人工智能赋能高职视觉传达设计专业创新机制研究

中图分类号： 文献标识码： A

一、引言

当前，人工智能技术的迅猛发展正深刻重塑教育生态，我国政策文件《职业教育提质培优行动计划（2020-2023 年）》[1] 明确提出升级传统专业，鼓励职业学校利用现代信息技术推动人才培养模式改革要求，在《关于加快推进教育数字化的意见》《教育强国建设规划纲要（2024—2035 年）》等政策的推动下，高职视觉传达设计专业课程升级迫在眉睫。高职视觉传达设计专业作为对接数字创意产业的关键领域，面临着教学内容滞后于 AIGC 技术迭代、教学模式固守“教师讲授什么，学生模仿学习什么”的范式、评价体系过度侧重视觉成果而忽视设计思维过程等结构性挑战。为破解这些困境，本研究以内循环——教学主体互动（“怎么教”）和外循环——产业技术与岗位需求驱动（“教什么”）相结合的“双循环赋能课程生态”为核心，探索高职视传专业的教学改革路径。其中，内循环构建 ^′′AI 工具 + 设计思维 + 项目实践 " 的三元教学结构模式，引入 AI 作为创意设计协作者的身份，深度参与设计全流程；外循环注重实时对接行业设计岗位新要求，使得课程内容动态更新。在课程创意培养环节实施“元认知赋能”机制，利用 AI 技术全程跟踪设计思维过程，师生生得以不断优化创意策略与表达；在课程成果评价环节建立“三维能力雷达”评价体系，包括技术应用评价、设计思维运用评价、职业综合素养评价，增强学习过程的动态评估。上述路径与机制突破了传统“技术 + 教学”的简单叠加，为构建契合 AI 时代的高职视觉传达设计人才培养体系提供了理论支撑和实践参考，促进了学生的创意思维、数字素养与岗位适应能力协同发展。

二、研究背景、必要性与挑战

（一）研究背景：AI 时代的专业改革诉求

人工智能赋能高职视觉传达设计教学改革，需植根于教育理论与技术哲学的双重逻辑。人工智能正从技术研发向场景应用纵深发展，教育领域成为关键落点。众多高职院校已开设 AI 相关课程，技术迭代速度倒逼人才培养模式重构。视觉传达设计专业尤其高度依赖图形表达与人机交互，与 AI 技术具有天然契合性，例如 AIGC 辅助创意与图像生成、基于大数据的设计调研、品牌背景的数据可视化研究等应用，AI 技术演进不仅要求更新课程内容，更需要重新定义设计能力的内涵，从单一设计软件操开展设计转向 AI 辅助设计调研分析、辅助创意、设计落地执行及方案沟通的复合素养。高职教育以培养技术技能型人才为目标，需要能力与岗位需求精准匹配。视觉传达设计毕业生就业范围广泛，不仅服务专业的设计公司，各行各业的静态和动态视觉设计岗位都需要他们的服务，教学必须遵循产教融合原则，与行业实践紧密对接。例如，在《品牌设计》课程中，要求从品牌分析到标识设计再到品牌全套视觉规范设计，设计公司的专业性可以很好的带领新手设计，而在缺乏专业设计主管的企业（如旅游行业），没有专业总监统领设计方向，学生也可以借助 AI 工具自主完成市场趋势分析和品牌视觉要求并快速生成品牌视觉方案。将 AI 工具（如 AIGC 创作、AI 用户行为分析工具）嵌入课程学习流程，实现 " 所学即所用 " 的能力转化。基于以上背景，本研究以建构主义学习理论[2] 和人机共教的新范式为指导，结合设计思维方法与元认知理论[3]，为视觉传达设计专业融入AI 技术提供理论依据。

（二）改革的必要性：传统教学不足与AI 赋能契机

高职视觉传达设计专业传统教学模式在数字化、智能化时代暴露出多方面不足，难以有效支撑高素质创新设计人才的培养，具体表现在：

1. 人才能力结构滞后于行业与岗位需求：传统课程体系仍集中于平面设计领域（如海报、标志设计），长期以来侧重于图形设计软件的操作训练。面对新兴领域对于交互设计、用户体验（UX/UI）和动态视觉设计的迫切需求，原有课程缺乏对三维建模、动画制作、视频剪辑等内容的更新，更缺少对智能化设计工具（如 AIGC 辅助设计、AI 数据分析工具）的系统融入。不同岗位对设计师的要求已不再局限于传统美学素养和技术技能，而是更加重视综合能力、创新思维以及与AI 工具协作的能力 [4]。

2. 教学方法固化，实践环节薄弱：教学过程仍以教师讲授、学生模仿为主，缺乏用真实项目为驱动的探究式、协作式学习。设计过程往往停留在静态的视觉表现阶段，对用户调研、原型迭代、多媒介整合等设计思维核心环节的训练不足。实践教学多局限于模拟练习，缺乏与真实市场环境和用户需求的深度对接，学生解决复杂跨学科设计问题的能力不足。

3. 评价体系单一，忽视创新过程：考核评价主要依据最终提交的视觉作品，教师评分很大程度上凭借个人审美经验。对于设计过程中的创意构思、用户分析、方案决策、团队协作等关键能力缺乏有效评价机制。评价标准过于侧重技术熟练度和形式美感，对设计思维深度、创新价值和社会伦理考量关注不够，难以全面反映学生的综合素养。

生成式人工智能（AIGC）的迅猛发展为上述困境的破解提供了新契机。将 AI 技术应用于专业教学各环节，可以探索“师—生—机”三元协同的新型课堂模式，升级“人工智能+ 专业”的教学形态 [5] ；通过重构课程知识体系、优化教学流程和创新评价机制，系统回应产业界对复合型设计人才的迫切需求，具体包括：

1. 课程知识体系的重构与拓展：将前沿的AIGC 辅助设计工具全面融入视觉传达设计专业课程。一方面，用 AI 赋能弥补传统核心课程内容的不足，增设独立的 AI 技术课程，补充新兴设计领域课程，并同步讲授最新的 AIGC 工具及相关软件。智能化工具的引入不仅帮助学生跨学科学习知识，更促使他们理解技术如何服务于创意设计表达。

2. 教学流程的重构与能力升级：AIGC 技术在教育领域的应用为师生提供了个性化、高效的反馈机制。师生共同参与设计方案从调研、构思到原型、测试的全过程互动，AI 能够及时提供客观一致的评价与建议，帮助学生了解自身设计水平和不足，从而提高学习效率和质量 [6]。这打破了过去“教师讲授—学生模仿”的单向模式，为探究式学习提供了技术支撑。例如，在《UI 交互设计》课程中，学生借助 AI 协作平台完成用户研究、生成交互原型并进行方案测试的全流程，大幅提升了他们的用户洞察能力和跨媒介整合能力，显著增强了解决复杂设计问题的能力。

3. 评价机制的转型创新：借助 AI 技术推动评价更关注过程性维度。通过 AI 平台记录学生创意构思过程、方案迭代路径和团队协作数据，教师可以实时监测学生的学习进展；另一方面，利用 AI 模型自动分析学生项目各阶段成果并给出优化建议，全程跟踪学生的创新思维和技术应用能力，使评价体系从结果导向转向对学习过程和能力成长的动态考察。

（三）改革面临的挑战

在 AI 等智能技术深度融入高职视觉传达设计教学改革的过程中，也出现了一些值得重视的挑战。首要问题是设计伦理与原创性的边界愈发模糊。生成式 AI 工具能够高效产出视觉方案，但过度依赖可能导致学生回避基础设计技能训练（如手绘、基础软件应用），并弱化原创思维与核心设计能力的培养，不利于创造潜能的释放 [7]。同时，生成内容的版权归属和风格模仿引发新的伦理争议，以及如何引导学生牢固树立以人为主导的设计理念，成为亟待解决的育人难题。其次，AI 工具与专业需求的适配性矛盾凸显。视觉传达设计强调文化内涵、审美判断和精准传达，而当前 AI 工具在复杂语义理解和情感化表达生成上的能力仍显不足，容易使设计流于形式化、同质化，偏离专业本质。此外，技术迭代速度远超课程更新节奏，如何平衡技术前沿性与教学体系稳定性，构建可持续的融合路径也是课程重构的难点。再者，产教协同的深度与实效性仍显不足。企业对设计人才的要求已从单一软件操作扩展为全流程能力，但许多校企合作仍停留在浅层次，缺乏真实项目驱动的复杂问题训练，导致人才培养目标与市场需求脱节。最后，教师队伍的转型能力相对滞后。由于缺乏系统化的AI 教学能力培训，不少教师在知识更新和教学模式转型方面面临较大压力，直接影响改革成效。

三、AI 赋能专业的教学改革路径与创新机制

（一）双循环动态赋能课程生态

为应对上述需求和挑战，首要问题就是产教协同育人，高职视觉传达设计专业的教学改革以“双循环动态赋能”课程生态为指导。“双循环”指内循环和外循环两个层面：内循环聚焦于教学主体间的深度互动，形成了 ^′′AI 工具 + 设计思维 + 项目实践 " 的三位一体的课程结构。教学主体形成互动，让人工智能贯穿于设计全流程，包括前期辅助进行市场趋势分析，中期生成多种视觉方案雏形供学生选择，后期模拟真实用户反馈进行方案测试。外循环则着力于产业技术驱动，确保教学内容与行业前沿同步更新。例如，在“品牌设计”课程中，根据企业相关岗位制定教学内容，如品牌设计岗位需要了解“情绪经济对设计的影响”要求，在课程中增加相应模块，并邀请行业专家共同开发实训项目，确保教学内容与行业前沿要求同步。这种内外循环的协同机制，在“文创产品开发设计”课程中得到典型应用：学生在内循环中完成：AI 潮流趋势分析、创意生成、原型制作的学习流程，外循环的合作企业则是对接电商销售平台，根据消费者反馈，动态调整文化产品开发的方向，形成教学与产业深度融合的生态。

围绕 AI 的赋能要求，视觉传达设计专业课程体系从 " 知识导向 " 转向 " 适合岗位的能力导向"，通过四个层次课程重构举措实现专业升级，一是传统核心课程嵌入 AI 工具赋能；独立开设主流的 AI 技术课程；二是独立开设 AIGC 主流技术应用课程，系统培养学生掌握各类 AI 设计工具的操作逻辑与创意控制能力；三是根据行业发展动态增设新媒体视觉设计等新兴领域课程，培养学生的跨媒介整合能力；四是同步强化三维建模、视频剪辑、动画制作等传统软件技能训练，将多种数字设计软件与 AI 工具协同使用，构建高效的智能化设计流程。（表1）与此同时，探索“人机协同”的教学新模式，教师利用AI 辅助备课和评测，在课堂中由 AI 承担部分设计辅导工作，使教师能够聚焦于高阶设计指导，从而实现“一人一策”的个性化培养[8]。

表 1 AIGC 工具融入视觉传达设计专业课程体系的应用框架

（二）AI 赋能的关键创新机制

首先，引入“元认知赋能”机制，AI 的价值从“工具效率”层面提升到“认知发展”层面，AI 不仅加速了设计执行过程，更关键的作用在于赋能学生的元认知能力，使其设计思维过程显性化，思维过程能够被记录、可视化，可追溯、可反思。为培养学生的高阶思维能力（如元认知和批判性思维）提供了新的理论视角和可行的技术路径。具体而言，AI工具可以自动记录学生在设计过程中的操作步骤、决策节点、修改历史、参考资料、时间分配等数据。利用 AI 分析这些数据，生成可视化的“设计思维路径图”，清晰地展示学生从问题定义、调查研究、构思创意、原型设计到测试迭代的完整轨迹。通过直观地看到自己的思维轨迹和决策依据，学生能更有效地进行自我监控、自我评估和自我调节，这正是元认知能力的核心。教师也可以据此对学生进行精准的个性化指导，关注思维模式的优化而非仅看最终设计结果。设计过程的显性化变得可视且可追踪，便于师生共同探讨：哪些环节依赖了 AI ？ AI 的建议是如何被采纳或拒绝的？决策背后的逻辑是否充分？替代方案是否充分探索？在真实情境中，这种机制极大促进了批判性思维的培养与应用。

其次，建立“三维能力雷达”动态评价体系，创新学生能力评价机制。传统课程评价由于内容静态、形式单一，难以全面衡量学生的发展状况，课程评价大多基于老师个人主观评价。针对这一问题，构建涵盖技术应用能力、设计思维能力和职业素养三个核心维度的评价体系，该体系加强了过程性评价，并借助 AI 实现动态化评价。教师通过 AI 采集学生设计过程中的关键数据（如创意迭代次数、用户研究深度、团队协作贡献等），生成每位学生的个人能力雷达图。由于评价是动态进行的，教师可随时观测学生的学习过程与进展。例如，当发现某学生技术应用表现出色但“用户研究深度”指标偏低时，教师据此就可以指导其及时补充用户体验测试环节，从而准确定位提高作品质量。这种过程性评价使教学重心从最终成果转向能力成长，更全面反映学生的综合设计素养。

此外，还需加强 AI 伦理与设计道德教育。人工智能在设计领域的广泛应用引发了新的伦理问题，应树立安全、公正、诚信的价值观。扬长避短，正确处理好生成式人工智能与设计主体的关系。人工智能在设计领域的广泛应用带来了新的伦理课题，教师应在教学中融入 AI 伦理相关内容，引导学生关注 AI 生成内容的版权归属、算法偏见等问题，并强调保持独立思考和原创设计的重要性，培养技术应用与职业道德并重的设计师[9]。

（三）AI 时代教师能力提升

人工智能时代对设计教师提出全新要求，教师不仅要求设计学科知识，还需要构建“设计学科知识 +AI 技术知识 + 教法知识 "”的三元能力框架。教师在设计学科的基础上，构建 AI 技术知识，包括 AIGC 工具学习、学习企业成熟的 AI 辅助设计工作流程等，利用 AI技术，改革传统的教学模式，引导学生完成从内容分析到创意原型再到设计落地的全流程设计。通过上述课程改革路径和关键机制的构建，为后续探索 AI 赋能教学的现实挑战提供了实施基础。

四、结论

在人工智能技术影响视觉传达设计专业教育的背景下，高职视觉传达设计专业长期存在的教学内容滞后、教学模式固守传统、评价体系忽视思维过程等结构性困境，系统构建了以“双循环动态赋能”为核心的教学改革框架。该框架通过理论探索与教学实践，为培养适应 AI 时代需求的复合型设计人才提供了有效路径。内循环聚焦教学主体互动，将 AI深度嵌入设计课程全流程，使其从效率工具跃升为“认知协作者”，强化了学生的创意思维发散能力与 AI 技术驾驭能力。外循环侧重产业技术驱动，通过建立实时对接行业 AI 设计岗位需求的联动机制（如校企共同研发课程、真实项目引入、岗位需求即时响应），确保了课程内容的动态更新与紧跟前沿，有效弥合了产教鸿沟。在教学评价上，构建了“三维能力雷达”动态评价体系，从技术应用、设计思维、职业素养三个维度对学生进行可视化评估，突破了传统成果导向评价的局限，更全面地反映了学生的综合设计素养与岗位适应性，有效支撑了跨界复合型设计人才的培养目标。

未来，高职视觉传达设计专业的人工智能赋能改革需持续深化进一步完善产教融合机制，这是改革的根本出发点，开发更紧密结合行业真实场景的实训项目，构建校企协同的技术更新与课程迭代平台；此外，需要强化师资队伍转型与能力提升，系统构建教师“设计学科知识 +AI 技术知识 + 教学法知识”的三位一体的能力模型，设立专业化的 AI 教学能力发展中心，提供常态化培训与支持。同时，积极探索生成式 AI 等新技术在构建个性化教学系统的路径，最终构建可持续发展的“智能 + 创造”设计学科教育生态，为蓬勃发展的数字创意产业源源不断地输送高素质技术技能人才。

参考文献：

[1]职业教育提质培优行动计划（2020-2023 年）[J]. 教育科学论坛 ， 2020（33）：（3-11）.

[2] 张前，焦元红 . 建构主义学习理论及其在教育教学中的影响 [J]. 黄石理工学院学报 ，2005（2）：（67-70）.

[3] 单志艳 .元认知的培养和训练概述 [J]. 内蒙古师范大学学报 ： 哲学社会科学版 ， 2000（4）：（73-77）.

[4] 刘业勤.AIGC 赋能视觉传达设计专业人才培养创新路径研究[J]. 美术文献，2025（5）：（104-106）.

[5] 梅岑岑 ， 林晓辉 ， 陈婧 . 高职院校学生对生成式人工智能技术的认知与应用现状调查研究 [J]. 广东轻工职业技术大学学报 ，2025 （03） ：（74-80）.

[6] 张硕司 . 人工智能环境下”科学教育 +”探究式学习模式探索 [J]. 科教导刊 ，2025（6） ：（61-63）.

[7] 马超 ， 罗文超 ， 刘洋 . 生成式人工智能赋能视觉传达设计教学创新与实践 [J]. 中国高校科技 ，2025（6） ：（53-58）.

[8] 生艳.人工智能时代高校教师角色的变革与坚守[J]. 现代商贸工业， 2022（S1） ：（147-148）.

[9] 齐彦磊， 周洪宇. 技术、制度与思想：生成式人工智能在教育领域中应用的演进逻辑[J]. 电化教育研究 ，2024（8）：（28-34）.

作者简介：郑磊，北京财贸职业学院 ，研究方向：视觉传达设计。

张磊，北京财贸职业学院 ，研究方向：会展视觉设计。

基金项目：全国商科教育科研“十四五”规划 2025 年度课题，课题名称：“AIGC 赋能视觉传达设计人才培养与课程创新研究与实践”（项目编号：SKJYKT-2505248）/ 北京财贸职业学院 2025 年校级教学改革项目——AI+ 新技术赋能（融合）教学改革项目，项目名称：“AIGC 赋能视觉传达设计人才培养与课程创新研究与实践”（项目编号：JG-ZYJS-202505）。