滚动信息2

摘要：生成式人工智能的迅速发展正在深刻重塑艺术设计教育。以 ChatGPT 为代表的大语言模型为学习者提供了高密度反馈、结构化知识解释和创意启发，突破了传统家具设计课程在创意不足、结构推演能力薄弱、反馈滞后等方面的局限。本研究构建了一种以“任务链”为核心的家具设计课程智能辅助教学模式，将设计学习拆解为连续、可迭代的任务单元，并在真实课堂中进行实验验证。研究采用文献分析、教学模式构建、课堂实践与比较实验等方法，探讨了 ChatGPT 在知识建构、创意生成、结构分析、设计表达与学习反思中的作用。结果显示，该模式显著提升了学生的创意质量、结构逻辑、学习参与度与作品完成度。研究为艺术设计教育的智能化转型提供了可行路径。

关键词：ChatGPT；生成式人工智能；艺术设计教育；任务链教学；家具设计

1 引言

近年来，生成式人工智能的出现推动了高等教育的深度变革。以 ChatGPT 为代表的大语言模型在语言生成、知识整合和逻辑推演方面表现突出，在教育中展现了信息组织、知识支撑和表达优化的优势。家具设计课程作为艺术设计专业的重要基础课，涵盖材料、结构、人体工学与造型表达等多维知识，学生不仅需要理解抽象概念，还要在不断试错中构建设计逻辑。然而传统教学往往依赖课堂讲授与单一项目实践，学生普遍面临创意生成效率低、知识碎片化、结构推演能力不足、学习反馈不及时等问题。

ChatGPT 的引入为改善这些问题提供了可能。通过与 AI 进行自然语言互动，学生可以获得即时解释、创意启发与表达优化，使学习过程更具连续性和高反馈性。然而，AI 的能力若无法嵌入合理的教学结构，将难以转化为实际学习成效。因此，有必要构建一种适用于家具设计课程的结构化“智能教学路径”。本研究以“任务链（Task Chain）”为教学设计核心，通过明确学习阶段、设计连续任务并嵌入 ChatGPT 支持，形成“任务驱动—AI辅助—人机共创—反思提升”的学习模式，并通过对照实验检验模式的有效性，从而推动家具设计课程的智能化改革。

2 ChatGPT驱动的家具设计课程任务链式教学模式

生成式人工智能在教育场域的应用呈现不断扩展的趋势。该模式将家具设计课程的学习过程视为一个由多个任务依次衔接的链条，学生需在每一任务中与 ChatGPT 互动，以获得信息支撑、思维启发与反馈，从而实现设计能力的逐步建构。任务链包括任务理解、创意生成、结构推演、设计表达、反思评价五个核心阶段，构成从认知形成到设计产出的完整循环。

在任务理解阶段，学生通过与 ChatGPT 对话梳理关键词，明确设计需求、使用场景和用户特征，从而构建设计任务的认知框架。创意生成阶段利用提示词进行多轮发散性对话，AI 提供多视角的风格方向、功能组合与概念隐喻，使学生跳脱经验限制，提高创意思维的宽度。结构推演阶段是家具设计的关键环节，ChatGPT 能解释材料特性、受力逻辑、人机尺度以及节点处理方式，为学生解决抽象结构问题提供有效支架。设计表达阶段，学生借助 AI 优化设计说明的结构、术语准确性和逻辑连贯性，使作品呈现更加专业。反思评价阶段，ChatGPT 提出问题清单或批评性建议，引导学生进行自我诊断，帮助其提升方案迭代能力。

在这一结构中，教师的角色从传统的知识提供者转变为教学流程设计者与 AI 使用引导者，负责制定任务链、监督 AI 输出质量、教授提示词设计策略以及引导学生进行批判性判断。学生则成为学习的主动组织者，通过与 ChatGPT 的持续互动构建知识体系，形成自主探究与迭代优化的设计行为。

4 教学实践与实验分析

本研究在某高校家具设计课程中进行了为期八周的教学实验，将两个同年级班级分别设为实验班和对照班。实验班采用本研究提出的任务链式 AI 教学模式，对照班沿用传统项目制教学。两班学习内容、任务目标与课时保持一致，通过比较作品质量、访谈记录与课堂观察评估模式效果。

实验内容为“椅子设计”，学生需完成使用场景分析、定位确定、结构方案、材料选择与最终呈现等任务。实验班学生在教师指导下通过任务链逐步推进学习，并可在各阶段与 ChatGPT 互动获取支撑；对照班则依赖教师讲授、课堂讨论与自主探索。

实验结果显示，实验班学生在创意质量方面明显优于对照班。ChatGPT 提供多元化风格方向、使用场景模拟和功能组合示例，使学生的创意思维更加发散，方案数量和质量均有所提升。在结构推演方面，实验班作品在受力分析、节点处理与人体尺度方面更为合理，显示 AI 在结构解释中的支架价值。设计表达方面，实验班学生的说明文本逻辑清晰、语言专业，AI 的表达优化功能显著提升了作品呈现质量。学习投入度方面，实验班学生普遍认为任务链让设计流程更加清晰，AI 的即时反馈使学习节奏更流畅，降低了挫败感，提高了参与动力。

但实验也揭示两点问题：部分学生产生对 AI 的依赖，将其输出视为最终答案；部分学生的提示词设计能力薄弱，影响了 AI 的支持质量。因此，未来课程需加强提示词工程训练与批判性思维培养。

5 教学实践、分析与结论

本研究构建的“ChatGPT驱动的家具设计课程任务链式教学模式”将复杂的设计学习过程结构化为连续、可反馈的任务链，并在各阶段嵌入智能支撑，实现了人机协同的学习环境。教学实验表明，该模式能够提升学生的创意发散能力、结构逻辑判断、表达组织及学习自主性，有效改善传统家具设计教学中反馈不足、结构不清与创意匮乏的问题。研究建议未来在设计类课程中继续深化 AI 工具与任务链教学的结合，同时加强学生的提示词设计训练与批判性认知培养，以避免依赖性问题。此外，未来可探索 ChatGPT 与图像生成、三维设计等多模态工具的协同应用，构建更具综合性的智能设计学习体系，为艺术设计教育的数字化与智能化转型提供进一步支持。

参考文献

[1]赵云飞. 生成式人工智能赋能下高校数字媒体艺术教育研究[J].时代报告(奔流),2025,(08):66-68.

[2]苟兰芬.人工智能生成技术在初中美术“设计·应用”课程中的应用研究[D].贵州师范大学,2025.DOI:10.27048/d.cnki.ggzsu.2025.001145. 

施天驰 南通理工学院