反思性AI：设计教育中的慢技术方法

文献标题

Reflective AI: A Slow Technology Approach for Design Education

出版信息

• 主题领域: 将慢技术原则融入基于人工智能的设计教育。
• 关键词: Reflective AI, 慢技术, 设计教育, 目标检测, 批判性反思, 创造性实践, 人工智能素养, 标注, 设计教学法, 机器学习。

背景与问题

• 问题 / 挑战: 当前设计领域的人工智能工具强调效率和快速输出，削弱了批判性反思、创造力和自主性。这些工具掩盖了底层过程，限制了学生对人工智能技术的批判性参与能力。
• 重要性: 解决这一问题对于培养设计教育中的反思性实践和批判性技术素养至关重要，使学生能够应对人工智能在创意领域日益增长的作用。
• 动机与相关研究: 先前的研究探讨了人工智能的社会技术维度和反思性实践，但尚未充分解决“快速人工智能”工具在设计教育中带来的挑战。现有方法缺乏将人工智能作为反思媒介而非生产力工具的结构化方法论。

解决方案

• 提出的方法: Reflective AI，一种慢技术框架，将人工智能系统视为批判性反思的媒介，而非快速输出的工具。
• 创新点:
  1. 开发了一种在设计教育中实施Reflective AI的结构化方法论。
  2. 提供实证证据表明，通过慢速接触人工智能组件可以促进反思和技术理解。
  3. 引入了物质和时间解构作为Reflective AI实践的核心机制。
• 过程与关键技术:
  • 为设计学生设计了一个为期三天的“目标肖像工作坊”。
  • 学生参与了数据集创建、标注、模型训练以及人工智能输出的解读。
  • 使用了如Quadrant Tool这样的工具来结构化标签选择并促进主观反思。
  • 该过程强调与人工智能组件的慢速、深思熟虑的接触，以培养批判性和反思性实践。

结果

• 具体发现:
  • 学生对自己的创作过程有了更深的自我意识和批判性理解。
  • 学生获得了关于人工智能原理的实践性见解，例如泛化和标注一致性。
  • 反思性参与促使学生对人工智能输出进行象征性和隐喻性的解读，增强了创造性探索。
• 相较基线的优势:
  • 与“快速人工智能”工具不同，Reflective AI促进了批判性反思、自主性以及对人工智能系统的更深理解。
  • 工作坊使学生将人工智能视为反思媒介，而非黑箱工具。
• 实验 / 评估:
  • 对11名设计学生进行了为期三天的实验。
  • 活动包括数据集准备、标签选择、目标肖像创作以及人工智能解读。
  • 收集的数据包括标注数据集、目标肖像、反思卡片以及导师笔记。
  • 使用主题分析识别学生反思中的模式。
• 局限性与未来工作:
  • 研究仅限于设计学生和目标检测模型（YOLOv5）。
  • 未来工作可以探索将Reflective AI应用于生成模型，并将方法扩展到专业设计环境。
  • 需要进一步研究将Reflective AI融入更广泛的设计教育课程。

总结

本文提出了Reflective AI，一种慢技术方法，将人工智能系统重新定义为设计教育中的反思媒介。通过结构化的三天工作坊，学生参与了数据标注、模型训练和解读的慢速实践，促进了对其创作实践的批判性反思以及对人工智能技术的理解。研究强调了物质和时间解构在设计教育中培养自主性和反思性实践的潜力。未来工作可以将这一方法扩展到生成式人工智能系统和专业设计环境，为以效率为中心的人工智能工具提供一种有意义的替代方案。