《Architecture》：Generative AI and the Reordering of Design Creativity in Architectural Education: Evidence from Undergraduate Students
编辑推荐：
生成式人工智能已进入建筑设计早期构思阶段，该阶段与概念创造力联系最为紧密，但其对学生创造力的影响仍缺乏均衡研究。研究人员考察了从手工概念到人工智能润色的创造力迁移。在某一年级工作室中，45名学生先开发公交车站设计，再使用人工智能可视化工具重制。专家采用同一九维
生成式人工智能已进入建筑设计早期构思阶段，该阶段与概念创造力联系最为紧密，但其对学生创造力的影响仍缺乏均衡研究。研究人员考察了从手工概念到人工智能润色的创造力迁移。在某一年级工作室中，45名学生先开发公交车站设计，再使用人工智能可视化工具重制。专家采用同一九维共识评估技术(Consensus Assessment Technique, CAT)量规对前人工智能与后人工智能设计评分，对提示词日志进行文本挖掘，并按学生个体关联两条数据流分析。结果显示总创造力小幅上升（3.38至3.71；Wilcoxon p = 0.022，dz = 0.38），但提升集中于恰当性维度；功能适切性（+0.80）、结构可行性（+0.78）与环境响应（+0.56）显著增长，而新颖性维度未变。队列呈现重排序：起点较弱者获益最大，部分强起点者下降。尽管基线输入创造力主导输出质量预测且控制后提示行为未增显著方差，但当学生让人工智能转化原始概念时收益最大。结果表明在本研究语境下，生成式人工智能充当创造力的平衡器与重定向器，强化较弱设计的可建造性而不提升原创性，对工作室部署与教学工具有直接启示。因结果基于单一一年级队列、机构、设计任务及观测性设计，发现限于条件性创造力迁移的探索性证据而非因果证据。
研究背景方面，建筑表征已逐步迁入软件，生成式人工智能（Generative AI）从表征与流程支持延伸至最早探索性构思阶段，成为与既有设计惯例竞争的“思考工具”。既有文献多聚集于学生感知与态度，缺乏以同一创造力量表评定个体前人工智能概念与其后人工智能润色版本、并同步观测完整提示语料的研究。建筑教育同时培养空间推理与设计思维，需回答人工智能如何重排想法生成、发展与筛选顺序。研究人员因此在一门一年级工作室开展观测性研究，以公交车站设计为任务，检验创造力在人机交互中是否被转化、哪些维度变化、概念转化程度的作用，以及新手提示行为是否解释输出质量。论文发表于《Architecture》。
关键技术方法上，研究人员在萨拉赫丁大学埃尔比勒分校一年级建筑工作室选取45名完成全流程且提示数据完整的本科生，先后产出无人工智能辅助的手工物理概念模型（前人工智能输入）、通过多模态上传照片与文本迭代提示使用人工智能可视化工具润色（人工智能中介过程）、最终人工智能辅助设计（后人工智能输出）。创造力由五名建筑专家以九维共识评估技术(CAT)量规（含新颖性、恰当性、精细与综合三子类，六点量表）独立评分取均；概念连续性以1–6分记录原概念留存度。提示日志用Python做清洗、词频、词典法六类过程编码、提示策略指数(Prompt Strategy Index, PSI)与探索平衡度计算。统计采用配对t检验与Wilcoxon符号秩检验、Spearman相关、分层回归与探索性logistic回归，全部非参数优先以适配序数有界小样本(N=45)。
研究结果部分，5.1节“人工智能辅助开发后总创造力的变化”显示均值由3.38升至3.71（Wilcoxon p=0.022，dz=0.38），27人上升、15人下降、3人不变；前人工智能与后人工智能得分相关仅r=0.48，增益与起点负相关(r=-0.43)，弱起点者平均+0.62、强起点者-0.11，表明人工智能重排而非压缩队列。5.2节“维度级创造力变化”指出功能适切性+0.80、结构可行性+0.78、环境响应+0.56显著，三类新颖性维度（概念独特性、形式创新、构造创新）各升约0.22–0.29不显著，精细综合类近零，总增益几乎全来自恰当性。5.3节“提示行为与创造力结果”表明提升组写更多词（中位262对146，Mann–Whitney p=0.036）、更多建筑内容与用户体验语言，下降组偏呈现与约束语言；但控制基线后提示变量不增显著方差，分层回归输入创造力解释22.6%，概念连续性与提示变量仅增少量不显著方差。5.4节显示约束语言负向关联环境响应增益(rho=-0.366)，体验语言正向关联形式构图增益(rho=0.328)。5.5节“概念连续性与创造力变化”发现连续性越低（概念被转化）增益越大，≤3者+0.95对≥5者+0.18，与结构可行性增益负相关最强(rho=-0.381)。5.6节补充聚类显示三种提示风格增益无差。5.7与5.8节整合为双因素：低起点+高概念转化者增益最大(+0.92)，高起点+保概念者无增益。
讨论部分指出，人工智能重定向创造力而非均匀增强：恰当性维度提升符合文本到图像模型从训练分布供给可建造结构的特点，新颖性依赖设计师偏离预期故未动；与资深建筑师研究趋同。概念连续性呼应Darke“原初生成器(primary generator)”与Sch?n“与情境反思对话”，紧抱首念在人工智能中介中成负担。队列重排含回归均值成分但不缩离散度(SD 0.82至0.92)。提示流作描述性贡献，不能因果预测输出。教育含义为人工智能宜作分辨率工具用于发展期与弱生支架，发散思维需单独保护，提示应教为设计探究而非出图包装。
结论部分翻译：本研究考察学生自身概念经生成系统后创造力的变化。45名一年级学生中，人工智能以真实但温和幅度提升总创造力，增益几乎全为恰当性；功能适切性、结构可行性、环境响应构成全部效应，三类新颖性维度无显著变化，即工具使一年级设计更可建造而非更原创。前后得分中等相关、增益与起点反向、离散度未缩，人工智能将弱设计托向胜任并拉低若干强设计，重排队列而不均质化。学生移动幅度不取决于提示而取决于可提升空间与允许人工智能重作首念的意愿；转化概念者+0.95、守护者+0.18，连续性代价在结构可行性最锐；控制基线后提示行为不增方差。对早期建筑教育，生成式人工智能可作分辨率工具与弱生支架，而非原创源，依赖其构思会使新颖性扁平与早闭；持久创造工作仍在写提示前的草图、框定与松持概念。结论受单机构、单任务、单平台与无控制组观测设计限制，邀跨队列与系统检验。
