← 返回业务线：AI 设计教学
说明：本期逐项检索七个覆盖面子领域，未找到发布日期严格落在 2026-07-14～07-21 这一周内、且经得起核实的一手硬新闻。但检索到四篇此前两期综述均未收录、发表于 2026 年 1～6 月、来源为 arXiv/ACM 会议论文集且可独立核实的研究，对高校设计教学有直接参考价值，故本期纳入（沿用上期”时间稍早但未收录、有直接教学参考价值可补入”的先例）。子领域”课程/工作坊设计模板”“课堂活动与作业设计”“学生 AI 作业评估量规”本期确未检索到可独立验证的一手新进展，跳过、不硬凑。
一、教学框架：一套可直接套用的人机协作能力矩阵
SuperSkillsStack：Agency / Domain Knowledge / Imagination / Taste 新加坡科技设计大学 Qian Huang、King Wang Poon 对 80 个学生设计团队在一门人本设计课程中的反思性写作做质性主题分析，提炼出人机协作设计教育应着力培养的四项人类能力：能动性（Agency）、领域知识（Domain Knowledge）、想象力（Imagination）、审美判断（Taste）。学生主要在头脑风暴、信息综合、问题界定等早期阶段用 AI；领域知识帮助学生识别 AI 输出中的错误，审美判断决定对 AI 生成想法的取舍。核心结论：生成式 AI 更像”认知加速器”，而非创造力的替代品。 对备课的启发：这四维可直接用作课程能力目标或作业评分维度的骨架，比空泛地说”培养批判性思维”更可操作。 来源：arXiv:2603.07016
Gen-AI-tecture：建筑教育定制 AI 系统，14% 的量化增益 一篇聚焦建筑教育定制生成式 AI 系统的综述/立场文章指出，现有研究多集中在通用平台（Midjourney/ChatGPT），针对建筑 studio 工作流、结合规范审查的定制系统仍是空白，并总结定制系统应满足的四类需求：稳健的技术开发、可论证的创造力增益、促进包容性学习环境、培养与就业挂钩的 AI 应用技能。文中引用的一项督导制 studio 实验显示，集成定制 GenAI 工具后学生在设计形式与美感上有 14% 的提升，效率与设计质量同步改善。 对备课的启发：提醒教师”工具地图”不应止步于罗列通用工具，还应关注是否有面向本专业工作流定制/微调的方案；14% 这个量化数字可用于向院系论证 AI 教学投入的价值（引用时注明来自单项 studio 实验，非普适结论）。 来源：arXiv:2605.21361
二、常见坑与应对：AI 是”生成器”还是”对话伙伴”，分野在学生的”创作主体性协商”能力
Enhancement or Atrophy？生成式 AI 对设计创造力的非均衡影响 张凌一、肖雪、邱悦、卢文虎在一项为期 5 周、对比传统与 AI 辅助创作的准实验研究（专家评估+问卷+访谈，中国设计专业学生）中发现，生成式 AI 对学生创造性思维各维度的影响并不均衡：显著提升”流畅性”与”精细化”，对”灵活性”有中等提升，但对”原创性”几乎无提升。核心概念是“创作主体性协商”（Creative Subjectivity Negotiation）——AI 是否有害，取决于学生能否维持创作自主权：具备成熟协商能力的学生会主动施加”AI-free”约束保留技能发展空间，同时把效率增益用于快速原型，从而把 AI 从”创意生成器”重新定位为”对话伙伴”；缺乏该能力的学生则陷入依赖，在 AI 的海量选项前出现”能动性崩溃（agency collapse）”。 对备课的启发：这是一个可操作的诊断框架——教师可通过观察学生是否发展出”创作主体性协商”能力，判断其 AI 使用是良性辅助还是有害依赖，进而设计针对性干预（如强制保留过程稿、阶段性人工决策点）。 来源：ACM DL, 10.1145/3785987.3786043（发表于 AIFE 2025 会议论文集，线上发表于 2026-01-30）
学生眼中的 LLM：不是权威导师，是”认知镜子” 新加坡科技设计大学 Juan David Salazar Rodriguez 等人对 22 名建筑学学生做问卷+半结构化访谈（提交于 2026-01-19，修订于 2026-02-03），考察 LLM 在自我反思、同伴互评、教师评图三种反馈场景中的作用。学生将 LLM 视为”认知镜子”而非权威导师——能帮助克服”空白页焦虑”、结构化思路，但缺乏情境语境理解能力；在同伴互评中，AI 可作为中立媒介缓解”怕冒犯”的社交焦虑。 对备课的启发：一个常见的坑是学生容易把 LLM 当作”给答案的人”而非”思考脚手架”；教师在评图/互评环节引入 AI 时，应明确引导其扮演”苏格拉底式提问者”角色而非直接给结论。 来源：arXiv:2602.00041
三、课堂 AI 使用规范与伦理：参与式而非惩罚式的政策制定
Participatory, not Punitive：学生主导的设计课堂 AI 政策 现有高校 AI 政策多由学校自上而下制定、聚焦”惩罚滥用”，学生参与度极低。马里兰大学巴尔的摩郡分校 Kaoru Seki、Manisha Vijay、Yasmine Kotturi 在一所少数族裔服务型大学的研究生设计课程中，由两名学生领袖在无教师在场的情况下主持三场工作坊，10 名研究生设计学生坦诚分享自己的 AI 使用情况，共同撰写出 10 条政策建议，并制作成一本在校园内传播的 zine。研究发现的关键问题包括：要求学生披露/克制 AI 使用、而教师却不受同等约束的”双重标准”；许多学生承认存在过度依赖 AI 的情况，deadline 压力是主要驱动因素。论文发表于 CHI 2026（2026-04-13~17，巴塞罗那）。 对备课的启发：为设计课程 AI 使用规范提供了一套”参与式而非惩罚式”的制定方法论（学生主导工作坊 + zine 传播），并揭示了教师普遍未察觉的政策盲点（师生双标）；上期综述已提及清华《人工智能教育应用指导原则》这类校级自上而下规范，本篇提供了一个自下而上、可操作的补充路径。 来源：arXiv:2604.10851、ACM CHI 2026, 10.1145/3772318.3790691
四、工具地图维护提示：Sora 已停服，出视频清单需更新
若近期教学材料的”出视频”工具清单仍列有 OpenAI Sora，需要提醒学生更新：Sora 网页/App 已于 2026-04-26 停止服务，Sora API 也将于 2026-09-24 停用（届期后内容将被永久删除）。这不影响长青篇 工具地图 已用 VBench-2.0（上期综述补入）作为选型评测口径的结论，但具体工具名单需要一次核查更新。 来源：OpenAI Help Center
本期未展开（无新料或不硬凑）
- 课程 / 工作坊设计模板：本期未检索到可独立验证的一手新进展。
- 课堂活动与作业设计：本期未检索到专门针对高校设计/艺术/建筑教师的新活动/作业设计方法。
- 学生 AI 作业评估量规：检索到的相关成果（如面向编程课程的自动量规生成、面向作文自动评分的研究）均非设计学科一手成果，方法论或可迁移但不作为条目纳入。
参考来源
- Huang Q. & Poon K.W., SuperSkillsStack: Agency, Domain Knowledge, Imagination, and Taste in Human-AI Design Education — arXiv:2603.07016
- Gen-AI-tecture: using generative AI to support architectural students in design tasks — arXiv:2605.21361
- Zhang L., Xiao X., Qiu Y. & Lu W., Enhancement or Atrophy? Examining How Generative AI Reshapes Creative Development in Design Education, AIFE 2025 会议论文集，线上发表 2026-01-30 — ACM DL, 10.1145/3785987.3786043
- Salazar Rodriguez J.D. et al., Student Perceptions of Large Language Models Use in Self-Reflection and Design Critique in Architecture Studio — arXiv:2602.00041
- Seki K., Vijay M. & Kotturi Y., Participatory, not Punitive: Student-Driven AI Policy Recommendations in a Design Classroom, CHI 2026 — arXiv:2604.10851 · ACM DOI
- OpenAI Help Center：What to know about the Sora discontinuation — 链接