题目：Augmented learning for joint creativity in human-GenAI co-creation
作者：Yingyue Luna Luan , Yeun Joon Kim , Jing Zhou
引用：Luan, Y. L., Kim, Y. J., & Zhou, J. (2025). Augmented learning for joint creativity in human-GenAI co-creation. Information Systems Research. Articles in Advance, https://doi.org/10.1287/isre.2024.0984.
一、摘要
本文通过对“增强学习”(augmented learning)概念的重新界定，提出了一套新的理论框架，并结合理论推导与实证证据，解释其在人类—生成式人工智能（GenAI）协作创作过程中对联合创造力随时间提升的作用机制。研究主张，应将增强学习的关注重点从传统意义上以人类个体认知学习为中心，转向一种集体学习过程，即人类与GenAI在协作创作活动中不断调整各自的参与程度，从而持续提升联合创造力。为检验这一重新界定的增强学习理论，本文采用了由三项研究构成的混合研究方法。研究一和研究二通过归纳分析发现，即便经历多轮协作创作，人类—GenAI协作并不会自动实现增强学习，也未必带来联合创造力的提升。对人类—GenAI对话的深入质性分析进一步指出，“创意共同发展”(Idea Co-Development)这一以反馈互动与反复完善创意为特征的协作活动出现下降，是协作失败的主要原因。基于上述发现，研究三通过演绎检验表明，对“创意共同发展”活动提供明确指引与操作指导，能够随时间显著提升联合创造力。在此基础上，本文进一步完善了增强学习理论，并为提升人类—GenAI协作创作以实现更高水平的联合创造力提供了具有实践价值的启示。
二、研究背景
随着生成式人工智能（GenAI）在内容生成与创意任务中的广泛应用，人类—GenAI协作逐渐从“工具辅助”转向“共同创作”，引发了关于其是否以及如何提升创造力的广泛讨论。然而，现有研究对人类—GenAI协作对创造力的影响结论高度不一致，一个关键原因在于，大多数研究基于单轮或短期协作设计，隐含假设人类与GenAI能够迅速形成有效的协作模式，忽视了协作关系随时间演化的过程特征。同时，既有“增强学习”理论主要聚焦技术对个体人类认知的增强，难以解释在GenAI具备主动生成与反馈能力的情境下，人类与AI如何通过多轮互动实现联合创造力的持续提升。由此产生的核心理论缺口在于：学界尚缺乏一种能够刻画人类—GenAI协作中集体学习过程的理论框架，以解释为何联合创造力并不会随协作经验自然提升，以及哪些具体协作活动与参与方式的调整能够真正促进这种提升。本研究正是在这一背景下，对增强学习进行重新概念化，并从时间与过程视角系统揭示人类—GenAI协作创造力演化的内在机制。
三、研究问题
1.人类与GenAI能否通过多轮协作自然实现增强学习，从而持续提升联合创造力？若不能，原因何在？
2.哪些具体的协作活动能帮助人类-GenAI组合在多轮协作中提升其联合创造力？
3.在增强学习难以自然发生的情况下，是否可以通过明确的过程性引导或协作指令，促使人类—GenAI更有效地参与关键协作活动，从而实现联合创造力的持续提升？
四、理论基础
1.增强学习理论
传统增强学习强调技术作为工具提升人类个体的认知能力，默认技术是被动、辅助性的存在。但在生成式人工智能情境下，AI能主动生成内容、提供反馈并参与创意加工，已不再只是“增强工具”。本文对增强学习进行重新概念化，将其界定为一种人类与GenAI在多轮协作中，通过不断调整各自参与方式而实现联合创造力提升的演化过程。
2.交易记忆系统理论
交易记忆系统理论认为，团队层面的学习体现在成员之间对彼此专长的识别，以及围绕这些专长进行的任务分工与协调，而非个体知识的简单累积。团队通过“知道谁擅长什么”，实现整体绩效提升。该理论为“增强学习=集体学习”提供了成熟的组织行为学基础。由此说明，人类—GenAI协作中的学习，并不表现为人或AI变得更聪明，而是体现在双方在不同协作活动中的角色与投入如何被动态重组。
3.自动化—增强悖论理论
自动化—增强悖论理论指出，将AI视为“要么替代人类、要么增强人类”的二元选择是一种误解。真正有效的AI应用往往需要在任务内部进行细分，在某些活动中强调自动化，在另一些活动中强调人机协作，并且这种安排会随时间不断调整。
4.创造力过程理论
创造力过程理论强调，创造力来源于多个相互关联的活动，包括创意生成、评价、反馈、修正和整合等。创造力水平取决于这些活动如何被组织与反复推进，而非单一“点子”的质量。基于这一视角，本文区分了三类协作创作活动，并进一步发现，真正推动联合创造力随时间提升的关键，并非单纯的创意生成，而是创意共同发展(Idea Co-Development)这一反馈与迭代活动。
五、理论框架
图1 理论框架图
六、研究方法
Study 1：实验室实验（多轮创意生成任务）
研究设计：实验室对照实验，设置人类–GenAI 协作组与人类单独创作组两个条件。参与者完成 10 轮连续创意生成任务，任务围绕社会与环境议题展开。GenAI 为基于 GPT-3.5 API 的对话式生成模型。样本量为 N = 162，其中人类–GenAI 组 81 人，人类单独组 81 人，共获得 1,620 条创意产出。
测量方法：创造力采用共识评估法进行测量，由独立评审分别对每轮产出的新颖性与有用性进行 7 点量表评分，并取两项得分的乘积作为创造力指标。控制变量包括年龄、性别、个体创造力、AI 使用频率以及 AI 信任度。
分析方法：采用多层线性模型，检验任务轮次与协作条件的交互项对创造力变化趋势的影响。
主要结果：人类单独创作组在 10 轮任务中表现出显著的创造力提升趋势，而人类–GenAI 协作组的联合创造力未随时间显著提升，表明增强学习并未自然发生。
Study 2：多轮人类–GenAI 协作实验（混合方法研究）
研究设计：实验室实验，仅保留人类–GenAI 协作条件。参与者完成 3 轮商业情境下的创意生成任务，任务形式为 in-basket tasks，并与 ChatGPT 进行多轮对话协作。样本量为 N = 166，共获得 498 轮协作创意产出及完整的人类–GenAI 对话记录。
测量方法：联合创造力继续采用共识评估法进行评分。同时，完整保留并编码人类–GenAI 对话文本，用于过程分析。
分析方法：
①第一部分为定量复现分析，采用多层回归检验联合创造力是否随轮次提升。
②第二部分为质性分析，采用开放编码与归纳分析方法，识别人类–GenAI 协作中的具体创作活动类型。
③第三部分为量化过程分析，对识别出的协作活动进行系统编码，检验不同活动对联合创造力的影响。
主要结果：联合创造力在多轮协作过程中未显著提升。对 498 段人类–GenAI 共创对话的定性分析识别出三类协作创作活动（Idea Generation–Response、Idea Request–Idea Generation、Idea Co-Development），其中创意共同发展（Idea Co-Development）显著不足，被证明是增强学习失败的关键原因。
Study 3：在线实验（过程引导干预实验）
研究设计：在线随机对照实验，设置协作引导组与对照组。两组均进行人类–GenAI 协作创意任务，共 2 轮。协作引导组在任务开始前接受关于创意共同发展（Idea Co-Development）的明确操作指引。
测量方法：联合创造力继续采用共识评估法，由独立评审进行评分。
分析方法：采用回归分析方法，比较不同实验条件下联合创造力随轮次变化的差异。
主要结果：接受创意共同发展指引的人类–GenAI 协作组表现出显著更高且随时间持续提升的联合创造力，表明增强学习可以通过过程性干预被有效激活。
七、理论贡献
1.本文对增强学习理论进行重新概念化，将其从技术增强个体人类认知的工具性视角，拓展为人类与生成式人工智能在协作过程中通过角色与参与方式动态调整而形成的集体学习机制。
2.本文从过程视角揭示了人类—GenAI 协作中联合创造力并不会随协作经验自然累积，系统解释了既有文献中关于人机协作创造力效果不一致的理论根源。
3.本文进一步识别并理论化了协作创作中的关键活动结构，明确指出创意共同发展在推动增强学习与联合创造力持续提升中的核心作用，从而为理解人类—GenAI 协作的内在机制提供了新的分析框架。
八、实践启示
1.组织在引入生成式人工智能参与创意或知识工作时，不应假设人类与 AI 的协作会随着使用经验自然优化，而应有意识地设计和引导协作过程。
2.相比单纯依赖 AI 生成创意或由人类主导创意提出，更有效的人机协作应强调反馈、讨论与反复修正等创意共同发展活动，以充分释放联合创造力潜力。
3.管理者与系统设计者可以通过明确的流程指引、协作模板或操作规范，引导员工在关键协作活动中更深度地参与人机互动，从而促进协作绩效随时间持续提升。
资料来源：中智院微信公众号