一项最新预印本研究提出了“认知型AI素养”（Epistemic AI Literacy, EAIL）的概念框架，旨在重新审视学生使用生成式人工智能（GenAI）时的学习过程。该研究特别关注编程场景，因为在此类场景中，学习者必须构建查询、评估和验证AI生成的输出，并调节问题解决策略。研究作者Mengqian Wu于2026年6月30日提交了这篇论文，论文摘要发布在arXiv上（arXiv:2607.00211v1）。
研究背景指出，认知思维在学生学习应用GenAI的过程中扮演核心角色，尤其是在编程环境中，学生需要主动管理自己的认知过程。传统AI素养往往侧重于技术操作技能，而EAIL框架则将AI素养重新定义为一种过程导向的认知现象，它通过跨领域的动态人机交互涌现出来。这一视角强调，AI素养不仅仅是知道如何使用工具，更涉及在交互中设定认知目标、选择可靠认知策略的能力。
为了实证考察这些构念，研究借鉴了AIR框架（认知目标、理想和可靠认知过程）。AIR框架最初用于理解个体在认知活动中如何设定目标、采用何种标准判断可靠性，以及运用哪些过程来达成目标。在本研究中，作者将AIR框架应用于GenAI支持的协同编程活动，探讨认知目标和认知过程如何在这些活动中得以体现，并探索在交互数据中可扩展地操作化这些构念的方法。
研究使用了一个大规模的人机协同编程对话数据集。通过对对话内容进行分析，研究者识别出认知目标的可观察维度，即掌握导向目标（mastery-oriented aims），以及认知过程的可观察维度，包括外包（outsourcing）、寻求解释（explanation seeking）、寻求验证（verification seeking）、提示监控（prompt monitoring）和认知辩护（epistemic justification）。这些维度为量化评估学生在与AI协作时的认知参与程度提供了操作化指标。
分析结果揭示了EAIL的普遍缺失。具体而言，78.8%的学生与GenAI交互依赖于非掌握导向的目标，并采用诸如外包和寻求验证等相对不可靠的认知策略。这意味着大多数学生可能更关注快速获得答案而非理解问题，或者倾向于将认知任务完全交给AI，或者仅仅验证AI输出而未深入探究其合理性。相反，只有11.1%的交互表现出高认知参与，即掌握导向目标与认知辩护等高级认知策略相结合，形成更可靠的认知过程。认知辩护指学生主动为AI生成的结果提供理由或证据，而不仅仅是接受或拒绝。
这一发现对AI教育具有重要意义。它表明，尽管GenAI工具日益普及，但学生并未自然而然地发展出深度的认知参与。教育者需要有针对性地设计教学干预，引导学生设定掌握导向的目标，并采用更可靠的认知策略，如主动寻求解释、监控提示质量以及进行认知辩护。此外，研究提出的可扩展操作化方法为在大规模交互数据中自动检测EAIL提供了可能，有助于未来开发实时反馈系统或学习分析工具。
该论文归类于人工智能（cs.AI）和人机交互（cs.HC）领域，全文可通过arXiv获取。研究强调，EAIL框架将AI素养从技能清单转向动态认知过程，为理解和促进学生在AI辅助学习中的深度学习提供了新视角。