ChatGPT輔助下的學生創造性思維特征分析

摘要：為評估ChatGPT在現有創造性思維框架下準確識別學生討論維度的能力，文章使用ChatGPT對學生討論文本進行智能評估，并采用認知網絡分析法對不同學業投入水平小組學生創造性思維的各維度特征差異、認知網絡和發展趨勢進行分析，結果發現：高水平學業投入小組學生的創造性思維整體表現優異，而低水平學業投入小組學生也具有一定的創造性思維；不同水平學業投入小組的認知網絡在不同討論階段呈現不同結構，其中高水平學業投入小組學生的認知網絡結構相對更復雜；不同學業投入水平小組的認知行為多聚焦發散性思考和社會交流維度。此外，文章還針對ChatGPT作為輔助工具的應用提出建議，以使其更好地服務學生創造性思維的培養與提升，進而推動生成式人工智能技術更好地融入未來的教育教學。

關鍵詞：創造性思維；ChatGPT；認知網絡分析；學業投入

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2025）01—0073—08 【DOI】10.3969/j.issn.1009-8097.2025.01.008

引言

智能技術的發展在一定程度上降低了對低階知識和技能的要求，而對適應時代發展所需的高階認知能力提出了更高的要求，創造性思維作為創造力的核心受到了廣泛關注。越來越多的證據表明，同伴的反饋可以在互動過程中激發學習者的創造力^[1]，且學生的參與度與其創造力呈正相關^[2]。在傳統的基于同伴討論的教學評價中，由于討論過程中會產生大量的復雜語料內容，因此教師的評價與反饋經常滯后且質量難以保證，不僅容易遺漏評價要點，而且得到的可能是單一、片面的反饋。

由美國OpenAI公司推出的聊天工具ChatGPT，自發布以來便引起了各界的持續熱議，為教育數字化轉型帶來了新的契機。ChatGPT采用提示學習與人類反饋相結合的訓練方式，能夠理解自然語言并產生類人反應^[3]。ChatGPT的底層認知依賴于對輸入文本上下文的理解，其運行邏輯是通過前文的信息來推斷當前語句的意思，并在此基礎上生成相應的回復。這種基于自然語言的對話能力，使得ChatGPT在教學評價與反饋方面具有良好的應用潛力。ChatGPT能夠對不同文本類型的學生作業進行評分和反饋，其在減輕教師教學負擔的同時，還能為學生提供更加個性化和便捷的學習體驗^[4]。鑒于此，本研究嘗試使用ChatGPT對同伴討論過程中學業投入水平不同的學生討論文本進行智能評估，并進行認知網絡可視化分析，以得出ChatGPT輔助下的學生創造性思維特征。此外，本研究還探索了ChatGPT在教學評價中的應用潛能，以期為生成式人工智能技術更好地融入未來教育教學提供思路和參考。

一 研究背景

1 認知網絡分析視角下的學生創造性思維發展研究

認知網絡分析法是一種協作學習分析法，主要對學習者在認知活動中產生的交互數據進行認知層面分析，可用于表征和分析深度協作學習的過程。在教育領域，認知網絡分析法被廣泛應用于學習分析研究，其獨特的可視化表征能力可以揭示被研究者的認知差異，將思維發展過程與認知變化規律可視化，深度追蹤和分析被研究者的思維架構與認知發展軌跡^[5]。盡管認知網絡分析法在教育領域的應用日益增多，但在如何有效測量和發展學生的創造性思維方面仍缺乏深入的研究。對此，本研究嘗試從認知網絡角度分析學生的創造性思維特征，以明晰學生在同伴討論過程中的認知發展情況，從而為教師開展深度教學提供參考。

2 ChatGPT在同伴討論文本分析方面的應用

基于深度學習的自然語言處理模型——ChatGPT的出現與應用，使得自然語言處理技術的應用更為盛行。有研究者借助自然語言處理技術實現了對認知活動的自動分析^[6]，也有研究者將此技術應用于個性化反饋的自動提供^[7]。在文本的自動評估（包括同伴互評文本編碼^[8]、可讀性量化^[9]、摘要真實性測量^[10]）方面，自然語言處理技術的應用也較為廣泛。同伴討論作為一種過程性評價方式，能夠有效提高學習者在學習過程中的參與度和主動性，并具有較高的可信性和精準性^[11]。由于學習過程中通常產生的是文本數據，所以自然語言處理技術可以勝任數字學習環境中的自動化反饋需求，并能根據一個或多個評估指標，基于文本輸入對目標進行準確預測——該目標包含廣泛的任務類型^[12]，從表面級任務（如文本分類）到深度語義驅動的任務（如文本生成）都涵蓋其中。ChatGPT在教育教學中的應用，已被驗證具有生成評級解釋和分數方面的潛力^[13]。基于此，本研究將討論ChatGPT在教育評價中對學生認知活動的分析效果。

3 基于生成式人工智能的教育評價

ChatGPT融入教育教學，能夠激發教育變革的內生動力。已有多項研究證實了ChatGPT在促進個性化學習、深化形成性評估實踐和輔助教學研究方面的潛力，如作為虛擬導師，ChatGPT可以通過回答學生的問題來輔助他們進行在線獨立學習^[14]，并幫助學生優化其同伴討論內容，從而學會如何更好地給出他們的反饋^[15]。在減少教師的工作量方面，教師可以利用ChatGPT對學生的作業進行反饋^[16]，還可以利用ChatGPT輔助教學，如創建各種形式的測試題^[17]。

目前，國內對ChatGPT的應用研究主要集中在探究ChatGPT的演進邏輯對教育領域的變革性影響、教育評價、支持一線教師教學等方面。例如，陳思文等^[18]對ChatGPT的評價內容與教師的評價內容進行對比，發現ChatGPT的評價內容情感更為積極，已具備實際應用的價值與潛力；王麗等^[19]按照提問設計原則對ChatGPT進行“初始提問”與“優化提問”的比較，發現擁有良好提問設計的ChatGPT更有助于生成質量較好的反饋；張絨^[20]則指出，ChatGPT等生成式智能技術在服務學生個性化學習方面發揮了巨大作用。盡管生成式人工智能在教育評價中的應用逐漸增多，但對于學生思維和認知能力的培養還關注不夠。對此，本研究將具體探索如何有效使用ChatGPT來輔助分析學生的創造性思維特征。

二 研究設計

1 研究對象

本研究選取西北地區X大學學習“遠程教育應用”課程的77名大三學生為研究對象。考慮到學習者的創造性思維與其學業投入水平有關^[21]，故本研究對這77名學生的學業投入水平進行了前測。問卷采用Fredricks等^[22]的學業投入量表進行設計，含有行為投入、認知投入和情感投入三個維度，共設29個題項。各題項采用李克特五點量表計分，用1～5分表示從“完全不符合”到“完全符合”。經計算，問卷各維度的Cronbach’s a系數值均大于0.74、組合信度（Composite Reliability，CR）值均大于0.73，收斂效度（Convergent Validity，CV）值均大于0.51，說明問卷具有較好的信效度。問卷通過問卷星平臺發放77份，回收有效問卷77份，有效率達100%。根據問卷結果反映的學生學業投入水平得分高低，本研究按照組間異質、組內同質的形式，將學生劃分為高水平學業投入小組（共9組）、低水平學業投入小組（共10組），每小組4人（其中有一小組為5人），隨后開展為期9周的學習活動。

2 數據收集與編碼

在X大學，“遠程教育應用”課程是面向大三本科生的必修課程。該課程以注重實踐應用和項目導向的學習模式，成為培養和發展學生創造性思維的重要平臺。課程采取線上與線下相結合的混合式教學模式，共有36個學時。其中，基于QQ群的同伴討論活動占據主導地位，共28個學時；課程講授與小組匯報活動為8個學時。學習交互設計以小組交流為主、教師指導為輔，同伴討論過程圍繞“在線學習指導書的設計”展開，前、中、后三次討論的主題分別為指導書的主題選擇與內容設計、指導書的互評、指導書內容的完善。

本研究從高水平學業投入小組、低水平學業投入小組中分別隨機選取一組進行對比分析。以這兩個小組學生在課程前期、中期、后期三次討論中的文本內容為數據來源，本研究共收集討論文本1126條（含前期討論文本322條、中期討論文本459條、后期討論文本345條），從中剔除系統通知消息、無關鏈接等與課程無關的無效數據，最終得到有效討論文本1047條。學生的討論文本按照Sun等^[23]開發的創造性思維框架進行編碼，該編碼框架含有發散性思考、觀點的產生、元認知、社會交流、情緒、其他六個一級維度。編碼的目的是將學生的討論內容轉化為結構化的數據，以便開展進一步的定量和定性分析。

接下來，本研究分別對1047條討論文本進行人工評估和ChatGPT智能評估。在人工評估環節，由兩位研究人員對文本討論內容進行背對背編碼，之后進行一致性檢驗，得到Kappa系數值為0.85，表明一致性較高。ChatGPT智能評估的具體操作流程如下：首先，研究者將編碼要求和學生的討論文本以固定格式一起發送給ChatGPT，逐一獲得ChatGPT給出的首次反饋信息；之后，研究者將這些反饋信息導入Excel文檔，獲得ChatGPT對討論文本的編碼分類；最后，研究者使用在線建模平臺ENA"Webkit，對兩個小組的ChatGPT智能評估結果分別進行認知網絡分析，對比兩個小組的創造性思維特征差異。

三 研究結果分析

1 不同學業投入水平小組學生創造性思維的各維度特征差異

為探究不同學業投入水平小組的創造性思維特征差異，本研究根據ChatGPT智能評估的文本編碼結果對高、低學業投入水平小組學生創造性思維各維度的數據進行統計，結果如表1所示。

表1顯示，相較于低水平學業投入小組，高水平學業投入小組的總討論文本條數顯著更多（810條＞237條），且高水平學業投入小組在各維度上的表現也明顯更優。具體來說，相較于低水平學業投入小組，高水平學業投入小組進行了更多的發散性思考；在社會交流維度，“提問”和“同意”的行為明顯更多；在情緒維度，高水平學業投入小組表現出了更多的“正向情緒”，說明同伴之間更認可彼此的觀點。有研究者發現，學業成就與學生創造力相關^[24]；高學業成就組學生在創造性思維、發散性思維方面優于低學業成就組^[25]；積極的學業投入作為學生在學習活動中表現出來的一種持續、充滿積極情感的狀態，對創新思維有正向調節作用^[26]——這些研究結論，與本研究中高水平學業投入小組呈現出的認知行為結果基本一致。低水平學業投入小組進行了較多的“提問”行為，且其“反思管理”“同意”“新觀點”行為的占比大于本小組內其他認知行為，說明低水平學業投入小組學生具有一定的創造性思維，但其深度有待進一步提升。綜上可知，高水平學業投入小組學生的創造性思維整體表現優異，而低水平學業投入小組學生也具有一定的創造性思維。

2 不同學業投入水平學生創造性思維的認知網絡分析

質心是認知網絡結構的縮影，代表相關網絡模型連接結構的特定排列。本研究根據低、高水平學業投入小組學生討論中創造性思維的各維度表現情況，分別繪制了認知網絡模型圖，如圖1、圖2所示。其中，黑色圓點對應學生的創造性思維認知行為，節點之間的連線表示兩者產生的共現域，而節點的大小表示認知行為出現的頻率，節點之間連線的粗細、飽和度表示認知行為之間聯系的強弱。正方形表示特定編碼方式下所有學生認知網絡結構的平均質心，虛線框表示95%置信區間。

圖1顯示，低水平學業投入小組在三次討論中的質心位置明顯分離，學生在三次討論過程中的認知網絡結構隨著討論進程發生變化，且存在直觀的差異。例如，在中期討論中，因為有了“反思管理”“新觀點的建構”等邊緣節點與其他節點的連接，故其質心位于Y軸右側、X軸高處。此外，低水平學業投入小組在中期討論中存在更多節點之間的強關聯，且網絡密度高于前期討論和后期討論，主要圍繞“反思管理”“新觀點的建構”“提問”等節點展開，節點之間建立了“提問”與“反思管理”“調整結合”“分解”等連線的強關聯。整體而言，低水平學業投入小組在前期討論中進行“提問”與提出“新觀點”的認知行為較多，中期討論更關注元認知與發散性思考，后期討論出現了較多的“反思管理”行為。究其原因，可能在于學生在課程前期更多地是按照學習任務去完成“指導書的主題選擇與內容設計”相關討論；在課程中期傾向于聯系實際生活與個人先驗知識來進行“指導書的互評”，進行了較多的發散性思考；而課程后期“指導書內容的完善”需要學生進行更多的反思。

圖2顯示，高水平學業投入小組的創造性思維認知行為在三次討論中發生了變化，其認知網絡模型圖相較于低水平學業投入小組更復雜，且其認知行為呈現出不斷調整的特征，符合創造性思維發展的規律^[27]。具體來說，高水平學業投入小組在前期討論中的認知行為多為“提問”與“同意”，節點之間的聯系較弱；中期討論中開始出現更多的發散性思考行為；而后期討論中存在較多節點之間的強關聯，主要表現為“同意”“聯想”“新觀點的建構”等節點的自現頻率（節點大小）和共現頻率（連線粗細）都在增多。整體而言，高水平學業投入小組更傾向于表現出更加豐富和緊密的認知行為連接，說明他們在討論中進行了更深度的學習交流。

鑒于學生的創造性思維處于動態變化之中，因此本研究僅從質心分布特征、節點及其之間的聯系進行認知網絡分析。需要說明的是，在ChatGPT生成內容的過程中，其反饋效果與討論文本內容的數據類型、數據質量、討論主題等因素均有關。

3 不同學業投入水平學生創造性思維的發展趨勢分析

為了進一步探究學生的創造性思維發展趨勢，本研究比較了高、低水平學業投入小組的質心變化軌跡，結果如圖3所示。整體來看，高水平學業投入小組的質心呈聚攏趨勢，相對距離逐漸縮小，且高水平學業投入小組的質心無論如何變化，大多處于社會交流和發散性思考的區域；而低水平學業投入小組的質心相距較遠，且從社會交流、觀點的產生逐漸過渡到元認知，最終在發散性思考和社會交流區域趨于穩定，說明不同學業投入水平小組學生的認知行為多聚焦發散性思考和社會交流維度。發散性思維被認為是預測創造力的可靠指標^[28]，社交互動在支持學習者創造力發展方面也起著關鍵作用^[29]，而上述分析結果正凸顯了發散性思考和社會交流對于學生創造性思維發展趨勢預測的重要性。

四 結論與建議

1 結論

通過從不同角度對ChatGPT輔助下的學生創造性思維特征進行分析，本研究發現：不同學業投入水平小組學生創造性思維的各維度特征存在差異，其中高水平學業投入小組學生的創造性思維整體表現優異，而低水平學業投入小組學生也具有一定的創造性思維；不同水平學業投入小組的認知網絡在不同討論階段呈現不同結構，其中高水平學業投入小組學生的認知網絡結構相對更復雜；不同學業投入水平小組的認知行為多聚焦發散性思考和社會交流維度。上述結論表明，ChatGPT輔助下的學生創造性思維呈現出以下特征：高水平學業投入能促進創造性思維多維度發展，認知網絡結構會隨著學習任務發生動態變化，且學生的創造性思維趨向于朝著發散性思考和社會交流的方向發展。這些特征揭示了學業投入水平對學生創造性思維的積極影響，呈現了學生創造性思維的發展趨勢，可為學生創造性思維的培養與提升提供有益參考。

2 建議

為了使ChatGPT更好地服務學生創造性思維的培養與提升，本研究針對ChatGPT作為輔助工具的應用提出以下建議：①利用ChatGPT評價學生思維發展，教師應做好“把關人”。具體而言，ChatGPT在進行創造性思維維度編碼的過程中，不排除有識別不一致的現象，且其評估效果更加“中庸”^[30]。對此，可以通過指明對象、進行追問等方式^[31]，優化ChatGPT的反饋功能。同時，可以利用ChatGPT為學生提供過程反饋，以啟發其思維、發展學習技能^[32]、提升反饋素養，進而提升ChatGPT的反饋質量。教師需要提升自身的數字化教學能力，做好“把關人”，確保ChatGPT合理合規地融入教育教學，并盡量生成更為準確的反饋信息。在教育實踐中，教師也應對不同學業投入水平的學生進行個性化干預，既鼓勵高水平投入學生思維發展的持續與深化，也關注低水平投入學生的思維引導。②教育評價應保持價值理性與工具理性的平衡。不可否認ChatGPT在某些方面性能良好，但這并不等同于可以替代人類認知，原因主要在于其生成的內容缺乏來源說明與證據支持，信息反饋有時也存在錯誤^[33]；面對完全相同的提示語，其產出內容也具有不穩定性^[34]。對此，可從學習評價和教師評價等方面進行突破，如針對學生的評價應更凸顯動態性、創造性與現實性，而針對教師的評價應更注重向其數字勝任力的轉變^[35]，要確保技術輔助評價既發揮工具理性的優勢，又不失教育的價值理性。

隨著生成式人工智能技術的不斷進步，ChatGPT等智能工具有望在教育領域發揮越來越重要的作用。本研究將ChatGPT作為教學輔助工具用于分析學生的創造性思維特征，通過智能評估學生的過程性學習數據，幫助教師更深入地了解學生的思維模式和發展需求。后續研究可進一步探索ChatGPT如何作為虛擬導師來促進學生創造性思維的發展，特別是在啟發思維與促進深度學習方面要能夠有效發揮作用，從而為學習者提供個性化的學習路徑、助力教師進行教學策略的動態調整，進而全面激發學習者的創新潛能。

參考文獻

[1]Zhang H， Litman D. Essay quality signals as weak supervision for source-based essay scoring[A]. Proceedings of the 16th Workshop on Innovative Use of NLP for Building Educational Applications[C]. Online： Association for Computational Linguistics， 2021：85-96.

[2]Hu Y， Han X. The association between student engagement and creativity of undergraduates in China[J]. Education and New Developments， 2021：54-58.

[3]Lund B D， Wang T. Chatting about ChatGPT： How may AI and GPT impact academia and libraries？[J]. Library Hi Tech News， 2023，（3）：26-29.

[4]王佑鎂，王旦，梁煒怡，等.“阿拉丁神燈”還是“潘多拉魔盒”：ChatGPT教育應用的潛能與風險[J].現代遠程教育研究，2023，（2）：48-56.

[5]丁繼紅.深度學習中的學習者認知網絡和動機策略分析——旨向深度學習的U型翻轉教學效果研究[J].遠程教育雜志，2019，（6）：32-40.

[6]Schulz C， Meyer C M， Gurevych I. Challenges in the automatic analysis of students’ diagnostic reasoning[A]. Proceedings of the AAAI Conference on Artificial Intelligence[C]. Washington， DC， USA： AAAI Press， 2019：6974-6981.

[7]Sailer M， Bauer E， Hofmann R， et al. Adaptive feedback from artificial neural networks facilitates pre-service teachers’ diagnostic reasoning in simulation-based learning[J]. Learning and Instruction， 2023，83：101620.

[8]Tang T， Sha J， Zhao Y， et al. Unveiling the efficacy of ChatGPT in evaluating critical thinking skills through peer feedback analysis： Leveraging existing classification criteria[J]. Thinking Skills and Creativity， 2024， 53：101607.

[9]Deutsch T， Jasbi M， Shieber S. Linguistic features for readability assessment[OL]. lt;https：//arxiv.org/pdf/2006.00377gt;

[10]Maynez J， Narayan S， Bohnet B， et al. On faithfulness and factuality in abstractive summarization[OL].

lt;https：//arxiv.org/pdf/2005.00661gt;

[11]劉迎春，朱旭，陳樂.精準教學中基于同伴互評的評價者認知網絡分析[J].遠程教育雜志，2019，（1）：85-93.

[12]Wang Y， Mishra S， Alipoormolabashi P， et al. Super-naturalinstructions： Generalization via declarative instructions on 1600+nlp tasks[OL]. lt;https：//arxiv.org/pdf/2204.07705gt;

[13]Hutt S， DePiro A， Wang J， et al. Feedback on feedback： Comparing classic natural language processing and generative AI to evaluate peer feedback[A]. Proceedings of the 14th Learning Analytics and Knowledge Conference[C]. Association for New York， United States： Computing Machinery， 2024：55-65.

[14]Lin X. Exploring the role of ChatGPT as a facilitator for motivating self-directed learning among adult learners[J]. Adult Learning， 2024，（3）：156-166.

[15]Jia Q， Cui J， Xiao Y， et al. All-in-one： Multi-task learning bert models for evaluating peer assessments[OL].

lt;https：//arxiv.org/pdf/2110.03895gt;

[16]吳軍其，劉萌，王嘉桐，等.AIGC輔助教師作文評價的效果研究——以九年級語文作文為例[J].現代教育技術，2024，（10）：53-64.

[17]張歡，鄭晨，趙艷，等.在線學習場景下大語言模型輔助教學評測[J].現代教育技術，2024，（11）：15-26.

[18]陳思文，孔亞琪，劉宇.基于生成式人工智能的學業評價應用研究——以ChatGPT為例[J].軟件工程，2023，（10）：27-31.

[19][31]王麗，李艷，陳新亞，等.ChatGPT支持的學生論證內容評價與反饋——基于兩種提問設計的實證比較[J].現代遠程教育研究，2023，（4）：83-91.

[20]張絨.生成式人工智能技術對教育領域的影響——關于ChatGPT的專訪[J].電化教育研究，2023，（2）：5-14.

[21]柳武妹，王璐，王康周，等.在線學習界面對本科生學業成績的影響研究——基于創造性思維的中介作用[J].西部素質教育，2024，（3）：1-5.

[22]Fredricks J A， Blumenfeld P C， Paris A H. School engagement： Potential of the concept， state of the evidence[J]. Review of Educational Research， 2004，（1）：59-109.

[23]Sun M， Wang M， Wegerif R， et al. How do students generate ideas together in scientific creativity tasks through computer-based mind mapping？[J]. Computers amp; Education， 2022，176：104359.

[24]Kobal D， Musek J. Self-concept and academic achievement： Slovenia and France[J]. Personality and Individual Differences， 2001，（5）：887-899.

[25][27]沃建中，王福興，林崇德，等.不同學業成就中學生創造性思維的差異研究[J].心理發展與教育，2007，（2）：29-35.

[26]李紫馨，劉繼安.心理韌性對理工科博士生創新能力的影響——自我效能感的中介作用及學業投入的調節作用[J].科技促進發展，2022，（1）：96-102.

[28]Runco M A， Acar S. Divergent thinking as an indicator of creative potential[J]. Creativity Research Journal， 2012，（1）：66-75.

[29]Suryanto H， Warring S， Kartikowati R S， et al. Study creativity with diverse social skills to support the learning process in future education[J]. Journal of Diversity in Learning， 2021，（2）：85-89.

[30]Wang L， Chen X， Wang C， et al. ChatGPT’s capabilities in providing feedback on undergraduate students’ argumentation： A case study[J]. Thinking Skills and Creativity， 2024， 51：101440.

[32]Dai W， Lin J， Jin H， et al. Can large language models provide feedback to students？ A case study on ChatGPT[A]. 2023 IEEE International Conference on Advanced Learning Technologies （ICALT）[C]. Orem， UT， USA： IEEE， 2023：323-325.

[33]Else H. By chatgpt fool scientists[J]. Nature， 2023，613：423.

[34]郭茜，馮瑞玲，華遠方.ChatGPT在英語學術論文寫作與教學中的應用及潛在問題[J].外語電化教學，2023，（2）：18-23、107.

[35]趙健.技術時代的教師負擔：理解教育數字化轉型的一個新視角[J].教育研究，2021，（11）：151-159.

Characteristics Analysis of Students’ Creative Thinking with ChatGPT Assistance

SHA Jing-Rong """ZHAO"Ya-Nan """TANG Tian-Qi

（Faculty of Educational Sciences and Technology， Northwest Minzu University， Lanzhou， Gansu， China 730030）

Abstract："In order to evaluate ChatGPT’s ability to accurately identify the students’"discussion"dimensions under the existing framework"of creative thinking， this paper used"ChatGPT to conduct intelligent assessment of students’"discussion texts， and adopted"cognitive"network analysis to analyze the characteristic differences of each"dimension， cognitive network and development trend of students’"creative thinking"in groups"with different academic engagement levels. The results showed that the over performance of the creative thinking of the students in the group with a high level of academic engagement was excellent， while the students in the group with a low level of academic engagement also had some creative thinking. The cognitive networks of the groups with different levels of academic engagement showed different structures in different discussion stages， and the cognitive networks structures of the students in the groups with a high level of academic engagement were more complex. The cognitive behavior of groups with different levels of academic engagement mostly focused on divergent thinking and social communication dimensions. In addition， this"paper also put forward suggestions for the application of ChatGPT as an auxiliary tool to make it better serve the cultivation and improvement of students’"creative thinking， so as to"promote the better integration of generative AI technology into future education and teaching.

Keywords： creative thinking; ChatGPT; cognitive"network analysis; academic engagement

*基金項目：本文為國家自然科學基金項目“基于機器學習的同伴互動增值評價的動態監測模型與應用研究”（項目編號：62267006）的階段性研究成果。

作者簡介：沙景榮，教授，博士，研究方向為教學設計與績效技術，郵箱為shajr818@163.com。

收稿日期：2024年7月11日

編輯：余弦