设计研究学会
DRS 数字图书馆
DRS 双年会议系列
DRS2024:波士顿
6 月 23 日上午 9:00 - 6 月 28 日下午 5:00
中国设计学科中使用 AIGC 工具影响学生学习体验的研究
李雅婷 香港理工大学
亨利·马 香港理工大学
德阳赵福建师范大学
请关注此链接以及其他作品: https://dl.designresearchsociety.org/drs-conference-papers
艺术和设计共同体的一部分
李,Y.,马,H.,赵,D.(2024 年)中国设计学科中使用 AIGC 工具影响学生学习体验的研究,见 Gray,C.,Ciliotta Chehade,E.,Hekkert,P.,Forlano,L.,Ciuccarelli,P.,Lloyd,P.(编),DRS2024:波士顿,6 月 23 日至 28 日,美国波士顿。https://doi.org/10.21606/drs.2024.1348
本研究论文由 DRS 数字图书馆的 DRS 会议论文免费提供和开放访问。它已被 DRS 数字图书馆的授权管理员接受并纳入 DRS 双年会议系列。欲了解更多信息,请联系 dl@designresearchsociety.org。
本作品采用知识共享署名-非商业性使用 4.0 国际许可协议授权。
中国设计学科中使用 AIGC 工具影响学生学习体验的研究
李雅婷,马亨利,赵德阳
a
香港理工大学,中华人民共和国
中国福建师范大学
对应的电子邮件:yating.li@connect.polyu.hk
doi.org/10.21606/drs.2024.1348
摘要:本文提出了一项定性研究,旨在调查在中国设计学生学习经验中使用人工智能生成内容(AIGC)工具的影响。参与研究的九名本科生被鼓励在设计项目中使用 AIGC 工具。数据通过半结构化访谈、文件分析和观察收集,并通过主题分析进行分析。研究结果突出了 AIGC 工具对学生设计过程效率和效果以及他们对领域和可转移知识的获取的影响。结果显示 AIGC 的影响被认为是便利或问题。学生对这些便利的态度,他们处理问题的策略以及使用 AIGC 的动机也影响他们的学习经验。本研究为设计教育工作者提供了关于学生如何通过使用 AIGC 工具影响学习经验的见解,并作为未来研究的参考。
关键词:生成式人工智能;AIGC;设计教育;学习经验
1.
介绍
随着人工智能生成内容(AIGC)工具日益普及,越来越多的学生在设计课程中利用它们进行内容创作。AIGC 可以成为设计过程中有用或令人沮丧的伙伴,它也影响学生的知识获取。
在 AIGC 和设计教育领域,已经有几项研究讨论了设计教育面临的挑战和机遇(Bl&Zhou,2023;Luo&Wang,2023)。然而,对使用 AIGC 工具对学生学习体验影响的实证研究仍然有限。我们对中国的情况感兴趣,促使我们发起这项研究,以调查 AIGC 工具对中国内容创作设计学科学生学习体验的影响。
李雅婷,马亨利,赵德阳
2
2.
AIGC 和设计教育
这项研究始于一项旨在了解高等教育设计学科中 AIGC 概况的范围性回顾。遵循了 PRISMA 工作流程。最初,使用布尔字符串应用于多个学术数据库以识别相关论文。这些论文通过标题和摘要使用包含和排除标准进行筛选,然后通过全文审阅评估其符合资格性。最终,包括的论文被纳入研究。
这篇评论有助于确定相关研究和知识空白。
2.1 搜索策略
图 1 文献综述数据库选择
本范围审查中利用多个数据库以最大化收集相关文献(图 1)。选择这些数据库是因为它们访问量大,收集了大量与教育和技术相关的出版物。根据审查的目的,高级搜索中使用了三组查询词。
•
AIGC 相关术语:AIGC 或 AI 生成内容或生成式 AI 或生成式人工智能
•
设计教育相关术语:设计教育 OR 设计学习 OR 设计知识 OR 设计学生 OR 设计学科
•
高等教育相关术语:高等教育 OR 大学 OR 高等教育机构
2.2 Inclusion and exclusion criteria
纳入和排除标准是基于可信度和相关性的。所选文献应经过同行评议,并采用系统化的数据收集方法。此外,论文应与目标研究领域相关。表 1 概述了所选出版物的纳入和排除标准。
2.3 搜索结果
图 2 说明了范围审查程序。在识别阶段,从学术数据库中识别出了 488 篇出版物。然后,使用包含和排除标准通过标题、摘要和关键词对这些出版物进行筛选。筛选后,排除了 455 篇论文,剩下的论文通过全文进行了资格评估。
文章标题[X 运行头奇数]
3
455 篇论文被排除在审查之外,导致了 14 篇出版物被排除。去除 6 个重复后,包括了 13 篇论文。
表 1 包含和排除标准。
Type
标准
Note
包容
标准
与 AIGC 和设计教育相关的同行评审全文可用的英文或中文写作
符合所有标准的文章将被包括
排除
标准
与 AIGC 和设计教育无关 未经同行评审 无系统方法收集数据 无法访问全文
符合任何标准的文章将被排除
•
图 2 PRISMA 文献选择流程
在包括的 13 篇文章中,关于学生在内容生成学科中使用 AIGC 工具如何影响他们的学习体验的实证研究有限。在今年的 IASDR 会议上,已经展开了关于 AIGC 平台在设计实践和教育中的机遇和挑战的讨论(Bl&Zhou,2023)。关于 AIGC 工具对设计师在设计过程中的影响的研究可以在室内设计(Raza 等,2023)和广告设计(Yang,2023)中找到。一些文章讨论了在设计过程中将 AIGC 工具作为合作伙伴的可能性,例如克服设计固定观念以提高创造力(Hoggenmueller 等,2023),作为探究的渠道(Van Der Burg 等,2023),以及作为创造性学习中的工具以促进转变性创造力(Lim 等,2023)。一些文章还指出了不同类型的设计知识与 AIGC 之间的关系,并提出
李雅婷,马亨利,赵德阳
4
利用人工智能增强设计师知识的框架(Thoring 等,2023 年)。在中国的背景下,CNKI 的一篇文章讨论了 AIGC 影响下设计教育的变化和重建,但重点在于政策制定的建议(冯等,2023 年);另一篇文章从历史角度探讨了 AIGC 对教育的影响(孙和黄,2023 年)。从 ACM 图书馆获取的一篇文章利用实验研究了人工智能背景下高校艺术设计课程体系的优化(徐和江,2022 年)。另外,一篇文章比较了两种教育模式,为教学方法提出建议(赵,2023 年)。
由于中国的研究不足以及本研究基于研究人员和资源的地理位置,本研究旨在探讨在中国高等教育机构中涉及内容生成的设计学科中使用 AIGC 工具对学生学习体验的影响。研究 AIGC 工具对中国设计教育的影响是一个广泛的范围,本文是这项研究的起点。在本文中,选择了符合条件并愿意参与中国大学设计学院的设计学科,以找到符合研究目的的答案。本研究寻求以下问题的答案:
1.
学生的设计过程如何受到使用 AIGC 工具的影响?
2.
学生使用 AIGC 工具对设计知识的习得有何影响?
3.
理论框架
在内容生成设计学科中,学生通过经历设计过程来获得设计知识。例如,在基于项目的学科中,学生通过做项目来学习。
3.1 在设计过程中使用 AIGC 工具
一些研究已经考察了 AIGC 对设计过程中效率和效果的影响。一些研究表明 AIGC 工具提高了设计师的效率(Ardhianto 等,2023 年)。其他研究提到使用 AIGC 工具来提高设计的效果(Chiou 等,2023 年)。大多数研究集中在这些工具的应用和测试上。然而,这项研究关注的是当设计效率和设计效果受到影响时,对设计学生学习体验的影响。
在设计过程中使用 AIGC 作为工具时,可以观察到对设计过程的效率和效果的影响。设计过程是解决设计问题的一个从初始阶段到目标阶段的过程,设计师采取多种行动来完成这个过程,这是一个反思性的过程(Schon,1983)。设计师在这些行动中使用工具,这影响了他们的设计效率和设计效果。
本研究背景下的有效性和效率定义如下。一方面,效率是指输入输出比率,与设计师为完成某项行动所花费的时间和精力有关。例如,它包括他们是否能够快速确定设计方向并进行头脑风暴设计解决方案。另一方面,效-
文章标题[X 运行头奇数]
5
有效性是设计过程能否满足要求的程度。例如,它涉及用户研究是否能真正理解用户的需求,以及设计解决方案是否能解决问题。
3.2 使用 AIGC 工具获取设计知识
设计过程是一个创造性的问题解决过程,在其中显性和隐性知识同时参与和互动,以增强设计师的创造力(Hélie&Sun,2010)。在设计中,知识分为两类:领域知识(特定于学科和行业)和可转移知识(如解决问题的方法和思维风格)。领域知识可以直接从老师和信息搜索中获得。此外,学生应该获得始终隐含的可转移知识。例如,设计学生应该关注人类需求,在设计过程中进行创造性思考,迭代过程,并以有形方式表达概念。
在学习设计知识时,AIGC 工具经常被用来获取未知信息,并在设计构思阶段提供帮助。如今,AIGC 工具也被开发用于设计解决方案的完善。在设计学科的领域知识中,本研究旨在了解 AIGC 工具的使用如何影响设计学生对这一专业知识的学习和对行业的理解。在设计学科的可转移知识中,本研究旨在了解学生的思维和问题解决风格受到了怎样的影响。
3.3 概念框架
根据本研究的研究问题,本研究的数据收集将重点关注 AIGC 作为设计过程和知识获取工具对学生学习经验的影响。图 3 展示了一个概念框架,用于理解学生使用 AIGC 工具所受影响的学习经验。在数据收集阶段将用于设计访谈问题,并在数据分析中用于编码。
李雅婷,马亨利,赵德阳
6
图 3 本研究的概念框架:理解学生的学习经验受到的影响
通过他们对 AIGC 工具的使用
4. 研究设计
本研究采用定性方法,收集了从参与与内容生成相关设计课程的学生那里获得的数据。鉴于该领域的研究有限,收集更多信息以全面回答两个研究问题至关重要。采用了有目的的抽样,数据收集所采用的定性方法包括观察、文件分析和半结构化访谈。主题分析用于数据分析。以下各节详细介绍了研究的设计。
4.1 采样
本研究采用了目的性抽样。作为一种定性研究方法,目的性抽样适用于寻找能够提供与研究问题相关信息的参与者。参与者选择的标准如下:
样本选择标准
•
参与者应该来自内容生成设计学科(例如,基于项目的学科);
•
参与者必须在设计课程中使用过 AIGC 工具,无论他们是否将其用于最终作品;
•
参与者必须高度愿意并且有时间参与这项研究。
•
根据这些标准,本研究选择了中国设计学校的两个专业。它们是以项目为基础的设计专业,鼓励学生使用 AIGC 工具。第一专业是时装设计,第二专业是产品设计。
文章标题[X 运行头奇数]
7
2 是来自产品设计。在课程中高度愿意使用 AIGC 工具的九名学生被确定参与研究。在这九名参与者中,有六名来自主题 1,三名来自主题 2。他们的学术水平是学士。
4.2 数据收集和分析方法
本研究采用了非参与观察、文件收集和半结构化访谈进行数据收集。每位学生在完成设计项目后接受了访谈,并收集了与设计过程相关的文件。当这些学生在最后一堂课上展示他们的设计作品时进行了非参与观察。
收集到的数据首先经过处理,然后进行定性分析。采访记录被转录,参与者信息被匿名化。编码是使用研究的概念框架(图 2)进行的。最后,对转录和匿名化文件进行了主题分析。
为了最小化偏见,本研究采用了数据三角化和方法三角化。数据来自两个不同的数据集,使用不同的方法从同一参与者那里收集数据。
5. 研究问题 1 的发现
5.1 发现 1:所有学生都报告说 AIGC 工具的使用影响了他们的设计效率。
大多数学生认为 AIGC 工具提高了他们的设计效率,而少数学生认为人工智能的使用降低了他们的效率。一些学生指出,AIGC 工具的快速内容交付通过直接导出用户旅程地图、相关用户数据等,提高了他们在设计过程中的初步研究效率。
例如,如果我需要关于未成年人手机使用情况的报告,比如调查或数据报告,ChatGPT 可以快速为我提供一个列表。
“学生们进行初步研究的成本相对较高,没有人真的想要填写调查或其他什么。你得花一些钱或者什么的。”(学生 G,位置 89)
AIGC 工具的广泛解决方案交付还通过快速提供大量解决方案来增强创意效率。学生可以利用它迅速将他们的想法转化为具体的图形结果,而无需投入大量时间和精力。
“在设计中使用 AI 工具是创建我的设计的更简单方式。我将我的想法交给 AI,它为我提供了我工作的直接手绘或建模版本。我认为这是一个方便的工具,可以减少努力并获得结果。这是一个节省过程并获得结果的好方法。”(学生 D,Pos. 11)
对于已经建立的草图,学生们相信 AIGC 工具可以高效地将草图转化为更精细的成品。例如,使用标准 3D 渲染器导出需要很长时间的草图,可以使用 AIGC 工具快速渲染。
李雅婷,马亨利,赵德阳
8
如果时间有限,头脑风暴出的草图无法达到与人工智能相同细节水平。它可以在短时间内创造出更令人满意的视觉图像。 (学生 A,位置 29)
然而,一些学生在使用 AIGC 工具时感到陌生,甚至回归到他们最初使用的手绘或建模工具来生成内容。
“那时候,我已经完成了设计过程的一半,所以我只是了解了一下,尝试了一下,就没有继续下去了(因为去 AI 并重新做设计工作会更耗时。”(学生 D,位置 13)
5.2 发现 2:所有学生都报告说 AIGC 工具的使用对设计的有效性产生了影响。
大多数学生都认为 AIGC 工具有助于增强设计的视觉效果,而一些学生也指出 AIGC 工具在实现设计目标方面存在问题。
一方面,大多数学生认为使用 AIGC 工具有助于可视化他们的设计解决方案。他们认为 AIGC 工具渲染的草图可以增强设计工作的细节。同时,AIGC 工具可以通过快速试验生成各种解决方案,使他们能够通过视觉比较设计渲染,选择心中效果更好的那个。
由于 AIGC 工具可以生成图片,一次可以生成四张图片。最重要的是它更快,我已经从只想设计一两个纪念品和一顶帽子,变成了最终设计了一整套设计。设计会更完整。 (学生 B,位置 10)
“如果真的要自己建模,可以说 AI 绘图可以提供一些参考价值。只要最后简单筛选一下,筛选出一些有效的结果。你可以看到 CMF 渲染效果相当不错,但你可能很难在自己的建模中看到这种效果。”(学生 H,位置 24)
另一方面,一些学生觉得使用 AIGC 工具的输出不尽如人意,无法达到目标,这是因为 AIGC 工具的能力有限,以及他们自己使用 AIGC 工具的能力。
在精细程度上,由于人工智能没有达到我想要的效果,我降低了我的要求。例如,它的手绘有点丑。我依赖后期手绘,然后再回去补充。(学生 A,位置 33)
“当我把它给他时,它有点听不懂我的话。”(学生 C,位置 153)
6.
研究问题 2 的发现
6.1 发现 3:AIGC 工具影响了所有学生对领域知识的学习,主要影响了他们的学科知识,其次是对行业的理解。
大多数学生认为 AIGC 工具丰富了他们的学科知识。在这些学生中,一些发现 AIGC 工具的内容迅速回答了他们的问题。
文章标题[X 运行头奇数]
9
一些人发现 AIGC 工具提供了有关学科知识的终端解释,用户数据或示例,供他们在创建内容时参考。
“我请 ChatGPT 帮我写一个用户旅程,只是一些用户旅程的例子。ChatGPT 会先告诉你什么是用户旅程,然后是行为,情感,然后是他那时的痛点。这样会清晰一点,因为我以前不太擅长写用户旅程地图。它给了我一个结构,我会学习它。”(学生 I,Pos. 99)
他在设计思维方面是个初学者。但在知识储备方面,他是一位经验丰富的设计师。 (学生 B,位置 52)
此外,一些学生觉得 AIGC 工具丰富了他们特定学科的灵感数据库和美学。
“AI 可以培养设计师需要具备的美感。它对美感的发展有重要影响,你经常可以参考 AI 的内容生成。”(学生 G,位置 60)
一小部分学生认为使用 AIGC 工具可能会阻碍学科知识的学习,因为这会剥夺他们在设计过程中发展专业技能的机会,比如削弱素描技能。
“手绘是一项职业技能。我在课堂上没有太多时间花在手绘技能上。如果你在早期阶段不自己学习手绘,你将在后期变得依赖人工智能。”(学生 G,位置 22)
总的来说,少数学生觉得 AIGC 工具增加了他们对行业的理解。这些学生认为使用 AIGC 工具提供的内容增加了他们对行业趋势、市场和流行设计风格的理解。
“你去问 ChatGPT 那些问题。问它关于今天玩家们喜欢的皮肤风格,它会回答你,然后这些将作为我在市场研究中的大数据的一部分。”(学生 A,位置 168)
6.2 发现 4:AIGC 工具的使用以不同方式影响了所有学生对可转移知识的学习,产生了各种正面或负面影响。
大多数学生在学习创造性思维和表达想法时受到 AIGC 工具的影响。一些学生报告说,他们在以人为中心的关注和实践学习方面受到影响,而很少有人在迭代过程的学习中受到影响。
在创造性思维的学习中,AIGC 工具的积极影响是可以帮助学生突破他们固有的思维框架和有限的设计经验,让他们看到更多多样化解决方案的可能性。消极影响是一些学生认为 AIGC 工具生成的结果缺乏新颖性,因为它们是基于现有数据输入组装的,这对创造性思维的学习是有害的。
“对于为 AI 提供预生产工作,当我去准备那些设计的思维导图时,我分散了我的思绪。这对我的设计职业帮助很大,和
李雅婷,马亨利,赵德阳
10
这个习惯,如果我能养成它,我想在那之后手工制作衣服,也会非常快。”(学生 A,位置 160)
“它给了我这些渲染。我觉得它在无形中限制我继续思考的下一个阶段”(学生 B,位置 100)
在学习表达观念的过程中,使用 AIGC 工具并不能保证有效地准确表达设计概念,但它让所有学生意识到准确表达观念的重要性。因此,一些学生将素描和 3D 建模方法与 AIGC 工具结合使用,以更准确地表达他们的想法,而少数学生放弃使用 AIGC 工具,因为它无法准确表达他们的设计概念。
使用 AIGC 工具展示工作会产生视觉冲击,我猜!如果你让我为演示做一个草稿,但那个草稿很混乱,大多数普通观众可能不想看。也许,一些专业观众会对这些东西感兴趣。如果我想出一个更具视觉吸引力的图表来展示给他们。也许对另一个人来说,那是他们更愿意看的东西。"(学生 A,位置 200)
AI 生成太灵活了,我觉得。如果你不给它一张图片,然后不给它说这是什么的资格,它只会生成它认为的东西。你必须给它专门的明确指示,告诉它你的想法是什么,你想要什么样的东西,然后它才能做到。否则,它只会创造任何内容。(学生 C,位置 84)
在学习关于以人为中心的焦点时,一些学生觉得 AIGC 可以提供数据来帮助设计师了解用户,但 AIGC 产生的解决方案是通用的,因此认识到设计师的特殊之处是共情,将情感和意义带入设计解决方案。
“我为这个想法提供了一点混合的指导和命令,甚至有更多效果是我无法想象的,我想。但当我将其应用于用户时,这并不是我们所需要的。”(学生 B,位置 149)
在实践学习方面,一些学生认为 AIGC 的生产无法取代设计师自己动手制作原型,设计师需要在实践中尝试和学习;一些学生认为 AIGC 的工具可以节省设计师的生产时间,他们没有意识到实践学习的重要性。
“它提供了一个不考虑面料和缝纫过程的渲染,然后我们就开始了。设计完成后,我们肯定要再做另一个样品。”(学生 A,位置 47)
在理解迭代过程方面,使用 AIGC 工具使所有学生能够快速且心理负担较小地推翻先前的工作并重新进行,但只有少数学生意识到根据设计对象迭代设计解决方案的重要性。
文章标题[X 运行头奇数]
11
7.
发现和讨论
7.1 AIGC 带来的便利对学生的学习体验产生影响
对 AIGC 带来的便利的态度影响了学生在设计过程中对设计知识的学习。大多数学生接受甚至依赖 AIGC 在设计过程中的效率和有效性,但少数学生质疑这种便利。这些学生认为依赖 AIGC 工具剥夺了他们通过实践和将想法具体化的机会,这是他们应该通过实践学习的。一些学生也意识到,依赖 AIGC 工具从数据库生成解决方案可能会养成不能自主进行创造性思维的习惯。
“如果我使用它太多,我就没有自己的思想。如果我一直使用人工智能,然后为我的工作生成任何东西,那么我感觉自己失去了想象力!”(学生 C,位置 179)
“AI 工具在创建类似作品时极大地帮助设计师节省时间成本,也有助于在展示中节省设计师的成本。我认为这是一个有用且好的工具,但不应作为创作的捷径。”(学生 F,位置 15)
“AI 的效果确实更加完美。然而,从长远来看,作为设计师,你可能需要有一些自己的想法。设计师需要独立发展一些设计能力,不要过于依赖这些 AIGC 工具。长期使用 AI 很容易形成一种依赖。”(学生 G,位置 12)
“AIGC 帮助我从一无所知到启发我,但我的想法可能会受到限制。例如,因为我认为 AIGC 给我的调色板很好,所以我会使用那个调色板。但也许会有更好的配色方案。我可能不会再尝试,因为我觉得 AI 生成的那个已经足够好了。”(学生 I,位置 121)
关于学生对 AIGC 工具的态度,设计教育者应该注意引导学生谨慎依赖这种便利。
7.2 处理由使用 AIGC 工具引起的问题影响学生对 AIGC 工具的接受。
由于目前的 AIGC 难以一次性生成令学生满意的设计结果,学生们在设计过程中如何处理 AIGC 工具带来的问题影响了他们的学习体验。当学生们使用 AIGC 工具获得不满意的结果时,他们中的大多数选择使用其他手段结合来完善他们的设计。这些学生认为这些问题源于他们选择的 AIGC 工具的能力和他们使用该工具的能力。然而,如果不通过行动改变这种情况,他们往往会认为使用 AIGC 工具在帮助他们表达想法方面存在问题,这阻碍了他们实现设计解决方案的有效性。
“我想尝试一下,看看用人工智能是否会有所不同,但意识到我对人工智能了解太少,无法让它运行,所以我放弃了。”(学生 D,位置 15)
李雅婷,马亨利,赵德阳
12
只有少数学生深入研究了 AIGC 的原理和参数控制,因此,他们相信 AIGC 工具可以很好地表达他们的想法,并且可以克服设计过程中由此引起的有效性问题。最重要的是,一些学生放弃了使用 AIGC 工具,因为他们担心从数据库生成的解决方案的原创性。
大多数当前的 AI 绘图工具只是源材料的拼贴,版权将是一个问题,生成的内容只能用作参考!(学生 E,位置 11)
设计教育者希望让学生尝试 AIGC 工具的话,应考虑指导学生克服设计过程中可能遇到的问题,帮助他们参与 AIGC。
7.3 动机影响学生使用 AIGC 工具的方式
在这项研究中,学生使用 AIGC 工具的动机和原因影响了他们对待使用该工具的方式,而这些方式又影响了他们的学习体验。学生使用 AIGC 工具的动机是由于 AIGC 工具的流行、周围同学的影响、需要快速完成课程作业以及教师鼓励使用新工具。这两个设计课题分别在 2023 年 5 月至 7 月进行,正值 AIGC 工具刚开始流行的时期。这些学生第一次使用 AIGC 工具。学生主要使用 ChatGPT、Midjourney、Stable Diffusion,少数学生使用了一些 AI 工具的网页版本。教师鼓励学生尝试使用 AIGC 工具,但没有系统性的方法指导学生如何使用。大多数学生对使用 AIGC 工具的能力有限,而这些工具本身也没有得到充分的培训。因此,需要帮助。
其他工具可以在他们的设计过程中看到。
“我本来想看看那个人工智能能否给我提供一个更好的,但似乎它并没有给我提供更好的东西,最终我采用了其他方法。”(学生 C,位置 40)
大多数学生提到,他们渴望高效完成项目、承受高 GPA 的压力以及在老师面前展示更专注的图形,这些对他们使用 AIGC 工具来提高效率和效果的外在动机。
“我考虑过使用 AIGC;然后放弃了,因为它不符合我的需求。最初,我的目的纯粹是为了完成作业;通常使用的工具更加熟悉,有助于更加一致地完成任务。”(学生 E,位置 9)
我们现在作为学生所做的工作是同时为我们的老师和用户提供服务。通常你必须考虑老师的口味。 (学生 G,位置 54)
一些学生展示了他们对使用 AIGC 工具的内在动机,因为他们对工具背后的复杂算法感兴趣,并相信掌握 AIGC 工具将帮助他们在设计方面发展竞争力。因此,这些学生进行了深入的自主学习和对 AIGC 的调查,这占据了他们大部分的注意力,但学习设计过程和设计。
文章标题[X 运行头奇数]
13
知识不仅仅是掌握工具。学生学习的动机和对 AIGC 工具产生内容的期望可以受到教育者的影响,打算在课堂上引入 AIGC 工具的设计教育者应考虑学生使用 AIGC 工具的动机。
8. 结论
本文研究了学生在基于项目的学习环境中使用 AIGC 工具对其设计过程和知识获取的影响。在基于项目的课程中,学生使用 AIGC 工具会影响他们在设计过程中的效率和效果,特别是在促进他们的效率方面。一些学生完全接受了 AIGC 改进的效率,而另一些学生则反思了拥有这种效率的负面影响。
AIGC 工具的使用也影响他们对领域知识和可转移知识的获取。就领域知识而言,使用 AIGC 工具主要有助于学生搜索专业知识,其次是获取有关行业的信息。对于可转移知识,大多数学生在学习创造性思维和表达观点方面受到影响,其次是通过实践学习和以人为中心的关注。很少有学生受到迭代过程学习的影响。
本研究为设计教育工作者提供了关于学生学习经验如何受 AIGC 工具使用影响的见解,并为随后的大规模研究提供参考。
9. 参考资料
Ardhianto, P., Santosa, Y. P., Moniaga, C., Utami, M. P., Dewi, C., Christanto, H. J., & Chen, A. P. S.
(2023). 景观设计中视觉动画的生成式深度学习。科学编程,1–12。https://doi.org/10.1155/2023/9443704 Bl,H.,& Zhou,Z.(2023)。AIGC 平台在设计实践和教育中的机遇与挑战。
邱,L.-Y.,洪,P.-K.,梁,R.-H.,& 王,C.-T.(2023)。与 AI 设计:探索合作。
使用图像生成器进行构思。2023 年 ACM 设计交互系统会议论文集。
会议,1941 年至 1954 年。https://doi.org/10.1145/3563657.3596001
冯,M.,曹,L.,& 陈,Q. (2023). AIGC 冲击下 艺术设计教育的变革与重构:机遇、范式与应对 —中国知网. https://chn.oversea.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFD&dbname=CJFDAUTO&filename=GYCG202304007&uniplatform=OVERSEA&v=ogaS3XFd3HchkCZPprrL_zJXhZJsmCz-tq5T24Sk5b6G6ZEYa26TZLOaJEho_84X Hélie, S., & Sun, R. (2010). 孵化,洞察和创造性问题解决:统一理论和连接主义模型。心理评论,117(3),994。Hoggenmueller, M.,Lupetti, M. L.,Van Der Maden, W.,& Grace, K. (2023). 人机交互设计的创意人工智能。
2023 年 ACM/IEEE 国际人机交互会议的同伴。
行动,40-50。https://doi.org/10.1145/3568294.3580035 Lim, J., Leinonen, T., Lipponen, L., Lee, H., DeVita, J., & Murray, D. (2023). 人工智能作为创造性学习中的关系性工件。数字创意,34(3),192-210。
https://doi.org/10.1080/14626268.2023.2236595
李雅婷,马亨利,赵德阳
14
罗,Y.,& 王,L. (2023). AIGC 时代设计和设计教育的危机与应对。
ICEKIM 2023:第四届国际教育、知识和信息管理会议 ICEKIM 2023 年 5 月 26 日至 28 日,中国南京,469。
Raza, S., Venaik, A., & Khalil, S. N. (2023). 揭示人工智能和 ChatGPT 对建筑和室内设计研究的影响:全面探索。推进技术杂志,44(3),第 3 篇文章。https://doi.org/10.52783/tjjpt.v44.i3.337 Schon, D. A. (1983). 反思实践者:专业人士如何在行动中思考。纽约基础图书。
孙,T.,& 黄,E. (2023 年 10 月 27 日). AIGC:
设计教育思维的新变革
中国社会科学报,005。
索林,K.,休特曼,S.,穆勒,R. M.(2023 年)。增强设计师:生成 AI 启用设计的研究议程。设计学会会议论文集,3,3345-3354。
https://doi.org/10.1017/pds.2023.335 Van Der Burg, V., De Boer, G., Akdag Salah, A. A., Chandrasegaran, S., & Lloyd, P. (2023). Objective Portrait: A practice-based inquiry to explore Al as a reflective design partner. Proceedings of the 2023 ACM Designing Interactive Systems Conference, 387–400.
https://doi.org/10.1145/3563657.3595974 徐,B.,& 江,J. (2022)。利用在大学中的多媒体亚洲信息处理和基于人工智能的艺术设计和教学。ACM Transactions on Asian and Low-Resource Language Information Processing,21(6),114:1-114:18。https://doi.org/10.1145/3526219 杨,J. (2023)。为人工智能的新时代做准备:我在“广告中的人工智能”教学中的经验。广告教育杂志,10980482231190064。
赵,Y.(2023)。由互联网+时代赋能的艺术与设计教育的比较研究
AI。355-363。https://doi.org/10.2991/978-94-6463-264-4_39
关于作者:
李雅婷小姐是香港理工大学设计学院创意与设计教育实验室的博士研究生。
马亨利教授是香港理工大学设计学院创意与设计教育实验室的副院长和负责人。他积极参与舞台、电影和电视项目的设计和制作。他于 2007 年获得了香港数字娱乐行业年度人物奖的第一名。
赵德阳教授是中国福建师范大学艺术与设计学院的副教授。他在清华大学艺术与设计学院获得博士学位。