欧洲经济政策研究中心（CEPR）6月2日发布编号为DP21577的讨论论文，基于对中国一个百万人口县26811名七至十二年级学生的30个月追踪数据，揭示了生成式AI在教育场景中的显著负面效应：AI工具使作业成绩平均提高18％，但闭卷月考成绩在六个月内下降20％，中考成绩下降24％，高考成绩下降18％。该研究由斯德哥尔摩大学的David Strömberg与香港大学的Victor Lei、Yanhui Wu共同完成，样本覆盖九门学科，数据包括每月闭卷月考、作业分数与完成时长，以及中考和高考等高风险考试结果。
研究采用双重差分法，利用不同学生接触AI工具的时间差构造自然实验，以剥离因果效应与相关性。数据显示，研究期间学生自报的AI使用率从接近零迅速攀升至约80％，爆发节点与DeepSeek V2.5和R1模型的发布时间高度吻合。学生最常用的AI工具包括豆包、DeepSeek、ChatGLM、文心和通义。论文题为《生成式AI的学习惩罚：来自中国中等教育的证据》，目前尚未经过正式同行评审。
研究核心发现可归纳为三组关键数据：作业端，使用AI后作业分数提高18％，完成时长从平均64分钟压缩至45分钟，节省约30％；月考端，闭卷考试分数在六个月内下降20％；升学考端，中考下降24％，高考下降18％，且完整的负面效应需约两年才全部显现。研究指出，过去作业成绩基本能预测考试成绩，但AI介入后这一关系发生反转——作业表现越“优秀”的学生，真实能力反而越存疑。
负面效应在人群分布上呈现显著不均衡。学科层面，社科类科目受损最重（政治、地理约下降27％），STEM学科次之（下降22％），英语下降17％，语文影响最轻（下降9％）。人群层面，成绩前三分之一的学生分数下降24％，后三分之一学生下降16％；初中生受损程度高于高中生，男生高于女生。剂量效应同样明显：每周使用AI不超过1小时，成绩损失约5％；每周使用超过5小时，损失扩大至30％。
论文通过行为模式将学生划分为两类。约80％的AI用户属于“外包型”，表现为作业完成时间异常短但分数异常高，即AI生成内容后直接复制提交，学习损失几乎全部集中在这一群体。使用满五个月AI的学生中，81％写作业速度超过最快的非AI用户。另一类“辅助型”学生将AI作为讲解工具，作业时长未明显缩短，思考过程仍保留在自身认知体系中，其考试损失接近零。研究者推测，尖子生受损最重的原因在于，AI介入生硬打断了他们原本通过自学构建知识心智模型的过程。
研究还引用1924年俄亥俄州立大学“教学机器”实验作为历史参照，该实验同样证明自动化会阻碍学习过程。论文作者强调，专家用于减轻认知负担的工具，不应被孩子用于替代学习过程本身。延迟性是此次研究发现的关键特征：月考损失需半年显现，升学考损失需两年才完全暴露。这意味着此前数周或数月的短期研究均系统性低估了AI对学习的负面影响。当前深度使用AI的学生群体，将在2027至2032年间集中进入升学考场，届时将首次面对无法借助AI的考试环境。
政策层面，多国已开始回应这一研究发现。挪威首相已宣布对6至13岁学生几乎全面禁用生成式AI，14至16岁学生须在教师督导下使用。英国教育部5月发布的指南要求学校AI工具默认不直接提供答案，学生须先进行真实尝试，并记录“卸载思考”的行为。世界银行已将论文列入2026年人力资本博客，作为防范“AI学习惩罚”的警示案例。对比数据显示，世界银行受控框架下的AI辅导效果为正0.31个标准差，而本研究中“野生使用”场景的效果为负1.4个标准差。
论文的局限性同样明确：作为讨论论文尚未经过正式同行评审，样本来自单一县域，30个月的追踪期恰逢AI工具快速迭代，研究捕捉的是早期工具与不规范使用方式结合的效果。论文并未建议全面禁用AI，辅助型用户成绩几乎无损的事实表明，问题的核心在于思考过程是否被替代。研究推论指出，学校应调整评估结构，将评分权重向闭卷考试倾斜，监控作业时长异常，并设计口头答辩、现场推导等AI无法替代的评估方式。作业分数这一沿用数十年的能力衡量指标，在AI时代已正式失效。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
