AI已走进设计教室，问题不再是“用不用”
文本生成图像、提示词编辑器和对话助手，正在成为设计专业学生的日常工具。它们能快速给出视觉参考、风格变体和文字反馈，也被写进作业说明和作品集流程。生成式AI与创造力教育的关系因此变得具体：工具不只是辅助学生创作，它开始直接生成候选内容。
已有实验提示这种变化并不“中性”。Doshi和Hauser（2024）发现，当写作者可以借助AI生成的开头创意时，评审会认为故事更有创意、写得更好，受益最大的是原本创意水平较低的人；但同时，这些故事彼此之间变得更相似。Anderson等（2024）也发现，大语言模型能提高个人想法的流畅度，却会压缩人群之间想法的多样性。对艺术教育来说，真正要紧的问题不是学生用不用AI，而是用了之后，他们的创造性思维发生了什么。
一项三波次追踪研究：把“用AI”“信心”“焦虑”分开测
为回答这个问题，研究者在一所韩国大学招募了389名设计专业学生，采用三波次、时间滞后的相关设计：第一波测“教学情境中的生成式AI使用”，指学生在课程中用于构思、风格探索、基于提示词的修改、方案比较和寻求反馈；第二波测创造性自我效能感（对自己创意能力的信心）和AI相关学习焦虑；第三波测创造性投入（在创意任务中的行为、情感和认知投入）与自我报告的创造性认知。
这种设计把预测变量放在前、中间变量放在后、结果变量放在最后，能减少“同一时间一起填问卷”带来的虚高相关。但研究没有操纵学生是否使用AI，也没有控制基线水平，所以所有路径只能解释为关联，不能证明因果。
核心数据：信心路径强，焦虑路径弱
基于协方差的结构方程模型拟合良好（CFI=0.983，RMSEA=0.026）。结果显示：
- 生成式AI使用越高，创造性自我效能感越高（β=0.489）；
- AI使用越高，AI相关学习焦虑越低（β=−0.191）；
- AI使用与自我报告的创造性认知的总关联为β=0.456（95%置信区间[0.314, 0.604]），其中约59%由间接路径构成；
- 从AI使用出发，经自我效能感、再经创造性投入到达创造性认知的序列间接关联为β=0.122；而经焦虑—投入的对应路径仅为β=0.015；
- 自我效能感单独通过投入与创造性认知间接关联，β=0.249。
研究者把这一模式概括为“评估—投入”解释：学生先把AI使用评估为“我能胜任”或“我有点焦虑”，两类评估再与后续投入相关。就本研究的模型而言，能力信念的作用明显大于焦虑减少。也就是说，AI工具用得更多时，更关键的可能是学生是否因此更相信自己能创造，而不是单纯“没那么担心AI”。
不能过度解读的地方
首先，这是观察性研究，不是实验；第三波的创造性投入和创造性认知是同时测量的，所以“投入→认知”这一环是同时发生的，而不是时间上先后的。其次，结果变量是自我报告的创造性认知，指学生报告自己进行生成、探索和组合活动的程度，并不等于客观创造力测验成绩。再次，样本是韩国一所大学的设计专业学生，推广到其他年龄段和文化背景时需要谨慎。
对青少年艺术与设计学习的启示
对教师和家长来说，这项研究至少提示三点。第一，与其只关注“怎样让学生不害怕AI”，不如设计能让学生获得胜任体验的任务：小步骤的提示词练习、可比较的方案迭代、同伴反馈，都能帮助建立创造性自我效能感。第二，要主动保护创意多样性。既然AI容易让大家的想法趋同，课堂可以设置“先自己想、再用AI扩展”的环节，或要求提交多版本方案并说明差异。第三，把AI使用当作一种需要教学结构支持的学习行为，而不是简单的工具许可问题。真正值得追踪的，是学生能否在AI参与下保持投入、持续探索，并形成属于自己的创作判断。