生成式神经网络融合土家族摆手舞与现代编舞：提升舞蹈学生创造力与审美体验的创新研究

本研究探索了生成式神经网络Dance2Dance在传统土家族摆手舞与现代编舞融合中的应用，通过实验组（53人）与对照组（53人）对比，发现AI生成编舞显著提升学生表演原创性（评分从3.45升至4.48，p=0.000），且实验组审美体验量表得分更高（3.36 vs 2.11）。研究为AI辅助舞蹈创新与文化遗产活化提供了实证依据。

　　

在数字化浪潮席卷艺术领域的今天，传统舞蹈的传承与创新面临双重挑战。土家族摆手舞作为中国非物质文化遗产，其独特的"手部波浪动作"（hand-waving）虽具美学价值，却因与现代审美脱节而传播受限。与此同时，当代编舞虽积极拥抱科技，但AI生成内容的艺术价值始终备受争议——机器能否真正理解舞蹈的灵魂？湖南科技职业学院的研究团队在《Acta Psychologica》发表的研究，通过生成式神经网络Dance2Dance搭建了传统与现代的对话桥梁。

研究采用运动捕捉技术（OpenPose系统）采集200段传统摆手舞与现代舞视频数据，通过130个身体关键点识别构建骨骼模型。利用NVIDIA GPU处理器训练Dance2Dance网络生成混合编舞序列，并设计对照实验：实验组通过投影板模仿AI生成的"减速-常速"动作组合，对照组接受传统教学。采用Wilcoxon检验比较两组在原创性、技能掌握及审美体验量表（Aesthetic Experiences Scale）的差异，并邀请8名编导和3名独立评委进行质性评估。

3. Results

• 原创性提升：实验组即兴表演原创性评分显著提高（3.45→4.48，W=182.50，p<0.001），对照组无变化。评委特别指出AI组作品中出现"反重力波浪手势"等创新动作。
• 审美体验：实验组在"沉浸感"（6.07 vs 3.98）、"时间失真感"（4.75 vs 2.72）等维度显著领先，但"战栗感"等生理反应指标无差异，反映AI编舞更易引发认知层面的美学共鸣。
• 风格融合评价：编导认为现代舞元素（如breakdance的telespin）执行更专业，但摆手舞的"双手交错摆动"赋予独特性；63%舞者反馈传统动作与电子音乐节奏存在不协调，暗示音乐-动作对齐算法需优化。

5. Conclusions
该研究首次证实生成式神经网络能有效激发舞蹈创作者的"跨界思维"——AI生成的"不可能动作"（如270°关节旋转）虽无法完全复现，却可打破传统编舞的思维定式。值得注意的是，技术并未提升基础技能评分（4.16 vs 3.98，p>0.05），说明AI当前更适合作为"创意催化剂"而非技能训练工具。研究为数字时代文化遗产的"活态传承"提供了新范式，其开发的动态投影训练系统已应用于湖南地区3所舞蹈院校的实验教学。未来需进一步探索VR环境对动作记忆的影响，以及如何通过对抗生成网络（GAN）优化传统舞蹈元素的节奏适配性。