一、实验分组方案

本实验采用受试者内设计（Within-subjects Design），即每位受试者都将经历以下六种情境，以消除个体能力差异的影响。任务类型统一设定为“高认知密度的逻辑论证撰写”

1. G1， Human-only (控制组)

   受试者独立完成任务，无任何 AI 辅助 。

2. G2，Human generate + LLM judge (评估模式)

   受试者撰写初稿，LLM 仅给出评分和批判性意见（不修改），受试者根据意见自行决定是否调整 4。

3. G3，Human generate + LLM refine/rewrite (润色模式)

   受试者撰写逻辑架构和初稿，LLM 负责语言润色、结构重组或补全论据 。

4. G4，LLM generate + Human refine/rewrite (二次创作模式)

   LLM 生成初稿，受试者在草稿基础上进行深度的修改、重组和事实核查。

5. G5，LLM generate + Human judge (审核模式)

   LLM 生成最终结果，受试者仅作为“QA/验收员”进行审核，选择采纳、否定或从多个选项中挑选。

6. G6，LLM-only (基准组)

   完全由 LLM 独立生成，无人类干预，用于对比任务表现的绝对上界 8。

二、 实验数据统计表

1. 任务完成情况

衡量 LLM 是否实现了“解放人类” ，即帮助人类完成任务的效率、质量和对人类认知资源的占用情况。

• 剩余认知资源 (Secondary Task Reaction Time)：

  • 学术定义：通过“双任务范式”，测量受试者对次要随机刺激的反应速度。
  • 实验意义：反应越快，说明主任务占用的认知带宽越少，证明 LLM 确实降低了人类的“执行层”负担 。

  双任务干扰范式（Dual-Task Paradigm）

  这是心理学研究认知资源分配的经典工具。受试者在进行“主任务”（如与 LLM 协同撰写论证链 ）的同时，需对随机出现的“次任务”（如听到蜂鸣声按键）做出反应。

  如果 LLM 真正解放了人类，人类在次任务上的反应时（Reaction Time）应缩短；

2. 维度二：对人类能力的影响

说明：该表旨在探测“重塑能力结构”的风险，分析人类是否在特定模式下放弃了核心认知环节,如逻辑构建、批判性思考。

P300和ERN 是和单次事件强绑定的波形（事件相关电位ERP），主要看振幅；事件发生后有明确的振幅改变时间点，振幅有清晰含义；

• P300的振幅：
  • 学术定义：在大脑识别到任务相关的重要刺激后约 300ms 产生的正向电位。
  • 物理意义：代表大脑对信息的注意资源分配和上下文更新强度， 振幅越高说明认知参与程度越深
  • Example：若 G5 (Judge) 的 P300 显著低于 G1/G3，说明人类仅验收时并未深入加工逻辑，印证了“失去构建底层认知结构机会”的假设 。