为什么开放式聊天机器人比教科书感觉更轻松
当学生用不受限制的 AI 聊天机器人做物理题时，他们报告说相比使用传统教科书式的解释，自己的脑力投入更低 [1]。可能的原因是聊天机器人可以代劳推理过程：它能按需给出下一步、公式或完整解答，因此学生不必在脑中记住问题并寻找解题路径。这正是它让人感觉顺畅的原因。
问题在于，这种顺畅并非没有代价。同一项比较发现，投入努力的减少伴随着参与深度的受损 [1]。通俗地说，学生可能在没有完成让方法真正扎根的认知工作的情况下就完成了题目。这是关于学生在任务过程中如何参与的观察，而非他们长期学得更少的证据。
一个支架式辅导器本应有何不同作为
脚手架式辅导工具的设计思路是分步骤提供帮助，然后逐步撤除。CoMeT 就是这样一种设计，它根据学习者的实际表现来升级和淡出支持，而不是有问必答 [2]。其理念是让学习者始终完成自己力所能及的部分，同时只为做不到的部分提供恰到好处的结构支撑。
该设计被与一个不受限制的助手以及一个只能提问的导师进行了比较，以认知负荷和挫败感作为关注的结果 [2]。比较的目的是看有条件的帮助能否将努力维持在富有成效的水平，而不是要么让学生不堪重负，要么让他们卡住。由于这一证据来自摘要层面的总结，认知负荷差异的具体大小和方向在此尚未确定；清楚的是，该设计问题关乎让帮助与学习者行为相匹配。
更低的努力总是更糟吗？
不一定，而这正是三种工具的分野所在。物理对比中的分层支持系统是一个折中选项：它以分层方式提供结构化帮助，而不是开放式聊天机器人或静态文本[1][3]。在这些对比中，所测量的结果是认知负荷和情感—动机因素，即任务感觉有多难以及学生的投入或动机程度，而不仅仅是成绩[1][3]。
所以，实际的问题并不只是哪个工具最能降低投入。一个通过替学生思考来降低投入的工具，和一个通过消除困惑、但学生仍然自己进行推理来降低投入的工具，看起来是不一样的。聊天机器人的证据指向第一种模式；脚手架式导师的设计则是对第二种的尝试 [1][2]。
这些比较尚未解决的问题
这里的证据基础在某个特定方面比较薄弱：这些比较是在摘要层面描述的，结果主要集中在大脑负荷和解题过程中的动机上[1][2][3]。这意味着我们可以说这些工具在学生的脑力消耗程度和投入感上有所不同，但仅凭这些证据，我们还无法判断哪种工具能带来更好的长期学习效果。
覆盖范围上也存在空白。物理对比包含了 AI 聊天机器人、分层支持和教科书式讲解，但不包含带支架的 AI 导师 [1][3]。自适应导师研究比较了带支架的导师、无限制助手和仅提问式导师，但这是一个独立的设计 [2]。把这两条线放在一起是合理的，但这是一种推断，而不是在一项研究中对全部三种工具进行直接对比测试。
本文引用的文献
从认知缓解到情感投入：AI聊天机器人与教学支架在物理教育中的实证比较
在物理教育中，与教科书式的讲解相比，一个 AI 聊天机器人减少了学生的脑力投入，但这种认知上的轻松是以对学习材料参与度更浅为代价的。
自适应脚手架需要权变性：一个根据学习者行为升级和淡出的 AI 导师
一项根据学习者行为逐步升级并淡出支架的自适应 AI 导师，与一个不受限制的助手和一个仅提问的导师在认知负荷和挫败感方面进行了比较。
比较AI聊天机器人、分层式和文本式支持在物理问题解决中的作用：对认知负荷和情感-动机结果的影响
一项比较AI聊天机器人、分层支持和文本支持在物理问题解决中的研究，测量的是认知负荷和情感-动机结果，而不仅仅是成绩。