基于AIGC融合的设计教育可持续教学研究：基于TAM与TPACK模型的实证分析
Research on AIGC-Integrated Design Education for Sustainable Teaching: An Empirical Analysis Based on the TAM and TPACK Models
Ziyang Huang, Xuan Fu, Jiajia Zhao
Sustainability · 2025-06-14
开放获取艺术设计被引 21被引前 10%影响因子 ≈5.7
摘要
随着生成式人工智能技术在高等教育领域的迅速普及，探寻将其有效融入设计课程的路径已成为教育技术领域的紧迫课题。本研究采用以技术接受模型和技术教学内容知识框架为基础的混合研究方法，综合运用课程分析、问卷调查、结构路径建模及访谈分析等手段，从教师与学生双重视角出发，系统探究生成式人工智能在高校设计教育中的接受程度、融合机制及可持续发展潜力。研究结果表明，学生普遍认可生成式人工智能在提升创造力与效率方面的价值，但其在伦理考量与原创表达层面的认知仍存在不足。从教师层面来看，技术知识对内容知识的融合具有显著的正向影响，而教学知识的作用却未得到充分发挥。访谈数据进一步揭示了当前教学实践中的结构性矛盾：技术工具的采纳速度较快，而教学体系的演进相对滞后。基于上述发现，本研究提出了包括教师培训体系构建、课程模块设计、学生媒介素养提升以及与可持续发展目标相契合的教学重构在内的五项可持续教学策略。这些研究成果为生成式人工智能在高校设计教育中高效且可持续的融合提供了理论与实践参考。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 该研究探讨了生成式人工智能（AIGC）在高校设计教育中的整合机制与可持续发展潜力。研究发现，学生普遍认可AIGC在提升创意与效率方面的价值，但在伦理考量与原创表达上存在认知缺口；教师的技术知识能显著促进内容知识的整合，但教学知识的作用未得到充分发挥。此外，当前教学实践存在技术工具快速普及与教学系统演进缓慢之间的结构性张力。
- 研究方法
- 研究采用混合研究方法，以技术接受模型（TAM）和整合技术的学科教学知识（TPACK）框架为理论基础。具体数据收集与分析手段包括课程分析、问卷调查、结构路径建模以及访谈分析，综合考察了师生双重视角下对AIGC的接受度与整合情况。
- 学术贡献
- 该研究为AIGC在高等设计教育中的有效与可持续整合提供了理论支撑与实践指导。基于实证发现，研究提出了包含教师培训体系开发、课程模块设计、学生媒介素养提升及对标可持续发展目标的教学重构等五项战略建议，推动了教育技术与设计课程的深度融合。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Educational Research and Pedagogy