人機共創與創意自我效能

2. 研究問題

作者真正要回答的不是「AI 能不能寫詩」，而是：當人與生成式 AI 共同創作時，人被安排成編修者，或被安排成共創者，是否會產生不同的創意結果？其心理機制是否為創意自我效能？ 此問題重要，因為許多工作流程把 AI 設計成先產出完整初稿、人類最後審核；這種看似有效率的安排，可能讓人只在既有內容上微調，而弱化主體感與探索。理論與實務缺口在於，既有 AI 創意研究常聚焦產出品質或工具能力，較少把「人被賦予什麼協作角色」當作可設計、可檢驗的因果變項。

3. 理論基礎

本文以創意自我效能為核心心理機制。創意自我效能指個體相信自己能有效完成創意工作的信念，作者援引 Tierney 與 Farmer 的研究脈絡，認為此信念會支持探索、冒險與投入，進而關聯創意表現。其次，論文結合角色理論與自主性觀點：若系統先給一篇完整預設文本，使用者容易把自己定位為「編修者」，其角色期待較偏分析、校正與收斂；若系統讓人先選主題、寫首句、再與 AI 輪流生成，則人較可能把自己定位為具有創作責任的「共創者」。作者亦以預設效果說明，完整 AI 初稿可能將注意力錨定在既有文字，限制發散探索。這些理論在文中共同說明：介面並非中性容器，而是會塑造角色感、自我效能與創作行為的安排。

4. 研究架構

研究架構可寫為：AI 協作設計／人類角色（無 AI 獨作 vs. AI 先寫、人類編修 vs. 人先啟動、與 AI 逐句共創）→ 創意自我效能 → 創意表現。依變數包含參與者對自己詩作的創意自評，以及由專業詩人評定的客觀創意品質。研究一先建立基準：比較人類獨作、AI 先完成後供人自由編修、以及 AI 自動生成。研究二再將關鍵對照放在「編修者」與「共創者」：兩者皆使用同一詩句生成系統，但共創介面讓人選擇主題、先寫第一句，之後與 AI 交替寫作並可修改；作者進一步檢驗創意自我效能的中介。

5. 假設邏輯

研究一的推論是：即使給予使用者不少編修功能，若任務從 AI 的完整預設詩稿開始，人仍可能受預設內容與編修角色限制，因此自評與專家評定的創意都低於人類獨作。研究二的主要命題則是：相較於編修 AI 初稿，讓人主導主題與首句、再與 AI 交替生成，會提升創意自我效能，並使創作成果回到接近人類獨作的程度；創意自我效能應中介「共創者而非編修者」對專家創意評分的正向影響。作者沒有把「人機協作必然優於人類獨作」當成假設，反而預期好的共創設計能消除編修型協作的劣勢，這是本文較精確之處。

6. 方法

研究一從 Prolific 招募 101 人，扣除 6 位未通過注意力檢核者後，分析樣本為 96 人；人類獨作與人類－AI 編修條件各 48 人，另有 50 篇 AI 自動生成詩作作為基準。任務為完成 8 行、兩段式英文詩。人類－AI 條件先收到 AI 完整詩作，可直接編輯、替換候選行或重寫。研究二從 Prolific 招募 152 人，隨機分派至人類獨作（51 人）、編修型人類－AI（50 人）與共創型人類－AI（51 人）。共創型介面要求參與者先選主題詞並寫第一句，之後與 AI 輪流寫句。研究二以三題創意自我效能量表衡量中介變項（α = .92）。兩項研究皆由 10 位專業詩人以 CAT 對所有詩作盲評；統計上使用 t 檢定、單因子 ANOVA、事後比較，以及 PROCESS Model 4、10,000 次 bootstrap 的中介分析。資料與語法檔亦公開於 OSF，提升可檢核性。

7. 結果

研究一顯示，單純把 AI 產出的完整詩稿交給人類編修，並未增進創意。人類獨作組的創意自評高於編修型人類－AI 組（23.88 vs. 19.13，p = .016）；專家評分亦呈顯著差異，獨作（18.23）高於編修型協作（12.55），而編修型協作又高於 AI 全自動（9.45）。研究二中，共創型協作的創意自我效能（4.62）顯著高於編修型協作（3.74），且與人類獨作（4.71）無顯著差異。專家創意評分上，共創型（14.70）顯著高於編修型（12.53），並與人類獨作（15.74）無顯著差異。中介分析顯示，將人從編修者改為共創者，會透過更高的創意自我效能提升專家創意評分（間接效果 B = 0.78，95% CI [0.16, 1.68]）。結果的意義是：AI 的效果取決於協作編排；不是有 AI 就好，而是人是否仍握有創作起點與實質貢獻空間。

8. 理論貢獻

本文最重要的理論貢獻，是把人機創意協作從「工具是否能產生好內容」轉為「角色與介面如何配置人類能動性」。它將創意自我效能引入 GenAI 協作的因果機制，指出 AI 先寫、人後修的常見流程，可能透過角色限縮與預設錨定降低人的創作信念；反之，交替生成與人類先啟動可維持該信念與成果。第二，研究以專家盲評的創意品質佐證，而非只以主觀滿意度宣稱效果。第三，它為人本 AI／HCI 的主張提供一個可操作的設計原則：保留人類在目標設定、起始創作與迭代決策中的實質位置。它不是提出全新宏大理論，而是將自我效能、角色理論與創意評量整合到具體 GenAI 介面設計中，這正是其可用性。

9. 實務意涵

對廣告、設計、內容行銷、服務創新與創意教育而言，最直接的啟示是避免把 GenAI 導入成「先交一版完整答案，員工只負責潤飾」的交稿機器。較佳作法是讓使用者先界定問題、目標客群或創作主題，先提出一個想法／首句，再由 AI 回應、提供變體並接受反覆修訂。對管理者，這表示 AI 導入 KPI 不應只看速度與產量，也應追蹤員工的主體感、創意自我效能與長期能力累積。對教師與高等教育設計者，可把 AI 寫作活動改成分段共創與反思歷程，而非直接交出 AI 完成稿。最該讀這篇的是設計 GenAI 工作流程的人、創意團隊主管，以及研究 AI 協作與創新績效的學者。

10. 研究限制

作者明確指出四項限制：第一，實驗室式線上詩作任務未必等同真實職場或教室的複雜創作；第二，未檢驗長期反覆使用的效果，無法判斷自我效能是否持續、消退或形成去技能化；第三，未把寫作專業程度當作邊界條件；第四，採用的並非當前最新大型語言模型，結果是否適用 GPT-4o、Claude 等系統仍待驗證。另就本研究判讀，詩作是高度特定的創意任務，外推到廣告策略、產品創新或組織知識創造時，任務評分標準與利害關係不同；共創條件同時改變了人類先後順序、主題控制權與互動節奏，因此雖然具有真實設計意義，仍不易拆出究竟是哪一個微觀元素造成效果。專家 CAT 評分是優點，但十位詩人對「創意」的共識未必能涵蓋商業效用或市場新穎性。

11. 對我研究的啟發

此文可直接作為「協作角色／人類主導性 → 創意自我效能 → 創新績效」的 framing paper 與實證支持。若延伸至廣告或行銷創意，可將自變數從單純「是否使用 GenAI」改為協作結構，例如 AI 先稿後修、Socratic prompting、輪替共創、共同目標設定；中介除創意自我效能外，可測量 idea ownership、心理自主性、認知彈性或 AI 依賴；依變數則以創意新穎性、策略適切性、提案品質與創新行為組合衡量。研究設計可借用其三組實驗與 CAT，但改由業界創意總監、消費者或盲評專家評估廣告腳本／行銷提案，並搭配使用歷程資料（prompt、修訂輪次、採納率）。可進一步檢驗領域專業、AI 素養、認知風格、任務曖昧性或組織創新氣候是否調節效果。最關鍵的改寫是：不要把 GenAI 使用量當作核心解釋，而要把「人是否仍被安排為創意主體」視為機制的起點。

12. 整體評價

值得讀，也值得收進核心文獻。 它最強之處在於研究問題明確、操弄貼近真實 GenAI 介面決策、兩項實驗相互遞進，並以專家盲評與中介分析避免只談感受。對我而言，這是非常適合反覆回看的 framing paper 與 empirical support：它能支持「人機協作品質」比「是否用 AI」更重要的論點，也提供可複製的創意評量方法。最弱之處是研究情境窄、樣本為線上英文使用者，且 AI 技術迭代很快；因此不宜直接視為「所有 GenAI 都會如此」的普遍因果結論。它不太適合作為大型組織採用或長期創新績效的唯一方法參考，但非常適合支撐協作角色、主體性、創意自我效能與創意產出的實驗研究。

---

今日結論

今天讀的是 McGuire、De Cremer 與 Van de Cruys（2024）的 Scientific Reports 正式期刊論文。最可重用的研究角度是：將「GenAI 使用」細分為「協作角色與人類主導性」，以創意自我效能作為中介，再檢驗創意或創新績效。