生成式人工智能艺术应用在高等教育中促进学生学习：一项系统性综述
Empowering Student Learning in Higher Education with Generative AI Art Applications: A Systematic Review
Weihan Rong, Mengyun Xiao, Long Zhao, Xiaolong Zhou
Information · 2025-12-04
开放获取文化艺术综合被引 14被引前 10%影响因子 ≈6.7
摘要
生成式人工智能艺术正日益融入高等教育领域。尽管其创作潜力已得到探讨，但其实际的教学影响以及对教育公平的意义仍缺乏深入研究。本研究通过系统性综述，评估人工智能艺术在高等教育环境中的应用情况、所支持的教学与学习成果，以及其整合过程中存在的结构性障碍。研究采用PRISMA框架，对Scopus和Web of Science数据库中的65篇同行评审文章进行分析。通过对纳入研究的主题性综合，发现生成式人工智能工具正被用于辅助创意构思、多模态表达及跨学科项目。然而，教师培训不足、评价标准不明确等障碍可能阻碍其公平获取与长期整合。本综述提出了理解生成式人工智能艺术整合的概念框架，揭示了其中的机遇与结构性局限，旨在为课程设计者及教育工作者提供借鉴，助力其在艺术教育中推动负责任、富有创造力且包容性的人工智能应用。
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
- 生成式AI艺术在高等教育中的应用日益广泛，主要在支持学生构思、多模态表达及跨学科项目方面发挥积极作用。然而，该技术实际产生的教学影响及对教育公平的潜在意义仍缺乏充分探索。同时，结构性障碍的存在使得AI艺术的公平获取与长期整合面临严峻挑战。
- 研究方法
- 研究采用系统性文献综述法，基于PRISMA框架对Scopus和Web of Science数据库中的65篇同行评审文章进行严格筛选。随后，对纳入的文献开展主题综合分析，以评估AI艺术的应用方式、教学成果及整合障碍。
- 学术贡献
- 研究构建了一个用于理解生成式AI艺术融入高等教育的概念框架，系统揭示了其应用机遇与结构性局限。该框架为课程设计者与教育工作者提供了理论参考，有助于推动AI在艺术教育中负责任、具创造性且包容的应用。
- 存在局限
- 当前生成式AI艺术在高等教育的整合过程中面临显著的结构性局限。具体而言，师资培训的匮乏与评价标准的不清晰，直接制约了教育公平的实现与技术的长期有效融合。
- 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：Artificial Intelligence in Education