认知参与、非正式学习与 AI 伴侣拟人化
和 AI 聊天时，你有没有不知不觉学到什么？
人们越来越习惯让大语言模型参与写作、编程等认知任务。它能快速给出方案，也能接手一部分原本需要我们自己推敲的工作。可学习科学一直提醒我们，能力常在亲自思考、纠错和重构的过程中长出来。若把这些环节过多地交给 AI，认知卸载的风险就会出现：任务也许完成了，理解却未必留下。现有 AI 教育研究大多考察专门设计的智能辅导系统。至于没有教学设计的日常通用对话，是否也会产生「非正式学习」，又会如何展开呢？这正是第一篇论文的切入点。
AI 伴侣的讨论很容易停在一个大词上：拟人化。但当用户把聊天截图发到 Reddit 或小红书时，真正让一个系统显得「像人」的，往往是更细的表达。一个昵称、一句承诺、一次拒绝、一次对过去对话的回忆。第二篇论文重新拆解这些材料，把情绪、身份、边界、目标和时间连续性变成可比较的线索。哪些表达会让 AI 像是有持续身份的关系对象？英语社区和中文社区的叙述方式有什么差别？平台形式和文化语气，又怎样参与塑造这种亲密感？
祝今日读写愉悦，洞见深省。
前沿速递
日常人类—大语言模型互动中的非正式学习如何出现
核心概念
非正式学习（Informal learning）：这指的是发生在正式课程、结构化教学或评价体系之外的学习。它通常嵌入日常活动之中，学习未必是行动者的主要目标。例如，一个人在解决编程报错、修改文章或询问工具用法时，可能通过解释、尝试、失败和修正逐渐形成理解。非正式学习的关键不在于是否有教师或考试，而在于日常实践是否为人留下理解问题、检验想法和调整判断的机会。
认知参与（Cognitive engagement）：这指的是人在任务或交流中投入认知努力的程度。它可以表现为接收信息、继续追问、应用建议、提出限制条件、比较方案或修正想法。学习科学常用认知参与来观察学习过程，因为许多学习并不能直接从结果中看出，却可以从人是否在处理、组织和生成知识中得到线索。
建构性参与（Constructive engagement）：这是认知参与中更深的一种，指行动者主动生成、修正、扩展或检验想法，而非只是在使用已有信息。典型表现包括提出自己的假设，说明为什么某个方案不成立，加入新的约束，测试一个推论，或把解释迁移到新情境。建构性参与常被视为学习过程中的强信号，因为它显示人正在把外部信息转化为自己的理解。
支架式支持（Scaffolded support）：这指的是一种帮助方式，目标是临时支持学习者或任务执行者完成当前还难以独立完成的认知活动，同时保留其继续思考和行动的空间。支架式支持可以包括诊断困难、拆解任务、给出反馈、提供提示、解释理由、示范方法或提出反思问题。它的核心在于让人能继续参与问题解决，而非完全替代人的判断和推理。
研究问题
现有关于大语言模型与学习的研究多集中在明确设计成教学场景的系统，例如自动反馈、题目生成、检索练习或智能辅导。日常使用情境更难研究，因为用户通常是为了完成写作、编程等任务，并没有课程目标、测验或可直接观察的知识变化。因此，要判断普通人机对话中是否存在非正式学习，只能从认知参与、建构性参与等过程性行为线索中寻找证据。
因此，这篇论文的研究问题是：在日常人类—大语言模型互动中，用户是否会表现出学习取向的参与行为，尤其是建构性参与？这些行为会如何受到用户学习取向、任务生态、持续交流长度和助手支架式支持的影响？不同支持形式在相邻用户—助手—用户轮次中，又怎样与后续建构性参与相关联？
