In the Eye of the Beholder? Detecting Creativity in Visual Programming Environments
可视化编程环境越来越成为学校课程的一部分。它们促进学生创造性思维的潜力是采用它们的一个重要因素。然而，不存在用于检测学生编程行为中的创造性的标准方法，并且手动分析程序需要人类专业知识并且耗时。这项工作提供了一个计算工具，用于测量视觉编程的创造力，结合理论从文献与数据采掘的方法。它将创意过程的经典维度调整到我们的环境中，同时考虑新的方面，如项目的视觉元素。我们将这种方法应用于Scratch编程环境，测量数百个项目的创造力得分。我们表明，目前的计算思维的Scratch指标未能捕捉到重要方面的创造力，如视觉文物的项目。与Scratch教师进行的访谈验证了我们的方法。
2020-04-10 cs.HC
Human Creativity in the Age of LLMs: Randomized Experiments on Divergent and Convergent Thinking
本研究通过两项1,100人参与的预注册随机实验，比较标准LLM与教练式LLM对发散和聚合思维的影响，发现AI辅助虽有短期增益，却可能削弱随后无辅助时的独立创造力。
2025-02-15 cs.HC
Scaffolding Creativity: How Divergent and Convergent LLM Personas Shape Human Machine Creative Problem-Solving
本研究针对LLM可能削弱人类创造力的问题，开发了具备发散与聚合思维角色的教练式LLM环境，通过实验发现用户感知与客观绩效存在偏差、个体差异可预测角色使用偏好，为人机协作的创造力支持系统提供了设计原则。
2025-10-30 cs.HC
DrawTalking It Out: Creativity-Support Research as Creative Process Itself
New York University（纽约大学）
该研究提出创意支持研究本身是创意过程，主张侧重交互技术、构建创意交互社区，以服务非技术受众，还以DrawTalking为例说明其曲折创意过程。
2026-08-14 cs.HC
Human Agency and Creativity in AI-Assisted Learning Environments
本文探讨人工智能辅助学习环境中学生代理与创造力的关系，提出理论框架并强调自主学习与意义建构的重要性。
2025-12-08 cs.HC
Towards Sustainable Creativity Support: An Exploratory Study on Prompt Based Image Generation
本文通过一项24人用户研究，探索基于提示的图像生成中能源消耗与创造力支持的关系，发现条件对能耗和每提示创造力支持有主效应，并分析了提示行为及对AI设计环境影响的态度。
2025-06-04 cs.HC
Human-Machine Co-Creativity with Older Adults -- A Learning Community to Study Explainable Dialogues
本文介绍一项与老年人进行人机共创的长期研究项目，通过开发“与机器人共绘”课程建立学习社区，探讨机器人和AI生成内容如何促进老年人创意体验，并研究可解释AI与创意对话在人机共创中的交织。
2023-09-13 cs.HC
Human Creativity and AI
University of Macau（澳门大学）
本文在AI技术发展背景下，综述心理学与认知神经科学等领域研究，探讨AI能否展现创造力，并分析创造力的定义及历史哲学观点。
2025-04-25 cs.AI cs.HC
Creativity as a Human Right: Design Considerations for Computational Creativity Systems
College of Arts, Media and Design (CAMD) Northeastern University（艺术、媒体与设计学院（CAMD）东北大学）
本文基于《世界人权宣言》考察创造力的人权属性，通过分析其中五条条款并给出实现方式，为计算创造力系统提出设计考量。
2025-05-16 cs.AI cs.HC
Creativity on Paid Crowdsourcing Platforms
通用众包平台越来越多地被用于创造性工作。这些平台在创造性工作方面的潜力得到了明确的确认，但工作人员对这些工作的看法尚未得到广泛的记录。在本文中，我们揭示了工人们对付费众包平台上的创造性工作的看法。通过对两个不同的众包平台上发起的问卷进行定量和定性分析，我们的结果显示，平台上的工作人员在偏好和先前的创造性工作经验方面存在明显差异。我们确定了众包平台上创意工作的常见陷阱，为创意工作的请求者提供建议，并在更广泛的创意导向研究范围内讨论我们的研究结果的意义。据我们所知，我们贡献了第一个广泛的面向工作者的研究付费众包平台上的创造性工作。
2020-01-19 cs.HC
Are Semantic Networks Associated with Idea Originality in Artificial Creativity? A Comparison with Human Agents
Free University of Bozen-Bolzano（博尔扎诺自由大学）；University of Trieste（的里雅斯特大学）；Marconi Institute for Creativity（马切拉塔创造力研究所）
本文探讨了语义网络与人工创造力中想法原创性之间的关系，通过对比ChatGPT-4o与人类创造性个体，发现模型在某些情况下表现出更高的原创性，揭示了人工创造力研究的新方向。
2026-02-02 cs.HC
Evaluating Creativity in Computational Co-Creative Systems
UNC Charlotte（北卡罗来纳大学夏洛特分校）；The University of Sydney（悉尼大学）
本文提供了一个框架，用于评估创造力的合作创造系统：那些涉及计算机程序与人类用户合作的创造性任务。我们在更广泛的计算创造力的背景下，共同创造系统，并解释这些系统的独特品质。我们提出了四个主要问题，可以指导评估在共同创造系统：谁是评估的创造力，什么是被评估，什么时候进行评估和如何进行评估。这些问题提供了一个框架来比较现有的合作创造系统如何评估创造力，我们将它们应用于艺术，幽默，游戏和机器人技术中的合作创造系统的例子。我们的结论是，现有的共同创造系统往往侧重于评估用户体验。采用自主创造系统的评价方法可能会导致自我意识和有意的共同创造系统。
2018-07-25 cs.AI cs.HC
Designing Games for Enabling Co-creation with Social Agents
MIT Media Lab（麻省理工学院媒体实验室）
长期以来，数字化工具一直被用于支持儿童的创造力。数字游戏，让孩子们创造文物，并表达自己在一个有趣的环境作为有效的创造力支持工具（或CST）。创造力也是通过与周围环境中的其他人的社会互动来支撑的。在我们的工作中，我们探索使用基于游戏的互动与社会代理支架儿童的创造性表达作为游戏玩家。我们设计了三个合作游戏，并与146名5-10岁的儿童玩社交机器人Jibo，它提供了三种不同的创造力：言语创造力，图形创造力和创造性问题解决过程中的发散思维。在本文中，我们反映了游戏机械的做法，我们纳入设计，以刺激儿童的创造力。这些策略可能是有价值的游戏设计师和HCI研究人员设计游戏和社会代理支持儿童的创造力。
2021-05-01 cs.HC cs.RO
Automatic Creativity Measurement in Scratch Programs Across Modalities
Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Humboldt University of Berlin（柏林洪堡大学）；German Research Center for Artificial Intelligence（德国人工智能研究中心）；University of Edinburgh（爱丁堡大学）
促进创造力被认为是教育的一个重要目标，但创造力是出了名的难以衡量。在本文中，我们从定义一个有效计算的创造力的正式衡量标准，到将该衡量标准应用于实际领域。该措施是一般性的，并依赖于创造力理论的核心理论概念，即流畅性，灵活性和独创性，与先前的认知科学文献相结合。我们采用了流行的可视化程序设计语言Scratch项目的一般措施。我们设计了一个机器学习模型，用于预测Scratch项目的创造力，在广泛的用户研究中，根据人类专家的创造力评估进行训练和评估。我们的研究结果表明，关于Scratch的创造力的意见在专家之间存在很大差异。自动创造力评估与人类专家的评估一致，而不是专家之间的一致。这是提供可应用于教育技术的衡量创造力的计算模型的第一步，也是扩大学校创造力教育效益的第一步。
2022-11-07 cs.AI cs.HC cs.LG
The Creativity of Text-to-Image Generation
文本引导的图像合成已经取得了巨大的飞跃，成为一种主流现象。通过文本到图像生成系统，任何人都可以创建数字图像和艺术品。这引发了一个问题，即文本到图像的生成是否具有创造性。本文阐述了文字图像艺术（所谓“AI艺术”）中人类创造力的本质，并着重论述了提示工程的实践。本文认为，目前以产品为中心的创意观在文本到图像生成的背景下是不够的。一个例子说明了这一缺点，并强调了在线社区对文本到图像艺术的创造性生态系统的重要性。本文提供了一个高层次的总结，这个在线生态系统借鉴罗兹的概念4P模型的创造力。本文讨论了在人机交互（HCI）领域中评价文本到图像生成的创造性的挑战和研究文本到图像生成的机会。
2022-10-31 cs.GR cs.HC
Seeing Differently: Modeling Interpretive Perspectives in Computational Creativity using a Four-World Framework
该研究提出基于四世界框架的计算方法建模解释视角，用三类角色评价1069件SemArt作品，发现视角差异影响创造性评估，支持创造性关系观，可提升协同创造系统的适配性。
2026-08-03 cs.AI cs.HC
How Do Hackathons Foster Creativity? Towards AI Collaborative Evaluation of Creativity at Scale
Aalborg University（奥尔堡大学）；Aarhus University（奥胡斯大学）；Eindhoven University of Technology（埃因霍温理工大学）；Carnegie Mellon University（卡内基梅隆大学）
本文通过对193,353个黑客松项目的大规模计算分析，探讨了参与者特征等因素对创造力的影响，并提出利用LLMs增强创造力评估的方法与挑战。
2025-03-06 cs.AI cs.HC cs.SE
Creativity Benchmark: A benchmark for marketing creativity for large language models
该研究提出覆盖100个品牌、三类提示的营销创意基准 Creativity Benchmark，通过678名创意人员的上万次成对比较表明LLM差距很小，且LLM评判者不可靠。
2025-10-19 cs.AI cs.CL cs.HC
Using a CNN Model to Assess Paintings' Creativity
Clemson University（克莱姆森大学）；University of Iowa（爱荷华大学）；University of Clemson（克莱姆森大学）；Arizona State University（亚利桑那州立大学）；University of Florence（佛罗伦萨大学）
本文提出用CNN模型自动评估人类画作创造力，在600幅专业与儿童画作数据集上达到90%准确率且速度优于人工评分，证明了机器学习在该领域的应用潜力。
2025-01-01 cs.CV cs.HC cs.LG
A Causality-aware Paradigm for Evaluating Creativity of Multimodal Large Language Models
Sun Yat-sen University（中山大学）；Singapore Management University（新加坡管理大学）；Harvard University（哈佛大学）；Peng Cheng Laboratory（鹏城实验室）
本文提出因果感知的LoTbench框架，基于Oogiri游戏评估多模态LLM创造力，量化性能并可视化思维过程，发现与认知基准强相关，优于传统指标。
2025-02-23 cs.AI cs.HC
A Survey on Large Language Model Hallucination via a Creativity Perspective
Institute of Computing Technology, CAS（中国科学院计算技术研究所）；University of Chinese Academy of Science（中国科学院大学）；International Digital Economy Academy, IDEA Research（国际数字经济学院IDEA研究院）
本综述从创造力视角探讨大型语言模型幻觉的潜在价值，系统回顾了其分类、负面影响及在发散与收敛思维框架下转化为创造力的方法，并指明了未来研究方向。
2024-02-02 cs.AI cs.HC
A Big Data Approach to Computational Creativity
IBM Thomas J. Watson Research Center（IBM托马斯·J·沃森研究中心）
计算创造力是人工智能的一个新兴分支，它将计算机置于创造过程的中心。从广义上讲，创造力包括产生许多想法的生成步骤和确定最佳想法的选择步骤。然而，许多以前的计算创造力的尝试都无法实现有效的选择步骤。这项工作展示了如何将来自创意领域和享乐心理物理学的数据源与大数据分析技术结合在一起，可以克服这一缺点，从而产生一个可以产生新颖和高质量创意作品的系统。我们的数据驱动方法通过我们开发和部署的烹饪食谱和菜单的计算创造力系统来展示，该系统可以通过人机交互自动或半自动操作。我们还评论了计算创造力中数据的数量、速度、多样性和准确性。
2013-11-05 cs.AI cs.CY cs.HC
Goetterfunke: Creativity in Machinae Sapiens. About the Qualitative Shift in Generative AI with a Focus on Text-To-Image
本文聚焦文本生成图像系统，探讨当前机器学习范式下计算机的创造力可能性，梳理相关技术核心概念与创新，讨论人工创造力本质及AI对艺术的意义，提出AI或成艺术创作中具独立创作权的协作者。
2024-12-11 cs.AI cs.HC
How Does Embodiment Affect the Human Perception of Computational Creativity? An Experimental Study Framework
University of Helsinki（赫尔辛基大学）；Aalto University（阿尔托大学）；Queen Mary University of London（伦敦玛丽女王大学）
哪些因素影响人类对计算系统所表现出的创造力的评价是计算创造力研究的核心问题。近年来，制度的体现被提出来作为一个影响因素，但缺乏对其影响的实证研究。为此，我们提出了一个实验框架，隔离的体现对创造力的感知效果，其对创造力本身的影响。我们不仅操纵系统的具体化，而且还将感知证据作为人类创造力评估的基础。我们激励的核心框架与体现和知觉证据作为独立的和创造性的过程作为控制变量，我们提供了建议，测量作为因变量的创造性评估。我们希望这个框架能启发其他人以一种有原则的方式研究人类对具身CC的感知。
2022-08-26 cs.AI cs.HC cs.RO
Putting GPT-3's Creativity to the (Alternative Uses) Test
University of Amsterdam（阿姆斯特丹大学）
人工智能大语言模型已经（共同）产生了令人惊叹的书面作品，从报纸文章到小说和诗歌。这些作品符合创造力的标准定义：原创和有用，有时甚至是额外的惊喜元素。但是，设计用于预测下一个文本片段的大语言模型是否可以提供创造性的、开箱即用的响应，仍然可以解决手头的问题？我们对Open AI的生成式自然语言模型GPT-3进行了测试。它能为创造力研究中最常用的测试之一提供创造性的解决方案吗？我们评估了GPT-3的创造力吉尔福德的替代用途测试，并将其性能与先前收集的人类反应进行比较，这些反应包括专家对原创性，有用性和惊喜的反应，每组想法的灵活性以及基于响应和AUT对象之间的语义距离来测量创造力的自动化方法。我们的研究结果表明，总的来说，人类在创造性产出方面的表现优于GPT-3。但是，我们相信GPT-3赶上这一特定任务只是时间问题。我们讨论这项工作揭示了人类和人工智能的创造力，创造力测试和我们对创造力的定义。
2022-06-10 cs.AI cs.CL cs.HC
Gender in video games: Creativity for inclusivity
本文探讨电子游戏本地化中因缺乏视觉环境和文本线性而导致的性别包容性挑战，分析了从包含多元性别角色的游戏语料库中提取的翻译技术。
2024-05-22 cs.CY cs.HC
Measuring Creativity in the Age of Generative AI: Distinguishing Human and AI-Generated Creative Performance in Hiring and Talent Systems
Massachusetts Institute of Technology（麻省理工学院）；Ignis AI
本文提出通过嵌入空间中的创意生成与转换来量化创造力，揭示AI环境下创意输出的双峰分布特征，强调在生成式AI时代，独特性而非流畅性成为衡量人类创造力的关键指标。
2026-04-10 cs.AI cs.CY cs.HC
Unified Agentic Video Editing Across Levels of Complexity and Creativity
Bertelsmann AI Hub（贝塔斯曼人工智能中心）；Max Planck Institute for Biological Cybernetics（马克斯·普朗克生物控制论研究所）；scieneers GmbH（scieneers 有限公司）
本文提出统一智能体视频编辑方法，覆盖场景预览、视频摘要和电影预告片三项任务，评估输出并探讨自动化与代理能力的意义。
2026-11-02 cs.AI cs.HC cs.MM
Creativity in the era of artificial intelligence
IRCAM - CNRS UMR 9912 STMS, Sorbonne Universite（法国音乐和声学研究中心 - 法国国家科学研究中心UMR 9912 STMS，索邦大学）
创造力是一个深层次的话题，因为这个概念可以说是我们人类的精髓。在不同的时代，它被注入了与那个时代相关的各种各样的含义。与此同时，技术的发展为创造性目的提供了多种新颖的工具。最近，通过深度学习方法，人工智能（AI）的出现在各种应用中取得了成功。使用这些技术进行创作，似乎是本世纪艺术潮流的自然延续。然而，被贴上智能标签的技术人工制品的光环引发了关于其对创造性努力的影响的激烈而有点精神错乱的辩论。在本文中，我们旨在通过模糊社会科学和计算科学之间的边界，为人工智能时代的创造力问题提供一个新的视角。为此，我们依赖于社会科学研究对创造力的反思，以了解如何通过这一视角来看待当前的人工智能。由于创造力是一个高度依赖于上下文的概念，我们强调了当前人工智能的局限性和不足，需要向人工创造力迈进。我们认为，试图纯粹模仿人类的创造性特征，以实现一个独立的前虚无生成机器的目标将是非常适得其反的，使我们处于不利用人工代理的纯粹计算能力所提供的几乎无限的可能性的风险。
2020-08-13 cs.AI cs.CY cs.HC
TraitSpaces: Towards Interpretable Visual Creativity for Human-AI Co-Creation
Evam Labs Singapore（新加坡Evam实验室）
本文提出TraitSpaces框架，基于心理学与艺术家访谈定义12项视觉创造力特质，并用SemArt和GPT 4.1标注、CLIP评估其可学习性，以可解释特质空间支持人机共创。
2025-09-29 cs.AI cs.CV cs.HC
Generative artificial intelligence enhances creativity but reduces the diversity of novel content
UCL School of Management（伦敦大学学院管理学院）；University of Exeter（埃克塞特大学）
本研究通过在线实验发现，生成式人工智能能提升作家（尤其是低创造力者）的故事创意质量，但会导致内容同质化，提示过度依赖GenAI可能带来多样性下降的后果。
2024-03-14 cs.AI cs.HC econ.GN
Art or Artifice? Large Language Models and the False Promise of Creativity
Columbia University（哥伦比亚大学）；Salesforce AI Research（Salesforce AI研究院）
针对大语言模型创造力难以客观评估的问题，受TTCT启发提出TTCW测验，经人工评估发现LLM生成故事的创造力远低于专业作品，且LLM作为评估者与专家结果无正相关。
2024-03-08 cs.AI cs.CL cs.HC
6 Seconds of Sound and Vision: Creativity in Micro-Videos
Universitat Pompeu Fabra（庞培法布拉大学）；Università degli Studi di Torino（都灵大学）
创造力的概念，而不是相关的概念，如美或有趣，还没有从多媒体内容的自动分析的角度进行研究。与此同时，在社交媒体平台上分享的短视频或微视频已经成为创意表达的新媒介。在本文中，我们研究创意微视频，努力了解的特点，使视频创意，并解决自动检测的问题，创意内容。我们将创意视频定义为新颖且具有美学价值的视频，并进行了一项众包实验，创建了一个包含3，800多个微视频的数据集，这些微视频被标记为创意和非创意。我们提出了一组计算特征，将其映射到我们对创造力定义的组成部分，并进行分析以确定其中哪些特征与创意视频最相关。最后，我们评估了一种自动检测创意视频的监督方法，结果令人鼓舞，表明有必要对美学价值和新颖性进行建模，以实现最佳分类精度。
2014-11-14 cs.CV cs.HC cs.MM
