創意工作者如何使用生成式 AI：結構化引導、自我實驗與創作自主權之間的張力
arXiv - Human-Computer InteractionHaidan Liu, Isabelle Kwan, Taiga Okuma, Jeffrey Loverock, Nicholas Vincent, Parmit K Chilana
研究發現創意工作者在學習生成式 AI 時，面臨結構化教學引導與維持創作自主權之間的矛盾與張力。
AI 幫你先抓重點
AI 重點 1
教學引導與創作自由之間存在著潛在的衝突感。
滑鼠懸停看 AI 判斷理由
這改變了我們對「有效教學」的認知。在創意領域，傳統的結構化教學若設計不當，可能會被使用者視為一種限制而非支持，這提醒設計者需重新思考如何提供非侵入性的引導。
AI 重點 2
AI 素養的培養不應僅限於技術操作，更需解決術語理解障礙。
滑鼠懸停看 AI 判斷理由
理解 AI 術語是進入生成式工具的門檻。若教學設計能將複雜術語轉化為直覺的創作語言，將能有效降低學習者的認知負荷，並促進更深層的自主學習。
核心研究發現
- 1
創意工作者主要透過「自我實驗」或「觀看教學影片」來探索生成式 AI 工具，但常因 AI 術語混亂而感到困擾。
- 2
研究顯示，即使結構化引導能幫助理解 AI 原理，許多使用者仍傾向於自我實驗，因為他們擔心過度的引導會限制創作自由。
- 3
在支持 AI 素養的過程中，存在著「提供結構化知識」與「保留創作自主性」之間的權衡難題。
對教育工作者的啟發
課程設計者在教授生成式 AI 時，應採取「支架式（Scaffolding）」而非「指令式」的教學策略。建議提供「非線性」的學習路徑，例如：提供概念性的術語解釋與原理說明（解決理解障礙），但同時保留大量的實驗空間與開放式任務（保護自主權）。教學工具應設計成能隨使用者需求「按需提供（On-demand）」的引導，而非強制性的步驟教學，以減少使用者對於「失去創作控制感」的恐懼，從而促進更有效的自主學習（SRL）。
原始文獻資訊
- 英文標題：
- How Creatives Approach GenAI Image Generation: Tensions Between Structured Guidance, Self-Experimentation, and Creative Autonomy
- 作者：
- Haidan Liu, Isabelle Kwan, Taiga Okuma, Jeffrey Loverock, Nicholas Vincent, Parmit K Chilana
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。