《Buildings》：Representing Architectural Design Knowledge from Architectural Discourse: A Human–AI Collaborative Approach to High-Density School Design
编辑推荐：
高密度学校设计已成为快速城市化城市中的重要挑战，土地稀缺、教育需求增长及教学模式的演变产生了多重且相互关联的设计约束。尽管通过大量学校规划项目的实施积累了丰富的设计经验，但这些知识仍分散在建筑出版物和项目叙事中。现有研究主要侧重于评估建成环境或个案，而较少关注
高密度学校设计已成为快速城市化城市中的重要挑战，土地稀缺、教育需求增长及教学模式的演变产生了多重且相互关联的设计约束。尽管通过大量学校规划项目的实施积累了丰富的设计经验，但这些知识仍分散在建筑出版物和项目叙事中。现有研究主要侧重于评估建成环境或个案，而较少关注如何系统性地提取、组织和表征分散的建筑设计推理。本研究旨在探索人工智能辅助语义建模如何通过人机协同解读框架，从大规模设计话语中提取和组织建筑设计知识。研究人员利用2017年至2024年间发表的330份深圳学校设计文档构成的语料库，将基于BERTopic的语义建模、情景-策略编码、网络分析和基于文档的建筑解读整合为一个从建筑话语到结构化知识表征及空间解读的连续工作流。结果揭示了一个由密度条件决定的知识结构，包含六个相互关联的设计议程、25个反复出现的设计情景、44个原始设计策略、17个核心策略、四个策略集群以及四个由文档支持的空间响应模式。研究结果表明，高密度学校设计知识是通过反复出现的问题-策略关系组织的，而非孤立的项目解决方案。通过人机协同解读，碎片化的设计叙事被转化为将设计关切、情景、策略及空间组织联系起来的分层表征。所提出框架的目标并非自动化建筑设计决策或生成可直接实施的设计方案，而是为人工智能辅助的建筑知识检索、知识表征及未来多模态设计智能系统提供方法论基础。
**论文解读：从建筑话语到结构化设计知识——一种人机协同的高密度学校设计方法**
**研究背景与问题**
在全球快速城市化背景下，高密度学校设计面临土地稀缺、教育需求激增及教学模式变革带来的多重约束。尽管深圳等城市通过大量学校项目积累了丰富的设计经验，但这些知识分散在建筑媒体、项目报告和学术出版物中，缺乏系统化的提取、组织与表征方法。现有研究多聚焦于建成环境评估或个案分析，很少关注如何将分散的设计推理转化为可复用、可比较的结构化知识。因此，开展这项研究，旨在探索人工智能辅助语义建模如何通过人机协同框架，从大规模建筑话语中提取和组织高密度学校设计知识。论文发表在《Buildings》。
**主要技术方法**
研究人员构建了一个包含330份2017–2024年深圳学校设计文档的语料库（来源包括建筑媒体平台、专业实践网站、学术期刊及CNKI数据库，其中84.5%为项目设计叙事，15.5%为学术出版物）。采用BERTopic（版本0.16.4）进行语义建模，结合umap-learn（版本0.5.6）降维和hdbscan（版本0.8.39）聚类，从9852个句子级语义单元中识别潜在设计关切。随后通过动词–对象–意图（V–O–I）编码框架提取设计策略，并采用双编码验证（Cohen’s Kappa系数=0.9035）。最后，通过基于文档的建筑解读，结合项目平面图、剖面图、立面图及设计图解，识别空间响应模式。
**研究结果**
**3.1 高密度学校设计智能的知识表征**
通过BERTopic语义建模，从9852个句子级单元中提取了65个语义稳定的设计关切，并组织为六个高层设计议程：高密度空间布局、教学模式适应、学校–城市融合、治理与决策协作、气候与环境响应、地方性与文化记忆。其中，高密度空间布局（占句子单元33.0%）作为主导组织条件，与教学模式适应（16.8%）、学校–城市融合（14.0%）、治理与决策协作（12.9%）、气候与环境响应（12.1%）、地方性与文化记忆（11.2%）构成紧密关联的知识网络。语义网络分析表明，高密度空间布局处于网络中心，而治理与决策协作则充当连接多个议程的桥接层。
**3.2 知识表征的时间演化**
将语料按2017–2024年划分，发现三个显著阶段：第一阶段（2017–2020，容量扩张期）以高密度空间布局主导；第二阶段（2020–2022，教育适应期）中教学模式适应和气候与环境响应占比显著增加；第三阶段（2022–2024，城市融合期）中学校–城市融合、治理与决策协作及地方性与文化记忆的讨论频率上升，表明知识表征从内部空间组织扩展到城市系统整合。
**3.3 通过情景–策略智能的策略表征**
基于V–O–I编码，识别出25个反复出现的设计情景和44个原始设计策略，经语义归并后得到17个核心策略，并进一步聚类为四个策略集群：空间压缩（包括剖面整合、集群组织、学习空间插入、屋顶空间利用）、空间中介（包括平台中介、适应性扩展、资源整合、庭院再生）、界面调节（包括气候响应围护、界面缓冲、界面激活、社区整合、入口中介）和网络整合（包括网络整合、共享平台整合）。策略共现网络分析显示，界面激活（度中心性0.625）、界面缓冲（0.625）、适应性扩展（0.500）、平台中介（0.500）和剖面整合（0.500）具有最高连接性，而界面缓冲（介数中心性0.201）、界面激活（0.144）和剖面整合（0.143）充当桥接策略。
**3.4 可复用设计知识的空间表征**
通过跨案例文档解读，将四个策略集群与四个空间响应模式对应：剖面压缩（源于空间压缩集群，通过垂直重组联系教学空间与公共空间）、平台中介（源于空间中介集群，通过平台、露台等中间系统协调碎片化空间组件）、界面缓冲（源于界面调节集群，通过半开放走廊、灰空间等过渡区调节校园–城市及室内–外环境）、网络闭合（源于网络整合集群，通过三维流通网络和共享平台连接分散功能区）。这些模式并非互斥，而是通过多种策略组合形成重叠组织逻辑。
**讨论与结论**
研究表明，高密度学校设计知识并非孤立的主题集合，而是以高密度空间布局为组织条件、治理与决策协作为协调机制的多层知识系统。设计策略通过反复出现的问题–策略关系组织，而非以项目特定解决方案呈现。空间响应模式揭示了设计推理如何通过建筑化机制（剖面、平台、界面、网络）在多个项目中表达。
研究结论部分翻译如下：
本研究开发了一个从大规模建筑话语中提取、组织和表征建筑设计知识的人机协同框架。通过整合人工智能辅助语义建模、结构化情景–策略编码和基于文档的建筑解读，该框架建立了从设计叙事到知识表征及反复出现空间组织的连续分析路径。利用330份2017–2024年深圳高密度学校设计文档，研究展示了如何将积累的建筑话语转化为结构化且可比较的设计推理表征。
关于RQ1，研究揭示高密度学校设计话语形成了一个多层知识表征系统，而非独立主题的集合。通过基于BERTopic的语义建模，识别出65个设计关切，并经由建筑解读将其组织为六个设计议程。其中，高密度空间布局作为主要组织条件，而治理与决策协作则提供跨教育、环境和城市相关关切的协调机制。这一发现表明，高密度学校设计知识是通过多重约束的相互作用而非单纯的空间优化来构建的。
关于RQ2，研究展示了如何将反复出现的设计情境组织为结构化的情景–策略表征。通过V–O–I编码和语义归并，识别出25个反复出现的情景和44个原始策略，并进一步组织为17个核心策略和四个策略集群。结果表明，公开表达的设计知识是通过问题、策略行动和预期结果之间的反复关系来构建的。这些关系构成了潜在的可复用知识单元，用于系统比较和案例检索，但其对具体项目的适用性需要独立的专业和技术评估。
关于RQ3，研究考察了在代表性项目相关的已发表建筑文档中，反复出现的策略如何与空间组织相关联。通过跨案例查阅场地平面图、楼层平面图、剖面图、立面图和空间图解，情景–策略关系被综合为四个空间响应模式：剖面压缩、平台中介、界面缓冲和网络闭合。这些模式并非形式类型学或经过验证的建筑性能模型，而是基于文档的建筑解读，反映了设计知识在多个项目语境中表达的反复出现空间逻辑。
本研究的主要贡献在于方法论。现有建筑文本挖掘方法通常侧重于主题发现或语义分类，而所提出的工作流将计算识别的语义结构与建筑解读的情景、策略操作和空间组织联系起来。它提供了一种可复现的方法，用于将异构设计叙事组织为保留设计问题、行动、意图和空间响应之间关系的分层知识表征。通过人机协同解读，该框架展示了人工智能辅助语义建模如何在不取代专业建筑判断的情况下支持建筑知识组织。这一表征可为未来的知识图谱、检索增强案例系统及多模态建筑知识平台提供分析基础，但不应被理解为自动化的或可直接实施的设计系统。
本研究也存在若干局限性。首先，该框架研究建筑话语而非建成性能，因此提取的知识应被理解为反复出现的设计推理的表征，而非已完成建筑的验证性描述。其次，尽管词汇规范化、语义建模和V–O–I编码减轻了修辞表达的影响，但专业设计叙事仍具有固有选择性，可能无法完全反映工程约束或使用后性能。未来研究应整合建筑图纸、BIM模型、规划法规、环境模拟、实地调查、使用后评估、计算机视觉及多模态大语言模型，以建立更丰富的建筑知识表征，并进一步检验话语衍生知识如何与项目特定约束和建成证据相联系。
总体而言，本研究证明，通过一个可复现的人工智能辅助工作流（整合语义建模、结构化编码和建筑解读），建筑话语可以被系统性地组织为可复用的设计知识表征。通过明确界定建筑话语的证据范围，并将设计推理表征为结构化知识而非项目特定描述，所提出的框架为未来人工智能辅助建筑知识系统和计算设计研究提供了方法论基础。
