一项结合面部表情与脑成像技术的研究，揭示了生成式AI对创造力学习的双重影响。它在提升创意多样性与方案实用性方面表现出色，却也因信息过载抑制了深度思考，并可能诱发学习者的负面情绪。这项发现为AI在教育中的应用提供了重要的神经科学证据。
智能速览
生成式AI在头脑风暴阶段显著提升方案新颖性，但会降低思维深度。
在TRIZ结构化设计阶段，AI能显著增强方案的实用性。
研究通过脑成像发现，AI辅助改变了前额叶皮层的激活模式。
面部表情分析显示，使用生成式AI可能增加学习过程中的负面情绪。
面部表情和脑成像数据能有效预测学生的创造力表现。
精华内容
这项研究不仅仅停留在创造力成果的表面评估，而是深入探索了AI辅助下的“黑箱”——学习者的内在认知与情绪状态。通过脑科学与情绪数据的交叉验证，我们可以更清晰地看到AI是如何具体地、差异化地影响创造性思维的各个环节。
思维阶段差异
研究发现，生成式AI对创造力的影响在不同思维阶段表现出显著差异。在发散性的头脑风暴阶段，使用GPT-4的实验组设计方案的新颖性得分更高，证明AI能快速提供多样化灵感，拓宽思路。然而，该组在设计思维的深度上却弱于使用传统工具的对照组，两在实用性上则没有显著差异。这表明AI提供的海量信息可能在一定程度上抑制了学习者的深度思考与探索。
在结构化的TRIZ设计阶段，情况发生了逆转。此时，生成式AI组在方案的实用性上获得了显著提升，说明AI在帮助学习者将创意落地、解决具体问题方面更具优势。但在新颖性和思维深度方面，AI组与对照组相比并未展现出明显优势。
大脑激活模式
为了探究其内在机制，研究采用了近红外光谱技术监测学习者的大脑活动。数据显示，在生成式AI的支持下，学习者的前额叶皮层，特别是与高阶认知控制密切相关的背外侧前额叶皮层（DLPFC），其血氧浓度和激活模式发生了明显改变。这种神经层面的变化，为AI影响创造性思维提供了直接的生理证据，解释了为何AI在不同任务中会带来差异化的认知表现。
情绪的另一面
通过面部表情识别工具，研究捕捉到了一个值得警惕的现象：尽管生成式AI有助于提升某些创造力指标，但它也可能在学习过程中诱发学习者的负面情绪。与使用传统工具的组别相比，AI辅助学习的学习者表现出了更多的负面情绪反应。这一发现提醒教育者，技术工具带来的不仅是效率提升，还可能伴随潜在的心理成本，必须审慎对待。
评估新指标
研究还验证了面部表情与fNIRS数据作为创造力评估指标的有效性。通过运用CatBoost、随机森林等机器学习分类器，研究者发现仅凭学习者的面部情绪和大脑活动数据，就能较为准确地预测其最终的创造力表现。这意味着，这些多模态生理数据未来有望成为超越传统专家评分的、更客观、即时的创造力评估新标准。
这项研究以其多模态实验，为理解AI在教育中的角色提供了深刻洞见。它证实了AI作为创造力催化剂的潜力，也揭示了其可能带来的认知与情绪挑战。未来，如何设计人机协同的教学模式以扬长避短，将是教育技术领域的关键议题。我们该如何平衡技术效率与学生的深度思考和心理健康呢？
