AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Креативность

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Креативность — способность генерировать новые и ценные идеи, решения или артефакты. В эпоху ИИ креативность — центральная ставка образования: generative AI может и усиливать творческую работу (как партнёр по дивергентному мышлению), и подрывать её (гомогенизируя результат и заменяя сам процесс генерации).

Вопросы для размышления

  • Креативность часто описывают как дивергентное мышление — порождение множества возможностей — в противовес конвергентному мышлению, которое сужается к одному верному ответу. Где на этом спектре находится ваша собственная работа или учёба, и с каким из полюсов ИИ помогает легче всего?
  • Генеративный ИИ — это статистическая машина: он может предложить много вариантов, но стремится к среднему. Если многие студенты полагаются на одну и ту же модель, что происходит с разнообразием идей в аудитории?
  • Исследование «сначала думай, потом ChatGPT» обнаружило, что студенты, генерировавшие собственные идеи до ИИ, не получили немедленного прироста — но превзошли всех на более позднем задании на креативность без помощи ИИ. Почему защита фазы независимого мышления может давать обучение, которого не даёт свободное использование ИИ?
  • Если ИИ мгновенно создаёт отполированный артефакт, сколько на самом деле стоит творческая работа учащегося — и как бы вы спроектировали задание, чтобы процесс генерации остался у студента?
  • Является ли идея, созданная с помощью ИИ, «вашей»? Ваш ответ может измениться в зависимости от того, воспринимаете ли вы ИИ как партнёра по дивергентному мышлению или как нечто, заменяющее ваш творческий процесс.

Введение

Креативность занимает дивергентное окончание когнитивного спектра — порождение множества возможностей — в отличие от конвергентного мышления, которое приходит к единственному верному решению. Системы ИИ особенно релевантны креативности, потому что они являются статистическими генераторами: они могут предлагать много вариантов (поддерживая генерирование идей), но также склонны к среднему, порождая гомогенизацию на уровне идей, задокументированную для случаев, когда многие студенты полагаются на одну и ту же модель.

Креативность и генеративный ИИ

  • Усиление: ИИ может выступать партнёром по дивергентному мышлению — генерируя альтернативы, контраргументы и предлагая перспективы, которые учащийся мог бы не рассмотреть. Роле-специализированные конфигурации multi-agent систем могут восстанавливать разнообразие идей.
  • Риск гомогенизации: помощь одной модели может снизить разнообразие идей среди студентов, поэтому одна и та же модель даёт конвергентные результаты. Это прямая угроза креативности в Письменная речь и design education.
  • Защита творческой субъектности: сохранение процесса генерации у учащегося в цикле — сначала черновик, требование оригинального синтеза и использование ИИ для вызова, а не замены — сохраняет творческую работу, которая даёт устойчивое обучение.
  • Трение — не творческий выигрыш. Контрарные ИИ-персоны вели дискурс вызова и осмысления в 38,2% групп, но не дали измеримого улучшения творческих результатов, поэтому более богатые паттерны взаимодействия не являются свидетельством креативности (Jin et al. (2026)).
  • Карта поля K–12: GenAI чаще всего усиливает креативность и редко её измеряет. scoping review с руководством PRISMA 45 исследований (2017–2025) сортирует литературу K–12 на четыре использования — оценивание креативности Оценивание (4 исследования), человеко-ИИ ко-креативность (3), восприятие Заинтересованные стороны (14) и усиление креативности (34) — и показывает, насколько узким остаётся поле: языковые нарративы и письмо вытесняют почти всё остальное, а исследования музыки, embodied и пространственного творчества и equity почти отсутствуют. Специально созданные scaffolds, сохранявшие авторство (голосовой ввод, раскадровки, дивергентные промпты «много вариантов»), превзошли готовые платформы, а модели Большие языковые модели (LLM) оценивали дивергентное мышление близко к человеческим оценщикам; однако собственная забота авторов — та же гомогенизация, которую отслеживает эта страница, — сокращение языкового разнообразия, конвергенция стиля, загрязнённые ИИ обучающие данные и metacognitive леность в совместном письме, — которую они описывают термином Рунко «искусственная креативность»: результат, который выглядит творческим, но без человеческого опыта за ним. Чрезмерная опора вновь возникла как риск во всех категориях исследований — восприятия, ко-креативности и curriculum (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).
  • Ко-креативность — сетевой эффект, а не индивидуальная черта: Ruhland (2026) опирается на Actor-Network Theory, моделируя креативность как эмерджентное свойство социотехнических сетей — триадическое взаимодействие стабилизации, дестабилизации и ре-стабилизации среди человеческих и нечеловеческих акторов, причём агенты generative AI рассматриваются как равные, конститутивные участники сети. В исследовании, где pedagogical аватары совместно проектировались в творческой сети, дизайны аватаров оказались не индивидуальными творческими актами, а возникли через процессы трансляции среди студентов, researchers и инструментов проектирования. TriKoNet формулирует риск, что готовые ИИ-аватары сдвигают творческую Автономность учащегося к машинно-индуцированному удобству («ловушка удобства»), и утверждает, что со-конституирование структуры действия ИИ вместе с Учащиеся сохраняет ко-креативность.
  • Сотрудничество «сначала думай» поддерживает независимую креативность: Wong and Qiu (2026) обнаружили, что студенты, генерировавшие собственные идеи до использования ChatGPT (протокол «сначала думай, потом ChatGPT»), не показали немедленного прироста на задании с помощью ИИ, но превзошли и группу свободного ИИ, и группу без ИИ на более позднем задании на креативность без помощи. Свободное использование ChatGPT давало лишь преходящий результат, который исчезал при снятии помощи, — форма Over-Reliance, а не обучения, — тогда как коллаборативное co-creation, направленное на улучшение собственных идей, давало устойчивые приобретения в независимой креативности. Это даёт прямое экспериментальное свидетельство, что защита творческой субъектности не просто желательна, но именно она превращает работу с ИИ в обучение.
  • Воспринимаемый источник примера, а не его содержание, формирует групповую генерацию идей. Идентичные сгенерированные ChatGPT примеры, помеченные как созданные человеком и как созданные ИИ, изменили групповую креативность в исследовании гиперсканирования на фН-ИРС 113 диад: приписывание человеку повышало уникальность идей на стадии стимуляции и межмозговую синхронию в премоторных и дополнительных моторных областях, тогда как приписывание ИИ увеличило только переключение между путями генерации идей, и ни один из эффектов не сохранился после отзыва примеров (Xiaoyong et al. (2026)).
  • Отличает детей не способность, а реализация развития. В первом нейровизуализационном сравнении детей и взрослых, совместно творящих с ChatGPT, 6–7-летние дети и взрослые вели один и тот же пятиминутный разговор внутри МРТ-сканера. Креативность, измеренная вне сканера, не различалась между группами. Однако взрослые показали значимо более сильную внутрисетевую связность в лобно-теменных сетях контроля, сети значимости и дорсальной сети внимания, а более высокая креативность предсказывала более сильную связь лобно-теменной и сети значимости у взрослых, но не у детей. Авторы трактуют это как различие в том, как творческое познание реализуется во время диалога с ИИ, а не в исходной способности. Это также ставит вопрос, на который рекомендациям по скаффолдингу на этой странице ещё не приходилось отвечать: когда же на самом деле созревает механизм контроля, который привлекает работа с ИИ? (Horowitz-Kraus et al. (2026))

Противовес из исследований в магистратуре: среди 1 157 китайских студентов магистратуры зависимость от GenAI положительно коррелировала с самооценённой креативностью исследований, причём намного сильнее для функциональной, ориентированной на задачи зависимости (β = 0,457), чем для экзистенциальной опоры (β = 0,147), причём critical thinking объясняло примерно 85,0% функционального пути (Yin et al. (2026)).

Национальный опрос усложняет эту картину: среди 5 764 китайских студентов университетов зависимость от ИИ коррелировала отрицательно с самооценённой креативностью (r = −0,17), причём мотивации избегания и социальные мотивации несли отрицательные непрямые пути, а инструментальные и развлекательные мотивации — положительные (Hou et al. (2026)).

  • Воплощение окупается неравномерно. Физический робот в паре с моделью высокой креативности значимо повысил оригинальность по сравнению с человеко-человеческим и текстовым взаимодействием, тогда как человеческие и текстовые условия сохраняли преимущество в образности и голосе — парадокс воплощения, в котором робот усиливал результат ИИ, не улучшая стиль (Liu & Song (2026)).
  • Подтверждение ценности человеческой креативности в эпоху ИИ. Возвышение генеративного ИИ требует от образовательных областей подтвердить ценность человеческой креативности. Основанный на project-based фреймворк цифрового storytelling для образования в области искусства и дизайна был спроектирован именно для культивирования эмоциональных, культурных и нарративных способностей, которых недостаёт ИИ, причём студенты создавали Мультимодальный ИИ нарративы на материале местного культурного наследия, — позиционируя креативность как distinctly человеческий вклад в обучение, интегрированное с ИИ.

Креативность в разных областях

Креативность — не единая монолитная способность: она реализуется по-разному в письме, изобразительном искусстве, mathematics и вычислениях, и генеративный ИИ взаимодействует с творческим процессом каждой области своеобразно. Понимание этих различий важно для проектирования обучения с ИИ, которое защищает, а не обходит ядро творческого акта каждой области.

  • Изобразительное искусство и дизайн — парадокс компетентности. Инструменты текст-в-изображение (T2I) сжимают дистанцию от идеи к артефакту, но лёгкость не просто освобождает креативность. В исследовании студентов искусства и дизайна (417 опрошенных) творческая компетентность сильно предсказывала намерение использовать инструменты T2I — но также предсказывала более сдержанное, избирательное фактическое использование, поскольку студенты согласовывали авторство, оригинальность и сохранение мастерства с эффективностью (The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students). Лёгкость и доступность обеспечивают быстрое порождение результата, а не устойчивое engagement, поэтому инструмент может тихо превратиться в короткий путь, разрушающий итеративный рабочий процесс студии, который он должен был ускорять.

  • Математика — креативность без переноса. Поддерживаемая ИИ интервенция inquiry-based learning в secondary математике (студенты в среднем 12,79 года) значимо повысила творческую математическую результативность и отношение к математике — но не улучшила значимо критического Решение задач (Evaluating the Impact of AI-Supported Inquiry-Based Learning on Students' Creative Mathematical Performance, Critical Problem-Solving Skills, and Attitudes Toward Mathematics). Креативность и конвергентное решение задач — разделимые результаты; исследовательское обучение с ИИ может расти в творческом производстве, тогда как переносимые аналитические навыки отстают, усиливая более широкий performance-learning gap.

  • Математика — креативность преподавателя движется вместе со знанием содержания и педагогическим знанием. В встроенном кейс-стади восьми практикующих преподавателей из сельских и недостаточно обеспеченных районами программа из десяти интерактивных модулей, управляемая генеративным ИИ и построенная на рамках 4P Родса, вовлекла преподавателей в математическую креативность (MC), знание содержания (CK) и педагогическое знание содержания (PCK) как взаимосвязанные формы рассуждения, а не отдельные области (How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge). Вклад, необходимый для обсуждения измерения на этой странице, — утверждение авторов, что MC не развивается независимо от математического знания преподавателей и их знания о том, как сделать идеи доступными, — и что именно неосуждающий, неоценочный тон ИИ сделал продуктивную борьбу достаточно безопасной для попыток.

  • Творческие вычисления — трение, которое защищает итерации. Начинающие творческие программисты учатся, понимая и расширяя «найденные примеры», которые ИИ может полезно подпирать или соблазнительно обходить. Flowcode — среда творческих вычислений на базе ИИ — соединяет flowchart структуры кода с ориентированным на обучение чатом и намеренно спроектированным трением, показанным в двух исследованиях как направляющим использование ИИ к пониманию и расширению кода, а не к обходу через Вайб-кодинг (Flowcode: An AI-Powered Programming Environment for Scaffolding Iteration in Creative Computing Education). Продуктивная трудность здесь — свойство, сохраняющее цикл генерации у учащегося.

  • Литературное творчество — единица между темой и текстом. Incipit утверждает, что работа организована заявленными посылками, а не темами, и строит промежуточный уровень — 1 455 записей аксиом, охватывающих 149 произведений, соединённых 472 типизированными отношениями, — на котором писатель, пересматривающий конфигурацию, может изменить организующее обязательство, читатель может обосновать реконструкцию, а критик может сравнить два произведения. Его собственный аудит уточняет измерительный пункт выше: артефакт фиксирует единственную курацию, 1 448 из 1 455 аксиом отображаются ровно на одно произведение, и предложенная валидация (пять оценщиков на выборке из 35 записей) ещё не проводилась, поэтому фреймворк — исследовательская программа, а не свидетельство об обучении креативности.

  • Рабочий процесс проектирования с GenAI может снизить уверенность в своей креативности при сохранении результативности. В сравнении архитектурного проектирования с 36 студентами генерация изображений GenAI совпала с поиском прецедентов по проектной результативности, когнитивной нагрузке и ситуативной творческой самоэффективности, однако общая творческая самоэффективность упала (DiD = −0,543, 95% CI [−1,068, −0,017]) — поддержка задачи и уверенность в собственной креативности могут расходиться (Xiao et al. (2026)).

Внедрение креативности в практику

Возвращающийся принцип проектирования во всех этих находках — сохранять собственный акт генерации учащегося в цикле — будь то порождение идеи, итерация артефакта или расширение найденного примера — и использовать ИИ как партнёра по дивергентному мышлению, который бросает вызов и расширяет, а не заменяет.

  • Для instructors: последовательно выстраивайте задания так, чтобы студенты генерировали собственные исходные идеи до обращения к ИИ (протокол «сначала думай, потом ChatGPT»), затем используйте ИИ, чтобы допрашивать, расширять или играть адвоката дьявола против этих идей. Оценивайте процесс и оригинальный синтез наряду с полировкой, чтобы короткие пути, избегающие усилий (результат T2I в один клик, вайб-кодингованные решения), ничего не давали. В искусстве и дизайне сделайте авторство и развитие мастерства объектом оценивания, а не только артефакт.
  • Для разработчиков и проектировщиков: создавайте инструменты, которые раскрывают и вознаграждают цикл итераций — показывайте структуру (как делает блок-схема Flowcode), добавляйте productive friction в момент «выдать первый результат» и предлагайте альтернативы и критические замечания, а не единственный отполированный ответ. Когда инструмент делает следующую лучшую версию безусильной, творческие решения учащегося всё равно должны оставаться теми, что имеют значение.
  • Для исследователей: трактуйте креативность как domain-specific и специфичную по результату — измеряйте, transfer ли прирост на конвергентные или неассистируемые задачи, а не только выглядит ли ассистируемый результат более творческим. Разрыв в измерении — острейшая проблема поля: в корпусе из 45 исследований K–12 лишь четыре исследования оценивания использовали формальную меру креативности, большинство исследований вообще не определяли конструкт, а творческий процесс — подготовка, инкубация, озарение, верификация — оставался по существу неизмеренным. Отсюда предписание обзора: измерение прежде всего — оценивайте креативность ненавязчиво внутри открытых задач через evidence-centered design и скрытое Оценивание, и трактуйте творческую Самоэффективность как часть результата, а не подразумеваемый побочный эффект (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).

Связи

Креативность связана с Критическое мышление и Конструктивизм обучением. Она защищается теми же Снижение масштабов неправомерного использования ИИ-scaffolds, которые сохраняют обучение, и конструкциями Аутентичное оценивание, которые вознаграждают оригинальное рассуждение выше отполированных продуктов.

Связанные концепции

Связанные статьи

Метаданные

ДисциплинаCs Education, Math Education, Writing Education
Целевая аудиторияLearners
Обучение и преподаваниеКонструктивизм, Решение задач
Технологии и методыГенеративный ИИ
Основы ИИ в образованииКритическое мышление, Дизайн-мышление
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.