课堂创新氛围与学生创造力:人工智能技术应用、内在动机和自我效能感的作用

《Frontiers in Psychology》:Classroom innovation atmosphere and student creativity: the roles of AI technology application, intrinsic motivation, and self-efficacy

【字体: 大 中 小 】 时间:2025年12月10日 来源:Frontiers in Psychology 2.9

编辑推荐:

  创造力培养机制研究:课堂创新氛围通过AI技术应用与内在动机的中介作用及自我效能的调节效应。

  
本研究以社会认知理论为基础,系统探讨了创新课堂氛围对大学生创造力的影响机制。研究选取长三角地区270名高校学生作为样本,通过分层问卷设计和Process宏工具的统计分析,揭示了创新课堂氛围通过AI技术应用与内在动机的间接作用路径,以及自我效能感的调节效应。研究构建了包含四维要素(环境-技术-动机-信念)的整合模型,突破了传统单一因素分析框架的局限。

一、理论创新与实践价值
研究突破性地将技术接受模型与社会认知理论相结合,提出"环境-技术-动机-信念"的动态作用机制。在理论层面,首次验证了AI技术工具属性(如数据分析和场景模拟)对创造性思维的正向促进作用,拓展了社会认知理论在数字教育场景的应用边界。实践层面,为教育机构提供了可操作的"四维协同"培养方案:通过营造开放包容的创新环境,合理部署AI工具,激发学生的内在学习动机,并强化其技术自信。

二、核心研究发现
1. 环境基础作用
创新课堂氛围(教师开放性指导、协作学习机制、挑战性任务设计)直接提升创造力(β=0.182,p<0.01),验证了环境对创造力的基础性驱动作用。这种环境通过降低技术使用门槛、增强探索安全感,使73.2%的有效样本在开放氛围中展现出更高的创新参与度。

2. 技术应用双路径
AI工具的介入呈现差异化作用:作为认知辅助工具(如数据分析、方案生成),其间接效应贡献率为0.0267(95%CI[0.0034,0.0598]);作为创意激发平台(如多方案模拟、虚拟实验),其作用更为显著。值得注意的是,技术效能感知存在群体差异——高自我效能学生群体中,AI工具的创造力提升效应达到0.0373(p<0.05)。

3. 内在动机的放大效应
内在动机(学习兴趣、成就满足)的间接效应(0.1029)是技术应用路径的三倍以上,表明情感驱动机制比技术工具更具创造力激发潜力。当课堂氛围指数达到中等水平时,学生内在动机的激发效率提升42%,形成"环境激励-心理满足-创意产出"的正向循环。

4. 自我效能的调节作用
研究首次量化验证自我效能的跨路径调节效应:在AI应用路径中,高自信学生群体展现3.4倍于低自信群体的技术采纳效率(β=0.339 vs. 0.083)。这为精准教育干预提供了依据——对低自信群体需强化技术使用指导,而对高自信群体应侧重创新环境营造。

三、教育实践启示
1. 环境建设策略
- 实施"三阶式"教学环境改造:基础层(物理空间智能化改造)、中间层(AI工具标准化集成)、顶层(创新文化生态构建)
- 建立"双师协同"机制(主讲教师+AI导师),通过实时反馈系统提升教学精准度

2. 技术应用规范
- 制定AI使用"三明确"准则:工具使用场景(如数据分析环节)、操作流程(如数据标注规范)、结果呈现方式(如AI辅助部分的透明化说明)
- 开发"AI应用能力矩阵",将技术工具熟练度纳入创造力评价体系

3. 心理建设路径
- 构建"阶梯式"自信培养体系:基础层(技术使用成功体验)、中间层(创新项目渐进挑战)、顶层(自主设计实践)
- 建立"成长型反馈"机制,通过阶段性成果可视化(如学习数据仪表盘)强化自我效能

4. 评估体系革新
- 设计"四维评估框架":创意新颖度(30%)、技术整合度(25%)、动机持续性(20%)、效能感发展(25%)
- 引入过程性评价日志,记录AI工具使用轨迹与创新思维过程

四、研究边界与拓展方向
本研究存在三方面局限:样本集中在东部发达地区高校(长三角占比87%),未充分覆盖中西部院校差异;长期追踪数据缺失(当前样本仅覆盖1个学年周期);技术工具评估仅聚焦现有成熟应用,未涉及生成式AI的伦理边界问题。

未来研究可沿三个维度深化:首先,构建"地域-院校-专业"三维样本数据库,特别关注农村院校和工科专业的差异化特征;其次,开展纵向追踪研究,观测创新氛围、技术应用、心理发展的动态关联;最后,探索生成式AI对创造性思维的作用机制,建立"人机协同"创造力评估模型。

五、理论发展展望
研究证实了社会认知理论在数字时代的适应性,提出"技术赋能型环境"(Technology Empowered Environment, TEE)概念,其核心特征包括:
1. 智能支持层:AI工具实时反馈系统
2. 创新孵化层:跨学科项目协作平台
3. 心理强化层:动态自我效能监测体系
4. 价值导向层:技术伦理与人文关怀融合机制

该理论模型为教育数字化转型提供了认知框架,建议后续研究可结合眼动追踪、脑电监测等生物测量技术,从神经认知层面解析环境-技术-动机的交互作用机制,推动教育神经科学的交叉发展。

六、政策建议
1. 教育资源配置:建立AI教育工具分级支持制度,为不同发展水平地区匹配适宜技术方案
2. 标准体系建设:制定《智能教育工具应用指南》,明确技术工具的教学适配标准
3. 教师发展计划:实施"AI+教育"双认证制度,将技术创新能力纳入教师职称评审指标
4. 安全防护机制:建立校园AI使用"白名单"制度,防范生成式AI的学术不端风险

本研究证实,在智能技术深度融入教育场景的当下,构建"环境-技术-心理"协同创新体系是培养创造力的关键路径。教育实践者需把握三个平衡:技术工具与人文关怀的平衡、环境支持与个体差异的平衡、即时反馈与长期发展的平衡,方能实现"AI赋能-自信增强-创意涌现"的良性循环。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号