协作学习中生成式人工智能促进创造性潜能的机理研究

[摘 要] 教育改革普遍重视学生创造性潜能培养，生成式人工智能（GAI）为此提供机遇。CHoM框架将创造性潜能分为创造性思维（发散、收敛）和创造性人格（好奇、坚持、协作）。研究在“教育技术研究方法”课程中，面向协作学习引入GAI工具，探索GAI 如何促进学生创造性潜能发展。通过前后测、认知网络分析和滞后序列分析发现：触发发散思维是GAI诱发创造性潜能的首要原因，收敛思维与发散思维相伴发生则是GAI推动创造性潜能的必要条件，好奇与坚持的人格是GAI衍生创造性潜能的独特表现，而师生、生生的人际协作则是优化人机共创效果的关键保障。由此，研究揭示了GAI影响创造性潜能的机理，包括强化人际协作、推动思维由广至精、塑造人格的螺旋过程。最后，就深化研究体系、理清师—生—机关系以及培养学生能动性方面提出了建议。

[关键词] 生成式人工智能； 创造性潜能； 创造力； 协作学习； 人机协同

[中图分类号] G434 [文献标志码] A

[作者简介] 王春丽（1987—），女，河南焦作人。副教授，博士，主要从事教育数字化、学习科学与技术设计、高阶思维与能力研究。E-mail：clwang66@163.com。

一、引 言

作为核心素养的重要构成以及布鲁姆认知类教学目标的最高层次，创造力或创造性（Creativity）长期以来受到高度重视。我国在2020年颁布的《中国高考评价体系》中首次将创新性作为考查要求之一[1]，党的二十大报告将拔尖创新人才培养作为教育强国建设的重点方向[2]。联合国教科文组织、联合国儿童基金会和世界经济论坛将创造力视为有助于个人成长和终身学习的核心技能，国际经合组织在2022年PISA测试中增加了创造性思维测评项目[3-4]。越来越多的用人单位将创造力视为重要能力，开设创造力培训课程，帮助员工创造性地解决瞬息万变世界中不断涌现的挑战。可见，创造力对于个体、国家和社会都有极其重要意义。

学校教育中的创造力培养，应以发展学生的创造性潜能（Creative Potential）为主要目标[5]。创造性潜能可以在某种契机或外部刺激时被唤醒，进而发展为个体的创造力[6]。随着生成式人工智能（Generative Artificial Intelligence，简称GAI）的出现，其对人类创造性潜能的影响备受热议[7]。智能技术极大延展了人类的能力、促进学习目标向高阶能力跃迁[8-9]，深入了解GAI对人类创造性潜能的影响已成共识，这将有助于优化人机协同创新模式。Nature中有研究也指出需要培养人类智能和人工智能相结合的共同创造力[10]。因此，本研究探索GAI对学习者创造性潜能的作用机制，从而为科学设计人工智能时代的创造性人才培养模式提供依据。鉴于学习科学将创造视为一种社会现象而非个人现象，本研究将在协作学习情境下予以探索。

二、文献综述

（一）创造性潜能的内涵

创造力不是有和无的区别，而是体现在创造性潜能程度的高低。潜能是每个人都具备的一种潜在的、休眠的能力，可以通过有利的经历、培训、环境被唤醒。创造性潜能本质上是个体利用某种契机，产生原创的、适应性作品的潜在能力[6]。根据Kaufman和Beghetto的4C模型，创造力可分为微创造、小创造、专业创造和大创造四层次，日常多见微创造和小创造，这二者属于创造性潜能。经练习、沉淀和积累，个体创造力可实现向更高层次的转化[11]。因此，唤醒学生的创造性潜能是培养学生具备创造力的重要开端。

创造性潜能的构成得到了学界的大量探讨。发散思维被视为关键要素，它代表产生多样化想法的认知能力[5]。然而，若缺乏坚持、动力等人格倾向，个体可能会错失将这些想法转化为实际创意产品的机会。因此，创造性潜能应由创造性思维和创造性人格共同构成[6]。前者指个体解决问题或创造新事物时涉及的一系列认知过程，如发散和收敛思维等，后者指冒险性、好奇性、坚毅性、内部动机、模糊容忍等人格倾向[12]。本研究也将从创造性思维和人格的双重角度评估个体创造性潜能。

（二）协作学习与创造性潜能

学习科学领域认为，许多创造性工作是由团队在协作中完成的。维果斯基提出的个体发展受社会文化因素影响的观点，以及布鲁纳将文化心理学作为学习和发展的理论框架，促进了个人主义创造观向社会建构主义创造观的转变[13]。Sawyer指出，创造产生于一个互动过程，该过程“涉及一个从事复杂、不可预测的互动的社会群体”，不同的想法产生并被批判性检查，是持续的、渐进的团队过程[14]。无论称之为创造性团队合作（Creative Teamwork）、协作创造力（Collaborative Creativity）还是创造性协作（Creative Collaboration），我们需要意识到社会的快速发展需要创造性的团队[13]。

协作学习已成为培养创造性潜能的典型教学方法并得到了实证支持。在为现实世界的复杂问题设计创造性的解决方案时，群体表现通常更优[15]。例如，张建伟团队的系列研究打造了Idea Thread Mapper的社交网络以支持创造力，提倡在协作中产生创造性思维[16]。也有研究整合协作学习和创造力的有关理论，构建在线协作学习知识创造螺旋模型[17]。还有研究基于协作知识建构理论设计了促进观点产生、迭代、提升和升华的团队创造力策略[18]。因此，本研究也将聚焦协作学习场景开展实证研究。

（三）GAI促进创造性潜能

GAI的创造性表现广受关注。Hayles打破了人类作为唯一认知者的观念，强调人类和技术相互作用时会形成“认知组合”[19]。越来越多的理论同样强调了技术在创造力发展中的作用，例如：分布式理论认为创造力可以从人类分散到人工制品和环境中；后人类主义指出创造可以由人与人工制品或技术共同完成[20]。已有研究测试了GAI的创造力，发现它在给予适当提示词时表现出良好的发散思维，且比人类表现更好[21]。总之，已有研究证明了GAI本身突出的发散性表现。

当前，研究焦点转向探索GAI在激发和推动人类创造性潜能方面的作用。既然每位学生都具备创造性潜能，便可以通过适当的方式发展这种潜能[12]。GAI擅长在短时间内生成想法列表，而人类在创造的开始和结束两个关键时刻扮演更高层次的决策角色，例如，要问哪些问题、如何完善问题、保留哪部分文本等[21]。然而，相关实证研究较少且更多关注诗歌创作、艺术设计领域，例如，GAI能够为艺术设计人员产生新的想法和灵感，通过展示不同艺术草图来激励个人，从而克服人类的固定思维和观点匮乏等不足[22]。总体上，GAI作为促进人类创造性潜能工具的研究尚处初期，具体机理仍需深入探索。

三、 研究设计

（一）研究问题

本研究从“是否”和“如何”两个层面预设三个问题：第一，使用GAI是否能够促进学习者的创造性潜能；第二，使用GAI时学习者创造性潜能的认知网络呈现何种态势；第三，使用GAI时学习者创造性潜能的发展轨迹呈现哪些特征。其中，后两个研究问题共同回应“如何”的问题。

（二）教学设计

本研究在H省某师范大学教育技术学专业“教育技术研究方法”课程中开展，该课程旨在培养学生从事教育技术研究的能力。研究对象为91名本科生，学生自由组成4～5人小组，以小组为单位完成一项研究任务。学期初，教师根据学生兴趣和研究热点制定选题列表，各小组据此列表或自拟主题开展创造性的科学问题解决活动。学生的协作学习活动持续16周，包括选题确定（第2～6周）、方案实施（第7～12周）、作品产出（第13～16周）三个阶段，每个阶段均包含协作论证、同伴互评、协作反思等协作活动。在此期间，允许学生利用GAI辅助小组研究，如促进对选题的理解认识，迭代研究思路和方法，以及延展研究难点。

（三）数据收集与分析

由于各组对GAI赋能科研的观点各异，研究者并未强制学生使用11546714e9e8b5856e4a92403174b81aGAI，各组按需自行决定。学期结束时，要求各组对自身GAI使用的广度和深度进行自评，同时结合小组汇报、查阅学生和智能工具的互动记录，划分出高使用组、中使用组、低使用组，从结果和过程两方面探索不同程度GAI使用对创造性潜能的影响。采用英国学者卢卡斯（Lucas）的创造性心智习惯框架（Creative Habits of Mind，简称CHoM），作为创造性潜能的评估依据[23]。CHoM框架识别了创造性潜能的五种核心要素：好奇、想象、坚持、协作、自律。它不仅强调了创造性思维的价值，即代表发散思维的“想象”以及代表收敛思维的“自律”；也提及了创造性人格倾向，即好奇、坚持和协作。随后Lucas据此设计了2022年PISA创造性思维的测评框架[4]。本研究以该框架为指导，将创造性潜能视为创造性思维和人格的融合，涵盖个体产生想法的认知过程与创造性活动中的人格倾向。

在结果层面，基于CHoM框架编制了创造性潜能量表，经题目修订与试测，最终形成了包括五个维度、共15道题的李克特五级量表，信度为0.912，前测表明高、中、低使用组在创造性潜能上无显著差异。在过程层面，设计了GAI使用对创造性潜能影响的半结构化访谈提纲，以此深入探索GAI影响下创造性潜能的发生机制。基于以上准备工作，在协作学习结束时，选取高、中、低使用程度的代表性小组各2组（共6组）进行集体访谈，借助钉钉平台进行话语转录，最终形成有效访谈记录351条。基于CHoM框架设计的编码表（见表1），对三名助教进行编码训练，随机选取有效访谈数据50条进行预编码，编码一致性最终达到0.85，再完成剩余的访谈数据编码。

在数据分析上，首先，使用SPSS软件的ANOVA分析进行组间差异分析，以判断GAI使用是否会对创造性潜能产生影响。其次，使用认知网络分析和滞后序列分析，探索GAI影响下创造性潜能发生的机理。认知网络分析工具ENA的核心思想是通过计算各个编码在对话上下文中的共现次数，从而建立整个对话过程中编码之间联系的网络化表征。滞后序列分析法主要用于检验人们发生一种行为之后，另一种行为出现的概率及其是否存在统计意义上的显著性。最后，使用GSEQ5.1软件揭示协作过程中创造性潜能五要素的转化过程，比较不同小组在协作过程中的创造性潜能发展轨迹。

四、研究结果

（一）高、中、低使用组的创造性潜能对比分析

三类小组在想象（F=3.346，p=0.023）、好奇（F=2.717，p=0.049）、自律（F=2.883，p=0.019）和坚持（F=2.714，p=0.043）方面具有显著差异。ANOVA事后分析显示，高使用组在想象、好奇和自律三个维度均高于中、低使用组，并且在坚持维度上也高于低使用组。这表明，GAI使用对于学习者创造性潜能的提升，体现为学习者不仅能够产生更多的观点，也需要表现自律和坚持，以应对观点之间的冲突。这一结论在访谈中也得到印证，例如，高使用组提到“我们有哪个部分拿不准时会问人工智能，然后我们再挑大梁”“有一次想让它给出效应量计算方法，它给了好多，我们又找资料确认它说得对不对，总之不能盲目听从它”。同时，ANOVA分析显示，三类小组在协作上不存在显著差异（F=0.312，p=0.817），这表明小组内的“人—人”协作水平并未受GAI使用程度影响。高、中、低组的访谈结果表示，GAI给出的答复虽然全面但不够准确，关键环节还需要组内成员共同协作，甚至找老师求助。例如，有小组提到“在选题时，我们问了问GAI不同选题的价值，但它的答复也很客套，我们就自己读文献，再去找老师确认”。

（二）高、中、低使用组创造性潜能的认知网络分析

1. 整个协作阶段的认知网络差异

认知网络分析结果如图1所示，连线粗细代表要素间的关联程度强弱。图1上半部分呈现了各组在想象、好奇、坚持、协作和自律五个要素上的网络关系，小组间的共性规律表现为“想象—自律”“想象—好奇”“自律—好奇”“自律—坚持”之间有关联，说明无论GAI使用程度如何，学习小组普遍需要以想象和自律为核心开展创造性活动。

图1 高、中、低使用组的整体创造性潜能认知网络对比

从图1下半部分来看，小组间的差异体现为，高使用组在“想象—好奇”“想象—协作”“想象—自律”（连线系数分别为0.44、0.39、0.28）的关联强度上，高于中、低使用组。表明对于高使用组而言，GAI的使用使得小组成员发展不同想法（即“想象”），同时也可以产生更强的质疑与探索欲望（即“好奇”），强化了创造性过程的社会化（即“协作”），并注重评估与批判人工智能生成的观点（即“自律”）。此外，低使用组在“协作—坚持”（连线系数0.24）的关联强度上高于高、中使用组（连线系数分别为0.15、0.17），说明低使用组主要依赖小组成员人际协作（即“协作”），克服各种困难以形成创意产品（即“坚持”），但难以在过程中产生与发散（即“想象”）或收敛（即“自律”）有关的思维活动。

2. 不同协作阶段的认知网络差异

本研究进一步绘制了不同阶段的认知网络结构图，用以直观呈现创造性潜能的发展历程，如图2所示。在选题确定阶段，高使用组较其他两组有更强的“想象—协作”“想象—自律”关联（连线系数分别为0.47和0.71），中、低使用组有更强的“想象—坚持”关联。在方案实施阶段，高使用组较其他两组有更强的“想象—协作”关联（连线系数为0.37），中、低使用组仍有更强的“想象—坚持”关联。在作品产出阶段，高使用组有更强的“坚持—好奇”关联（连线系数为0.41），低使用组有更强的“协作—坚持”关联。

图2 高、中、低使用组在不同阶段的创造性潜能认知网络对比

以上结果表明，高使用组在协作前期借助GAI产生丰富的观点（即“想象”），但也需要共同探讨（即“协作”）并批判性看待各种观点（即“自律”）；进入协作中期会在充满多样化观点（即“想象”）时合力解决问题（即“协作”）；到协作后期会坚韧地修改作品（即“坚持”），并再次寻求有趣和有价值的新问题（即“好奇”）。而其他两组在前两个协作阶段都体现出坚持不懈地（即“坚持”）提出各种观点（即“想象”），在最后阶段才有了一定的协作，进程较为缓慢。

（三）高、中、低使用组创造性潜能的发展轨迹分析

为更深一步探讨协作学习中创造性潜能的内在发展模式，根据行为序列调整后的残差值（Z-score）是否显著绘制行为转化图（如图3所示）。其中创造性潜能要素和子要素旁边的数字代表其发起与结束的序列数量。其中，高、中、低使用组的显著性行为转化个数分别为29条、20条和15条。从图中分布可知，高使用组的显著行为转化相对集中在右侧，即与好奇、想象和坚持有关的发起和结束行为，例如，好奇发起的序列共8条，指向好奇的序列共7条；中使用组的显著行为转化相对集中在右上侧，即好奇、想象有关的发起和结束行为，例如，想象发起的序列共5条，指向想象的序列共3条；低使用组的显著行为转化相对集中在左下，即协作有关的发起和结束行为，发起和指向分别为3条和6条。这表明，高、中使用组体现更强的发散思维，例如，高使用组学生提到“我们一开始有点不知道怎么收集这样的数据，但是经过GAI启发，加上我们自己突然的一些灵感，就有了一个方案”，但低使用组在好奇和想象上的相关活动相对不足，更注重1cca64813b8c4a0ac47c0e62e9c168d7成员之间的协作。

五、结论与启示

（一）研究结论

1. 触发学生的发散思维，是GAI诱发创造性潜能的首要原因

本研究发现，GAI可以有效促进想法的生成。组间差异分析表明，高使用组在代表发散思维的“想象”上显著高于其他组；认知网络分析表明，高使用组在协作前期和中期表现出更多与“想象”有关的共生关系；滞后序列分析表明，高使用组更容易开展以“想象”“好奇”为关键节点的活动。此前有研究使用替代用途测试（AUT）和托兰斯创造性思维测试（TTCT）验证了GAI具有发散思维优势[23]，也有质性研究表明，GAI可为人们的艺术创作提供新视角，特别是在构思和设计过程的早期[24]。本研究进一步印证这些发现，表明GAI支持了想法生成过程，尤其是在创造性活动的开始阶段。

2. 收敛与发散的共生，是GAI推动创造性潜能的必要条件

本研究也发现，GAI不仅能增强学习者的发散思维，也对学习者的收敛思维提出了要求。组间差异分析表明，高使用组在代表收敛思维的“自律”上显著高于其他组，认知网络分析表明，高使用组整体上表现出更强的“想象—自律”共现关系。可见，在让GAI充当创造性工作的伙伴时，学习者也表现出更强的收敛思维。此前有研究从理论上剖析了这一现象，指出GAI所带来的挑战因素同样可被有意识地利用以增强人类的创造力[25]。换言之， GAI生成的多元观点也将激励个体对其作出批判性思考，这种审辩本身也是创造性潜能结构中的一部分。尽管发散和收敛两种思维对于创造性潜能都是必要的，但以往研究多侧重于发散思维。本研究表明GAI时代需重视创造性潜能的多维性，避免将其简化为发散思维。

3. 好奇与坚持的人格倾向，是GAI衍生创造性潜能的独特表现

本研究还发现，GAI可以有效促进“好奇”和“坚持”的创造性人格倾向。组间差异分析表明，高使用组在“好奇”“坚持”上表现更好；认知网络分析表明，高使用组在“想象—好奇”的共现强度上更高，并且在协作的最后阶段有更强的“坚持—好奇”关联；滞后序列分析表明，高、中使用组有更多以“好奇”和“坚持”为关键节点的活动。这表明，GAI不仅可以提升创造性思维，还有助于提升学习者愿意冒险、容忍模糊、意志坚定等人格倾向。尽管此前研究更多聚焦创造性思维，对创造性人格的探讨较少，但已有研究表明人格倾向与个体发展存在着正相关关系[11]。本研究进一步揭示了人格倾向在创造性潜能中的价值，为理解GAI如何促进创造性潜能提供了独特见解。

4. 师生、生生的人际协作，是优化人机协同创造效果的关键保障

本研究进一步发现，不论GAI的使用程度如何，人类自身的协作具有基础性作用。组间差异分析表明，高、中、低使用组在“协作”维度不存在显著差异；认知网络分析表明，高使用组在协作前期和中期表现出更多“协作”相关的共现关系，低使用组整体表现出更多“协作”相关的共现关系；滞后序列分析表明，低使用组更容易开展以“协作”为关键节点的活动。这表明，当面临GAI反馈不准确、不匹配等挑战时，师生、生生的人际协作在问题解决过程中发挥重要作用。这符合何文涛等人提出的“以人为本、以机为辅”的人机协同一般过程特征[26]，也呼应了武法提等提出的“人机合理分工”的人机合作效能最优化法则[27]。此外，本研究将科学研究作为创造性任务，也可能引发人际协作的增加。与艺术家需要GAI具有趣味性相比，科学家则需要GAI产生准确和可靠的结果，GAI对科学研究而言是一种作用有限的工具[22]。本研究虽以某门课程为情境，但将GAI赋能科研作为切入点具有一定代表性。对于科学研究等复杂任务而言，学生可利用GAI辅助创造，但人际协作仍是创造的基础。

图4 生成式人工智能促进创造性潜能的机理

基于上述分析，本研究构建了如图4所示的机理图，揭示了GAI如何通过底部人格层到中部思维层再到顶部人格层，逐渐影响并促进创造性潜能的螺旋上升过程。首先，底部人格层以人际间的协作为基础，代表创造性潜能发展的原始动力。GAI的引入形成了“人际+人机”协同模式，强化了创造性潜能发展的动力体系，但人际协作仍是维持该体系稳定运转的关键。其次，中部思维层是创造性潜能发展的关键区域，涵盖了想象和自律两大要素。GAI直接作用于学习者的想象过程，促进各种可能性与直觉的产生；随着思维不断发散，学生开始批判性地审视各种观点，逐渐诱发了自律即思维收敛的过程，从而改进或完善方案。最后，顶部人格层由好奇、坚持两大特质构成，体现了思维层对人格层的深远影响。学习者通过思维的发散、收敛历程，激发了自身好奇心，驱动自我不断提出问题、构建假设。同时，也激励了坚持的品质，确保自身在面临挑战和不确定性时，能够持之以恒地追求目标。总之，引入生成式人工智能的协作学习，通过优化协作模式，促进了思维由广度到精度的转变，塑造了好奇、坚持的创造性人格，从而深刻影响了创造性潜能发展。这一机理图的构建，为理解GAI如何促进创造性潜能提供了新的视角和工具。

（二）研究启示

1. 深化GAI时代创造性潜能的研究体系

虽然GAI情境下创造性潜能的研究尚处于起步阶段，但GAI推动该领域进入新里程碑。本研究主张要丰富创造性潜能的表征维度，正如Rafner等认为的，发散思维并不等同于复杂的创造性潜能现象[10]。此外，创造性潜能的主体发生了变化，人工智能创造力[28-29]、人机协同创造力[21]等概念拓展了创造性活动的可能性。再者，当GAI可快速创建高质量文本或艺术图像时，如何评估人类创造性潜能成为新话题。在评价指标上，尽管机器的输出是原创和有效的，但它缺乏人类创造力中显而易见的真实性和意图性，因此，可以在独特性和有效性基础上，增加真实性和意图性两个新指标[29]。在评价证据上，人类创造性潜能并不全然体现在最终产品上，也可能来自对提示语的迭代[30]。总之，GAI塑造了对创造性潜能新的认识。

2. 厘清人机协同创造的师生机三元关系

本研究初步发现了创造性活动中不同主体的价值，包括GAI作为观点的诱发者，学生作为观点的发散和收敛者，以及教师作为关键问题的把关者。为构建“人机+人际”的协作模式，需进一步厘清“师—生—机”三元互补关系[31]，促进教师智慧、学生智慧、机器智能的共同进化[32]。例如，有研究分析了ChatGPT的多重角色，如智能点评专家、智慧助学同伴[33]，还有研究认为人工智能与人类智能之间的角色是波动的，会随着协作的演进发生变化[25]。这种相互作用凸显了研究人与机器共同创造的必要性，以解释当下人类与人工智能之间的复杂混合机制。

3. 培养学生能动性以作为教学实践前提

在GAI时代，培养学生能动性成为GAI融入教学实践的前提。本研究发现当使用GAI辅助科学研究时，学生在获得机器反馈的不同观点后，面临对这些观点进行质疑与检验的挑战。余胜泉也指出人工智能可能带来的认知陷阱，如思维懒惰、认知地位边缘化等[34]。为应对此问题，许多研究提出了通过自我调节学习理论来构建学生能动性的观点，培养学生能动性的研究也愈发受到重视[35]。学生能动性（Student Agency），即学生积极塑造学习体验、负责决策并掌控自身教育路径的能力，被《OECD学习指南针2030》视为核心议题[36]。鉴于此，有必要从实践层面培养学生能动性，以增强学生对新环境的适应力。

[参考文献]

[1] 教育部. 教育部考试中心发布《中国高考评价体系》[EB/OL]. （2020-01-07）[2024-05-16]. http：//www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202001/t20200107_414611.html.

[2] 习近平. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[EB/OL]. （2022-10-16）[2024-05-14]. http：//www.news.cn/politics/2022-10/25/c_1129079429.htm.

[3] VENCKUT■ M， MULVIK I B， LUCAS B. Creativity-a transversal skill for lifelong learning. an overview of existing concepts and practices[R]. Luxembourg： Publications Office of the European Union， 2020.

[4] OECD. PISA 2021 creative thinking framework： third draft[R]. Paris： OECD Publishing， 2019.

[5] 庞维国. 创造性心理学视角下的创造性培养：目标、原则与策略[J]. 华东师范大学学报（教育科学版），2022，40（11）：25-40.

[6] 陶阳，杨向东，吴方文. 学生创造性潜能的课堂观察[J]. 全球教育展望，2023，52（12）：97-108.

[7] 祝智庭，赵晓伟，沈书生. 技能本位的学习范式：教育数字化转型的认识论新见解[J]. 电化教育研究，2023，44（2）：36-46.

[8] 董艳，夏亮亮，李心怡，等. ChatGPT赋能学生学习的路径探析[J]. 电化教育研究，2023，44（12）：14-20，34.

[9] 王竹立，吴彦茹，王云. 数智时代的育人理念与人才培养模式[J]. 电化教育研究，2024，45（2）：13-19.

[10] RAFNER J， ROGER E， LUBART T， et al. Creativity in the age of generative AI[J]. Nature human behavior，2023，7（11）：18-36.

[11] KAUFMAN J C， BEGHETTO R A. Beyond big and little： the four C model of creativity[J]. Review of general psychology， 2009，13（1）：1-12.

[12] 田友谊，李荣华. 创造力测评研究70年：回顾与展望[J]. 中国考试，2022（5）：81-89.

[13] BARRETT M S， CREECH A， ZHUKOV K. Creative collaboration and collaborative creativity： a systematic literature review[J]. Frontiers in psychology， 2021，12（8）：1-15.

[14] SAWYER R K， JOHN-STEINER V， MORAN S， et al. Creativity and development[M]. New York： Oxford University Press， 2003， 88-94.

[15] 王春丽. 发展学习者协作能力的设计研究[D]. 上海：华东师范大学，2019.

[16] YUAN G， ZHANG J， CHEN M H. Cross-community knowledge building with idea thread mapper[J]. International journal of computer-supported collaborative learning， 2022，17（2）：293-326.

[17] 炕留一，朱珂，苏林猛，等. 跨学科视阈下在线协作学习知识创造螺旋模型研究[J]. 电化教育研究，2023，44（11）：60-66.

[18] 蒋纪平，胡金艳，张义兵，等. 学习科学视角下团队创造力培养的实证研究[J]. 中国电化教育，2023（4）：72-81.

[19] HAYLES K. Unthought： the power of the cognitive nonconscious[M]. Chicago： University of Chicago Press， 2017，267-280.

[20] 张婧婧，牛晓杰，黄一橙. 学习科学的学习观与方法论：范式与实践[J]. 电化教育研究，2024，45（6）：23-33.

[21] HUBERT K F， AWA K N， ZABELINA D L. The current state of artificial intelligence generative language models is more creative than humans on divergent thinking tasks[J]. Scientific reports， 2024，14（2）：1-10.

[22] WINGSTR？魻M R， HAUTALA J， LUNDMAN D. Redefining creativity in the era of AI？ Perspectives of computer scientists and new media artists[J]. Creativity research journal， 2024，36（2）：177-193.

[23] LUCAS B. A five-dimensional model of creativity and its assessment in schools[J]. Applied measurement in education， 2016，29（4）： 278-290.

[24] UUSITALO S， KANTOSALO A， SALOVAARA A， et al. Creative collaboration with interactive evolutionary algorithms： a reflective exploratory design study[J]. Genetic programming and evolvable machines， 2024，25（1）：1-23.

[25] ACAR S. Creativity assessment， research， and practice in the age of artificial intelligence[J]. Creativity research journal， 2023，35（4）：1-7.

[26] 何文涛，路璐，周跃良，等. 智能时代人机协同学习的本质特征与一般过程[J]. 中国远程教育， 2023，43（3）：12-20.

[27] 武法提，杨重阳，李坦. 智慧学习环境中的人机协同设计[J]. 电化教育研究，2024，45（2）：84-90.

[28] 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（1）：17-25.

[29] RUNCO M A. Updating the standard definition of creativity to account for the artificial creativity of AI[J]. Creativity research journal， 2023， 35（1）： 1-5.

[30] OPPENLAENDER J. The creativity of text-based generative art[C]//The 25th International Academic Mindtrek Conference. Tampere： Association for Computing Machinery， 2022：192-202.

[31] 李海峰，王炜. 人机争论探究法：一种争论式智能会话机器人支持的学生高阶思维能力培养模式探索[J]. 电化教育研究，2024， 45（3）：106-112，128.

[32] 王一岩，朱陶，杨淑豪，等. 人机协同教学：动因、本质与挑战[J]. 电化教育研究，2024，45（8）：51-57.

[33] 单俊豪，刘永贵. 生成式人工智能赋能学习设计研究[J]. 电化教育研究，2024，45（7）：73-80.

[34] 余胜泉，汪凡淙. 人工智能教育应用的认知外包陷阱及其跨越[J]. 电化教育研究，2023，44（12）：5-13.

[35] 刘鹂，李佳宁. 论智能时代的学生主体性及其培育[J]. 电化教育研究， 2024，45（2）：42-47.

[36] OECD. Student agency for 2030[EB/OL]. （2019-12-30） [2024-03-16]. https：//www.oecd.org/education/2030-project/teaching-and-learning/learning/student-agency/Student_Agency_for_2030_concept_note.pdf.

Research on the Mechanism of Generative Artificial Intelligence in

Enhancing Creative Potentials in Collaborative Learning

WANG Chunli1， CHEN Yanyan1， GU Xiaoqing2， Xing Haifeng3

（1.Faculty of Education， Henan Normal University， Xinxiang Henan 453007;

2.Faculty of Education， East China Normal University， Shanghai 200062;

3.College of Software， Henan Normal University， Xinxiang Henan 453007）

[Abstract] Educational reforms generally attach importance to the creative potential， and Generative Artificial Intelligence （GAI） provides opportunities for this. According to the CHoM framework， the creative potential is divided into creative thinking （divergent thinking， convergent thinking） and creative personality （curiosity， persistence， collaboration）. In this study， GAI tools were introduced for collaborative learning in the course "Educational Technology Research Methods" to explore how GAI could promote the development of students' creative potential. Through pre- and post- tests， cognitive network analysis， and lag sequence analysis， it is found that triggering divergent thinking is the primary reason for GAI to induce creative potential， the co-occurrence of convergent thinking and divergent thinking is the necessary condition for GAI to promote creative potential. The personality of curiosity and persistence is the unique expression of GAI-derived creative potentials， teacher-student and student-student interpersonal collaboration are the crucial guarantee for optimizing the effects of human-machine co-creation. Thus， this study reveals the mechanism by which GAI influences the creative potential， including strengthening interpersonal collaboration， promoting transition of thinking from the broad to the refined， and shaping creative personality. Finally， suggestions are made regarding deepening the research system， clarifying the teacher-student-machine relationship， and cultivating students' initiative.

[Keywords] Generative Artificial Intelligence; Creative Potential; Creativity; Collaborative Learning; Human-Machine Collaboration

DOI：10.13811/j.cnki.eer.2024.11.011

基金项目：2023年度河南省重点研发与推广专项（科技攻关）项目“大规模在线教育中学习者自我调节学习的动态测评与实时反馈研究”（项目编号：232102320150）；2023年度河南省高等教育教学改革研究与实践项目（研究生教育类）“融合‘教学方法—学习空间—智能技术’的研究生协作学习设计与实践”（项目编号：2023SJGLX263Y）