人类创作者如何拥抱人机协作创作?——编剧人类主体性的视角
作者
生成式AI(文本、图像、音乐、视频)大语言模型(LLM)的人机协作创意协作与反馈系统电影与动画制作人UI/UX 设计师AI/ML 研究员与工程师
文献标题
How Do Human Creators Embrace Human-AI Co-Creation? A Perspective on Human Agency of Screenwriters
出版信息
- 主题领域: 人类与人工智能协同创作在剧本写作中的应用,聚焦于人类能动性。
- 关键词: 人工智能协同创作、剧本写作、人类能动性、生成式人工智能、创意工作流、意图性、前瞻性、自我反应性、自我反思性、职业发展。
背景与问题
- 问题与挑战: 现有关于人类与人工智能协同创作的研究仅提供了交互的片段性视角,缺乏对创作者如何随着时间推移发展其实践并在与人工智能的持续协作中发挥能动性的深入洞察。
- 重要性: 理解剧本作家如何适应人工智能对于设计支持创造力的工具至关重要,同时也有助于保护人类独特性并降低技能退化或过度依赖的风险。
- 动机与相关研究: 之前的研究探讨了人工智能在创意生成、叙事结构和工作流优化中的作用,但未能深入分析创作者如何演变其策略、调控人工智能的影响以及反思其实践。本研究基于Bandura的人类能动性理论来探讨这些动态。
解决方案
- 提出的方法: 通过为期两周的定性研究,邀请19位专业剧本作家参与,基于Bandura的人类能动性框架分析他们与人工智能协同创作的实践。
- 创新点:
- 系统性地研究剧本作家如何围绕人类能动性的四个属性(意图性、前瞻性、自我反应性、自我反思性)发展协同创作实践。
- 识别剧本作家对未来人工智能系统的期望,以更好地支持他们的能动性。
- 为剧本作家、工具设计者和研究人员提供促进可持续人类与人工智能协同创作的实践建议。
- 研究过程与关键技术:
- 三阶段研究:协同创作会话、回顾性思维大声说协议,以及半结构化访谈。
- 分析参与者的计划、评估和反思过程。
- 对2850分钟的录音转录和每日日志进行主题分析。
结果
- 具体发现:
- 剧本作家利用人工智能完成内容扩展、结构优化和知识获取等任务,并依据叙事一致性、结构符合性、逻辑一致性和内容准确性等评估标准指导创作。
- 对人工智能输出的即时反应包括采用、调整和规避,这些行为影响了长期策略的形成。
- 参与者通过与人工智能的持续互动建立信心、重组工作流并转变认知方法。
- 研究发现了关于技能退化和过度依赖的担忧,同时也观察到参与者将人工智能视为伙伴、竞争者和情感支持的角色转变。
- 相比基线的优势: 与以往研究相比,本研究提供了剧本作家如何适应并发展与人工智能协同创作实践的纵向视角,深入揭示了人类在协同创作中的发展过程。
- 实验与评估:
- 参与者在两周内使用基于聊天的人工智能平台完成了一篇五分钟剧本创作。
- 数据收集包括每日日志、回顾性思维大声说协议和访谈。
- 分析重点围绕人类能动性的四个属性以及参与者不断演变的策略和期望。
- 局限性与未来工作:
- 研究仅限于短篇剧本写作,未来研究可探索长篇或多集格式。
- 剧本未进行舞台或制作,未考虑实际制作约束。
- 样本可能缺乏多样性,未来工作应涵盖更广泛的人口统计和创意领域。
- 需要开展长期观察研究并开发可测量的能动性构建指标。
摘要
本研究基于Bandura的意图性、前瞻性、自我反应性和自我反思性框架,探讨专业剧本作家在人工智能协同创作中的能动性。通过两周的研究,19位剧本作家展示了积极的计划、评估和反思,发展了将人工智能融入工作流的策略,同时应对技能退化和过度依赖的担忧。参与者将人工智能视为伙伴、竞争者和情感支持,并表达了对未来系统更好支持其能动性的期望。研究结果为剧本作家、工具设计者和研究人员提供了可操作的洞察,强调了设计能够促进人类发展并保护创意独特性的工具的必要性。未来研究应探索多样化的创意背景以及长期的人类与人工智能协作动态。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 71%
偏好引导的提示优化用于文生图生成
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 71%
AIDED:用人类体验数据增强室内设计以实现设计师-AI协同设计
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 71%
与生成式AI合作:模型主导和人类主导交互在人机共创中的实验评估
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 71%
生成式AI图像工具中的交互方法:HCI与行业趋势及设计机遇综述
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 71%
超越输入输出:通过人机协作中的类比设计重新思考创造力
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 71%
创意所有权范式
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 67%
IntentTuner:将人类意图整合到文本到图像生成模型微调中的交互框架
CHI '24· 生成式AI(文本、图像、音乐、视频) +1
- 67%
AI仪器:将提示作为工具来抽象和反映图形界面命令作为通用工具
CHI '25· 生成式AI(文本、图像、音乐、视频) +1
- 67%
IdeationWeb: 跟踪人类-AI共同创作中设计想法的演变
CHI '25· 大语言模型(LLM)的人机协作 +1
- 63%
VidSTR:语音驱动的视频合成的自动时空重定向
CHI '25· 生成式AI(文本、图像、音乐、视频) +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790300
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、大语言模型(LLM)的人机协作、创意协作与反馈系统
work
职业/产业
电影与动画制作人、UI/UX 设计师、AI/ML 研究员与工程师
article
内容状态
已索引正文
hub
相关论文
10 篇相关论文