How prompt engineering influences GenAI: The role of examples

Abstract

Generative AI (GenAI) is increasingly employed in ideation and innovation contests, where it supports creativity by expanding the solution space and stimulating originality. In this context, prompts serve as the interface with AI, and the inclusion of examples emerges as a key design factor. Prior studies on human solvers highlight both benefits—reducing ambiguity and guiding idea generation—and risks, such as fixation and reduced variety. This thesis investigates whether these dynamics also hold when the solver is GenAI. The research draws on data from the Crowdsourcing Lab at the University of Palermo (2024–2025), where students addressed creative challenges with and without GenAI. Prompts were coded according to three dimensions identified in the literature: (i) presence of examples, (ii) number of examples, and (iii) type of examples (valid “positive” examples vs. invalid “negative” ones). Statistical analysis through linear regressions (Stata14) assessed the impact of these factors on creativity scores. Findings show that GenAI does not reproduce the same patterns observed with humans. The presence of at least one positive example significantly enhances creativity, confirming its orienting role. By contrast, providing too many examples reduces creativity, indicating statistical convergence rather than exploration. Negative examples show no significant effect, suggesting that GenAI does not activate de-fixation processes as human solvers do. This thesis contributes to the literature on prompt engineering, creativity, and crowdsourcing, showing that design principles effective with human participants require careful adaptation when applied to GenAI.

A inteligência artificial generativa (GenAI) é cada vez mais utilizada em concursos de ideação e inovação, apoiando a criatividade ao expandir o espaço de soluções e estimular a originalidade. Nesse contexto, os prompts funcionam como interface com a IA, e a inclusão de exemplos torna-se um elemento central de design. Estudos anteriores com participantes humanos destacam tanto benefícios — como a redução da ambiguidade e a orientação do processo criativo — quanto riscos, como a fixação e a redução da variedade de ideias. Esta dissertação investiga se essas dinâmicas também se aplicam quando o solver é a GenAI. A pesquisa baseia-se em dados do Laboratório de Crowdsourcing da Universidade de Palermo (2024–2025), onde estudantes enfrentaram desafios criativos com e sem o apoio da GenAI. Os prompts foram codificados segundo três dimensões da literatura: (i) presença de exemplos, (ii) número de exemplos e (iii) tipo de exemplos (válidos “positivos” versus inválidos “negativos”). A análise estatística, realizada por meio de regressões lineares (Stata14), avaliou o impacto desses fatores nas pontuações de criatividade. Os resultados mostram que a GenAI não reproduz os mesmos padrões observados em humanos. A presença de pelo menos um exemplo positivo aumenta significativamente a criatividade, confirmando seu papel orientador. Por outro lado, um número excessivo de exemplos reduz a criatividade, sugerindo convergência estatística em vez de exploração. Exemplos negativos não apresentaram efeito relevante, indicando que a GenAI não ativa processos de “desfixação” como ocorre com os humanos. Esta dissertação contribui para a literatura em prompt engineering, criatividade e crowdsourcing, ao demonstrar que princípios de design eficazes em contextos humanos exigem adaptações cuidadosas quando aplicados à GenAI.