理论前沿 | 生成式AI聊天机器人能提升创造性问题解决能力吗?一项关于对话机制与实践表现的教学研究

想象一下，凌晨一点，你还在为研究计划发愁。能一起讨论的人大多已经休息了，导师这时候也未必会及时回复，但一个生成式AI聊天机器人仍会在几秒内给你选题建议、研究问题、文献线索，甚至连方法设计都能帮你铺开。它像一个不会累的“研究搭子”，既迅速，又体面，看起来几乎完美。

问题是：当一个工具可以比同伴更快给出方向时，它究竟是在帮助你变得更会思考，还是只是在帮助你更快完成文本？更尖锐地说，AI到底是在扩展创造性问题解决（Creative Problem-Solving, CPS）的边界，还是在把本该属于人的探索过程压缩成一连串高效问答？其对话方式、学习感知和任务产出会不会发生较为稳定的变化？本文正是围绕这一假设展开。

*该图片由 MidJourney Anime V6 模型生成

本研究探讨了由生成式人工智能（GAI）赋能的聊天机器人在支持大学生创造性问题解决（CPS）方面的有效性。研究采用准实验设计，比较学生分别与：（1）GAI聊天机器人，以及（2）同伴互动时，在CPS中的对话动态、学习者感知和实践能力表现。共有80名研究生参与，承担的CPS任务为撰写一份创新性研究计划书。研究发现，两类互动中的对话交流存在显著差异。学生—GAI聊天机器人互动呈现出更多基于知识的对话和展开性讨论，而主观表达少于学生—同伴互动。值得注意的是，学生在与GAI聊天机器人互动时的发言量显著少于与同伴互动时。学生—GAI聊天机器人的对话交流倾向于呈现较为清晰的模式，而学生—同伴互动的对话则更难预测。学生认为，与GAI聊天机器人互动比与同伴互动更有用、也更容易。此外，在利用GAI聊天机器人完成CPS任务时，学生表现出更高的使用意愿。最终，通过与GAI聊天机器人的互动，学生的实践表现得到显著提升。本研究表明，审慎使用基于GAI的技术有助于促进大学生的学习成效。

该研究讨论的是，生成式AI聊天机器人能否真正支持高等教育中的创造性问题解决任务。与不少研究主要考察语言学习、编程练习或一般写作支持不同，作者把研究放在研究计划写作这一更接近真实学术场景的任务中。研究计划书写作既要求学生提出有价值的问题，也要求其整合文献、设计方法并说明创新点，因此能较好呈现创造性问题解决的完整过程。文章也没有只看最后分数，而是把对话动态、学习者感知和任务产出放在同一框架中考察，这使研究的解释力更强。

研究采用准实验设计，共纳入中国南方一所高校80名博士研究生，其中实验组40人，个体与豆包聊天机器人互动；对照组40人，与自选同伴围绕同一任务展开讨论。整个实验持续3个月，核心对话活动连续5周进行，每周1次、每次30分钟，主题依次为确定研究主题、澄清研究问题、检索综述文献、形成研究设计以及识别研究原创性。研究以前期申博材料中的研究计划书作为前测，实验结束后提交的新研究计划书作为后测。

作者设置了三类指标。其一，对话动态，采用CI-PCD编码框架分析先验知识、主观表达、展开、协调、推测和建构等话语类型，并结合序列分析观察不同话语之间的转化关系。其二，学习感知，借助技术接受模型比较两组在感知有用性、感知易用性和未来使用意愿上的差异，并辅以访谈资料。其三，实践表现，在控制前测成绩的基础上，使用协方差分析比较两组后测研究计划书得分。作品评分涵盖研究目标、问题与假设、文献综述、研究设计与方法以及原创性等维度，评分前进行了匿名化处理，并由两名独立评分者完成评定。

对话动态：两类互动在话语结构上存在显著差异。与学生—同伴互动相比，学生—GAI聊天机器人互动中，知识型对话与展开性讨论更多，而主观表达更少。论文报告显示，知识型对话均值在实验组高于对照组（0.16>0.13，t=2.017，p=0.049），主观表达显著更低（0.06<0.13，t=-6.000，p<0.001），展开性对话也更高（0.16>0.13，t=2.218，p=0.030）。进一步看，聊天机器人提供的先验知识、展开和协调性回应均显著多于同伴；但学生在与聊天机器人互动时，自身贡献的先验知识、主观表达与协调性发言均显著减少。序列分析还显示，学生—GAI聊天机器人的对话路径更清晰，常表现为学生发起问题后，聊天机器人先给出基于先验知识的回应，再引出学生进一步追问解释与展开；而学生—同伴互动的路径则更分散。

学习感知：独立样本t检验表明，实验组在感知有用性、感知易用性和未来使用意愿三个维度上均显著高于对照组。其中，感知有用性均值分别为3.64和3.14（t=3.54，p<0.001），感知易用性分别为3.94和3.40（t=2.47，p<0.05），未来使用意愿分别为4.22和3.26（t=4.53，p<0.001）。访谈资料也显示，学生普遍认为聊天机器人响应快、操作便捷，并能够在研究问题凝练、文献梳理和方法建议等方面提供帮助。

实践表现：作者采用ANCOVA比较两组研究计划书得分。在方差齐性与回归斜率齐性假设均满足的前提下，结果显示两组后测得分存在显著差异（F=15.058，p<0.001），且学生—GAI聊天机器人互动对实践表现具有较大效应量（Partial η²=0.179）。实验组后测均值为57.77，对照组为46.38。说明在这项研究中，与聊天机器人互动的学生最终提交了质量更高的研究计划。

01

总体来看：该研究为GAI聊天机器人支持大学生创造性问题解决提供了较清晰的经验证据，说明聊天机器人能够改善复杂文本任务中的对话组织、学习感知与作品表现。

教学启示：生成式AI在创造性问题解决中最擅长的，是提供结构化支架；最不擅长的，是替代真正的人类共创。更合适的做法不是让聊天机器人取代同伴互动，而是在复杂任务中把它作为辅助支架使用，用它帮助学生梳理知识、推进问题、搭建方案，把观点碰撞、质疑与论证更多留给人与人的交流。

02

值得肯定的是：这项研究没有停留在“AI有没有用”的简单比较上，而是把互动过程、学习感知和任务产出放在一起考察，因此不仅回答了“是否有效”，也解释了“为什么会有效”。研究任务也较真实，能反映研究生处理开放性学术任务时的状态。

也需要看到：聊天机器人虽然在知识供给、解释展开和信息组织上表现出较强支架作用，但学生在互动中的主动表达和协调性发言有所减少。作品表现的提升，并不等于学习者主体性和独立迁移能力同步增强。这也是后续研究仍需继续追问的地方。

也许，未来最好的教育型AI，不该只是一个更会回答的系统，而应是一个知道何时该追问、何时该停顿、何时该把问题还给学生的系统。真正好的技术，不是替学生把路走完，而是让学生在更清楚地看见道路之后，仍愿意自己迈步。