生成式 AI 時代的創造力衡量：區分招聘與人才系統中的人類與 AI 表現
arXiv - Computers and SocietyYigal Rosen, Ilia Rushkin
本文提出一套量化框架，透過嵌入空間中的合成新穎性來區分人類與 AI 的創造力，並指出 AI 時代創造力的核心指標已從流暢度轉向獨特性。
AI 幫你先抓重點
AI 重點 1
創造力的評估標準正從「流暢度」轉向「獨特性」
滑鼠懸停看 AI 判斷理由
由於生成式 AI 能輕易產出高品質且流暢的內容，傳統以產出量或語言流暢度作為衡量標準的方法將失效。讀者必須理解，未來衡量人類價值的關鍵在於其產出與 AI 常規路徑的區隔度。
AI 重點 2
創造力應被視為一種「過程」而非僅是「結果」
滑鼠懸停看 AI 判斷理由
在 AI 可以完美模擬最終成果的時代，僅評估成品（Artifacts）已不足夠。理解創造力是如何在約束條件下進行構思與轉換的過程，對於設計能區分人類與 AI 貢獻的評量系統至關重要。
核心研究發現
- 1
提出將創造力重新定義為一種基於分佈與過程的屬性，透過「構思生成」與「構思轉換」在嵌入空間中的表現來量化新穎性。
- 2
實證評估顯示，該量化指標能精準捕捉表面品質評估無法察覺的細微差異，並與人類直覺的創造力判斷保持一致。
- 3
研究發現 AI 介入的環境會導致創造力產出呈現「雙峰分佈」的結構性轉變，這將深刻影響人才招聘與競爭策略。
對教育工作者的啟發
對於教育工作者與課程設計者而言，這意味著評量方式必須從「結果導向」轉向「過程導向」。在設計專題式學習（PBL）或評量工具時，不應僅看學生最終的作品品質（因為學生可能使用 AI 優化），而應著重於評估學生如何進行構思、如何將不同概念進行非典型的結合（Synthesis），以及其思考路徑的獨特性。建議引入記錄學習歷程（Learning Analytics）的工具，觀察學生在面對問題時的構思轉換過程，而非僅僅評估最終產出的流暢度。
原始文獻資訊
- 英文標題：
- Measuring Creativity in the Age of Generative AI: Distinguishing Human and AI-Generated Creative Performance in Hiring and Talent Systems
- 作者：
- Yigal Rosen, Ilia Rushkin
- 來源：
- arXiv - Computers and Society
- 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。