生成式人工智能的普及，使人类与AI协同创作成为日常实践。然而，当AI成为创作伙伴时，你是在驾驭它，还是被它牵着走？

JDIS近期发表了一项实证研究，通过数千段真实人机对话的深度分析，系统揭示了批判性思维模式在人机协同创作中的运作机制，以及这些模式与创意表现之间的差异化关联。

研究设计

01 两类代表性人机协作任务：

低创造性任务：文本摘要。该任务要求AI将长篇幅文章提炼为简明扼要的摘要，侧重于对既有信息的梳理和重组。

高创造性任务：创意写作。该任务中用户与AI共同构建虚构故事、塑造人物、设计情节，强调新颖想法的生成和叙事世界的搭建。

研究数据来自Hugging Face平台的公开数据集。其中文本摘要任务包含628段多轮对话，创意写作任务包含3,349段多轮对话。所有对话均经过两位专家的独立筛选与一致性验证，确保了样本的代表性和客观性。

02 批判性思维编码方案

研究团队基于Facione（1990）和Murphy（2004）的批判性思维框架，发展了一套适用于人机协同场景的编码方案,将批判性思维划分为五种核心技能：

表1.批判性思维的五种核心技能。

03 创意表现评估

在叙事写作中，故事的成败更多取决于细节的丰富程度、风格的连贯性和叙述的流畅度，而非单纯的逻辑正确性。因此在创意写作任务中研究者从原创性和精细性两个维度对最终叙事作品进行5点量表评分。

04 分析方法

研究综合运用了两种时序分析方法LSA和FSM：滞后序列分析（LSA）用于识别显著的思维模式转移；频繁序列挖掘（FSM）用于提取高频出现的思维模式，最终归纳出批判性思维模式。

此外，采用非参数统计检验和多重检验校正等方法，控制对话轮次、人类字数、AI字数等潜在变量，检验不同模式与创意表现之间的关联。

研究发现

01 任务类型塑造思维模式

研究基于对批判性思维技能的分析，识别出六种批判性思维模式，它们在两类任务中的分布呈现出显著差异。

图1.两类任务的批判性思维技能转换图。

低创造性任务中的思维模式

在文本摘要任务中，以下三种模式占据主导：

• 解释整合模式(EC)：以反复解释为核心认知操作。例如，围绕同一主题连续追问“能否提供更多信息”、“能否简要概括”、“能否再介绍一下”，逐步填补信息空白。该模式占总体的52.39%。

• 分析结构化模式（AS）：以反复分析为核心认知操作。例如，用户先要求总结原因，再要求归因于两个具体因素，最后追问这些因素之间的互动关系。该模式占总体的29.30%。

• 评价规范模式(ES)：先进行评价判断，随后通过解释性指令调整AI的下一步输出。该模式在文本摘要任务中仅占4.94%。

总体而言，低创造性任务主要调动了低阶和中阶思维。思维活动集中在“知识讲述”层面——即对现有信息进行整理、提炼和澄清，而非对信息本身进行质疑或重构。

高创造性任务中的思维模式

在创意写作任务中，思维模式的分布发生了根本性变化：

• 评价分解模式（ED）：使用者先表达创作意图，然后评价AI输出的适配度，最后将叙事元素分解为更具体的组成部分——如深入追问某个人物的背景、性格或动机。该模式是创意写作任务中出现频率最高的模式，占33.53%。

• 评价规范模式（ES）：使用者更频繁地运用评价来引导解释，进一步明确情节、风格或角色应如何调整。相较于文本摘要任务，该模式在创意写作中的占比大幅提升,占26.72%。

• 评价调节模式（ER）：该模式仅出现于创意写作任务，占12.03%。使用者在评价AI生成内容后，进一步反思自身的思维过程或协作策略，主动调整后续方向，而非仅对内容本身提出修正。

• 推理自循环模式（IS）：由连续三次以上的推理构成，用户沿着AI建议的叙事方向不断推进情节发展。该模式也仅出现于创意写作任务，占1.05%。

上述分布特征表明，高创造性任务调动了更多高阶的思维模式。人类使用者的认知活动从“知识讲述”转向“知识转化”——不仅要处理和重组信息，还要根据AI的输出持续调整个人意图，对故事方向做出判断和取舍。

02 思维模式与创意表现的差异化关联

研究进一步分析了创意写作任务中四种主要思维模式与创意表现之间的关系。结果显示，不同的批判性思维模式对应着截然不同的创意结果。

图2.批判性思维模式中的原创性与精致性。

评价调节模式（ER）：全面支持创意表现

它的模式是“表达想法 → 评价AI的输出 → 反思自己的思路和协作策略”。采用这种模式的使用者，写出来的故事在原创性和精细性两方面得分都最高。

他们不只是判断“好”或“不好”，还会主动思考“我们现在的方向对不对”、“要不要换个策略”。这是一种带着自我审视的批判性思维，效果最好。

评价分解模式(ED)：促进原创性

该模式是“表达想法 → 评价 → 深入分析拆解”。这类使用者在原创性上表现突出，但精细性稍弱。

他们通过对人物、情节、设定等元素的深入拆解，激发新的叙事方向，但对细节的打磨和润色投入相对较少。

评价规范模式（ES）：促进精细性

采用该模式的使用者在精细性上表现较好，但原创性相对较低。该模式的典型链条为：表达创作意图 → 评价AI输出 → 重新解释或细化指令。

他们擅长在既有框架内进行调整和优化，使故事更加丰满和连贯，但较少尝试突破既定的叙事方向。

推理自循环模式(IS)：限制创意表现

推理自循环模式虽然在思维层次上属于高阶思维（连续的推理），但在原创性和精细性上均为最低。

该模式的典型特征是：用户接受AI生成的情节方向，并持续在此基础上进行下一步推理和扩展，而不对整体方向进行评价或反思。

意义与启示

这一发现具有重要的理论意义。高阶思维本身并不自动带来高创意表现。只有当高阶思维伴随着人类使用者在协作过程的主动监控和调节——即对人类主体性的行使——才能转化为优质的创意成果。

在推理自循环模式中，用户虽然进行了复杂的推理，但在很大程度上将叙事主导权交给了AI，自身沦为被动的“跟进者”。

而在评价调节模式中，人类用户始终掌握着方向盘：评价是对AI产出的审视，反思是对自身策略的调整，两者共同构成了对协作过程的主动驾驭。

在生成式AI日益融入创作实践的今天，人类的认知活动并未因AI的介入而变得无关紧要。

恰恰相反，批判性思维——特别是其中涉及评价、反思和策略调整的高阶成分——在决定人机协同创作质量方面发挥着不可替代的作用。

AI提供了丰富的素材和可能性，但最终决定作品高度的，仍然是人类是否能够有意识地对协作过程进行审视、判断和引导。那些能够主动“掌舵”而非被动“随流”的用户，往往能在人机协同中创造出更具品质的成果。

Critical Thinking Patterns and Their Associations with Creative Performance in Human-AI Co-Creation

人机协同创作中的批判性思维模式及其与创意表现的关系

Jing Chen, Youjin Shi

School of Information Management, Central China Normal University, 430079, Wuhan, China

DOI: 10.1515/jdis-2025-0487

CSTR: 32295.14.jdis-2025-0487

支持单位：