AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Образование в области искусств, дизайна и медиа

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Образование в области искусств, дизайна и медиа — дисциплины, основанные на студийной и исполнительской практике, в которых обучение происходит через создание произведений: архитектура и пространственный дизайн, дизайн интерьера, музыкальное исполнительство, composition и анализ, изобразительное искусство и генерация изображений, цифровые медиа и digital storytelling, сценические и исполнительские технологии. Во всех статьях этой базы знаний повторяются вопросы о том, подрывает ли Генеративный ИИ мастерство и развитие навыков или поднимает их на новый уровень, как меняются критика и Оценивание творческой работы, когда полированный артефакт становится дешёвым в производстве, какая часть каждой дисциплины опирается на embodied и материальную практику, и кого включает в себя поле, когда творческие инструменты становятся генеративными. Освещение сосредоточено в higher education и в исследованиях одной студии или одного курса, поэтому большинство приведённых ниже результатов являются свидетельствами отдельных случаев, а не утверждениями о дисциплине в целом.

Вопросы для размышления

  • В исследовании архитектурной студии команды, использовавшие конвейер GenAI плюс XR, сообщили о более низкой уверенности в собственной способности к проектированию после работы, а оценки слепых экспертов за их презентации не оказались выше оценок контрольной группы. Что вам нужно было бы знать, прежде чем заключить, что инструменты навредили обучению, — и что заставило бы вас заключить это всё равно?
  • Студийное преподавание всегда держалось на критике и на видимом процессе: эскизах, моделях, последовательных итерациях. Если студент может за минуту создать изображение, выглядящее завершённым, что же тогда должна действительно изучать критика?
  • В капстоун-проекте по цифровому сторителлингу, основанном на проектной деятельности, идеи студентов были оценены как более оригинальные, чем их завершённые работы были связными. Где же находится трудное в обучении — в генерации идей или в их интеграции?
  • Обзор музыкального образования различает автономные генераторы, такие как Suno и Udio, и интерактивных ассистентов сочинения, таких как Continuator, и утверждает, что образовательно продуктивен только второй. Согласны ли вы, и каков ваш критерий такого различия?
  • Дизайнеров в Малайзии описывают как переходящих от главных генераторов форм к критическим кураторам машинного вывода. Если это пункт назначения, то чему должен в первую очередь учить курс первого года обучения дизайну?
  • Слепые и слабовидящие струнники осваивают смычковую технику через осязание и проприоцепцию, потому что визуальная демонстрация им недоступна. Что это означает для feedback systems в искусстве, которые по умолчанию опираются на экран?

Введение

Эти дисциплины объединяет то, что местом обучения является студия или репетиционная комната, а объектом оценивания — созданный артефакт и стоящий за ним процесс. ИИ входит сюда в нескольких обличиях: генератор изображений в студии архитектуры и дизайна интерьера, инструмент сочинения и анализа в музыке, пространственный партнёр внутри иммерсивных сред, автоматический оценщик письменного анализа и — в сценическом освещении — инструмент для преподавателя, превращающий произнесённое педагогическое намерение в исполнимые демонстрации. Разделы ниже прослеживают то, что сообщают исследования, а затем выделяют сквозные вопросы мастерства, оценивания и доступа.

Эта страница является дисциплинарным домом для студийных и исполнительских искусств, и она уже, чем её соседи. AIEd в дисциплинах содержат общий аргумент о том, что AI in education должно быть domain-aware по всем дисциплинам; эта страница о том, что является специфичным для созидания. Креативность охватывает когнитивный конструкт везде, где он появляется — дивергентное мышление, риск гомогенизации от помощи одной модели, защиту созидательного акта учащегося, — включая mathematics и творческое программирование; эта страница охватывает дисциплины, в которых творческое производство и есть curriculum. Дизайн-мышление охватывает генерирование идей и постановку проблем с ориентацией на пользователя как общую педагогику; эта страница охватывает студии, где этот процесс преподаётся, направляется и оценивается. Humanities and social science education рассматривает интерпретацию, авторство и аргументацию в текстоцентричных областях и включает искусства в число составляющих их сфер; здесь искусства и медиа вынесены из этой интерпретативной рамки и помещены в центр материальной, пространственной, звуковой и исполнительской практики. Дизайн-образование вычленяет профессиональную половину из той же территории: эта страница охватывает студийные и исполнительские искусства, общая черта которых — созидание, тогда как образование в области дизайна следует более узкому pipeline формирования для дизайнеров продуктов, услуг, взаимодействий, интерьеров и архитекторов — оценивание портфолио, ожидания аккредитации, трудоустройство, — и рассматривает процесс студии, стоящий за артефактом, а не сам артефакт как объект оценивания.

Студийная педагогика и критика в эпоху генеративного ИИ

Генеративные инструменты приходят в эти дисциплины через существующий ритуал: работу, сделанную публично, показанную незавершённой и подвергнутую критике. Источники показывают, что ИИ наиболее надёжно меняет середину этого процесса и в наименьшей степени — его концы. В исследовании GenARch Xiao et al. (2026) внедрили конвейер «генеративный ИИ плюс много-user XR» в реальную студию архитектурного проектирования бакалавриата и обнаружили взаимодополняющее разделение труда: Генеративный ИИ экстернализовал идеи, давая командам нечто конкретное, на что можно указать, что можно сравнить и о чём спорить, тогда как XR поддерживал оценивание, позволяя студентам судить о пропорциях, смежности, освещении и контексте площадки в полном масштабе.

Инструментарий был неудобен на обоих концах процесса. В начале у команд ещё не было идей, которые можно было бы закодировать в промпте; позже более богатые концепции делали prompting легче, но повышали ожидания соблюдения ограничений, и там, где точность имела значение, студенты возвращались к SketchUp и Revit. Они сообщали о сбое размерной точности — «I asked it to make a 10 feet wall of 3D model, it wasn't 10 feet» (я просил сделать стену 3D-модели в 10 футов, а получилось не 10 футов), — о задержках в работе с ассетами от секунд до минут и о разделённом внимании, которое ускользало, когда члены команды смотрели на разные части модели. Выдача гарнитуры каждому участнику сама по себе не приводила к coordinated collaboration.

Ответственности студии всё же изменились. В лонгитюдном исследовании генеративных моделей в дизайн-студиях Gül et al. (2026) различают использование GenAI как визуального стимула в раннем генерировании идей и комбинаторное использование, расширяющее пространство решений в ходе разработки, и помещают pedagogical проблему в компетентность, а не в доступ: без распознающей способности различать модели и использовать их осознанно, обильный вывод порождает design fixation и эстетическую застреваемость. Их вывод сдвигает instructor's role с передачи мастерства к коучингу о том, когда, как и зачем делегировать творческое исследование.

Архитектура, пространственный дизайн и дизайн интерьера

Исследование фокус-групп в Дерби даёт студии более благоприятный результат. Kapsalis (2026) провёл две группы по восемь студентов-архитекторов уровней 3–5 через 90-минутное занятие с локально исполняемым workflow генерации и редактирования изображений, дообученным для жилых интерьеров. Студенты создали примерно 80 изображений за занятие, около десяти каждый, с коэффициентами принятия выше 60 %. Самооценённая генерация идей (4,5) и экспериментирование (4,2) набрали наибольшее число баллов по шкале креативности, тогда как уточнение окончательных решений (3,7) поддерживалось менее единообразно — некоторые студенты обнаружили, что инструмент выявлял нерассмотренные комбинации, другие — что он отвлекал деталями, не подходящими к концепции. Автор трактует это как конструктивистский «микромир», расширяющий творческое пространство поиска, не заменяя при этом дизайн-мышление, и отмечает данные опроса о том, что почти 70 % студентов-архитекторов уже самостоятельно используют инструменты ИИ, тогда как свыше 95 % сообщают об отсутствии формального AI education.

Дизайн интерьера ставит вопрос профессионального формирования наиболее остро. Syed Abdul Rahman (2026) описывает, как малайзийские дизайнеры переходят от первичных генераторов форм к критическим посредникам и кураторам машинного вывода, причём платформы Визуализация сжимают сроки и расширяют набор вариантов, производимых в рамках бюджета. Ссылаясь на эмпирическую работу о предпочтениях клиентов (Lan et al., 2025), статья отмечает, что вывод ИИ оценивается высоко по уникальности, когда доминируют эстетические критерии, но что дизайнеры-люди сохраняют явное преимущество, когда подчёркиваются функциональные, эргономические и контекстуальные требования, — и что сгенерированные проекты часто не обладают культурной специфичностью, климатической отзывчивостью и надёжной реализуемостью на рынке, договаривающемся о тропических условиях, жизни нескольких поколений в одном доме и исламских пространственных принципах. Её рекомендация по учебной программе заключается в последовательности, а не в подмене: преподавать CAD/BIM, строительные знания и человеческие факторы до генеративного исследования и оценивать Критическое мышление и ethical рефлексию наряду с визуальным качеством.

Музыка и исполнительские искусства

Музыка рассматривается здесь как искусство, наиболее подверженное экономическим изменениям, начавшимся до генеративного ИИ. Briot (2026) утверждает, что дематериализация обрушила стоимость записанной музыки за единицу примерно на два порядка magnitudes ещё до того, как генеративные модели стали коммерчески значимыми, что выплаты за прослушивание остаются порядка $0,003–$0,005 и что генеративный ИИ продлевает уже сломанную модель ценности, а не создаёт её. Его различение, значимое для преподавания, противопоставляет автономные генераторы, такие как Suno и Udio, — целостные, стилистически связные произведения по текстовому промпту с непрозрачной и неуправляемой структурой, — интерактивным ассистентам сочинения, таким как FlowComposer и Continuator, где музыкант задаёт ограничения и сохраняет интенциональность, а Continuator в реальном времени изучает стиль исполнителя как импровизационный партнёр. Только второй вид, утверждает он, является образовательно продуктивным, потому что первый позиционирует студентов как потребителей машинного вывода. Рекомендуемая учебная программа делает производство и владение DAW ключевыми компетенциями и защищает ансамблевое исполнительство как воплощённое, социальное измерение, наиболее устойчивое к подмене.

Оценивание в музыке продвигается к автоматизации, с ограничениями, о которых стоит сказать. Lin, Jin and Min (2026) протестировали GPT-4o-mini в сравнении со средними оценками преподавателей на 300 ответах музыкального анализа университетского уровня по гармонии, форме, рассуждению и терминологии, обнаружив, что few-shot chain-of-thought prompting согласовывался с преподавательскими средними сильнее всего и что retrieval augmentation систематически завышало оценки; согласие также было слабее по терминологии, чем по рассуждению, поэтому авторы аргументируют необходимость калибровки под конкретную стратегию, dimension-level validation и продолжения human oversight.

Вокальная педагогика даёт самое ясное утверждение проблемы измерения против ценности. Li (2026) утверждает, что обучение вокалу с помощью ИИ не следует судить по тому, насколько точно оно измеряет высоту тона, стабильность, вибрато и тайминг, потому что одно и то же измеренное отклонение может указывать на техническую неточность, выразительную интонацию или артефакт записи, и потому что измеримые выходы не представляют собой embodied координацию учащегося. Рамка разделяет свидетельства, которые ИИ делает видимыми, человеческие процессы обучения, которые их интерпретируют (телесная осведомлённость, metacognitive мониторинг, self-regulated practice, мотивация), и следующие за ними результаты, оцениваемые по эффективности, equity и Устойчивое развитие. Инструментальное преподавание для музыкантов с инвалидностью идёт дальше в воплощённом аргументе: Shi et al. (2026) работали с четырьмя продвинутыми слепыми и слабовидящими струнниками и тремя преподавателями, обнаружив, что смычковая струнная техника традиционно преподаётся через визуальную демонстрацию — недоступную этим учащимся, — и что тактильные и кинестетические сигналы заменяют её. Inclusive instruction, согласно их описанию, должно строиться вместе с учащимися с инвалидностью, а не ретроспективно прилаживаться для них.

Технология сцены и исполнительства — это область, где ИИ-опосредованное обучение было спроектировано и оценено наиболее конкретно. Liang et al. (2026) построили LumiNote, Большие языковые модели (LLM) VR-систему, которая превращает произнесённое намерение преподавателя, закреплённое лазерной указкой, в пересматриваемые пространственные аннотации, исполнимые демонстрации освещения и объяснения жаргона. Среди 55 промптов преподавателей и 531 сгенерированной пары действий было применено 380 (71,6 %); визуальные эффекты составили наибольшую категорию промптов (27 из 55) с высокой степенью принятия (212 из 245 действий, 86,5 %), тогда как запросы, специфичные для конкретного прибора, оказались самыми слабыми — 26 из 28 отказов объяснялись ошибками чтения направляющих указаний, таких как «свет слева». Преподаватели использовали предложения как процесс уточнения, а не как готовый план занятия: из 147 отклонённых или изменённых предложений с последующими действиями 127 (86,4 %) вызвали новый промпт, и лишь одно — непосредственную ручную корректировку. Их рабочая нагрузка снизилась (NASA-TLX с 3,50 до 2,22), а занятия укоротились (с 19 минут 34 секунд до 12 минут 33 секунд), поскольку усилия сместились от конфигурации низкого уровня к выражению. Самый резкий результат — несоответствие представлений: сигналы, которые преподаватели оценили как наиболее полезные для экстернализации экспертного рассуждения, не были теми, которым могли следовать 24 учащихся, предпочитавших лазерную указку (M = 5,50) и маркировку консоли со значениями (M = 5,33) пространственным стрелкам и аватару (оба M = 4,58), хотя меры результатов у студентов не показали значимых различий.

Изобразительные искусства, генерация изображений и цифровые медиа

Инструменты «текст в изображение» — это случай, когда итеративный workflow студии находится под наибольшей непосредственной угрозой, и свидетельства не являются простой историей выигрыша или потери. Liu, Meng and Zhang (2026) опросили 417 студентов искусства и дизайна наряду с фокус-группами и интервью преподавателей, обнаружив, что ожидаемая результативность, социальное влияние, ценность новизны и творческая компетентность положительно предсказывали намерение использовать инструменты «текст в изображение», тогда как ожидаемые усилия и способствующие условия предсказывали отрицательно, — что они читают как использование, ориентированное на сокращение пути, в курсовой работе, где легкость и доступность обеспечивают быстрый вывод, а не устойчивое вовлечение. Их парадокс компетентности — примечательный результат: творческая компетентность поддерживает намерение, но также предсказывает более избирательное, сдержанное фактическое использование, поскольку студенты взвешивают авторство, оригинальность и сохранение навыков против эффективности. Они аргументируют необходимость педагогики, работающей с AI literacy вокруг творческого процесса, создания промптов и оценивания вывода, с процессом студии и усилием как объектом оценивания.

Производство цифровых медиа показывает, что может дать структурированный процесс. Tian et al. (2026) изучили 15-недельный капстоун-проект по цифровому сторителлингу, основанный на проектной деятельности, «Creative Shanzhou», в рамках которого 426 студентов последнего курса бакалавриата, направляемые 48 наставниками при соотношении примерно 1:9, переводили местное культурное наследие в Мультимодальный ИИ нарративы. Экспертные оценки 92 получившихся произведений были сильнее всего по новизне (M = 4,21, SD = 0,72), затем по эффективности (3,96) и цельности (3,68), причём 43 % проектов набрали ниже 3,5 по цельности — студенты более успешно генерировали оригинальные идеи, чем интегрировали их. В подгруппе «Анимация» из 31 студента оценки образного творческого мышления выросли с 77,23 до 94,68 (разность средних 17,45, t(30) = 4,55, p < .001, d Коэна = 0,82). Во всех проанализированных проектах ИИ служил организатором информации, визуальным ориентиром, помощником в генерировании идей и инструментом редактирования, тогда как студенты сохранили за собой выбор темы, нарративную интерпретацию, создание культурного смысла и окончательные решения; пример с наивысшими оценками приписывал свою связность устойчивому человеческому взаимодействию с исходным материалом, а не полировке с помощью ИИ. Проект завершился трёхдневной публичной выставкой, и 31 произведение было принято местным Управлением культуры и туризма.

Иммерсивные среды дают более благоприятный контрпример в профессионально-техническом дизайне. Jin et al. (2027) внедрили AI-IVE-PBL — project-based learning, внутри поддерживаемой ИИ иммерсивной virtual environment с ассистентом-преподавателем на основе agent — в курсе дизайна интерьера первого года профессионально-технического обучения как пятифазный цикл открытия, предвидения, моделирования, коммуникации и уточнения. В 12-недельном квазиэксперименте с двумя группами (63 достоверных ответа, 31 против 32) условие «иммерсивность плюс агент» набрало больше баллов по способности к дизайну (η²p = .138) и творческой способности (η²p = .111) в ANCOVA с предтестом как ковариатой, и повысило когнитивное (d = 0,90) и поведенческое (d = 0,75) вовлечение engagement, Мотивация (d = 0,74) и удовлетворённость (d = 0,69), снизив при этом заявленную когнитивную нагрузку (d = −0,52). Инновационное мышление и аффективное вовлечение двигались в ожидаемом направлении, не достигая значимости. Все результаты были self-report, без артефактов исполнения или экспертных оценок, и именно поэтому авторы сопоставляют свой результат с исследованием архитектурной студии выше.

Мастерство, навыки и оценивание творческой работы

Вопрос мастерства появляется в нескольких формах, и источники расходятся в том, насколько сильно следует беспокоиться. Kapsalis (2026) сообщает о механизме выравнивания на входном уровне: студенты, описывавшие себя как слабых в рисовании, обнаружили, что инструмент открыл им доступ к визуальному выражению, не устраняя при этом необходимости в суждении. Напротив, Syed Abdul Rahman (2026) предупреждает, что некритичное внедрение рискует дать выпускников без базового пространственного рассуждения, знания материалов или независимой критической оценки, и называет предотвращение потери навыков (deskilling) среди практиков в начале карьеры ключевой regulatory озабоченностью. Расхождение частично касается последовательности: обе стороны выступают за технические основы до генеративного исследования.

Последователен пересмотр того, что именно оценивается. Исследование в Дерби измерило процедурную уверенность на занятии на уровне 3,7 из 5, но уверенность в переносе этих навыков за пределы студии — лишь 2,6 — разрыв, который его автор приписывает однозанятийному опыту и называет проблемой на уровне учебной программы. Анализ по Малайзии рекомендует студийные проекты, требующие сравнительного evaluation of AI и не-ИИ путей дизайна, плюс критерии, вознаграждающие критическое мышление наряду с визуальным качеством. Результаты автоматизированного оценивания в музыке указывают в ту же сторону: согласие с преподавательскими средними было специфичным для измерения, и авторы настаивают на человеческом надзоре, а не на полном делегировании. Li (2026) добавляет, что трактовка измеренного вывода как образовательной ценности самой по себе сужает вокальную подготовку до коррекции вывода и оптимизации оценок. Сходящееся предложение состоит в том, чтобы креативное оценивание продолжало изучать процесс, итерации и обоснованное принятие решений именно потому, что завершённый артефакт больше не служит их свидетельством.

Доступ и инклюзия в обучении искусству

Доступность в искусстве рассматривается не как соблюдение требований, а как вопрос дизайна и материальной практики. Shi et al. (2026) — самый ясный случай: поскольку смычковая струнная техника обычно преподаётся через визуальную демонстрацию, слепые и слабовидящие музыканты зависят от тактильных и кинестетических каналов, и совместное проектирование под руководством людей с инвалидностью в этом исследовании породило стратегии, укоренённые в собственной практике этих музыкантов, а не адаптации, приделанные к визуальному умолчанию.

Два других результата осложняют любую простую историю о генеративных инструментах как уравнителе. В исследовании в Дерби около трети участников заявили об инвалидности и почти пятая часть сообщили о специфических трудностях в обучении; пункты об инклюзивности сгруппировались на уровне 3,8–4,1 и сильно коррелировали с ощущением, что занятие было доступным (ρ = .74), и с возможностью успевать независимо от предшествующего опыта работы с ИИ (ρ = .81), а студенты, менее уверенные в рисовании, сообщали, что не чувствуют себя в невыгодном положении, — скромный уравнивающий эффект в рамках одного 90-минутного занятия, а не продемонстрированное обучение. Разрыв представлений в LumiNote показывает другую сторону: сигналы, помогающие экспертам экстернализовать свои рассуждения, не являются сигналами, которым могут следовать новички, поэтому дизайн, хорошо служащий преподавателю, может оставить учащегося в замешательстве, и авторы позиционируют LLM как посреднический слой, который должен переводить между двумя сторонами. Исследование GenARch фиксирует смежное решение о справедливости: после сбора данных technologies были переданы студентам контрольной группы, чтобы им их не отказывали. Чью эстетику и чьи культурные ориентиры воспроизводят генеративные модели и расширяет ли более широкий доступ к дизайнерским услугам спрос или усиливает конкуренцию в среднем сегменте рынка — эти вопросы поднимаются в анализе по Малайзии и остаются открытыми.

Связанные концепции

Связанные статьи

Метаданные

УровеньHigher Ed
Целевая аудиторияInstructors, Learners, Instructional Designers, Curriculum Designers
Обучение и преподаваниеКреативность, Телесное обучение (Embodied Learning), Проектное обучение
Технологии и методыМультимодальный ИИ
Оценивание и измерениеАутентичное оценивание
Основы ИИ в образованииДизайн-мышление
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.