻繁更替交互身份，從而帶來身份認同面臨解構的風險。而且，長期依賴基于GenAI的虛擬協作，造成面對面的情感互動和身體語言表達的缺失，引發學生社交技能發展受阻和情感交流缺失，甚至會對現實中的社交產生疏離感，影響學生主體性的發展。

四、GenAI重構認知發展的路徑

GenAI引發的教育認知危機是工具理性對教育人文性的沖擊，正在重塑人類認知發展的圖景?；谡J知發展理論的邏輯，本研究構建以“人機共生\"為核心、“動態適配”為原則、“認知主權”為底線的“智能基座革新、角色關系重構、智能工具優化、保障機制建立”四位一體認知發展路徑（如圖2所示），為破解GenAI技術介人引發的認知異化與教育認知危機提供支撐。

（一）智能基座革新：GenAI作為認知發展的促進器

GenAI正在重塑人類認知發展的技術基座，一方面，通過人機群智拓展認知邊界實現學生的認知增強，另一方面，推動認知建模工具向動態生成方向轉換，改變了認知表征與建構的方式，兩者相輔相成、共同構成了推動認知發展的強大動力。

1.GenAI系統支持的認知增強

GenAI推動認知工具從信息傳遞向思維塑造轉型，加強學科專用模型的建設，形成認知友好的智能中介工具，主要從兩個方面實現認知增強：一是動態生成認知腳手架，通過構建基于最近發展區的智能提示系統，實現學習支架的智能化生成，分析學生認知狀態，動態生成階梯式問題鏈，形成漸進式認知引導，為學生知識建構躍遷提供多元化學習支持2，從而提升學生的認知深度與廣度；二是構建多模態交互系統，通過整合眼動追蹤、語音情感分析以及反饋裝置，設計基于視覺、聽覺、觸覺的沉浸式學習環境，為學生打造高效的個性化學習路徑，提升具身認知體驗。

2.認知建模轉向動態生成

GenAI推動認知分析從“行為觀測\"轉向“神經與算法聯合建?！?，認知建模工具轉換主要體現在兩個方面：一是神經反饋強化學習，通過近紅外腦功能成像（fNIRS）實時監測大腦的神經活動，動態調整問題難度；二是思維過程可視化，設計“可解釋教育AI”，通過可視化模型決策路徑，生成思維發展熱力圖，增強技術系統的透明性與可控性。例如，利用Transformer架構的注意力機制，將隱性的思維過程轉化為顯性認知圖譜[3;通過BERT模型對學習者解題過程進行語義解析，生成包含語義跟蹤、討論可視化的認知圖譜3。

（二）角色關系重構：人機共生的認知發展模式

GenAI內容自動生成為學生認知發展提供了全新的視角，將GenAI界定為與教師、學生同等的主體，承擔助教、導師、同伴等角色，多主體之間的協作與互動形成了促進學生認知發展的合力，催生了全新的認知發展交互模式。

1.人機共生認知角色動態分配

GenAI技術融入教育場景，推動認知發展向人機共生的方向演進，認知角色的動態分配為學生提供了更加精準、且適應性強的學習支持。分配方式主要體現在兩個方面：一是任務復雜度驅動的自適應分工，依據學習任務的難度、學生個體差異以及學習階段靈活調整人與機器之間的認知責任分配；二是發展水平導向的認知彈性調節，精準識別學生的認知發展階段，根據能力互補等方式彈性分配角色。依據認知角色動態分配實現優勢互補與認知效能的最大化，幫助學生構建更具深度和廣度的認知體系。

圖2GenAI重構認知發展的路徑

2.主體協同交互方式的更替

GenAI推動教育主體關系從“師一生”二元結構向“師一生一機”三元協同進化，重塑“人主機輔\"的價值對齊，借助GenAI強大的思維鏈能力，改變教與學的方式，深化學生學習的主體性，激發求知欲、探索欲和問題意識，助力學生走向“高意識生成式學習”，增強學習的參與度和沉浸式學習體驗，形成三種新型交互方式：一是認知結構的解構與重構，依照維果茨基最近發展區理論，AI作為“認知中介工具”，既能起到支架作用，降低任務難度，又能通過動態調整挑戰閾值，推動學生跨越當前能力邊界；二是分布式認知網絡構建，基于認知云服務，運用提示詞工程實現分布式認知策略的群體智慧進化；三是具身認知的跨界融合，結合AR、VR技術創建沉浸式認知場景。

（三）智能工具優化：認知飛躍發展的催化劑

人機協同的最近發展區拓展和認知工具的動態進化適配不同交互場景，共同推動了GenAI支持的學生認知階段躍遷，本研究從維果茨基的最近發展區和皮亞杰的認知工具兩個方面分析了人類與機器協作共生的認知能力發展基本規律，為基于GenAI的學生認知發展提供了理論支撐。

1.人機協同的最近發展區拓展

GenAI技術革新了維果茨基“最近發展區\"理論，從人機共建、逐層遞進、雙向協調三個方面闡釋其對最近發展區的拓展，人機共建旨在依托實時學情動態建模與智能適配技術，創建促進協同發展的認知環境，為認知中的動態協作提供智能支架；逐層遞進是基于認知任務難度分級和提示詞工程，為知識的發展構建了有序的認知進階通道；而雙向協調注重的是人機互動所達成的一種動態平衡關系，實現最近發展區閾值的精準定位，有助于學生認知的意義建構。學生在持續不斷的互動過程中，逐步且有效地拓寬個人能力邊界的“最近發展區”，從而在人機協同的支持下實現認知的飛躍發展。

2.工具進化以適配交互場景

GenAI介人教育使得認知工具成為認識同伴，這種轉變改變了人類解決問題以及認知發展的形式。GenAI作為智能支架助推認知工具展現出個性化學習支持、人機協作增強、多模態融合等功能，其動態進化主要體現在自適應、具身化與自演進三個方面。就自適應而言，GenAI基于腦電信號、眼動追蹤以及交互行為等多源數據，采用Transformer架構提取數據特征，預測學生的知識接收程度以及認知負荷，動態調整任務難度與學生的交互方式；在具身化方面，GenAI與可穿戴設備、元宇宙等相結合形成虛擬交互環境，促進學生多模態感知，從而實現沉浸式交互；在自演進方面，GenAI通過機器學習技術和深度學習，分析現有數據本身的特征和分布，從而生成新數據實現自我迭代與優化。

（四）保障機制建立：AI介入認知發展生態的多維度支持

本研究基于認知發展理論，從AI教育準入的倫理審查、教師技術能力認證以及“反脆弱\"評價體系發展三個方面構建多維度的保障體系，增強人類對機器的信任，有效規避技術異化風險，釋放有益于認知發展的技術紅利。

1.AI準入教育的倫理審查

AI準人教育的倫理審查是保障學生認知發展的安全底線。在針對GenAI教育應用的技術準入評估過程中，需構建多層級倫理審查機制，并重點檢測輸出內容中是否存在不實信息、偽造影像或違反法律底線的表述，可考慮實施三層倫理審查過程，如圖3所示，分階段、分層次評估GenAI系統對師生產生的潛在風險，確保其不會對教學的有效性和適用性造成負面影響，為學生營造一個安全、健康的學習環境，保障其認知發展的科學導向。此外，亟須制定數據本地化存儲規范與算法透明性制度，遏制技術權力的無序擴張。

圖3AI教育準入的倫理審查過程

2.教師技術能力認證教師技術能力的認證是整合人工智能技術在教學實踐中的系統化評估方法，凸顯了智能時代教師積極應對GenAI引發教學變革的迫切性。各國已逐漸將教師技術能力加入教師專業發展的核心工作，培養教師運用智能工具有效開展教學并防范技術風險的能力，推動教師技術融合和課堂教學改革的雙重發展[32]然而，目前面向教師技術能力的培訓尚不成熟，亟須制定教師技術能力通用標準，通過加強教師專業持續發展培訓，提高教師的技術應用能力[33]。此外，可以考慮通過認證或微認證評價教師的技術技能，甚至可以將技術能力納入到教師資格認證中，保障教師具備符合當代教育需求的技術素養。

3.“反脆弱”評價體系發展

“反脆弱”由納西姆·尼古拉斯·塔勒布（NassimNicholasTaleb）提出，指人、系統或者個體面對不確定性環境，能不斷適應和改進從而獲益的能力β4。在GenAI時代，學生認知發展逐漸演變為包含壓力應對、動態適應和持續進化能力的多維系統，將“錯誤\"\"沖突\"\"不確定性\"重新定義為認知躍遷的必要過程?！胺创嗳鮘"動態評價主要包括但不限于以下幾個方面：個體在面臨知識悖論或思維困境時能否保持認知連續性的能力；個體能否將認知沖突轉化為思維升級的適應性能力；個體能否在突破原有認知框架后突顯創造的能力。

五、結束語

人機共生已然成為數智時代教育發展的核心趨勢，重塑著知識的創造、傳遞與應用邊界，研究在理論層面批判性審視了GenAI與學生認知發展之間的復雜邏輯，并重構了認知發展的“四位一體\"路徑，在堅守育人本質的前提下實現GenAI技術的創新應用，催生認知發展新樣態。研究的局限在于缺少面向不同學生群體、跨學科、多場景視域下的理論整合與實證支持，后續研究可以進一步分析GenAI介入教育對學生認知發展模式重構及其長期效應，探索GenAI對學生認知發展影響的實際樣貌與具體程度，構建更具解釋力與發展性的認知模型，真正實現GenAI與教育認知生態的良性互構與可持續發展。

[參考文獻]

[1]高文.搶抓人工智能發展的歷史性機遇（深入學習貫徹習近平新時代中國特色社會主義思想）——深刻領會習近平總書記關于 人工智能的重要論述[N].人民日報，2025-02-24（9）.

[2]李靜，顧秦一，蔣少杰，等.數據驅動教學決策真的有效嗎？——基于近十年國內外43項相關的實驗和準實驗元分析[J.現代教 育技術，2023，33（9）：67-77.

[3] CHANG CY，YANG CL，JENHJ，etal.Facliating nursing andhealtheducationbyincorporating ChatGPTintoleaingdesigns [J].Educational technologyamp; society，2024，27（1）：215-230.

[4]DASARID，HENDRIYANTOA，etal.ChatGPTindidactical etrahedron，does itmake anexception？Acasestudyinmathematics teaching and learning[C]. Frontiers：Frontiers in education， 2O24，8：1295413.

[5]ZHUG，FAX，HOUCetal.Ebraceoporunitiesandfacehallenges：usingCaGindergaduatesdents‘colbative interdisciplinary learning[J]. arXiv preprint arXiv，2023，235：18616.

[6] ZHAI C，WBoWOS.Asystematicreviewonartifcialintellgencedialoguesystemsforenhancing Englishasfreignlanguage students‘interactionalcompetenceintheuniversity[J].Computersandeducation：artificialintelligence，O23，4：10134.

[7]TRUSTT，WHLENJ，MOUZAC.ChatGPT：chalenges，opportunities，and implicationsfor teachereducation[J]. Contemporary issues in technology and teacher education，2023，23（1）：1-23.

[8]LIAOJ， ZHONGL，ZHEL，etal. Scafoldingcomputational tinking with ChatGPJ].IEEEtransactionsonleamingtechologies， 2024，17：1628-1642.

[9]LIUM，REY，GOGAL，tal.Futureofducatioinheraofgnerativerfcialinteligene：onsensusamogine scholars on applications of ChatGPT in schools[J]. Future in educational research，2O23，1（1）：72-101.

[10]TANKELEVITCHL，KEWENIGV，SIMKUTEA，etal.The metacognitivedemandsandoportunitiesof generative AI[C/OL/ Proceedings of theCH Conferenceon Human Factorsin Computing Systems.2024：1-24[2025-03-16].htp：/arxiv.org/abs/ 2312.10893.

[11]VYGOTSKYLS.Mindinsociety：thedevelopmentofhigherpsychologicalproceses[M].Cambridge，MA：HarvardUniversity Press，1978.

[12]PIAGETJ.PartI：Cognitivedevelopmentinchildren：PiagetdevelopentandlearngJ].Joualofresearchinsiencetaching，

1964，2（3）：176-186.

[13]TUBINOL，ADACHC.Developing feedback literacycapabiliesthroughanAIautomated fedback tolJ].ASCIITEpublications，2022，14：22039.

[14]劉妍，胡碧皓，顧小清.人工智能將帶來怎樣的學習未來——基于國際教育核心期刊和發展報告的質性元分析研究[J].中國遠程教育，2021（6）：25-34.

[15]朱德玲，郭仕豪，余秀蘭.從“知識占有\"到“知識創造”：“強基計劃\"學生認知范式轉變的過程與機制[J].中國高教研究，2025（2）：5-12.

[16]JOVANOVIcCAMPBELM.Generativeartificialintellgence：trendsandprospcts[J].Computer，2，55（1）：1012.

[17]劉淑艷，孫濤.學校雷鋒精神教育大中小一體化：意義、挑戰與路徑[J].思想政治教育研究，2022，38（3）：153-158.

[18] KASNECIE，SESSLER K，KUCHEMANN S，et al.ChatGPTfor good？Onopportunitiesandchallngesof large language modelsfor education[J]. Learning and individual differences，2O23，103：102274.

[19]楊現民，張盛，李新.邁向數字文明的教育生態重塑與深思[J].遠程教育雜志，2025，43（1）：11-18.[20]陳亮.人工智能推動知識生產模式轉型中的新型研究型大學：品格特質、運行機理與動力機制[J].南京社會科學，2025（2）：130-144.[21]盛明科，賀清波.基層治理數字增負及其破解[J].理論探索，2024（3）：84-91.[22]CARTERJA.Intellctualutonomypisteicdependenceandcgitiveeancement[J].Syse，2，9（7）9961.[23]田賢鵬，肖智琦.生成式 AI賦能研究生科研寫作的學術倫理與風險防控[J].現代教育技術，2024，34（8）：23-32.[24]黃瑩瑩，楊弘.算法分發模式下的主流文化認同建構——邏輯進路、實踐困境與突圍策略[J].社會科學研究，2024（3）：60-68.[25]孫寬寧.人工智能化教育中的個體發展悖論及其疏解[J].中國教育科學（中英文），2021，4（4）：100-111.[26]郝祥軍，顧小清，張天琦，等.人機協同學習：實踐模式與發展路向[J].開放教育研究，2022，28（4）：31-41.[27]李艷，許潔，賈程媛，等.大學生生成式人工智能應用現狀與思考——基于浙江大學的調查[J].開放教育研究，2024，30（1）：89-98.[28]ZADEHA，CHENM，PORIA S，etal.Tensorfusionnetwork formultimodal sentimentaalysis[C/Proceedingsofthe2017ConferenceonEmpiricalMethods inNaturalLanguageProcessing.Copenhagen，Denmark：AssciationforComputationalLinguistics，2017：1103-1114.[29]單俊豪，劉永貴.生成式人工智能賦能學習設計研究[J].電化教育研究，2024，45（7）：73-80.[30]VIGJ，BIY.AalygthesctureoftioninaasfoergagemodelJ/L].riv9[tp/arxiv.org/abs/1906.04284.[31]SEBBAQH，ELFDOULIN.FineunedBERmodelfrlargesaleandcgnitiveclassficationofMOOCs[J].Theiteationalreview of research in open and distributed learning，2022，23（2）：170-190.[32]馬云多，劉力.中學教師課堂技術融合影響因素研究的質性元分析[J].全球教育展望，2022，51（3）：111-128.[3]蘭國帥，杜水蓮，肖琪，等.彌合教育數字鴻溝——美國《國家教育技術規劃（NETP2024）》報告要點與思考[J].開放教育研究，2024，30（2） ：59-68.[34] 納西姆·尼古拉斯·塔勒布.反脆弱：從不確定性中獲益[M].雨珂，譯.北京：中信出版社，2012：11-23.

How GenAl Influences Students’Cognitive Development： A Perspective Based on Cognitive Development Theory

YANG Hongwu， LEI Aixia， GUO Weitong， JIANG Shuangshuang （School of Educational Technology， Northwest Normal University， Lanzhou Gansu 730070）

[Abstract] The intervention of Generative Artificial Inteligence（GenAI） in education is reshaping the cognitive ecology of education and has had a profound impact on students‘cognitive development， making it important to conduct critical reflection from the perspective of cognitive development theory. Firstly，this study elaborates GenAI's reshaping of cognitive development theory from four aspects： the tension between the theoretical origin and technological transformation，the cognitive conflicts of GenAI's technological reconstruction，the transition from interpersonal collaboration to human-machine symbiosis， and the shift from interpersonal networks to human-machine cluster inteligence.Secondly，this study reveals how GenAI affects students' cognitive development through a triple dialectical relationship： GenAI， as a cognitive mediating tool，not only promotes students'knowledge acquisition and thinking development， but may also triggers cognitive dissimilation and distributed reconstruction.While GenAI supports individualized adaptation of students‘cognitive process，it also leads to the cognitive risk of thinking homogeneity.GenAI fosters cognitive enhancement of expanded collaboration，yet brings about the potential crisis of subjectivitydissolution.Finally，this paper reconstructs the four-in-one cognitivedevelopment path forstudent cognitive development， namely inteligent base innovation，role relationship reconstruction， intelligent tooloptimization，and guarantee mechanism establishment.This path provides theoretical support and practical guidance for addressing the challenges posed by GenAI integration into education，such as cognitive alienation， deconstruction of cognitive structures and increased social ethical risks.

[Keywords] GenAI; Students'Cognitive Development; Cognitive Development Theory；Human - Aachine Symbiosis