偶然的火花：人工智能信息交互、认知灵活性、人工智能素养与大学生创造力

AI信息遇见与大学生创造力关系研究：基于认知灵活性理论的实证分析。645名大学生样本显示，AI信息遇见（AIIE）通过提升认知灵活性（CF）间接促进创造力，且AI素养（AIL）正向调节AIIE与CF及创造力间的关系，高AIL群体中介效应更显著。研究证实AI生成的意外信息能有效突破认知定式，但需AI素养作为“过滤器”确保信息价值转化。教育实践中应同步培养AI技术能力与伦理素养，构建多维创造力培养体系。

　　
随着人工智能在教育领域的广泛应用，学生与AI的互动行为如何影响其创造力成为学界关注的新焦点。本研究通过系统性实证分析，揭示了AI信息遭遇（AIIE）通过认知灵活性中介路径促进大学生创造力，并发现AI素养在此过程中发挥关键调节作用，为教育创新提供了重要理论支撑和实践启示。

### 一、研究背景与问题提出
当前教育体系正经历由传统知识传授向创新能力培养的范式转型。生成式AI作为新型信息交互工具，其提供的海量信息、跨学科整合能力和持续对话特性，使得学生被动接收意外信息（AIIE）的概率显著增加。已有研究证实，信息偶遇（IE）能激发组织创新，但个体层面的创造性影响机制尚未明晰。特别是面对AI系统生成的复杂、无结构信息，传统认知理论难以解释其与创造力的关联路径。研究聚焦三个核心问题：（1）AI信息遭遇是否显著预测学生创造力？（2）其作用机制如何？（3）AI素养是否调节这一关系？

### 二、理论框架创新
研究突破性地将认知灵活性理论（CFT）引入AI教育场景，构建"AI信息遭遇-认知灵活性-创造力"的理论模型。认知灵活性强调学习者：（1）意识到问题存在多种解决方案；（2）主动调整思维模式；（3）确信能应对复杂情境。这种理论框架有效解释了AI生成的非结构化信息如何重构学生知识体系，例如当学生通过ChatGPT意外获得跨学科案例时，需经历"注意到信息-暂停原有任务-深度验证信息-整合应用信息"的完整认知过程（Kim et al., 2023）。这种动态认知重构过程，正是传统信息行为研究未充分关注的机制。

### 三、核心研究发现
通过645名不同专业、年级学生的实证研究，得出以下关键结论：

1. **AIIE对创造力的显著预测作用**（β=0.3178，p<0.001）
2. **认知灵活性的中介效应**（间接效应β=0.0653，95%CI[0.0402,0.0928]）
3. **AI素养的双重调节作用**：
- 调节AIIE与认知灵活性的路径（β=0.2101，p<0.001）
- 调节AIIE与创造力的直接路径（β=0.1584，p<0.01）
4. **年级的负向调节效应**（β=-0.184，p<0.001），揭示高年级学生因认知固化导致创造力下降

**调节效应可视化**（图4-5）：当AI素养高于均值1个标准差时，AIIE对创造力的直接效应增强37.3%（从0.2525增至0.341），间接效应提升64.2%（从0.0653增至0.1089）。相反，低AI素养群体中，AIIE对创造力的任何影响均不显著（95%CI不包含0）。

### 四、机制解析与教育启示
#### （一）认知灵活性作用机制
1. **知识结构重构**：AI生成的跨学科案例（如用LLM辅助文学创作）迫使学习者打破学科壁垒，形成动态知识网络（Spiro et al., 1988）。
2. **思维模式迭代**：高频次的意外信息刺激（如ChatGPT提供的非常规方法论），促使学生从线性思维转向发散性思考（Harvey & Berry, 2023）。
3. **情境适应能力**：实验显示，具备高认知灵活性的学生（如工程学科）在应对AI生成的矛盾理论时，能快速调整解决方案（Dheer & Lenartowicz, 2019）。

#### （二）AI素养的调节边界
1. **技术操作层**：识别AI输出类型（如事实类/创意类）、调整对话策略（如追问验证）
2. **批判评估层**：建立"信息熵值评估体系"，区分有用信息与算法偏见（Garimella & Chauchard, 2024）
3. **伦理决策层**：处理AI生成的矛盾观点时，高素养学生更倾向批判性整合而非简单接受

#### （三）教育实践优化路径
1. **课程设计革新**：
- 在《学术写作》课程中嵌入"AI意外发现"环节，要求学生记录3次意外获取的有用信息
- 开发"认知灵活性训练模块"，通过模拟AI对话环境提升信息整合能力

2. **素养培养体系**：
```mermaid
graph LR
A[AI基础素养] --> B(信息鉴别)
A --> C(伦理判断)
B --> D(生成式AI使用规范)
C --> E(学术诚信准则)
D+E --> F(认知灵活性提升)
```
3. **评估机制重构**：
- 引入"信息偶遇价值评估量表"，从新颖性、实用性、整合难度三个维度量化AIIE产出
- 设计"认知灵活性档案"，追踪学生面对意外信息时的思维轨迹变化

### 五、理论贡献与实践价值
1. **理论突破**：
- 首次建立AI信息遭遇与创造力的量化关系模型
- 证实认知灵活性是AI时代的新型学习媒介（CF解释力达24.3%）
- 揭示AI素养的"双通道"调节机制：技术操作层影响信息获取效率，伦理决策层决定信息转化质量

2. **教育实践**：
- 开发"AI信息素养评估工具"，包含12个观测项（Wang et al., 2023）
- 创建"认知灵活性发展指数"，通过动态追踪学生应对AI信息的能力提升
- 设计"意外信息价值挖掘"工作坊，训练学生从碎片化信息中提炼创新元素

3. **政策建议**：
- 将AI素养纳入高等教育核心能力标准（参考欧盟DigCompEdu框架）
- 建立AI教育使用规范白名单，明确学术场景中AI信息的合规使用边界
- 推动AI伦理教育立法，要求所有高等教育机构开设必修的AI伦理课程

### 六、研究局限与未来方向
1. **方法论局限**：
- 样本集中于中国在线调查平台（Credamo），地域文化差异可能影响结果普适性
- 仍需通过实验法（如眼动追踪）验证信息处理路径

2. **理论拓展空间**：
- 探索多模态AI交互（如语音/图像/文本融合）对创造力的差异化影响
- 研究不同学科认知灵活性特质的群体差异（STEM vs 人文社科）

3. **实践深化方向**：
- 开发AI信息素养认证体系（类似PMP认证）
- 构建高校AI教育质量评估指标（含意外信息处理能力权重）
- 研发智能教育伴侣系统，实时监测并优化学生的认知灵活性

### 七、总结
本研究证实，当学生具备足够的AI素养（技术操作+批判评估+伦理决策）时，AI信息遭遇能显著提升其创造力，这种提升通过认知灵活性的发展实现。教育机构应构建"AI素养-认知灵活性-创造力"的三维培养体系，重点提升学生在无序信息环境中的结构化处理能力。未来研究可进一步探讨不同AI交互模式（如GPT-4 vs 联邦学习系统）对创造力的差异化影响，以及文化因素在调节机制中的中介作用。