人工智能背景下“数字图像后期”课程的教学改革实践

【摘 要】近年来，生成式人工智能技术蓬勃发展，对教育领域产生深远影响。本文通过分析课程教学的人工智能转型现状及困境，将人工智能图像生成技术应用于“数字图像后期”的课程设计改革和教学实践，总结了生成式人工智能的教学改革实践经验，以期为传媒艺术类专业教学中的人工智能应用提供思路。

【关键词】生成式人工智能；传媒艺术类专业教育；教学改革

生成式人工智能技术的发展，促使教育领域发生变革[1]。目前，人工智能图像生成技术颠覆了媒介生态与信息传播系统，推动了传媒的数字化转型，给传媒艺术类专业教学带来了冲击，同时也带来了机遇。传媒艺术类专业教育通过对教学理念、课程目标、评价方式等进行改革，以深入挖掘生成式人工智能与专业课程的概念融合与应用落地，具有广阔发展前景。

“数字图像后期”课程是影视摄影与制作等传媒艺术类专业的一门计算机技术实践与视觉艺术理论高度结合的课程，旨在培养学生使用计算机软件处理数字图像的能力。课程主要通过讲解Adobe Photoshop的基本操作和使用，学生能够掌握计算机图片处理技术在影视生产流程中的使用。基于人工智能图像生成技术的广泛应用前景和“数字图像后期”课程与人工智能图像生成技术的高度适配，在“数字图像后期”的教学设计中加入人工智能图像生成技术，不仅可以作为对课程传统内容如摄影后期、海报制作、影视作品调色的补充，而且可以拓展“数字图像后期”课程的教学范围。人工智能图像生成技术在“数字图像后期”中的应用使学生可以直接使用人工智能图像生成器进行创意实践。本文通过分析课程教学的人工智能转型现状及困境，将人工智能图像生成技术应用于“数字图像后期”的课程设计改革和教学实践，总结了生成式人工智能的教学改革实践经验，以期为传媒艺术类专业教学中的人工智能应用提供思路。

一、“数字图像后期”课程的转型现状与困境

作为高等教育学校，如何在教学设计中响应新质生产力的需要，推动人工智能技术落地，进而实现教学对接产业、反哺产业，是在“数字图像后期”课程建设中亟须解决的课题[2]。

（一）课程教学现状

传统课程教学主要是以教师课堂操作演示，学生跟随操作演示练习为主[3]。当下“数字图像后期”课程实践教学的授课重点在于对Adobe Photoshop的基本知识和操作的掌握程度。通过训练学生的Photoshop操作和一定的绘图技能，实现抠图、调色、海报制作等应用，理论教学的课程教学目标则更多集中在“基本概念”“基本原理”“彩色图像”等。此类课程教学内容与网络上现有的素材资源和操作教程，如Photoshop零基础入门教程，存在大量雷同，普遍针对特定的后期素材和编辑素材而设置，极大限制了学生的专业技能提升。

随着生成式人工智能技术的广泛应用，影视、新媒体行业对图像生产的要求越来越高，而市面上与“数字图像后期”课程相关的教材选择不仅十分有限，且普遍存在内容滞后、实践内容脱离现阶段行业需求等问题，迫切需要通过转型来应对人工智能浪潮。这也导致了不同学生之间学习效果差异明显。例如，有教师在教学中发现，平时关注人工智能技术、倾向于不断学习使用最新人工智能技术的学生，可以通过人工智能实现从想法到成品的高效转换，而对人工智能领域并不关注的学生，仍倾向于基于传统手段和既定流程完成创作，导致产出成果同质化，缺乏个性和创新。

（二）课程转型困境

1.人工智能知识的匮乏

目前，影视摄影与制作专业的学生在传统的教学模式中接触的主要是影视、摄影领域的相关理论和实践，一般很少接触生成式人工智能所需的计算机理论基础。一些学生尽管能通过手机软件和在线网站使用生成式人工智能的部分功能，但对于影响当下人工智能发展的神经网络、深度学习等专业知识的了解仍然有限。例如，在“数字图像后期”课程中，学生在能够使用Stable Diffusion和Mid Journey等AIGC工具辅助创作的情况下，依然会倾向于凭借过去的知识和经验选择现成素材进行拼贴组合，有的甚至选择了与作品风格相去甚远的素材，影响了作品的整体性和创作的连贯性。

2.对人工智能“说”的不足

文生图模型是生成式人工智能中将文本转化为图像的一个重要模型，文生图模型中的关键词指包含了特定生成信息的重要单词，在使用文生图模型的过程中，结果指向准确的关键词描述是使用者与人工智能沟通的桥梁，在生成式人工智能的应用中起到了对人工智能“说”的作用。因为受限于专业背景和学科特点，影视摄影与制作专业的学生更侧重于对影视画面的视觉把握，关于画面细节的文字描述或表达能力有所欠缺，导致使用生成式人工智能生成器得到的作品与预期效果存在明显偏差。影视摄影与制作专业课程设置中尽管包括诸如“视听语言”“影视画面创作”等涵盖文字画面内容关联的课程，但在实际教学过程中往往侧重于训练学生的视觉传达、色彩表达和影视摄影技术应用的能力，“说”的能力存在明显短板。因此，在使用生成式人工智能创作的过程中，学生倾向于描述整体的宏观画面，缺乏对微观特征的描绘复现，导致通过文生图模型创作的作品无法精准表现创作者意图。

3.对人工智能“想”的限制

在生成式人工智能背景下，以教师演示、学生模仿操作为主的传统“数字图像后期”课程教学模式，不利于调动学生在使用生成式人工智能时的积极性和主动性。在传统的教学模式中，往往更倾向于参考模仿，缺乏实际应用场景中的实践训练，限制了学生发散平面设计创意思维，不利于养成学生的职业技能。比如，在讲授以学习Photoshop为主的“数字图像后期”课程时，受限于学生的个体差异，美术基础好、热爱绘画的学生能通过数位板绘画完成创意实践，而美术基础较弱的学生，即便有诸多创意想法，也难以通过Photoshop实现。在这种教学模式的影响下，课堂上许多学生缺乏创意表达的欲望，创作思路主要集中在简单组合网络素材或热门主题，尤其是在人工智能图像生成技术加持下，这种模式对创意思维的限制更加明显。

4.对人工智能“学”的忽视

人工智能能够丰富学生知识获取的途径，使学习过程变得更加自主化、人性化、精准化、个性化，但如果缺乏对如何用好人工智能的学习，则会起到反效果。在实际的人工智能教学场景中，学生在应用时反馈人工智能无法准确理解意图，因而觉得人工智能不够“智能”。一方面，当下的人工智能并未达到想象中的完全智能，仍需要专门学习相应的使用技巧。另一方面，人工智能相关软件存在技术门槛，仅依靠课程教学难以全面发挥人工智能效用，学生往往学习效果不达预期，存在理解和掌握困难的情况。

二、人工智能背景下“数字图像后期”课程理念突破

（一）跨学科知识体系构建

在人工智能时代，学生不仅需要理解人工智能的基础概念与原理、体验人工智能技术应用，还需要了解智能交互系统的工作流程与运行方式[4]。作为一门以实践为导向的课程，不仅在授课教学时离不开多元的知识体系构建，在实践中更需要许多其他学科的知识作为基础。首先是本学科的知识串联，将数字图像后期与短视频制作、动画游戏海报、影视传媒视觉相结合，明确数字图像后期作为影视生产流程中的一个重要环节。其次是人工智能知识和计算机基础的学习，从概念上理解生成式人工智能的运行机制和原理，逐步认识影响生成式人工智能发展的重要理念从而理解人工智能的底层逻辑。最后是视觉理论与心理学的引入，通过引入格塔式心理学以及色彩心理学原理，帮助学生在创意发散和创意实践过程中运用视觉表现手法和色彩心理原理，进一步提高作品的完成度。

（二）教学与人工智能技术深度融合

人工智能技术是一种数字教育技术，是数字教育技术的高级阶段。人工智能背景下的课程教学也从单向讲授向引导学生自主学习、经验学习转变[5]。在自适应学习引导和智慧化资源推送支持下，学生将有更多机会进行自主学习[6]。美国可汗学院与OpenAI合作开发的AI（人工智能）教学助手Khanmigo虽然早已从功能上实现了对学生学习的AI问答辅助，但可汗学院的创始人表示，在人工智能背景下对教师教学的要求并非简单回答问题，而是引导学生自我探索和自我思考。通过在“数字图像后期”教学中加入作品分析环节，引导学生从审美培养角度去自主学习和使用人工智能技术，弱化传统课程中技术专精的比例，强调思维发散和创意实践，以充分发挥人工智能在图像生成和图像处理方面的技术优势，降低学习门槛，提升学习兴趣，将个性化的创意艺术人才培养理念贯穿始终。

（三）项目驱动型实践教学

在人工智能背景下的“数字图像后期”课程教学强调理论与实际相结合，旨在培养学生通过技术解决实际问题的能力。目前，国内各大传媒院校已在人工智能项目实践上有诸多成功案例可供参考，例如，中国传媒大学与英特尔联合成立的“英特尔人工智能生成艺术创作实践中心”，通过自主训练模型并生成了国内首部AIGC动画短片《龙门》，实现了人工智能生成技术与艺术在项目实践中的有机结合。以完成项目为目的的教学理念是达成这一教学目标的主要策略，通过将学生分小组完成实际项目，学生在参与的过程中总结实践经验，从而完成理论知识向实际项目的转换。在课程设置中，技术教学内容也应更加侧重实战而非理论，教学案例选择应具有实践性和代表性，确保在项目中的技术支撑。课程项目的选择应在涵盖了人工智能图像生成技术和数字图像后期软件的基础上，串联学科核心课程，紧跟行业最新应用进展。

（四）基于作品的表现性评价设计

表现性评价是一种以证据为导向、过程与结果并重、以评估促教学的方法，其基本假设是：任何一种行为和认知成绩都可以分解成一系列基本要素，作为表征学业成绩水平的证据，只要对这些要素进行合理的评估，就能准确地评估出整体成绩水平[7]。表现性评价以其评价目标的适切性、评价形式的适切性、评价载体的适切性、多元融合的适切性，在人工智能课程中具有较好的适用性和可拓展性[8]。通过在教学任务中设定表现性任务，如有针对性地选择影视生产流程中的电影海报制作为开放性作业，让学生通过完成有关作品，并记录下使用人工智能图像生成技术时所用到的关键词、生成步骤等具体项目流程，再结合这些流程步骤和最终作品进行打分评价。

三、人工智能背景下“数字图像后期”课程教学改革实践路径

基于前文人工智能背景下“数字图像后期”课程的课程设计理念突破，本文以华南农业大学珠江学院大湾区影视学院2023级影视摄影与制作专业4个班共145名学生的“数字图像后期”课程教学为样本，探讨开展教学改革实践的路径和经验。

（一）基础学习环节：人工智能与图像后期技术操作教学

人工智能图像后期基础学习环节的内容，主要是对当下主流的人工智能图像生成工具Stable Diffusion、Midjourney的技术操作教学。Stable Diffusion是一种基于深度学习的文本到图像模型。传统“数字图像后期”课程中Photoshop的“抠图”功能可以通过Stable Diffusion的深度学习和分割算法的运用直接完成，大大减少了工作量。学生通过学习Stable Diffusion的局部重绘、扩展填充功能，实现对图片的内容进行人工智能图像生成的创作辅助。除此之外，Stable Diffusion还可以根据提示词的调整准确生成不同构图、不同视角、不同光源条件的图片以辅助创作。Midjourney则侧重于风格探索，在教学中，引导学生通过输入风格流派如波普艺术、蒸汽波、未来主义等风格关键词或代表相应流派的知名艺术家名，直接使用人工智能生成相应风格的艺术家作品。

（二）进阶学习环节：人工智能图像生成技术对比研究

在完成技术操作的教学后，教师通过设置特定的对比研究议题，辅助学生进一步理解和使用人工智能图像生成技术。在人工智能图像生成技术的学习中，即使是相同的提示词在不同的模型下也可能会生成风格、画面构成完全不同的图像。因此，在生成式人工智能图像生成对比时，提示词不仅是重要的图像生成指令，更是评价生成效果和反复生成完善作品的重要依据。在课程实践中，教师通过设置“对比Stable Diffusion在Web UI和Comfy UI两种不同机制下的工作流程差异和生成效果差异”的议题，引导学生通过分析两种生成机制在不同项目中的优势和不足，以及通过对比“在使用相同提示词时选用不同的模型进行生成”的议题，进而实现对该模型下图像生成底模的定位，从而保证学生能在后续的项目中对所选取模型特征和生成效果有初步预判。

（三）项目实操环节：人工智能图像生成应用项目实操

在有了人工智能图像生成技术加持的项目实操环节中，如何充分发挥学生的主观能动性，引导学生在实践中探索和应用人工智能图像生成技术，是项目设计的关键。通过设计相应岗位和工作流程环节，如文案设计、模型训练、图像后期等具体工作流程岗位，来解决影视画面创作、微电影等不同课程作业中的具体海报设计、剧照制作项目，在串联本专业课程的同时学以致用，使学习成果得到直接转换。同时，鼓励学生在项目全流程使用人工智能技术，教师针对生成的结果给出一定的方向指引和修改意见。在项目展演环节前将所有的流程步骤和生成信息进行保存，并讨论和反思，总结在项目过程中应当优化的冗余流程。

（四）考核评价环节：基于作品的人工智能课程考核评价

在课程考核评价环节中，先根据平时作业中的技术掌握、对比研究成果进行评价，再根据在项目实操中作品的生成信息及步骤信息，基于项目作品表现进行评价。在传统传媒艺术类课程中作品考核的基础上，增设了人工智能图像生成技术应用考核的表现性评价标准，主要包含大模型与主题的相关性、小模型训练的完成度、关键词的准确度、生成图像风格的一致性等。教师基于上交的作品制作过程的提示词信息、生成参数以及最终成品进行评价；学生除上交以上材料之外，还需提交一份文字说明，记录下项目创作思路和项目中遇到的困难。基于以上材料综合评价得到总评成绩。

四、结语

在生成式人工智能技术的加持下，“数字图像后期”课程具备了实践课程教学改革、率先响应传媒艺术行业人工智能变革的潜力。通过在课程设计中积极构建跨学科知识体系，将人工智能技术深度融入教学并运用于项目实践，再基于项目作品产出进行评价，从而实现人工智能背景下传媒艺术专业教学的“教—学—评”一体化，提高学生的综合素质和人工智能素养，进而实现其专业能力的多维拓展，使之成为在人工智能发展的浪潮中适应新质生产力和多元化就业岗位需要的“人工智能+”人才。

参考文献

[1]颜丽蓉，储节旺，李振延，等.生成式人工智能融入信息资源管理学科专业课程教学的路径探索研究[J].图书馆杂志：2024（11）：1-15.

[2]李美慧，周紫珞，刘昭辰.人机共育：AIGC对传媒艺术教育的重构[J].传媒，2024（19）：25-27.

[3]王若宾，李美慧，宋威，等.AIGC赋能计算机基础教育的角色定位和功能延展：一种基于双链迭代的教学设计及实践[J].计算机教育，2024（10）：159-163，168.

[4]钟柏昌，刘晓凡，杨明欢.何谓人工智能素养：本质、构成与评价体系[J].华东师范大学学报（教育科学版），2024（1）：71-84.

[5]瞿振元.人工智能推进教育教学重构的思考[J].重庆高教研究，2024（11）：1-4.

[6]詹泽慧，钟柏昌.人工智能助力高等教育：变革与坚守[J].中国高等教育，2021（20）：22-24.

[7]Walvoord E， Anderson J. Effective grading： A tool for learning and assessment[J].Academic Standards，1998：1-16.

[8]詹泽慧，姚佳静，吴倩意，等.人工智能课程中表现性评价的设计与应用[J].现代教育技术，2022（5）：32-41.