摘 要：基于大规模学情调查数据探讨在不同“挑战度”与“支持度”课堂环境中，人工智能影响大学生创新思维的内在机制。研究发现，学习投入是人工智能赋能创新思维的关键桥梁。技术主要通过激发深度认知和情感投入间接发挥作用，且其效能由环境塑造。课堂环境呈现“放大”和“替代”双重调节逻辑：“高挑战-高支持”环境强化以学习投入为中介的“放大”路径，而挑战或支持不足的环境则凸显“替代”路径。人工智能的教育价值并非其固有属性，而是由挑战与支持协同的课堂环境共同建构。
关键词：大学生创新思维；生成式人工智能；课程挑战度；课程支持度
一、问题的提出
生成式人工智能（GenAI）的浪潮正以前所未有的力量重塑大学校园的学习生态。以DeepSeek等国产大模型为代表的技术，已从一种新兴工具演变为学生日常学习的必备助手。然而，这股技术浪潮背后，一个深刻的隐忧正逐渐浮现：思维的“外包”与学习过程的“空心化”。当作业的构思、论文的撰写都可以轻易交付给GenAI完成时，学生高阶思维与创新能力的培养正面临被架空的风险。面对GenAI已经显现的对传统教育的颠覆性挑战和初露端倪的教育发展机会与风险，教育界一方面要坚定智能时代仍然需要学校教育的信念，另一方面要加快改革现行教育难以适应时代变化需要的部分，特别是要在课程教学过程中找到借助人工智能技术提高学生创新思维能力的有效手段。已有研究指出，当课程本身具备足够的认知深度、注重问题解决而非单向的知识传递时，学生便难以将GenAI视为简单的答案生成器，必须通过深度投入，将其转化为激发思考的“催化剂”，从而促进创新思维的提升。虽然高挑战性课程被寄予了引导学生积极使用GenAI的厚望，但其作用机制在理论和实践上仍存在两大缺口，首先，课堂环境是如何调节不同GenAI使用模式的效果？学生可能利用GenAI替代思考，也可能使其激发创见。现有研究未能揭示不同课堂环境如何强化或抑制GenAI使用，从而导向学生不同的思维发展结果。其次，单一的“课程挑战度”是否足以确保GenAI充分发挥积极效用？有效的课堂环境是挑战与支持的动态平衡。过高的挑战若缺乏相应的教师支持，可能加剧学生的挫败感；而过度的支持若未能与挑战相匹配，可能使学生陷入低阶重复的舒适区。因此，必须将“课程支持度”纳入分析，与挑战度共同构成课堂环境的“双螺旋”，才能更完整地理解GenAI发挥作用的条件。
基于此，本研究旨在探究不同“挑战-支持”水平共同塑造的大学课堂环境中，学生使用GenAI的行为如何差异化地影响其创新思维？回答该问题既为GenAI促进深度学习的课程设计提供了证据，又揭示了其赋能机制与边界，为高校人才培养模式改革提供了理论与实践支撑。
（一）创新思维及其影响因素
创新思维是创新活动的核心与灵魂，本质在于对现有认知框架和传统模式的超越，并以此为基础创造性地解决现实问题。这种超越并非脱离实际的标新立异或主观臆想，必须建立在对客观现实的准确把握与科学判断，即批判性思维之上，尊重且深刻理解事物发展规律。因此，创新思维是一种融合了主观能动性与客观规律性的高级辩证思维，它要求主体在深厚的知识积累之上，实现理论与实践、主观与客观的有机结合，最终形成能够不断适应新情境的思维形态。高校是培养创新人才的重要阵地，而培育大学生的创新思维，已被视为回应“钱学森之问”的关键路径。已有研究发现不同层级高校或学科分类在大学生创新思维培养上并未表现出显著差异，表明培养模式的具体实践比学校类型更为关键。在微观教育实践层面，研究发现两类因素对学生的创新思维培养有积极效果：一是课外的拓展性创新活动，如科研竞赛与社会实践等；二是课内的核心教学环节，特别是课程内容的前沿性以及师生之间的高质量互动。
近年来，GenAI已成为讨论大学生创新思维与课程设计时不可或缺的新兴变量。2024年的全球调查显示高达92%的大学生会在课程学习中使用GenAI。部分学者认为GenAI能够为学生提供海量教育资源和实时反馈，有效支撑个性化发展。如哈佛大学的一项随机对照试验表明，使用定制人工智能导师比仅由人类教师指导的学生学得更快、更好。然而，GenAI在高等教育界的爆炸式应用增长也引发了深切忧虑。一方面，由于技术仍处于发展阶段，师生对其教学与学习功能的掌握尚不成熟，使用不当反而可能干扰正常学习进程；另一方面，学生可能借助GenAI走捷径完成学业任务，从而削弱其自主学习与深度思考的能力。一项关于写作辅助的脑电波研究为此提供了强有力的实证支持，他们对比完全自主写作与使用ChatGPT辅助写作的学生，发现前者的大脑活动表现出更强、更广泛的区域连接，且对所写内容记忆更为深刻；而后者的大脑连接性弱，有时甚至无法记住自己写的内容。这清晰印证了学界的一种普遍观点：将本应由大脑完成的认知劳动“外包”给GenAI，可能会直接抑制学生的独立思考与批判性思维发展，不利于其创新思维培养。
（二）智能时代课堂环境的挑战度与支持度内涵及其演变
对大学课堂环境的分析，离不开对“挑战度”与“支持度”的探讨。在GenAI深度融入高等教育生态的当下，重新审视其内涵及其演变是构建有效学习环境、理解智能时代学习发生机制的前提。
传统教育理论中的课程挑战度与支持度各有其明确指向与演进脉络。“课程挑战度”源于“全美学生学习性投入调查”（National Survey of Student Engagement, NSSE），后经“中国大学生学习与发展追踪调查”（China College Student Survey, CCSS）引入本土化讨论，内涵为课程对学生认知投入水平的要求，具体表现为课程强调记忆、分析、综合、判断与应用等高阶思维活动的程度。随后，该概念被进一步拓展，不仅包括思维要求，还涵盖了教师设定的学业负荷、师生的投入程度。与挑战度相伴的“课程支持度”概念可追溯到校园环境影响研究。研究早期多聚焦于“教师支持”，即学生在学习生活中感知到的来自教师的学业、情感与能力等多方面帮助。CCSS后续提出了更宽泛的“院校支持”概念，涵盖资金设施、教学、就业等八个维度，并证实了教学有效性与生师交流的关键支持作用。上述内涵及其演变为本研究理解课堂环境奠定了基础，但其多从学生发展的全过程切入，要素体系较为庞杂。本研究将支持的核心场域集中至课程教学，旨在探究教师如何根据课程内容、学生群体与学习阶段的差异，精准提供有效教学与激励，从而实现对核心教学领域支持“度”的把控。其中挑战度层面不仅关注思维水平和学业负荷，更进一步凸显课程的综合育人功能。相应地，支持度层面也从关注教师的单向支持，发展为对多元化、个性化支持体系的构建，以回应学生在应对挑战过程中的多样化需求。
进入智能时代，挑战度和支持度的形态都面临着根本性变革。一方面，GenAI的介入使得课程挑战度的关注点发生了位移。课程挑战的具体表现从个体认知负荷与任务完成难度转向了人机协同、复杂问题解决和批判性建构的挑战，构成要素也从传统的知识深度与思维难度，扩展至包含人机交互素养与元认知策略等新维度。另一方面，GenAI技术也重塑了支持度的来源与互动关系。支持越发多元化与混合化，不再单一地源自教师或院校，技术本身成为关键的支持性要素，其作用发挥受到工具易用性感知的显著影响。更为深刻的是，这改变了支持的互动关系：支持的重点从教师对学生的单向给予，部分转向培养学生主动获取和驾驭AI支持的能力，即一种关于“如何学习”的支持。技术由此不再仅仅是外部工具，更成为内嵌于学习过程、动态连接并重新定义挑战与支持的关键变量。
（三）课堂环境、GenAI使用与创新思维
作为构成课堂环境的两个核心维度，挑战度和支持度对大学生学习过程和成效的影响一直颇受学者关注。近年来，相较于将两者视为独立变量并分别考察其影响的研究，整合性的视角逐渐受到重视，“挑战-支持”二维框架被用于构建不同的课堂环境类型（如高挑战-高支持型），相关研究初步证实了不同环境对学习行为的差异化影响。而智能时代的到来不仅带来了课程挑战度、支持度内涵的演变，学者也开始关注技术在它们作用发挥过程中所扮演的角色。研究指出GenAI对学习效果的影响并非普适，而是高度依赖于其嵌入的课堂环境。同时，关于学生使用GenAI的影响因素研究，也从学习者个体层面揭示了技术融入学习的复杂特性。
尽管上述研究取得了重要进展，但仍然存在一定局限。一是，现有整合模型大多将环境与结果直接关联，尚未完全讨论清楚学生GenAI使用行为模式在其中的影响。课堂环境与GenAI使用的协同作用，是讨论学生学习过程和结果时不容忽视的因素，当前将环境特征、GenAI使用、学习行为与结果连接起来的机制性研究仍显匮乏。二是，对学习结果的考察仍需细化，特别是对创新思维等高阶能力的关注。GenAI的普及凸显了人类发展创新思维的重要性，而它的介入又为创新思维培养带来了双重可能：既可能促进创新，也可能抑制原创性探索。此外，对影响效应的探讨既需要具体到效应发挥的情境，如上文探讨的课堂环境，也需要深入到机制层面。已有研究显示，深度学习与批判性思维作为拔尖人才创新潜能的核心，其形成受到情绪动力的关键驱动，创新思维培养不仅关乎认知与行为，还深深植根于情感与意义建构。故在智能时代讨论创新思维发展，需要在讨论认知与行为投入的同时关注情感投入在其中的作用。
（四）研究假设
鉴于已有研究尚存不足，本研究聚焦人工智能浪潮中学生的创新思维发展，通过实证分析揭示GenAI使用在不同课堂环境中对学生学习过程和结果的影响及其机制。需要说明的是，本研究将高影响力教育活动这一受院校资源等结构性条件制约的课外拓展性因素作为控制变量纳入模型，但考虑到课程挑战度和支持度更具教学可控性与实践操作性，研究核心聚焦于教师可直接优化的教学设计要素——课堂环境。
为系统探究这一复杂机制，本研究基于大学影响力模型（College Impact Model）和“挑战-支持”框架，构建了一个有调节的中介模型，（见图1）由GenAI影响大学生创新思维能力的三条可能路径构成。首先，课堂环境能够调节GenAI使用对学习投入的影响，这已得到相关研究的证实，GenAI使用对认知和情感投入的积极效应在“高挑战-高支持”的环境中最为凸显，但在挑战或支持不足的课堂环境中显著减弱，甚至呈现负向关联。其次，GenAI能够通过改变学生的学习投入水平间接影响创新思维。最后，GenAI对创新思维的作用因课堂环境的不同而异。本研究主要聚焦于后两条待检验路径，旨在回答对于创新思维培养来说，GenAI是促进深度学习的“催化剂”还是导致思维惰性的“替代品”，以及其角色是否取决于学生所处的课堂环境。这将为理解智能时代如何通过课程教学改革促进创新人才培养提供新的视角。由此，本研究提出以下研究假设：
H1：学习投入在GenAI使用与创新思维能力的关系中起中介作用。
H2：课堂环境显著调节GenAI使用对创新思维能力的影响，直接效应和间接效应在不同课堂类型中均有显著差异。
二、研究设计
（一）数据来源
本研究数据来源于CCSS 2024年度调查。调查重点研究中国大学生在校期间的学习投入情况，包括课程相关内容、教师教学情况、学生学习性投入及自我感知的教育收获等，为4点或7点李克特量表。同时也调查了学生的人口统计学特征、家庭背景情况和大学前教育经验等背景性信息。调查涵盖全国28所本科院校，其中“双一流”建设高校11所，累计回收96160份，回收率79.41%。严格按照统计要求剔除无效样本，共得到有效问卷72615份。为校正各年级间不等的有效样本应答概率，本研究应用了事后分层抽样权重，样本人口学分布如表1所示。
（二）变量定义
为检验研究假设，本研究构建了“GenAI使用”“创新思维能力”“学习投入”等变量。其中，因变量ACTi是指学生创新思维提升情况，核心自变量GenAIi是GenAI在不同课程学习场景下的使用情况，SLEi是指学生的学习投入，包括认知、行为和情感投入三个维度。虚拟变量Context_Dummyi是四种课堂环境类型，根据挑战度和支持度的不同水平（高于或低于均值）进行命名，旨在探索教学设计差异对GenAI效应产生的边界条件。其中高挑战-高支持的课堂环境占比40.74%，低挑战-低支持占比41.70%，高挑战-低支持占比9.07%，低挑战-高支持占比8.49%。模型还控制了学生背景性因素、大学前教育经历、高影响力教育活动的参与情况等其他因素，统一用Xi来表示。变量的详细情况见表2。
（三）计量模型
本研究采用有调节的中介效应模型来检验以上变量之间的关系。首先，实证研究已证实GenAI使用对学生学习投入的影响因课堂环境的不同而异，即模型M0中交互项系数α3显著：
在此基础上，本研究为检验学习投入是否在GenAI使用与创新思维之间起中介作用，参照中介效应检验程序，构建M1.1和M1.2：
中介效应由路径系数b1与c1的乘积来估计。若该乘积项显著，则表明学习投入的中介效应（H1）成立。
进一步，为检验上述直接和间接效应是否受到课堂环境的调节（H2），即是否存在有调节的中介效应，本研究构建M2：
其中在特定的课堂环境中，GenAI使用对创新思维的直接效应为γ2+γ4Context_Dummyi，通过学习投入影响创新思维的间接效应为（a1+α3×Context_Dummyi)×(γ1+γ5Context_Dummyi)。本研究采用Bootstrap法进行抽样，分别计算在不同课堂环境类型下的效应值及其置信区间，若条件效应在不同课堂环境类型之间存在显著差异，则表明学习投入的中介作用随课堂环境而异。
三、研究结果
（一）学习投入的中介效应
为检验假设H1，采用Baron和Kenny的中介效应检验程序，结果如表3所示，学习投入的三个维度在GenAI使用与创新思维能力提升的关系中均起到显著的部分中介作用。即GenAI使用显著正向预测认知、行为和情感投入，其中情感投入的中介效应最强，中介比例最高（30.9%），且对创新思维的影响效应（路径b的系数为0.60）最大；认知投入次之；行为投入的中介效应相对较弱。三条中介路径共同构成了GenAI使用影响创新思维能力提升的内在机制。
（二）有调节的中介效应
为检验假设H2，本研究首先考察了课堂环境是否调节GenAI使用对创新思维的直接效应。结果如表4所示，在控制了学习投入的中介作用后，GenAI使用对创新思维的直接影响在不同类型的课堂环境中存在差异，在“高挑战-高支持”环境中的直接效应（效应值=0.027，p<0.001）显著低于其他课堂环境，但其他三类课堂环境直接效应值相近。即课堂环境对GenAI使用对创新思维直接关系的调节作用，主要体现在“高挑战-高支持”与其他类型课堂对比上。
其次，进一步遵循有调节的中介效应分析程序，检验课堂环境对间接效应的调节作用。表5呈现了四类课堂环境下三条中介路径的间接效应组间差异检验结果。认知投入路径在四类课堂环境中的间接效应无显著差异（χ²=0.94，p=0.815），虽然“低挑战-低支持”环境中的间接效应值最大（0.011），但统计上未达到显著水平，H2在认知投入路径上未得到支持。行为投入路径表现出显著的组间差异（χ²=38.01，p<0.001），支持有调节的中介效应，行为投入在GenAI促进创新思维中的正向中介作用在“高挑战-高支持”环境中显著存在，但在“低挑战-高支持”和“低挑战-低支持”环境中显现出显著的遮掩效应（间接效应分别为-0.004和-0.003）。情感投入路径同样存在显著的组间差异（χ²=32.42，p<0.001），“高挑战-高支持”环境中的间接效应最强（0.007），显著高于其他三类环境，但都为正向中介作用。上述路径的分析结果表明H2成立，且“高挑战-高支持”环境在激发积极的、以学习投入为中介的间接路径上具有显著优势。
四、讨论与建议
本研究通过构建有调节的中介模型，系统考察了GenAI对大学生创新思维的复杂影响机制，发现GenAI在教育中的价值并非其固有属性，而是由其所处的课堂环境所共同建构的。在“低挑战-低支持”环境中，GenAI可能沦为教与学的替代品；而在“高挑战-高支持”环境中，则能有效转化为促进学生思维发展的放大器。该发现为理解技术与教育融合的关系提供了新视角，并指明了智能时代课堂建设的重要性。
首先，学生的积极投入是GenAI影响创新思维的关键中介。只有当学生主动、深度地投入到学习过程中时，GenAI的潜力才能有效转化为创新思维的发展。已有研究也支持该发现：当ChatGPT通过提供快速、个性化的反馈，使学生更积极地参与并持续改进学习时，能够促进深度参与和创新思维发展。反之，若学生仅将其视为获取答案的工具，则难以借此锻炼自身的高阶思维。由此可见，“GenAI→学习投入→创新思维”的路径，并非技术单方面决定结果，而是技术可用性与学生主体性共同作用的过程，凸显了学生主体在技术赋能中的核心能动性作用。
其次，需要正视影响路径的双刃性分化，课堂环境的调节作用具有“放大”与“替代”的双重逻辑。在“高挑战-高支持”这类课堂中，影响路径表现出间接效应占优的“放大逻辑”。学生更倾向于对人工智能生成内容进行适应性调整与关系重构，在信息收集与评估、反思间建立复杂认知网络，实现认知灵活性及创新思维的真实提升，体现了学生主体性与人工智能工具性的深度融合。可以说，“高挑战-高支持”环境中的挑战与支持如同两个啮合的齿轮，共同驱动着学生通过深度投入将GenAI潜在影响转化为自身创新能力。而在挑战与支持不足的环境中则更多表现为直接效应占优的替代逻辑。学生虽能借助AI完善任务细节、提升表面效率，但多停留在信息检索与线性思维层面，缺乏对内容的深度批判与重构，其核心认知能力未必得到了实质性发展，隐藏着思维浅层化的风险。
最后，双重逻辑的根源在于技术赋能与认知规律的辩证统一，凸显了课堂环境的基石性作用。尽管技术日新月异，但教与学的基本认知规律依然稳定，其神经科学基础在于人类认知资源的有限性——真正的深度学习往往发生在“最优挑战”区间。这要求外部环境必须在激发挑战与提供支持之间取得平衡，以高挑战驱动学生将GenAI用作探究的认知伙伴，而非答案机；又以高支持的教学设计防止学生在挑战中迷失。挑战与支持的协同配合为GenAI赋能深度思考开辟了认知沃土，反之GenAI则易沦为“捷径”工具。优质的课堂环境才是决定技术能否真正激发学习行为、赋能创新发展的关键条件。
基于上述发现，本研究认为应对GenAI冲击的课程改革，核心任务并非限制技术的应用，而是主动构建能引导技术发挥正向作用的“智能增强型挑战－支持性环境”，具体建议如下。
第一，重塑课程挑战度内涵，设计“人机协同式”的高阶学习任务。在智能时代，高挑战性任务能促使学生将GenAI用作深度探究的“认知放大器”，但课程挑战度的内涵也需相应拓展为教学空间开放化、知识内容高阶化、评价方式多元化的系统性革新。教师应着力设计那些可以借助GenAI进行信息整合与初步创造，但又无法由GenAI单独完成的复杂任务（如跨学科项目式学习），引导学生在GenAI辅助的基础上进行批判性思考和二次创造，将技术使用的焦点逻辑从替代转向增强。
第二，升级课堂支持体系，构建教育数智化背景下的高质量生师互动。当GenAI成为课堂重要的认知伙伴时，学生普遍期待其提供个性化支持，以弥补传统生师互动支持性的不足，但这加剧了“结课即失联”的风险。因此，人机互动基础上的生师关系成为不容忽视的新命题。教师应通过系统性设计将GenAI提供的学业支持与教师支持有机结合，共同激发学生的深度参与创新。这种新型生师关系的样态及本质仍有待更多来自教学实践和理论层面的探索与突破。
第三，强化“挑战-支持”双维设计，将指挥棒对准学习过程中的深度投入与真实创造。为规避“低挑战-低支持”中GenAI使用带来的“替代逻辑”与思维浅层化风险，应在评价方式上突出过程性、创新性的导向。高校须在“挑战-支持”协同框架下，建立融合过程性学习数据与创造性学习产出的评价机制，重点考查学生的知识重组、跨学科迁移和复杂问题解决能力，从而有效区分“深度投入”和“浅层借用”，引导学生走向深度投入和真实创新，而非利用技术投机取巧，从而在制度层面保障“学习投入→创新思维”路径的畅通。
第四，我们必须警惕技术赋能理想图景背后的现实挑战。当前我国大学生普遍存在“策略性学习”倾向，在竞争压力下可能催生“技术性学习策略”，如果高校人才培养改革不能正视并改善这种功利性环境，GenAI很可能加剧“低挑战-低支持”中的替代逻辑与教育异化，而非促进创新。因此，更深层次变革在于学习文化的重塑。我们需要引导学生从“为学分而学”转向“为创造而学”，将GenAI视为探索未知世界的认知伙伴，而非应付学业竞争的工具。这要求我们将GenAI带来的认知革命纳入研究框架，既要看到其作为智能导师的潜力，也要警惕其引发的教育异化风险，最终，推动教育范式从知识传授向思维创造深刻转型，实现“高挑战-高支持”环境下GenAI赋能创新的“放大逻辑”。
【李靓，中国人民公安大学研究生院助理研究员；张蓝文，清华大学政策研究与规划室规划与研究主管；史静寰，清华大学教育学院教授】
原文刊载于《中国高教研究》2026年第2期
