非正式学习、认知卸载与日常抵抗 AI
创意工作者在日常实践中如何抵抗 AI？
第一篇论文关心的是生成式 AI 与非正式学习。很多人现在会把 ChatGPT 当成搜索入口，用它解释概念、整理材料、给出行动建议。这个过程看起来比传统搜索更顺滑，也更少需要自己在网页之间筛选、比较和验证。但如果学习本来就发生在这些绕路、判断和反复确认之中，那么当聊天机器人替我们完成信息搜寻时，学习者的探索路径会怎样改变？研究团队用连续八个工作日的实地实验和每日日记，讨论了这个问题。
第二篇论文转向创意产业，讨论艺术家和设计师如何在日常工作中抵抗 AI。它没有只把抵抗理解成公开抗议，而是观察那些更细小、更分散的实践：保留手工痕迹，回到胶片、拼贴和实体材料，或者刻意让创作过程慢下来。当技术产业不断追求无摩擦、自动化和快速产出时，这些看似低效的选择，究竟是在怀旧，还是在重新定义什么才算创作中的人性？这对于我们理解抵抗 AI 这一现象又会有什么样的帮助呢？
祝今日读写愉悦，洞见深省。
前沿速递
聊天即学习？探究生成式 AI 对信息搜寻与学习的影响
核心概念
非正式学习（Informal learning）：这是指个体在正规学校教育或结构化课程之外，为了获取特定知识、掌握某项技能或解决生活中的实际问题而进行的自我导向的学习过程。与拥有明确大纲、统一考试和专业教师指导的正式学习不同，它通常发生在日常生活的自然情境中。例如，为了提升厨艺而在视频网站上查找菜谱，或者为了出国旅游而使用应用软件学习几句基础外语。在这种学习模式中，学习者需要高度依赖自身的内在动机来设定目标，并完全自主地选择信息系统和零散资源来建构知识。
认知卸载（Cognitive offloading）：这是指人类利用身体动作或外部物理、数字工具来减少完成某项任务时所需付出的脑力劳动的过程。在数字化时代，人们经常将记忆、计算或信息检索等认知工作外包给技术系统以提升效率。例如，人们不再强记亲友的电话号码，而是将其储存在手机通讯录中；或者依赖地图导航软件而不是自己在大脑中费力构建路线图。随着人工智能技术的发展，这种能力外包正在从基础的死记硬背和定向检索，向上攀升至信息综合、内容生成乃至复杂的推理决策等更为高级的认知环节。
元认知负荷（Meta-cognitive load）：这是指个体在执行某项任务时，为了监控、调节和控制自身认知过程所必须付出的额外心理资源与脑力努力。元认知本身可以通俗地理解为「对思考过程的思考」。当个体能够顺畅无阻地主导某项任务时，这种负荷通常极低且不被察觉。然而，当个体在使用外部复杂工具时失去了对执行过程的直接控制感，就不得不花费大量精力去时刻评估当前的进展、思考如何纠正工具的错误操作或重新规划下一步动作。例如，当试图让一个聊天机器人讲解抽象概念，但它总是固执地给出具体表格时，用户绞尽脑汁反复修改提示词以试图把机器「拉回正轨」的过程，就产生了极高的元认知负荷。
埃利斯的信息搜寻阶段模型（Ellis’s model of information-seeking behavior）：这是信息科学领域中用于描述和分析人们在各类复杂环境中寻找信息时所表现出的微观行为模式的一个经典理论框架。该模型没有将搜寻过程简单地视为「输入问题-得到答案」的单一线性动作，而是将其科学地拆解为多个具有代表性的互动阶段，包括启动（开始宽泛或狭窄的搜索）、链接（跟随参考文献或超链接进一步深入）、浏览（偶然发现相关兴趣点）、区分（根据个人相关性或来源可信度过滤信息）、提取（精准获取所需内容）和验证（检查信息的准确性）等。
研究问题
在教育和日常生活中，人们越来越多地使用生成式人工智能工具来寻找问题答案。过去，人们依赖传统搜索引擎进行检索，这一过程本身就包含了评估、筛选和验证等重要的认知活动。然而，生成式 AI 强大的内容合成与解答能力，让用户逐渐把这些信息搜寻的脑力劳动外包给了机器。现有的研究多集中在正式的学校教育场景，或者只在单次实验室测试中比较不同工具的差异，很少在长期的自然日常非正式学习环境中，考察这种认知卸载如何具体改变人们的搜寻习惯，以及这种行为习惯的改变最终会如何影响知识的获取与深刻理解。
因此，这篇论文的研究问题是：第一，使用生成式人工智能工具如何影响人们非正式学习的最终结果？第二，在学习过程中，生成式人工智能工具具体如何改变了人们的信息搜寻行为？
