摘 要 人们频繁地使用互联网进行信息搜索，但少有人意识到互联网搜索的高流畅性与高援助性会导致个体错误地将互联网搜索得到的外部信息当成自身的内部知识，高估未来在无互联网信息帮助时的表现。从元认知视角出发，探讨了互联网搜索如何诱发过分自信，并对当前用于降低互联网搜索导致过分自信的干预手段进行了总结。未来研究可进一步考察个体层面变量对该现象的调节作用，也可关注搜索信息的类型对过分自信的影响，以及搜索工具特征对个体认知偏差的影响比较。
关键词 互联网搜索；过分自信；流畅性；援助性
分类号 B849
DOI：10.16842/j.cnki.issn2095-5588.2025.08.007
1 引言
认知活动被认为是内部和外部操作的结合（Clark amp; Chalmers， 1998），人类通过将脑力活动外包实现“卸载”以缓解思维的局限性（Risko amp; Gilbert， 2016），如借助笔记本、日历和备忘录等工具来外包记忆任务（Block amp; Morwitz， 1999; Intons-Peterson amp; Fournier， 1986），或通过“认知劳动分工”提升自己的认知能力（Kitcher， 1990）。人们通常会与他人形成“交互记忆系统”来处理与记忆信息有关的脑力劳动，以实现信息存储的分工合作（Wegner， 1987）。共享认知系统使人们获得更多知识、突破自身思维的限制，取得更高水平的成就（Sloman amp; Fernbach， 2018）。人们将他人知识融入自己头脑的现象揭示了个体认知的非独立性，表明思考、记忆等认知过程通常是与他人协同的，是内部认知和外部认知相互作用的结果（Rabb et al.， 2019; Sloman amp; Fernbach， 2018; Wegner， 1987）。
个体参与交互记忆系统时，可能会高估自己所拥有的信息量，产生“知道的感觉”（Koriat amp; Levy-Sadot， 2001）。研究发现，如果个体借助外界帮助完成知识测验，即使是不可靠的帮助，人们也会因模糊了自己与合作伙伴的贡献而高估自己的表现（Fisher amp; Oppenheimer， 2021a， 2021b）。获得人工智能（artificial intelligence， AI）帮助与获得人类帮助均可引发过分自信，但程度均低于互联网搜索后的过分自信（Fisher amp; Oppenheimer， 2021b），反映了互联网搜索在导致过分自信方面区别于其他外包工具的独特影响。在线环境不仅为人们提供了更多求助机会（Mckerlich et al.， 2011），也让人们无需面临求助他人时的诸多思考。即使是在需要且可以获得协助时，人们也会因为求助他人可能体现无能而拒绝求助（Lee， 1997）、预计无法回报所受恩惠而放弃寻求和接受协助（Greenberg amp; Shapiro， 1971）、低估受助请求得到接纳的可能性而回避求助（Flynn amp; Lake， 2008）。求助互联网与求助人类存在的巨大差异可能导致人们在求助互联网时产生更高水平的过分自信（Ward， 2021）。
互联网因其内容广度与搜索即时性均远远超过人类伙伴所能够提供的帮助，使我们的大脑更容易适应（Ward， 2013）。人们越来越习惯于将认知任务外包给互联网，依靠互联网来存储实际信息（Sparrow et al.， 2011），而使互联网成为交互记忆系统的组成部分，降低人们对传统的人际交互记忆系统的依赖程度（Fisher et al.， 2015）。在互联网上检索信息更容易导致用户错误地将存储在他们自己头脑之外的互联网知识当成自己的知识，产生更高程度混淆（Ward， 2013），表现为过高的自我评估，认为自己的能力高于平均水平（Fisher et al.， 2015; von Hoyer et al.， 2022; Ward， 2021）。使用互联网搜索进行学习的个体与直接获得学习材料的个体相比，更加高估自己的学习量，并认为未来无法获得帮助时也能完成任务（Eliseev amp; Marsh， 2023; Fisher et al.， 2015， 2022）。
在认知心理学领域，元认知校准是衡量个体对自身认知水平判断准确性的重要指标。当个体高估自身学习量、信息储备量或在无帮助条件下完成任务的能力时，说明他们的元认知校准出现了错误。依据代涛涛等（2014）对过分自信的定义，此类高估是个体对自身绝对水平的过高估计，是过分自信的典型表现。相较于低估自身能力的不自信倾向，过分自信在人类决策中更加普遍和稳定，因而在元认知与实际表现结合的校准类研究中，通常重点关注过分自信现象（毕研玲， 2019; Leman et al.， 2023; van Loon et al.， 2013），亦有研究尝试从修正过分自信角度探索改善元认知校准的路径（Garbayo et al.， 2023）。
在互联网技术深度渗透现代生活的背景下，互联网搜索已成为人们获取信息的重要方式。然而，这种技术依赖却带来了新的认知挑战：一方面，人们借助互联网搜索提升工作效率；另一方面，频繁使用该技术削弱了个体的内部认知能力，使某些认知功能逐渐被人工智能替代（Grinschgl amp; Neubauer， 2022）。尽管已有研究指出，互联网搜索会降低元认知准确性，导致过分自信，但目前学界尚未对这一现象展开系统、全面的整合性分析。鉴于此，本文将总结互联网搜索导致过分自信的原因及干预方法，以期为互联网及相关智能技术的合理应用与优化升级提供理论基础。
2 互联网搜索导致过分自信的原因
当人们依赖不正确或不完整的信息，或不适当地应用信念或启发式作出判断时，就会导致误判（Finn amp; Tauber， 2015）。互联网搜索引发的过分自信可借助Nelson和Narens（1990）提出的元认知模型进行解释。该模型将认知系统划分为两个层次：对象层（object-level）负责执行认知任务，元层（meta-level）则负责监控对象层的状态，并根据监控结果调节认知活动。两层之间通过监控和控制形成双向联结。当元层根据不准确或被误导的线索误判对象层状态时，就会出现元认知校准偏差。本部分将从互联网搜索的高流畅性和高援助性两方面，探讨其如何通过干扰元层的监控过程，引发个体对自身知识掌握状态的过分自信。
2.1 高流畅性
流畅性是个体对加工信息难易程度的一种主观体验（Alter amp; Oppenheimer， 2009; Sah et al.， 2021）。具体而言，高流畅性会影响个体对对象层信息加工状态的感知，使其在元层上误以为掌握状态良好，出现监控错误，从而产生对未来表现的高估。人们常常错误地使用流畅性作为判断标准（Unkelbach， 2006）。流畅性可能通过影响个体对自身能力的判断引发校准错误，相关研究主要关注其对学习判断的影响，即人们对当前学习过的项目在随后测试中的学习表现的预测。这种预测基于学习者在学习中获得的信息（陈功香， 傅小兰， 2004; 潘溪等， 2021），而流畅性是影响学习判断及其准确性的重要因素（陈颖等， 2019; Besken amp; Mulligan， 2014）。研究发现，相比于高流畅性材料，学习者对低流畅性材料给出的学习判断更低，这会促使学习者更关注低流畅性的学习材料，进而提高学习绩效，该现象被称为“非流畅效应”（潘溪等， 2021; Lehmann et al.， 2016）。人们的自信程度也随决策流畅性发生变化，尤其在初学者阶段，流畅性是过分自信的显著预测指标（Sanchez amp; Dunning， 2020），无论答案正确与否，人们对快速检索到的答案更有信心（Nelson amp; Narens， 1990）。
学习或检索过程中的流畅经验与流畅信念可以导致个体的认知错觉，如对课程材料的理解或者即将到来的考试表现得过于自信（Finn amp; Tauber， 2015）。有研究者认为，互联网搜索作为高流畅性学习方法，模糊了内部认知与外部认知的界限，使人们难以准确区分通过互联网搜索获取的信息与内部记忆信息，进而认为自己掌握了实际上并未掌握的新知识（Fisher et al.， 2015; Ward， 2021）。这种混淆源于个体将访问在线信息的流畅性等同于回忆信息的容易性，从而乐观地认为未来没有互联网帮助的自己也能表现得很好（Stone amp; Storm， 2021）。Eliseev和Marsh（2023）研究发现，在线搜索本身以及搜索框自动生成的与搜索话题相关的热点内容也会增强个体对自身知识的信心，这一效应可归因于搜索流畅性提升了个体对网页内容的熟悉性感知，进而引发解释深度错觉。持续且即时获取互联网信息的便利性会加剧这样一种倾向：即便在无法联网的情况下，人们仍会对自己解释复杂信息的能力过分自信（Hamilton amp; Qi， 2023）。除认知混淆与解释深度错觉外，还可从主观认知偏差角度分析流畅性的效应。作为个体判断问题难易程度的重要指标，高流畅性的材料使个体错误地认为学习材料是简单的，而在判断时，这种错觉会导致个体仅关注成功完成任务的正面证据。在毕研玲（2019）提出的主观忽视导致过分自信的视角下，流畅性可能导致个体忽视对无援助可能导致失败这一问题的思考，缺少对相关证据的搜索而高估自身能力。
由以上论述可知，互联网搜索具有用时短、操作简单等特点，其信息获取的流畅性显著高于寻求他人帮助。搜索行为中的高流畅性作为一种外部刺激信号，被元层误判为内部掌握良好，从而触发监控误判与调节失当（Nelson amp; Narens， 1990），使个体对自身能力产生过分自信。
2.2 高援助性
除了流畅性，互联网的另一特征——高援助性（即其信息的丰富性与高可访问性）也会显著影响元认知监控的准确性。在Nelson和Narens（1990）的模型中，元层需通过感知对象层的加工状态来作出判断，但提供高援助性外部支持可能使元层误把外部信息当作内部掌握，进而产生监控偏差，最终表现为对知识水平的高估。
互联网于人类而言是一种强大的技术援助，其专业性毋庸置疑，随着科技进步，其可访问性在众多地区已经逐步实现了自由，人们可以随时随地获得互联网的帮助。然而，互联网搜索的高援助性会影响个体的元认知校准（Fisher amp; Oppenheimer， 2021a）。一方面，过分自信源于互联网搜索提供的丰富信息。在搜索中获得的信息越多，人们越相信他们所选择的错误答案是正确的（von Hoyer et al.， 2022）。即使仅呈现搜索结果，在阅读搜索结果列表及最终答案后，人们产生的自我评价结果与搜索得到答案的被试一致，即对搜索结果的模拟产生了与真正搜索相同的结果（Eliseev amp; Marsh， 2023）。以上结果说明人们的过分自信提升源于搜索结果的丰富性，而非搜索行为本身。另一方面，相较于其他援助方式，互联网搜索具有更易访问的特性。当使用纸质材料进行学习时，人们对他们所掌握知识的估计比在互联网上学习时更准确（Ackerman amp; Goldsmith， 2011），与搜索内容无关的网页内容（图片）也不会提升人们的自我评价（Eliseev amp; Marsh， 2023）。纸质材料因其不便随时携带与回顾，迫使个体主动编码信息，对知识的评估更准确；而互联网的即时可检索性使个体依赖外部存储，误将“随时能查”等同于“已经掌握”，导致其高估自身知识水平。以上研究表明，互联网的高援助性会使元层在监控过程中“错读”对象层的实际掌握状态，表现为对自身认知能力的系统性高估。
3 对互联网搜索导致过分自信的干预方法
互联网作为当今学习与生活不可或缺的外部援助，目前对于提升其使用过程中元认知准确性的干预主要从降低其流畅性入手。在线搜索通常快于内部知识搜索，降低其流畅性可以帮助人们更好地认清自身知识的局限性。目前降低互联网搜索流畅性的主要方法为搜索前先思考与延迟呈现搜索结果。
3.1 搜索前先思考的作用
互联网的高流畅性容易导致个体将外部知识错误地归因于自身已有的知识，进而引发过分自信（Ward， 2021; Storm et al.， 2017）。这一现象产生的原因是互联网完成外部搜索的速度比人脑完成内部搜索的速度快（Ward， 2021; Storm et al.， 2017），在个体搜索自己的内部资源之前就回答了问题，导致人们无法意识到内部搜索可能会一无所获，错误地认为自己“本来就知道这些信息”（Fisher amp; Oppenheimer， 2021a）。人为设置的搜索前思考环节给人们提供了认识自身知识局限性的时间，可以减少其对知识来源的错误归因。
在Fisher和Oppenheimer（2021a）的研究中，研究者给被试呈现问题后，让部分被试根据自身需求决定是否通过按键来申请主试提供提示。结果发现，与那些呈现问题后立即获得帮助的被试相比，按键条件下的被试对未来无帮助情况下自身表现的评估更加准确。在Ward（2021）的研究中，研究者让部分被试看到一般性知识问题后先写出一个自己的答案再使用谷歌进行搜索，发现与那些看到问题后直接搜索的被试相比，先写答案再搜索的被试对自己未来表现的评估更加准确，而直接搜索的被试对自身能力产生了过高评估。此外，要求搜索者花费20秒将问题输入到指定的搜索框内甚至会使其过分自信降低至比无搜索条件更低的水平（Hamilton amp; Qi， 2023）。
从认知过程来看，先思考迫使个体激活内部认知系统，无论是“思考是否需要申请提示”、“写出一个答案后再搜索”，还是“花费20秒将问题输入到指定的搜索框内”，都要求人们或允许人们在获得帮助前先进行内部搜索，使个体有机会明确自己的内部知识是否足以解决相应问题。若外部认知被默认使用，人们就不需要评估自己的能力，也就缺少评估任务难度的内部线索。正如Alter等（2010）为解释深度的错觉所举的拉链的例子一样，人们通常认为自己对拉链为何能够闭合有清晰的认识，但是当在被问及其具体的工作原理时，他们会发现自己对这件事物的理解存在认知局限。只有通过尝试进行内部检索，人们才能对自己在没有外部帮助的情况下的表现有更清晰的认知（Alter et al.， 2010）。这种内部知识检查是抑制过分自信的关键，它促使个体区分外部知识与内部知识，避免将外部知识误判为自身知识。元认知和自我调节学习理论认为，知道没有完全理解是深化学习的第一步（Nelson amp; Narens， 1990; Winne amp; Hadwin， 1998），而“先思考”正是促使个体认清自身理解局限性的手段。
互联网信息呈现速度远超人类内部检索的效率，导致思考前得到答案成为常态。当用户输入问题后，搜索引擎的毫秒级响应会直接让个体跳过思考环节，导致个体无法感知内部检索失败的过程。人为设置搜索前思考环节，本质上是为个体提供暴露其认知局限的时间窗口，使个体更准确地识别知识的来源，减少将外部知识归为内部知识的可能性，最终降低对自身能力的高估。
3.2 延迟呈现搜索结果的作用
Fisher和Oppenheimer（2021a）的研究表明，在一般性知识问题的解答中，延迟7秒获得答案提示的被试，其过分自信程度显著低于即时获得答案提示（无延迟）的被试，证实延迟援助可以缓解被试因援助而产生的对自身能力的过分自信。Ward（2021）进一步将这一结论拓展至互联网场景。该研究发现，使用将搜索结果延迟25秒出现的修订版谷歌的被试与那些使用正常版谷歌的被试相比，对自身知识的过分自信程度更低。
一方面，从元认知线索理论及相关实证研究看（Fisher amp; Oppenheimer， 2021a; Koriat， 1997），即时援助剥夺了个体评估自身能力的关键线索。即刻获得帮助的被试在对自身能力进行评估时，由于未在互联网搜索过程中完成自我评估，他们只能根据任务成功完成这一线索开展回溯性自评。而延迟则提供了额外的元认知线索：人们在延迟期间不得不面对未完成任务的状态，这种负面体验成为重要的元认知线索，使个体意识到其内部知识与互联网搜索结果之间的差异，进而有效抑制了过分自信（Chu et al.， 2019）。
另一方面，呈现互联网知识前的延迟使用户在搜索结果出现前处于等待状态，而自发地对搜索的内容进行思考，即尝试基于内部知识回答问题。这种主动思考行为使个体有机会获取内部元认知线索，并因此认识到自身能力与完成任务所需能力之间的差距。这一机制可进一步通过教育场景中的沉默来佐证（Stahl， 1994）。教师在提问和学生完成回答后进行超过3秒的沉默有助于学生和教师处理相关信息，而后采取相应的行动。行为主体未能在其所习惯的1.5秒内得到进一步反馈（Stahl， 1994），可能被迫对已经得到的信息开展进一步分析，从而获得了更多元认知线索而降低过分自信。但目前对于延迟多长时间或先思考到何种程度足以使搜索者认识到知识来源的外部性，相关研究仍显不足。
4 总评与展望
用于认知支持的现代技术正在迅速发展并日益普及，人们对通过人工智能获取知识的需求大幅增强，因此，理解知识外包的影响具有重要意义。在数字时代，互联网是人们日常认知不可或缺的合作者。搜索工具使人们通过“点击”便能获取广泛领域的知识，智能算法在个体尚未深入加工问题前就提供答案，虽提升了信息获取效率，却因其高流畅性与高援助性，导致人们对知识归属产生误判，出现虚假的熟悉感。这种元认知误判也可能存在于其他实际环境中，如导航应用。依赖外部帮助完成任务后，人们往往高估自身在其中的贡献与能力，错误判断自己无需帮助也能胜任。互联网搜索导致过分自信的现象，对人工智能等技术应用具有重要的理论与实践意义，不仅拓展了人类与智能技术交互机制的理解，也有助于优化其设计与使用，使其更好地服务于人类。为进一步揭示新技术与过分自信之间的关系，并在提升人类效能的同时降低潜在误判风险，未来研究还可在以下方面深入探索。
4.1 个体水平变量的调节作用
互联网搜索和过分自信之间的关系可能受到多种个体水平变量的调节。全面认识这些因素，有助于深度理解其作用机制，并为干预策略的开发提供依据。已有研究表明，性别、人格特征、搜索频率与社会阶层等因素均有可能在互联网搜索与过分自信之间的关系中起调节作用，未来研究可进一步加以检验。
首先，性别差异显著影响过分自信，男性比女性的过分自信程度更高（Barber amp; Odean， 2001），未来研究可以探讨互联网搜索背景下，性别在互联网搜索导致过分自信中的作用机制。其次，依赖直觉者更倾向频繁搜索（Barr et al.， 2015），这可能使他们更容易高估自己的知识与能力。Storm等（2017）指出，在线搜索的使用会增强未来搜索的频率，高频搜索者可能会存在更强的过分自信倾向。未来研究可探讨直觉依赖性如何调节互联网搜索与过分自信之间的关系。此外，高社会阶层个体有更高的过分自信（Belmi et al.， 2020），除代际传递等因素的影响外，也可能源于其接触互联网搜索及相关工作的机会更多，有更丰富的互联网使用经验。未来研究可从高社会阶层的互联网使用情况出发，进一步解释其过分自信成因。
4.2 搜索信息的类型对过分自信的影响
关于互联网信息搜索导致过分自信的已有研究中，研究材料主要集中在一般性知识性问题上（例如，“世界上最小的鲨鱼是什么？”），这些问题基于一般事实，通常具有唯一答案，且互联网提供的答案可靠程度较高。研究表明，人们在网上搜索这些基于事实的信息后，倾向于将搜索结果误认为是自身思考的产物，并因此对自己的思考能力与记忆能力更有信心，同时高估自己在没有互联网帮助时回答同类问题的表现（Ward， 2021）。回答这些一般性知识问题后的信心依赖于搜索引擎的可靠性和使用者对工具的熟悉程度，而当人们使用互联网搜索其他类型的信息时，互联网搜索对信心的影响可能会发生变化。例如，让人们搜索一些技能类信息（例如，“如何提高三分球的投中率？”）或其他开放性问题（例如，“如何在英语四六级考试中取得高分？”）可能会有不同的发现。由于这些信息开放性强，且无唯一答案，人们对搜索引擎在此类情境下的信赖程度可能降低。因此，针对不同类型的信息，在线搜索导致人们过分自信的程度可能会发生变化。未来研究可以进一步探讨不同类型信息在搜索情境中对过分自信的影响差异。
4.3 搜索工具的发展对过分自信的影响
技术工具的设计及其与元认知的联系决定了向该工具进行认知卸载后可能产生的影响（Grinschgl amp; Neubauer， 2022）。在数字化时代，互联网的全时段可用性显著改变了人类的信息获取模式，而移动设备的普及进一步强化了这种依赖性。智能手机的可及性与功能整合优势使它成为个体认知延伸的重要载体（董海军， 马忠鹏， 2014）。手机与人们的生活深度融合，几乎成为“第二个大脑”。频繁的接触与高度的熟悉感使人们在使用手机进行搜索获得知识时，更难区分互联网知识与自身内部知识，导致更深层次混淆和更高水平过分自信。
此外，大语言模型（如ChatGPT）等交互式AI也可提供类似于互联网搜索的功能。作为一种基于生成式预训练转换器（generative pre-trained transformer， GPT）技术的人工智能聊天机器人，它能够对用户输入生成基于文本的响应。自2022年末问世以来，ChatGPT已在多领域引发广泛讨论（Cascella et al.， 2023; Huh， 2023; Salvagno et al.， 2023），其中亦有诸多研究对其将在社会中扮演的角色表示担忧（Gordijn amp; Have， 2023; Patel amp; Lam， 2023）。ChatGPT作为一种认知卸载工具，使用户在搜索时获得具有更高流畅性与准确性的信息。DeepSeek-R1作为AI助手深度求索（DeepSeek）系列大语言模型的阶段性成果（深度求索人工智能基础技术研究有限公司， 2025），更是为AI工具的进一步推广提供了可能。AI的发展使个体不得不依赖其来提升工作绩效。同时，这些比传统搜索引擎更为便捷的AI助理也进一步加剧了人们对AI替代人类的担忧，其开发与使用过程中的伦理问题也逐渐成为相关研究关注的焦点。
在搜索工具不断演进的背景下，厘清技术对认知与元认知的影响机制，是促进个体在复杂环境中成为更成功认知主体的重要一步（Hamilton et al.， 2025），为缓解因搜索导致的过分自信提供干预基础。在充分认识搜索工具特点基础上，结合可能降低过分自信的使用条件，开发更为大众所接受的方法是一个颇具前景的研究方向，如基于向人类求助导致过分自信较低的特点，探究拟人化搜索工具降低信息获取后对自身能力的过分自信的效果与机制。已有研究发现，通过与数字代理对话获取互联网知识时，人们产生的过分自信低于直接搜索，且数字代理的拟人化程度与其缓解过分自信的能力呈正相关（Hamilton et al.， 2025）。此外，结合助推技术开发合理的干预方式业已被证实为切实可行的研究路径：无意识的健美图片可启动健康目标，降低对高热量食物的选择倾向（耿晓伟等， 2018）。因此，运用思考提示助推正确认知，如在智能设备上设置思考屏保，为可行性更佳方案的开发提供了方向。
参考文献
毕研玲 （2019）. 过分自信的效益. 西安： 陕西师范大学出版总社.
陈功香， 傅小兰 （2004）. 学习判断及其准确性. 心理科学进展， 12（2）， 176-184.
陈颖， 李锋盈， 李伟健 （2019）. 个体关于加工流畅性的信念对字体大小效应的影响. 心理学报， 51（2）， 154-162.
代涛涛， 佐斌， 徐富明， 索玉贤 （2014）. 过分自信的进化模型. 心理科学进展， 22（4）， 693-701.
董海军， 马忠鹏 （2014）. 青年的屏幕媒介：从电视、电脑到智能手机. 中国青年研究， （4）， 5-9.
耿晓伟， 张峰， 王艳净， 范琳琳， 姚艳 （2018）. 健康目标启动降低高热量食物消费. 心理学报， 50（8）， 840-847.
潘溪， 陈功香， 刘文娟， 任芬， 贾广珍， 刘春燕 （2021）. 知觉模糊度影响学习的延迟效应. 心理科学， 44（1）， 2-8.
深度求索人工智能基础技术研究有限公司 （2025）. Deep-Seek-R1 更新，思考更深，推理更强. 2025-06-04 取自https：//api-docs.deepseek.com/zh-cn/news/news250528
Ackerman， R.， amp; Goldsmith， M. （2011）. Metacognitive regulation of text learning： On screen versus on paper. Journal of Experimental Psychology： Applied， 17（1）， 18-32.
Alter， A. L.， amp; Oppenheimer， D. M. （2009）. Uniting the tribes of fluency to form a metacognitive nation. Personality and Social Psychology Review， 13（3）， 219-235.
Alter， A. L.， Oppenheimer， D. M.， amp; Zemla， J. C. （2010）. Missing the trees for the forest： A construal level account of the illusion of explanatory depth. Journal of Personality and Social Psychology， 99（3）， 436-451.
Barber， B.， amp; Odean， T. （2001）. Boys will be boys： Gender， overconfidence， and common stock investment. Quarterly Journal of Economics， 116（1）， 261-292.
Barr， N.， Pennycook， G.， Stolz， J. A.， amp; Fugelsang， J. A. （2015）. The brain in your pocket： Evidence that Smartphones are used to supplant thinking. Computers in Human Behavior， 48， 473-480.
Belmi， P.， Neale， M. A.， Reiff， D.， amp; Ulfe， R. （2020）. The social advantage of miscalibrated individuals： The relationship between social class and overconfidence and its implications for class-based inequality. Journal of Personality and Social Psychology， 118（2）， 254-282.
Besken， M.， amp; Mulligan， N. W. （2014）. Perceptual fluency， auditory generation， and metamemory： Analyzing the perceptual fluency hypothesis in the auditory modality. Journal of Experimental Psychology： Learning， Memory， and Cognition， 40（2）， 429-440.
Block， L. G.， amp; Morwitz， V. G. （1999）. Shopping lists as an external memory aid for grocery shopping： Influences on list writing and list fulfillment. Journal of Consumer Psychology， 8（4）， 343-375.
Cascella， M.， Montomoli， J.， Bellini， V.， amp; Bignami， E. （2023）. Evaluating the feasibility of ChatGPT in healthcare： An analysis of multiple clinical and research scenarios. Journal of Medical Systems， 47（1）， 33.
Chu， H.， Westbrook， R. A.， Njue-Marendes， S.， Giordano， T. P.， amp; Dang， B. N. （2019）. The psychology of the wait time experience-what clinics can do to manage the waiting experience for patients： a longitudinal， qualitative study. BMC Health Services Research， 19（1）， 459.
Clark， A.， amp; Chalmers， D. （1998）. The extended mind. Analysis， 58（1）， 7-19.
Eliseev， E. D.， amp; Marsh， E. J. （2023）. Understanding why searching the Internet inflates confidence in explanatory ability. Applied Cognitive Psychology， 37（4）， 711-720.
Finn， B.， amp; Tauber， S. K. （2015）. When confidence is not a signal of knowing： How students’ experiences and beliefs about processing fluency can lead to miscalibrated confidence. Educational Psychology Review， 27（4）， 567-586.
Fisher， M.， Goddu， M. K.， amp; Keil， F. C. （2015）. Searching for explanations： How the Internet inflates estimates of internal knowledge. Journal of Experimental Psychology： General， 144（3）， 674-687.
Fisher， M.， amp; Oppenheimer， D. M. （2021a）. Harder than you think： How outside assistance leads to overconfidence. Psychological Science， 32（4）， 598-610.
Fisher， M.， amp; Oppenheimer， D. M. （2021b）. Who knows what？ Knowledge misattribution in the division of cognitive labor. Journal of Experimental Psychology： Applied， 27（2）， 292-306.
Fisher， M.， Smiley， A. H.， amp; Grillo， T. L. H. （2021）. Infor-mation without knowledge： The effects of Internet search on learning. Memory， 30（4）， 375-387.
Flynn， F. J.， amp; Lake， V. K. （2008）. If you need help， just ask： Underestimating compliance with direct requests for help. Journal of Personality and Social Psychology， 95（1）， 128-143.
Garbayo， L. S.， Harris， D. M.， Fiore， S. M.， Robinson， M.， amp; Kibble， J. D. （2023）. A metacognitive confidence calibration （MCC） tool to help medical students scaffold diagnostic reasoning in decision-making during high-fidelity patient simulations. Advances in Physiology Education， 47（1）， 71-81.
Gordijn， B.， amp; Have， H. （2023）. ChatGPT： Evolution or revolution？ Medicine， Health Care and Philosophy， 26（1）， 1-2.
Greenberg， M. S.， amp; Shapiro， S. P. （1971）. Indebtedness： An adverse aspect of asking for and receiving help. Sociometry， 34（2）， 290-301.
Grinschgl， S.， amp; Neubauer， A. C. （2022）. Supporting cognition with modern technology： Distributed cognition today and in an AI-enhanced future. Frontiers in Artificial Intelligence， 5， 908261.
Hamilton， K. A.， amp; Qi， L. （2023）. Search fluency mistaken for understanding： Ease of information retrieval from the Internet inflates internal knowledge confidence. Social Media+Society， 9（3）， 1-12.
Hamilton， K. A.， Ward， A. F.， amp; Yao， M. Z. （2025）. Mind or machine？ Conversational Internet search moderates search-induced cognitive overconfidence. Journal of Media Psychology： Theories， Methods， and Applications， 37（3）， 129-143.
Huh， S. （2023）. Are ChatGPT’s knowledge and interp-retation ability comparable to those of medical students in Korea for taking a parasitology examination？ A descriptive study. Journal of Educational Evaluation for Health Professions， 20， 1.
Intons-Peterson， M. J.， amp; Fournier， J. （1986）. External and internal memory aids： When and how often do we use them？ Journal of Experimental Psychology： General， 115（3）， 267-280.
Kitcher， P. （1990）. The Division of Cognitive Labor. The Journal of Philosophy， 87（1）， 5-22.
Koriat， A. （1997）. Monitoring one’s own knowledge during study： A cue-utilization approach to judgments of learning. Journal of Experimental Psychology： General， 126（4）， 349-370.
Koriat， A.， amp; Levy-Sadot， R. （2001）. The combined contributions of the cue-familiarity and accessibility heuristics to feelings of knowing. Journal of Experimental Psychology： Learning， Memory， and Cognition， 27（1）， 34-53.
Lee， F. （1997）. When the going gets tough， do the tough ask for help？ Help seeking and power motivation in organizations. Organizational Behavior and Human Decision Processes， 72（3）， 336-363.
Lehmann， J.， Goussios， C.， amp; Seufert， T. （2016）. Working memory capacity and disfluency effect： An aptitude-treatment-interaction study. Metacognition and Learning， 11（1）， 89-105.
Leman， J.， Kurinec， C.， amp; Rowatt， W. （2023）. Overconfident and unaware： Intellectual humility and the calibration of metacognition. Journal of Positive Psychology， 18（1）， 178-196.
McKerlich， R.， Riis， M.， Anderson， T.， amp; Eastman， B. （2011）. Student perceptions of teaching presence， social presence and cognitive presence in a virtual world. Merlot Journal of Online Learning and Teaching， 7（3）， 324-336.
Nelson， T. O. （1990）. Metamemory： A theoretical fram-ework and new findings. Psychology of Learning and Motivation， 26， 125-173.
Patel， S. B.， amp; Lam， K. （2023）. ChatGPT： the future of discharge summaries？ Lancet Digital health， 5（3）， e107-e108.
Rabb， N.， Fernbach， P. M.， amp; Sloman， S. A. （2019）. Individual representation in a community of knowledge. Trends in Cognitive Sciences， 23（10）， 891-902.
Risko， E. F.， amp; Gilbert， S. J. （2016）. Cognitive offloading. Trends in Cognitive Sciences， 20（9）， 676-688.
Sah， Y. J.， Rheu， M.， amp; Ratan， R. （2021）. Avatar-user bond as meta-cognitive experience： Explicating identification and embodiment as cognitive fluency. Frontiers in Psychology， 12， 695358.
Salvagno， M.， Taccone， F. S.， amp; Gerli， A. G. （2023）. Can artificial intelligence help for scientific writing？ Critical Care， 27（1）， 1-5.
Sanchez， C.， amp; Dunning， D. （2020）. Decision fluency and overconfidence among beginners. Decision， 7（3）， 225-237.
Sloman， S.， amp; Fernbach， P. （2017）. The knowledge illusion： Why we never think alone. New York： Riverhead Books.
Sparrow， B.， Liu， J.， amp; Wegner， D. M. （2011）. Google effects on memory： Cognitive consequences of having information at our fingertips. Science， 333（6043）， 776-778.
Stahl， R. J. （1994）. Using “think-time” and “wait-time” skillfully in the classroom. ERIC Digest， ED370885.
Stone， S. M.， amp; Storm， B. C. （2021）. Search fluency as a misleading measure of memory. Journal of Experimental Psychology： Learning， Memory， and Cognition， 47（1）， 53-64.
Storm， B. C.， Stone， S. M.， amp; Benjamin， A. S. （2017）. Using the Internet to access information inflates future use of the Internet to access other information. Memory， 25（6）， 717-723.
Unkelbach， C. （2006）. The learned interpretation of cognitive fluency. Psychological Science， 17（4）， 339-345.
van Loon， M. H.， de Bruin， A. B. H.， van Gog， T.， amp; van Merriënboer， J. J. G. （2013）. Activation of inaccurate prior knowledge affects primary-school students’ metacognitive judgments and calibration. Learning and Instruction， 24， 15-25.
von Hoyer， J. F.， Kimmerle， J.， amp; Holtz， P. （2022）. Acquisition of 1 certainty： Learners increase their confidence in the correctness of incorrect answers after online information search. Journal of Computer Assisted Learning， 38（3）， 833-844.
Ward， A. F. （2013）. Supernormal： How the Internet is changing our memories and our minds. Psychological Inquiry， 24（4）， 341-348.
Ward， A. F. （2021）. People mistake the Internet’s knowl-edge for their own. Proceedings of the National Academy of Sciences of the United States of America， 118（43）， e2105061118.
Wegner， D. M. （1987）. Transactive memory： A contemporary analysis of the group mind. In Theories of group behavior （pp. 185-208）. New York： Springer New York.
Winne， P. H.， amp; Hadwin， A. F. （1998）. Studying as self-regulated learning. In D. J. Hacker， J. Dunlosky， amp; A. C. Graesser （Eds.）， Metacognition in educational theory and practice （pp. 277-304）. Mahwah： Lawrence Erlbaum Associates Publishers.
