促进或抑制：生成式人工智能对大学生创造力的影响

促进或抑制：生成式人工智能对大学生创造力的影响

王思遥黄亚婷

摘要：生成式人工智能在促进大学生自我调节学习的同时，诱发了抄袭、剽窃等学术不端行为。生成式人工智能本身并不具备直接塑造大学生创造力的能力，其对大学生创造力的影响取决于学生的自我调节学习以及使用生成式人工智能的伦理边界意识。技术便捷性与优绩主义催生的功利化学习方式之间的张力，学术伦理和道德规范意识薄弱与技术监管不到位之间的矛盾，是引发生成式人工智能不当使用，进而扼杀大学生创造力的关键。自我调节学习不仅能够减少大学生对生成式人工智能的不当使用，还能有效降低生成式人工智能不当使用对大学生创造力带来的负面影响。提升大学生的自我调节学习能力，帮助其理性对待智能技术，减少不当使用行为，是实现生成式人工智能助力大学生创造力提升的关键。

关键词：生成式人工智能；大学生创造力；自我调节学习；不当使用

一、问题的提出

高校作为自主培养拔尖创新人才主阵地，其培养的学生是否具有创造力，即能否以发散性、反思性、批判性和创造性思维，突破既有知识结构以及常规思维束缚，实现理论和技术创新，直接关系着我国在全球科技战略博弈中的成败。然而，随着智能社会的飞速发展，创新型人才培养面临严峻的时代考验。2022年底，以ChatGPT为代表的生成式人工智能（GenerativeArtificialIntelligence,GenAI）风靡全球，不仅掀起了各行各业的科技狂潮，更是引发了教育领域的“现象级”热议。一方面，凭借强大的自然语言理解、高质量的文本生成以及多样化的应用场景，生成式人工智能在推动教育模式变革、促进个性化学习、提升人才培养质量等方面表现出极大的应用前景；另一方面，教育数字化转型过程中可能出现的教师和学生主体性危机、数据安全与伦理问题、学术不端以及教育不公平等则对创新型人才培养提出了巨大挑战。在科技革命纵深演进的当下，准确把握时代契机，深入推进高等教育数字化转型，进一步提升当代大学生的创造力，是打造高精尖人才方阵、掌握智能时代决胜主动权的关键。

（一）生成式人工智能与大学生创造力

二是抑制说。持该观点的学者认为，生成式人工智能可能通过削弱学生主体性、减少情感交流及抑制原创性等多种途径，为大学生创造力发展带来不可挽回的负面影响。如GenAI的即时答案容易引发“技术依赖”，减少学生主动思考与独立探索的机会，从而抑制其创造性思维的发展；GenAI的强人机交互能力可能消解传统师生之间以及生生之间的深度对话与情感共鸣，削弱社会情感能力，不利于学生创造力的长远发展；GenAI基于现有数据生成特定内容的算法特性可能导致学生创意同质化，限制其对问题多视角的理解与探索，从而抑制其原创性思维的产生。综合而言，持抑制说的学者以一种谨慎的态度审视生成式人工智能在教育领域的应用，认为应警惕GenAI可能诱发的“创造性危机”。

无论是促进说还是抑制说均在一定程度上反映了生成式人工智能的特性，鉴于当前对GenAI与大学生创造力之间的关系探讨主要停留在理论层面，本研究以探索性的方式提出一组竞争性假设：

H1-1：生成式人工智能正向影响大学生创造力；

H1-2：生成式人工智能负向影响大学生创造力。

（二）自我调节学习的中介作用

无论是促进说还是抑制说，其争论的核心焦点在于学生对GenAI技术的使用方式，当学生能够克服技术依赖，主动探索、联想、反思学习资料，调整、监控和评估学习方法和学习行为时，GenAI促进其创造力提升的可能性更大。这种根据环境变化而不断调整、组织、监督和控制自己的认知、动机和行为，以达到特定目的的过程反映了学生的自我调节学习能力。LeeHY等为了解技术依赖与自我调节学习在大学生使用ChatGPT过程中的作用，对中国台湾地区61名本科生进行准实验研究，结果显示，ChatGPT辅助学习工具能够有效降低学生的技术依赖、提升他们的自我调节学习水平，并对其高阶思维和知识构建产生积极影响。基于此，本研究假设：

H2-1：GenAI支持正向影响大学生的自我调节学习；

H2-2：自我调节学习正向影响大学生创造力；

H2-3：自我调节学习在GenAI支持与大学生创造力之间发挥正向的中介作用。

（三）GenAI不当使用的中介作用

GenAI不当使用是指个体在使用生成式人工智能过程中未经充分披露或适当引用，直接采用GenAI生成的内容作为个人原创的一种行为方式。一项混合研究结果显示，使用ChatGPT学生的学术剽窃率显著高于未使用ChatGPT的学生，其中使用ChatGPT完成课程作业的大学生，其论文抄袭率高达89%。值得注意的是，由于生成式人工智能技术的先进性，GenAI不当使用引发的学术不端行为具有不易被发现、难以被监测和管控的隐蔽特征，部分学生不仅利用GenAI工具完成了学业任务和课程作业，还因此获得了优异成绩，《》（TheNewYorkTimes）报道称，北密歇根大学的安东尼·奥曼教授发现，全班第一的论文竟出自ChatGPT之手。这种“拿来主义”不加遏制容易助长技术依赖和思维惰性，不利于学生创新能力的培养。基于此，本研究提出如下假设：

H3-1：GenAI支持正向影响GenAI不当使用；

H3-2：GenAI不当使用负向影响大学生创造力；

H3-3：GenAI不当使用在GenAI支持与大学生创造力之间发挥负向的中介作用。

作为大学生与GenAI交互产生的两种截然不同的学习方式，自我调节学习和GenAI不当使用之间是否存在一定关联？杜罗谢尔（DuRocherAR）认为，自我调节学习通过对学习过程的主动管理和控制，能够有效促进学生的独立思考和问题解决能力，从而减少他们的技术依赖和抄袭动机。印度尼西亚的一项调研结果显示，自我调节学习显著降低了学生在线学习过程中的学术不端行为。可见，自我调节学习有可能是智能时代减少学生技术依赖、学术抄袭和剽窃等不当行为的重要手段之一。基于此，本研究进一步假设：

H4-1：自我调节学习负向影响GenAI不当使用；

H4-2：自我调节学习和GenAI不当使用在GenAI支持与大学生创造力之间发挥链式中介作用。

二、混合研究设计

混合研究包括顺序设计、平行设计和分叉设计三种类型，分别对应解释性、探索性和转换性三类设计策略。本研究主要采用“大量小质”顺序设计，研究前期以问卷调查法探索普遍性规律，研究后期以质性访谈对相关现象进行多方验证和补充解释。

（一）量化研究设计

1.研究对象。

本研究数据源于《我国大学生生成式AI使用情况调查问卷》，调查对象为全日制本科生。样本覆盖13所高校，其中一流大学建设高校4所，一流学科建设高校5所，非“双一流”建设高校4所，共回收问卷3021份，剔除无效样本670份，剩余有效样本2351份，问卷有效率为77.82%，样本分布特征详见表1。

2.研究工具。

GenAI支持。GenAI支持测量生成式人工智能为大学生学习和科研提供的帮助，量表改编自文卡塔斯（VenkateshV）等的技术接受与使用模型（UnifiedTheoryofAcceptanceandUseofTechnologyModel,UTAUT），包括“我使用生成式AI帮助查阅资料”“我使用生成式AI帮助撰写论文”等六个题项。量表采用“1~5”正向计分，分值越高表示GenAI为大学生学习和科研提供的支持越高。

创造力。创造力测量大学生的创造性参与过程，包括问题识别、信息搜寻和编码以及观点产生三个维度。其中，问题识别由“我会从多个角度思考问题”等三个题项构成；信息搜寻和编码由“我能通过融合既有信息挖掘更多信息”等三个题项构成；观点产生由“我能通过在不同事物之间建立联系产生新想法”等四个题项构成。量表采用“1~5”正向计分，分值越高表示大学生创造力潜能越高。

自我调节学习。自我调节学习测量大学生对自身学习行为的反思、调节与监控。量表改编自温妮（WinnePH）和佩里（PerryNE）的自我调节学习量表，包括“我会根据需要及时调整学习计划”“我会反思和调整自己的学习内容”等四个题项构成。量表采用“1~5”正向计分，分值越高表示大学生的自我调节学习能力越强。

GenAI不当使用。GenAI不当使用测量大学生使用生成式人工智能过程中的学术不端行为。量表改编自霍华德（HowardSJ）等的抄袭态度量表（PlagiarismAttitudeScale），包括“我会直接复制AI生成的内容而不加以引用”等四个题项构成。量表采用“1~5”正向计分，分值越高表示大学生不当使用GenAI的现象越突出。控制变量。为排除背景变量的干扰，本研究将学校类型、学科类型、年级和性别作为控制变量。此外，为排除学业成绩对学生学习行为以及创造力表现的影响，学生的GPA排名也纳入控制变量范畴。

（二）质性研究设计

根据访谈对象选取的自愿性原则，本研究在问卷调查的最后设置了开放题项“若您愿意接受访谈，分享您使用GenAI工具过程中的经历、感受和收获，请留下联系方式（手机或邮箱）”。最终，50位受访者表达了愿意接受访谈的意愿。本研究结合受访者性别、学科和年级等多方面因素，最终选取15位进行访谈。访谈时间最长为1小时，最短为20分钟，平均时长在半小时，访谈者基本信息详见表2。

三、数据分析与结果

（一）描述性分析

调研结果显示，大学生使用GenAI辅助学习的频率较高，其中“有时使用”“经常使用”和“总是使用”的占比分别为32.92%、40.49%和12.29%，“极少使用”和“很少使用”的占比仅为4.25%和10.04%。相关变量的描述性信息详见表3。

（二）测量模型检验

本研究各题项的因素载荷量在0.628至0.937之间，大于0.5的判定标准。各因素的组成信度（CompositeReliability，CR）均大于0.6，表明本研究使用的量表具有良好的信度。各因素的平均方差萃取量（AverageofVarianceExtracted，AVE）在0.529至0.872之间，且各因素平均方差萃取量的平方根大于与之对应的皮尔森相关系数，表明测量模型具有良好的区别效度。（见表4）综合而言，本研究测量模型的信效度良好。

（三）结构模型检验

本研究运用最大似然法（MaximumLikelihood，ML），在控制相关变量后，围绕GenAI支持、自我调节学习、GenAI不当使用及大学生创造力间的关系构建结构方程模型。结果显示，（见图1）该模型的各拟合指数均在合理范围内，表明模型拟合度良好（c2=2309.059,df=358,GFI=0.930,AGFI=0.915,TLI=0.926,CFI=0.935,RMSEA=0.048,SRMR=0.045）。

可以看出，（见表5）GenAI支持对大学生创造力无显著影响，假设H1-1和H1-2不成立。GenAI支持正向预测大学生的自我调节学习和GenAI不当使用，假设H2-1和H3-1成立。自我调节学习显著负向影响GenAI不当使用，假设H4-1成立。自我调节学习和GenAI不当使用分别对大学生创造力有显著的正向及负向影响，假设H2-2和H3-2成立。

（四）中介效应检验

本研究通过偏差校正百分位Bootstrap重复抽样1000次对自我调节学习和GenAI不当使用的中介效应进行检验。结果显示，（见表6）自我调节学习在GenAI支持与大学生创造力之间发挥完全中介作用，且作用效果为正，假设H2-3成立；GenAI不当使用在GenAI支持与大学生创造力之间发挥完全中介作用，且作用效果为负，假设H3-3成立；自我调节学习和GenAI不当使用在GenAI支持与大学生创造力之间发挥链接中介作用，假设H4-2成立。

四、结论与建议

（一）结论与讨论

另一方面，生成式人工智能的广泛应用为抄袭、剽窃等学术不端行为提供了便利，为学术生态的良性发展带来了不容忽视的负面影响。究其原因，主要与以下两对矛盾关系密切相关，分别是：技术便捷性与优绩主义催生的功利化学习方式之间的张力，以及学术伦理和道德规范意识薄弱与技术监管不到位之间的矛盾。“AI生成的内容速度既快质量又高，比我自己写省力太多，我多产出几篇文章，哪怕只是普通期刊，保研的可能性也更大。”（12-F-E）在技术便捷性与优绩主义的双重驱动下，大学生的学习行为发生异化，催生出一种以结果为导向、忽视过程价值的功利化学习模式，助长了复制粘贴GenAI生成内容的“拿来主义”。“大家都直接复制粘贴，应该没关系。”（14-M-E）“课程论文又不查重，而且想查也查不出来，没什么好担心的。”（04-M-SS）学术伦理意识不足以及道德责任感缺失致使部分学生面对学业压力与竞争时，选择追求短期利益，忽视学术诚信与长远发展，诱发了学术不端现象。同时，GenAI生成内容的高度仿真性，模糊了原创与抄袭的界限，使得传统查重手段难以精准辨识，为学术不端行为提供了隐蔽温床。加之当前法律框架与政策规范在此新兴领域内的缺位与滞后，未能形成有效的遏制力量，进一步助长了抄袭、剽窃等学术不端行为的蔓延。

2.生成式人工智能对大学生创造力的影响取决于学生的自我调节学习能力以及使用GenAI的伦理边界意识。自我调节学习和GenAI不当使用分别在生成式人工智能与大学生创造力之间发挥完全中介作用，即生成式人工智能本身并不具备直接塑造大学生创造力的能力，其最终效果高度依赖于学生使用GenAI的方式以及对GenAI生成内容的内化程度。当GenAI支持转化为学生的自我调节学习时，生成式人工智能是提升大学生创造力的重要助力；当GenAI支持转化为抄袭、剽窃等不当的行为习惯时，生成式人工智能则是扼杀大学生创造力的利刃之器。

“AI生成的内容比我自己能想到的丰富很多，能够完善我的知识结构，还能帮我矫正一些错误认知。”（09-F-NS）正如建构主义学习理论所强调的，认知发展是个体与环境相互作用的结果。学生在与GenAI的互动过程中不断接收新的信息，这些信息与已有知识形成补充甚至产生冲突，学生在不断接收、理解、调试和整合这些信息的过程中形成新的认知结构，这为打破已有的思维模式，形成新的想法、发现新的事物提供了认知土壤。“能够提升我对学习的控制感、自信心，让我觉得没那么难，动力也更足，更愿意去主动思考和探索。”（11-F-NS）生成式人工智能在助力大学生设定学习目标，管理、监督和调整学习过程，评估、反思和优化学习效果的过程中，提升了他们的学习动机和自我效能感，为其主动了解和探索新的知识、发现和思考新的问题提供了动力支持。“会回过去看之前的对话记录，然后对比现在和之前的思维，确实不一样……没有最优，只有更优，变得更加大胆，敢于质疑了，质疑自己，也质疑别人。”（08-M-NS）艾曼贝尔（AmabileT）在创造力成分理论中指出，除专业知识和技能、兴趣和爱好等内在动机外，好奇心、开放态度、批判性、敢于质疑等创造性人格也是催生创造力的关键。大学生与GenAI深度交互过程中产生的反思性思维和批判性精神，使他们在对既有知识保持好奇的同时常怀批判态度，勇于探索未知又能接纳失败与风险，为创造出新颖、有价值的知识与成果提供了精神支持。总之，自我调节学习机制深刻激活了学习者在元认知策略运用、内在动机激发以及自我行为管理等多维度上的角色参与，充分发挥了生成式人工智能促进大学生创造力的潜能。

然而，若大学生与生成式人工智能的交互停留在表层，甚至演变为技术依赖、抄袭和剽窃等不当行为时，GenAI非但不能激发大学生的创造力潜能，反而会成为阻碍其创造力发展的桎梏。“既然能不费吹灰之力完成任务，又何必大费周章去查资料、整理资料，然后还绞尽脑汁去思考呢？”（10-M-NS）“只要复制粘贴或者稍微调整下格式表达，太方便了，课程论文、思想报告，我基本交给AI了。”（13-M-E）在便捷的技术与功利化的学习方式，淡薄的学术伦理意识与缺位的技术监管的交互作用下滋生的GenAI不当使用正悄然侵蚀大学生的创造力潜能。正如现有研究所担忧的，强大的技术支持所引发的技术依赖，致使学生让渡学习主动权，以直接挪用GenAI生成内容取代主动思考与深度分析的行为倾向，助长了思维惰性，削弱了学生的问题解决能力以及对环境变化的适应能力，引发严重的“创造力危机”。此外，生成式人工智能的发展仍处于初期阶段，其生成内容不乏虚构和错误信息，不加思考的“拿来主义”将谬误视为原创，不仅会在无形中误导个体的认知框架，构建出基于错误前提的知识基础，更会显著抑制创造性思维的发展，阻碍创新性成果的涌现。

（二）对策与建议

一是加强人工智能素养教育，帮助大学生理性对待智能技术。开设分层分类的人工智能通识课程，为学生提供了解AI技术工作原理、应用领域和潜在影响等人工智能知识学习机会，帮助他们理性认识并合理运用GenAI工具；构建一套涵盖广泛AI基础知识与前沿工具使用方法的在线教育资源体系，为学生自主学习AI知识与技能提供资源支持；设立专门的AI咨询服务团队，提供个性化、专业化的学习指导与疑难解答，助力大学生克服自主学习过程中的困难与挑战；定期举办AI技术讲座、工作坊、沙龙等活动，邀请行业专家分享最新研究成果与应用案例，拓宽学生视野，激发学习兴趣，提升大学生的AI素养，为生成式人工智能助力拔尖创新人才培养奠定知识与技能基础。

三是明确数字伦理标准，减少GenAI的不当使用行为。在政策层面，构建一套具有广泛共识的数字教育伦理标准体系和治理框架，明确智能技术在教育领域的边界与限度，严格规范相关部门对人工智能产品及衍生服务的认证、评估与伦理审查，从产品设计源头防控潜在的伦理风险，促进数字教育环境的健康可持续发展。在技术层面，积极汲取并超越国际已有的GenAI检测技术，致力于开发能够全程追踪GenAI使用轨迹、检测GenAI不当使用情况的智能工具，进一步强化GenAI全周期监管，包括加强约束性措施、实施更为细致的审查流程以及优化管理机制等，提升人工智能工具在教育领域的应用透明度，确保人工智能创新实践始终遵循法律法规要求，实现合法、合规且高效的发展。在人才培养层面，将数字伦理标准和学术诚信规范纳入课程教学和培养方案，加强学术审核和学术不端行为问责机制，通过对学生的伦理道德和学术诚信教育，减少学生利用GenAI进行抄袭和剽窃等学术不端行为的出现。

（参考文献略）

（本文首次发表在《中国高教研究》2024年第11期）

很赞哦!（9）