《Frontiers in Psychology》：The role of generative AI in facilitating children's creative thinking and cognitive development: a systematic scoping review
编辑推荐：
摘要专业翻译
背景： 生成式人工智能（Generative Artificial Intelligence, GenAI）已重塑STEAM教育格局，学界对其用于提升儿童创造性思维（创造性思维是认知发展的关键组成部分）的兴趣日益浓厚。然而，关于GenAI在以儿童
摘要专业翻译
背景： 生成式人工智能（Generative Artificial Intelligence, GenAI）已重塑STEAM教育格局，学界对其用于提升儿童创造性思维（创造性思维是认知发展的关键组成部分）的兴趣日益浓厚。然而，关于GenAI在以儿童为中心的创造性学习中的应用的系统性综合研究仍然有限。本范围综述旨在探讨GenAI的作用、效应、挑战及未来发展方向。
方法： 本研究遵循乔安娜·布里格斯研究所（Joanna Briggs Institute, JBI）指南，并依据PRISMA-ScR（系统综述和荟萃分析优先报告条目-范围综述扩展版）规范进行报告。检索于2025年7月执行，并于2026年5月更新，覆盖Web of Science、Scopus、ERIC、APA PsycInfo、ACM Digital Library、ProQuest及Google Scholar等数据库。研究人员明确记录了发表状态与证据来源类型。
结果： 共纳入24项证据来源：22项主要实证研究和2项仅用于情境化解释的二次综合研究。基于文本的大语言模型（Large Language Models, LLMs）及多模态文本/图像工具占据主导地位。主要研究报告了在发散性思维、叙事创造力及创造性自我效能方面可能存在的益处，但研究设计的异质性、缺乏正式的关键评估以及纳入预印本等因素，使得无法得出关于确证效力的结论。
结论： 初步证据表明，在精心引导下，GenAI可能支持儿童某些形式的创造性活动，但证据基础规模较小、方法学异质性高、地理分布集中，且部分未经同行评议。因此，关于有效性、可扩展性及公平性的论断仍属初步性质。未来研究应采用更强有力的比较性和纵向研究设计，并直接纳入农村、服务不足及资源匮乏社区，之后才能将GenAI视为一种民主化的干预手段。
论文主体内容专业总结
1 引言
传统教育模式在资源可及性、实时个性化及心理准入方面存在局限。生成式人工智能（Generative Artificial Intelligence, GenAI）凭借其高速、广覆盖与高交互性优势，被视为变革儿童发展格局的关键驱动力。GenAI通过大语言模型（Large Language Models, LLMs）及文本到图像（Text-to-Image）等工具，将创造性意图与技术执行解耦，从而可能弥补传统模式的不足。然而，现有研究存在碎片化、缺乏跨技术视角及对伦理安全挑战探讨不足等问题。为此，本研究提出五个核心研究问题，涵盖地理与时间趋势、GenAI类型与目标领域、干预形式与测量指标、实践障碍及未来方向。
2 方法
本研究遵循乔安娜·布里格斯研究所（Joanna Briggs Institute, JBI）范围综述方法学，并依据PRISMA-ScR清单报告。
2.1 纳入标准
采用PCC框架（人群、概念、情境）界定纳入标准。目标人群为6至15岁学龄儿童及青少年，边界案例（5-6岁或16-18岁）在多数参与者符合目标范围或研究结果直接适用时纳入。核心概念为GenAI在支持、监测或提升创造性思维能力中的应用，创造性思维聚焦原创性、流畅性、灵活性及精致化等维度。情境涵盖正式与非正式学习环境。纳入标准要求英文全文的主要实证研究，发表状态被明确记录。
2.2 检索策略
检索于2025年7月执行并于2026年5月更新，覆盖七个多学科数据库。检索采用三个布尔概念块，分别涵盖GenAI、儿童/学校人群及创造力。Google Scholar作为补充广泛发现来源，因其动态索引特性被标记为可重复性局限。
2.3 研究筛选与数据图表化
所有记录导入EndNote去重后，由两名评审者独立进行标题/摘要及全文筛选。分歧通过讨论或咨询第三名评审者解决。数据图表化采用标准化表格，两名评审者独立完成，研究选择的Cohen's kappa值为0.812，数据图表化为0.778。
2.4 数据汇总、综合与报告
采用描述性映射与叙事综合方法。主要实证研究构成研究层面发现的基础，两项二次综合仅用于情境化解释。因异质性显著，未进行定量合并或效应量估计，也未开展正式偏倚风险评估。
3 结果
3.1 检索结果
共识别6,401条记录，去重后3,873条进入筛选，最终纳入24项证据来源：22项主要实证研究与2项二次综合研究。
3.2 纳入研究的时间与地理特征
纳入来源发表于2023年至2026年5月，数量逐年快速增加。地理分布集中于东南亚、东亚及北美，印度尼西亚与中国（含香港）各贡献5项研究，美国3项，韩国、英国、印度各2项，芬兰、西班牙、土耳其、孟加拉国及以色列各1项。
3.3 研究目的
22项主要实证研究被归纳为四个描述性聚类：工具/系统设计与评估、创造性或认知结果报告、儿童-AI交互与用户体验、情境化应用。
3.4 研究设计与测量工具
研究设计以定性/参与式研究、定量调查或准实验及混合方法评估为主。测量方法涵盖人工制品分析、访谈、观察、提示日志、自我报告量表、创造力量规及前后测等，异质性高，无法进行有意义合并。
3.5 目标队列与研究情境
主要研究多涉及学龄儿童，高年级小学生和初中生最为常见。研究情境明显分为正式教育环境（16项）与非正式学习环境（8项）。
3.6 GenAI类型与模态
文本型GenAI应用最广（12项），主要为ChatGPT、Gemini、Claude等LLMs；多模态GenAI（7项）整合文本与图像生成；图像型GenAI（4项）使用Midjourney、DALL-E 2等工具；音频/音乐型GenAI最少（1项）。
3.7 干预形式与持续时间
干预以工作坊形式（9项）和课堂整合形式（7项）为主，另有比较交互干预（5项）与系统设计评估（3项）。所有干预均有成人引导，持续时间均不超过4个月，无纵向研究。
3.8 目标创造力维度
发散性思维（11项）与叙事创造力（9项）是最常被关注的维度，其次为创造性自我效能（5项）、领域特定创造性思维（7项）、协作创造力（3项）及精致化（4项）等。
4 讨论
4.1 核心发现综合
本综述绘制了2023至2026年间24项证据来源的图谱。主要研究报告了降低技术门槛、增强创造性自我效能或任务特定创造力指标的改善，但应视为报告结果而非确证效力。一项预印本研究报告了儿童与ChatGPT交互时认知控制与注意力网络神经参与度降低，该结果被视为初步假设生成性证据。年龄与模态间的差异有效性提示，多模态和具身工具更适合低龄儿童，而文本型LLMs在年龄较大的儿童与青少年中显示更强且更一致的结果。
4.2 GenAI融入儿童创造性思维发展
文献提示GenAI在儿童创造性活动中可能扮演支架、共创伙伴与创意放大器三种角色。这些工具可能降低部分技术门槛，但无法假定其能弥补结构性不平等。证据表明存在提示依赖、认知努力减少及个人声音丧失等风险，人类引导仍至关重要。
4.3 教育工作者面临的实施障碍与困境
教育工作者面临技术、教学、系统及态度层面的多维障碍。教师AI素养缺失是主要技术障碍，叠加基础设施不足与“数字鸿沟”。教学层面面临AI支架与儿童自主性平衡的根本困境，缺乏循证教学框架，并受课堂管理、时间限制及AI增强创造性工作评估等挑战制约。
