生成式人工智能赋能学生创造力培养路径研究

摘 要 生成式人工智能的产生对于学生的创造力培养提出了巨大的挑战，许多人担忧生成式人工智能会影响学生的创造力发展，但事实上二者并不存在根本矛盾。如何应对这种挑战并且寻求二者之间相互融合的可行路径，是当代教育迫切需要解决的难题。在教育数字化进程中，生成式人工智能赋能人才培养已经成为一种显著的发展趋势。生成式人工智能技术具有数据化与自动化特性、内容生产方面的优势、个性化与定制化的特点，因此它可以在教育活动中扮演“教学辅助者”“知识开发者”“学习陪伴者”的角色，从而对学生创造力的有效构建、内在培育和多元发展起到积极的推动作用。

关 键 词 生成式人工智能；学生创造力；教育数字化

引用格式 段霖瑶.生成式人工智能赋能学生创造力培养路径研究[J].教学与管理，2024（33）：65-69.

2022年的全国教育工作会议明确提出“实施国家教育数字化”的战略方针，旨在推动教育数字化转型任务。党的二十大报告又进一步提出“推进教育数字化”，以数字变革推进教育强国的建设。在人工智能赋能现代教育的大背景下，生成式人工智能技术在教育领域的应用和研究成为新的热点研究趋向。这种研究趋向主要集中在人工智能教学的关键技术、应用形态、基础理论以及师生素养研究等领域[1]，但是基于学生创造力构建与培育的视角所展开的研究还相对较少。因此，本文从生成式人工智能的“数据化与自动化”“内容生产优势”以及“个性化与定制化”三个层面的技术特征出发，对学生创造力的培养路径进行探讨。

一、生成式人工智能与学生创造力融合的有效基础

联合国教科文组织2023年发布的《生成式人工智能教育与研究应用指南》曾经给出过一个定义：“生成式人工智能是根据人类借助思维符号表征系统表达的提示自动生成内容的人工智能技术。”[2]相比于以往的人工智能构造类型，生成式人工智能在知识表征、解构与重构语义以及基于逻辑的推理等方面具有显著优势，它能够分析、理解并生成多模态的内容，从而成为推动创造力教育和发展的核心力量；它能够学习和挖掘海量的数据，智能自动生成自动化、个性化、精准化的内容资源，从而为人的创造力培养提供全新机遇[3]。“创造力”一词由古伊福德（Guiford）于1950年提出，后来的许多学者也对于“创造力”问题进行过系统研究，并逐渐形成了关于创造力概念的综合定义，认为创造力是一种“在学习知识、解决问题和创造活动中，根据一定的目的，运用一切已知信息，在新颖、独特且有价值地产生某种产品的过程中表现出来的智能品质或能力”[4]。从认知心理学的角度来看，知识是创造力的重要基础，学生需要具备丰富的“领域”知识，这样他们才能在该领域内进行创造性的思考和活动。同时，知识与创造力并非一种简单的线性关系，过度僵化的知识体系可能会限制人的创造力发展，而灵活的、具有广泛性的知识结构则有助于人的创造力发挥。以往，人们认为只有人类才具有创造能力，但是随着人工智能技术的迭代更新尤其是生成式人工智能的出现，人们发现，创造力似乎不再是人类所独享的专利，而“人工智能创造力”一词也应运而生，即“人工智能技术赋能的虚拟主体，在算法驱动下模拟人类的创造性活动时产生新颖性、价值性创造的能力”[5]。

那么，学生创造力的培养是否需要生成式人工智能技术的支撑呢？对此，学界有不同的声音，而生成式人工智能与创造力之间的关系一直以来也存在着较大的争议。有学者指出，以ChatGPT为代表的生成式人工智能虽然具备较强的逻辑分析与批判性思维，但它并没有明显的创造力倾向；他们在对ChatGPT的创造力、问题解决、元认知、协作和沟通协调等五个方面的思维倾向进行测量评价后得出结论：“ChatGPT的创造力倾向最低，但在其他思维倾向方面表现得更为积极主动。”[6]有学者也认为，如果学习者过度依赖生成式人工智能来获取信息，可能会导致学生的信息判断力以及批判性思维能力下降，从而影响个体的创造力发挥。

尽管学界关于生成式人工智能还存在着种种争议，但生成式人工智能所具有的“数据化与自动化”“内容生产优势C69waPTORO+Jb+9gr+IxgA==”以及“个性化与定制化”三大特征，恰恰是学生创造力融合的有效基础，因而具有重要的研究价值和意义。生成式人工智能的数据化和自动化特性为学生创造力的有效建构提供了诸多可能性——它可以从丰富知识储备、激发创意灵感、提供学习辅助和创新实践支持等多方面助力学生创造力的发展。通过教育者的引导监督和技术与规则的改进完善，能够充分发挥生成式人工智能在支撑学生创造力建构中的积极作用；通过设计开放式任务、分阶段引入生成式人工智能、支持协作学习以及提供反思评估，教师能够在教学中有效运用生成式人工智能技术来激发学生的创造力。上述这些实践操作路径不仅能够助力学生在学习过程中提出创新性想法，而且还能提高他们的自我效能感并改进他们的学习动机。

二、生成式人工智能的数据化与自动化支撑学生创造力有效建构

传统的人工智能技术一般依赖于判别模型——通过监督机器学习对数据进行分类并提供计算效率与成本效益，而生成式人工智能却能够通过基于转换器的机器学习算法来对海量数据进行处理，其显著的特征就在于数据处理过程中的灵活性与适应性以及更为智能的自动化处理技术[7]。上述这些特征使得生成式人工智能能够成为“教学辅助者”，从而对学生创造力的有效建构与开发起到支撑作用。一是在教学准备方面，生成式人工智能技术能够基于庞大的数据模型突破教师个人的知识局限，自动为教育工作者生成符合不同课程目标和要求的教学素材，从而极大地丰富教师教学内容，为教师设计具有创造性的教学活动提供重要支撑。二是在教学评估方面，生成式人工智能也能为教师提供十分便利的条件。生成式人工智能可以根据教师设定的教学目标以及课堂学习内容自动生成对应的测试内容，且能够在测试完毕后对学生的测试情况进行评分，形成成绩分析与评估报告供教师参考，并据此制定下一步的教学计划[8]。在传统的课堂教学中，教师的主要教学重心在于课前的教学准备以及课后的教学评价，而生成式人工智能技术以其海量教学数据的供给和强大的数据分析能力为教师分担最为繁琐的课前备课与课后评价两个教学环节工作任务，从而使教师得以从繁忙的教学辅助工作中解脱出来，有更加充沛的时间和精力投入课堂教学中。三是在对学生的课后辅导与答疑方面，生成式人工智能不仅能够凭借其强大的数据库以及自动化处理技术，给予学生更加全面、快速的响应——问题解答与情况反馈，在最大限度拓宽学生知识面的同时也能够激发学生创造力的发展与批判性思维的形成。虽然借助生成式人工智能解答学生疑问不一定能够给出百分百准确的答案，但是生成式人工智能凭借其庞大的数据库以及自动化处理能力，几乎能够解答学生的任何问题，尤其是它能够对于一些开放式的问题给出全方位、多视角的思路，而这种发散思维正是创造力的重要来源。从这一意义上来说，生成式人工智能在某些方面所具有的优势是教师所无法比拟的，毕竟即使是学富五车的学者也会存在知识盲区，而生成式人工智能海量的数据库供给则能够扫清大部分的知识盲区。正是由于生成式人工智能的出现，使教师从繁琐的教学辅助工作中解放出来，从而能够专注于更高维度的创造性教育工作。从某种意义上来说，生成式人工智能所带来的教学变革在于使教师的教学重心由之前的注重教学知识和内容本身逐渐过渡到了关注学生主体，更加强调对学生身心健全发展以及创造力与批判性思维的培养，从而真正做到了回归教育的本质，即从“以知识为中心”回归到了“以人为本”的教育主旨。

那么，教育工作者如何运用生成式人工智能数据化和自动化的优势培养学生的创造力呢？第一，基于生成式人工智能海量数据多元知识素材，为学生创造力培养奠定基石。传统的教育资源获取往往受到教材内容、图书馆馆藏资源以及教师个人知识储备等因素的限制，学生只能在相对有限的知识范围内进行学习。而生成式人工智能可以最大程度上汲取来自各个学科领域的知识养分，从而拥有了宽广的问题解决视野，进而为学生创造力的发展奠定了坚实的基石。例如，对于一个想了解不同历史时期特有文化的学生而言，生成式人工智能的价值不可估量。它能够以极快的速度提供不同朝代、不同地区丰富多样的文化特色。从华夏文明的各个朝代，如唐代的诗歌文化、绘画艺术以及开放包容的社会结构，到欧洲中世纪的宗教文化、城堡建筑风格与封建等级制度；从古老的玛雅文明神秘的祭祀文化、精确的天文历法知识到非洲大陆上部落文化中的独特艺术形式与社会组织形态等。这种全方位、多层次的知识供给，远远超越了传统教育资源获取的方式及其天然的局限性。不仅如此，数据化的生成式人工智能具备独特的优势，它可以轻松跨越不同学科的界限，将不同学科的知识进行有机整合。例如，当学生着手设计一个关于环保主题的创意项目时，他可以借助生成式人工智能获取多学科的知识。从自然地理的角度来看，学生能够获取到诸如全球变暖的成因、各种污染类型及其对生态系统的影响以及不同生物群落对环境变化的响应等知识；从人文地理方面来看，借助于生成式人工智能了解到社会公众对于环保问题的认知态度、不同国家和地区的环保政策及其背后的社会文化因素，以及环保运动在社会变革中的推动作用等。更为重要的是，生成式人工智能能够清晰地呈现不同学科知识之间的联系。例如，在环保主题项目中，环境科学中的生态平衡原理与艺术设计中的可持续材料应用之间存在着紧密的关联。生态平衡原理强调了生物与环境之间的相互依存关系，这一原理启发学生在选择创作材料时，要考虑材料的来源是否可持续、对环境的影响是否最小化等因素。这种跨学科知识之间联系的呈现，能够助力学生进行跨学科思考，这是创造性思维的重要组成部分。跨学科思维能够打破学科之间的壁垒，让学生从多个角度去审视问题，将不同学科的知识和方法进行融合创新，从而产生独特而新颖的创意和解决方案，提升自己内在的创造力。第二，生成式人工智能可以挖掘知识关联与模式，提升学生的创造性思维。生成式人工智能凭借其强大的数据分析能力，通过对海量数据进行深入细致的分析，可以挖掘出各种知识元素之间隐藏的错综复杂的联系，学生可以从中学习到新的思维模式。通过学习生成式人工智能所展示的关联模式，学生能够以一种更加灵活、多元的方式去思考问题，将不同的知识概念和方法进行重新组合与创新应用，从而在不同学科领域的学习和实践中提升自己的创造力。例如，在解决复杂的数学问题时，学生可以不再局限于单一的解题方法，而是从几何与函数的关联思维出发，寻找新的解题思路。

三、生成式人工智能的内容生产优势辅助学生创造力内在培育

生成式人工智能除了在教学中能够成为教师得力的“教学辅助者”，同时它也是学校教育中重要的“知识开发者”。生成式人工智能作为“知识开发者”主要体现在对知识的复制性生产与对知识的原创性生产[9]。生成式人工智能在知识的复制性生产中主要有两大功能：一是它不仅能够生成文字、图片、视频等多种知识模态，而且它还能够实现各种知识模态之间的相互转化[10]。二是生成式人工智能拥有比以往人工智能更加强大的认知力和语言感知能力，从而能够在最短的时间内系统、全面地搜集、整合出所需的多模态主题内容，而且其还能根据学习者的反馈不断调整答案与自我修正，从而不断完善给出的知识内容，有效提升了知识交流的深度与广度[11]。此外，生成式人工智能在知识的原创性生产方面的优势则主要体现在三个方面：一是教育工作者或学习者能够在生成式人工智能对海量数据进行搜集、分析与整理的基础上，展开更加深入且发散式的思考，继而得出创新性见解；二是在与生成式人工智能进行知识及认知交互的过程中，基于生成式人工智能所具有的较强的认知能力和自我修正能力，学习者能够从中获得意想不到的灵感与启发，从而提出新的创新型问题与研究方案；三是生成式人工智能能够对海量数据进行搜集、整理分析、情感计算以及虚拟互动实验等，并在此基础上形成可视化的多模态知识内容，这有助于教育工作者借助生成式人工智能在不同学科之间实现多学科协作教学与研究工作[12]，从而形成更加有利于学生创造力培养的途径与渠道。

奥苏贝尔（D.Ausubel）的有意义学习理论认为：教师在精心选择、加工后的教学内容能够在学生的原有知识与新知识框架之间起到重要的认知桥梁作用[13]，而这种基于“有意义学习”的教学资源开发是学生创造力内在培育的重要支撑。教师需要借助生成式人工智能技术加工、搜集、整理出有助于“有意义学习”的那部分核心资料内容，从而为学生构建起沟通新旧知识以及创造力开发的重要桥梁，从而达到借助生成式人工智能的内容生产优势辅助学生创造力内在培育的教学目标。

第一，明确目标，生产多元创造性内容。生成式人工智能借助不同算法生成多样内容，有助于学生摆脱固有思维模式，开启更多富有创造力的学习方向。为此，教师要依据具体学科内容与目标，设计适合生成式人工智能参与的任务类型——这些任务应具备开放性和情境性，允许学生利用生成式人工智能生成不同类型的创意内容，并在此基础上进行创新创作。原因在于，开放性的任务能给予学生自由发挥的空间，促使他们自主开展创造性探索，而情境性问题的设置则有助于学生从实际情况出发，提升创造性解决问题的能力。

第二，分阶段分层次引入任务内容，培育学生的创造性思维。生成式人工智能生成的内容为学生提供了一个初始创意框架，助力他们在创作初期找到起点。为了让学生逐步掌握生成式人工智能技术的使用并提升创造力，教师可采用分阶段引入的方式，使学生在由浅入深的学习过程中不断提高创新能力。在教学初始阶段，教师应向学生介绍生成式人工智能的基本原理和操作方法。这一阶段的目标是让学生熟悉工具，初步体会人工智能带来的创作自由度。当学生熟练掌握人工智能工具的基本操作后，便进入中级阶段，此时教师可逐步提高任务难度，让学生使用人工智能生成内容，并在此基础上开展进一步创作。这一阶段我们应当鼓励学生在人工智能生成内容的基础上进行更多自主创意发挥。到了更高级阶段，学生应能够独立运用生成式人工智能技术完成复杂的创作任务。这时，教师可以设计跨学科项目，让学生结合不同的生成式人工智能技术进行全面创作。例如，学生可以在一个创意项目中整合人工智能生成的文本、图像和音频，打造完整的多媒体作品——通过这种自主整合，学生能够真正将人工智能视为创意过程中的工具和助手，而非单纯的内容生成器。

第三，协作学习，利用内容生产优势激发团队创新潜能。生成式人工智能不仅可以在完成个体学习的目标任务中发挥作用，而且还能通过协作学习的方式，进一步激发学生的创造力。教师可组织学生分组，小组成员分工合作，利用生成式人工智能完成共同的创意任务。在协作学习中，教师还可为学生分配不同角色，如“人工智能操作员”“创意负责人”“编辑”等。通过角色轮换，学生能够获得不同体验，从不同视角开展创作，这有助于他们在团队环境中进一步激发创造性思维。

第四，反思评估，促进深度创造。人工智能生成的内容并非总是尽善尽美，学生需要对这些内容进行批判性评估、筛选和改进。通过与人工智能生成的材料互动，学生不仅能学会创造，还能学会评估生成内容的质量，从而提升分析能力和批判性思维。反思评估是生成式人工智能支持下创造性学习过程中的重要环节，通过自我反思、同伴反馈和教师评估，学生能够进一步提升创作的深度和前沿性。

四、生成式人工智能的个性化与定制化推动学生创造力多元发展

个性化与定制化是指生成式人工智能可以根据学生的需求，生成高度个性化的内容，提供定制化的学习建议。“生成式人工智能可以根据学生的学习需求和偏好，生成个性化的学习资源，从而满足学生的多样化需求，提升学习效果。”[14]生成式人工智能最突出的技术特征与优势就在于其能够根据不同学生的兴趣爱好、知识水平和学习能力，自动“定制”生成适用于每个学生的“个性化”学习内容与教学策略，成为学生的“学习陪伴者”。生成式人工智能还能够实时跟踪学生的学习进度与状态，及时调整教学方案和教学难度，从而为学生提供“个性化”学习体验。此外，学生在完成阶段性学习任务以后，生成式人工智能还可以在“精准”分析学生学习数据和行为模式的基础上，给出个性化的教学评估报告和建议，从而使学生更加清晰地认识到自己的学习状态，并且在生成式人工智能的个性化引导下逐渐走出困境[15]。因此，在教师引导下，生成式人工智能成为学生的“学习陪伴者”，在推进学生实现全面自由、符合个体需求的发展过程中发挥极为重要的作用。在教学实践中，生成式人工智能的个性化与定制化优势在培养学生创造力过程中有着多方面的积极作用。

第一，生成式人工智能帮助学生适应个体学习差异，激发多元创意起点。每位学生都有其独特的学习节奏与方式。生成式人工智能可以借助学生的历史学习数据，例如作业完成的情况、测试成绩等信息，精准地识别出学生的学习进度以及存在的学习问题。针对那些学习进度相对较慢的学生，它能够生成更为基础、精准细致的学习内容和创意启发素材，助力他们逐步构建起完善的知识体系，从而为创造力的萌发与发展奠定坚实的基石。对于学有余力、在学习上表现较为突出的学生，生成式人工智能则能够提供更具挑战性和深度的创意任务与丰富的学习资源，从而激发他们向着更高层次的创造力探索迈进。生成式人工智能具备分析学生兴趣爱好的能力，例如，它可以通过分析学生在学习平台上的浏览历史记录、参与讨论的话题内容等数据信息，深入了解学生的兴趣倾向，并基于这些兴趣点为学生定制创意项目。例如，为喜爱历史的学生定制历史题材的创意写作任务，鼓励他们巧妙地结合历史事件创作富有想象力的虚构故事；或者为热爱科学的学生定制与前沿科学研究紧密相关的创新实验设计思路。这种基于兴趣的定制化方式，能够极大程度地提升学生对学习和创意活动的参与度与投入度，进而激发他们从自身独特的兴趣点出发，产生多元化的创意灵感。

第二，生成式人工智能辅助教师定制教学模式，拓展创造思维空间。传统的教学模式往往严格遵循固定的课程大纲和教学进度安排，这种模式在满足学生个性化需求方面存在明显的局限性。而生成式人工智能则能够为每一位学生量身定制独一无二的学习路径。例如，在艺术教育领域，对于那些擅长色彩表达却在构图方面有所欠缺的学生，生成式人工智能可以生成专门针对构图技巧提升的学习模块，并且紧密结合学生对色彩独特的理解和运用能力，定制创意绘画任务，积极鼓励学生将色彩运用与构图创新有机地结合起来，从而突破传统绘画教学千篇一律的统一模式，有效地拓展学生在艺术创作领域的思维空间。此外，生成式人工智能还具备提供个性化反馈的能力，这种反馈不仅仅是简单地指出学生作品中存在的错误，更能够依据学生独特的创作风格和创作思路，给出针对性的引导建议。例如，在文学创作方面，对于那些创作风格较为写实的学生，生成式人工智能可以根据其作品的具体内容，从情节发展的合理性、人物塑造的生动性等多个维度，提供符合其风格特点的创意拓展建议，帮助学生在自己擅长的创作风格基础上进一步挖掘创新点，突破固有的思维定式，逐步培养多元的创造思维能力。

第三，生成式人工智能助力学生培养跨学科能力，丰富创造力维度。现代社会的创新成果往往依赖于跨学科知识的深度融合。生成式人工智能可以根据学生的知识背景和学科优势，精准定制跨学科的创意任务。例如，我们可以借助于生成式人工智能为在物理和计算机科学方面基础较好的学生设计模拟物理现象的编程项目。这种跨学科任务的设置，能够促使学生积极主动地整合不同学科的知识和思维方式，从而极大地丰富其创造力的维度。在跨学科学习这一复杂的过程中，学生需要对不同学科的知识进行有效的整合，而生成式人工智能则能够针对学生个体之间的差异，为其提供个性化的知识整合引导。对于那些在不同学科知识链接与融合方面存在困难的学生，生成式人工智能可以为其提供直观清晰的知识关系图、具有代表性的案例分析等内容，帮助学生更加透彻地理解如何将不同学科的知识融合与相互促进的路径与方法，进而显著提升学生的跨学科创造能力。

在当今教育不断追求创新与发展的时代背景下，生成式人工智能通过其数据化与自动化的特性、内容生产的优势以及个性化与定制化的服务，为学生创造力的培养开辟了新的路径，展现出巨大的潜力。随着技术的持续进步，生成式人工智能的数据处理能力将更加强大，从而能够为学生提供更加精准、深入和全面的知识与创意支持。与此同时，未来的生成式人工智能还将会在具身认知、模拟世界等方面实现更进一步的发展，为学生创造出沉浸式的学习体验，更好地激发学生的创造力发展，从而助力更多学生成为富有创造力的、适应未来社会发展需求的创新型人才。

参考文献

[1] 葛堃，徐海峰，刘晓媛.高校人工智能教学研究的现状、热点与前沿[J].高教论坛，2024（06）：13-18+82.

[2] 苗逢春.生成式人工智能技术原理及其教育适用性考证[J].现代教育技术，2023，33（11）：5-18.

[3] 邱峰，吴跃东.生成式人工智能驱动教育创新的核心要素分析[J].教育发展研究，2024，44（Z1）：9-16.

[4][5] 胡卫平，张阳，吕元婧，等.人工智能创造力探究[J].现代教育技术，2024，34（01）：17-25.

[6] 杨晓哲，王晴晴，王若昕.生成式人工智能的有限能力与教育变革[J].全球教育展望，2023，52（06）：3-12.

[7] 吴河江，吴砥.生成式人工智能教育应用：发展历史、国际态势与未来展望[J].比较教育研究，2024，46（06）：13-23.

[8][13] 谢晗，刘伊思.生成式人工智能在教学运用中的价值、困境与展望[J].信息系统工程，2024（08）：120-123.

[9][10][12] 刘三女牙，郝晓晗.生成式人工智能助力教育创新的挑战与进路[J].清华大学教育研究，2024，45（03）：1-12.

[11][14] 罗业荣，张锋，黄春芝.生成式人工智能冲击下的创新思维教育研究[J].中国现代教育装备，2024（16）：8-11.

[15] 于浩，张文兰，杨雪琼.生成式人工智能在教育领域的应用、问题与展望[J].中国成人教育，2023（07）：30-36.

[作者：段霖瑶（1978-），女，山西太原人，山西大学党委统战部，常务副部长，讲师，硕士。]

【责任编辑 郑雪凌】

*该文为国家社科基金后期资助项目“人工智能的意向性构造问题研究”（23FZXB046）的阶段性研究成果