问题——创新型人才培养对基础教育与高等教育提出更高要求。随着新一轮科技革命和产业变革加速推进，创新能力正成为国家竞争力的重要支撑。《教育强国建设规划纲要（2024—2035年）》提出，要完善拔尖创新人才发现和培养机制，着力加强创新能力培养。同时，国际测评结果也显示，学生创造性思维水平仍有提升空间。如何课堂教学与学习活动中系统培养创造性思维，已成为教育改革中的关键议题。 原因——长期以来，创造性思维培养受到“重知识传授、轻过程探究”“重标准答案、轻多元表达”等结构性限制：其一，学科知识相对割裂，跨学科整合与真实问题解决训练不足，学生难以在复杂情境中提出新颖且可行的方案；其二，课堂更强调完成任务与掌握结论，对“提出问题—生成设想—论证改进”的全过程支持不足；其三，评价偏重结果和一次性测验，难以识别并激励原创想法、过程探索与持续迭代。在此背景下，生成式人工智能为课堂提供了新的工具条件，但其在创造性思维培养中的作用机制仍需继续厘清，避免出现“工具热、方法冷”，甚至引发替代思考、同质化产出等问题。 影响——研究从创造性思维的发生过程出发，将生成式人工智能视为学习者的“认知脚手架”。其价值不在于替代学生完成作业，而在于帮助学生更高质量地思考与表达。具体而言，在“准备”阶段，生成式人工智能可帮助学生快速获取多源信息、梳理概念关系、拓展案例与视角，提升问题理解的广度与深度，促使学生提出更有挑战性的问题；在“策划”阶段，可辅助头脑风暴、搭建方案框架、比较多种路径，并通过追问与反思提示推动思维从发散走向聚焦；在“实践”阶段，可支持原型写作、实验设计、数据解释与文本表达等任务，帮助学生多轮修改与论证，让想法在反馈中完善。研究同时指出，生成式人工智能的介入会改变课堂协作方式与学习节奏：一上提升协作效率与知识整合能力，另一方面也对学术规范、信息甄别与原创性保护提出更高要求，需要通过制度安排与教学设计加以回应。 对策——围绕“如何用好生成式人工智能促进创造性思维”，研究提出四条可操作的路径。 第一，重构智能学习环境。学校可安全可控前提下建设支持探究、协作与迭代的数字化学习空间，将工具接入课程资源、实验平台与项目化学习流程，形成“提出问题—证据检索—方案生成—验证迭代—成果展示”的闭环，并为不同年龄段学生提供分层使用规范。 第二，提升教师智能技术应用能力。关键不在于“会用工具”，而在于“用工具教会学生思考”。教师需强化提示设计、过程引导、风险识别与学术诚信教育能力，将生成式人工智能嵌入课堂提问、讨论组织、项目指导与反馈评价，同时明确边界：把关键判断、价值选择与方法训练交还给学生，以人机协同放大学习成效。 第三，培育学生面向未来的学习素养。研究建议将信息辨识、证据意识、逻辑论证、版权与引用规范、数据与隐私保护等纳入日常教学，引导学生把生成式人工智能当作“思维伙伴”而非“答案机器”，在对比、质疑与验证中形成独立判断，避免依赖和“模板化表达”。 第四，创新教学评价机制。应推动结果评价与过程评价并重，更关注问题质量、思路多样性、论证严密性与迭代次数等指标，建立可追溯的学习档案；在考试与作业管理中完善标注与核验规则，明确允许使用的范围与方式，引导学生以透明、合规的方式使用生成式人工智能完成学习任务。 前景——多位教育研究者认为，生成式人工智能进入课堂已是趋势，但成效取决于教育目标、课程体系与治理能力的匹配程度。面向未来，随着课程综合化、项目化学习与跨学科实践不断推进，生成式人工智能有望在真实问题解决、团队共创与个性化支持上发挥更大作用；同时也需要统一标准、数据安全、伦理规范与教师专业发展各上持续完善制度安排，确保技术应用服务于立德树人与能力培养的根本任务。
面对科技革命带来的教育变革，我们既要把握机遇，也要正视挑战。培养具备创新思维的新时代人才，离不开技术助力，更离不开教育理念与教学方法的更新。这不仅是教育领域的任务，也关系国家未来竞争力。如何在坚守教育本质的同时善用技术创新，仍需持续探索。