1. 理论框架：资源保存理论 (COR)
研究将大语言模型 (LLM) 视为一种“资源”，通过两条截然不同的路径影响创造力：
📉
资源损耗路径 (双刃剑之弊)
当人把AI当成“本体一部分”时...
存在性依赖
(离不开它)
➜
焦虑
(中介)
➜
创造力
(下降)
📈
资源增益路径 (双刃剑之利)
当人把AI当成“得力工具”时...
功能性依赖
(信任功能)
➜
心理可得性
(中介)
➜
创造力
(上升)
2. 核心变量解析 (点击翻转)
😰
存在性依赖
Existential Dependence
定义：
将LLM视为自身不可或缺的一部分，缺乏其辅助时无法正常工作，甚至产生恐惧和不安（戒断反应）。
后果：引发焦虑。
🛠️
功能性依赖
Functional Dependence
定义：
高度信任LLM的功能，相信其能按指令提供符合预期的结果（工具理性）。
后果：释放认知资源，提升心理可得性。
定义：
个体相信自己拥有足够的身体、情感或认知资源投入到工作中的自我状态。
LLM处理了琐事，让科研人员觉得“我有精力做更有创造性的事了”。
定义：
感知到自己的教育、经验和能力超出了当前工作的实际需求。
注意：这是本研究最反直觉的发现点。
🧐 独家发现：高能力者的脆弱性 反直觉结果
原假设 (H3a)： 认为自己能力强（资质过剩感高）的人，资源多，应该能缓冲“存在性依赖”带来的焦虑。
实证结果 (拒绝H3a)： 恰恰相反！ 资质过剩感越高，存在性依赖导致的焦虑反而越强烈。
深度解释：
- 认知失调： 高能力者自视甚高，但如果他们发现自己竟然离不开AI（存在性依赖），会产生强烈的心理冲突（“我这么强，怎么能沦为AI的附庸？”）。
- 资源威胁： 这种对“自我价值”的威胁感，反而加剧了资源损耗和焦虑。
- 双向放大： 同样，资质过剩感高的人，如果善用工具（功能性依赖），由于其主动性强，获得的“心理可得性”增益也比普通人更多。
3. 结论与管理启示
💡 给科研管理者的建议
- 建立平衡机制： 不应二元对立（全盘接受或禁止），要引导从“心理依赖”转向“功能利用”。
- 差异化管理： 特别关注高学历/高资历人才的心理健康。他们在使用AI时若产生依赖，心理负担更重，需提供针对性疏导。
- 技能培训： 开展AI应用技能培训（提示词工程等），增强掌控感，减少因“黑箱”带来的恐惧。
⚠️ 研究局限与展望
- 数据局限： 截面数据（某一时间点），无法完全确定长期因果关系。建议未来进行多时点追踪。
- 层次局限： 仅关注个体层面，未考虑团队氛围、组织压力等环境因素。
- 适用范围： 样本主要为中国高校和科研所，跨文化普适性有待验证。