《传播创新研究》是由武汉大学媒体发展研究中心（教育部人文社会科学重点研究基地）、武汉大学新闻与传播学院联合主办的学术集刊，以中国传播问题为出发点，“在场”感知中国传播的难点、疑点与热点，创新重建交流与社会连接的传播行动，发掘比较视角下的传播智慧，进而激活传播创新的实践与理论发展，纾解人类交流的困境与无奈。本辑由商业传播、健康传播、智能传播、传播与社会四个部分组成，从不同角度分析了传播创新研究现状。
本次推送《“善假于物”：面向AI的认知外包概念、维度及量表开发》，作者：陶炜。
“善假于物”：面向AI的认知外包概念、维度及量表开发
陶炜
摘要：DeepSeek等大模型使创作者能够通过认知外包的方式,将部分或全部创作过程委托给AI。本文面向AI探讨认知外包的概念、维度及量表开发,构建面向AI的认知外包行为量表。认知外包为认知科学和人工智能之间的交叉研究提供了实验场,促进对创造性思维的机制理解,其概念必要且具有重要意义。本文通过访谈和文献解析的方法,明确了认知外包的概念和维度,构建其测量要素,并使用因子分析进行量表开发。结果显示,认知外包行为量表提取了五个因子,分别是不可靠性、轻信性、非理性、依赖性和认知自主性。认知外包在AI辅助创作中加快了信息处理与决策过程、增强了创造性思维、降低了认知负荷和促进了跨领域知识整合。研究提供了一个可靠的测量范式,以进一步探索AI技术如何影响人类的创造性思维和创作实践。
关键词：创作大模型；认知外包；协同分级；量表开发
一、引言
当下，ChatGPT等AIGC大模型的横空出世不仅标志着内容创作进入了一个全新的阶段，而且预示着人工智能(AI)创作正在成为文化和技术革新的热点。AIGC的应用案例在全球范围内日益增多，平台为创作提供了前所未有的可能性，使创作者能够通过认知外包(Cognitive Outsourcing)的方式，将部分创作过程委托给AI系统。认知外包是指个人或组织将部分认知任务，如信息处理、决策等，交由外部系统或工具(如AI)来完成，以提高效率、节约资源。通过认知外包，创作者能够打破传统思维的限制，利用AI的能力来拓展自己的创造性思维，从而将艺术创作推向新的高度。人类正处于一个探索AI在创意过程中发挥何种作用的关键时刻，这不仅挑战了人类对艺术创作本质的理解，还为未来的艺术实践和理论研究开辟了新的方向。
在基于ChatGPT等语言大模型工具的研究中，认知外包的概念显得尤为重要。这种外包涉及将任务分配给AI，更关键的是，它代表了一种新的创作协作模式。当下，AI逐渐从学术实验室走向了实际应用，如智能推荐、语音识别和图像处理等。而认知外包作为一种策略，允许创作者将注意力集中在创意的构思和艺术表达的精细调整上，而将数据处理、内容生成等重复或技术性的任务交由AI完成。这种分工提高了创作效率，更重要的是，AI引导故事情节的发展，产生多样化的结局，获得多维度的沉浸感知。
然而，当前还没有任何研究对认知外包这种广泛存在于各类AI创作过程中的行为进行定量和规范化的计量。从认知心理学的角度来看，认知外包通过减轻人类大脑的负担，支持更高级别的思维过程，如创意思维和批判性思考。这在艺术创作中尤为重要，因为它涉及复杂的情感表达和深层次的文化反思。同时，语言大模型工具的广泛应用颠覆了传统人机交互概念，促进了信息传播的范式变革。在这种协作模式下，AI不仅是执行者，还成为参与者，其生成的内容反过来影响和启发创作者。这种互动过程要求创作者不仅需要具备艺术直觉和技术知识，还需要了解AI的工作原理和能力，以便更好地控制创作过程和结果。在跨学科领域中，AIGC辅助个体融合多学科知识，使艺术更加多元化，拓展了个体的知识边界。
通过研究认知外包的概念和外延，我们可以更深入地理解AI技术如何增强人类的创造力，以及这种增强如何影响艺术创作的本质和价值。未来，随着AI技术的不断进步和艺术实践的深入探索，人类与AI在创作中的协作模式将持续演化，开启更多的可能性，并面临更多的挑战。因此，认知外包的概念必要且具有重要意义，需要学术界首先明确其概念和维度，并科学构建其测量要素。本研究的创新之处在于，首次从认知外包视角提出并构建了面向AI的认知外包行为量表，明确了认知外包的关键维度与结构，为深入理解人机协作中的互动机制提供了理论框架。该量表有助于认知科学领域，更清晰地理解AI工具对人类认知模式与认知过程的影响，丰富并拓展了人机交互与认知理论的前沿探索。
二、文献综述
(一)认知外包的理论基础：分布式认知
认知外包的理论基础是分布式认知。分布式认知理论，由Hutchins等于1995年提出，认为人类的思维和知识处理活动是通过与环境中的人、工具和符号的交互来实现的，强调认知活动不再局限于个体的大脑内部，而是打破了个体和环境之间的边界，分布在整个社会—文化系统中。这种观点突破了传统的以大脑为中心的认知观，将认知看作人类社会和文化环境共同构成的一个更广泛的系统。通过这种理解，分布式认知理论为认知科学提供了一个更为全面和动态的视角，强调了认知过程的社会性和情境性。Nilsson认为，认知不仅是大脑的活动，还是一种涉及工具、符号、社会互动和环境的复杂系统。Rogers发现，人类短时记忆加工信息具有一定的局限性，人脑最佳的状态能够记忆7±2项信息块。人不需要对组块化系统内部的复杂信息有过多了解，只需要将组块外部的接口作为一个整体进行理解、编码和再组织。这种认知组块化，意味着将认知和其他社会事务打包并按照一定流程进行，这构成了认知外包的理论基础。
在文章《认知外包存在问题吗?》中，Ahlstrom-Vij首次探讨了认知外包在认识论中的多个方面。他介绍了人类对外部信息源的依赖，并提出了认知外包是否在认识论上存在问题的主题。其包含不可靠性(Unreliability)、轻信性(Gullibility)、非理性(irrationality)、依赖性(Dependence)和认知自主性(CognitiveAutonomy)，考察了认知外包是否削弱了个人的认知自主性，并探讨了这是否构成一个认知问题。
认知外包涉及认知工具主义的范畴。认知工具主义是一种认识论观点，它强调工具和技术对认知过程的影响。这种理论认为，如数字设备、写作工具和各种软件都被视为能够增强我们的记忆、推理和分析能力的工具。人类的思维不再局限于大脑内部，而是通过与外部工具和环境的交互来实现。技术和工具是人类认知过程中不可分割的一部分，它们有助于形成我们的思维和知识结构。
总而言之，从分布式认知到认知外包，其核心都强调了以认知工具主义为范式的人类与技术之间的互动，并探讨了这种互动如何影响人类的认知结构和能力。在当下的AI创作中，人类的认知能力不再局限于大脑内部的过程，而是可以通过外部工具和技术来增强。工具和技术被视为认知过程的一部分，它们可以改变人类的思维方式和认知能力。
(二)认知外包的分类
在探索AI与人类创造力的交汇点上，认知外包的概念提供了一个独特的视角，用于理解人类如何利用AI技术增强其创造性能力。随着AI技术的飞速发展，其在艺术创作、设计思维以及创新过程中的应用变得日益广泛，引发了对于人机合作模式的深入讨论。基于已有分析，本文将面向AI的认知外包定义为：个体或组织为了提升认知效率与创造性，将原本由自身承担的部分或全部认知任务，如信息搜寻、处理、决策判断或创作生成等，外包或委托给以DeepSeek、ChatGPT等为代表的人工智能系统或工具完成的一种认知行为。这一概念强调了认知任务而非一般性任务的外包，突出了外包结果的不确定性与创新导向，以及人机协作互动的深度与复杂，即人类在认知过程中与AI工具进行动态、频繁且双向反馈的互动，以共同优化认知产出，突破传统认知边界并实现创新。本文在测量认知外包之前，梳理相关文献，并对认知外包行为进行分类是必要的。人类与AI协作的不同模式，对创新和创造性表达也存在不同效果。这些合作模式，从全量外包(即完全由AI独立完成的创作)到协同外包(即人类创作者与AI之间的深度合作)，不仅反映了AI在创作过程中扮演角色的多样性，还揭示了AI技术如何影响人类的创造性思维和创作方法。
全量外包指的是创作过程完全由AI独立完成，不涉及人类的直接创作活动。这种模式最大化了AI在创作过程中的自主性和创新性，使AI能够利用其算法生成独特的内容。当下关于全量外包的讨论集中在AI的创造性能力及其在艺术和文化创作中的应用上。研究表明，AI能够在没有人类直接干预的情况下，通过学习大量的数据集和模式，创造出新颖的艺术作品。
在多数外包模式中，AI执行创作过程的大部分任务，但人类创作者在关键时刻进行干预，如设定创作参数或对AI产出进行微调。这种模式突出了人类在引导AI创作方向和质量控制中的重要作用。相关研究强调了人类与AI协作的重要性，指出了人类创作者的直觉、经验和创造性思维对指导AI创作至关重要。
在少数外包模式中，AI的角色被限定为辅助工具，主要用于支持人类创作者的决策和创作过程。AI在此模式下主要提供信息检索、灵感触发和简化创作工具的功能。研究表明，AI能够通过提供新颖的视角、资料和技术支持来促进人类的创造性思考。这一模式体现了AI作为增强人类创造力的工具的辅助性。
协同外包模式强调人类创作者和AI之间的深度交互和合作。在这种模式下，创作过程是一个迭代的、双向的学习过程，人类和AI互相学习，共同参与创作决策。过往少数文献对这种人机协作模式做了深入探讨，研究者提出了混合智能系统，以优化人机交互，提高创作的质量和效率。这种模式的研究突出了人类直觉和AI算法的互补性，以及这种互补性在促进创造性输出中的作用。
认知外包在AI创作领域的分类揭示了人类与机器在创作过程中可能采取的多样化合作模式。从全量外包到协同外包，每种模式都体现了不同程度的人机互动，指向了创造性协作的未来方向。随着AI技术的进步，这些模式在艺术创作、设计思维和创新过程中的应用将持续深入，为理解人类创造力和认知过程提供新的视角。
(三)认知外包的心理学过程
认知外包的心理学过程涉及一系列复杂的认知机制和情感机制，这些机制促使个体将部分思维任务转移给外部实体或工具执行。在艺术创作的背景下，特别是在使用如ChatGPT这样的AI创作工具时，这一过程不仅包括了任务的分配和执行，还涵盖了创意思维和情感表达的深层次互动。参考分布式认知的过程模式，认知外包在心理学上是一个多维的过程。图1展示的是一个典型的认知外包流程，它详细地阐释了个人如何将认知任务分配到外部资源以提高效率和效果。
如果将上述心理学过程具体拆解，那么认知外包涉及以下流程。
内部认知代表个人内部的认知过程，包括注意力、记忆、思考等。认知外包产生的前提是个体通过内部认知，完成基于任务的认知外包感知有用性和技术支持性的评估，该评估包括不可靠性、轻信性、非理性、依赖性和认知自主性五大块。而外部环境代表一般的自然规律、社会文化和常识，其他个体指的是在认知外包过程中，其他人的参与。个体可能会通过社交媒体向朋友寻求建议，或者通过网络平台与专家合作解决问题。
外部系统代表认知外包发生时的外部算力支持，个人将部分内部认知过程转移到外部系统中。在此期间，外部环境和其他个体都会对内部认知产生影响，以配合最后的决策部署。这既包括传统工具，如算盘、计算器等，也包括可以提供更高级的认知功能的人工智能，如自动化决策、模式识别、情感计算等。
图1 认知外包的流程
信息处理和决策支持是指在内部认知完成分配信息的处理流程后，外部系统帮助个人进行信息搜索、整理、筛选和决策。学者认为这减轻了个人需要直接参与的认知负担。例如，使用搜索引擎来查找信息、利用人工智能完成任务等。同时，外部系统提供的信息帮助个人作出更加合理或高效的决策，通过常规人工或者超人力的大规模智能计算，输出拟态化的结果。此外，外部系统处理后输出包含任务结果在内的信息，存储在媒介中，如云存储服务、笔记应用等。
整体来看，认知外包的作用机理包括了内部认知、外部系统、信息处理和决策支持三个方面。它将认知任务分配给最合适的执行者———无论是外部设备还是其他人———从而提高任务执行的效率和质量。这不仅减轻了个人的认知负担，还允许个人专注于更复杂或创造性的任务。
(四)认知工具主义的既有研究
在现有的认知外包和分布式认知的研究中，学者探讨了个体如何将认知过程扩展到大脑之外的工具和技术。Norman的研究进一步阐明了日常物件如笔记本和时钟如何成为我们认知系统的一部分，帮助我们记忆和规划。研究者还关注认知如何在不同的社会和文化环境中通过工具和符号实现。这不仅包括物理工具的使用，还包括语言、符号和文化实践等非物理资源的认知功能。例如，人工智能的普及已经改变了信息的组织和检索方式，而这些技术本身也已成为认知活动的一部分。这些研究成果为我们提供了理解认知活动分布性质的复杂框架，强调了认知过程的多样化和情境依赖性。
在认知外包领域，学者关注的焦点是个体如何将信息处理和决策任务委托给外部代理，这些外部代理可以是技术工具，如计算器和搜索引擎，也可以是其他人。这种外包可以将认知资源用于其他任务，但可能引起对知识深度和记忆能力下降的担忧。关于ChatGPT的使用，作为一个复杂的认知外包工具，ChatGPT让我们有机会审视这种交互如何影响我们的认知策略，特别是在信息过载的数字时代，探讨这种外包如何影响我们的认知能力，以及它对个体和集体知识结构的长期影响。
在认知外包的其他研究中，既有文献探讨了个体如何依靠外部系统进行复杂决策和问题解决，这不仅包括了对信息的搜索和处理，还涉及了对这些外部系统的信任和依赖程度。研究指出，随着技术的发展，外包的认知任务越来越复杂，从而对个体的认知能力和知识构成产生了深远的影响。同时，学界关注个体在外包过程中的主动性和被动性，以及这对个人认知发展和社会认知结构的意义。
(五)AI创作工具在认知过程中的使用与影响研究
国内AI生成内容研究在2023年迎来爆发式增长，这与ChatGPT的发布引发的关注息息相关。AI通过提供快速信息访问、自动化的任务处理和复杂决策支持，使得创作者能够将特定的创作任务外包给AI。
AI的非线性思维和处理复杂模式的能力，为创作提供了新的视角和灵感，从而拓展了艺术和设计的边界。作为认知外包媒介的大模型平台，也促进了跨学科之间的协作。孟小峰等的研究强调了AI在促进跨学科融合中的作用，指出了AI技术能够帮助团队成员跨越专业障碍，共同探索新的创新方向。此外，ChatGPT应用不仅增强了作品的个性化特征，还使得艺术创作更加贴近创作者的独特视角和情感表达。这些AI平台能够根据创作者的个人风格和偏好生成定制化的创作建议，从而促进更加个性化的艺术创作。
同时，学者研究了这些技术的普及如何影响社会认知结构，包括知识分配和社会互动模式的变化。AI工具尽管具有显著的优势，但引发了对认知自主性、隐私和数据安全的担忧，这些都是当前和未来研究的关键议题。例如，Wikipedia(维基百科)作为被广泛认可的在线百科全书，已经成为知识获取的主要来源。Lampe研究了维基百科社群，发现它是一种分布式认知的典型例子，个体和群体共同协作，不再完全依赖传统的权威机构。同时，社交媒体平台上的互动方式已经受到AI工具的影响。研究者Tufekci关注了Twitter上的推荐算法，指出了它如何塑造用户之间的社交互动，通过推荐特定类型的内容来影响意见形成。ChatGPT等工具也可能在在线协作中扮演类似的角色，通过生成内容影响用户之间的合作和交流。
此外，研究者Pariser关注了“过滤泡泡”的现象，即算法根据用户的偏好过滤信息。ChatGPT可以用于自动化信息筛选，根据用户的输入生成内容，这可能导致用户依赖算法来选择信息，从而塑造了他们的信息获取方式。这种依赖性也会影响用户如何理解和信任信息。认知外包和社会影响方面，Turkle在她的著作LifeonScreen中研究了人们对智能助手和聊天机器人的依赖，如Siri和Alexa。她指出，这种依赖可能导致人们在社交互动中更多地与机器交流，而不是与真正的人类互动，从而改变了社交互动的方式。
总的来说，AI工具如ChatGPT的出现改变了个体和社会的认知过程。以上文献在界定认知外包概念的基础上，梳理了当下和AI认识工具主义、AI创作、个体行为态度等相关的最新文献，涉及知识分配、社交互动、信息过滤、社会影响、数据隐私和安全等多个方面，以更深入地理解AI技术如何增强人类的创造力，以及这种增强如何影响艺术创作的本质和价值。这些问题在当前的社会认知结构中具有重要意义，需要科学构建认知外包的测量要素以更好地理解AI工具在认知层面和社会层面的影响。
三、研究方法与数据收集
(一)认知外包行为量表基础语料收集
在认知外包领域，尤其是与AI创作相关的研究中，本文专注于开发一套专门的评估工具，旨在测量与分析参与者在这一领域的表现。传统的“心理—行为”研究，包括分布式认知、三元交互论、技术接受模型等经典研究，通过标准化量表(Standardized Scale)对被试的心理状态和行为特征进行观测。因为认知外包是一个复杂的构念，可能涉及个体的认知能力、任务特性、合作过程中的互动等多个方面。因此，可能需要设计一种混合方法来全面评估认知外包。借鉴已有方法论，我们采用自陈量表(Self-Report Scale)和标准化量表相结合的方式，通过严格的研究方法开发和验证，确保其测量结果具有可靠性和有效性，以期更准确地评估和理解认知外包在AI创作中的动态和影响。
为构建一个科学且可靠的认知外包测量工具，积累大量与认知外包相关的文本材料是研究的首要步骤。本研究通过设计一份筛选问卷，对参与者的人口学信息、参与认知外包的程度、任务类型，以及过去一周内参与认知外包任务的时长等方面进行了详细调查。筛选问卷的分发渠道包括专门的AI创作论坛和微信群组。通过这份筛选问卷，本研究旨在尽可能收集创作中认知外包行为差异性最大的参与者，以增强所收集信息的多样性和丰富性。
研究采用半结构化访谈的方式对9位使用过AI创作工具的个体进行访谈。根据基本原理，信息基本得到饱和，因此终止访谈。收集的信息除了人口统计学变量外，还包括使用的AI软件类型、常进行的任务类型，以及每周使用时长。访谈者基本信息如表1所示。这9位受访者每周使用AI的平均创作时间为11.05小时。需要说明的是，ChatGPT已经可以文生图甚至视频，Midjourney也可以进行文生视频的艺术创作，但为了区分软件类型，本文以其最具代表性的功能替代任务类型。
表1 被访者基本信息
(二)访谈收集和量表题项编写
本文主要询问使用者在AI创作过程中的认知观念、协作行为等，基于Strauss和Corbin的扎根理论将所获得的访谈信息导入Nvivo11.0中进行开放式编码(Open Coding)与轴心式编码(Axial Coding)，抽取核心概念，最终获得10个二级编码与5个主要类属，即不可靠性、轻信性、非理性、依赖性和认知自主性(见表2)。
1.不可靠性
不可靠性是评估AI工具是否可靠及其内容质量的一个重要维度，关注工具本身的权威性、历史性、可信度，以及生产内容的一致性和准确性。在研究元宇宙知识社区时，研究者已发现AI的来源与内容生成质量是影响用户持续发生学术交互行为的关键。受访者往往谈及在使用AI工具之初，会上论坛或者自行查找其生成效果的信息。
我之前用ChatGPT3.0老是出现问题，升级到4.0后就好了很多。现在我老板叫我天天搞视频，我主要用Stable Diffusion，我看网友反馈蛮成熟的，其他的好像也是基于这个架构起来。我会认为这个工具提供的信息更可靠(受访者ZMQ)。
我用过好几个语言软件，我都会用，而且我给它们打了个分。主要是我平时要做比较精细化的内容，考虑这些软件的准确性、生成速度等。像文言一心就是初阶的，你要是多用几次就腻了。这也让我思考哪些工具是值得长期使用的，哪些可能因为信息不准确或更新不及时而需要放弃的(受访者TMC)。
2.轻信性
轻信性包括在文字生成过程中，对错误信息的接受程度和对信息要素验证的态度。受访者谈到部分内容还存在误差，并且和真实的信息源完全不同。部分受访者从“认为AI是无所不能的”渐渐开始谨慎处理其生成的内容，自行查询所得结果的真伪。
我确实遇到过不少奇怪的情况，尤其是我描述的提示词非常准确和细致，有些软件生成的图片还是不尽如人意，总会缺少关键的要素。最初，我没太在意这些内容，认为AI的结果是准确的。但后来我遇到了几次明显的错误，这让我开始怀疑，我现在更加谨慎了(受访者LB)。
我在写文稿时，一般会主动验证信息的准确性。对于我来说，不论内容来自人工还是AI，验证其准确性是非常重要的。我不想传播错误的信息，这主要与我的个人原则和职业操守有关吧(受访者CZY)。
3.非理性
非理性，主要表现为过分信任未经验证的外部信息源，忽视了对信息源可靠性和真实性的必要审视。这种行为模式反映了在面对大量网络信息时的一种便利性偏好，即倾向于接受看起来有说服力或符合个人预期的信息，而不进行深入的验证。非理性行为可能源自时间压力、信息过载或对特定工具的过分自信，导致未经批判性思考地接受信息。
我知道我有时候对一些看起来靠谱的教程就信了，特别是在用ChatGPT生成文档的时候。我看到一个视频说，只要用几句万金油模板对话就能得到很好的效果，我就直接用了，结果发现并不是那么回事。(受访者WYC)。
我对网上的信息真实性经常持怀疑态度，特别是涉及用ChatGPT写论文的时候。网上有太多的信息了，而且每个人都能说点什么。我知道不是所有的东西都那么简单就能搞定。我尽量不去信任那些我没有亲自核实过的信息源(受访者WQ)。
4.依赖性
从受访者的回答中可以总结出，依赖性主要指的是个体对外部工具或资源的过度依赖，依赖性可能导致个体过分信赖那些AI外部工具，而忽视了自身技能的提升和独立思考的重要性。这种依赖性虽然在短期内提高了效率，但从长远来看，可能会限制个体的创新能力和解决问题的独立性。
讲真的，我对某些软件和在线平台已经产生了情感依赖。像ChatGPT这样的工具，我几乎天天都要用，它就像我的右手一样。我习惯了用它来实现我的设计想法，没有它我就感觉失去了方向(受访者DGM)。
哎，说实话，我平时写作业一直在用这些AI，几乎离不开了。还有啊，用Stable Diffuison来制作模型特效图，真的超级好。没有它们，我可能要花好几倍的时间去自己做(受访者DH)。
5.认知自主性
认知自主性涉及个体在信息处理、决策制定和学习过程中保持独立性的能力。从受访者的回答中可以总结出，在AI创作的语境中，AI软件虽然极大地提高了工作效率和决策速度，但引发了对个体认知自主性的影响和依赖性问题的关注。因此，认知自主性的探讨强调了在高度依赖技术的当代社会中，保持个人在认知过程中的自主性和独立性的重要性。
比如，我现在在想设计方案的时候，很大程度上会考虑软件能提供什么支持，或者我能在哪里找到已经有的解决方案。有些时候我会想，我的设计是不是真的来源于我自己的创意，还是过度依赖了AI(受访者TMC)。
这确实是把双刃剑，一方面提高了效率，另一方面会限制我的创造性思考。大部分时候可以迅速用提示词生成图片，超级快的给出解决方案。但是，我也在思考，这是否意味着我在慢慢失去一些原本属于我的设计判断力(受访者YK)。
基于认知外包的分类模式，本研究提炼出上述5个主要类属，基本涵盖了受访者在使用AI创作过程中的主要认知经历和人机协作考量，在部分二级编码存在重叠的情况下，剔除并合并了相关语句，根据最后获得的相关语句，整理出要素共30条，如表3所示。
表2 认知外包概念的三级编码
表3认知外包行为量表的语句要素
(三)问卷投放和基础样本统计
本研究开发了《面向AI的认知外包》调查问卷，旨在探索个体利用AI工具进行决策和解决问题的行为及其影响。问卷围绕人口统计学常量、认知外包的实际情况，设计了34个题项。其中，认知外包测量题项30个，性别、年龄等常见题项4个。在探讨个体对AI认知外包行为的问题时，本文借鉴了Ahlstrom-Vij的认知外包方法论，使用了李克特五点量表(Likertscale)的形式来询问行为，从“非常不同意”到“非常同意”按照“1”到“5”进行打分，以便于进行量化分析，基本结果如表4所示。
表4 问卷样本描述
本次调查问卷旨在测量个体面向AI的认知外包的行为特征，自2024年1月30日开始分发，主要通过滚雪球的方式在微信好友圈、AI论坛等社群进行推广。问卷收集工作于2月17日结束，总共收集到了306份问卷。经过初步筛选，剔除了包含明显错误回答的10份问卷。同时，为了确保数据的质量，淘汰了填写时间少于2分钟的17份问卷，以排除草率填答的可能。最终，我们得到了279份有效问卷，所有的被访者均回答了关于认知外包的相关语句问题，这些数据将用于后续的分析。问卷有30个题项，符合科学论证的1：10的比例，同时根据Orçan的研究，在这种样本量下使用同一样本进行EFA和CFA是可行的，Orçan使用同一小样本验证了感知压力的双因子结构，内部一致性高(α=.85)。
四、量表的检验和分析
在探索认知外包行为量表时，279个有效样本被作为研究对象，其中男性121人(43.37%)，女性158人(56.63%)，在回答关于认知外包行为的30个题项后，统计情况如表5所示。问卷满分为140分，最高分139分，平均值126分，表明样本总体认知外包行为水平较高。
表5 认知外包行为的描述统计
(一)探索性因子分析
为了评估建构的效度，本研究采用了探索性因子分析法，使用主成分分析和最大方差法，遵循了Shevlin和Lewis在1999年提出的准则，只有当因子的特征值超过1时才予以保留，并且确保每个因子的载荷至少达到0.3。此外，本文确保每个题项都能够对应一个明确的独立维度。通过这个过程，本文构建了一个包含5个条目的面向AI的认知外包评估量表，借助SPSS25.0进行分析，并将因子载荷的结果展示在表6中。
表6 认知外包30个题项的因子载荷分布
研究计算得到的KMO值为0.805，表明样本的适合度是足够的，同时巴特利特球形度检验的χ2值为826.049，显著性水平低于0.01，这进一步验证了进行因子分析的适宜性。累计解释方差显示，5个主成分共解释了约87.1%的总方差。在这些因子中，题项之间的相关系数范围为-0.80～1.0，表明题项之间存在从强负相关到完全正相关的广泛关系。计算分量表与整体量表之间的相关系数范围，将整体量表定义为所有题项得分的平均值，并计算这个整体得分与每个主成分得分(即每个题项在各个主成分上的权重)的相关性。分量表与整体量表之间的相关系数范围为-0.20～0.94，表明某些主成分与整体量表的得分高度正相关，而有一个主成分与整体量表的得分呈现轻微的负相关性。
表7为各分量表的Cronbach's Alpha值，Cronbach's Alpha值通常在0.7以上被认为是接受的，高于0.8则被认为是良好的。因此，这些值表明面向AI的认知外包的各个分量表的内部一致性从良好到非常好不等，其中分量表4的内部一致性(0.863)最高，而分量表5的内部一致性(0.691)相对较低。最后，按照题项内容，同时借助理论结构，将5个主成分分别命名为不可靠性、轻信性、非理性、依赖性和认知自主性。
表7各分量表Cronbach'sAlpha值
不可靠性的因子载荷值介于0.539～0.716，解释了31.4%的总体方差，包含6个题项。讨论了认知外包可能导致的不可靠信念问题，主要解释信息源权威性评价、信息源历史记录、信息源可靠度评分、信息源可信度度量、信息准确性评估和信息来源的一致性。
轻信性的因子载荷值介于0.533～0.706，解释了总体方差的19.7%，包含6个题项。探索了认知外包是否使个体更易于接受错误信息，主要解释接受虚假信息的频率、对虚假信息的态度、对虚假信息的反思程度、主动验证信息的频率和对信息真实性的关注程度。
非理性的因子载荷值介于0.502～0.786，解释了总体方差的17.6%，包含6个题项。着重于未经核实信任外部信息源是否构成非理性行为，主要涵盖对未经核实信息的信任度、对信息源可靠性的感知、对信息源真实性的置信度、考虑信息源的可信度程度、选择信息源的依据和对信息源可信性的评价。
依赖性的因子载荷值介于0.551～0.686，解释了总体方差的10.5%，包含6个题项。分析了对认知外包的依赖程度及其对认知健康的潜在影响，主要解释对外部工具的依赖频率、外部工具在认知过程中的重要性、对外部工具的情感依赖、外部工具在问题解决中的帮助程度、外部工具对决策过程的影响和外部工具对学习和记忆的作用。
认知自主性的因子载荷值介于0.510～0.780，解释了总体方差的8.0%，包含6个题项。考察了认知外包是否削弱了个人的认知自主性，主要包括认知自主性的时段变化、认知自主性在不同情境下的变动、认知自主性与外部依赖的关系、认知外包与决策质量的关联、认知外包对决策速度的影响和认知外包与决策风险的关系。
(二)验证性因子分析
本研究继续借助含有5个维度30个题项的面向AI的认知外包行为量表进行验证性因子分析。验证性因子分析阶段采用的估计方法为“最大似然法(ML)”，该方法是验证性因子分析中最常用的估计方法之一，特别适用于数据分布较为接近正态的情形，并且在中小样本条件下也能够提供稳健的参数估计和模型拟合效果。这一阶段所采用的数据为总样本的279名被访者，结果如图2所示，其中，X为认知外包水平，各变量为不可靠性(UR)、轻信性(GL)、非理性(IR)、依赖性(DE)和认知自主性(CA)。
图2 面向AI的认知外包行为量表的30因子模型构建
将系数转化为标准化因子载荷后发现，部分题项因子载荷过低，根据标准化因子载荷结果，研究剔除了系数绝对值小于0.2的题项，包括UR5(0.18)、UR6(0.19)、CA5(-0.02)，因此问卷最终剩余有效题项27个。
上述过程主要用于检验面向AI的认知外包行为量表的拟合效果，最终模型的结果显示尚可。模型的卡方值显著(χ=1189.765，SD=24，p=.000)。其他拟合系数显示如下：RMSEA=.081，CFI=.829，TLI=.916，SRMR=.043。RMSEA介于0.08～0.10，表明模型可以接受。上述拟合系数显示该五维度模型拟合程度可被接受。研究发现某一个维度与整体分数出现负相关，参与者可能在作答时对该维度题目的理解或反应倾向与其他维度存在本质不同，致使该维度分数与整体量表呈负相关关系。这一结果提示，在后续研究中，需要进一步通过质性访谈或增加不同背景的受试群体，深入探讨参与者的理解偏差或特定反应倾向。未来还应通过更大规模的样本和跨情境的重复验证，以确定这一维度是否稳定存在于量表结构中，或需要进行适当的修正。
本研究提取的五个因子———不可靠性、轻信性、非理性、依赖性与认知自主性，共同构成了个体在AI创作过程中的认知外包行为结构，并在实际创作中发挥着不同的作用。不可靠性反映个体对AI生成内容的信源评估能力，决定其是否能基于可信信息进行创作决策；轻信性体现了个体在面对AI输出时的验证意识与信息审慎程度，影响其创作内容的准确性与逻辑性；非理性则揭示个体在认知外包中可能出现的直觉化、非批判性判断倾向，是创作失真或偏差的重要来源；依赖性衡量个体对AI工具在创意生成、技术执行中的过度依附程度，反映其在人机协作中认知主动权的让渡程度；认知自主性则代表了个体在AI协同创作中的自我把控能力与创作独立性，是保障创作原创性和价值判断能力的核心认知基础。五个因子之间相互制约、动态交织，共同决定了AI创作中人机协作的质量与深度。
本文构建的面向AI的认知外包行为量表具有明确的实践价值，它所测量的认知外包是一种个体在AI辅助创作过程中展现的认知态度和行为模式，包括对AI工具的信任程度、信息处理倾向以及认知自主性的管理策略。这一量表不仅能帮助研究者和实践者更好地评估和理解个体如何与AI工具互动协作，还为艺术创作者、教育工作者及AI技术开发者提供了有效的评价工具，以优化人机协作模式，促进创造性思维的激发和认知效率的提升，从而推动认知科学理论和创意创新实践的发展。
五、结论与反思
当下，AI与人类创意之间的界限日益模糊，这种趋势对艺术界和科技界都产生了深远的影响。AI创作的新阶段不仅是技术上的突破，还是文化和哲学上的重大进展。ChatGPT等语言大模型工具，让创作者可以利用AI进行辅助创作，实际上是在探索人类创造性与机器智能之间的新型互动模式。这种模式的核心在于认知外包，即将创作过程中的某些认知任务转移给AI系统，从而释放人类创作者的潜能，让他们能够聚焦于更深层次的艺术创意和表达。
在这个背景下，本文从概念界定、维度识别到量表开发的完整过程，为理解和评估人类与AI在创作过程中的协作提供了重要的理论框架和实践工具。本文通过访谈和文献解析的方法，明确了认知外包的定义为在创作过程中，创作者将部分或全部创作任务委托给AI的行为。这一定义不仅捕捉了认知外包的本质，还强调了其在促进创造性思维机制理解和探索人机协作新模式中的作用。通过因子分析方法，从问卷数据中提取了五个关键因子，即不可靠性、轻信性、非理性、依赖性和认知自主性，为评估个体或团队在AI辅助创作中的心理态度和行为模式提供了有效工具。
构建面向AI的认知外包行为量表在当前技术与创作实践交汇的背景下显得尤为重要。随着人工智能技术在科学、艺术创作领域的广泛应用，创作者与AI之间的互动日益增多，对这种新型创作关系的理解和评估需求急剧上升。认知外包行为量表为评估和理解人类创作者如何利用AI进行创作提供了一种系统的方法论工具，帮助研究者和实践者深入探讨认知外包的心理和行为模式。它不仅促进了认知科学与人工智能领域的交叉融合，还为研究创造性思维的机制提供了新的实验工具，研究者可以更好地理解人类创造性思维的工作原理以及AI如何影响这一过程，进而推动创新思维理论的发展。
此外，本量表的构建也存在很多不足。例如，在理论、语料、题项的归纳上依然有待加强，应该参考更多国内外有关语言大模型的最新研究成果，在样本量上也依然有待增加。在后续研究中，可以进一步精炼和优化量表题项的表述，以减少因措辞模糊或内容重叠所导致的跨因子载荷问题，提高各维度间的区分度。同时，可以扩大样本规模，并引入异质性更高的样本群体，采用重复验证的方式对量表结构进行稳健性检验，以进一步验证本研究的发现。尽管本次研究受样本数量和资源条件所限，存在一定局限性，但本研究的结果仍具备探索性与理论参考价值，并为后续深入修订与模型验证提供了基础。本研究的部分结论，能够促使学术界和实践界深入反思人机合作关系中的伦理问题，如创造性归属、认知自主性以及AI技术的道德界限，也为未来研究提供了基础架构，使得后续研究能够在此基础上进一步探索认知外包的其他维度和影响因素，拓展对AI辅助创作领域的理解。本文的工作为研究人类与AI的合作关系、优化人机交互设计以及推动创造性教育和实践提供了实证基础和理论支撑，具有重要的学术和实践价值。
备注：全文引用及参考文献从略
引用参考：
陶炜.“善假于物”：面向AI的认知外包概念、维度及量表开发[J].传播创新研究,2025,(02):137-161+243-244.
作者简介：
陶炜，华中农业大学文法学院副研究员。
