生成式AI时代下人类创造力与学习的重塑：一项多方法元主题综合研究

本综述系统回顾137篇文献(2023–2025)，通过结构主题建模(STM)与元主题分析，揭示生成式AI(GenAI)如何重构创造力本质与学习范式。提出五大元主题：设计共创、教育赋能(GenAI-supported education)、认知增强(cognitive augmentation)、组织知识重组及伦理争议(ethical tensions)，并构建"提示词素养(prompt literacy)"等核心概念，为自适应教育提供理论框架与实践路径。

　　

数据与筛选

为保障生成式人工智能(GenAI)与创造力研究的理论严谨性，我们基于Scopus数据库构建靶向检索策略，整合生成技术关键词（如"ChatGPT"、"GANs"、"LLMs"、"transformer models"）与多维创造力术语。

最优主题诊断

通过保留似然度、语义连贯性、残差及模型下界诊断确定最优主题数（图1）。在模型拟合度与可解释性间寻求平衡，当K>12时语义连贯性下降且残差上升，故最终选择12个主题以兼顾语义清晰度与理论覆盖。

元主题系统综述

本节通过迭代编码、理论三角验证与STM主题结构对齐，提出五个分析性元主题（详见表2）。综合框架遵循附录表A1的分析结构，系统梳理各主题的理论基础、作用机制与实证缺口。

讨论与启示

本研究整合STM与元主题分析，构建涵盖设计、教育、认知、组织实践及伦理五大领域的综合框架（图5与表8）。表明GenAI不仅是创意协作伙伴，更是重塑创造力认识论与实践范式的颠覆性力量。

结论与局限性

本综述填补了2023–2025年间GenAI与创造力研究的整合空白。通过STM与元主题融合，提出概念框架（图5）与研究路线图（表8），双重推动GenAI赋能创造力的理论创新。