„Ich lese in letzter Zeit kaum noch Bücher. Ist das schlecht für meinen Kopf?“
Die kurze Antwort lautet: Ein gelesenes Buch gibt dem Gehirn nicht automatisch Erfahrungspunkte. Entscheidend ist die geistige Arbeit, die während des Lesens stattfindet.
Bücher können neues Wissen liefern, alte und neue Ideen verbinden, dazu zwingen, einer langen Argumentation zu folgen, Themen zeigen, nach denen man selbst nie gesucht hätte, und langen Kontakt mit geschriebener Sprache ermöglichen. Fiktion kann zusätzlich dazu bringen, sich die Gedanken und das Leben anderer Menschen vorzustellen.
Vergleichen wir das mit einem intensiven Dialog mit KI: „Warum?“, „Stimmt das wirklich?“, „Was sagt die Forschung?“, „Und in diesem Fall?“, „Hat das dieselbe Struktur wie das andere Thema?“. Ein großer Teil der geistigen Arbeit überschneidet sich. KI kann genau an der Stelle stoppen, an der etwas unklar ist, Gegenargumente liefern, Originalstudien suchen und neue Informationen mit Vorwissen verbinden.
Darum gilt: Weniger Bücher zu lesen bedeutet nicht automatisch, weniger intellektuelle Arbeit zu leisten. Je nach Nutzung kann ein aktiver KI-Dialog mehr Denken erfordern als passives Lesen.
Das Risiko liegt ebenfalls auf der Hand: KI liefert Antworten so schnell, dass man genau die Arbeit auslagern kann, die man eigentlich trainieren wollte – selbst erinnern, selbst lösen und selbst einer langen Kette folgen. Dieser Artikel trennt deshalb zwischen sinnvoller Auslagerung und Arbeit, die man selbst tun sollte, wenn man die Fähigkeit wirklich erwerben will.
1. Die „Vorteile des Lesens“ in einzelne Funktionen zerlegen
„Lesen ist gut“ ist viel zu ungenau.
Erstens liefert Lesen Wissen: Geschichte, Naturwissenschaft, Wirtschaft, Psychologie.
Zweitens verknüpft es Wissen. „Zinsen“ können mit Inflation, Krediten, Zentralbanken, Investitionen und Kaufkraft verbunden werden.
Drittens lässt Lesen uns langer Logik folgen. Ein Autor baut A → B → C → D auf, und der Leser hält den Faden.
Viertens begegnet man Informationen, die man nicht selbst ausgewählt hat. Eine Suche beantwortet meistens eine bereits vorhandene Frage. Ein Buch kann einen nützlichen Unfall erzeugen: „Dieses Kapitel interessierte mich eigentlich nicht, aber offenbar ist es wichtig.“
Fünftens bietet Lesen langen Kontakt mit Sprache: Wortschatz, Satzmuster, Erklärstile.
Sechstens ist besonders Fiktion eine Art Simulation anderer Köpfe. Eine präregistrierte Meta-Analyse von 2024 fand im Experiment einen kleinen durchschnittlichen kognitiven Vorteil des Lesens von Fiktion, g = 0,14. Signifikante Effekte zeigten sich besonders bei Empathie und Mentalisierung [1]. Das ist ein realer, aber kleiner Effekt – keine Superkraft.
Die besondere Stärke eines Buches ist also nicht nur Information. Sie besteht auch darin, einen langen Weg zu gehen, an Orte gebracht zu werden, die man nicht selbst gewählt hat, und lange in geschriebener Sprache zu bleiben.
2. Was kann intensives „Hin-und-her-Denken“ mit KI ersetzen?
Eine Frage stellen und die Antwort kopieren ist etwas anderes als eine Idee immer weiter mit KI zu prüfen.
Wenn man nur fragt „Woher kommt der Geruch von Regen?“ und danach aufhört, ist das fast nur Suche. Wenn man aber weiterfragt:
- Warum setzt Regen diesen Geruch frei?
- Was genau steckt im Boden?
- Mikroorganismen?
- Warum können Menschen winzige Mengen wahrnehmen?
- Warum riecht man es manchmal vor dem Regen?
- Wie ist es bei anderen Tieren?
- Was zeigen die Originalstudien wirklich?
wird aus einem Punkt ein Netzwerk.
Das ähnelt Selbsterklärung (self-explanation) und Elaboration. Selbsterklärung bedeutet, selbst Verbindungen zu erzeugen: „Warum passiert das?“ und „Wie hängt dieses Konzept mit jenem zusammen?“. Eine Meta-Analyse von 2018 kombinierte 69 Effektgrößen aus 64 Berichten und fand für Aufforderungen zur Selbsterklärung einen mittleren Lerneffekt von g = 0,55 [2].
Hier liegt eine große Stärke des KI-Dialogs: Jede Frage kann die mentale Landkarte aktualisieren.
Buch: Man läuft auf der Straße, die der Autor gebaut hat.
KI: Man wählt die Richtung selbst und lässt die KI Baumaterial bringen.
Beides kann Lernen sein; die geistige Arbeit ist unterschiedlich verteilt.
3. Was ist ein Schema? Eine „Wissenskarte“ im Kopf
„Schema“ klingt technisch, aber die Idee ist einfach.
Ein Schema ist eine mentale Karte davon, wie ein Teil der Welt normalerweise funktioniert.
Am Anfang gibt es vielleicht nur einen Punkt: „Zinsen“.
Später verbindet er sich mit Einlagen, Krediten, Inflation, Zentralbanken, Investitionen und Währungen. Dann erzeugt schon die Nachricht „Der Leitzins steigt“ neue Fragen: „Was passiert mit Sparzinsen?“, „Mit Immobilienkrediten?“, „Mit Aktien?“, „Mit der Währung?“.
Die Forschung beschreibt Schemata als übergeordnete Wissensstrukturen, die aus Gemeinsamkeiten mehrerer Erfahrungen abstrahiert werden. Sie können neue Informationen leichter integrierbar und erinnerbar machen, aber sehr starke Vorerwartungen können Erinnerungen auch verzerren [3].
Die Metapher „Mein neuronales Netz verbindet sich“ ist deshalb gar nicht schlecht. Man sollte sie nur nicht wörtlich als „Eine Frage lässt sofort ein physisches Kabel wachsen“ verstehen. Genauer ist: Neue Information wird in eine vorhandene Wissensstruktur eingeordnet und mit anderem Wissen verknüpft.
KI beschleunigt diesen Kreislauf enorm: Lücke sehen → fragen → füllen → nächste Lücke sehen.
4. Elaboration: Wer sich erinnern will, sollte Linien statt nur Punkte hinzufügen
Elaboration klingt kompliziert, ist aber simpel:
Eine Idee reichhaltiger machen und mit anderen Ideen verbinden.
Nur zu lernen:
„Geosmin = ein Teil des Regengeruchs“
gibt nur wenige Wege zurück zur Erinnerung.
Wenn daraus wird:
Bodenmikroorganismen produzieren Geosmin
→ Regentropfen können Verbindungen in die Luft bringen
→ Menschen nehmen sehr geringe Konzentrationen wahr
→ deshalb fällt der Geruch rund um Regen auf
entstehen mehrere Abrufwege.
Nicht nur A, sondern B ← A → C und A → D.
Fragen wie „Warum?“, „Ein Beispiel?“, „Ist das wie X?“, „Was wäre ein Gegenbeispiel?“, „Wie gilt das hier?“ fügen solche Linien hinzu.
Aber nicht alles braucht Elaboration. Wenn ein Geldautomat heute 220 Yen Gebühr kostet, muss daraus keine Große Vereinheitlichte Theorie der Geldautomatengebühren entstehen. Für Prinzipien, die bleiben sollen, Netzwerke bauen; vorübergehende Zahlen außerhalb des Kopfes speichern.
5. Abrufübung: Ein normales Gespräch wird zum Überraschungstest
Retrieval Practice oder Abrufübung bedeutet nicht Internetsuche. Es bedeutet, Information ohne Blick auf die Antwort aus dem eigenen Gedächtnis hervorzuholen.
Am Montag recherchiert man etwas mit KI. Am Donnerstag sagt man im Gespräch:
„Moment, darüber habe ich doch etwas gelesen… das war ungefähr so…“
Schon dieses Herausholen ist Abrufübung.
Eine systematische Übersicht von 2021 über echte Schul- und Unterrichtsforschung prüfte fast 2.000 Abstracts und schloss 50 Experimente mit insgesamt 5.374 Lernenden ein. Von 49 Effektgrößen zeigten 57 % mittlere oder große Vorteile der Abrufübung, über verschiedene Altersstufen, Fächer, Verzögerungen und Testformate hinweg [4].
Ein Gespräch fügt noch etwas hinzu:
mit KI lernen
→ jemandem erklären
→ die Person fragt „warum?“
→ man kommt nicht weiter
→ die Wissenslücke wird sichtbar
→ wieder recherchieren.
So entsteht Input → Abruf → Lücke erkennen → neuer Input.
Man muss nicht jeden Abend zum Lernmönch werden und „drei Dinge des Tages“ aufsagen. Normale Gespräche können zufällige Tests sein.
6. Artikel zu erstellen kann trainieren, lange Logik zu bauen
Eine traditionelle Stärke des Lesens ist, einer langen Argumentation zu folgen. Was passiert auf der Produktionsseite?
Der Leser folgt A → B → C → D.
Autor oder Redakteur entscheiden, wie A, B, C und D angeordnet werden müssen.
Ein Teil des „Logik-Folgens“ wird also zu „Logik-Bauen“.
Eine Meta-Analyse von 2020 mit 56 Experimenten in den Klassen 1 bis 12 zeigte, dass Schreiben über naturwissenschaftliche, gesellschaftswissenschaftliche oder mathematische Inhalte das Lernen verbesserte; die mittlere Effektgröße lag bei 0,30 [5]. Schreiben zwingt dazu, Informationen auszuwählen, zu ordnen, zu verbinden und neu zu erklären.
Mit KI gibt es aber eine wichtige Einschränkung. Wer sagt „Recherchiere alles, baue die Struktur, schreibe den Artikel“ und danach keine Zeile liest, überlässt den größten Teil der Langform-Konstruktion der KI.
Wer dagegen im Prozess ständig eingreift – „Das stimmt nicht“, „Nimm diese Studie dazu“, „Verbinde diese beiden Punkte“, „Was ist das Gegenargument?“ – leistet weiterhin erhebliche Planungs- und Redaktionsarbeit.
Es ist deshalb durchaus möglich, weniger Bücher zu lesen und trotzdem sehr viel geistige Vorarbeit zu leisten, die normalerweise vor einem Buch oder Artikel passiert.
7. Die KI-Falle: Weil die KI es kann, fühlt es sich an, als könnte ich es
Das ist die wichtigste Warnung.
KI kann den Unterschied verwischen zwischen:
„Die richtige Antwort ist da“
und
„Ich kann das selbst.“
In einem 2025 in PNAS veröffentlichten Feldexperiment im Mathematikunterricht an weiterführenden Schulen verbesserten Schüler mit einer relativ freien GPT-4-Oberfläche („GPT Base“) ihre Leistung bei unterstützten Übungsaufgaben gegenüber der Kontrollgruppe um 48 %. Eine lernorientierte Variante („GPT Tutor“) verbesserte sie um 127 %. Als die KI in der Prüfung entfernt wurde, lag die GPT-Base-Gruppe jedoch 17 % unter der Gruppe, die nie KI erhalten hatte. Die Tutor-Schutzmechanismen beseitigten diesen negativen Effekt weitgehend, führten aber in der Prüfung ohne KI auch nicht zu einem klaren Vorteil gegenüber der Kontrolle [6].
KI an: „Wow, ich bin gut in Mathe.“
KI aus: „Entschuldigung, wer sind Sie?“
Ein im August 2026 überarbeitetes Working Paper zeigt eine ähnliche Warnung beim Schach. Mehr als 200 Schüler aus Schachclubs trainierten 12 Wochen. Eine Gruppe, die nur an strategischen Zeitpunkten automatische KI-Hinweise erhielt, verbesserte sich um 64 %. Eine Gruppe, die zusätzlich jederzeit Hilfe anfordern konnte, verbesserte sich um 30 %. Die Autoren führen einen großen Teil des Unterschieds auf weniger productive struggle zurück – also weniger eigenes Ringen mit Aufgaben, die noch in Reichweite lagen [7]. Da es ein Working Paper ist, bleiben Peer Review und Replikationen wichtig.
KI zerstört Lernen nicht von Natur aus. Dieselbe Technologie kann Tutor oder Kopiermaschine sein – je nachdem, wann und wie sie Antworten liefert.
8. Darf man Mathematik auslagern? „Mathe lernen“ versus „Mathe benutzen“
Zuerst sollte man nach dem Ziel fragen.
Wenn das Ziel lautet, besser in Mathematik zu werden, ist es schwaches Training, jeden Schritt von KI lösen zu lassen. Gleichungen aufstellen, Fehler machen und korrigieren gehören zur Fähigkeit.
Aber wenn die eigentliche Frage lautet:
„Wie groß ist der Unterschied, wenn eine Million Yen zehn Jahre lang zu 0,2 % statt 0,6 % angelegt werden?“
dann will man keine manuellen Zinseszins-Muskeln aufbauen. Man möchte beurteilen:
- den tatsächlichen Geldunterschied,
- Steuern,
- Gebühren,
- Inflation,
- Liquidität,
- ob ein Bankwechsel den Aufwand wert ist.
Man muss nicht jedes Mal mit Papier und Bleistift die Zinseszinsformel ausmultiplizieren.
Man muss nicht der Religion „Bankzinsen von Hand rechnen, um das Gehirn zu trainieren“ beitreten. Nimm einen Taschenrechner.
Das bedeutet nicht, mathematische Konzepte seien nutzlos. Man sollte genug verstehen, um Unsinn zu erkennen. Aber wenn das Ziel eine verlässliche Zahl für eine Entscheidung ist und nicht die Beherrschung des Rechenverfahrens, ist Auslagerung rational.
9. Mahjong: Wenn nur die KI im Rang steigt
Bei Fähigkeitsspielen wie Mahjong gilt derselbe Unterschied.
Jede Runde:
„Was soll ich abwerfen?“
KI: „Die Fünf der Zeichen.“
Mensch: „Ah, interessant.“
Wenn das ständig so läuft, überspringt man den Kreislauf: Lage lesen, Kandidaten bilden, vergleichen, entscheiden, Ergebnis sehen, Modell korrigieren.
Die KI steigt im Rang, während der Mensch zum Angestellten wird, dessen Aufgabe „interessant“ sagen ist.
Aber daraus folgt nicht: „Keine KI benutzen.“
Mahjong ist für viele ein Hobby. Wenn der Spaß darin besteht, selbst immer besser zu entscheiden, lohnt sich Übung. Wenn man einfach spielen, mit KI analysieren und nicht Hunderte Partien für ein paar Prozentpunkte mehr Gewinnrate grinden will, gibt es keine moralische Pflicht zur maximalen Kompetenz.
Wenn das Hobby zu
„Heute noch 100 Wiederholungen für 2 % mehr Win Rate“
wird, darf man fragen:
„Wann wurde mein Hobby zu Hausaufgaben?“
Eine Fähigkeit lohnt sich besonders im eigenen Kopf, wenn die Ausführung selbst Spaß macht, nicht ausgelagert werden kann oder ein Versagen teuer wäre. Sonst kann Auslagerung völlig vernünftig sein.
10. Ich habe eine Roman-Allergie. Reicht nicht der Film?
Teilweise ja.
Wenn das Ziel Geschichte, Figuren, Gefühle und das Erleben eines anderen Lebens ist, kann Film sehr viel liefern. Er gibt Gesichter, Stimmen, Räume, Bewegung, Musik und Timing direkt vor.
Ein Roman lässt einen Teil des Renderings beim Leser.
Text: „Ein Mann stand in einem dunklen Raum.“
Gehirn: Welcher Raum? Welches Gesicht? Welche Stimme? Welche Atmosphäre?
Beim Film lagert das Produktionsstudio einen großen Teil des inneren Renderings für das Gehirn aus.
Die Meta-Analyse von 2024 fand einen kleinen mittleren experimentellen Vorteil der Fiktionslektüre, g = 0,14, mit signifikanten Effekten vor allem für Empathie und Mentalisierung [1]. „Ohne Romane geht die Menschlichkeit kaputt“ ist daher nicht belegt.
Romane behalten besondere Aufgaben: langer Kontakt mit geschriebener Sprache, Aufbau von Szenen nur aus Text und stundenlanges Folgen der Sprache eines Autors. Film hat andere Stärken: dichte audiovisuelle Information und Schauspiel.
Wenn das Ziel „eine Geschichte erleben“ ist, ist Film ein legitimer Weg. Wenn man zusätzlich ausdauerndes Lesen und die interne Erzeugung von Szenen aus Text trainieren will, hat der Roman eine eigene Rolle.
11. Cognitive Offloading: Ist es schlecht, Arbeit aus dem Gehirn auszulagern?
Cognitive Offloading bedeutet, durch externe Handlungen oder Werkzeuge die Informationsverarbeitung einer Aufgabe zu verändern und so die geistige Belastung zu senken [8].
Erinnerungs-App.
Notiz.
Taschenrechner.
GPS.
KI.
Alles dieselbe Familie.
Menschen lagern seit jeher aus. Wir merken uns nicht mehr jede Telefonnummer, und die Zivilisation ist nicht zusammengebrochen.
Die wichtige Frage ist nicht „Habe ich etwas ausgelagert?“, sondern:
„Habe ich etwas ausgelagert, das ich weiterhin selbstständig können muss?“
Zum Beispiel:
- Zinsrechnungen → leicht auszulagern
- entscheiden, was verglichen werden soll → behalten
- Rechtschreibprüfung → leicht auszulagern
- merken, dass eine Behauptung verdächtig klingt → eigenes Urteil behalten
- optimaler Mahjong-Zug → abhängig vom Hobbyziel
- Notfallsteuerung → behalten, wenn Fehler teuer wären
Die Frage im KI-Zeitalter lautet nicht „Wie vermeide ich KI?“
Sondern:
„Welche Aufgaben verlassen meinen Kopf, und wofür nutze ich die frei gewordene Kapazität?“
12. Baut diese Frage wirklich ein Schema? Das „Was machte Dekopin?“‑Problem
Mehr Fragen bedeuten nicht automatisch mehr Lernen.
Als Shohei Ohtani im Dezember 2024 bekannt gab, dass er und seine Frau ihr erstes Kind erwarten, war auf dem Ankündigungsfoto auch sein bekannter Hund Dekopin/Decoy zu sehen [9]. In japanischen sozialen Medien verbreiteten sich übertrieben detailreiche Fragen im Stil von „Und was machte Dekopin in diesem Moment?“ als Witzformat. Hier wird das als verbreitetes Meme behandelt, ohne einen einzelnen Post als sicher verifizierten Ursprung zu behaupten.
Schema-bildende Fragen:
„Verursacht A wirklich B?“
„Ist das derselbe Mechanismus wie C?“
„Was ist die Ausnahme?“
„Korrelation oder Kausalität?“
Lückenfüllfragen:
„Wann?“
„Wo?“
„In welcher Minute genau?“
„Und Dekopin?“
Die zweite Art kann einfach bedeuten, jedes leere Feld anzuklicken, nur weil es existiert.
Das darf Spaß machen. Nicht jede Neugier muss den Lern-ROI maximieren. Die Dekopin-Abteilung sorgt dafür, dass das Leben nicht langweilig wird.
Wenn das Ziel aber Verstehen und Erinnern ist, sollte man fragen: Fügt diese Frage eine nützliche Verbindung hinzu oder füllt sie nur ein weiteres Kästchen?
13. Was sollte im KI-Zeitalter im eigenen Gehirn bleiben?
Wenn KI immer stärker wird, was sollten Menschen dann noch lernen?
Nicht jede Zahl. Nicht jede Berechnung.
Wichtig bleiben:
Ziele. Was will man eigentlich erreichen?
Grundbegriffe. Zins, Wahrscheinlichkeit, Kausalität, Risiko.
Fragen bilden. Warum? Verglichen womit? Was wäre ein Gegenbeispiel?
Gesunde Skepsis. KI kann selbstbewusst falsch liegen; wichtige Entscheidungen brauchen Quellen.
Verknüpfen. Neues Wissen an bestehendes Wissen hängen.
Urteil. Nach der Berechnung entscheiden: „Und was mache ich jetzt?“.
Auch wenn KI Taschenrechner, Suchmaschine und Erstautor wird, entscheidet der Mensch weiterhin was berechnet werden soll, welcher Antwort er glaubt und was er mit ihr tut.
14. Praxis: KI-Dialog in ein Lernwerkzeug verwandeln
Man braucht keine komplizierte neue Lernroutine. Ein paar andere Fragen reichen.
Wenn Wissen langfristig bleiben soll
Nicht bei „Gib mir die Antwort“ aufhören. Fragen:
- Erkläre es für einen Schüler der Mittelstufe.
- Warum?
- Ein konkretes Beispiel?
- Wann gilt es nicht?
- Wie hängt es mit X zusammen?
- Was ist in der Forschung wirklich gesichert?
- Was ist die Primärquelle?
- Hier ist meine Erklärung – was daran ist falsch?
Wenn eine Fähigkeit erworben werden soll
KI vom Fahrer zum Fahrlehrer degradieren.
Mathematik: „Noch nicht die Lösung sagen; hilf mir nur, die Gleichung aufzustellen.“
Mahjong: zuerst selbst einen Abwurf wählen, dann von der KI bewerten lassen.
Wenn die Fähigkeit nicht beherrscht werden muss
Ohne schlechtes Gewissen auslagern.
Bankzinsen, lange Summen, Vergleiche nach Steuern – wenn das eigentliche Ziel eine Entscheidung ist, muss Handrechnung nicht heilig sein.
Danach abrufen
Wenn das Thema in einem Gespräch auftaucht, ohne Bildschirm erklären. Was nicht erklärt werden kann, ist die nächste Lücke.
Der Kreislauf:
KI-Input → Elaboration und Verknüpfung → Abruf im Gespräch → Lücke erkennen → wieder KI.
15. Zusammenfassung: Mehr Verbindungen, nicht nur mehr Information
Bücher bleiben besonders stark darin:
- Informationen zu liefern, die man nicht selbst gewählt hat,
- lange Argumente verfolgen zu lassen,
- langen Kontakt mit geschriebener Sprache zu geben,
- Menschen und Welten aus Text im Kopf aufzubauen.
KI-Dialoge sind besonders stark darin:
- genau am Punkt der Verwirrung sofort zu fragen,
- Forschung zu finden,
- Gegenargumente zu erzeugen,
- neues Wissen mit Vorwissen zu verbinden,
- Lücken in einem Schema schnell zu füllen.
In einer 2025 veröffentlichten randomisierten Physikstudie in Harvard erzeugte ein nach pädagogischen Prinzipien entwickelter KI-Tutor größere Lernzuwächse als aktives Lernen im Unterricht und benötigte im Median weniger Zeit: 49 Minuten bei KI gegenüber ungefähr 60 Minuten im Klassenraum. In einer Analyse, die den Deckeneffekt berücksichtigte, schätzten die Autoren die Effektgröße auf 0,73 bis 1,3 Standardabweichungen. Das war nicht „KI gegen menschlichen Einzeltrainer“. Es war ein Crossover-Design, in dem jeder Student beide Bedingungen erlebte; die Vergleichsbedingung war ein forschungsbasiertes aktives Harvard-Seminar [10].
Darum ist „Lernen mit KI ist grundsätzlich oberflächlich“ keine brauchbare allgemeine Regel mehr.
Gleichzeitig zeigen Mathematik- und Schachforschung, dass zu viel Hilfe gute Leistung mit KI ohne entsprechende selbstständige Fähigkeit erzeugen kann [6][7].
Die Antwort lautet also nicht „Buch oder KI“.
Ideen, die bleiben sollen: mit KI mehr Verbindungen bauen.
Fähigkeiten, die man allein ausführen will: zuerst selbst versuchen.
Berechnungen, die man nicht beherrschen muss: auslagern.
Und gelegentlich ein Buch oder anderes Werk erlauben, einen an einen Ort mitzunehmen, nach dem man selbst nie gesucht hätte.
Das Gehirn muss nicht jede Zahl speichern.
Es braucht gute Landkarten und viele Straßen zwischen den Punkten.
Wer sich besser erinnern will, sollte nicht nur Information hinzufügen, sondern Verbindungen.
References / 参考文献 / 참고문헌 / 参考资料 / 參考資料 / Referencias / Referências / Referensi / เอกสารอ้างอิง / Tài liệu tham khảo / Références / Literatur
https://www.nature.com/articles/s41598-025-97652-6
Key points used here: randomized crossover design; 194 eligible students; each student experienced both conditions; AI median time on task 49 minutes versus approximately 60 minutes of in-class learning; estimated effect size 0.73–1.3 SD after addressing ceiling effects.
https://www.pnas.org/doi/10.1073/pnas.2422633122
https://pmc.ncbi.nlm.nih.gov/articles/PMC12232635/
Key points used here: assisted practice performance +48% for GPT Base and +127% for GPT Tutor relative to control; after AI removal, GPT Base exam performance −17% relative to control; safeguards largely eliminated the negative learning effect.
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5604932
Supporting summary: https://knowledge.wharton.upenn.edu/article/when-does-ai-assistance-undermine-learning/
Key points used here: 200+ chess-club students; 12-week training; 64% improvement under system-regulated assistance versus 30% with additional on-demand assistance; productive struggle reported as a major mediator. Evidence status: working paper as of 2026-08-27; treat more cautiously than peer-reviewed sources.
https://pubmed.ncbi.nlm.nih.gov/38602788/
Key points used here: 371 effect sizes across 70 experiments; small average experimental cognitive benefit, g = 0.14; significant experimental effects specifically for empathy and mentalizing.
https://link.springer.com/article/10.1007/s10648-018-9434-x
Key points used here: 69 effect sizes from 64 research reports; overall weighted mean effect g = 0.55.
https://link.springer.com/article/10.1007/s10648-021-09595-9
Key points used here: nearly 2,000 abstracts screened; 50 experiments; n = 5,374; 57% of 49 effect sizes showed medium or large benefits.
https://journals.sagepub.com/doi/10.3102/0034654320914744
Key points used here: 56 experiments in grades 1–12; writing about content reliably enhanced learning; average effect size = 0.30.
https://pubmed.ncbi.nlm.nih.gov/27542527/
Key point used here: cognitive offloading is the use of external action to alter the information-processing demands of a task and reduce cognitive demand.
https://pubmed.ncbi.nlm.nih.gov/28551107/
Key points used here: schemas are higher-order knowledge structures abstracted across experiences; they can enhance integration and memory but can also bias or distort mnemonic processing.
https://www.mlb.com/news/shohei-ohtani-wife-mamiko-tanaka-expecting-first-child
Used only to verify the public context: the pregnancy announcement and the presence of Ohtani’s dog Decoy/Dekopin in the announcement image. The later Japanese “その時デコピンは？” phrasing is treated here as a circulating social-media joke format, not as a claim that one verified post is the sole origin.
Quellen (10)
- Wimmer, L. F., Currie, G., Friend, S., Wittwer, J., & Ferguson, H. J. (2024). “Cognitive effects and correlates of reading fiction: Two preregistered multilevel meta-analyses.” Journal of Experimental Psychology: General, 153(6), 1464–1488. DOI: 10.1037/xge0001583
- Bisra, K., Liu, Q., Nesbit, J. C., Salimi, F., & Winne, P. H. (2018). “Inducing Self-Explanation: a Meta-Analysis.” Educational Psychology Review, 30, 703–725. DOI: 10.1007/s10648-018-9434-x
- Gilboa, A., & Marlatte, H. (2017). “Neurobiology of Schemas and Schema-Mediated Memory.” Trends in Cognitive Sciences, 21(8), 618–631. DOI: 10.1016/j.tics.2017.04.013
- Agarwal, P. K., Nunes, L. D., & Blunt, J. R. (2021). “Retrieval Practice Consistently Benefits Student Learning: a Systematic Review of Applied Research in Schools and Classrooms.” Educational Psychology Review, 33, 1409–1453. DOI: 10.1007/s10648-021-09595-9
- Graham, S., Kiuhara, S. A., & MacKay, M. (2020). “The Effects of Writing on Learning in Science, Social Studies, and Mathematics: A Meta-Analysis.” Review of Educational Research, 90(2), 179–226. DOI: 10.3102/0034654320914744
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). “Generative AI without guardrails can harm learning: Evidence from high school mathematics.” Proceedings of the National Academy of Sciences, 122(26), e2422633122. DOI: 10.1073/pnas.2422633122
- Poulidis, S., Bastani, H., & Bastani, O. (working paper; posted 2025, revised 1 Aug 2026). “Self-Regulated AI Use Hinders Long-Term Learning.” Wharton School Research Paper / SSRN
- Risko, E. F., & Gilbert, S. J. (2016). “Cognitive Offloading.” Trends in Cognitive Sciences, 20(9), 676–688. DOI: 10.1016/j.tics.2016.07.002
- MLB.com (2024-12-28). “Baby Ohtani! Shohei, wife Mamiko expecting first child.
- Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). “AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting.” Scientific Reports, 15, 17458. DOI: 10.1038/s41598-025-97652-6
