《技術越智能，人類越“愚笨”？》報告發布

本文核心要點：

2026年2月19日，美國課程再設計中心（Center for Curriculum Redesign）發布重磅研究報告《技術更智能，人類“更愚笨”？》。

該報告指出，技術創新通過外化、放大和重組知識與技能，反復改變了人類的認知。雖然技術變革的經濟和制度后果已被廣泛研究，但其長期的認知和知識論效應仍未得到充分審視。

報告圍繞“技術是否讓人類變‘笨’”的核心問題，通過火、農業到AI等20項重大技術創新的歷史案例，揭示出技術變革對教育影響的反復出現的模式，包括認知卸載、注意力碎片化、隱性知識的轉移與轉化、認知不透明性的上升，以及權威與專業知識形式的轉變。

報告發現，技術進步始終同時產生認知的增益與損失：技術在擴展抽象思維、提高效率和拓展知識獲取渠道的同時，也削弱了教育傳統上所培養的具身的、情境認知能力和內在持續認知能力。

為應對這一張力，報告提出了一個五層認知能力框架——基礎能力、程序性技能、概念性理解、整合性意義建構和認知元能力——并分析了每一層如何受到技術委托的不同影響。

報告最后強調，教育的核心任務不是抵制技術，而是通過精心設計，實現認知發展的“再平衡”：在技術外包與人類內化之間找到平衡，在效率與深度之間找到平衡，最終確保人類在智能時代保持理解、判斷與自主的認知主權。

以下為正文

2026年2月19日，美國課程再設計中心（Center for Curriculum Redesign）發布由著名高級研究員Dr. Dirk Van Damme主導，課程重新設計中心創始人兼主席Charles Fadel參與撰寫的研究報告——《技術更智能，人類“更愚笨”？——技術如何提升與削弱人類認知及其對教育的意義》（Technologies Smarter, Humans “Dumber”? How Technology Improves and Diminishes Human Cognition and What This Means for Education）。

該研究報告以技術作為認知變革推動者為核心命題，通過對從火、農業到AI等20項重大技術創新的歷史案例研究，系統分析了技術進步對人類認知能力的雙重影響，并提出了認知能力的五層框架和針對性的教育應對策略，最終回應了“技術是否讓人類變‘愚笨’”這一核心疑問。

該研究報告的主要內容概述如下：

一、技術是認知變革的推動者

報告指出，技術不僅僅是工具，更是一種“認知變革的推動者”（epistemic change agent）。技術重新配置了知識的生產、驗證、傳播和使用方式，使得某些知識和技能變得過時，同時也催生了新的能力。

這一創新悖論貫穿人類技術發展史：技術在強化人類特定認知能力的同時，必然會侵蝕另一些能力，而這種認知侵蝕正是技術創新中長期被忽視的副作用。

雖然許多經濟學家和歷史學家已經探討了技術創新史與經濟增長、社會進步以及教育史之間的關系，但他們并未探討技術變革對人類認知的影響。

報告認為，事實上，技術創新會對人類的認知帶來多方面的影響：它改變人類的腦力（mental energy）、記憶與注意力，導致認知卸載（cognitive offload）或外包（outsource）。

認知卸載意味著將人們的思維活動從內部知識轉向外部記憶，即從“知道”轉變為“知道去哪里尋找”，更進一步，技術會取代傳統知識體系（口頭傳承、手工技藝）。

在社會層面，技術重塑權力關系與社會層級（如印刷術使識字精英享有特權），也重新定義了認知合法性（即誰被視為有知識）。

二、技術影響認知的歷史演進、模式及對認知的具體表現

報告通過對從火到人工智能20項技術創新對人類認知影響的歷史梳理發現，每項技術都在規模（scale）、精確度（precision）和持久性（durability）上擴展了人類的知識，同時也削弱舊有的知識和能力、縮小了特定視角（specific perspectives），并重新分配了權威（authority）。

1.技術影響認知的歷史演進

報告指出，在歷史發展的各個階段，技術起到了認知支撐的作用：從史前時期的工具（它們鞏固了身體層面的生存知識）到古典時期的技藝（它們通過書寫和建造將記憶和空間推理外化），再到早期現代時期的體系（它們標準化了時間、表達和可重復性）。

工業階段進一步深化了這種轉變，通過抽象化和自動化勞動，產生了越來越專業化的技術知識形式。相比之下，數字階段標志著一種質的轉變，其中認知本身部分被委托給算法系統。從縱向角度來看，技術變革并非僅僅在于孤立的發明，而是在于知識編碼、驗證和操作化方式的累積性轉變——從隱性的、受情境限制的理解轉向形式化的、計算的和符號的體系，這些體系越來越多地顛覆了人類的認知主體地位。

2.技術影響認知的模式

報告基于歷史分析，提煉出技術影響認知的7種模式，每一種模式都同時包含增益與損失雙重屬性。這7種模式分別為：

知識與能力的拓展與更替——幾乎在所有技術案例中，技術創新都拓展了人類認知和行動的范圍，同時收窄或取代舊有能力。新技術增強了特定的認知能力（預測、抽象、精確、規模化）。但同時也削弱了不再需要的具身知識、情境知識或隱性知識和技能。

認知功能的逐步外化（externalization）——從物質（material）外部化（如火、工具）到符號（symbolic）外部化（如文字、算術），再到機械（mechanical）外部化（如時鐘、印刷機）、數字（digital）外部化（如計算機、GPS）以及當代的生成式（generative）外部化（如能夠產生類似知識性輸出的AI系統），人類不斷將記憶、計算、導航甚至判斷等認知功能轉移給外部工具。

從地方性、受情境限制的知識轉向標準化、可轉移的表征——知識變得可衡量（時間、空間、能量、純度）、可編碼（文本、協議、算法）、可移植，并能跨地域、跨機構移植與互通。

重新定義認知合法性——技術創新重新定義了認知權威，確立了何為證據、真理或能力。權威性從“誰知道”轉變為“哪個系統能給出答案”。

技能退化與再技能之間的循環往復——案例顯示，技能退化并非徹底發生，它具有領域特異性，并且與技能提升相伴而生。從長期來看，低層次的、常規化的技能會下降，而高層次的協調、抽象或判斷技能則會提升。

認知透明度的下降和不透明性及依賴性的增加——知識變得強大，但普通認知者卻難以對其進行審視。在早期的技術創新中，用戶還能看到因果鏈，但在近期的技術轉型中，知識系統卻在界面和算法背后運作。其結果是，系統更容易受到故障、操縱和虛假信息的侵害，專家系統和機構依賴性日益增強，以及能夠質疑系統的人和不能質疑系統的人之間出現了新的不平等。

認知距離及學習時間與空間的壓縮——技術創新不斷壓縮問題與答案、事件與表征、新手與專家表現之間的距離。

3.技術影響認知的具體表現

報告指出，技術的持續演進推動人類認知發生了根本性重構，具體表現為6個方面的顯著變化：

記憶的外化——每項技術都將任務從人類的記憶或感知轉移到外部物品：從火（外包溫暖和光）到書寫（外包記憶），再到數字工具（外包推理和回憶）。

從隱性知識到顯性知識——反復的轉變表明，基于經驗的隱性技能正在被形式化和規范化。例如，口頭傳統被書面記錄所取代，工匠的直覺被可衡量的標準所取代。

抽象化和符號化媒介的興起——創新引入了新的表征系統（書寫、視角、時間測量、計算），促使人類轉向抽象推理和符號操作，而非直接參與。

預測和管理能力的擴展——農業、計時和現代計算等使得對復雜系統的預測和控制成為可能，這強調規劃、建模和預測，而非被動適應。

專業知識的制度化——知識逐漸從社群或手工藝領域轉移到專門的機構（書吏學校、學院、大學、實驗室，以及現在的算法系統）。

標準化和專業化——技能被正式化為學科，通常通過標準化的程序或證書進行驗證。例如透視網格、工程師的計劃、程序員的代碼。

報告同時指出，每一項重大技術創新在帶來增益的同時，也削弱了原來的知識體系。

其中在認知收益方面，技術創新創造了新的認知基礎設施，拓展了思維視野，并使知識得以規模化、形式化或加速傳播，包括：

知識的持久性和可轉移性——從書寫板到云存儲，技術使知識在時間和空間上得以穩定保存，從而促進了文化記憶的累積。

精確性和可預測性——諸如機械鐘表和標準化測量等工具創造了認知可靠性，而這是科學、工程和行政管理的基礎。

認知范圍的擴展——例如，火延長了白晝時間、印刷術擴大了識字范圍、AI擴展了分析規模等，這其中的每一項都拓展了人類的認知邊界。

民主化和溝通——許多技術降低了準入門檻（例如，字母表、印刷術、智能手機），使更多人能夠參與知識創造。

整合與協調——從時區到網絡數據系統等的創新提高了集體同步性，從而促進了共享認知基礎設施的形成。

在損失方面，主要表現為技術創新簡化并窄化了人與世界的互動，往往導致具身知識、隱性知識或生態知識的脆弱性或喪失：

具身知識、隱性知識和地方知識的流失——走向抽象每一步都會降低人們對情境性、生態性或身體性知識的敏感性。例如，覓食者的生態系統、工匠的手工藝、航海者的直覺。

認知依賴和技能退化——將任務外包給工具（記憶外包給書寫、導航外包給GPS、推理外包給AI）會削弱主動認知能力和適應力。

認知權威的集中化——對新知識媒介（如抄寫員、印刷商、工程師、數據科學家）的掌控，會集中認知規則的制定權，并固化特定知識體系的合法性。

還原論和過度簡化——量化、標準化和算法思維會過濾掉細微差別，因為這將導致優先考慮那些可以測量或編碼的內容。

疏離與脫節——用媒介取代集體或具身實踐（例如從家庭聚會到電子屏幕），會造成社會和認知上的疏離。

三、技術影響認知的四大核心主題

在眾多影響中，報告特別強調了四個反復出現的、對教育尤為關鍵的四個認知挑戰。

1.注意力

報告指出，注意力是有限且需主動投入的核心認知資源。但如今，數字技術通過算法推送、無限滾動、自動播放等設計日益加劇注意力碎片化，而即使忽略也會造成認知負擔。研究表明，頻繁進行多種媒體操作與持續注意力的下降以及更易受到干擾有關。

但報告同時指出，技術對注意力的影響并非全負面，其影響的程度取決于具體的應用方式而非技術本身。例如，部分特定形式數字活動（如視頻游戲）可提升某些認知功能，包括工作記憶、任務切換和注意力控制。

2.認知卸載

報告指出，在技術進步中，認知卸載（即將記憶、推理和注意力從人類大腦轉移到外部輔助工具上）是最顯著的反復出現的現象之一。其本質是通過行動或外部工具降低任務的認知需求，例如設置日歷提醒、云端存儲筆記、使用GPS導航等，其核心是在內部認知資源與外部工具之間進行策略選擇。

報告認為，認知卸載本身不應視為問題，它是技術進步的重要成就，減輕了機械計算、空間推理等認知負擔，是現代社會正常運轉的基礎。即認知卸載是人類的天然能力，技術只是將其放大而非創造。但認知卸載的成本同樣不容忽視，過度依賴外部工具會阻礙信息進入工作記憶與長期記憶存儲，甚至可能阻礙學習者利用技術將信息外化。

3.隱性知識

報告指出，每一次技術突破在提升抽象思維與精準度的同時，往往會以隱性知識、具身知識、本地知識與經驗知識的流失為代價。從口頭文化向書面文化的轉型削弱了記憶與即興創作能力，工業化取代了手工技藝，而數字技術正自動化直覺與模式識別能力。

但隱性知識本身也是技術創新的核心驅動力。例如，研究表明，漸進式創新與突破性創新都高度依賴團隊內部的隱性知識交流等。

與此同時，新的技術環境也在催生新形式的隱性知識，駕馭復雜數字系統、解讀算法輸出、在混合環境中協作等能力，都需要基于經驗的判斷，這類知識同樣難以完全編碼化。

4.適應性

報告指出，縱觀技術變革的歷史，人類社會始終面臨著適應工具、任務與工作形式變化的挑戰，而在AI驅動的當代，這一挑戰愈發嚴峻。快速迭代的工具、不穩定的任務邊界與普遍存在的不確定性，要求個體必須實時調整策略、持續更新能力，適應性（根據環境變化靈活調整思維與行為的能力）由此從邊緣的“軟技能”轉變為核心的認知技能。

實證研究表明，適應性與就業能力、心理健康以及在動態環境中有效參與的能力密切相關。適應性也并非一成不變，有效的適應能力取決于既能保持穩定性又能具備變化性的環境，并且這種環境要允許進行修訂。

四、認知能力的五層框架與教育啟示

報告從技術變革作為認知推動者的視角也分析了技術對教育的影響，認為技術創新從未只是為教育增添新工具，而是重構了知識生態本身——改變了哪些人類能力得以發揮、哪些能力被取代，以及哪些能力變得至關重要。當代關于智能手機、AI在教育中應用的爭論，與早年對計算器、計算機、大眾媒體的擔憂一脈相承，而歷史經驗表明，教育的核心挑戰并非應對技術新奇性，而是實現認知發展的重新平衡。

為此，報告提出了一個五層認知能力框架，區分了不同類型的人類認知能力，它們受技術變革的影響程度與方式各不相同，其目的不是組織教育抵制技術，而是幫助教育系統決定哪些必須保留、哪些可以委托、哪些應該加強以及哪些必須重新教授。同時報告針對技術影響認知的7種模式與4大主題，從教育實踐與政策層面提出了應對策略。

1.五層認知能力框架

第一層是基礎人類能力，包括注意力調節、記憶形成、時空定向、因果推理與語言理解等，這些能力具有生物學基礎，通過發展獲得，是所有高階學習的根基。

從歷史上看，這類能力最易被技術替代，由此也減少了我們在日常生活中運用基礎能力的需求。當這些能力減弱時，無論課程內容的質量如何，更高層次的學習都會變得脆弱不堪。

從教育的角度來看，這些能力是無法被替代的。即使技術可以在功能上替代這些能力，它們對于理解、判斷、錯誤檢測以及自主性而言仍然是必不可少的。那些不再需要通過記憶、集中注意力或進行推理來發揮作用的學習者，可能仍需要這些能力來評估信息、解決系統之間的沖突，或者在技術支持失效時負責任地行事。因此，教育具有保護和發展的作用：它必須有意地培養那些技術環境無法可靠訓練的基礎能力，如無設備閱讀與回憶后進行簡短反思寫作，通過這種方式強化注意力、編碼與理解能力。

第二層是程序性與工具性技能，如計算、轉錄、分類、檢索、執行標準化流程等常規化技術，這類技能歷來是自動化的主要目標。與基礎能力不同，程序性技能通常可以安全委托，其自動化往往推動社會與經濟進步，但技術也可能導致技能退化——如果學習者跳過實踐環節，從未形成技能熟練度與錯誤敏感性，就會影響認知發展。

教育的風險存在于兩個極端：一方面，過早或無反思的卸載會削弱概念理解，因為學習者可能從未真正理解程序的功能與原理；另一方面，過度保留過時程序則會擠占高階學習空間，將落后技能變為學習障礙。

因此，教育應采取策略性自動化，在程序性實踐支持概念理解與獨立能力的地方予以保留，同時利用工具減輕不必要的認知負荷，例如讓學生先熟練掌握方程求解，再使用計算器或計算機代數系統拓展問題探索范圍。

第三層是概念與結構理解，指掌握底層原理、因果機制、系統、模型與抽象概念，包括系統思維、解釋性推理、跨情境遷移、將表征與現實現象關聯的能力。歷史經驗表明，只要教育系統能夠適應，技術往往會拓展而非削弱這一能力。

隨著常規程序的自動化，教育有機會更深入地聚焦結構、解釋與闡釋，但現實中教育系統常常錯失這一機會，仍將程序性精通作為嚴謹性的替代指標。歷史教訓明確顯示，工具越強大，教育就越應追求深度而非速度或數量，概念理解成為持久能力的核心。

因此，教育應將概念解釋與遷移作為主要增長目標，明確從追求正確輸出轉向理解系統與推理過程，例如讓學生解釋數學程序的工作原理并應用于新問題，通過這種方式證明他們掌握的是結構而非單純的步驟。

第四層是整合性意義建構，最終指向跨領域專長與智慧，涉及跨情境知識連接與遷移：構建結構化廣度、識別深層模式、跨領域應用框架、為復雜問題選擇合適概念視角。生成式系統能在特定領域產生合理輸出，但人類在設定方向、跨學科整合知識、進行原則性權衡、檢測類別錯誤、將洞見遷移到新情境等方面仍至關重要。

技術可以通過提升跨領域信息可及性、生成替代框架提供支持，但如果學習者依賴表層總結而非構建連貫模型，也可能催生淺層化、過度泛化的思維。因此，教育應著力培養跨領域遷移與結構化廣度，幫助學習者建立學科間的思維“橋梁”，發展跨系統推理能力，例如讓學生使用相同的反饋循環模型比較氣候、健康與金融系統，證明其識別模式、構建跨學科一致性的能力。

第五層是認知元能力（epistemic meta-competence），也是當代語境中最關鍵的一層，包括評估知識主張、判斷來源與出處、檢測錯誤與偏見、校準信任、監督技術系統輸出等能力。這一層級監控所有其他認知層級，處理不確定性、可靠性與問責問題，是AI時代需求最突出的能力（如驗證、校準、認知警惕）。

認知元能力具體包括：監控與調節自身知識實踐、校準信心與不確定性、決定依賴工具還是內部推理、理解錯誤模式與責任歸屬、監督AI支持的認知過程等。

隨著技術日益復雜與不透明，認知權威逐漸從直接人類經驗轉向工具、基礎設施與算法，每一種重要信息技術都對這一層級提出了新要求：印刷術需要來源批判，攝影術需要視覺素養，互聯網要求信息評估，社交媒體強化了橫向閱讀，AI則需要用戶判斷流暢但可能不可靠的輸出。

在生成式AI時代，認知元能力成為核心能力，支撐著認知治理——核心分歧不再是使用或不使用先進工具，而是能否批判性地協調工具與自主判斷。

因此，教育必須將認知判斷作為核心公民技能明確教授，將驗證、溯源、可靠性推理融入各學科教學，例如讓學生使用原始資料事實核查AI生成的答案并論證其可信度，通過對比輸出與可信證據，識別差距或錯誤，解釋接受、修訂或拒絕該主張的依據。

2.歷史模式與核心主題的教育應對

針對技術影響認知的七大歷史模式，報告從教育實踐與政策層面提出了以下應對策略。

擴張與收窄模式——教育實踐應補償被侵蝕的能力，政策層面需避免窄化技能的相關政策；

認知外部化模式——教育實踐應將焦點轉向監督能力培養，政策需加大對高階技能的投入；標準化知識模式——教育實踐要教授模型的局限性，政策需平衡標準化與多樣性；

認知權威重構——教育實踐應解釋權威的產生機制，政策需強化透明度要求；

選擇性去技能化——教育實踐要引導技能向上重構，政策需支持轉型期的能力銜接；

認知不透明——教育實踐應培養警惕性與核查能力，政策需建立系統韌性與保障機制；

時間與學習的壓縮——教育實踐應在必要時放慢學習節奏，政策需保護深度學習與反思的空間。

報告指出，從政策視角來看，單純聚焦“未來技能”或工具特定能力的策略存在結構性缺陷，政策制定必須關注技術如何重塑社會層面的認知分工、權威分配與風險分布。

這就要求加大對評估、監督、錯誤檢測等高階能力的投入，同時在日益加速、壓縮的知識環境中，為深度學習、反思與鞏固保留時間與空間。

政策制定者還需預判轉型的不均衡性與新形式的不平等——選擇性去技能化與認知不透明往往會讓概念能力與元認知能力更強的群體受益，因此透明度要求、課程改革、教師專業發展、評估體系重構與畢業考核等，都不是邊緣問題，而是構建認知韌性的核心杠桿。

歸根結底，教育政策無法保持技術中立，必須主動塑造社會理解、質疑與治理所依賴的技術系統的能力。

針對注意力、認知卸載、隱性知識、適應性這四大核心認知主題，報告認為教育領域需明確風險、制定核心應對策略并落實到實踐與政策中，其中：

注意力面臨的核心風險是碎片化降低持續專注與深度學習能力，教育的關鍵應對是將注意力視為可訓練的能力，實踐與政策層面應設計無干擾的學習環境；

認知卸載的主要風險是過度依賴外部工具削弱內部編碼與推理能力，教育需教授審慎依賴和元認知控制能力，實踐中應融入信息素養、反思與人工智能監督教學；

隱性知識面臨的風險是具身與經驗知識的流失，教育應通過實踐與具身學習強化隱性知識，實踐與政策需拓展體驗式與學徒制教學；

適應性的風險是靜態技能在快速變化中失效，教育應培養靈活性與學會學習的能力，實踐與政策層面需重視過程評估并支持終身學習。

五、研究結論

報告最后明確指出，技術是否讓人類變“笨”？答案是“既是也不是”。人類是否因技術變得“更笨”，并非取決于神經層面的原始認知容量，而在于認知工作在大腦與工具之間的分配方式。技術創新既沒有讓人類整體變得更聰明，也沒有使其更笨，而是重構了認知勞動的分布——在人類、人造物、機構與基礎設施之間重新分配認知任務。

現有證據并未顯示人類基礎認知能力存在普遍衰退，而是呈現出復雜的權衡模式：部分技能弱化的同時，另一些能力得到增強，或被委托給技術工具。

首先，從大規模智力數據來看，尚無證據支持人類認知能力全球衰退的觀點。其次，數字技術確實在重塑人類的注意力、記憶與問題解決策略，無處不在的數字設備可能給日常認知帶來“認知負荷稅”。

但與此同時，技術更多地表現為認知卸載——改變信息的存儲與處理位置，而非降低認知容量。例如，當人們預期信息可通過數字工具獲取時，會更傾向于記憶信息的位置而非內容本身，這并不意味著智力下降，而是記憶策略從內部存儲轉向外部資源。

總而言之，沒有足夠證據表明技術讓人類變“笨”，數字環境只是在重構認知生態：部分傳統技能可能衰退，但信息導航、協作、工具中介問題解決等能力得到了拓展。政策與教育的核心挑戰，不是抵制智能技術，而是設計能夠培養深度注意力、批判性推理與元認知控制的社會與學習環境，引導人們合理把握認知卸載的時機與方式。

報告同時指出，平衡認知增強與削弱，并非單純的技術問題，而是設計、教育與治理的綜合性挑戰。歷史經驗表明，技術帶來的每一項重大認知增益都伴隨著可預見的權衡，因此核心任務不是最大化增強或最小化技術使用，而是進行有效的認知分配管理：明確哪些認知功能可以委托給技術，哪些必須保留給人類，以及教育與機構如何補償日常生活中不再能自然訓練的認知能力。實現這種平衡可以通過四大互補杠桿：

第一，區分委托與放棄。技術增強認知的前提是，將常規、高負荷、易出錯的操作（如計算、檢索、起草）委托給工具，同時保留人類對解釋、判斷與目標設定的控制。認知削弱往往發生在委托淪為放棄——個體不再發展理解或監督委托輸出所需的概念、注意力與經驗能力。有效的平衡需要選擇性卸載：利用工具減輕認知負荷，但不消除內部模型構建、實踐與反饋的機會。

第二，保護非委托型人類能力。注意力調節、記憶形成、時空定向、具身感知、直覺判斷等基礎能力，無法通過技術替代自動保留。由于現代環境不再能可靠提供這些能力的訓練條件，教育與工作必須刻意創造實踐機會：設計支持持續注意力的學習環境，要求學習者內化關鍵結構而非僅依賴檢索，在涉及默會知識時保持具身、動手參與。

第三，教育重心向上轉移。隨著技術日益自動化程序性技能，這些技能的教育價值不再在于執行本身，而在于對原理的理解。最大化認知增強需要教育重新分配精力，聚焦概念與結構理解（模型、系統、因果推理）與認知元能力（評估來源、檢測錯誤、監督自動化系統、判斷信任邊界），讓學習者既能受益于技術力量，又不淪為認知依賴。

第四，培養技術的適應性與反思性使用。平衡是動態而非靜態的，工具演進會帶來新的削弱風險，因此個體與機構需要具備適應性與反思能力：監控技術對認知的影響，重新校準實踐方式，必要時重新內化技能。這包括教導學習者反思自身依賴模式，設計重視過程與判斷而非僅關注速度的評估體系，以透明、可質疑、保障人類問責的方式治理技術。

報告指出，歸根結底，平衡的實現不是通過抵制技術，而是讓委托與人類發展相協調——利用技術拓展認知邊界，同時通過教育、機構設計與政策選擇，主動維系讓這種拓展具有意義、可靠性與人文性的內部認知能力。

資料來源：

Van Damme, D. (2026). Technologies Smarter, Humans “Dumber”? How Technological Advances Improve and Diminish Human Cognition and What This Means for Education. Boston, MA: Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/Technology-Smarter-Humans-DumberQ-CCR.pdf

[本文為教育部國別和區域研究基地中國教育科學研究院國際教育研究中心成果]

本文由“教育國際前沿”課題組成員整理，課題組負責人張永軍，編輯劉強。點擊左下角閱讀原文可下載該文獻。