随着生成式人工智能技术在教育领域的应用日益普及，创造性思维教育变得尤为重要。尽管已有研究表明生成式AI能提升学习者的信息获取能力和内容产出质量，但技术在带来效率的同时，学习者大脑认知神经过程与情绪的响应仍是未知。

针对上述问题，北京理工大学设计与艺术学院卢兆麟教授课题组进行了相关研究，并于2026年1月在计算机与教育学顶刊Computers & Education（SSCI前1%，中科院一区TOP，影响因子13）线上发表了题为Generative AI: A Double-Edged Sword for Creative Thinking Learning — Evidence from Facial Expressions and fNIRS的研究论文。团队利用功能性近红外光谱成像（fNIRS）与面部表情识别技术，深入探究了生成式人工智能工具在不同创造性思维阶段对学习者认知、情绪及大脑活动的影响。

本研究共招募了128名来自不同学科背景的被试参与实验。参与者被随机分为两组：生成式AI设计组和传统设计组。实验任务包含发散性思维主导的“头脑风暴”阶段和结构化思维主导的“TRIZ设计”阶段 。在任务过程中，实时采集了参与者的前额叶皮层（PFC）的血氧活动数据及面部表情数据进行分析，实验流程如图1。

图1 实验流程

此外，研究通过多种机器学习分类算法验证了fNIRS与面部表情的融合方法进行创造性学习认知过程分类的有效性，以超过90%的准确率预测学习者的创造性表现。机器学习分类混淆矩阵如图2。

图2 机器学习分类中的混淆矩阵

研究发现一：GenAI提升了创造力输出评分，但阶段侧重点不同

创造力输出专家评估结果如表1所示。在发散性思维阶段：GenAI显著提升了设计方案的“新颖性”，但“设计思维深度”弱于传统组，在“实用性”上无显著差异 。表明GenAI虽然能快速提供多样化想法，但因信息过载抑制了深度思考。在结构化思维设计阶段：GenAI显著提升了方案的“实用性”，但在新颖性和深度上未见显著优势 。

表1 创造力输出专家评估结果

研究发现二：面部表情揭示不同创造性思维阶段GenAI引发的情绪体验具有两面性

面部表情识别分析结果如图3。在使用GenAI辅助发散思维时，学习者表现出更多的“恐惧”和“震惊”等负面情绪。面对GenAI生成的庞大信息量时，初学者产生了决策困难和心理压力。在使用GenAI进行结构化TRIZ设计时，表现出更多的“快乐”情绪。在有明确逻辑框架的指导下，GenAI的辅助让推理过程更加轻松愉悦。

图3 不同设计阶段面部表情分析

研究发现三：fNIRS数据揭示了创造力背后的“脑区-情绪”联动机制

GenAI组在进行发散性思考时，大脑右侧DLPFC呈现出显著血氧激活，如图4。右侧前额叶的活跃通常与回避动机、负面情绪以及认知过载紧密相关。面对GenAI的冗余信息，学习者正处于高压下的“防御性”创造状态。

进入结构化设计阶段后，GenAI组参与者脑区表现出双侧DLPFC的协同激活，如图5。左侧DLPFC的显著激活通常与积极情绪、趋近动机及逻辑整合能力相关。这表明，GenAI提供的结构化引导有效地唤醒了大脑的创造力中枢，使学习者在愉悦的情绪中实现了逻辑与灵感的深度融合。

图4 头脑风暴阶段前额叶皮层活动的差异

图5 TRIZ设计阶段前额叶皮层活动的差异

该研究首次将fNIRS脑神经成像技术与面部表情识别同时纳入生成式AI辅助创造性学习的研究框架中，揭示了AI工具在发散性思维与结构化思维过程中不同的情绪-认知神经机制，用实证证据强调了在教育场景中审慎与差异化使用AI的必要性。研究结果也为教育工作者、学习者、研究人员及系统开发者提供启示：

1. 警惕思维外包的陷阱，在发散中做减法，避免在创造力发散伊始过度依赖AI。

教育者应引导学生先独立思考，构建核心思维框架，再引入人工智能工具作为补充。避免学生在没有任何思维锚点的情况下直接面对人工智能的“黑箱”，深度思考能力被模型生成的快捷答案所吞噬。

2.找准人智组队的最佳节拍，让人工智能工具成为逻辑推理结构的“脚手架”。

在需要逻辑推演、方案细化的结构化思维阶段，合理使用人工智能。不仅能通过即时反馈带来的成就感抵消枯燥推理的疲劳，还能让创造力思维更加落地 。

3.构建具有心理关怀的创造力教育，仅关注产出不足以评估AI时代的学习质量。

整合脑神经信号与面部表情的多模态监测系统可作为创造力教育的情感中控台，及时动态调整人工智能的介入程度，实现从“以技术为中心”到“以学习者心理健康为中心”的教育范式转变 。

本研究第一作者为国家公派北京理工大学-慕尼黑工业大学联合培养博士生宋新衡，通讯作者为北京理工大学设计与艺术学院卢兆麟教授，参与作者包括中科院认知科学与心理健康全国重点实验室研究助理沈恒恒等。论文受到国家自然科学基金、中央高校基本科研业务费专项资金与国家留学基金委博士联合培养资助项目等基金资助。

论文信息： 

Song X., Zhang Y., Lu Z., Xu L. & Shen H., Generative AI: A Double-Edged Sword for Creative Thinking Learning — Evidence from Facial Expressions and fNIRS, Computers & Education, https://doi.org/10.1016/j.compedu.2026.105578