《Acta Biomaterialia》：Creativity in the age of AI: Exploring moderated mediation relationships between AI use, AI dependence, and academic support in higher education
编辑推荐：
本文针对人工智能在高等教育中广泛应用但可能抑制学生创造力的现象，基于认知负荷理论与自我决定理论，探讨了AI使用、AI依赖与创造力之间的关系，并引入学业支持作为调节变量。通过对沙特海勒地区349名大学生的调查与结构方程模型分析，研究发现AI使用会通过加剧AI依赖而间接降低创造力，而充分的学业支持能够显著缓解这一负面效应。该研究为教育者与政策制定者平衡AI工具应用与创造力培养提供了实证依据与策略参考。
随着ChatGPT、DeepSeek等生成式人工智能工具的普及，人工智能已深度嵌入高等教育体系，在提升学习效率、提供个性化体验的同时，也引发了关于其对学生高阶思维能力，尤其是创造力潜在负面影响的广泛担忧。教育界面临一个核心矛盾：一方面，AI工具能便捷地辅助内容生成、提供反馈，仿佛一位“全能学术助手”；另一方面，学者们担心过度依赖这些“智能外脑”会让学生疏于深度思考，削弱其产生原创想法、解决复杂问题的内生动力，长此以往或将损害人类独有的创造力根基。这种担忧并非空穴来风，有观点甚至认为，某些AI应用方式实为“高科技剽窃”，可能导致学生“逃避学习”。然而，现有研究多聚焦于AI的积极面，对其在高等教育中的“阴暗面”，特别是对创造力的具体影响路径及如何有效干预，仍缺乏深入的实证探索。
为此，来自沙特阿拉伯Hail大学的研究团队Isyaku Salisu, Essa Mubrik N. Almutairi与Nezar Mohammed Al-Samhi开展了一项实证研究，旨在揭示AI使用、AI依赖与大学生创造力之间的复杂关系。他们创新性地整合了认知负荷理论与自我决定理论，构建了一个包含调节与中介效应的分析框架。认知负荷理论认为，人的工作记忆容量有限，不当的AI使用可能增加“外部认知负荷”，挤占用于创造性思考的认知资源；而自我决定理论则从动机角度出发，指出过度依赖AI可能挫伤学生的自主性、胜任感与归属感这些基本心理需求，进而损害其进行创造性活动的内在动机。研究进一步提出，来自教师或机构的“学业支持”可能在这一影响链条中扮演关键的“缓冲器”角色。
为了验证上述理论构想，研究团队采用了横断面研究设计，通过便利抽样对349名沙特Hail地区的大学生进行了问卷调查。测量工具均采用成熟量表，包括AI使用、AI依赖、创造力及学业支持四个核心构念。数据分析采用了基于偏最小二乘法的结构方程模型，并利用SmartPLS-4软件进行运算，以检验AI依赖的中介效应以及学业支持的调节效应。
研究结果显示：
- 1.
AI使用与创造力的直接关系：AI使用对大学生创造力具有显著的直接负向影响，假设H1得到支持。这表明，单纯增加AI工具的使用频率，可能无助于甚至有害于学生创造力的发展。
- 2.
AI使用与AI依赖的关系：AI使用会显著正向预测AI依赖，假设H2成立。即学生使用AI越频繁，越容易形成心理和行为上的依赖。
- 3.
AI依赖的中介作用：AI依赖本身对创造力有显著负向影响，并且它在AI使用与创造力的负向关系中起到了显著的部分中介作用，假设H3和H4均得到支持。这意味着，AI使用主要是通过加剧学生对AI的依赖，进而间接地损害其创造力。
- 4.
学业支持的调节作用：学业支持显著调节了AI使用与AI依赖之间的关系。当学生获得的学业支持水平较高时，AI使用导致AI依赖的程度会减弱，假设H5成立。同时，学业支持也显著调节了AI依赖对创造力的负向影响。在高学业支持的情境下，AI依赖对创造力的伤害效应得到缓解，假设H6成立。
- 5.
有调节的中介效应：综合来看，学业支持调节了以AI依赖为中介的间接效应。具体而言，在低学业支持条件下，AI使用通过AI依赖损害创造力的间接效应更强；而在高学业支持条件下，该间接效应则显著减弱。这支持了研究关于学业支持具有保护作用的预期。
结论与讨论
本研究通过实证数据证实了在高等教育情境中，无节制的AI使用可能通过培养学生对技术的依赖，进而对其创造力产生“侵蚀”效应。这一发现为Noam Chomsky等学者关于AI可能“削弱教育”的警示提供了具体的机制解释。然而，研究带来的并非全然悲观的图景。一个关键且积极的发现是：强有力的学业支持能够有效“对冲”AI依赖带来的风险。当学生能够从教师那里获得充分的指导、反馈、脚手架式支持以及鼓励自主探索的环境时，他们更有可能将AI作为辅助学习的“杠杆”和“跳板”，而非替代思考的“拐杖”，从而在利用技术效率的同时，保全乃至激发自身的创造性潜能。
这项研究具有重要的理论与实践意义。在理论层面，它成功地将认知负荷理论与自我决定理论相结合，为理解AI-创造力关系提供了一个双过程理论框架，既考虑了认知资源分配，也涵盖了内在动机机制，并首次实证揭示了学业支持在其中的关键调节角色。在实践层面，研究结果为教育管理者、教师及课程设计者敲响了警钟，提示在积极推进教育数字化、智能化的进程中，必须警惕技术依赖的潜在风险。同时，研究也指明了一条可行的路径：投资于高质量的学业支持体系——如加强师生互动、设计引导深度思考的AI整合式任务、培养学生批判性使用AI的素养等，是平衡技术应用与创造力培养、确保AI真正赋能而非取代人类智慧的关键。未来，教育者面临的挑战不再是是否使用AI，而是如何智慧地使用AI，本研究为这场至关重要的教育变革提供了基于证据的决策参考。
