← 返回业务线：AI 设计教学

系列首期综述。基础框架（框架五原则、分环节工具地图）已在长青篇沉淀，本期只扫近期（2026 年二季度前后）真有料的新进展，不重复基础框架。无靠谱料的子领域直接注明”本期无新料”。

一、教学框架与原则：实证研究开始”泼冷水”

前期长青篇的基调偏向”GenAI 能提升创意多样性与迭代速度”。本期两项新研究给出了更审慎、甚至相反的证据，值得备课时同步更新认知。

1. 传统方法在客观创意指标上反超 GenAI（发散思维实验） Frontiers in Psychology 2026 年 6 月 30 日发表的一项混合方法实验（Huan Lin & Letian Xie），以某中国高校 41 名产品设计专业二年级学生为被试，用 3×2 重复测量设计对比三种构思方式（无辅助 / 联网检索辅助 / GenAI 辅助）。关键结果是分裂的：

  • 客观创意指标上传统方法更强——在流畅性、灵活性、原创性上，无辅助与联网检索辅助均显著优于 GenAI 辅助（p < 0.001，原创性以联网检索辅助最高）；精致度（elaboration）三者无显著差异。
  • 主观”创意支持体验”上 GenAI 更强——GenAI 在可用性、探索感、沉浸感等主观维度评分显著更高。

即”学生觉得 AI 更好用、更能激发探索，但产出的客观发散度反而不如动手查、动脑想”。这与总览篇原则 4（”多用 AI 不会自动带来批判性思维”）方向一致，可作为课堂上”为什么还要保留手动构思环节”的实证依据。 来源：Frontiers in Psychology, 10.3389/fpsyg.2026.1839565

2. 用”多模态提示”把”反思性实践”找回来 arXiv 2026 年 6 月论文《Reviving Reflection-in-Action》（Wadinambiarachchi、Waycott、Wadley，C&C’26）担忧纯文本提示的 AI 工具会绕过草图这类”边做边想”的反思过程、侵蚀学生的核心设计能力。团队做了 SketchifAI 原型，比较文本 / 草图 / 草图+标签三种提示方式：草图提示倾向于提升流畅性，但被试主观上仍偏好文本交互。作者主张把”有益的摩擦（productive friction）”设计进 AI 辅助工具，以保留迭代式视觉构思的认知价值。对教案设计的启发：AI 出图环节可强制要求”先手绘草图再提示”，而非直接打字生成。 来源：arXiv:2606.26626

补充参考（时间稍早、定性）：Katja Fleischmann《From tools to thinking partners》（Arts and Humanities in Higher Education，2026-01-30）访谈 9 位设计教师，提出”AI 作为思考伙伴”“手动优先（manual-first）教学法的延续”“提示素养上升”三条主题，并指出资源受限项目里手动传统恰恰是判断 AI 输出好坏的基础。来源：SAGE, 10.1177/14740222261420495（正文需订阅）。

二、分环节工具地图：出视频环节终于有了权威评测口径

长青篇工具地图把出视频标为”暂缺权威料、待补”（中文来源多为营销号）。本期找到了合适的学术评测来源，可填这个坑——但要说清它是什么、不是什么。

VBench-2.0：视频生成的学术评测基准（不是产品排行榜） arXiv 论文《VBench-2.0: Advancing Video Generation Benchmark Suite for Intrinsic Faithfulness》（arXiv:2503.21755，CVPR 方向）是评估视频生成模型”内在真实性”的学术基准，从五个维度打分：Human Fidelity（人物保真）、Controllability（可控性）、Creativity（创造力）、Physics（物理规律）、Commonsense（常识），每个维度再拆成细粒度能力，评测时结合前沿 VLM/LLM 与专用异常检测方法。

  • 对教学选型的正确用法：它给的是一套”该按什么维度去看一个视频模型”的客观框架，而不是”2026 年最强视频工具是 X”的营销榜单。备课评估出视频工具时，可以直接借用这五个维度做测评清单（尤其”物理规律/常识”这类学生最容易忽视、成片最容易穿帮的点），替代对厂商宣传数据的盲信。
  • 边界（诚实说明）：这是通用视频生成模型基准，不是针对设计教学场景的评测；具体到某款工具在课堂上的表现，仍需教师用该维度框架自测。

来源：arXiv:2503.21755、VBench 项目仓库

排版 / 演示环节（方法参考，本期无重大新料） 本期未见该环节的新权威研究。长青工具地图已列出经安全审查的可参考方法源（HTML→PNG 出图文卡片、本地 mockup/deck、演示叙事编排、纯静态 HTML 演示等），此处仅作客观方法参考，不重复展开。

调研 / 出图 / 评图环节：本期无新权威料，沿用长青篇即可。

三、课程 / 规范 / 伦理：进入”分层许可 + 细粒度披露”时代

这是本期料最扎实的一块，且与中国高校教学办直接相关。

1. 清华《人工智能教育应用指导原则》（面向国内高校的锚点） 清华大学 2025 年 11 月发布《人工智能教育应用指导原则》，是国内高校较早的校级系统性框架，由”总则”“教学篇”“学位论文及实践成果篇”三部分构成，立场为”积极而审慎”，提出五大核心原则：主体责任、合规诚信、数据安全、审慎思辨、公平包容。要点包括：AI 始终是辅助工具、师生为主导；须依规披露 AI 使用与生成内容、严禁学术不端；严禁将 AI 生成的文本/代码等直接复制或简单转述后作为学业成果提交；强调多源验证防”思维惰化”。 （说明：该文件为 2025 年 11 月发布，时间稍早于本期窗口，但此前综述/长青篇未收录，且对国内教学办制定课堂规范有直接参考价值，故本期补入。） 来源：清华大学·AI 赋能教育教学、中国教育报报道

2. 顶尖高校政策的共同结构：去中心化 + 分层许可 一份 2026 年 6 月的政策梳理指出，头部高校普遍不采用”一刀切”的统一政策，而是分层：校级基线（数据保护、诚信原则）→ 院系级（学科差异化限制）→ 课程/教师级（逐作业授权）→ 科研级（数据分级与披露）。对教师的落地含义：课程说明里要写清”本课/本作业允许到哪一层”，而不是笼统说”可以/不可以用 AI”。

⚠️ 待核查：该结构来自商业工具站 thesify 的政策综述（链接），属二手来源；具体条款请以各校官方页为准，此处仅取其”分层结构”这一可交叉印证的模式。

3. 从”是否用了 AI”升级到”怎么用的 AI”：细粒度署名/披露 arXiv 2026 年 4 月论文（Geraldo Xexéo）提出一个”多面（faceted）”的 AI 辅助写作披露模型：不止声明”用没用 AI”，而是披露”用在哪、怎么用、如何复核”，可细到段落级。基础层三维度——Form（介入形式）/ Generation（如何生成）/ Evaluation（如何复核）；增强层再加 Intent（意图）/ Control（人工控制程度）/ Traceability（决策可追溯）。这为设计作业的”AI 使用声明”栏和评估量规提供了可直接借用的条目框架——比一句”本作品部分使用 AI”信息量大得多。 来源：arXiv:2604.25346

本期小结（给备课的三句话）

  1. 别再默认”AI = 更有创意”：新实证显示 GenAI 在客观发散指标上可能不如传统构思，保留手动/查证环节有据可依。
  2. 出视频有了客观标尺：用 VBench-2.0 的五维度（人物保真/可控/创造/物理/常识）自测工具，替代营销号数据。
  3. 规范要”分层写、细披露”：课程说明写清许可到哪一层；作业 AI 声明按 Form/Generation/Evaluation 等维度细化。

参考来源

  • Lin H. & Xie L., Stimulating or constraining creativity? Traditional vs. generative AI on divergent thinking in product design, Frontiers in Psychology, 2026-06-30 — 10.3389/fpsyg.2026.1839565
  • Wadinambiarachchi S., Waycott J. & Wadley G., Reviving Reflection-in-Action: Instilling Designerly Thinking in AI-Supported Ideation through Multimodal Prompting, C&C’26, 2026-06 — arXiv:2606.26626
  • Fleischmann K., From tools to thinking partners, Arts and Humanities in Higher Education, 2026-01-30 — 10.1177/14740222261420495（订阅）
  • VBench-2.0: Advancing Video Generation Benchmark Suite for Intrinsic Faithfulness — arXiv:2503.21755 · 项目仓库
  • 清华大学《人工智能教育应用指导原则》, 2025-11 — 清华大学官网 · 中国教育报
  • Generative AI Policies at the World’s Top Universities: 2026 Update, thesify, 2026-06（⚠️二手综述）— 链接
  • Xexéo G., A Faceted Proposal for Transparent Attribution of AI-Assisted Text Production, 2026-04 — arXiv:2604.25346
知识库设计教学