人工智能背景下设计基础教育教学改革研究

杨 浩

（黄河科技学院，河南 郑州 450061）

人工智能（Arificial lintellience，简称AI）的出现和发展得益于数据量的快速增长、计算能力的大幅提升、机器学习算法的持续优化和互联网的普及。人工智能最早由约翰·麦卡锡（John Mccarhy）于1956在达特茅斯会议上正式提出[1]。麻省理工学院计算机科学家帕特里克·亨利·温斯顿（Patrick Henry Winston）教授在其《人工智能》一书中对“人工智能”的定义是，研究人类智慧的行为规律（如：学习、计算、推理、思考、规划等），构造具有一定智能的人工系统，以完成往常需要人的智慧才能胜任的工作[2]。近年来，国内的专家学者们对人工智能提出了各自的理解，如王万森从“能力”和“学科”两方面对人工智能进行解释：从能力上来看，人工智能是“用人工的方法在机器上实现的智能”；从学科上来看，“人工智能是一门研究如何构造智能机器或者智能系统，使它能够模拟、延伸和扩展人类智能的学科”[3]。

结合国内外专家学者对人工智能的理解与定义，可以认为人工智能是指以大数据、并行计算、深度学习为驱动，通过研究人类智能，使得机器能够模拟、延伸、扩展人类的智能行为，从而构造出具有一定智慧能力的人工系统，能够完成通常需要人类智能才能胜任的工作，实现解放人的生产力和协助创新生产的目的。

自“深度学习”[4]这一概念提出后，人工智能取得突破性发展，2016年“AI围棋”的出现引发了人工智能将如何改变人类社会的思考，各行各业也在不断探索与人工智能技术的结合与创新。其中，艺术设计领域和教育领域的人工智能探索已取得了一定的成果，并呈现融合并举的趋势。

一、人工智能在艺术设计领域的应用

2018年谷歌推出了“Deep Mind”人工智能程序，它可让使用者独立学习绘画，并通过分解和重建许多图画信息来实现不同的艺术表现。这是人工智能技术在艺术创作中取得的实质性突破，激发了艺术设计领域关于人工智能创作的探讨，以及社会层面的广泛关注。在同年的佳士得拍卖会上，一幅人工智能画作（如下页图1）《埃德蒙·贝拉米肖像》（Portrait of Edmond Belamy）以超出估价四十倍的43.25万美元被藏家拍下收藏，这是全球首件进入大型拍卖会的人工智能艺术作品。

图1 《爱德蒙·贝拉米肖像》1 图片来源:佳士得官网。

这件作品被艺术市场热烈追逐后，越来越多的艺术家、设计师关注到人工智能介入艺术和设计创作的问题，并采用人工智能创作的方式表现其艺术主张。2021年，OpenAI公司，为致敬《WALL-E》以及超现实主义画家达利，推出了新型人工智能模型DALL-E，并在短短一年后升级到DALL-E-2。DALL-E模型先在训练阶段，将文本和图像同时编码到一个数据空间。并在推理阶段，也就是图像生成阶段，模型根据输入的文本信息，从这个数据空间中得到对应的图像信息，进行解码、重组和输出[5]。通过DALL-E模型，使用者只需提供一句话的想法和创意，就可以在短短几秒钟之内获得数张符合设计逻辑且完整美观的图片，极大程度上解放了艺术设计创作的生产力（如图2）。

图2 《爱德蒙·贝拉米肖像》2 图片来源:OpenAI官网。

直至今日，在无数次人工智能技术迭代、艺术设计实践和资本市场参与中，人工智能已广泛应用在一些付费网站、社交软件和游戏软件等新媒体艺术领域，以及广告设计、产品设计、室内设计、景观设计等设计领域。在复合化多元化时代的今天，艺术设计行业对人才的需求也从耐力型转化为创新型。适应并跟随时代脚步，寻找艺术与科技二者的契合点，把人工智能融入艺术设计创作中，利用大数据、AI、VR等技术辅助创作，将有助于节省艺术家和设计师收集处理创作素材的时间，突破既有模式，创造新的艺术世界[6]。

二、人工智能在教育教学领域的应用

随着人工智能等新技术的发展，传统教育形态被解构和重塑，施教者传授知识的方式、受教者获取知识的方式、施教和受教的关系已经发生了深刻的变革。人工智能促使教育目标发生了变化，由以知识为核心向以人的发展为核心[7]。传统意义上以人为载体的“教师”和以书本为载体的“教材”，将逐步转化为以人工智能为载体的“教师”和以互联网信息为载体的“教材”，提高规模化教学“坪效”，降低个性化教学“能耗”。解放更多工作在一线、重复劳动的施教者人力，让他们将精力和经验真正投入到教学研究、课程设计和技术研发之中。

基于人工智能对教育的深刻影响，党中央、国务院“积极推动人工智能和教育深度融合”[8]。为此，教育部出台了《高等学校人工智能创新行动计划》[9]，并在2018年和2021年先后启动两批人工智能助推教师队伍建设试点工作[10-11]；中央网信办等八部门在教育领域联合认定了十九个国家智能社会治理实验特色基地[12]，探索“人工智能+教育”场景下智能治理机制；科技部等六部门联合印发通知，将智能教育纳入首批人工智能示范应用场景，尝试形成可复制可推广的成果和经验[13]。

在人工智能背景下，人才培养模式和教学方法要能够适应智能学习环境，能够开展高层次智能教学，能够培养学习者智能素养和实现教育高绩效，以期最终构建精准、个性、多样和开放的教育生态。然而人工智能在教育教学领域应用的思路和路径，目前仍处于摸索阶段。现阶段的主要目标是为了在“教、学、测、评”模式上融入和嫁接人工智能技术，使之成为支持和优化传统教学活动的技术手段。所以，人工智能在教育教学领域的应用过程中，难免存在一定脱节、照搬，甚至滥用的问题。

近年来，越来越多的研究学者、教师和工程师对人工智能在教育教学领域中的应用进行了诸多研究、探索和实践。2022年5月，黄河科技学院设计艺术科教中心与企业合作，尝试运用人工智能解决高校艺术设计类专业中设计基础教育教学中差异化教学和个性化干预不足的问题。

三、人工智能赋能设计基础教育

文中谈到的设计基础，主要针对的是环境设计、视觉传达设计、产品设计等艺术设计类专业中的绘画基础（包括：素描、速写、色彩等课程）、构成基础（包括：平面构成、色彩构成、立体构成等课程）、工程基础（包括：工程制图、建筑模型制作、人体工程学、材料与构造等课程）、软件基础（包括：PS软件、CAD软件、3D软件等课程）等[14]（如图3）。

图3 黄河科技学院环境设计专业基础平台课程1 图片来源:张晓辉“黄河科技学院环境设计专业课程体系”情况汇报PPT,2023年1月。

与其他学科略有不同的是，推进人工智能赋能设计基础教育，不仅是设计类院校和教师的选择，越来越多的设计类专业的学生也会自发选择使用人工智能技术和工具。从受教方自身激发学习和应用人工智能的原生动力，并借助互联网和智能学习平台获取学习资源和设计素材，满足其在艺术设计创作等方面的需要，并转化为具有实用场景和商用价值的设计作品。因此设计基础教育，凭借其对人工智能天然的主动需求和特殊的创作条件，或将成为人工智能在教育教学领域应用的示范。

1.人工智能赋能设计基础教育教学的现状

基于传统的设计基础教育教学模式，目前人工智能技术在“教”的环节相对滞后脱节，在“学”的环节缺乏系统性，在“测”的环节融合度不高，而在“评”的环节也存在局限性，仍存在“人工智能”和“设计基础教育”“两张皮”的问题。

第一，人工智能技术并非高度成熟技术，而是处于一个快速发展和进步的阶段。其技术转化应用至设计基础教育领域，与当下前沿和先进的技术之间，必将发生滞后和脱节，难以与发展和需求同步接轨，教学内容与实践活动、商用产业间的转化动力不足。

第二，人工智能和设计基础教育尚未形成系统性和递进性的学习环境，学科课程方面结合度不深且呈碎片化，教师方面尚未具备成熟的跨专业学科知识和人工智能教学素养，这也是人工智能在各学科教育教学中的通病。

第三，作为传统教育难点之一，教育成果测试在人工智能介入后也未能实现真实反映问题和提供准确反馈结果的目标，较难改变传统设计基础教育测试标准化的规则和工具，融合度和革新度不高，一定程度上限制了个性化、动态化和智能化的教育教学成果测试体系形成与发展。

第四，缺乏人工智能赋能设计基础教育相应的体制机制保障和评价促改体系，评价过程和评价标准流于形式和线性单一，难以测评人才培养质量和政策改进效果。

2.人工智能赋能设计基础教育教学改革

针对人工智能在艺术设计领域的应用，以及设计基础教育对人工智能的需求，既要打破程式的、单一的、被动的传统设计基础教育教学，又要避免浅显的、照搬的、激进的人工智能套用式教育教学。综上，人工智能背景下设计基础教育教学改革应从“教育思路改革”“教学模式改革”和“教育体系改革”三个方面展开。

（1）教育思路改革

教育思路改革包括改革设计基础教育目的、人工智能教育目标和协同教育教学模式等。在人工智能背景下，设计基础教育目的是培养具有自主创新能力和原创设计思维的专业人才。该类专业人才还应细分为艺术设计应用人才、艺术设计算法编程人才、艺术设计人工智能课程研发人才等。人工智能教育目标并非在传统教育思路基础上，将人工智能单纯地定位为提高传统教学效率赋能的“教具”身份，应将人工智能转变为“教材”和“老师”身份，充分发挥人工智能的“智性”，提供古今海量和实时更新的设计知识信息，才是人工智能“人性”的优势。以此树立与人工智能技术协同教育的思路，为教学模式和教学体系改革做好统一思想工作。

（2）教学模式改革

教学模式改革包括改革设计创新人才培养模式、评估反馈模式、交互学习模式、产学研转化模式，分别通过人工智能“智适应”“智评估”“智拓展”“智应用”技术实现深入融合和突破创新。“智适应”和“智评估”技术是各学科教育教学与人工智能结合的必由之路，而“智拓展”和“智应用”，则是设计这门学科有别于其他基础教育的重中之重，以及进行改革创新的突破点。

①智适应技术是人工智能助力设计基础教学过程个性化的关键技术

对于受教者而言，智适应技术通过构建学科知识内在关系的知识图谱，跟踪受教者学习过程并收集学习数据。以此测算分析受教者的学习进度、学习深度和学习习惯，为每一位受教者量身定制个性化学习方案，有方向性和目标性地提供最佳学习资源和引导最佳学习方法，有助于提高学习兴趣，满足成就感，建立良好的、正向的交互关系。经过算法反复测试、推送、反馈、分析和验证，实时记录受教者学习历程并及时更新受教者最新动态，最终形成日趋庞大的智能大数据库和模型库，让人工智能算法成为施教者的“同事”和“助教”，受教者的“老师”和“学伴”，以此来逐步实现教育个性化，具有普适化价值。

对于施教方而言，智适应技术主要应用在院校等教育机构的教研工作上，由施教方的教师筛选和导入设计基础教学信息，搭建设计基础课程体系框架，协同人工智能研究分析数据，纠偏修正数据和模型，使改革后的教学系统、教学模式能更智能地适应教研和教学工作。智适应技术也将有助于培养教师的智能教育素养，助力教师积极探索人工智能背景下的教育教学策略，极大提高施教方整体教育教学水平和成果。

②智评估技术是人工智能助力设计基础教学测评科学化的关键技术

智评估技术以实时跟踪、动态捕捉的即时优势，独立建档、海量记录的存储优势，以及智能分析、更新迭代的算法优势，改革传统设计基础教学以结果评价为主的教学测评方式，转变为以数据驱动为主的人工智能教学测评方式。智评估技术主要体现在智能教学平台、智能课堂行为、智能学习助手和智能考务应用等终端。

借助智慧教室的台式电脑、智能手机、平板电脑、数控笔、摄像仪和录音器等终端设备，采集每一位受教者课堂学习行为、课后作业行为、小组研讨行为、考试测试形式和作品创作行为等各方面基础数据，建立成果测评数据库。智评估技术由智适应技术发展而来，为学情诊断、综合评价和学业规划提供支撑。以多元化和差异化的测评体系促进学生发展，将改变传统设计基础教育中仅以掌握设计知识和展示设计技能为结果导向的测评体系，将自主学习、自主思考、自主创作的“三自主”，以及交互沟通、交互协作、交互反馈的“三互动”共同融入测评体系，最终实现测评的科学化。

③智拓展技术是人工智能助力设计基础教学交互性和自主化的关键技术

设计基础教学兼有基础性、应用性、共通性、交叉性、综合性、公共性的特征，相较于其他学科其对实践应用性的要求高于学术知识性的要求。在学理上需注重在现代艺术与其设计的结合与衔接，引导受教者理解艺术与设计的关系，并辩证性地、创造性地探寻这种关系对于中国教育、中国审美和中国社会的未来走向。因此在从“学”到“用”的道路中，还将经历“思”和“练”的过程，使受教者树立学术意识、培养科研精神、形成交互习惯、构建创作思维。

通过小组协作、师生协作、跨专业学科协作的设计交互练习，智拓展将有助于提供匹配创作主题和为交互任务的设计元素、设计风格、设计作品以及设计模板作创意参考，将理论知识和数据模型转化拓展为实践作品，在练习和拓展过程中不断打磨和深化，不断比对和优化，形成原创和成熟的设计风格。智拓展还应体现在引导受教者自主了解艺术设计领域国际、国内的动态，协助培养搜集并整理相关前沿理论与专业数据的能力。树立独立发现问题、提出问题和解决问题的意识，进而拓展出具有预测与研判中国艺术设计基础教育未来趋势的专业素质与学术素养，拓展出具有适配与适用艺术设计学术领域和社会领域的专业能力与实用价值，为智应用夯实理论和创意基础。

④智应用技术是人工智能助力设计基础教学成果实用化的关键技术

随着大数据智能化发展，我国已构建智能产业、智能制造和智能应用“三位一体”的新格局，不论是人工智能，还是设计基础教育，都不仅停留在学术研究和教学研究的理论层面，而是真正拥有产业商用和使用场景的应用层面。人工智能应用技术主要是通过人工智能技术构建和扩充设计素材库，并通过使用者的设计思维语言，既面向施教者，也面向受教者使用和共创，如“智能供图”“智能搜图”“智能生图”功能，大幅提高绘画基础、构成基础、工程基础和软件基础课程的设计素材检索和收集效率，开拓设计赋能制造产业和媒体传播视野，并结合应用端的需求达成产学研的实际效应。这既是当今设计应用领域的要求和标准，又是设计基础教育的使命和担当，也是传统设计基础教育尚未破局和跨界的痛点之一。

通过智应用教学改革，为受教者营造良好的学习氛围和学术环境，引导其感受和体验艺术与科技结合下的设计之美，了解当下时代高速发展下企业、客户和社会大众对艺术设计的要求变化，设计出符合市场和使用者需求的产品[15]。并在该过程中掌握艺术设计产品生成原理、制作流程和产品工艺等行业知识，不断思考如何利用人工智能技术进行产品升级，使受教者在校学习期间能够提前与社会、市场和未来接轨。

（3）施教方和平台方的改革

教育思路改革和教学模式改革，将激发施教方和平台方的变化和调整。针对施教方，主要体现在师资专业结构、教育科研方向和人才培养计划改革等；针对平台方，主要体现在教学空间及设备、系统算法等方面。

①施教方改革

一是师资专业结构改革。首先以人工智能为核心驱动，设计基础教育教学改革需注重提升教师团队的综合能力和协作能力，应融合数据科学与大数据、数字媒体技术等专业背景人才，加强艺术设计专业教师在人工智能基础理论和实践应用等方面的能力培训，从教师层面做好兼顾模型算法、机器学习等人工智能“硬技能”与批判性思维、人工智能应用伦理等“软实力”的研究和培育，以便将正确、客观和科学的教育内容教授给每一位受教者。

二是教育科研方向改革。在人工智能赋能设计基础教育的背景下，教师职业发展方向也将逐步发生裂变、细分和融合、新生，未来人工智能代替一线教育工作者的大量基础性和重复性的工作，使得大部分施教方的教师得以转向教研、教育管理等领域和岗位，促进科研教学双向赋能。改革设计基础教育科研方向，注重跨专业多学科协作，注重科研教学双结合，细分人工智能教育模式研究、人工智能设计知识学习研究、人工智能设计应用研究、人工智能设计伦理研究以及测试评估研究等。

三是人才培养计划改革。创新机制体制改革，完善人才培养保障体系，通过专业师资队伍，系统探索和构架专、本、硕、博等不同层次的设计人才培养计划，增设“人工智能与设计教育”交叉学科硕博士学位授权点，形成多层次、多类型的培养体系。促进课程体系改革和课程结构调整，压缩课内学时学分，增加实验实践环节比重，引导受教者参与人工智能教学、教研、实践和应用等环节。针对不同受教者在艺术设计领域的天赋、兴趣和志向，全面推进人工智能与设计基础教育深度融合，有靶向性地培养应用型人才、研究型人才和创新型人才。此外，还要打破校企壁垒，促进产教融合，探索“大学—政府—企业”三方合作的人才培养模式，为设计基础教育中的智应用功能提供制度保障和实践基础。以及重视人工智能相关法律知识和心理学知识的课程内容设置，培养正确的人工智能道德观和价值观，避免因滥用或误用人工智能技术导致社会伦理问题。

②平台方改革

一是教学空间改革。在网络空间上，构建拥有自主知识产权的教学云平台，实现师生拥有个人网络空间，日常教学将紧密围绕此空间开展，学生可以随时、随地进行“移动学习”。构建设计专业专属智能系统，在常规的“云课堂”基础上，结合设计基础教育需求定制智能助教和伴读功能的教学平台。在物理空间上，打造可视化群控管理智慧教室，即“云端一体化、互动多样化、模式多元化、学习协作化、行为可视化、管控智能化”的新型智慧教室，实现课堂多媒体内容呈现、即时师生互动、学习情境感知、自适应教学服务，最终形成线上线下打通、课内课外一体、实体虚拟结合的教学空间。

二是设备系统改革。通过软硬件设备的数据采集和编程算法，支持多种设计教育教学模式，全流程管理学习、作业和实践任务，全方位建模学生画像和学习模型，全面支持小组协作和产学研应用，提供数据驱动的“教、学、测、评”服务体系，实现“智适应”“智评估”“智拓展”“智应用”技术助力知识传递和思维培养融合。

四、人工智能背景下设计基础教育教学改革探索

在主动适应数字创意产业的背景下，2019年黄河科技学院成立了“设计艺术科教中心”。中心依托学校在信息学科领域的优势和特色，并于2022年5月联合企业，以艺术与科技的交叉融合为突破口，将设计人才培养模式与信息技术人才培养模式进行有效“嫁接”，坚持“以创意见长，拿作品说话”[16]的成才途径，培养能熟练运用现代信息技术、数字技术进行艺术设计创作的复合性设计人才。

在学校和企业的共同推动下，采用人工智能支持下的“翻转校园”教学平台，依托设计基础课程教研室，围绕人工智能背景下设计基础教育教学特点，从人才培养方案、课程设置等方面，探索整合设计基础教学内容，构建新的设计基础教育教学体系，推进设计基础教育教学改革。

第一，通过智能教学平台使教师有效掌握学生的学习情况。教师通过学情数据观察可以看到学生在线学习的时间、考勤次数、参与讨论等数据（如图4），也可以通过对学习数据的分析掌握学生的学习习惯和学习态度，帮助学生突破时间空间限制，实现随时随地学习，有效减少学生拖延。

图4 《设计素描》课程计划上课时间和点名1 图片来源:任课教师运用“翻转校园”教学平台实施《设计素描》教学的数据截屏。

第二，通过智能教学平台驱动传统教学的转变，使课堂教学有的放矢。在《人体工程学》课程资源库中的数据显示（如图5），通过智能教学平台的运用，初步实现了教师“以学定教”，学生精准复习。有利于分层教学的有效落实，有利于全方位多层次了解学生状态。

图5 《人体工程学》课程资源库2 图片来源:任课教师运用“翻转校园”教学平台构建课程资源库的列表截屏。

第三，通过智能教学平台为教师实施差异化教学提供了契机。教师通过教学记录的观察，可以看到哪些学生对课堂上的哪些具体的知识点还不理解，于是就可以对不同的学生分层分类，再次进行指导。教师按照学生的个体知识基础、学习能力等差异，对不同学生制定相应的学习目标，通过分解学习任务、分层辅导与干预，实现差异化教学（如图6）。

图6 分层教学指导记录3 图片来源:任课教师运用“翻转校园”教学平台指导毕业设计的指导记录截屏。

第四，智能教学平台支持个性化干预的实现。在智能教学平台中，教师可以针对个别学生发起教学活动。在《设计色彩》《中外建筑史》等课程中，教师针对个别学生所开展的个性化教学活动互动频繁、效果良好，初步实现了个性化干预指导（如图7）。

图7 个性化教学信息反馈表4 图片来源:任课教师运用“翻转校园”教学平台针对部分学生发起的个性化讨论记录截屏。

五、结语

人工智能背景下，艺术设计领域正发生着一系列的变革，要求设计基础教育能够培养兼具前瞻性设计视野、智能软件操作应用和编程开发水平，以及综合解决问题和产业转化能力的高素质、专业化、创新型设计专业人才，迫切要求设计基础教育拥抱人工智能。

正如Obvious公开发布的宣言“不是只有人类才有创造力”，设计基础教育在面对人工智能技术时，不应囿于其他传统学科教育单纯叠加人工智能相关应用的既定思维，不只是简单解放“人工”，放任其为传统教育模式做低级代工。重新审视设计基础教育与时代发展需求的适配度，从人工智能的创造力出发，挖掘好、研究好、利用好人工智能的“智性”，使之成为设计基础教育教学的参与者、研发者和实践者。

基于此，本文提出如何在设计基础教育教学中应用智适应技术赋能教育过程个性化、智评估技术赋能教育测评科学化，智拓展技术赋能教育交互自主化和智应用技术赋能教育成果实用化的创想，并重新审视和构建“施教方”和“平台方”的内在联系和协同关系，为该创想提供一定制度保障和硬件支持。

为此,在黄河科技学院设计艺术科教中心与企业的共同努力下，通过智能教学平台掌握了学生的学习态度和学习习惯，驱动了精准教学，初步实施了差异化教学和个性化干预。今后，项目组将在此基础上继续梳理人工智能在设计基础教育教学中的应用案例，总结应用的成果和不足，更加深入地探索新技术条件下的差异化教学和个性化干预。