2.7 万学生追踪 30 个月：AI 让作业分涨 18%，考试却跌 20%

核心发现：作业涨分，考试失分

2025 年 8 月 18 日，《经济学人》披露了一项基于中国某县城 26811 名初高中生的长期追踪研究。数据显示，使用 AI 的学生作业平均分提升约 18%，单次作业用时从 64 分钟缩短到 45 分钟。然而在闭卷月考中，这批学生的成绩比未使用 AI 的同学低了约 20%，相当于 1.4 个标准差的下滑。研究覆盖 5 所初中与 4 所高中，跟踪周期为 2022 年 9 月至 2025 年 6 月共 30 个月，作业提交与考试成绩均通过线上系统自动记录，AI 使用情况来自回收率超 96% 的全员问卷。

研究底稿来自斯德哥尔摩大学与香港大学三位经济学家 6 月在 SSRN 挂出的论文《生成式 AI 学习惩罚》。采纳曲线在 2022 年 9 月几乎为零，到 2025 年 6 月攀升至 80%，两次显著跳升分别落在 DeepSeek V2.5 与 R1 发布节点，学生常用的工具包括豆包、DeepSeek、文心一言与通义千问。

分学科表现与人群差异

惩罚效应在各学科并不均匀：

社科类跌幅最大，约 27%
数学次之，约 22%
英语约 17%
语文最轻，约 9%

初中生受到的冲击比高中生高约四成，男生跌幅大于女生。更值得注意的是，成绩原本较好的学生跌得最狠：作业分超过 100 分的群体中，未用 AI 者成绩继续上行至 112 分，而深度使用 AI 者一路跌至 64 分。

升学考试的效应同样显著，但需要谨慎解读。传播最广的「中考暴跌 24%、高考暴跌 18%」仅适用于使用 AI 满两年以上的群体；全体 AI 用户的平均惩罚约为 7%。论文作者特别指出，短期研究会系统性低估 AI 的学习成本，因为惩罚需要两年时间才完全显现。

「好好用 AI」的脆弱性

论文曾给出一个看似安慰的结论：约两成学生用 AI 但不外包作业，成绩并未受损。「外包」的数值定义是作业用时少于 45 分钟，而 50 至 65 分钟区间内，两类学生成绩几乎相同。然而深入分析发现，使用满 5 个月后，外包比例从 58% 升至 81%，完全外包从 34% 升至 50%。那些原本花 65 分钟以上认真写作业的「模范用户」，几乎全部是上手不到 5 个月的新人。使用满 6 个月后，样本中没有一名 AI 学生的作业用时仍超过 65 分钟。这意味着「合理使用 AI」并不是一种稳定状态，而是一个维持不到半年的过渡阶段。

成年人的相同曲线

类似模式在过去一年多已在不同职业群体中被重复观测。

医疗领域：《柳叶刀·胃肠病学和肝病学》去年 8 月发表的波兰研究中，19 名资深内镜医生在使用 AI 辅助数月后脱离 AI，腺瘤检出率从 28.4% 跌至 22.4%，相对下降 20%。
写作领域：MIT 媒体实验室去年 6 月的脑电实验显示，使用 ChatGPT 的学生神经连接强度比纯独立写作组低最多 55%，83% 的学生在写完后无法复述自己文章中的一句话，这一现象被命名为「认知负债」。
办公场景：微软研究院与卡内略隆大学对 319 名知识工作者的调查显示，对 AI 输出越有信心的人，自己核查的投入越少。
编程领域：METR 去年对照实验发现，资深程序员使用 AI 后实测变慢，却主观感觉快了 20%；今年 2 月的复测因多数开发者拒绝无 AI 工作环境而未能完成。

认知卸载与「没有月考」的成年人

论文将这一现象归因于「认知卸载」：本该在脑中运行的推演、试错、打草稿过程被外包给 AI。学生每月有闭卷考试作为检验，因此曲线被摆到台面；而大多数成年人的工作缺乏这种强制 Debug 机制，能力下滑往往被掩盖。

论文也留出一定余地：拉长时间看，惩罚效应正在收窄，同样用满 5 个月的学生，2023 年初平均损失 25%，到 2025 年 6 月降至 16%。工具侧的改进（如强制 AI 展示推演过程）以及师生适应都在起作用，但作者判断损失趋小却未见归零。9 月 1 日开学后，这场 26811 人的实验将以更大样本再次启动。