生成式AI使用動(dòng)機(jī)對(duì)研究生科研創(chuàng)造力的影響研究

中圖分類號(hào)：G640文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673—8381（2025）03—0073—12

一、引言

研究生教育肩負(fù)著培養(yǎng)高層次人才和推動(dòng)創(chuàng)新創(chuàng)造的重要使命。在國(guó)家持續(xù)加大對(duì)研究生教育投人和政策支持下，研究生教育規(guī)模穩(wěn)步擴(kuò)大。相關(guān)數(shù)據(jù)顯示，從2017年到2023年，我國(guó)研究生招生規(guī)模增長(zhǎng)了 61.5% ，在校研究生人數(shù)達(dá)到388萬(wàn)。研究生群體已成為高校開(kāi)展基礎(chǔ)科學(xué)研究、推動(dòng)科研創(chuàng)新的重要力量，他們通過(guò)撰寫(xiě)學(xué)術(shù)論文、參與課題研究等方式，投人到科學(xué)研究工作中去[]

科研創(chuàng)造力是衡量研究生創(chuàng)新能力的重要標(biāo)準(zhǔn)[2-4]。如何有效提升研究生科研創(chuàng)造力一直是理論界和實(shí)踐界共同關(guān)注的熱點(diǎn)問(wèn)題。近年來(lái)，以ChatGPT為代表的生成式工具橫空出世，其應(yīng)用場(chǎng)景不斷拓展，逐步滲透至教育領(lǐng)域，由此催生出研究生科研創(chuàng)造力研究的全新議題。與以往的技術(shù)不同，生成式AI不僅能完成諸如語(yǔ)言翻譯、文本潤(rùn)色等基本的文本處理任務(wù)，而且具備“類人思維\"能力，能執(zhí)行文本生成、自然語(yǔ)言處理等更為復(fù)雜的任務(wù)[5]。研究生可以借助生成式AI工具快速完成信息檢索、文獻(xiàn)綜述和數(shù)據(jù)處理等工作，從而提高科研效率，釋放更多時(shí)間用于創(chuàng)新性研究。此外，生成式AI能夠整合來(lái)自不同學(xué)科的資源，幫助研究生打破傳統(tǒng)學(xué)科的思維束縛，從全新的視角看待問(wèn)題，進(jìn)而激發(fā)創(chuàng)新靈感[。然而，生成式AI在生成信息的過(guò)程中，存在混淆事實(shí)、輸出陳舊、錯(cuò)誤內(nèi)容的風(fēng)險(xiǎn)。若研究生不加甄別地使用這些內(nèi)容，極有可能被誤導(dǎo)，進(jìn)而影響科研成果的質(zhì)量，阻礙學(xué)術(shù)研究的推進(jìn)。此外，在學(xué)術(shù)創(chuàng)作中，部分研究生傾向于借助AI完成論文撰寫(xiě)，長(zhǎng)期依賴 AI會(huì)弱化他們自主思考的能力，還會(huì)消磨原創(chuàng)研究的動(dòng)力[。這種行為不僅破壞了學(xué)術(shù)誠(chéng)信，更有可能抑制研究生科研能力的提升，束縛其創(chuàng)造力的發(fā)展[8]。由此可見(jiàn)，在生成式AI蓬勃發(fā)展的當(dāng)下，巧妙避開(kāi)潛在風(fēng)險(xiǎn)，精準(zhǔn)引導(dǎo)研究生在科研工作中科學(xué)、恰當(dāng)?shù)剡\(yùn)用這一工具，已成為學(xué)術(shù)界亟待攻克的重要課題。

當(dāng)前研究主要從定性視角出發(fā)，針對(duì)生成式AI在研究生創(chuàng)新能力培育、學(xué)術(shù)寫(xiě)作風(fēng)險(xiǎn)，以及導(dǎo)師與學(xué)生關(guān)系構(gòu)建等方面的影響展開(kāi)探討[6-9]。為揭示生成式AI對(duì)科研創(chuàng)造力的影響機(jī)制，部分學(xué)者展開(kāi)了實(shí)證量化研究[10-12]，多從使用行為特征（如是否使用、使用頻率、任務(wù)類型等維度）出發(fā)，探討生成式AI對(duì)創(chuàng)造力、批判性思維能力或創(chuàng)新能力的影響。這些研究為理解生成式AI的影響效應(yīng)筑牢了初步根基，然而使用生成式AI背后的心理動(dòng)因與認(rèn)知加工機(jī)制仍存在廣闊的探究空間。具體而言，現(xiàn)有研究較少探討使用動(dòng)機(jī)發(fā)揮的作用，也較少關(guān)注研究生在使用過(guò)程中的信息加工模式，例如默認(rèn)接受與深度加工及其對(duì)創(chuàng)造力的潛在影響。根據(jù)自我決定理論，動(dòng)機(jī)是驅(qū)動(dòng)個(gè)體行為的關(guān)鍵內(nèi)在要素。不同類型的動(dòng)機(jī)往往會(huì)促使個(gè)體產(chǎn)生不同行為，進(jìn)而帶來(lái)差異化的結(jié)果[13-14]。雙系統(tǒng)理論指出，個(gè)體的信息加工過(guò)程可分為自動(dòng)化、直覺(jué)式的系統(tǒng)1（默認(rèn)接受）與理性、深度分析的系統(tǒng)2（深度加工），加工模式可對(duì)科研創(chuàng)造力產(chǎn)生不同的影響[15]。生成式AI已成為科研領(lǐng)域的重要工具，其發(fā)揮作用的程度，不僅在于是否被使用，更關(guān)鍵的是使用者的動(dòng)機(jī)以及信息處理方式。

本研究基于自我決定理論與雙系統(tǒng)理論，聚焦生成式AI使用動(dòng)機(jī)（內(nèi)在動(dòng)機(jī)、外在動(dòng)機(jī)）和信息加工模式（默認(rèn)接受、深度加工）兩大核心變量，旨在深入探討使用動(dòng)機(jī)對(duì)研究生科研創(chuàng)造力的影響，并檢驗(yàn)信息加工模式在其中的中介作用。通過(guò)構(gòu)建生成式AI對(duì)研究生科研創(chuàng)造力影響的作用機(jī)制模型，將動(dòng)機(jī)與認(rèn)知加工納入同一分析框架，本研究進(jìn)一步加深了對(duì)生成式 AI影響機(jī)制的理解，試圖為高校在人工智能背景下有效引導(dǎo)研究生合理使用AI工具提供有益參考。

二、研究假設(shè)

（一）生成式AI使用動(dòng)機(jī)對(duì)科研創(chuàng)造力的影響

根據(jù)自我決定理論，動(dòng)機(jī)是一種關(guān)鍵的內(nèi)在驅(qū)動(dòng)力，在個(gè)體行為的選擇、方向把控、強(qiáng)度調(diào)節(jié)以及行為績(jī)效提升等方面發(fā)揮著重要作用。個(gè)體行為的動(dòng)機(jī)通?？煞譃閮?nèi)在動(dòng)機(jī)和外在動(dòng)機(jī)[13]。內(nèi)在動(dòng)機(jī)指?jìng)€(gè)體因?qū)θ蝿?wù)本身的興趣而主動(dòng)從事某項(xiàng)行為，外在動(dòng)機(jī)則是通過(guò)外部獎(jiǎng)勵(lì)、認(rèn)可或要求驅(qū)動(dòng)個(gè)體采取行動(dòng)[14]。內(nèi)在動(dòng)機(jī)被廣泛認(rèn)為是提升個(gè)體創(chuàng)造力的重要驅(qū)動(dòng)力。個(gè)體對(duì)工作的興趣和好奇心促使他們投入更多時(shí)間和精力，進(jìn)行深人探索和創(chuàng)新，從而更有可能產(chǎn)出創(chuàng)造性成果[3][12]。而在特定情形下，外在動(dòng)機(jī)有可能對(duì)創(chuàng)造力產(chǎn)生抑制作用。尤其是當(dāng)個(gè)體僅僅為獲取外部獎(jiǎng)勵(lì)而開(kāi)展工作時(shí)，外在動(dòng)機(jī)會(huì)致使個(gè)體將更多注意力聚焦任務(wù)的完成結(jié)果，而非創(chuàng)新過(guò)程本身。這種傾向可能會(huì)限制創(chuàng)造性思維的發(fā)揮，阻礙探索行為的推進(jìn)，不利于創(chuàng)造力的發(fā)展[14]

基于以上分析，本研究將研究生在科研中使用生成式AI的動(dòng)機(jī)劃分為內(nèi)在動(dòng)機(jī)和外在動(dòng)機(jī)。內(nèi)在動(dòng)機(jī)指的是研究生基于對(duì)科研工作的熱愛(ài)，懷揣對(duì)新技術(shù)的強(qiáng)烈好奇心，主動(dòng)投身于學(xué)習(xí)并運(yùn)用各類工具，力求借此探尋更高效的研究方法，或提出創(chuàng)新性解決方案。在這一動(dòng)機(jī)的驅(qū)使下，研究生更深入地與工具展開(kāi)交互，充分挖掘生成式AI的高級(jí)特性，從而在科研進(jìn)程中催生更豐碩的創(chuàng)造性成果?，F(xiàn)有研究表明，內(nèi)在動(dòng)機(jī)能促使個(gè)體自主、積極地尋求新知識(shí)，并通過(guò)深入探索激發(fā)創(chuàng)造性思維，提升創(chuàng)造力[13][16]外在動(dòng)機(jī)是指研究生受學(xué)術(shù)成果要求、導(dǎo)師期望、獎(jiǎng)學(xué)金等外部因素驅(qū)動(dòng)，在科研工作中運(yùn)用生成式AI。在這種情形下，研究生運(yùn)用AI，大多是為了迎合外部要求或贏取獎(jiǎng)勵(lì)，這使得他們將更多精力放在如何快速完成任務(wù)上，而非進(jìn)行創(chuàng)新性思考。在AI深度參與信息生產(chǎn)的當(dāng)下，人們的信息加工方式趨于淺層化。很多人會(huì)直接接納AI生成的內(nèi)容，而不進(jìn)行批判性分析，這無(wú)疑會(huì)限制其創(chuàng)造性的發(fā)揮。已有研究表明，當(dāng)個(gè)體行為主要受外部獎(jiǎng)勵(lì)驅(qū)使時(shí)，創(chuàng)新與探索行為可能會(huì)受到抑制。這是因?yàn)樵诖饲樾蜗拢瑐€(gè)體往往更關(guān)注完成外部設(shè)定的目標(biāo)，而不愿投入額外精力進(jìn)行深度思考[14]。因此，本研究提出如下假設(shè)：

H1：研究生在科研中使用生成式AI的內(nèi)在動(dòng)機(jī)對(duì)科研創(chuàng)造力具有正向影響；

H2：研究生在科研中使用生成式AI的外在動(dòng)機(jī)對(duì)科研創(chuàng)造力具有負(fù)向影響。

（二）信息加工模式的中介作用

雙系統(tǒng)理論認(rèn)為，個(gè)體在信息處理過(guò)程中依賴兩種不同的認(rèn)知系統(tǒng)：系統(tǒng)1和系統(tǒng)2。系統(tǒng)1是一種直覺(jué)性、快速且自動(dòng)化的信息處理模式，不需要耗費(fèi)大量的認(rèn)知資源。相比之下，系統(tǒng)2依賴?yán)硇苑治雠c深思熟慮的思考，處理速度較慢，需要更多的認(rèn)知資源支持[15-18]?；诖?，本研究將研究生在使用生成式AI過(guò)程中的信息加工劃分為兩種模式：“默認(rèn)接受”和“深度加工”。默認(rèn)接受模式依賴系統(tǒng)1的信息加工方式。在這種模式下，研究生與生成式AI工具的互動(dòng)較少，傾向于直接接受AI生成的內(nèi)容，缺乏深入分析或批判性思考。相反，深度加工模式則依賴系統(tǒng)2的信息處理方式。在這一模式中，研究生與生成式AI工具之間的互動(dòng)更加深人，他們通過(guò)批判性思考將AI生成的內(nèi)容與自身的科研需求和知識(shí)體系有機(jī)結(jié)合。

這兩種不同的信息加工模式在使用動(dòng)機(jī)與科研創(chuàng)造力的關(guān)系中起到不同的中介作用。根據(jù)動(dòng)機(jī)性信息加工理論，個(gè)體的動(dòng)機(jī)類型會(huì)影響其信息加工的深度和方式[19]。外在動(dòng)機(jī)通常來(lái)源于外部獎(jiǎng)勵(lì)或要求。當(dāng)研究生因?yàn)閷W(xué)術(shù)成果要求或外部激勵(lì)而使用生成式AI工具時(shí)，他們通常更關(guān)注任務(wù)的高效完成，而非對(duì)生成內(nèi)容的質(zhì)量或創(chuàng)新價(jià)值進(jìn)行深入探究。因此，這種動(dòng)機(jī)驅(qū)使他們采用默認(rèn)接受模式，即快速接受AI生成的內(nèi)容，而不進(jìn)行深入分析和批判性思考，這種模式可能限制科研創(chuàng)造力的發(fā)展[20]。相對(duì)而言，內(nèi)在動(dòng)機(jī)源自研究生對(duì)科研的興趣和對(duì)知識(shí)探索的滿足感[3]，這類動(dòng)機(jī)促使他們?cè)敢馀c生成式AI工具深人互動(dòng)，對(duì)生成內(nèi)容進(jìn)行批判性思考和探索[21-22]，即采取深度加工模式。這種信息處理模式有助于激發(fā)復(fù)雜的創(chuàng)新思維過(guò)程，從而有效提升科研創(chuàng)造力?；诖?，本研究提出以下研究假設(shè)：

H3：在內(nèi)在動(dòng)機(jī)與科研創(chuàng)造力關(guān)系中，默認(rèn)接受起負(fù)向中介作用，深度加工起正向中介作用；

H4：在外在動(dòng)機(jī)與科研創(chuàng)造力關(guān)系中，默認(rèn)接受起正向中介作用，深度加工起負(fù)向中介作用。

三、研究設(shè)計(jì)

（一）問(wèn)卷編制

為確保測(cè)量工具的科學(xué)性與信效度，本研究分別圍繞科研創(chuàng)造力、生成式AI使用動(dòng)機(jī)與信息加工模式三個(gè)核心變量，構(gòu)建并檢驗(yàn)相應(yīng)測(cè)量量表。除科研創(chuàng)造力量表借鑒成熟量表外，生成式AI使用動(dòng)機(jī)與信息加工模式量表均為本研究自主開(kāi)發(fā)，量表開(kāi)發(fā)過(guò)程包括題項(xiàng)設(shè)計(jì)、預(yù)試檢驗(yàn)等關(guān)鍵步驟。所有題項(xiàng)均采用7點(diǎn)李克特量表進(jìn)行評(píng)分（ 1= “完全不同意”， 7= “完全同意\"）。為保證測(cè)量一致性與可比性，在數(shù)據(jù)分析前，本研究對(duì)每一變量所屬題項(xiàng)的得分進(jìn)行平均處理，形成變量的綜合得分。

1.科研創(chuàng)造力。本研究所指的科研創(chuàng)造力是指在科學(xué)研究過(guò)程中產(chǎn)生的新穎、原創(chuàng)、出乎意料且有用的知識(shí)與想法[3]。參考蒙藝等的相關(guān)量表[23-25]，本研究采用主觀感知方式對(duì)研究生的創(chuàng)造力進(jìn)行測(cè)量，包括“提出新穎的、有意義的研究問(wèn)題”“從新的視角解讀研究問(wèn)題\"等六個(gè)題項(xiàng)。信度檢驗(yàn)結(jié)果顯示，該量表具有良好的內(nèi)部一致性，Cronbach's α 系數(shù)為0.905。

2.生成式AI使用動(dòng)機(jī)。生成式AI使用動(dòng)機(jī)包括內(nèi)在動(dòng)機(jī)與外在動(dòng)機(jī)兩個(gè)維度。首先，本研究基于文獻(xiàn)梳理與質(zhì)性分析構(gòu)建初始量表。內(nèi)在動(dòng)機(jī)包括“我使用生成式AI是為了滿足我對(duì)科研問(wèn)題的興趣和好奇心”等六個(gè)題項(xiàng)；外在動(dòng)機(jī)包括“我使用生成式AI是為了盡快達(dá)到學(xué)校對(duì)科研的要求，從而能夠完成學(xué)位”等五個(gè)題項(xiàng)。隨后，本研究開(kāi)展預(yù)試以檢驗(yàn)量表的信效度。項(xiàng)目分析中，極端組 檢驗(yàn)結(jié)果顯示所有題項(xiàng)的 值均達(dá)到顯著水平 （Plt;0.001） ；題項(xiàng)-總分相關(guān)分析表明，皮爾遜（Pearson）相關(guān)系數(shù)介于0.385到0.802（ Plt;0.001 ），表明題項(xiàng)具有良好區(qū)分度。結(jié)構(gòu)效度方面，刪除因子載荷低于0.5的題項(xiàng)后，探索性因子分析提取出兩個(gè)符合預(yù)期的因子，累計(jì)方差貢獻(xiàn)率為 63.443% 。信度檢驗(yàn)結(jié)果表明，內(nèi)在動(dòng)機(jī)與外在動(dòng)機(jī)的Cronbach's α 系數(shù)分別為0.855和0.864，均高于0.8，可見(jiàn)量表具有較高的內(nèi)部一致性。

3.信息加工模式。信息加工模式包括默認(rèn)接受與深度加工兩個(gè)維度。本研究采用理論推演與專家訪談相結(jié)合的方法開(kāi)發(fā)初始量表，每個(gè)維度各包含五個(gè)題項(xiàng)。默認(rèn)接受題項(xiàng)如“當(dāng)使用生成式AI時(shí)，我一般會(huì)直接采用，而不進(jìn)行額外的思考”；深度加工題項(xiàng)如“我會(huì)仔細(xì)檢查并對(duì)其進(jìn)行深度分析，以確保其準(zhǔn)確性和可靠性”。隨后，本研究通過(guò)預(yù)試來(lái)檢驗(yàn)量表的信效度。項(xiàng)目分析結(jié)果顯示，所有題項(xiàng)的極端組 檢驗(yàn)均顯著 （Plt;0.001） ；題項(xiàng)與總分的相關(guān)系數(shù)均達(dá)到顯著水平（介于0.402到0.912）。探索性因子分析中，刪除一個(gè)因子載荷低于0.5的題項(xiàng)后，本研究提取出兩個(gè)結(jié)構(gòu)清晰的因子，累計(jì)方差貢獻(xiàn)率為 73.345% 。信度分析顯示，默認(rèn)接受與信息加工兩個(gè)維度的Cronbach's α 系數(shù)分別為0.852和0.827，均達(dá)到較高的內(nèi)部一致性水平

（二）數(shù)據(jù)來(lái)源

本研究的調(diào)研對(duì)象是科研中使用生成式AI工具的高校在讀研究生。調(diào)研通過(guò)騰訊問(wèn)卷平臺(tái)制作電子問(wèn)卷，由各高校研究生院負(fù)責(zé)人將問(wèn)卷鏈接精準(zhǔn)推送至調(diào)研對(duì)象。在問(wèn)卷發(fā)放過(guò)程中，課題組盡量綜合考慮學(xué)校的級(jí)別和專業(yè)門(mén)類。為防止一人多填的情況，制作問(wèn)卷時(shí)，課題組設(shè)置了“一個(gè)微信賬號(hào)只能作答一次\"的限制。最終課題組共收集到1550份問(wèn)卷。根據(jù)答題時(shí)間、連續(xù)兩個(gè)變量選擇相同答案等標(biāo)準(zhǔn)，課題組剔除無(wú)效問(wèn)卷251份，同時(shí)根據(jù)使用經(jīng)歷剔除未使用生成式AI工具的樣本379份，最終保留920份有效問(wèn)卷用于正式數(shù)據(jù)分析。樣本平均年齡為24.3歲，基本信息如表1所示。

（三）數(shù)據(jù)分析方法

本研究采用SPSS24.0統(tǒng)計(jì)軟件進(jìn)行數(shù)據(jù)分析。首先，課題組通過(guò)項(xiàng)目分析、探索性因素分析以及內(nèi)部一致性檢驗(yàn)來(lái)評(píng)估量表的信度與效度。其次，研究生在科研中使用生成式AI的基本特征與使用情況通過(guò)開(kāi)展描述性統(tǒng)計(jì)分析來(lái)呈現(xiàn)。再次，課題組通過(guò)Pearson相關(guān)分析檢驗(yàn)了研究變量之間的相關(guān)關(guān)系，為后續(xù)的假設(shè)檢驗(yàn)提供了基礎(chǔ)。在此基礎(chǔ)上，本研究采用多元線性回歸分析方法，檢驗(yàn)生成式AI使用動(dòng)機(jī)（內(nèi)在動(dòng)機(jī)、外在動(dòng)機(jī)）對(duì)科研創(chuàng)造力的直接影響；借助Process插件，采用Bootstrap方法，檢驗(yàn)?zāi)J(rèn)接受與深度加工在使用動(dòng)機(jī)與科研創(chuàng)造力之間的中介作用路徑及其顯著性。在直接影響和中介作用檢驗(yàn)過(guò)程中，為提高模型穩(wěn)健性并減少混雜因素的影響，本研究參考馬銀琦等的研究[10-11]，將性別、年齡、學(xué)校層次、學(xué)習(xí)階段、專業(yè)類別和科研時(shí)長(zhǎng)作為控制變量納入模型。這些變量與個(gè)體的科研經(jīng)驗(yàn)、資源獲取及學(xué)術(shù)發(fā)展階段密切相關(guān)，可能會(huì)影響科研創(chuàng)造力，因此需納入控制。此外，考慮到AI使用習(xí)慣可能影響信息加工模式及科研創(chuàng)造力[10]，本研究將使用頻率作為控制變量，以反映研究生對(duì)AI的依賴程度及熟練程度。

四、實(shí)證分析

（一）研究生生成式AI使用情況

為深人了解研究生在科研中的生成式AI使用情況，本研究對(duì)使用頻率、使用時(shí)長(zhǎng)及使用情境進(jìn)行了描述性分析（見(jiàn)表2）。使用頻率方面，偶爾使用 （37.1%） 和經(jīng)常使用 （29.2%） 的比例最高，表明AI已逐步應(yīng)用到科研活動(dòng)中。然而，仍有 21.3% 的研究生很少使用，僅 12.4% 的研究生頻繁使用，說(shuō)明AI在科研中的使用尚未普及。從使用時(shí)長(zhǎng)來(lái)看， 63.8% 的研究生已連續(xù)使用3個(gè)月以上，表明AI在科研中的應(yīng)用具有一定的持續(xù)性。然而， 13.4% 的研究生使用不足1個(gè)月，說(shuō)明部分研究生仍處于試用階段，尚未形成穩(wěn)定的使用習(xí)慣。在使用情境方面，研究生主要將生成式AI用于語(yǔ)言潤(rùn)色 （68.6% ）、寫(xiě)作輔助 （49.3%） 和文獻(xiàn)綜述 （45.4%） 方面，在研究問(wèn)題的提出（ 38.0% ）及數(shù)據(jù)分析與解讀32.5% ）方面使用較少。這說(shuō)明研究生在科研過(guò)程中對(duì)AI的應(yīng)用主要集中在文本處理環(huán)節(jié)，在科研高階認(rèn)知任務(wù)中的應(yīng)用有限。

（二）描述性統(tǒng)計(jì)和相關(guān)性分析

表3展示了研究變量的均值、標(biāo)準(zhǔn)差及變量間的相關(guān)性。首先，從變量的均值來(lái)看，內(nèi)在動(dòng)機(jī) （M=5.000） 高于外在動(dòng)機(jī) （M=3.931） ，表明研究生在科研過(guò)程中更傾向于依靠?jī)?nèi)在激勵(lì)，而非外部獎(jiǎng)勵(lì)或壓力。與此同時(shí)，深度加工（ M= 5.762）顯著高于默認(rèn)接受（ M=2.663） ，說(shuō)明研究生在使用生成式AI輔助科研工作時(shí)，更傾向于與AI進(jìn)行深度互動(dòng)和信息整合，而非直接接受AI生成的內(nèi)容。此外，科研創(chuàng)造力的均值為5.147，處于較高水平，表明在生成式AI介入情境下，研究生整體具備一定的科研創(chuàng)新能力。

其次，從變量之間的相關(guān)性來(lái)看，內(nèi)在動(dòng)機(jī)與科研創(chuàng)造力顯著正相關(guān) （r=0.413） ，外在動(dòng)機(jī)與科研創(chuàng)造力也具有一定的相關(guān)性（ ；深度加工與科研創(chuàng)造力呈正相關(guān) ，默認(rèn)接受與科研創(chuàng)造力的相關(guān)性不顯著（ 0.012，Pgt;0.05） ；深度加工與默認(rèn)接受呈顯著負(fù)相關(guān) （r=-0.481） 。這為本研究的進(jìn)一步檢驗(yàn)提供了前提。

（三）生成式AI使用動(dòng)機(jī)對(duì)科研創(chuàng)造力的主效應(yīng)檢驗(yàn)

本研究采用多元線性回歸分析檢驗(yàn)生成式AI使用動(dòng)機(jī)（內(nèi)在動(dòng)機(jī)、外在動(dòng)機(jī)）對(duì)科研創(chuàng)造力的直接影響。數(shù)據(jù)分析使用SPSS24.0統(tǒng)計(jì)軟件，構(gòu)建兩個(gè)多元回歸模型。具體而言，模型1涉及控制變量對(duì)科研創(chuàng)造力的影響，模型2探討使用動(dòng)機(jī)對(duì)科研創(chuàng)造力的影響。由于所有數(shù)據(jù)均來(lái)源于同一被試群體，并在同一時(shí)間點(diǎn)收集，本研究進(jìn)行了多重共線性檢驗(yàn)，以確保共線性問(wèn)題不會(huì)影響回歸結(jié)果的穩(wěn)定性。分析結(jié)果表明，各變量的方差膨脹因子（VIF）介于1.049至2.204，均低于喬·F·海爾（JoeF.Hair）等提出的5.0 閾值[26]，表明本研究的回歸模型不存在嚴(yán)重的多重共線性問(wèn)題。假設(shè)檢驗(yàn)結(jié)果詳見(jiàn)表4。

注：性別以男生為參照，學(xué)校級(jí)別以非“雙一流”為參照，學(xué)習(xí)階段以碩士研究生為參照，學(xué)科門(mén)類以人文社科類為參照，科研時(shí)長(zhǎng)以不到1年為參照，使用頻率以很少使用為參照；括號(hào)內(nèi)為標(biāo)準(zhǔn)值；下同。

假設(shè)H1和假設(shè)H2考察了研究生在從事科研工作中使用生成式AI的內(nèi)在動(dòng)機(jī)和外在動(dòng)機(jī)對(duì)科研創(chuàng)造力產(chǎn)生的影響。分析結(jié)果顯示，內(nèi)在動(dòng)機(jī)對(duì)科研創(chuàng)造力具有顯著的正向影響（β=0.396，Plt;0.001） ，假設(shè)H1得到了支持。外在動(dòng)機(jī)對(duì)科研創(chuàng)造力也具有顯著的正向影響（β=0.066，Plt;0.01） ，這一結(jié)果與本研究假設(shè)預(yù)期的負(fù)向影響不一致，假設(shè)H2未能得到支持。

（四）信息加工模式的中介作用檢驗(yàn)

本研究借助 Process 插件，通過(guò) Bootstrap方法，檢驗(yàn)信息加工模式（默認(rèn)接受、信息加工）的中介作用。表5和表6顯示，內(nèi)在動(dòng)機(jī)對(duì)科研創(chuàng)造力具有顯著正向影響（ β=0.412 ， Plt; 0.001）。在控制默認(rèn)接受與深度加工兩個(gè)中介變量后，內(nèi)在動(dòng)機(jī)對(duì)科研創(chuàng)造力的直接效應(yīng)仍然顯著 （β=0.389，Plt;0.001） 。進(jìn)一步來(lái)看，內(nèi)在動(dòng)機(jī)對(duì)默認(rèn)接受的負(fù)向影響顯著 （β=-0.128 ， ，對(duì)深度加工的正向影響也顯著（ ？β= 0.354，Plt;0.001） 。然而，默認(rèn)接受對(duì)科研創(chuàng)造力的預(yù)測(cè)不顯著 （β=0.040，Pgt;0.05） ，其間接效應(yīng)同樣不顯著 ，表明默認(rèn)接受不在其中發(fā)揮中介作用。此外，雖然深度加工對(duì)科研創(chuàng)造力的正向影響顯著（ β= 0.081，Plt;0.05） ，但其間接效應(yīng)的置信區(qū)間同樣包含 ，表明深度加工也不在其中發(fā)揮中介作用。因此，假設(shè)H3并未得到支持。

外在動(dòng)機(jī)與科研創(chuàng)造力關(guān)系中，信息加工模式的中介作用檢驗(yàn)結(jié)果如表6和表7所示，外在動(dòng)機(jī)顯著正向影響科研創(chuàng)造力 （β=0.126，Plt; 0.001）。在控制默認(rèn)接受與深度加工兩個(gè)中介變量之后，外在動(dòng)機(jī)對(duì)科研創(chuàng)造力的直接效應(yīng)仍然顯著 ？β=0.134，Plt;0.001） 。在中介路徑方面，外在動(dòng)機(jī)對(duì)默認(rèn)接受的正向預(yù)測(cè)顯著（ β= 0.251，Plt;0.001） ，而默認(rèn)接受對(duì)科研創(chuàng)造力的預(yù)測(cè)并不顯著 （β=0.016，Pgt;0.05） ，其間接效應(yīng)也沒(méi)有達(dá)到顯著水平 0.0270），表明默認(rèn)接受不發(fā)揮中介作用。相較而言，外在動(dòng)機(jī)對(duì)深度加工的負(fù)向預(yù)測(cè)顯著（β=-0.059，Plt;0.01） ，深度加工對(duì)科研創(chuàng)造力的正向預(yù)測(cè)顯著 （β=0.213，Plt;0.001） ，且該路徑的間接效應(yīng)也在統(tǒng)計(jì)上顯著（ L L C I= ，表明深度加工在外在動(dòng)機(jī)與科研創(chuàng)造力的關(guān)系中起到了顯著的負(fù)向中介作用。因此，假設(shè)H4得到部分支持。

五、研究結(jié)論與建議

（一）研究結(jié)論

在數(shù)字化浪潮中，生成式AI工具正逐步應(yīng)用于科學(xué)研究的各個(gè)環(huán)節(jié)，其對(duì)研究生科研創(chuàng)造力所產(chǎn)生的影響也日益成為學(xué)術(shù)界關(guān)注的焦點(diǎn)。本研究基于自我決定理論和雙系統(tǒng)理論，通過(guò)實(shí)證研究方法，探討了生成式AI的使用動(dòng)機(jī)（內(nèi)在動(dòng)機(jī)、外在動(dòng)機(jī)）對(duì)研究生科研創(chuàng)造力的影響，以及該關(guān)系中信息加工模式（默認(rèn)接受、深度加工）的中介作用。研究結(jié)論主要體現(xiàn)在以下兩個(gè)方面。

第一，內(nèi)在動(dòng)機(jī)、外在動(dòng)機(jī)均能提升科研創(chuàng)造力。研究結(jié)果顯示，當(dāng)研究生基于內(nèi)在動(dòng)機(jī)使用生成式AI時(shí)，其科研創(chuàng)造力顯著提升。這說(shuō)明，研究生對(duì)科研工作的熱愛(ài)和對(duì)AI技術(shù)的探索欲望是激發(fā)科研創(chuàng)造力的重要驅(qū)動(dòng)力。這一發(fā)現(xiàn)與古繼寶等[3][21]的研究結(jié)論一致，支持了內(nèi)在動(dòng)機(jī)與科研創(chuàng)造力之間的正向關(guān)系。此外，研究還發(fā)現(xiàn)，外在動(dòng)機(jī)同樣對(duì)科研創(chuàng)造力具有一定的正向影響。這種現(xiàn)象或許源于外在動(dòng)機(jī)的內(nèi)部化效應(yīng)，即當(dāng)外部要求、獎(jiǎng)勵(lì)與個(gè)體自身秉持的價(jià)值觀、設(shè)定的目標(biāo)相契合時(shí)，外在動(dòng)機(jī)便能如同內(nèi)在動(dòng)機(jī)一般，對(duì)積極行為的表現(xiàn)起到推動(dòng)作用[13][27]?？蒲泄ぷ鲗?duì)創(chuàng)新性具有內(nèi)在的、極高的要求。因此即便研究生受學(xué)術(shù)考核要求或獎(jiǎng)勵(lì)機(jī)制等外部因素驅(qū)動(dòng)，在研究過(guò)程中使用了生成式AI工具，也依然需要在學(xué)術(shù)成果中展現(xiàn)獨(dú)有的創(chuàng)新性。生成式AI工具能夠幫助研究生更高效地獲取信息、激發(fā)新見(jiàn)解，使其在完成任務(wù)的過(guò)程中逐漸對(duì)科研產(chǎn)生更濃厚的興趣。這種內(nèi)化動(dòng)機(jī)增強(qiáng)了外在激勵(lì)對(duì)科研創(chuàng)造力的正向效應(yīng)，為外在動(dòng)機(jī)在科研創(chuàng)造力方面呈現(xiàn)積極影響的結(jié)果提供了解釋。

第二，信息加工模式在內(nèi)外動(dòng)機(jī)影響科研創(chuàng)造力的路徑中呈現(xiàn)顯著差異。信息加工模式在內(nèi)在動(dòng)機(jī)與科研創(chuàng)造力之間的關(guān)系中主要產(chǎn)生直接影響，其通過(guò)默認(rèn)接受與深度加工的間接路徑影響并不顯著。這表明，雖然內(nèi)在動(dòng)機(jī)能顯著增強(qiáng)深度加工傾向，但在統(tǒng)計(jì)視角下，這一過(guò)程并未轉(zhuǎn)化為提升科研創(chuàng)造力的有效機(jī)制。這說(shuō)明內(nèi)在動(dòng)機(jī)對(duì)科研創(chuàng)造力的作用更直接穩(wěn)定，而非依賴特定的信息加工過(guò)程。相比之下，外在動(dòng)機(jī)的中介路徑展現(xiàn)出更為復(fù)雜的結(jié)構(gòu)性特征。其顯著正向預(yù)測(cè)科研創(chuàng)造力，驗(yàn)證了其激勵(lì)效能。此外，外在動(dòng)機(jī)對(duì)深度加工具有顯著的負(fù)向預(yù)測(cè)作用，而深度加工對(duì)科研創(chuàng)造力的正向影響顯著，構(gòu)成一條顯著的負(fù)向中介路徑。這表明，外在動(dòng)機(jī)在一定程度上會(huì)抑制深度加工，從而間接削弱其對(duì)科研創(chuàng)造力的積極影響?？梢?jiàn)外在動(dòng)機(jī)帶來(lái)的效率導(dǎo)向可能會(huì)阻礙研究生對(duì)信息進(jìn)行深度整合與再創(chuàng)造，進(jìn)而形成“促進(jìn)-抑制”的雙重機(jī)制。

（二）研究建議

1.激發(fā)內(nèi)在動(dòng)機(jī)，增強(qiáng)研究生對(duì)科研的熱愛(ài)與對(duì)人工智能技術(shù)的探索欲望。研究結(jié)果表明，研究生對(duì)科研工作的熱愛(ài)、對(duì)新技術(shù)的探索興趣等內(nèi)在動(dòng)機(jī)能夠促進(jìn)研究生科研創(chuàng)造力的提升。首先，高校和導(dǎo)師應(yīng)注重培養(yǎng)研究生對(duì)科研的熱情，激發(fā)他們主動(dòng)探索新技術(shù)的應(yīng)用潛力，將科研任務(wù)與學(xué)生的個(gè)人興趣相結(jié)合，提升其內(nèi)在動(dòng)機(jī)。例如在課題選擇上，導(dǎo)師應(yīng)給予研究生適當(dāng)?shù)淖灾鳈?quán)，支持他們?cè)诟信d趣的領(lǐng)域開(kāi)展探索性研究；通過(guò)及時(shí)反饋和積極鼓勵(lì)，幫助研究生在科研過(guò)程中體驗(yàn)樂(lè)趣并建立成就感，使其更主動(dòng)地投入創(chuàng)新活動(dòng)。其次，高校應(yīng)為研究生提供便捷的人工智能工具使用環(huán)境，將生成式AI等前沿技術(shù)的應(yīng)用融入教學(xué)和科研環(huán)節(jié)，比如開(kāi)設(shè)生成式AI相關(guān)的專題培訓(xùn)課程，幫助研究生系統(tǒng)學(xué)習(xí)基本操作和應(yīng)用方法。最后，高校還應(yīng)建立專屬技術(shù)實(shí)驗(yàn)室，配備先進(jìn)的硬件設(shè)施和軟件資源，鼓勵(lì)研究生在實(shí)際科研項(xiàng)目中靈活運(yùn)用這些工具，以提高他們的創(chuàng)新能力。

2.合理引導(dǎo)外在動(dòng)機(jī)，促進(jìn)其轉(zhuǎn)化為內(nèi)在動(dòng)機(jī)。研究結(jié)果顯示，滿足高校的學(xué)術(shù)要求、獲得科研獎(jiǎng)勵(lì)、贏得他人認(rèn)可等外在動(dòng)機(jī)也在一定程度上提升了研究生的科研創(chuàng)造力。因此，高校和導(dǎo)師應(yīng)通過(guò)合理引導(dǎo)，將外在動(dòng)機(jī)轉(zhuǎn)化為內(nèi)在驅(qū)動(dòng)力，更有效地激發(fā)研究生的創(chuàng)造潛力。首先，高校應(yīng)制定多層次、多樣化的激勵(lì)政策，如設(shè)立科研獎(jiǎng)學(xué)金或創(chuàng)新項(xiàng)目資助計(jì)劃。這些激勵(lì)措施應(yīng)明確與研究生的努力和成果掛鉤，既能體現(xiàn)公平性，又能激發(fā)研究生對(duì)科研的投入熱情。其次，導(dǎo)師在激勵(lì)研究生完成科研任務(wù)時(shí)，應(yīng)引導(dǎo)學(xué)生洞察任務(wù)背后的學(xué)術(shù)價(jià)值和社會(huì)意義，促使他們從被動(dòng)執(zhí)行任務(wù)轉(zhuǎn)變?yōu)橹鲃?dòng)認(rèn)同學(xué)術(shù)追求，從而激發(fā)研究生對(duì)學(xué)術(shù)任務(wù)的內(nèi)在興趣，強(qiáng)化其責(zé)任感。再次，高校應(yīng)營(yíng)造開(kāi)放、合作、支持的學(xué)術(shù)環(huán)境，通過(guò)學(xué)術(shù)沙龍、科研分享會(huì)和團(tuán)隊(duì)合作項(xiàng)目等形式，增強(qiáng)研究生對(duì)科研工作的歸屬感和認(rèn)同感。例如在研究團(tuán)隊(duì)中，導(dǎo)師可以鼓勵(lì)研究生共同解決難題，通過(guò)協(xié)作和交流讓研究生感受到學(xué)術(shù)認(rèn)同和團(tuán)隊(duì)支持，將外在動(dòng)機(jī)內(nèi)化為內(nèi)在驅(qū)動(dòng)力。

3.促進(jìn)深度加工模式，提升生成式AI的使用效能。研究結(jié)果顯示，生成式AI的深度加工模式能夠顯著提升研究生的科研創(chuàng)造力。因此，高校和導(dǎo)師應(yīng)通過(guò)多種途徑引導(dǎo)研究生在科研中與生成式AI進(jìn)行深度互動(dòng)，幫助他們最大限度地發(fā)揮AI工具的潛力。首先，深度加工模式的重要價(jià)值在于對(duì)AI生成內(nèi)容進(jìn)行批判性分析和深度思考，高?？梢蚤_(kāi)設(shè)專題課程或工作坊，教授學(xué)生如何判斷生成式AI輸出的可靠性、邏輯性和創(chuàng)新性，如通過(guò)案例分析或模擬實(shí)驗(yàn)，幫助研究生學(xué)會(huì)甄別AI生成的高質(zhì)量?jī)?nèi)容與錯(cuò)誤信息，從而提高信息加工的深度。其次，高校和導(dǎo)師可以設(shè)計(jì)以問(wèn)題解決為導(dǎo)向的科研任務(wù)，要求研究生將生成式AI工具的使用與科研問(wèn)題相結(jié)合，如可以讓研究生在撰寫(xiě)文獻(xiàn)綜述或設(shè)計(jì)實(shí)驗(yàn)時(shí)充分利用AI的生成能力，同時(shí)對(duì)輸出結(jié)果進(jìn)行篩選、整合和創(chuàng)新性解讀。這種任務(wù)驅(qū)動(dòng)型的實(shí)踐能引導(dǎo)研究生主動(dòng)與AI工具互動(dòng)，提升其深度加工能力。

4.防止過(guò)多使用默認(rèn)接受模式，避免過(guò)度依賴生成式AI。研究結(jié)果顯示，生成式AI的默認(rèn)接受模式存在抑制研究生科研創(chuàng)造力的風(fēng)險(xiǎn)。因此，高校和導(dǎo)師應(yīng)采取多種措施，防止研究生過(guò)度依賴生成式AI，引導(dǎo)其避免淺層次的信息加工行為。首先，高校應(yīng)通過(guò)開(kāi)設(shè)學(xué)術(shù)誠(chéng)信課程或舉辦專題講座，強(qiáng)調(diào)科研獨(dú)立性和批判性思維的重要性。導(dǎo)師應(yīng)教導(dǎo)研究生在運(yùn)用生成式AI工具的過(guò)程中保持審慎態(tài)度，切不可不假思索地全盤(pán)接納AI生成的內(nèi)容。特別是在關(guān)鍵科研結(jié)論的推導(dǎo)和論證環(huán)節(jié)，研究生必須獨(dú)立完成，以此規(guī)避因過(guò)度依賴AI致使學(xué)術(shù)能力弱化的風(fēng)險(xiǎn)。其次，在科研初期設(shè)計(jì)問(wèn)題或撰寫(xiě)核心章節(jié)時(shí)，導(dǎo)師可以明確要求研究生獨(dú)立完成。這種限制性指導(dǎo)能夠幫助研究生在關(guān)鍵科研環(huán)節(jié)保持原創(chuàng)性和創(chuàng)新性，培養(yǎng)他們解決復(fù)雜問(wèn)題的能力。再次，高?？梢灾贫ㄓ嘘P(guān)生成式AI工具使用的政策或準(zhǔn)則，明確其合理使用的邊界，如要求研究生對(duì)AI生成的內(nèi)容承擔(dān)核查和驗(yàn)證責(zé)任，避免未經(jīng)篩選的信息直接應(yīng)用于科研成果中；在評(píng)價(jià)研究生科研成果時(shí)，應(yīng)著重明確AI工具僅起到輔助作用，切實(shí)突顯學(xué)生個(gè)人在學(xué)術(shù)層面的實(shí)際貢獻(xiàn)。

六、研究局限與展望

本研究雖然取得了一些有意義的結(jié)論，但仍存在一定的局限性，未來(lái)研究需對(duì)此進(jìn)一步完善。一是采用了自我報(bào)告式問(wèn)卷調(diào)查收集數(shù)據(jù)，所有數(shù)據(jù)均由研究生自主填寫(xiě)，這可能導(dǎo)致共同方法偏差，從而影響研究結(jié)果的客觀性和準(zhǔn)確性。未來(lái)研究可以通過(guò)多時(shí)間點(diǎn)、多來(lái)源的數(shù)據(jù)采集方法，例如結(jié)合導(dǎo)師評(píng)價(jià)、科研成果量化數(shù)據(jù)等，獲取更為多維的數(shù)據(jù)，以減少共同方法偏差的影響，從而提升研究結(jié)論的信度和效度。二是只考慮了信息加工模式在使用動(dòng)機(jī)與科研創(chuàng)造力之間的中介機(jī)制。除此以外，可能還存在其他未被發(fā)現(xiàn)的潛在中介機(jī)制，例如情緒狀態(tài)或認(rèn)知能力等，這些因素可能對(duì)使用動(dòng)機(jī)和科研創(chuàng)造力之間的關(guān)系產(chǎn)生影響。未來(lái)研究可以引入更多潛在變量，進(jìn)一步探討生成式AI在科研創(chuàng)造力提升中的復(fù)雜作用機(jī)制。三是未充分考慮科研任務(wù)情境的多樣性對(duì)生成式AI使用效能的影響?？蒲羞^(guò)程包含文獻(xiàn)搜索、數(shù)據(jù)分析、語(yǔ)言潤(rùn)色、問(wèn)題提出等多種任務(wù)情境，不同任務(wù)情境下的生成式AI使用方式和信息加工模式可能會(huì)顯著不同。例如文獻(xiàn)搜索可能更傾向于快速接受AI生成的內(nèi)容，而研究問(wèn)題的提出則可能需要更多深度加工。未來(lái)研究可以細(xì)化任務(wù)情境，探討在不同任務(wù)類型下生成式AI的使用路徑及其對(duì)科研創(chuàng)造力的影響差異。四是以中國(guó)研究生為研究樣本，具有一定的文化和地域局限性。不同國(guó)家和地區(qū)的教育環(huán)境、學(xué)術(shù)氛圍以及對(duì)生成式AI的接受程度可能存在顯著差異，未來(lái)研究可擴(kuò)展到其他文化背景下的樣本進(jìn)行跨文化比較研究，以增強(qiáng)研究結(jié)論的普適性和外部效度。

參考文獻(xiàn)

[1]姚添涵，余傳鵬.導(dǎo)師-同門(mén)支持、科研自我效能感與研究生科研創(chuàng)造力的關(guān)系研究[J].高教探索，2019（4）：46-53.YAO T H，YUCP. A study on the relationshipbetween supervisor-peer support，research self-efficacy，and research creativity of postgraduates[J].Higher education exploration，2Ol9（4） ：46 -53.（in Chinese）

[2]羅瑾璉，郭利敏，程墾.苛斂型導(dǎo)師對(duì)科研創(chuàng)造力的影響：情感事件理論視角[J].科技進(jìn)步與對(duì)策，2021（12）：137-143.LUO J L，GUO L M，CHENG K. The impact ofexploitative leadership on scientific creativity：based on affective events theory[J]. Science amp;.technology progress and policy， 2021（12）：137 -143.（in Chinese）

[3」古繼寶，王茜，吳劍琳.導(dǎo)師指導(dǎo)模式對(duì)研究生創(chuàng)造力的影響研究——基于內(nèi)部-外部動(dòng)機(jī)理論的分析[J].中國(guó)高教研究，2013（1）：45－50.GU JB，WANG X，WU JL. The influence ofsupervisorypattern ongraduatestudents'creativity：a perspective from internal-externalmotivation theory[J]. China higher educationresearch，2013（1）：45-50.（in Chinese）

[4] SHANG Y，XU J，LIU H. Supervisor deve-lopmental fedback and postgraduate studentcreativity：a relationship quality perspective[J].Higher education，2024（87） ：381-399.

[5]THORP H H.ChatGPT is fun，but not anauthor[J]. Science，2023（6630） ：313.

[6]周文輝，趙金敏.ChatGPT對(duì)研究生創(chuàng)新能力培養(yǎng)的價(jià)值與挑戰(zhàn)[J].高校教育管理，2024（2）：42-52.ZHOU W H， ZHAO J M. ChatGPT's value andchallenge to the cultivation of graduate students'innovation ability[J]. Journal of higher educationmanagement，2024（2）：42-52.（in Chinese）

[7］劉蕾，張新亞.人工智能依賴對(duì)創(chuàng)造力的影響與未來(lái)教育發(fā)展路徑的省思[J].廣西師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2024（1）：83－91.LIU L，ZHANG X Y. The impact of artificialintelligence dependence on creativity and reflectionon the future development path of education[J].Journal of Guangxi Normal University （philosophyand social sciences edition），2024（1）：83-91.（inChinese）

［8］田堅(jiān)雕 肖知達(dá)牛成式∧I能研穴牛科它作的學(xué)術(shù)倫理與風(fēng)險(xiǎn)防控［J].現(xiàn)代教育技術(shù)，2024（8）：23-32. TIAN X P，XIAO Z Q. Academic ethics and risk management of graduate research writing empowered by generative AI[J]. Modern educational technology，2024（8）：23-32.（in Chinese）

[9] 李鋒亮，王志林.ChatGPT對(duì)研究生導(dǎo)學(xué)關(guān)系的 影響芻議[J].高校教育管理，2023（6）：1-11. LI FL，WANG Z L. A simple discussion on how ChatGPT affects supervisor-graduate student relationships[J]. Journal of higher education management，2023（6）：1-11.（inChinese）

[10] 馬銀琦，黃恒，毋磊，等.“技術(shù)賦能\"還是“工 具依賴”：生成式人工智能對(duì)研究生科研創(chuàng)新力 的影響研究［J].電化教育研究，2024（12）：58- 66. MA Y Q，HUANG H，WU L，et al. \"Technology empowerment\" or \"tool dependency\"：a study on the impact of generative artificial intelligence on graduate students' research and innovation ability [J].E-education research，2024（12）：58-66.（in Chinese）

[11]戚佳，徐艷茹，劉繼安，等.生成式人工智能工具 使用對(duì)高校學(xué)生批判性思維與自主學(xué)習(xí)能力的 影響[J].電化教育研究，2024（12）：67-74. QIJ，XUYR，LIUJA，etal.The impact of generative artificial intelligence tools on college students'critical thinkingand autonomous learning ability[J].E-education research，2024 （12）：67-74.（in Chinese）

[12] 王思遙，黃亞婷.促進(jìn)或抑制：生成式人工智能對(duì) 大學(xué)生創(chuàng)造力的影響[J].中國(guó)高教研究，2024 （11）：29-36. WANG S Y，HUANG Y T. Promote or inhibit ： the impact of generative artificial intelligence on the creativity of college students[J].China higher education research，2024（11） ：29-36.（in Chinese）

[13] RYAN R M，DECI E L. Intrinsic and extrinsic motivations： classic definitions and new directions [J].Contemporary educational psychology，2000， 25：54-67.

[14]AMABILE T M，HILL K G，HENNESSEY B A， et al. The work preference inventory：assessing intrinsic and extrinsic motivational orientations[J]. Journal of personality and social psychol0gy，1994（5）：950-967.

[15]EVANS J S B T. Dual-processing accounts of reasoning， judgment， and social cognition[J]. Annual review of psychology，2008，59： 255 - 278.

[16]GU J，HE C，LIU H. Supervisory styles and graduate student creativity： the mediating roles of creative self-efficacy and intrinsic motivation [J].Studies in higher education，2015（4）：1 - 22.

[17]EVANS J S B T， STANOVICH K E. Dualprocess theories of higher cognition： advancing the debate [J]. Perspectives on psychological science，2013（3）：223-241.

[18]FENG T， JIANG Y，XU D. The dual-process between green supplier collaboration and firm performance： a behavioral perspective[J]. Journal of cleaner production，2020，260：1 -16.

[19] DE DREU C K W，NIJSTAD B A，VAN KNIPPENBERG D. Motivatedinformation processing in group judgment and decision making[J]. Personality and social psychology review，2008（1）：22 -49.

[20]BARR N，PENNYCOOK G， STOLZ J A，et al. Reasoned connections： a dual-process perspective on creative thought[J]. Thinking amp;. reasoning， 2014（1） ：1 -15.

[21] WANG H， WANG L， ZHU J. Moderated mediation model of the impact of autonomous motivation on postgraduate students' creativity [J].Thinking skils and creativity， 2022，43：1 - 11.

[22]SU W， ZHANG Y，YIN Y，et al. The influence of teacher-student relationship on innovative behavior of graduate student： the role of proactive personality and creative self-efficacy[J]. Thinking skills and creativity， 2024，52：1-12.

[23]蒙藝，羅長(zhǎng)坤.學(xué)術(shù)導(dǎo)師領(lǐng)導(dǎo)力與研究生創(chuàng)造 力：直線相關(guān)還是曲線相關(guān)？［J].復(fù)旦教育論壇， 2015（3）：27 - 33. MENG Y，LUO C K. The relationship between academic supervisor leadership and creativity of postgraduates： linear or curvilinear？ [J]. Fudan education forum，2015（3）：27-33. （in Chinese）

[24] 蘇文成，郭浩然，盧章平，等.我國(guó)高校學(xué)生群體人 工智能素養(yǎng)評(píng)價(jià)指標(biāo)體系構(gòu)建及實(shí)效性驗(yàn)證[J/ OL].圖書(shū)館建設(shè)，1－25（2024－06－25）[2024-11 - 21].http：//kns.cnki. net/kcms/detail/23.1331.G2.20240624.1801.004.html. SU W C，GUO H R，LU Z P， et al. Construction of artificial intelligence literacy evaluation index system and validation of its effectiveness in China' s college and university student population[J/OL]. Library development，1-25（2024－06－25）[2024－11－21].http：// kns.cnki.net/kcms/detail/23.1331.G2.20240624.1801.004.html. （in Chinese）

[25] ZHOUJ，GEORGEJM.When job dissatisfaction leads to creativity：encouraging the expression of voice[J]. Academy of management journal，2001（4）：682-696.

[26] HAIRJF，RINGLECM，SARSTEDTM.PLSSEM：indeed a Silver Bullet[J].Journalof marketing theory and practice，201l（2）：139 -151.

[27] GRANT A M，BERRY J W.The necessityof others is the mother of invention：intrinsic and prosocial motivations， perspective taking，and creativity[J]. Academy of management journal，2011（1）：73-96.

（責(zé)任編輯 潘亞莉）

The influence of generative AI usage motivation on graduate students' research creativity ： the mediating role of information processing modes

WAN Youling ，KONG Lanlan ，LI Zhao ，CHEN Yuxin （1.School of Teacher Education，Jiangsu University； 2. School of Food and Biological Engineering，Jiangsu University； 3.School of Management，Jiangsu University，Zhenjiang 2l2ol3，China）

Abstract：Generative AI is widely used in scientific research，and its impact on the scientific research creativity of postgraduate students has also become a hot topic of concern in the academic circle.Based on self-determination theory and dual-process theory， this study explores how generative AI usage motivation （intrinsic motivation and extrinsic motivation） influence research creativity among graduate students. It further examines the mediating role of information processing in the relationship between usage motivation and creativity. Empirical results show that intrinsic motivation significantly enhances research creativity，while extrinsic motivation also demonstrates a certain degree of positive effect. Regarding the mediating effect， neither default acceptance nor deep processing plays a significant mediating role in the relationship between intrinsic motivation and research creativity. However，in the relationship between extrinsic motivation and research creativity，while the mediating role of default acceptance is not significant， deep processing serves as a significant negative mediator. Universities and tutors should focus on cultivating graduate students' ability to apply generative AI tools；Reasonably guide extrinsic motivation to transform into intrinsic motivation； Promote deep processing mode and improve the use efficiency of generative AI； Avoid default acceptance patterns and over-reliance on generative AI.

Key words： graduate students； generative AI； usage motivation； information processing modes； research creativity；mediating role