Page 80 - 艺术设计教育创新研究
P. 80
艺术设计教育创新研究
Research on Innovation in Art and Design Education
符合艺术类高校对于成果前瞻性的要求。
五、实践应用策略
现阶段高校人工智能应用于艺术设计教育具有、没有广泛的数据基础、产出
成果具有时效性、用户体验感知差等问题，为人工智能更好应用于艺术设计教育
的场景中，提出以下四条实践策略。
（一）艺术信息的数据化
人工智能技术由于自身的运算逻辑来自计算机的数字运算逻辑，所以将艺术
设计信息的标准化、数字化尤为重要。可解决教师授课、学生创作、文化保护等
过程的问题，为人工智能提供标准化的数据提取基础。为此提出两种解决标准化
的思路。
推进艺术设计图形元素的数据化进程。在平面设计、交互设计、体验设计中，
可以将各自的学科艺术元素数据化，基于深度学习技术可以使用数字化艺术元素
进行计算机创作。
推进艺术设计史论的数据化进程。史论研究的数据化有助于建立人工智能应
用产品的“历史观”，对艺术设计作品保护、文化梳理研究中起到重要的作用。
（二）师生能力的可视化
基于人工智能综合应用平台，根据不同学生需求进行个性化艺术设计教育，
可将学生的设计能力分为设计理论能力、设计创意能力以及设计实践能力三个维
度。基于人工智能不同的技术应用方式对其开展可视化的定向培育策略，其中综
合平台包含两个层面，即学生 / 受教育对象角度。
基于人工智能适应学习系统，个性化培养设计理论能力。智适应平台对于
K12 教育的应用来说已经相当成熟，艺术设计类院校可以针对性开展，对人工智
能在艺术设计教育理论课程中的尝试。
基于深度学习的设计创意能力引导。艺术设计类学生的艺术创意能力是其今
后学习创作过程中的原动力，针对不同学生的艺术设计创意能力引导是有必要性
的。首先根据学生提供的创意点，人工智能推送相关领域的艺术设计作品和相关
知识，定向引导学生从初步想法到成熟想法，直至作品创作完成。从而达到创意
流程“可视化”的过程。
基于人工智能辅助艺术设计实践。此环节中，学生通过人工智能的相关技术
·72·
