AIGC赋能下的儿童智能绘画游戏设计研究

何思倩，王心睿，樊开然，杜芃，罗若琳，覃京燕

AIGC赋能下的儿童智能绘画游戏设计研究

何思倩1a，王心睿2，樊开然1a，杜芃1a，罗若琳1a，覃京燕1b*

（1.北京科技大学 a.机械工程学院 b.智能科学与技术学院，北京 100083；2.北京理工大学 设计与艺术学院，北京 100081）

探讨AIGC支持的人机智能协同创作应用于学龄前儿童（3～6岁）美术教育并培养儿童艺术创造力的潜力和方法。基于学龄前儿童美术教育与人工智能融合的背景，通过对学龄前儿童数智化美术教育产品现状和AIGC在儿童绘画表达中实际应用现状的分析，讨论了AIGC应用于学龄前儿童美术教育的机会和潜力。从人机协同的特征出发，分析人机智能协同绘画的研究案例，探讨了AI与儿童的人机关系。归纳出AIGC可以通过提升能力、激发创意和协作共创三种方式赋能儿童绘画创作，提出了基于人机智能协同的学龄前儿童绘画游戏设计策略，即AI在儿童创作的不同阶段可以作为协助者、启发者、激励者、共创伙伴、再创造者，并据此设计了儿童绘画游戏Artventure。AIGC在辅助绘图、协同创作和灵感激发上具有独特优势。AIGC赋能下的儿童美术教育产品不仅有助于提高儿童绘画创作能力，更能指导“α世代”对个性化的追求和数字素养的培养，以便适应未来人机协同合作的新模式。

AIGC；学龄前儿童；美术教育；人机智能协同；游戏设计

人工智能正在加速实现从感知内容、理解内容到生成内容的跃迁，从DALL-E 2、Stable Diffusion等AI图像生成模型，到最新的Pika、Sora等AI视频生成模型；从最初的ChatGPT一枝独秀到如今雨后春笋般诞生的各种大语言模型，无一不预示着人工智能生成内容（AI-generated Content，AIGC）的爆发态势。AI图像生成技术为辅助用户进行绘画艺术创作提供了极大潜力，展现出全新的人机智能协同创作模式，也启发着未来美术创作与教育的发展方向。AIGC将推动教育领域发生深层次变革，重塑教育的形态[1]。将AIGC应用于学龄前儿童的美术教育是一个新兴研究领域，有望充分发挥人机智能协同的优势，赋能儿童绘画创作并培养儿童创造力。

1 人工智能技术赋能下的儿童美术教育变革

1.1 人工智能技术推动传统儿童美术教育转型

互联网、人工智能、物联网、XR等新兴技术的快速发展和广泛应用，推动着各行各业进入人机协同、跨界融合、共创分享的新时代，教育行业成为了变革的主要阵地之一。学龄前儿童教育会奠定学校教育和终身教育的基础[2]，其重要性不言而喻。其中，美术教育能培养儿童的艺术感受力、想象力、表现力和创造力，促进综合素质的提升[3]。对于学龄前儿童，美术活动具有游戏性质[4]，可以使儿童自发地进行多维度的学习实践[5]，享受自我表达和创造带来的愉悦和满足。

然而，传统美术教育活动的互动性和趣味性存在不足，教学内容和媒介使用也较为滞后[6]，不能适应“α世代”[7]儿童的特点和需求。学龄前儿童美术教育的目的不只是单纯的绘画技能训练，更应注重兴趣培养及创造性思维的开发。学龄前儿童美术教育与人工智能的融合能够拓宽传统美术教育的形式，提供更多元化的媒介。丰富学龄前儿童美术教育的互动内容，通过趣味性的艺术探索过程提高儿童的积极性，并根据儿童特点做出适应性变化。拓宽传播途径，让儿童快速接触到最新资源。此外，也让儿童接触前沿数字技术、提升数字素养，在未来更好地融入数智时代。

1.2 学龄前儿童数智化美术教育产品现状分析

随着移动互联网的发展，数智化美术教育产品的开发和设计逐渐白热化。国内外数智化美术教育数字产品以绘画工具、绘画游戏和绘画教育平台为主。绘画游戏以涂鸦、上色为主。例如，Draw and Tell允许儿童给图画的线稿涂色并选择喜欢的背景。益智游戏则与美术内容相结合。例如，Monster Mingle让儿童在生物世界中寻找身体部件来创造自己的怪兽。绘画教育平台通常包含在线学习、课程推送、作品点评等功能。然而，这些应用的大部分功能和技术开发的重合度高、缺乏亮点，偏向对绘画技能（如线条、色彩）的锻炼，忽视对儿童创造力的培养。一些绘画游戏受技术限制，内容相对贫乏，预设素材有限，无法持续性地输出高质量内容。

人工智能技术（如自然语言处理、数据挖掘、情感计算等）已越来越多地用于K12阶段的多学科教育。例如，通过教学评估、情绪检测和个性化推荐等方式促进学生的学习和发展[8–10]。然而儿童美术教育与人工智能的融合仍处于早期探索阶段。国内外结合AI技术的儿童绘画产品形式有AI课程、视频游戏、智能玩具和机器人等。“小熊美术AI课”采用AI结合真人教学的方式进行场景化交互，让儿童跟随示范练习；Bini Bambini的绘画游戏让儿童描摹卡通形象的轮廓线，并经AI识别后“活起来”；在美国Osmo的“冰雪奇缘”AI早教应用中，儿童可以模仿程序提供的简笔画在纸上绘制，由AI识别并复刻入游戏中以推动剧情；Quincy绘画机器人可以一笔一画地绘制形象，引导儿童进行逐笔模仿。虽然AI技术越来越多地被应用于以游戏形式为主的儿童绘画产品，但这些产品通常引导儿童跟随既定步骤或依照参考图进行绘画，尚未脱离Web 2.0时代儿童绘画应用的范式。

1.3 AIGC在儿童绘画教育中的应用机会与价值

近年来，以AI生成图片为代表的人工智能生成内容（AI-generated Content，AIGC）正在颠覆现有内容生产模式[11]，其展开了人与AI共创的未来画卷。AIGC是继传统的专业生成内容（PGC）与用户生成内容（UGC）模式之后，以大数据为支撑、通过算法模型驱动生成内容的新兴生产方式[11]，在协助数字内容创作方面已经崭露头角，目前已被应用于生成文字、图片、音视频等人类独有的创作领域。AI绘画是AIGC的重要分支：神经风格迁移（NST）技术可以将某一图片的艺术风格混合到另一图片上；Sketch-RNN[12]是一个递归神经网络，可以用类似人的方式绘制常见物体的形态；基于生成对抗网络的GauGAN[13]仅凭用户随意画的线条和色块，就能实时生成逼真的景观图；Stable Diffusion、MidJourney、DALL-E 2等则可以通过文字描述生成图片。AIGC使人的精力从技能层面更多地转移到思维层面，也带来了人机交互的创新变革，为人和AI共同绘画创作开辟了先河。

尽管AIGC在绘画领域取得了许多进展，但在学龄前儿童美术教育中的应用尚未被充分挖掘。当前有少数尝试在儿童绘画表达过程中引入AIGC的案例。阿派朗创造力乐园使用AI图像生成技术对儿童绘画作品进行了精细化表达和探索（如图1所示）。AI艺术家Pindar Van Arman展示了AI机器人模仿一名儿童的笔触风格来重塑儿童照片的过程，证实了AI图像生成技术集成到儿童绘画游戏中的可行性。

图1 阿派朗创造力乐园AI课程案例

基于AIGC模式的“人-AI”共创系统能够在儿童绘画过程中发起良性交互循环，使儿童创作时脱离传统规则和逻辑限制，不受公认表达习惯的束缚，避免儿童形成认知惯性，培养其创造性思维，推动创作内容向更具创意的方向发展。在AI与儿童的共创过程中，AIGC技术如何支持儿童绘画中的具体环节、AI如何主动激发儿童的艺术想象力和创造力、AI如何潜移默化地影响儿童的艺术审美，以及AI与儿童的人机关系等问题亟待探讨。

2 AIGC赋能学龄前儿童绘画创作的三种模式

早在2005年，Lubart[14]就提出计算机可以充当保姆、教练、笔友和同事来增强人的创造力。随着人机交互相关研究的推进，计算机和人共同创作作品的过程被定义为人机协同创作（Human-Computer Co-Creativity）[15]，要求计算机响应人的输入并做出创意贡献，与人的贡献相互影响。这初步阐释了 AI与人的交互关系从工具性向协作性的转变。研究表明，AI的主动交互可以培养人的创造力[16-17]——AI通过主动交互提供随机刺激和认知支持，显著影响创作结果。当人与AI的协作达到更深刻的水平时，将形成一种“人机组队”式[18]合作。人机智能协同（Human-AI Collaboration）就是在AI驱动下诞生的一种伙伴式的人机关系[19]。基于上述人机智能协同关系，笔者将AIGC赋能学龄前儿童绘画创作的模式分为如表1所示的三种类型。

2.1 AIGC提升儿童的能力——运用图像生成算法协助人类绘图

AIGC最初的诞生就是为了弥补人类在身体和大脑层面的能力缺陷，辅助人类进行创作。经过海量绘画素材的学习和模型算法的打磨后，AIGC能够以优于人类的制造能力和认知水平承担信息挖掘、素材调用、复刻编辑等基础性劳动，同时还能为更具想象力的内容、更加多样化的传播方式提供支持[11]。AIGC拓展了人类的体力和脑力，人类也可以继续对AI进行训练，使之获得与人相似的行为和认知，创作符合需求的绘画作品。在AI图像生成技术的加持下，AIGC产品具备了指定功能来满足人的指定需求，便也具备了工具属性。

表1 AIGC赋能学龄前儿童绘画创作的三种模式

Tab.1 Three patterns of AIGC empowering preschoolers to create paintings

学龄前儿童通常可以使用涂鸦表达创意想法，但缺乏绘画技巧。AI能识别绘画内容并对绘画知识及实践进行引导，减轻儿童绘画过程中任务处理的难度，提升儿童绘画的自信心。Chen等[20]开发的AI训练模块（如图2所示）能够为儿童提供建议配色的信息和色比，从而锻炼色彩感知运用能力；Ali等[21]设计的涂鸦转换模块可将儿童的初始涂鸦转换成有意义的、相对完整的目标涂鸦。AI能模仿儿童绘画风格并对绘画内容进行重塑，体现了AIGC在帮助儿童理解艺术风格和审美表现上的优势。阿派朗创造力乐园就通过AI生成图像为儿童画作拓展创意细节，也会根据绘画内容生成不同方向的探索图像。AI还能将学习材料和儿童画作建立思维上的关联，对当下创作的内涵进行延展。ArtMatch能识别儿童画作并显示与之最相似的名画，让儿童间接浏览全世界不同风格的优秀作品及艺术家，潜移默化地培养艺术审美和对艺术的热情[22]。

图2 AI颜色训练模块[20]

2.2 AIGC激发儿童的创意——运用图像生成算法提供认知刺激

AIGC发展的重要趋势是拥有一定程度的认知和交互能力[23]，AI在与人的协作中能够扮演提供外部刺激的角色，触发人的横向思维并影响创作想法和成果。在创作时，人可能在某个有限的想法上持续僵化，此时外部刺激可以使人重新构想问题并找出新的方向。AIGC激发人的创意是指由AI向人发起交互行为，通过引入外来元素给人带来认知刺激，促使人打破惯性思维方式并寻求新的思路。AI可以通过各种方式介入并影响人的绘画，例如发出提示、贡献新的绘画等。在这样的人机关系中，AI不仅是一个工具，还可以对人进行启发和激励。

AIGC激发创意的协作形式可分为：无目的；有目的。无目的协作不以任务为导向，旨在鼓励人参与创作，较少关注系统生成的准确性。Davis等[24]设计的Drawing Apprentice系统旨在激发人的新想法，提供愉快的创意体验。AI能够学习和识别用户草图中的语义信息，绘出与用户所画对象相同或互补类型的草图。该系统以一种刺激认知的娱乐化方式激发了人的创造力，并有助于以头脑风暴的方式帮助设计师进行构思。有目的协作则关注因AI的反馈使人思考创作的不同角度而产生的创意，系统生成的准确性更为重要。Karimi等[25]设计的Creative Sketching Partner（如图3所示）就是帮助设计师在草图阶段发散创意的目的性协作系统。它可以生成与用户草图有一定关联性的新草图，用户可以从中获取灵感来修改设计。与Drawing Apprentice不同的是，用户可以调整视觉和概念相似度的大小值，使生成内容的相关性对应不同构思阶段中激发创意的角度。研究同样证明，该系统加快了想法的诞生并有助于克服思维固化问题。运用类似的方式，可以使儿童与AI的即兴构建过程超越儿童单独完成创作时的思维能力，从而激发儿童的创作灵感。

2.3 AIGC促进儿童与智能系统共创：运用图像生成算法主动参与创作

人机协作的更进一步，是AI成为与人类平等的合作伙伴。人类拥有独一无二的思想能力，能够在现实与思维的交织中创作出富有特色与灵魂的作品，但在创作效率和认知记忆方面存在弱势。而AI建立于对现有风格和技巧大量学习的基础上，其灵感源源不竭，且不受人类思维的束缚，但在内容原创和情感表现上的发挥有限，偏向风格的组合与模仿[26]，创作上限也受算法模型的限制，暂时无法完美地传达情绪、象征等思维含义[27]。AI激发人的创意思维，而人又促进AI的学习过程，互相织补彼此贡献的内容，其合作优势就能够被极大地增强。

儿童与AI之间形成积极的双向互动不仅可以促进儿童的创作参与度，也激发了儿童的想象力。在协同创作系统StoryDrawer[28]（如图4所示）中，儿童向AI讲述故事情节，AI便将儿童的讲述实时地转化为简笔画，或生成与已有故事语义相似的图画，逐步带领儿童创作出完整的故事情节。AI的介入不仅能降低儿童在视觉叙事中多任务处理的难度，更能在创作时帮助儿童建立大胆的联想并产生创造性想法。AI对儿童创作的支持和引导使AI与儿童之间形成了和谐融洽的双向氛围，构建了引人入胜的创意体验，激发了儿童的创作灵感。

图3 创意发散协作系统：创意草图搭档[25]

图4 儿童绘画游戏：故事盒子[28]

3 基于人机智能协同创作的儿童绘画游戏设计探究

3.1 基于人机智能协同创作的学龄前儿童绘画游戏设计策略

根据前文的梳理和分析，可以总结出一套基于人机智能协同创作的学龄前儿童（3～6岁）绘画游戏设计策略（如图5所示），用以指导设计实践。

3.1.1 AI作为协助者——提升儿童绘画自信

根据儿童绘画发展阶段性理论：3岁前的儿童画处于无造型的“动作表征”阶段或“前表征”阶段；3～4岁进入“图形表征”阶段，开始有意识地利用图案表达自我[29]。但学龄前儿童尚不能画出图案细节，也未形成写实、透视、风格等概念。AI可以扮演儿童绘画的协助者，利用生成算法为画面补充细节、转换风格或拓展内容，减轻绘画难度，从而提升儿童的自信心。

3.1.2 AI作为启发者——激发儿童创造性思维

学龄前是培养创造性思维的黄金时期[30]，老师或家长经常作为启发者来引导儿童的创作。但这一过程可能存在成人思维中的“像不像”“对不对”等单一评价方式，不利于儿童创造性思维的培养。AI可以扮演启发者的角色，提供远多于人脑的海量创意，为儿童带来随机性的认知刺激，触发其创造性思维。在具体方法上，AI可以识别儿童的绘画内容，通过多模态交互提供下一步绘画的灵感与引导；也可以为画面补充相关内容，或生成可直接使用的关联性素材等，从而培养联想能力并激发后续灵感。

图5 人机智能协同创作模式的学龄前儿童绘画游戏设计策略

3.1.3 AI作为激励者——为儿童提供正向鼓励

正向的鼓励可以提升儿童的创作欲望。AI可以扮演激励者的角色，通过文字、画面等为儿童提供正向反馈。其中，话语文本应结合儿童的绘画内容生成，如“你画的太阳很鲜艳”，而并非只是“你真棒”等模式化夸赞，在评价方式中应避免出现“像”或“不像”等词汇。此外，还可以使用“不如试试……”等开放性句式来开拓儿童的思路。

3.1.4 AI作为共创伙伴——交替共创互相启发

AI可以扮演虚拟共创伙伴，与儿童共同绘制作品。一方面，AI的绘画行为是对儿童绘画的反馈，以拓宽儿童下一步绘画的思路；另一方面，儿童则在AI的改动之上继续创作，反过来为AI提供创作素材。儿童与AI共创的过程中，人工智能的开放性创意与儿童智慧的独特思维方式融合在一起，二者相互启发。而对于儿童，与AI一起绘画就如同与真实世界中的伙伴玩乐，能够顺利进入心流状态。此外，在设计虚拟形象时可以赋予AI多种“性格”，对应不同风格的绘画行为，增强拟人感。

3.1.5 AI作为再创造者——对儿童画作进行衍生创作

AI可以扮演再创造者的角色，对儿童完成后的画作进行衍生创作。衍生创作的内容要为作品带来新的趣味性或交互性。例如，为儿童画好的卡通角色绑定骨骼，使其“活起来”；记录绘画过程，将其编译为故事性动画等。这种完成作品后的正向奖励反馈，可以提升儿童完成作品的目标感与期待感，减少儿童因注意力分散而中途放弃创作的情况。

3.2 基于人机智能共创的学龄前儿童绘画游戏设计实践

根据前述设计策略，笔者进行了一项面向学龄前儿童（3～6岁）的绘画游戏设计与开发。Artventure是一款培养学龄前儿童艺术创造力的严肃游戏（如图6所示）。儿童将在游戏中扮演“神笔马良”，通过绘画对游戏世界造成影响，每个关卡以一个画派为主题，包含不同的故事情节。为了使儿童的创造力在构建虚拟世界和物体的过程中得到提高[31]，笔者构建了基于人机智能协同的涌现式创作流程（如图7所示），笔者设置了一名由AI扮演的NPC伙伴与儿童共同进行交替创作。儿童的绘画作为输入可以改变故事的走向，AI伙伴识别绘画内容并随机生成故事文本和画面来推动情节发展，同时辅以语音讲述，通过延伸故事情节和画面带给儿童沉浸感并激发儿童的创作思路和意图。儿童也可以通过语音与AI伙伴对话，一起讨论灵感或决定故事走向。

此外，儿童还可以利用“魔法画笔”画出各种草图，经AI识别后生成对应形状的素材（例如：儿童画出曲线，AI可能生成蛇、绳索等）。素材的风格与关卡的画派主题风格一致，可以起到风格科普的效果。儿童可以使用素材作为创作的一部分，这简化了绘画流程，让儿童将更多精力放在创意表达上。AI生成素材的随机性也可以随时为儿童带来新的灵感，帮助儿童打破惯性思维并充分发挥想象力。

4 基于人机智能协同创作的儿童绘画游戏设计实验验证

由于学龄前儿童思维较为跳跃，语言表达能力正处于发展阶段，很难通过填写问卷或访谈的方式得出直观结论。此外，创造力的评价通常是主观的和感性的，儿童的创意表达更加难以被成人的评价所量化。因此，本文参考Lee等[32]培养儿童创造力的研究过程及利用解释性现象学[33]的评价方法开展了一项基于实践过程的设计验证，希望通过观察和分析儿童在使用绘画游戏时的语言、行为和绘画表现来验证Artventure的效果。

4.1 实验设计

本次研究共邀请10名儿童，其中2名儿童由于时间原因中途放弃实验，最终共8名儿童（男4名，女4名，平均年龄5岁）作为正式的被试，同时获得了家长的知情同意，每位儿童耗时30 min。实验开始前，研究者先与儿童进行接触和熟悉，鼓励儿童保持放松并在过程中尽可能多地表达任何想法。儿童使用Artventure经历了两个有目标的任务。第一次实验选用蒙德里安派风格的关卡，给出“气球”图片并引入故事情景：“是谁的气球找不到了？气球的主人一定很伤心吧，你能帮助这些气球找到主人吗？”儿童需要绘制简笔画以完成系统设置的任务目标。AI根据儿童的绘画内容进行多轮开放式语音和绘画互动。第二次实验选用超现实主义关卡，系统给出一张“苹果”图片，儿童需要进行自由联想创作，与实验一的区别在于系统不会设置固定剧情任务，研究员根据时间或完成度主动结束。

两个步骤的实验时间均为15 min，同时所有儿童被安排在同一间办公室中以体验游戏，使用相同的12.5英寸（1英寸=2.54 cm）iPad设备和第二代Apple Pencil进行绘画，所有被试均为右利手。笔者使用了绿野仙踪（Wizard of OZ）[34]的方法来模拟AI系统与儿童的交互，由研究者来扮演AI与儿童进行启发对话，图像部分则为真实的AI生成内容。系统会鼓励儿童亲自画出所想，但由于儿童事前并不知道AI绘画会影响故事情节，研究者提示儿童可以通过语音拒绝接受该情节或提出其他故事走向。

数据收集包括：拍摄手部绘画的视频录像、AI与儿童对话的语音转录（经过同意），以及软件中的绘画过程。所有被试的基本特征与研究信息均在表2中显示。本文选择了最具代表性的3位被试的录像和录音片段进行讨论，并参照儿童创造性思维（ACCT）框架[35]对儿童创造力的表现进行判断。本实验尝试回答以下3个问题。

1）儿童在使用Artventure作画时语言上是否表现出创造性思维方式？

2）儿童在使用Artventure时在行为上是否表现出创造性思维方式？

3）儿童在使用Artventure作画时的绘画内容是否表现出创造性思维方式？

4.2 分析与讨论

儿童会认真思考并完成系统为画作延伸出的剧情任务，依托AI生成的情节与素材构建自己的世界。研究员明显观察到儿童存在自我坚持与反思的过程，同时他们尊重自己脑海中的想法。例如，P3的语言特征表现出自我效能感，即对自己想法的自觉意识，以及享受这项游戏[35]。当研究员提问：“气球的主人是坦克的主人吗”，他会反驳：“不，是这个坦克上的”。而当研究员再次提问：“现在这个坦克是不是能空中作战了”，他在一阵停顿后会开心地补充道：“那气球也需要装一些炮弹”。儿童在实验过程中充分发挥主观能动性，没有对AI生成的内容产生依赖。儿童不会完全按照AI提供的灵感去画，反而因为受到启发而延伸出新的内容，这也是笔者期待的。P1的性格腼腆，其行为特征反映出她能够利用已有知识表现出灵活性，并在困难面前表现出适应力[35]。当研究员提问：“这辆苹果车要开向哪里”，她略微思考后画出一条小河，研究员启发道：“现在苹果车想要渡河需要一座桥吗”，她便在苹果车上画上了一对翅膀（如图8所示）。在这个过程中AI反而可能受到儿童的启发，共同创作出令人惊喜的作品。

意料之外的是，AI和儿童互动的流畅程度非常受儿童本身性格的影响（如表2所示）。较为开朗的儿童会表现得更加喜欢这个游戏，因为他们会与AI保持充足的互动交流，并且持续获得正反馈。例如，当较为活泼的P3被问到“画在坦克上的是履带吗”，他清晰地回答“是的”，甚至会主动分享提议“这里要有一个方向盘”（边说边画），这是自我衡量并做出决定的表现[35]。但性格完全相反的P1和P2则几乎全程沉默。较为内向的儿童与AI沟通时更加沉默寡言，但这并不代表AI不能激发他们的创造力。因为从结果来看，儿童虽然会沉默，但其仍然认真对待AI发起的对话与生成内容并从中受到启发。例如，当研究员对P2说：“一支箭要把气球射下来了，你要怎么保护它”，他默不作声地画了一只小狗，研究员不解并发出问询，他表示希望小狗能把气球牵走。虽然与研究员互动的连续性和流畅性受挫，但儿童仍然表现出面对困难时的适应力与思维的独创性[35]。

值得一提的是，非常活泼的儿童与非常内向的儿童都会让系统无法激发足够精彩的共创（即生成的素材和故事影响了儿童的发挥），因为游戏系统的响应速度和灵活性较低，以及笔者设置的交互通道和方式较为单一，使AI与儿童的沟通产生壁障。例如：P1内向害羞，研究员发起的对话很像出演“独角戏”；P2则缺乏耐心，不愿在一项任务中花费较长时间；P3表达欲旺盛，研究员来不及跟上他的绘画和叙述过程。由此可得，不同性格的儿童适合不同的鼓励办法。此外，当家长介入并在游戏过程中与儿童发生交流，儿童会更愿意分享自己的想法。例如，研究员对P1说：“现在很开心，你想去公园做什么”，她的母亲在旁提醒：“想去散步吗？或者找朋友玩”，她表现出了喜悦感，母亲继续引导：“你拿着气球去公园，想象到了什么呀，随便画”，她随即画出了一棵树。儿童或许会在父母的陪同下更顺利地完成理解和表达的过程，同时保持较高的游戏兴致，从而更充分地发挥AIGC优势。

在实验结束后，笔者也询问了家长关于这款游戏的态度，发现这与家长的美术素养及日常对儿童美育的重视程度有关（如表2所示）。通常不具备美术素养及没有关注过儿童美育领域的家长会更赞同游戏中AI与儿童共创模式的价值。例如，P3的家长表示家庭中缺少美育氛围，作为父母也缺乏对孩子艺术教育的关注，因此认为该游戏的存在可以很好地弥补儿童美育的缺失，并且认为实验中AI激发出了儿童日常中没有的创作状态。

表2 被试的实验概况

Tab.2 Overview of experimental participants

图8 儿童被试实验作品

总之，AIGC能够以共创者身份为培养儿童的创造力提供充足的支持，未来需要考虑不同性格、不同爱好的儿童对这款产品的细分需求，尝试让AI面对不同性格的儿童时有不同的互动形式和内容。还可以深入探究家长在儿童与AI的互动过程中可以起到的辅助作用。儿童独特的思维方式是当前AIGC工具所缺少的，AI生成的内容受其训练数据的影响会更加偏向成人思维。因此，专为儿童教育训练的大模型是未来值得探索的方向。

5 结语

AIGC赋能下的儿童美术教育产品不仅有利于培养儿童的艺术创造力，还有助于提升“α世代”的数字智商（Digital Quotient），以适应智能时代人机协同创作的新常态。AI超越常规思维模式的整合创造能力将塑造数字内容生产的人机协作新范式，让更多创作者得以跨越“技法”和“效能”限制，从而推动人类整体创造力的提升。Web 3.0和元宇宙时代的到来使数字内容需求不断增加，未来数字内容生产将依赖AIGC和“人-AI”的协同工作。今天的设计师应重新构建人和AI的交互关系，以实现人机协同创作价值的最大化。本文通过探讨AI与儿童的人机关系，归纳出AIGC赋能儿童绘画创作的三种方式，据此提出了指向创造性思维培养的儿童绘画游戏设计策略并进行设计实践应用，为迈向Web 3.0和元宇宙时代的儿童美术教育提供了新的思路。值得一提的是，AIGC主要以西方绘画体系的视觉思维模式和元素为基础，这意味着在训练AIGC模型时，所采用的数据集或样本主要来源于西方绘画作品、艺术风格和视觉元素。未来AIGC大模型的训练应考虑拓展其数据集和样本，引入更多来自中国传统绘画和其他文化背景下的艺术元素，以丰富和多样化生成的艺术内容。通过引入不同文化的视觉元素，也能够促进跨文化交流和理解，使AIGC生成的艺术作品更具有包容性和多样性。

[1] 梁迎丽, 刘陈. 人工智能教育应用的现状分析、典型特征与发展趋势[J]. 中国电化教育, 2018(3): 24-30. LIANG Y L, LIU C. Current Situation Analysis, Typical Characteristics and Development Trends of Artificial Intelligence Applications in Education[J]. China Educational Technology, 2018(3): 24-30.

[2] 中华人民共和国教育部. 关于印发《儿童园教育指导纲要（试行）》的通知[EB/OL]. (2001-07-02) [2023- 02-10]. http://www.moe.gov.cn/srcsite/A06/s3327/200107/ t20010702_81984.html. Ministry of Education of the People's Republic of China. Notice on the Issuance of the Guidance Program for Children's Garden Education (for Trial Implementation)[EB/OL]. (2001-07-02)[2023-02-10]. http://www. moe.gov.cn/srcsite/A06/s3327/200107/t20010702_81984.html

[3] 艾瑞咨询. 素质教育三十年行业新创变中国素质教育行业发展趋势洞察报告2021年[EBOL]. (2021-06-16) [2023-07-11]. https://m.thepaper.cn/baijiahao_13159121.IResearch. China Quality Education Industry Trend Insight Report 2021[EBOL]. (2021-06-16)[2023-07-11]. https://m.thepaper.cn/baijiahao_13159121.

[4] 车艺. 试论幼儿园美术活动的游戏化[J]. 学前教育研究, 2001(2): 30-32. CHE Y. Experimental Playfulness of Kindergarten Art Activities[J]. Early Childhood Education, 2001(2): 30-32.

[5] 王小英. 学前儿童的游戏与学习: 内在的连结性[J]. 学前教育研究, 2013(7): 3-7. WANG X Y. Preschoolers' Play and Learning: Intrinsic Connectivity[J]. Early Childhood Education, 2013(7): 3-7.

[6] 姚秀香. 基于人工智能对小学美术教育发展的思考[J]. 文理导航(下旬), 2021, 426(10): 13. YAO X X. Reflections on the Development of Art Education in Elementary Schools Based on Artificial Intelligence[J]. Journal of Navigating the Arts and Sciences (late), 2021, 426(10): 13.

[7] 南婷, 田原. α世代拉开时代新序幕[J]. 网络传播, 2020(4): 46-49. NAN T, TIAN Y. Generation Alpha Kicks off a New Era[J]. Journal of Web Communication, 2020(4): 46-49.

[8] Su J, Yang W. Artificial Intelligence in Early Childhood Education: A Scoping Review[J]. Computers and Education: Artificial Intelligence, 2022, 3: 100049.

[9] Chen X, Xie H, Zou D, et al. Application and Theory Gaps During the Rise of Artificial Intelligence in Education[J]. Computers and Education: Artificial Intelligence, 2020, 1: 100002.

[10] Chen X, Zou D, Xie H, et al. Two Decades of Artificial Intelligence in Education[J]. Educational Technology & Society, 2022, 25(1): 28-47.

[11] 中国信息通信研究院, 京东探索研究院. 人工智能生成内容（AIGC）白皮书[EB/OL]. (2022-12-01) [2023- 06-01]. https://baijiahao.baidu.com/s?id=1751004628­926601886&wfr=spider&for=pc. China Academy of Information and Communications Technology, JD Explore Academy. Artificial Intelligence Generated Content (AIGC) White Paper[EB/OL]. (2022-12-01)[2023-06-01]. https://baijiahao.baidu.com/s? id=1751004628926601886&wfr=spider&for=pc.

[12] Ha D, Eck D. A Neural Representation of Sketch Drawings[C]// Proceedings of the International Conference on Learning Representations. New York: IEEE, 2018.

[13] Park T, Liu M Y, Wang T C, et al. Semantic Image Synthesis with Spatially-adaptive Normalization[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Long Beach: IEEE, 2019: 2337-2346.

[14] Lubart T. How can Computers be Partners in the Creative Process: Classification and Commentary on the Special Issue[J]. International Journal of Human- Computer Studies, 2005, 63(4-5): 365-369.

[15] Davis N. Human-computer Co-creativity: Blending Human and Computational Creativity[C]// Proceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment. Berlin: AAAI, 2013: 9-12.

[16] Liao J, Hansen P, Chai C. A Framework of Artificial Intelligence Augmented Design Support[J]. Human–computer Interaction, 2020, 35(5-6): 511-544.

[17] Liapis A, Yannakakis G N, Alexopoulos C, et al. Can Computers Foster Human Users' Creativity? Theory and Praxis of Mixed-initiative Co-creativity[J]. Digital Culture & Education, 2016, 8(2): 136–153.

[18] 许为, 葛列众, 高在峰. 人-AI交互: 实现“以人为中心AI”理念的跨学科新领域[J]. 智能系统学报, 2021, 16(4): 605-621. XU W, GE L Z, GAO Z F. Human-AI Interaction: An Emerging Interdisciplinary Domain for Enabling Human-centered AI[J]. CAAI Transactions on Intelligent Systems, 2021, 16(4): 605–621.

[19] 孙效华, 张义文, 秦觉晓, 等. 人机智能协同研究综述[J]. 包装工程, 2020, 41(18): 1-11. SUN X H, ZHANG Y W, QIN J X, et al. Review on Human-intelligent System Collaboration[J]. Packaging Engineering, 2020, 41(18): 1-11.

[20] Chen S Y, Lin P H, Chien W C. Children's Digital Art Ability Training System Based on AI-assisted Learning: A Case Study of Drawing Color Perception[J]. Frontiers in Psychology, 2022, 13: 823078.

[21] Ali S, Park H W, Breazeal C. A Social Robot's Influence on Children's Figural Creativity During Gameplay[J]. International Journal of Child-computer Interaction, 2021, 28: 100234.

[22] Cheng R Z. ArtMatch: Classifying Famous Paintings and Matching Them with Children's Artwork[C]// Proceedings of the 2020 International Conference on Computational Science and Computational Intelligence (CSCI). Las Vegas: IEEE, 2020: 1487-1490.

[23] 李白杨, 白云, 詹希旎, 等. 人工智能生成内容(AIGC)的技术特征与形态演进[J]. 图书情报知识, 2023, 40(1): 1-9. LI B Y, BAI Y, ZHAN X N, et al. The Technical Features and Aromorphosis of Artificial Intelligence Generated Content（AIGC）[J]. Documentation, Information & Knowledge, 2023, 40(1): 66-74.

[24] Davis N, Hsiao C P, Singh K Y, et al. Co-creative Drawing Agent with Object Recognition[C]// Proceedings of the Twelfth AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment. Burlingame: AAAI Press, 2016: 9-15.

[25] Karimi P, Rezwana J, Siddiqui S, et al. Creative Sketching Partner: An Analysis of Human-AI Co-creativity[C]// Proceedings of the 25th International Conference on Intelligent User Interfaces. Cagliari: ACM, 2020: 221-230.

[26] 马依然. 艺术创作领域中人工智能的应用探讨[J]. 传媒论坛, 2021, 4(6): 125-126. MA Y R. Exploring the Application of Artificial Intelligence in the Field of Artistic Creation[J]. Media Forum, 2021, 4(6): 125-126.

[27] 周宏伟. 艺术设计与人工智能的关系研究[J]. 艺术与设计(理论), 2019(增刊1): 26-27. ZHOU H W. Research on the Relationship between Art Design and Artificial Intelligence[J]. Art and Design, 2019(Sup.1): 26-27.

[28] Zhang C, Yao C, Wu J, et al. StoryDrawer: A Child–AI Collaborative Drawing System to Support Children's Creative Visual Storytelling[C]// Proceedings of the CHI Conference on Human Factors in Computing Systems. New Orleans: ACM, 2022: 1-15.

[29] 蒋希娜, 黄心渊, 蒋莹莹. 指向图形表征能力培养的儿童绘画游戏设计研究[J]. 电化教育研究, 2017, 38(8): 83-88. JIANG X N, HUANG X Y, JIANG Y Y. A Study on the Design of Children's Drawing Games Pointing to the Development of Graphic Representational Skills[J]. E-education Research, 2017, 38(8): 83-88.

[30] Alfonso-Benlliure V, Meléndez J C, García- Ballesteros M. Evaluation of a Creativity Intervention Program for Preschoolers[J]. Thinking Skills and Creativity, 2013, 10: 112-120.

[31] Marsh J, Plowman L, Yamada-Rice D, et al. Play and Creativity in Young Children's Use of Apps: British Journal of Educational Technology[J]. British Journal of Educational Technology, 2018, 49(5): 870-882.

[32] LEE W Y, WRIGHT S. Interlocutor–child Interactions: Supporting Children's Creativity in Graphic-narrative- embodied Play[J]. Australasian Journal of Early Childhood, 2017, 42(3): 73-81.

[33] SMITH J A,FLOWERS F P, LARKIN M. Interpretative Phenomenological Analysis: Theory, Method and Research[M]. London: Sage Publications, 2009.

[34] KELLEY J F. An Empirical Methodology for Writing User-friendly Natural Language Computer Applications[C]// Proceedings of ACM SIG-CHI '83 Human Factors in Computing Systems. New York: ACM, 1983: 193-196.

[35] ROBSON S. The Analysing Children's Creative Thinking Framework: Development of An Observation‐led Approach to Identifying and Analysing Young Children's Creative Thinking[J]. British Educational Research Journal, 2014, 40(1): 121-134.

Design of Children's Intelligent Drawing Games Empowered by AIGC

HE Siqian1a, WANG Xinrui2, FAN Kairan1a, DU Peng1a, LUO Ruolin1a, QIN Jingyan1b*

(1. a. School of Mechanical Engineering b. School of Intelligence Science and Technology, University of Science and Technology Beijing, Beijing 100083, China; 2.School of Design and Art, Beijing Institute of Technology, Beijing 100081, China)

The work aims to explore the potential and ways to apply AIGC-supported human-AI co-creation to art education for preschoolers (ages 3-6) and foster children's artistic creativity. Based on the background of the integration of preschoolers's art education and AI, the opportunities and potential of AIGC application to art education for preschoolers were discussed through the analysis of the current situation of digital-intelligent art education products for preschoolers and the current situation of AIGC's practical application in children's painting expression. Starting from the characteristics of human-computer collaboration, the research case of drawing by human-AI collaboration was analyzed, and the human-computer relationship between AI and children was discussed. It was concluded that AIGC could empower children's drawing creation in three ways, namely, enhancing ability, inspiring creativity and collaborative co-creation. The design strategies of preschoolers's drawing game based on human-computer intelligence collaboration was proposed, i.e., AI could act as a facilitator, inspirer, motivator, co-creation partner, and re-creator at different stages of children's creativity, and a children's drawing game called Artventure was designed accordingly. AIGC has unique advantages in assisted drawing, collaborative creation and inspiration. AIGC-empowered children's art education products not only help to improve children's drawing ability, but also point to the pursuit of personalization and the cultivation of digital literacy of the "α-generation", so as to adapt to the new mode of human-computer collaboration in the future.

AIGC; preschoolers; art education; human-AI collaboration; game design

TB472

A

1001-3563(2024)08-0056-11

10.19554/j.cnki.1001-3563.2024.08.007

2023-11-12

2020北京市社科基金项目（20YTC024）

通信作者