《Frontiers in Psychology》：Stimulating or constraining creativity? Traditional vs. generative AI on divergent thinking in product design
编辑推荐：
生成式人工智能（GenAI）的兴起为产品设计带来了机遇与挑战，引发了其究竟激发还是束缚创造力的讨论。该研究通过实证方法检验了传统方法与GenAI辅助构思方法对产品设计中发散性思维阶段的认知创造力及感知创造力支持的影响。研究采用混合方法实验，以41名产品设计专业
生成式人工智能（GenAI）的兴起为产品设计带来了机遇与挑战，引发了其究竟激发还是束缚创造力的讨论。该研究通过实证方法检验了传统方法与GenAI辅助构思方法对产品设计中发散性思维阶段的认知创造力及感知创造力支持的影响。研究采用混合方法实验，以41名产品设计专业大二学生为被试，比较了无辅助、互联网辅助及GenAI辅助三种构思方法，从设计产出物的创造力及设计师自我报告的用户体验两个维度展开研究。结果显示，在产品设计新手学生中，传统方法更有效地提升了发散性思维的表现，而GenAI辅助方法则显著改善了设计师在构思过程中的感知创造力支持，具体体现在可用性、探索性及沉浸感方面。此外，不同创意倾向水平的参与者之间未观察到显著差异。这些发现表明，尽管GenAI在产生高度原创性设计成果方面尚未超越传统方法，但在设计教育中通过丰富学习者的创意感知及情感投入发挥着重要的促进作用。该研究为审慎地将GenAI整合入设计过程提供了实证依据，并强调了未来研究优化人机协作以增进而非替代设计学习与实践领域中人类创造力的必要性。
该研究发表于《Frontiers in Psychology》，以41名中国衢州大学产品设计专业大二本科生为样本，采用3×2混合因子实验设计，系统比较了无辅助构思、互联网辅助构思（百度图片）与GenAI辅助构思（豆包）三种方法对发散性思维的影响。研究构建了认知创造力与感知创造力支持的双路径框架：认知创造力通过共识评估技术（Consensual Assessment Technique, CAT）从流畅性、变通性、独创性和精致性四个维度评估；感知创造力支持则基于创意支持指数（Creative Support Index, CSI）的六个维度（可用性、探索性、表达性、沉浸感、愉悦感、结果值得努力程度）进行测量。创意倾向作为调节变量，通过威廉姆斯创造力倾向测验（Creativity Assessment Packet）评估。实验采用椅子设计任务，通过拉丁方设计平衡顺序效应，三位具有10年以上经验的产品设计专家进行盲评，确保评估客观性。数据分析采用重复测量方差分析，并辅以半结构化访谈获取定性洞察。
研究背景方面，创造力被公认为创新及行业进步的基石。产品设计中，创造力在早期构思阶段尤为重要，此时设计师需产生大量新颖且有价值的概念以在竞争激烈的市场中实现产品差异化。提升设计师的发散性思维——即探索多种想法与方向的能力——是培育创新产品解决方案、提高市场成功可能性的核心。多年来，多种构思方法被开发以优化设计过程，传统方法如头脑风暴、互联网搜索和思维导图长期作为早期设计实践的核心技术。近年来，人工智能特别是大语言模型（Large Language Models, LLMs）和生成式人工智能（GenAI）的快速发展为设计构思带来了变革性机遇。这些技术利用机器学习与模式识别从设计师提示中生成视觉概念和问题解决框架，实现替代方案的快速探索并扩展创意探究范围。然而，现有关于GenAI对设计创造力影响的证据尚存分歧：部分研究表明GenAI能通过拓宽概念探索、提升设计质量并降低认知负荷来支持发散性思维；另有研究担忧GenAI可能增加设计固着、降低原创性，尤其在复杂设计任务中。因此，GenAI对创造力的影响并非简单为正或负，而可能取决于具体构思情境。尽管学界对GenAI辅助构思的兴趣日益增长，当前文献仍存在重要空白：较少有研究在受控发散性思维任务中系统比较传统与GenAI辅助构思方法，尤其在产品设计教育情境中；已有研究多聚焦于与认知创造力相关的设计结果，而对设计师主观体验关注不足；此外，个体差异在塑造对不同构思方法反应中的作用尚不充分明了。
研究结果部分，"设计产出质量"显示，在比较三种构思方法的创造力时，流畅性[F(2,38)=5.583, p=0.002, η
p2=0.289]、变通性[F(2,38)=12.724, p<0.001, η
p2=0.401]和独创性[F(2,38)=10.170, p<0.001, η
p2=0.349]均存在显著主效应，效应量均为大。邦费罗尼校正事后比较显示：在流畅性和变通性上，互联网辅助法显著优于GenAI辅助法（均p<0.001），无辅助法也显著高于GenAI辅助法（p=0.002和p<0.001）；在独创性上，互联网辅助法显著高于无辅助法（p=0.036）和GenAI辅助法（p<0.001）。精致性无显著组间差异。创意倾向的主效应及其与构思方法的交互作用均未达显著。
"感知创造力支持"结果显示，构思方法在可用性[F(2,38)=10.049, p<0.001, η
p2=0.346]、探索性[F(2,38)=7.983, p=0.001, η
p2=0.296]、沉浸感[F(2,38)=6.459, p=0.004, η
p2=0.254]和结果值得努力程度[F(2,38)=3.955, p=0.028, η
p2=0.172]上存在显著主效应，效应量均为大。邦费罗尼校正事后比较显示：可用性上GenAI辅助法显著高于互联网辅助法（p=0.023）和无辅助法（p<0.001）；探索性上GenAI辅助法（p<0.001）和互联网辅助法（p=0.004）均显著高于无辅助法；沉浸感上GenAI辅助法显著高于无辅助法（p<0.001）；结果值得努力程度上互联网辅助法显著高于无辅助法（p=0.037）和GenAI辅助法（p=0.040）。表达性无显著差异，愉悦感总体主效应不显著。
讨论部分，围绕研究问题一，研究人员指出GenAI辅助组未超越传统构思方法，传统方法特别是互联网辅助法在整体创造性任务结果上表现更优，更有效地支持了流畅性、变通性和独创性。这与Wadinambiarachchi等人的发现一致，即AI生成图像会增加设计固着，降低流畅性、多样性和原创性。可能的解释在于两种方法认知需求的差异：互联网搜索需要参与者制定搜索词、评估信息相关性、比较替代参考资料并选择性整合有用元素，这种搜索、筛选和综合信息的过程可能激发更深层次的反思并促进新颖关联的形成；而GenAI倾向于立即提供高度综合的视觉输出，减少了广泛探索和信息处理的需要。定性访谈进一步表明，一些参与者过度依赖AI生成输出，主要关注生成图像而非主动开发替代概念，这不仅可能导致设计固着，还会助长创意懒惰。此外，人机协作本身可能引入额外的协调成本和交互中断，对创意流畅性产生负面影响。
围绕研究问题二，研究发现GenAI辅助方法在可用性上显著优于其他两种方法，这凸显了其作为创造力支持工具的核心优势——降低构思门槛并简化人机共创流程，使设计师能更专注于概念探索而非信息检索。自然语言界面减少了传统数字工具的技能壁垒。在探索性和沉浸感方面，GenAI辅助法和互联网辅助法均显著优于无辅助法，表明外部资源能增强设计师产生多元新颖想法的能力并提高专注度与持续参与度。多模态输出使抽象或模糊的心理意象快速转化为清晰的视觉或文本表征，加速了从内部构思到外部表达的转换。但在结果值得努力程度上，互联网辅助法显著高于GenAI辅助法和无辅助法，表明设计师认为投入互联网搜索的时间和心智努力更有价值，互联网环境通过信息觅食机制强化了投入产出比的感知。GenAI工具虽 praised 速度快、作为创造力催化剂，但也存在因训练数据偏见而导致常规化结果的风险，且"黑箱"特性使生成图像不可预测、质量参差不齐，需要设计师额外努力来优化提示词或筛选输出，削弱了其效率优势。
围绕研究问题三，研究发现不同创意倾向水平的参与者在三种构思方法上未出现显著差异。尽管创意倾向较高的参与者通常在椅子设计方案中获得略高的创造力分数，但这一模式未达统计显著性。研究人员谨慎指出，该非显著发现可能归因于创意倾向分数分布相对受限——没有参与者落入评估工具定义的最高或最低创造力类别，且相对简单的椅子设计任务和适度样本量（n=41）可能导致统计效力不足。该结果与先前研究一致，即人格特质与行为指标虽与原创性及高创造性成果密切相关，但其本身并不足以确保此类成果。创意倾向可能通过领域知识、任务复杂性和刺激特征等中介变量发挥影响。
该研究的理论贡献在于：为区分构思过程中的认知创造力结果与感知创造力支持体验提供了实证依据；揭示了外部工具可能提供补偿性支持从而暂时降低个体创造力产出差异；为将GenAI概念化为增强性而非替代性创意伙伴的讨论做出贡献。实践启示方面：设计教育者可将GenAI作为增强学生感知创造力支持和情感参与的教学支架，但需精心设计学习活动以促进批判性反思和独立探索；设计从业者应将GenAI视为早起产品开发的共创助手，但需警惕设计固着和同质化风险；GenAI工具开发者应开发针对不同设计技能和个人特质的定制化系统，增强透明度、可控性和反馈功能。
局限性包括：研究仅聚焦于发散性思维阶段，未考察收敛思维阶段；创意倾向分布受限可能影响调节效应检测；样本限于单所中国大学的初级产品设计学生，泛化性受限；三种构思条件的认知工作流程固有差异可能影响表现；传统重复测量方差分析方法存在局限；创造力刺激或抑制受多种情境变量共同塑造。未来研究方向包括：探索不同构思方法在发散与收敛两阶段的影响；招募更广泛创意倾向谱系和更多样化样本；开展跨平台GenAI系统比较研究；采用线性混合效应模型等更灵活的分析方法。
研究结论部分，该研究 investigates 传统与GenAI辅助构思方法对产品设计中设计师发散性思维阶段创造力的影响，聚焦设计产出物的创造力及设计师自我报告的用户体验。结果显示，在产品设计新手学生中，传统构思方法比GenAI辅助方法产生了更高水平的流畅性、变通性和独创性。相比之下，GenAI工具在构思过程中被视为高度可用且能有效支持想法探索、参与和沉浸。此外，未发现创意倾向在三种构思方法间的显著调节效应。这些发现有助于深化对GenAI如何影响受控教育情境中新手设计师创意构思的理解。将研究结果延伸至专业设计实践需要进一步实证验证。尽管GenAI工具在产生高度原创性设计成果方面未超越传统方法，但它们在增强设计师感知创造力支持和参与度方面展现出明确价值。在设计教育和专业情境中整合两种方法，可通过结合传统与GenAI辅助构思的优势来促进更丰富有效的创意过程。该研究进一步强调了人机协作通过支持认知过程、扩展创意空间并适应个体差异来增强创造力的潜力，指向AI作为设计过程中补充性伙伴而非人类创造力替代者的未来。
