種子教師研究計畫成果分享：資管系畢南怡、陳炳宇老師「虛擬實境在團隊合作中的應用探索（III）」

院行政辦公室

撰文者／劉劭禹

在人工智慧（Generative AI，GAI）蓬勃發展的今日，人們逐漸廣泛地將其應用在各種層面；受其影響，傳統的腦力激盪（Brainstorming）也面臨新的改革。過往的腦力激盪主要仰賴人與人之間的互動與思想碰撞，以激發更多創意；如今，大語言模型（Large Language Models，LLMs）可即時生成大量點子，無疑大大提升了創意發想的效率。然而，值得探討的是，當花費時間與點子數量都得到大幅優化，創意思考的「質量」是否也有得到提升？

為此，本研究透過角色化提示（Role-based Prompting）與SCAMPER結構化引導（SCAMPER Scaffolding）兩種提示策略進行實驗設計與研究。

一、角色化提示（Role-based Prompting）：在傳統的腦力激盪，參與者之間的專業背景不同，能夠有助於發想過程中激發出更多樣化的點子，但往往深受人際壓力、社會性偷懶（Social Loafing）與群體迷思（groupthink）等影響，參與者往往害怕被評價或是被他人打斷而減少發言，或是因自身貢獻不易受到重視而降低個人努力，種種因素都導致創意產出下降。透過與LLMs進行創意發想，參與者可從根本上解決人際關係的問題，且「扮演角色」的LLMs亦可提供不同觀點的討論，保留了原有的優勢。

二、SCAMPER結構式引導（SCAMPER Scaffolding）：透過七個具體動詞（替換、組合、調整、修改、轉用、刪除、反轉）引導參與者突破停滯階段、探索更多可能，過去的研究證實，透過結構式引導能夠有效提高原創性並降低固化的思維（Farrokhnia et al., 2025；Hsu & Chen, 2024）。

三、基於上述內容，為驗證兩種提示策略，本次實驗主要探討兩個研究問題：(1)如何設計LLMs以利參與者提高腦力激盪的效率，以及(2)如何設計LLMs使參與者以最小的任務負荷（task load）進行發想。

實驗採2×2的組間設計，包含兩個自變項：「角色化提示」與「SCAMPER結構式引導」。此設計共產生四種實驗條件：(1)角色＋SCAMPER、(2)僅角色、(3)僅SCAMPER，以及(4)基準組。

實驗階段共招募120名受測者，進行替代用途測驗（Alternative Uses Test，AUT）任務，讓參與者針對「磚頭」與「掃帚」構思新用途。受測者們將被隨機分配至各條件，每位受測者將與兩名LLM代理（LLM Agents）進行測驗。所有受測者皆為中文母語者，且皆有使用人工智慧的經驗。

每位受測者的實驗流程包括以下階段：

實驗介紹：在正式實驗前，實驗人員事先向受測者說明實驗目的與流程，並讓受測者閱讀操作說明；待受測者閱畢，系統提供「想像時間旅行的用途」作為題目，請受測者進行練習。
正式實驗：每位受測者根據分配到的條件，進行兩個不同題目的腦力激盪，題目順序皆已進行平衡（counterbalance）。每個題目的腦力激盪個別花費15分鐘，並從討論紀錄中選擇五個最佳點子。實驗任務完成後，受測者得以休息10分鐘，並完成問卷填寫。
訪談：實驗結束後，實驗人員與受測者進行30分鐘的一對一訪談，探討受測者於實驗過程中的感受與心得。

實驗結束後，實驗人員根據回收的問卷、訪談資料進行深入分析，並由兩位實驗人員根據不同層面進行點子創意程度進行評分，其中包含新穎度（Novelty）、可行性（Workability）、相關性（Relevance）及具體性（Specificity）。

量化結果顯示，角色化提示提升了部分對象的點子新穎性，而結構化引導顯著降低了受測者的認知負荷（Cognitive Load）並提升學習性（Learnability），兩種策略結合時，受測者的「身心負擔」最為平衡，但點子的創意表現上，新穎性與可行性難以兼得。這些結果指出結構化（structure）與自由度（freedom）之間的取捨，當LLM代理扮演不同角色時，受測者需花費較多心力於過程中調度與溝通，而結構化引導雖能減輕負荷，卻可能限制創意發想的空間。質性資料進一步指出，受測者們在發想過程中，強烈意識到「掌控權」的重要性，大部分受測者指出LLM代理的觀點雖多元，但討論容易變得冗長或重複，人類調節仍是必要的。

本研究檢驗了角色化提示與結構化引導的兩種提示策略對於創意發想的影響。研究結果顯示，現階段的創意發想輔助系統應保留人類的動態調控與主導權，以維持發想過程的靈活性；同時，創意品質與提示策略之間存在權衡關係，創意發想輔助系統的設計仍須在結構性與自由度之間取得平衡。