设计教育 — 教育中的人工智能知识库

本页是英文页面的机器翻译，尚未经母语者审校。

设计教育（Design Education） —— 在工作室制学科中对设计师的专业养成：产品、服务、交互、室内与建筑设计，通过迭代的项目工作进行教学，其中被评估的对象既是成果物本身、也是成果物背后的过程。其区分性特征是：作为学习场所的工作室与评图（critique）；作为学习首要指标的可见过程证据（草图、中间模型、迭代）；以及生成式人工智能如今使学生被评分的精饰产出变得廉价这一事实。这使设计教育成为创造力、设计思维、评估效度与职场学习的一个检验案例。

值得思考的问题

如果一个工作室已无法从成品读出学习，什么应取代可见过程成为证据——强制性的过程成果物、口试，还是某种能在 140 人的一届中存续的东西？
在一项实验中，无支持的新手在一个对抗性智能体浮现利益相关者反弹之前从未修订任何一个想法。设计教学是否应刻意制造摩擦——而生产性困难止于何处？
设计师被描述为从形式生成者转向机器产出的策展人。若如此，课程中先来的是什么：手工技艺，还是对模型产出的批判性评价？
如果一个 LLM 能逼近教师、同伴与资助评审对同一海报的解读，人类批评者还剩下什么？

引言

设计教育比艺术、设计与媒体教育更窄，后者连同工作室与表演学科一并涵盖——建筑、音乐、视觉艺术、媒体与数字叙事。本页涵盖专业设计学科及其养成管线：档案袋评估、认证期望、就业能力，以及一种比其课程更快吸收生成式工具的实践文化。

它也不同于设计思维，那是一种在商业、教育与法律中作为可迁移技能教授的人本问题解决方法。在设计教育中，过程不是被应用于一门学科的方法；它就是这门学科，而工作室是它被教授、监督与评估之处。工程教育是最近的专业邻域——同样重设计、同样对实践负责——但工程评估建立在可计算的成果物与公共安全责任之上，而设计的评估建立在评图以及生成式工具能显式模拟的过程证据之上。

AI 在设计教育中如何显现

AI 是一种构思资源，其典型风险是固着。 Gül 等（2026）在一项纵向工作室研究中构建了 GAI-A 平台，发现两种生产性用途：GenAI 作为早期构思中的视觉刺激，以及作为开发阶段中解空间的组合扩展器。他们认为，问题在于胜任力而非可及性——若无刻意解读模型的辨识力，丰富的产出会造成设计固着与审美锁定——这使教学从传授技艺转向辅导何时以及为何委派创意探索。
一门学科专用的本地工具拓宽了搜索空间并均衡了参与。 Kapsalis（2026）让两组各八名建筑学生（Derby 焦点小组）经历一次 90 分钟、运行本地 ComfyUI 工作流的环节：创意分数在想法生成（4.5）与实验（4.2）处最高，在精炼决策（3.7）处较低，而包容性项目介于 3.8–4.1，且与保持跟进相关（ρ = .81）。该环节中获得的自信心并未迁移——在职业中使用这些技能的信心为 2.6，这一缺口被作者称为课程层面的问题。
无支持的新手不会修订；一个对抗性智能体改变了这一点。 Han 与 Martelaro（2026）以 45 名新手交互设计师就一个市民举报网站进行被试间实验。其自我反思组从未修订或删除任何一个想法；与智能体互动的学生做出约 3.6 倍的编辑，触及其他组遗漏的利益相关者关切（可及性、隐私、对自动化的抵触），并产出更强的提案。该智能体被评为有贡献（M = 5.33），但有一名参与者感到"每个方面"都被批评，而作者坚称模拟的反驳不能替代与真实公众的接触。
一个有结构的过程在规模上把作者身份留给学生。 Tian 等（2026）研究了一个 15 周的叙事毕业项目，其中 426 名本科生与 48 位导师（约 1:9）把地方遗产转化为多模态叙事。对 92 件作品的专家评分在新颖性上最强（M = 4.21）、在完整性上最弱（M = 3.68）——想法比整合来得容易。一个 31 人子组的创造性思维分数从 77.23 升至 94.68（d = 0.82）。AI 组织信息并编辑；学生保留选题、解读与最终决策，且有 31 件作品被一个地区文化和旅游局采用。
采用频繁、跨过程不均，且受到怀疑。 Broadbent 等（2026）调查了 280 名米兰理工大学设计学生并阅读了 100 份硕士 AI 使用日志：71% 每日或每周使用 GenAI，65% 不信任它，85% 修改其产出。使用集中于研究与写作——编辑写作 77.5%、查找信息 74.5%、头脑风暴 68.0%——而整份作业的使用罕见（18.6%）。所有权大体存续：31% 报告失去所有权或创意能动性，且只有原型生成与它显著相关。规划与解读一手研究仍留在学生手中，作者把这读作学生可能不把研究算作创意过程一部分的证据。
净效应是分化而非提升。 Crolla、Xia 与 Jiang（2026）借助一个建成环境院系的 24 次访谈与一份 32 人教师调查，描述了认知分化：AI 放大先前差异，让较强的学生延伸推理，而较弱的学生委派形成性工作并产出看似连贯、实则未理解的产出——一种"能力的虚假感觉"，在追问下崩溃。过程可见性的丧失——在一个把可见过程当作学习首要证据的领域——以及充当可取的困难的摩擦性阶段的侵蚀，加剧了它。教师积极性与教学相关性同步（β = 0.534, p = .004），而非与资历；而院系的缓解措施无法扩展到工作室规模的班级之外——这论证了过程证据要求的制度化。局限：单一机构，n = 32，教师感知。
学科在哪些行为划算上有所不同。 Shen（2026）比较了 221 名设计学生与 222 名商科学生，发现 AI 素养同时预测提示熟练度与核验行为（p < .001）。核验直接预测设计组的任务质量、商科组的校准准确度——开放式构思对审计式分析标准——而核验充当了对认知外包的元认知防护。
当评分规则居间时，工作室判断可被逼近。 Yaşar 等（2026）通过迭代精炼评分规则描述符，把 80 份设计海报上的 LLM-人类一致性从 54.75% 提高到 81.25%；教师、同伴评审与资助评审的提示在同一作品上产生了认识论上不同的反馈。作者把评分规则当作教学意图与机器推断之间可修订的界面，并保留人工监督以防幻觉出的理由。
学生与工具谈判，而非单纯接受。 Liu、Meng 与 Zhang（2026）调查了 417 名艺术与设计学生：表现预期、社会影响、新奇价值与创意胜任力预测使用文生图工具的意图，而努力预期预测为负，被解读为捷径导向的作业使用。他们的胜任力悖论是：创意胜任力支持意图，却预测更选择性的使用，因为学生权衡作者身份与技能保存——在工作室中过程即被评估之物时，这是一个评估效度问题。Rana 等（2025）从一个 12 周设计思维课程的 112 份反思得出相容的结论：收益占主导（86% 正面情绪），伦理关切驱动 62% 的负面情绪，而有脚手架支持的整合使学生从怀疑转向 72% 的正面取向。
AI 评图可被绑定到成果物而非提示。 Kadir（2026）经由一个共享的设计、笔记与图钉看板及五项有边界的活动路由工作室反馈；该研究报告的是模拟的就绪度（109 个标签中 78% 处于分析级或以上），而非学习增益。

专业养成与监管

此处的问题与专业问题不可分割。Syed Abdul Rahman（2026）描述了马来西亚室内设计师从主要形式生成者转向机器产出的批判性中介与策展人，其中可视化平台压缩了时间线，而生成的方案仍缺乏文化特定性、气候响应性与可靠的可建造性。其课程建议是排序而非替换——CAD/BIM、建造知识与人的因素先于生成式探索，以及奖励批判性思维与伦理反思的标准。专业一侧未解决：室内设计监管比建筑的非正式化，留下披露、算法错误的问责以及早期从业者技能退化等悬而未决的问题。该分析是基于文件的、单一国家的。

关联概念

关联文章

元数据

学科	Design Education
层次	Higher Ed
目标读者	Instructors, Instructional Designers, Curriculum Designers, Faculty Developers
学习与教学	创造力, 职场学习
技术与方法	生成式人工智能
评估与测量	评估效度
教育中的人工智能基础	AI 素养, 设计思维

Source History Edit Chat