國際計算創造力及其教育應用研究可視化分析與展望

張 毅 張倩葦

(1.華南師范大學 教育信息技術學院，廣東廣州 510631； 2.廣東環境保護工程職業學院，廣東佛山 528216)

創造力是人類最寶貴的財富，人類歷史就是一部由創造力推動的歷史。如何為人工智能賦予更多的創造力是人類當前追求的目標。計算創造力(computational creativity，CC)，也有譯為創新計算(文貴華等，2003)，是人工智能發展的一個分支，是對人工智能具有創造能力，并能進行擬人創作的描述。人工智能的發展推進了計算創造力的發展，不斷涌現的詩歌創作機器人、譜曲機器人、畫畫機器人等，都是計算創造力發展的印證。教育人工智能的關鍵技術主要體現在知識的表示方法、機器學習與深度學習、自然語言處理、智能代理、情感計算等方面(閆志明等，2017)，而計算創造力將是下一個可能的關鍵技術領域，可以為人類創造力的訓練、評價和培養提供機會。本研究系統梳理了國際計算創造力領域的研究進展，以期為計算創造力與教育融合前瞻性思考提供方向。

一、背景與定義

(一)提出背景

創造力研究與經濟社會的發展休戚相關。隨著經濟社會的發展，創造力研究受到各個學科關注，計算創造力也隨之出現。1950年，創造心理學奠基人之一吉爾福德(Guilford)在美國心理學年會上作了題為“創造性”的著名演講，之后創造力快速成為心理學研究熱點。到20世紀下半葉，世界競爭表現為知識經濟的競爭，創造力在管理領域大受追捧，相關研究隨之逐漸走向成熟。21世紀初，隨著計算機科學的發展，創造力受到人工智能科學家的關注，計算創造力逐漸成為新的交叉研究領域。計算創造力研究的目的是使用計算機建模、模擬或復制創造力(Toivonen & Gross，2015；Gobet & Sala，2019)。

(二)創造力定義

早期，沃拉斯(Wallas，1926)將創造視為一種心理歷程，分為準備期、醞釀期、豁朗期、驗證期四個階段。在之后的近一百年中，從不同學科提出的60多種創造力定義，大致可歸納為從學科視角出發的學理定義和從操作視角出發的標準定義。

1.學理定義

斯騰伯格(Sternberg，1988)從認知科學的角度認為，創造力是智力、認知風格及人格/動機三方面交互作用的一種心理特質，是將元成分(metacomponent)、表現成分(performance component)與知識獲得成分(knowledge-acquisition component)等應用于新穎的作業或情境，或以新穎的方法應用到熟悉的作業或情境的歷程。巴恩斯和雪莉(Barnes & Shirley，2007)從行為科學角度，將創造力定義為兩個或以上的想法、材料或活動放在一起的行為，對創作者而言是一種原創的、令人驚訝的和有價值的方式。坎皮里斯等(Kampylis et al.，2009)從社會學角度將創造力定義為，在特定的時空、社會和文化框架中發生的活動(包括精神和身體上的)，并導致有形或無形的成果，這些成果對創造者來說是原始的、有用的、合乎道德和可取的。無論從哪個學科視角下定義，創造力都被視為一種作業的能力或過程，或二者皆有，產生新穎、有用的結果。

2.標準定義

為了使創造力定義更具操作性，學者們提出一系列標準來定義創造力。這樣，定義標準成了爭論的焦點，包括生產新穎的、有價值的、適應性強的、與問題相關的、被認可的東西(Martin & Wilson，2017)。倫科和耶格(Runco & Jaeger，2012)闡述了創造性的標準定義，將新穎性(novelty)或獨創性(originality)、有用性(usefulness)或有效性(effectiveness)作為創造力的兩個必要組成部份。因此，創造力可以被理解為一種設計或生產新穎、有效的事物的能力或技能(Creely et al.，2020)。

以新穎性區分創造力，有利于加強對創造力的辨識。齊克森特米哈里(Csikszentmihalyi，1998)將大創造力(Big-C)指向杰出的、影響深遠的創造，小創造力(Little-C)指向日常生活的新想法。鑒于這種二分法存在局限，考夫曼和貝赫托(Kaufman & Beghetto，2009)增加了指向學習過程的個體內在創造力(Mini-C)和指向依托專業知識的專業創造力(Pro-C)，構建了“4C”模型。其中，個體內在創造力的創造性比小創造力小，而指向專業知識的專業創造力遠不及大創造力。

總之，創造力涉及多個學科，且各學科對其定義不同，學界至今未達成一致，但標準定義法逐漸成為最有效指導實踐的定義方法。以新穎程度區分創造力，更利于深入理解創造力的現實存在。

(三)計算創造力定義

計算創造力研究領域奠基人之一博登(Boden，1998)指出，創造力是人類智能的基本特征，人工智能也不能忽視創造力。計算創造力被認為是超越人工智能其他子領域的前沿(Colton & Wiggins，2012)。計算創造力的最終愿景是為人工智能賦予創造性。因創造力的定義尚不明確，精準定義計算創造力也相當困難，歸納起來有系統視角的規定性定義和工程視角的工作定義。

1.規定性定義

威金斯(Winggins，2006)認為計算創造力是通過計算的手段和方法，研究和支持自然系統和人工系統表現出來的行為。它如果在人類中表現出來，將被視為具有創造性的。計算創造力研究指導委員會的定義是：通過計算手段對自然和藝術行為的研究和模擬，它如果在人類身上觀察到，將被認為是創造性的(Jordanous，2012)。這兩種定義基本一致，都將計算創造力視為計算系統的創造性能力，并規定了主體對象、方法手段和評價標準，但對“創造”的規定較含糊。

2.工作定義

為促進計算創造力的研究與實踐，有學者提出計算創造力的工作定義，即為共同工作的人士能理解、接受，并有效指導開展工作的定義。科爾頓和威金斯(Colton & Wiggins，2012)提出計算創造力的工作定義為：計算系統的哲學、科學和工程學，它通過承擔特定的責任，表現出被不帶偏見的觀察者認為具有創造性的行為。這一定義強調兩點：一是“責任”，即為了凸顯計算創造力系統與創意支持工具的區別，表現出主動性和創造性；二是“不帶偏見的觀察者”，即強調客觀公正地評估機器產生的創造性。由于計算創造力在藝術方面表現突出，計算創造力國際會議(International Conference on Computational Creativity，ICCC)基于科爾頓和維金斯的工作定義，在哲學、科學和工程學基礎上擴增了“藝術”(ICCC，2014)。ICCC國際會議自2010年每年舉辦一次，自2014年以來一直沿用該工作定義。

工作定義增強了計算創造力的可操作性。理解該定義需注意四點：一是計算創造力的最終目的是使計算系統具有創造性行為，主體是計算系統；二是計算創造力是計算系統的能力，可由計算輸出的創造性產品展現出來；三是創造性的評判者應客觀公正、不帶偏見，評判標準與創造力標準定義的指標一致；四是計算創造力在學科發展和創造實踐上應以藝術、哲學、科學和工程學為基礎，尋求學科融合的同時需符合各學科的邏輯要求。

二、數據來源與研究方法

(一)數據來源

本研究以Web of Science核心數據庫為文獻來源，檢索時段為1985年1月至2020年9月，選用計算創造力領域采用的computational creativity artificial intelligence、computation、computing、creative為搜索詞，結合高級檢索方法進行組合檢索。將檢索條件設置為TS=((computational creativity)OR(creativity AND(artificial intelligence)))，以computational creativity或artificial intelligence為詞組與creativity結合分別在標題、關鍵字、摘要中精準檢索。結合條件AB=(computational AND creativity)，檢索摘要同時含有computational和creativity的文獻，再結合條件TI=(comput*)AND(creativ*)、KP=(comput*)AND(creativ*)，檢索標題和關鍵詞以comput為詞頭并同時含有creativ為詞頭的文獻。本研究通過對檢索文獻進行篩選，增加未檢索到的相關文獻，去除不相關文獻，最終得到446篇文獻作為數據來源。

(二)研究方法

本研究采用文獻計量法和文獻分析法：用文獻計量法分析文獻的發文時間、發文所屬學科，了解該領域研究發展階段及客觀現狀；用CiteSpace軟件(5.6.R5版本)進行關鍵詞共現分析、作者共被引分析、文獻共被引分析、聚類分析，以展現其發展歷程、研究重點、關鍵人物及重要文獻；用文獻分析法梳理關鍵人物的主要研究貢獻、關鍵文獻的重要觀點，繪制計算創造力研究的整體知識網絡結構。

三、計算創造力研究現狀

(一)描述性統計分析

本研究用文獻計量法對446篇文獻進行了描述性統計分析，呈現計算創造力研究的整體概貌；并依據每年發文量，將計算創造力近30年研究歷程分為三個階段(見圖1)。

第一階段(1987～2004年)為研究醞釀期。該階段發文量普遍偏少，年均2.3篇，研究處于基礎理論探索階段。1987年，《科學發現：對創造過程的計算探索》(Langley et al.，1987)一書問世標志著“計算”與“創造”作為交叉新領域進入了研究者視野。1999年后，計算創造力研討活動作為人工智能會議、推理協會會議的子議題被納入討論。

第二階段(2005～2014年)為研究形成期。年發文量超15篇的有5年，年均14.1篇。該階段理論和實踐研究并存，豐富了計算創造力的相關理論，促進了與其他學科的交叉融合。會議附帶的討論活動發展為一年一屆的專門研討會，再到計算創造力國際會議。持續遞進的學術交流，推動了該研究領域向學科邁進。

第三階段(2015年～至今)為研究發展期。年發文量均超20篇，并呈現穩定增長態勢，2019年發文量達68篇，計算創造力研究步入新發展階段。

圖1 計算創造力領域年發文量統計

統計分析發現，計算創造力研究呈現研究方向廣闊、學科交叉性強、應用性強、歐美領先等特點。

按文獻所屬學科研究方向進行歸類統計發現，共有計算機科學(295篇)、工程學(80篇)、心理學(78篇)、神經科學(56篇)、教育教學研究(26篇)、商業經濟學(15篇)等32個方向，各學科領域都青睞與計算創造力研究結合，可見其研究方向廣闊，學科交叉性強。

根據文獻所屬研究類別統計發現，排名前六的依次是人工智能(158篇)、計算機科學理論方法(60篇)、神經科學(55篇)、計算機科學跨學科應用(44篇)、計算機科學信息系統(37篇)，軟件工程(37篇)。可見，計算機科學類文獻較多，呈現工程性、應用性強的特征。

按作者所在國家統計可以得出，排名前五的是美國(136篇)、英國(67篇)、西班牙(41篇)、中國(28篇)及意大利(27篇)。其中，美英兩國合計占45.5%，在該領域的研究中走在世界前列。按作者所在機構統計發現，排名前五的是馬德里康普斯頓大學(17篇)、倫敦瑪麗女王大學(15篇)、斯坦福大學(8篇)、科英布拉大學(8篇)、蘇塞克斯大學(8篇)，該領域的研究重鎮大多集中在歐洲，這些大學都有較強的藝術類學科。

(二)關鍵詞共現分析

關鍵詞是文章的核心提煉，體現文章的研究領域、研究內容及創新點。本研究根據關鍵詞頻數、中心度和出現的年份，分析追蹤了該領域各時段的研究熱點，并借助CiteSpace軟件對446篇樣本文獻進行關鍵詞共現分析，時間片為1年，排除其他干擾，分析源僅設為Author Keywords(DE)字段，節點類型選擇為Keyword，數據抽取對象為TOP50, 得到43個關鍵詞節點。研究獲得共現頻次統計排名前十的共現關鍵詞(見表一)，這些詞體現了計算創造力研究領域的重點和熱點。與人工智能本身的研究熱點相比，認知結構和概念整合、藝術是與創造力緊密相關的特殊熱點。

本研究結合最大似然算法進行聚類，按頻數生成關鍵詞聚類時區圖(見圖2)。時區圖的節點與關鍵詞一一對應，文字和節點大小與頻數正相關，將時區圖結合計算創造力研究的三階段，可分析各階段的研究熱點與發展邏輯。

表一 計算創造力領域研究關鍵詞共現頻次統計

圖2 計算創造力研究領域關鍵詞聚類時區圖譜

計算創造力研究中artificial intelligence和creativity兩個熱點關鍵詞先于關鍵詞computational creativity出現，可見，計算創造力是在人工智能及創造力理論發展基礎上孕育的新領域。

在研究醞釀期，關鍵詞creativity出現時間早、頻數高，表明在該領域創造力研究本身的基礎性和中心性。與計算創造力相關的理論研究包括創造力如何發生？影響創造力發揮的環境如何？如何評價創造性產品？基于創造力的基本理論，結合人工智能和人機交互技術，坎迪(Candy，1997)提出的基于知識的計算機創意支持，成為該時段實踐研究的主要內容。為設計者提供知識支持是前期研究創意支持系統的重要目的。

在研究形成期，圍繞計算創造力理論開展了許多跨學科應用研究，計算創造力逐漸成為學術關注熱點。計算創造力最早在2004年首屆計算創造力研討會中被提出，作為關鍵詞于2006年同期出現在威金斯(Wiggins，2006b)和里奇(Ritche，2006)的文章中。該階段出現的熱點關鍵詞有演化計算、概念設計、優化、自治、藝術等。分析文獻得知該階段計算創造力的研究多基于某一理論并結合相關算法，設計自主的創造性系統并開展實踐研究；系統算法及模型優化受到高度關注；實踐領域包括音樂、繪畫、游戲、詩歌、舞蹈等藝術領域。

表二 計算創造力研究領域重要學者

在研究發展期，研究延伸到計算創造力系統的各種可能應用場景，深入到各種認知模型下的計算系統理論與實踐探究。該階段涌現出一批新關鍵詞，它們與計算創造力直接關聯，如計算思維、認知結構、概念整合、機器學習等。計算思維在該階段受到重點關注，它是計算創造力與教育領域的重要結合點，研究主要集中在認識計算創造力與計算思維的關系，以及借助創造性計算系統培養學生計算思維。此外，認知結構的研究被認為是實現計算系統創造性的關鍵，研究者根據不同的應用場景，結合認知理論，提出相應的計算創造認知體系結構，如類人機器人舞蹈認知結構。另外，概念整合是認知科學提倡的一種概念創造方法，是創造性思維的基礎。構建概念整合的計算框架研究也是該階段的熱點。

從計算創造力研究的關鍵詞共現結果來看，醞釀期的創意支持系統到形成期的自主創造性系統，再到發展期的不同認知模型下的創造力系統，都凸顯了計算創造力理論與實踐交相促進的發展特征。計算創造力不斷吸收其他學科的成果，已初步構建了自身的理論體系，建立了穩定的學術研討組織，正朝著成為學科方向邁進。

(三)重要學者

本研究利用Citespace軟件，統計分析446篇文獻的作者共被引情況，設置時間分片為1年，節點類型為Cited Author，數據抽取對象為TOP50, 門限閾值設置為20，生成計算創造力研究領域的作者共被引狀況圖(見圖3)。

在作者共被引網絡中，節點越大，表明作者的共被引值越高，在該領域的地位越重要。其中也包括有關創造力的心理學理論研究和人工智能理論研究的學者。結合他們在計算創造力研究的發文量、中心度、學者H指數和研究貢獻，可準確獲取該領域的重要代表人物(見表二)。

本研究分析得出該領域10位重要代表人物。H指數和中心度表明奠基人物有博登、科爾頓、威金斯三位具有較高的學術地位和影響力，他們提出了計算創造力的基本理論和框架，使創造計算成為可能；計算創造力的評價是該領域的重要研究內容，里奇、喬丹諾斯的研究為計算創造力系統評價提供了基礎標準；維爾、奧杰羅、奧爾特蒂亞努、杰維斯結合不同領域開展了實踐研究。從發文量和中心度看，杰維斯最活躍，與多個學者合作緊密，共同提出了多種創造力計算模型，在機器人創作方面頗有建樹；卡多索長期致力于推動計算創造力的研究社區，在推動計算創造力發展上作出了重要貢獻。

圖3 計算創造力研究作者共被引網絡

表三 計算創造力研究領域重要文獻統計

(四)文獻共被引分析

文獻被引頻次是體現其學術價值的重要指標，共引分析側重于探究共引文獻的同質網絡。分析文獻共被引的頻次和中心度可以探究該領域的重要文獻和研究主題。本研究利用CiteSpace對446篇文獻進行共被引分析，節點類型選擇Reference，數據抽取對象K值為25，得到關鍵詞節點877個；利用LLR聚類算法對文獻共被引網絡進行聚類，得到172個聚類，聚類模塊值Modularity Q=0.89306>0.3，表明劃分的聚類結構顯著；平均輪廓值S=0.5726>0.5，表明聚類效果清晰合理；以關鍵詞提取聚類標簽，得到文獻共被引聚類圖(見圖4)。聚類#0、#1、#3和#5是4個典型核心聚類，#9號聚類是與教育相關的特殊聚類。

共被引聚類分析是對主要相關文獻的引文網絡特征進行分析, 以部分呈現共被引文獻的主題(Chen，2006)。本研究結合共被引頻次、中心度和突現值，得出12篇重要文獻(見表三)。

圖4 計算創造力研究領域文獻共被引聚類圖

本研究通過對重要文獻進行分析，推斷出當前與計算創造力較相關的主題及該領域的基礎知識。對關鍵文獻回顧, 可以加深對計算創造力領域的研究主題和基本理論的理解。文獻1、2、3和6屬于#0號聚類，該聚類規模最大，含68篇文獻。主題是創造性系統的設計與評估。文獻3是重要的理論基礎文獻，博登(Boden，2009)奠定了計算創造力系統設計的基礎理論，他將創造力分為三種類型：“組合型”創造力、“探索型”創造力、“變革型”創造力。組合型是兩個關聯概念共享固有的概念結構，探索型和變革型是對原有概念空間維度的改變(含增加新維度或改變原有維度)。轉換越基本，其結構越新，該理論推動了計算創造力的實踐進程。文獻1是推進實踐研究的重要文獻，科爾頓和威金斯(Colton & Wiggins，2012)在該文獻中界定了計算創造力的“工作定義”，肯定了計算創造力是人工智能研究前沿的技術，是文化革命的關鍵。這不但鼓舞了研究者的信心，也為研究者指明了方向，所以該文獻共被引值和突現值最高。文獻2和6是計算創造力評估理論的重要文獻，討論了計算創造力系統評估的模型及方法。里奇(Ritchie，2007)在文獻6中討論了程序的創造力評估標準，提出建立評估公式判定應用程序的創造性行為。 喬丹諾斯和安娜(Jordanous，2012)在文獻2中提出評估創意系統的標準化程序，解決計算創造力中出現的“方法論缺陷”。

文獻4、7、9、11同屬#5號聚類，該聚類含25篇文獻，聚合了關于計算創造力的基本概念、理論及其發展的相關文獻。文獻4是博登(Boden，2004)專著《The creative mind：Myths and mechanisms》的第二版，該著作最先提出了計算創造力的概念和模型，如計算創造力、創造性系統、創造性行為等概念，讓更多學者了解該領域。文獻11是對博登在創造性描述層次中提出模型的形式化。威金斯(Wiggins，2006a)提出了描述創意系統的框架，報告了博登的變革創造力實際上是元層次上的探索性創造力，而他們給出的創造性行為六個分類，可以直接從創造性系統的行為中識別出來。文獻9是關于計算創造力的期刊社評，科爾頓等(Colton et al.，2009)為正確看待計算創造力以及公正評價計算創造及其產物指明了方向。他還指出，計算創造力實踐中，除了關注生產者及產品，也需根據實際關注過程和環境。在文獻7中，卡多索等(Cardoso et al.，2009)對計算創造力相關的研討會進行了綜述，促進了計算創造力的國際交流與合作。

文獻5、8屬于#1號聚類，該聚類含53篇文獻，主要聚焦創造性認知計算模型研究主題。用計算模型描述創造性認知理論，進而實現創造性計算、創造生成，是計算創造力研究的重要內容。科爾頓等(Colton et al.，2011)在文獻5中提出計算創造力理論(computational creativity theory，CCT)，包括FACE模型(描述軟件的創造性表現)和IDEA模型(描述軟件創造性行為的影響)。該模型引入計算創造力研究，為計算創造力發展提供了計算模型參考。文獻8中奧爾特蒂亞努和法洛米爾(Olteteanu & Falomir，2015)在創造性認知問題解決(CreaCogs)理論框架下探索計算求解器，提出了基于特定類型的知識組織和過程的方法(comRAT)。

#3號聚類主題是創意構思計算方法，含文獻34篇。類比是核心的認知過程，借助先前的經驗產生新的想法，是創造性構思的重要方法。文獻10共被引值為7，是該聚類的代表文獻，研究了類比設計中的類比刺激與設計問題間的距離關系，得出類比距離的“近”與“遠”是相對的，設計類比存在一個“最佳點”(Fu et al.，2012)。該研究為類比構思工具的開發提供了理論基礎。

#9號聚類主題是計算思維，含文獻18篇，也是與教育領域最相關的特殊聚類。溫(Wing，2006)指出，計算思維包括借鑒計算機科學的基本概念來解決問題、設計系統和理解人類行為。計算思維是解決問題的通用范式(劉敏娜等，2018)，提倡對問題進行計算求解。計算上還需創造性解決。計算創造力體現了計算思維與創造性思維的協同，受到計算機科學教育領域的廣泛關注。文獻12中，彼得蘭茨等(Peteranetz et al.，2017)通過實證研究得出計算思維和創造性思維的整合是由二者的優勢所推動的，計算思維為創造性過程提供結構支持，提高過程的效率；創造性思維有助于解決計算問題的新穎性和獨創性，提高問題解決的有效性。

(五)計算創造力與教育相關研究分析

本研究利用CiteSpace軟件對446篇文章的關鍵詞進行聚類，并顯示為時間線圖，選中節點education可以發現，計算創造力與教育主題相關研究的關鍵詞包括model、thinking、torrance test(托蘭斯測試)、K12、computational thinking、skill、machine learning等。可見，與教育相關的研究結合點主要是計算思維、計算工具、創意設計、創造性問題解決等(見圖5)。

圖5 計算創造力與教育主題相關研究的時間線圖譜

分析發現，自2009年起，國際學術界加強了計算創造力與教育相結合的探討。研究主要集中在兩方面：一是從認知維度探討計算創造力與計算思維的關系，探索計算思維與創造性思維的結合，如希爾等(Shell et al.，2014)認為在計算機科學課程中增加計算創造力練習(computational creativity exercises，CCEs)對學生提升計算思維和促進計算機科學知識和技能的學習有積極作用；二是從工具維度研究、設計用于教育的、有創造力的計算系統，并探索其教育應用價值，如奇塔等(Città et al.，2017)討論了使用跳舞的類人機器人作為創新技術支持和增強STEAM學習活動的可能。莫里斯和費布利克(Morris & Fiebrink，2013)探討了利用計算創造力工具支持藝術教學的可行性并得出結論：機器學習系統Songsmith可以幫助教師鼓勵學生音樂創新，體現了算法對學生音樂創造力的支持作用，這一結論在其他藝術學科領域也有重要教學參考價值。

四、研究展望

研究計算創造力主要有三類動機：一是從認知科學視角提供關于人類創造力的計算視角，幫助人們理解創造力；二是從工程學視角，使機器具有創造性，以某種方式改善人類生活；三是從輔助工具視角，生產增強人類創造力的工具，幫助人類提升創造力(Pease & Colton，2011)。無論哪種動機取向，都為計算創造力的教育應用提供了機會。輔助工具視角更是肯定了計算創造力在教育技術研究中的潛在價值。

目前，學界對人工智能教育的關注集中在人工智能技術作為教學內容或作為新技術在教育中的應用。計算創造力作為人工智能的子領域，“計算創造力與教育”研究應在計算創造力的教學內容和計算創造力技術在教育中的應用研究兩方面給予重視。參考國際上計算創造力在認知、工具維度的教育應用經驗，再結合當前計算創造力的機器學習、概念整合、計算思維、認知結構等研究熱點，從課程、系統和教學變革三個角度可以洞悉計算創造力與教育融合的未來研究方向。

(一)“計算創造力”課程研究

作為一門新興課程，國外已有喬治亞理工學院、萊頓大學、赫爾辛基大學等開設。2016年ICCC第8屆國際會議上，阿克曼等(Ackerman et al.，2017)提供了計算創造力的教學指南，并呼吁關注計算創造力課程教學研究。該課程的跨學科特點，使其教學對象不應僅限于計算機專業，還應成為各學科創造型人才培養的重要課程。“計算創造力”課程研究未來應重點聚焦教學內容、教學方法及學習評估策略等。教學內容層面應重點包含計算創造力概念、理論、創造生成方法及創造系統的評估模型等。教學方法層面，理論部分可重點運用案例教學法開展教學，實踐部分可關注計算創造力練習CCEs方法的設計與應用。蘇等(Soh et al.，2015)總結了CCEs設計使用框架，該框架規定每個CCE由目標、任務、CS彈框(CS概念與解釋活動)、學習對象四個部分組成，為計算思維與創造性思維的融合訓練提供了支持。教學評價層面應以形成性評價為主，探索基于過程的多元評價模式。

國內學者對計算創造力領域的關注嚴重不足，主要是計算創造力的綜述性介紹及嘗試性應用，如文貴華等(2001)探討了創新計算及其應用，樊陽程(2006)簡要綜述了計算創造力研究。目前，我國尚未有高校開設“計算創造力”課程。在人工智能時代，我國學者應積極關注該領域的研究，在高校探索并推廣該課程。

(二) 創造力支持系統研究

創造力支持系統(creativity support systems，CSS)是計算創造力研究的重要內容。它致力于支持創造性工作的開展。盧巴特(Lubart，2005)把計算機支持創造力類比為四類，即教練(提供建議、幫助實施和應用技術)、筆友(為協作提供支持)、保姆(監督工作進展并提供框架)、同伴(計算機產生自己想法和解決方案)。不同類型的創造力支持系統依托不同的創造力理論與技術模型(Gabriel et al.，2016)。未來教育領域中的創造力支持系統應為教師和學生提供支持，輔助實現創意資源生成、設計方案生成、創造性問題解決等。教育中創造力支持系統的研究，理論上應關注創造力計算模型理論與教學系統設計理論及相關學習理論的結合，指導系統設計；技術上可重點關注計算創造力技術相關方法，如演化計算、機器學習、概念整合、狀態空間搜索、馬爾科夫鏈方法等；研究上可結合國際研究經驗，遵循從系統框架設計到算法模型設計再到系統應用模式及評價研究的路徑。

我國學者對創造力支持系統的研究匱乏，主要有關于創造力支持系統的介紹和模型與體系的構建，如群體支持系統與創造力支持系統的比較(唐錫晉等，2006)，創造力支持系統層次結構模型探索(馮勤超等，2006)，創造力支持系統的體系結構研究(梁志成等，2010)，未見對教育創造力支持系統的相關研究。因此，我們呼吁教育技術學、計算機科學、心理學等學科加強在教育計算創造力支持系統領域展開合作。

(三) 計算創造力促進教學變革研究

計算創造力是人工智能的高級形式，隨著技術的發展，如何利用計算創造力推進創造性教與學，將成為教學變革研究的重要課題。在人工智能賦能教育的大背景下，創造力支持系統將在推動教師創造性教學和學生個性化學習改革中發揮著獨特作用，它將變革教學系統的基本要素、教學目標、教學過程、評估方式等。計算創造力支持下的課堂教與學是研究重點。機器不僅是工具，還能擔當共同創造伙伴的角色和責任(Veale & Pérez，2020)。未來的創造性機器人將走進教學，作為工具，教師如何借助創造力支持系統生成的創造性教學方案、創意案例整合教學資源，進行創造性教學設計并開展創造性課堂教學實踐，以及效果如何評價；作為學伴，學生如何借助自主創造性系統協同完成作品創造，激發興趣，促進學生創造力發展，實現個性化學習，以及效果如何評價，這些都將是新的研究內容。

李建會等(2020)通過對人工智能獲得的創造力分析后指出，人類創造力將在計算創造力的協助下得到前所未有的解放。未來計算創造力有機會促進教育變革，助力21世紀四大核心能力，即批判性思維、協作能力、交流能力及創造力的培養。我國教育技術學界，應加強計算創造力支持下的課堂教與學的理論與實證研究，為深度推進教育變革提供政策建議。

智能時代的人才培養，首先應反映智能時代的特點——智能泛在，教育的主要任務不是知識的傳承，而是知識的生產，但更重要的是發展人類的創造力。隨著人工智能的發展，教育將走向利用人工智能手段輔助創造性思維的訓練，利用計算創造力支持系統作為智能伙伴發展人類的創造力，計算創造力在未來教育領域將大有可為。