Empirical Evidence that Using AI Tools Can Enhance Human Cognition = Evidencia empírica de que usar herramientas de IA puede mejorar la cognición humana Benjamin Lira Luttges

Format:

Book

Thesis/Dissertation

Author/Creator:

Lira Luttges, Benjamin, author.

Contributor:

University of Pennsylvania. Psychology., degree granting institution.

Language:

English

Subjects (All):

0621.

0633.

0800.

Local Subjects:

0621.

0633.

0800.

Physical Description:

1 electronic resource (134 pages)

Contained In:

Dissertations Abstracts International 87-07B

Place of Publication:

Ann Arbor : ProQuest Dissertations and Theses, 2025

Language Note:

English

Summary:

Many worry that AI tools boost productivity in the short-term, at a long-term cost in the development of human capability. Using AI will rob us of the opportunity to learn, will destroy our motivation for hard work, and will perpetuate the biases in its training data. I propose two theoretically distinct mechanisms through which AI influences human cognition-engagement and information-and provide three empirical demonstrations of AI tools proving information (Chapters 1 and 3) and motivation (Chapter 2). In Chapter 1, I show that superior information-in the form of just-in-time, personalized examples-can compensate for decreased engagement, yielding net positive effects on skill development. Participants writing cover letters with AI assistance improved more on writing tests than those practicing without AI, despite exerting less effort. A second experiment showed participants learned more from exposure to AI-generated examples even when they could not edit them. These gains were unique to AI, outperforming static online examples and matching feedback from professional editors. In Chapter 2, I show that an AI chatbot can increase motivation among Khan Academy users. In this year-long field investigation, I built two AI-based chatbots that delivered situation modification and emotional reframing interventions. Relative to the week before exposure to the chatbots, students increased their time on task by 10-11% and worked on more challenging problems after completing interventions. Finally, in Chapter 3, I demonstrate the potential for AI to enhance human decision making in the high-stakes setting of college admissions. I fine-tuned a language model to assess personal qualities like leadership, training it on professional admissions officers' evaluations of 3,131 applicant essays. The AI successfully reproduced expert judgment, and did so equally well across demographic subgroups, showing no evidence of bias. Scaling its application to a national sample of 309,594 applicants revealed that these scores incrementally predicted graduation rates without encoding demographic information. This demonstrates that AI need not be a biased 'black box'-careful training can produce interpretable systems that enhance rather than distort human judgment. Collectively, the chapters in this dissertation show that smarter machines do not inevitably produce stupider humans. AI tools, when carefully designed and deployed, can improve motivation and information processing, making us better writers, more motivated learners, and wiser decision makers

Muchos temen que las herramientas de IA aumenten la productividad a corto plazo, con un costo a largo plazo en el desarrollo de la capacidad humana. Usar IA nos robará la oportunidad de aprender, destruirá nuestra motivación por el trabajo arduo y perpetuará los sesgos en sus datos de entrenamiento. Propongo dos mecanismos teóricamente distintos mediante los cuales la IA influye en la cognición humana-compromiso e información-y proporciono tres demostraciones empíricas de herramientas de IA que proveen información (Capítulos 1 y 3) y motivación (Capítulo 2).En el Capítulo 1, muestro que información superior-en forma de ejemplos personalizados y oportunos-puede compensar la disminución del compromiso, produciendo efectos netos positivos en el desarrollo de habilidades. Los participantes que escribieron cartas de presentación con asistencia de IA mejoraron más en pruebas de escritura que aquellos que practicaron sin IA, a pesar de ejercer menos esfuerzo. Un segundo experimento mostró que los participantes aprendieron más de la exposición a ejemplos generados por IA incluso cuando no podían editarlos. Estas ganancias fueron únicas a la IA, superando ejemplos estáticos en línea e igualando la retroalimentación de editores profesionales.En el Capítulo 2, muestro que un chatbot de IA puede aumentar la motivación entre usuarios de Khan Academy. En esta investigación de campo de un año, construí dos chatbots basados en IA que proporcionaron intervenciones de modificación de situación y reencuadre emocional. En relación a la semana previa a la exposición a los chatbots, los estudiantes aumentaron su tiempo en tareas en 10-11% y trabajaron en problemas más desafiantes después de completar las intervenciones.Finalmente, en el Capítulo 3, demuestro el potencial de la IA para mejorar la toma de decisiones humana en el contexto de alto riesgo de las admisiones universitarias. Afiné un modelo de lenguaje para evaluar cualidades personales como liderazgo, entrenándolo con evaluaciones de oficiales de admisiones profesionales de 3,131 ensayos de solicitantes. La IA reprodujo exitosamente el juicio experto, y lo hizo igualmente bien entre subgrupos demográficos, sin mostrar evidencia de sesgo. Escalar su aplicación a una muestra nacional de 309,594 solicitantes reveló que estos puntajes predijeron incrementalmente las tasas de graduación sin codificar información demográfica. Esto demuestra que la IA no necesita ser una 'caja negra' sesgada-un entrenamiento cuidadoso puede producir sistemas interpretables que mejoran en lugar de distorsionar el juicio humano.Colectivamente, los capítulos de esta disertación muestran que máquinas más inteligentes no producen inevitablemente humanos más estúpidos. Las herramientas de IA, cuando se diseñan y despliegan cuidadosamente, pueden mejorar la motivación y el procesamiento de información, haciéndonos mejores escritores, aprendices más motivados y tomadores de decisiones más sabios

Notes:

Advisors: Duckworth, Angela L. Committee members: Ungar, Lyle; Seligman, Martin

Source: Dissertations Abstracts International, Volume: 87-07, Section: B.

Ph.D. University of Pennsylvania 2025

Vendor supplied data

Local Notes:

School code: 0175

ISBN:

9798276001838

Access Restriction:

Restricted for use by site license