人工智能背景下“數字圖像后期”課程的教學改革實踐

【摘 要】近年來，生成式人工智能技術蓬勃發展，對教育領域產生深遠影響。本文通過分析課程教學的人工智能轉型現狀及困境，將人工智能圖像生成技術應用于“數字圖像后期”的課程設計改革和教學實踐，總結了生成式人工智能的教學改革實踐經驗，以期為傳媒藝術類專業教學中的人工智能應用提供思路。

【關鍵詞】生成式人工智能；傳媒藝術類專業教育；教學改革

生成式人工智能技術的發展，促使教育領域發生變革[1]。目前，人工智能圖像生成技術顛覆了媒介生態與信息傳播系統，推動了傳媒的數字化轉型，給傳媒藝術類專業教學帶來了沖擊，同時也帶來了機遇。傳媒藝術類專業教育通過對教學理念、課程目標、評價方式等進行改革，以深入挖掘生成式人工智能與專業課程的概念融合與應用落地，具有廣闊發展前景。

“數字圖像后期”課程是影視攝影與制作等傳媒藝術類專業的一門計算機技術實踐與視覺藝術理論高度結合的課程，旨在培養學生使用計算機軟件處理數字圖像的能力。課程主要通過講解Adobe Photoshop的基本操作和使用，學生能夠掌握計算機圖片處理技術在影視生產流程中的使用。基于人工智能圖像生成技術的廣泛應用前景和“數字圖像后期”課程與人工智能圖像生成技術的高度適配，在“數字圖像后期”的教學設計中加入人工智能圖像生成技術，不僅可以作為對課程傳統內容如攝影后期、海報制作、影視作品調色的補充，而且可以拓展“數字圖像后期”課程的教學范圍。人工智能圖像生成技術在“數字圖像后期”中的應用使學生可以直接使用人工智能圖像生成器進行創意實踐。本文通過分析課程教學的人工智能轉型現狀及困境，將人工智能圖像生成技術應用于“數字圖像后期”的課程設計改革和教學實踐，總結了生成式人工智能的教學改革實踐經驗，以期為傳媒藝術類專業教學中的人工智能應用提供思路。

一、“數字圖像后期”課程的轉型現狀與困境

作為高等教育學校，如何在教學設計中響應新質生產力的需要，推動人工智能技術落地，進而實現教學對接產業、反哺產業，是在“數字圖像后期”課程建設中亟須解決的課題[2]。

（一）課程教學現狀

傳統課程教學主要是以教師課堂操作演示，學生跟隨操作演示練習為主[3]。當下“數字圖像后期”課程實踐教學的授課重點在于對Adobe Photoshop的基本知識和操作的掌握程度。通過訓練學生的Photoshop操作和一定的繪圖技能，實現摳圖、調色、海報制作等應用，理論教學的課程教學目標則更多集中在“基本概念”“基本原理”“彩色圖像”等。此類課程教學內容與網絡上現有的素材資源和操作教程，如Photoshop零基礎入門教程，存在大量雷同，普遍針對特定的后期素材和編輯素材而設置，極大限制了學生的專業技能提升。

隨著生成式人工智能技術的廣泛應用，影視、新媒體行業對圖像生產的要求越來越高，而市面上與“數字圖像后期”課程相關的教材選擇不僅十分有限，且普遍存在內容滯后、實踐內容脫離現階段行業需求等問題，迫切需要通過轉型來應對人工智能浪潮。這也導致了不同學生之間學習效果差異明顯。例如，有教師在教學中發現，平時關注人工智能技術、傾向于不斷學習使用最新人工智能技術的學生，可以通過人工智能實現從想法到成品的高效轉換，而對人工智能領域并不關注的學生，仍傾向于基于傳統手段和既定流程完成創作，導致產出成果同質化，缺乏個性和創新。

（二）課程轉型困境

1.人工智能知識的匱乏

目前，影視攝影與制作專業的學生在傳統的教學模式中接觸的主要是影視、攝影領域的相關理論和實踐，一般很少接觸生成式人工智能所需的計算機理論基礎。一些學生盡管能通過手機軟件和在線網站使用生成式人工智能的部分功能，但對于影響當下人工智能發展的神經網絡、深度學習等專業知識的了解仍然有限。例如，在“數字圖像后期”課程中，學生在能夠使用Stable Diffusion和Mid Journey等AIGC工具輔助創作的情況下，依然會傾向于憑借過去的知識和經驗選擇現成素材進行拼貼組合，有的甚至選擇了與作品風格相去甚遠的素材，影響了作品的整體性和創作的連貫性。

2.對人工智能“說”的不足

文生圖模型是生成式人工智能中將文本轉化為圖像的一個重要模型，文生圖模型中的關鍵詞指包含了特定生成信息的重要單詞，在使用文生圖模型的過程中，結果指向準確的關鍵詞描述是使用者與人工智能溝通的橋梁，在生成式人工智能的應用中起到了對人工智能“說”的作用。因為受限于專業背景和學科特點，影視攝影與制作專業的學生更側重于對影視畫面的視覺把握，關于畫面細節的文字描述或表達能力有所欠缺，導致使用生成式人工智能生成器得到的作品與預期效果存在明顯偏差。影視攝影與制作專業課程設置中盡管包括諸如“視聽語言”“影視畫面創作”等涵蓋文字畫面內容關聯的課程，但在實際教學過程中往往側重于訓練學生的視覺傳達、色彩表達和影視攝影技術應用的能力，“說”的能力存在明顯短板。因此，在使用生成式人工智能創作的過程中，學生傾向于描述整體的宏觀畫面，缺乏對微觀特征的描繪復現，導致通過文生圖模型創作的作品無法精準表現創作者意圖。

3.對人工智能“想”的限制

在生成式人工智能背景下，以教師演示、學生模仿操作為主的傳統“數字圖像后期”課程教學模式，不利于調動學生在使用生成式人工智能時的積極性和主動性。在傳統的教學模式中，往往更傾向于參考模仿，缺乏實際應用場景中的實踐訓練，限制了學生發散平面設計創意思維，不利于養成學生的職業技能。比如，在講授以學習Photoshop為主的“數字圖像后期”課程時，受限于學生的個體差異，美術基礎好、熱愛繪畫的學生能通過數位板繪畫完成創意實踐，而美術基礎較弱的學生，即便有諸多創意想法，也難以通過Photoshop實現。在這種教學模式的影響下，課堂上許多學生缺乏創意表達的欲望，創作思路主要集中在簡單組合網絡素材或熱門主題，尤其是在人工智能圖像生成技術加持下，這種模式對創意思維的限制更加明顯。

4.對人工智能“學”的忽視

人工智能能夠豐富學生知識獲取的途徑，使學習過程變得更加自主化、人性化、精準化、個性化，但如果缺乏對如何用好人工智能的學習，則會起到反效果。在實際的人工智能教學場景中，學生在應用時反饋人工智能無法準確理解意圖，因而覺得人工智能不夠“智能”。一方面，當下的人工智能并未達到想象中的完全智能，仍需要專門學習相應的使用技巧。另一方面，人工智能相關軟件存在技術門檻，僅依靠課程教學難以全面發揮人工智能效用，學生往往學習效果不達預期，存在理解和掌握困難的情況。

二、人工智能背景下“數字圖像后期”課程理念突破

（一）跨學科知識體系構建

在人工智能時代，學生不僅需要理解人工智能的基礎概念與原理、體驗人工智能技術應用，還需要了解智能交互系統的工作流程與運行方式[4]。作為一門以實踐為導向的課程，不僅在授課教學時離不開多元的知識體系構建，在實踐中更需要許多其他學科的知識作為基礎。首先是本學科的知識串聯，將數字圖像后期與短視頻制作、動畫游戲海報、影視傳媒視覺相結合，明確數字圖像后期作為影視生產流程中的一個重要環節。其次是人工智能知識和計算機基礎的學習，從概念上理解生成式人工智能的運行機制和原理，逐步認識影響生成式人工智能發展的重要理念從而理解人工智能的底層邏輯。最后是視覺理論與心理學的引入，通過引入格塔式心理學以及色彩心理學原理，幫助學生在創意發散和創意實踐過程中運用視覺表現手法和色彩心理原理，進一步提高作品的完成度。

（二）教學與人工智能技術深度融合

人工智能技術是一種數字教育技術，是數字教育技術的高級階段。人工智能背景下的課程教學也從單向講授向引導學生自主學習、經驗學習轉變[5]。在自適應學習引導和智慧化資源推送支持下，學生將有更多機會進行自主學習[6]。美國可汗學院與OpenAI合作開發的AI（人工智能）教學助手Khanmigo雖然早已從功能上實現了對學生學習的AI問答輔助，但可汗學院的創始人表示，在人工智能背景下對教師教學的要求并非簡單回答問題，而是引導學生自我探索和自我思考。通過在“數字圖像后期”教學中加入作品分析環節，引導學生從審美培養角度去自主學習和使用人工智能技術，弱化傳統課程中技術專精的比例，強調思維發散和創意實踐，以充分發揮人工智能在圖像生成和圖像處理方面的技術優勢，降低學習門檻，提升學習興趣，將個性化的創意藝術人才培養理念貫穿始終。

（三）項目驅動型實踐教學

在人工智能背景下的“數字圖像后期”課程教學強調理論與實際相結合，旨在培養學生通過技術解決實際問題的能力。目前，國內各大傳媒院校已在人工智能項目實踐上有諸多成功案例可供參考，例如，中國傳媒大學與英特爾聯合成立的“英特爾人工智能生成藝術創作實踐中心”，通過自主訓練模型并生成了國內首部AIGC動畫短片《龍門》，實現了人工智能生成技術與藝術在項目實踐中的有機結合。以完成項目為目的的教學理念是達成這一教學目標的主要策略，通過將學生分小組完成實際項目，學生在參與的過程中總結實踐經驗，從而完成理論知識向實際項目的轉換。在課程設置中，技術教學內容也應更加側重實戰而非理論，教學案例選擇應具有實踐性和代表性，確保在項目中的技術支撐。課程項目的選擇應在涵蓋了人工智能圖像生成技術和數字圖像后期軟件的基礎上，串聯學科核心課程，緊跟行業最新應用進展。

（四）基于作品的表現性評價設計

表現性評價是一種以證據為導向、過程與結果并重、以評估促教學的方法，其基本假設是：任何一種行為和認知成績都可以分解成一系列基本要素，作為表征學業成績水平的證據，只要對這些要素進行合理的評估，就能準確地評估出整體成績水平[7]。表現性評價以其評價目標的適切性、評價形式的適切性、評價載體的適切性、多元融合的適切性，在人工智能課程中具有較好的適用性和可拓展性[8]。通過在教學任務中設定表現性任務，如有針對性地選擇影視生產流程中的電影海報制作為開放性作業，讓學生通過完成有關作品，并記錄下使用人工智能圖像生成技術時所用到的關鍵詞、生成步驟等具體項目流程，再結合這些流程步驟和最終作品進行打分評價。

三、人工智能背景下“數字圖像后期”課程教學改革實踐路徑

基于前文人工智能背景下“數字圖像后期”課程的課程設計理念突破，本文以華南農業大學珠江學院大灣區影視學院2023級影視攝影與制作專業4個班共145名學生的“數字圖像后期”課程教學為樣本，探討開展教學改革實踐的路徑和經驗。

（一）基礎學習環節：人工智能與圖像后期技術操作教學

人工智能圖像后期基礎學習環節的內容，主要是對當下主流的人工智能圖像生成工具Stable Diffusion、Midjourney的技術操作教學。Stable Diffusion是一種基于深度學習的文本到圖像模型。傳統“數字圖像后期”課程中Photoshop的“摳圖”功能可以通過Stable Diffusion的深度學習和分割算法的運用直接完成，大大減少了工作量。學生通過學習Stable Diffusion的局部重繪、擴展填充功能，實現對圖片的內容進行人工智能圖像生成的創作輔助。除此之外，Stable Diffusion還可以根據提示詞的調整準確生成不同構圖、不同視角、不同光源條件的圖片以輔助創作。Midjourney則側重于風格探索，在教學中，引導學生通過輸入風格流派如波普藝術、蒸汽波、未來主義等風格關鍵詞或代表相應流派的知名藝術家名，直接使用人工智能生成相應風格的藝術家作品。

（二）進階學習環節：人工智能圖像生成技術對比研究

在完成技術操作的教學后，教師通過設置特定的對比研究議題，輔助學生進一步理解和使用人工智能圖像生成技術。在人工智能圖像生成技術的學習中，即使是相同的提示詞在不同的模型下也可能會生成風格、畫面構成完全不同的圖像。因此，在生成式人工智能圖像生成對比時，提示詞不僅是重要的圖像生成指令，更是評價生成效果和反復生成完善作品的重要依據。在課程實踐中，教師通過設置“對比Stable Diffusion在Web UI和Comfy UI兩種不同機制下的工作流程差異和生成效果差異”的議題，引導學生通過分析兩種生成機制在不同項目中的優勢和不足，以及通過對比“在使用相同提示詞時選用不同的模型進行生成”的議題，進而實現對該模型下圖像生成底模的定位，從而保證學生能在后續的項目中對所選取模型特征和生成效果有初步預判。

（三）項目實操環節：人工智能圖像生成應用項目實操

在有了人工智能圖像生成技術加持的項目實操環節中，如何充分發揮學生的主觀能動性，引導學生在實踐中探索和應用人工智能圖像生成技術，是項目設計的關鍵。通過設計相應崗位和工作流程環節，如文案設計、模型訓練、圖像后期等具體工作流程崗位，來解決影視畫面創作、微電影等不同課程作業中的具體海報設計、劇照制作項目，在串聯本專業課程的同時學以致用，使學習成果得到直接轉換。同時，鼓勵學生在項目全流程使用人工智能技術，教師針對生成的結果給出一定的方向指引和修改意見。在項目展演環節前將所有的流程步驟和生成信息進行保存，并討論和反思，總結在項目過程中應當優化的冗余流程。

（四）考核評價環節：基于作品的人工智能課程考核評價

在課程考核評價環節中，先根據平時作業中的技術掌握、對比研究成果進行評價，再根據在項目實操中作品的生成信息及步驟信息，基于項目作品表現進行評價。在傳統傳媒藝術類課程中作品考核的基礎上，增設了人工智能圖像生成技術應用考核的表現性評價標準，主要包含大模型與主題的相關性、小模型訓練的完成度、關鍵詞的準確度、生成圖像風格的一致性等。教師基于上交的作品制作過程的提示詞信息、生成參數以及最終成品進行評價；學生除上交以上材料之外，還需提交一份文字說明，記錄下項目創作思路和項目中遇到的困難。基于以上材料綜合評價得到總評成績。

四、結語

在生成式人工智能技術的加持下，“數字圖像后期”課程具備了實踐課程教學改革、率先響應傳媒藝術行業人工智能變革的潛力。通過在課程設計中積極構建跨學科知識體系，將人工智能技術深度融入教學并運用于項目實踐，再基于項目作品產出進行評價，從而實現人工智能背景下傳媒藝術專業教學的“教—學—評”一體化，提高學生的綜合素質和人工智能素養，進而實現其專業能力的多維拓展，使之成為在人工智能發展的浪潮中適應新質生產力和多元化就業崗位需要的“人工智能+”人才。

參考文獻

[1]顏麗蓉，儲節旺，李振延，等.生成式人工智能融入信息資源管理學科專業課程教學的路徑探索研究[J].圖書館雜志：2024（11）：1-15.

[2]李美慧，周紫珞，劉昭辰.人機共育：AIGC對傳媒藝術教育的重構[J].傳媒，2024（19）：25-27.

[3]王若賓，李美慧，宋威，等.AIGC賦能計算機基礎教育的角色定位和功能延展：一種基于雙鏈迭代的教學設計及實踐[J].計算機教育，2024（10）：159-163，168.

[4]鐘柏昌，劉曉凡，楊明歡.何謂人工智能素養：本質、構成與評價體系[J].華東師范大學學報（教育科學版），2024（1）：71-84.

[5]瞿振元.人工智能推進教育教學重構的思考[J].重慶高教研究，2024（11）：1-4.

[6]詹澤慧，鐘柏昌.人工智能助力高等教育：變革與堅守[J].中國高等教育，2021（20）：22-24.

[7]Walvoord E， Anderson J. Effective grading： A tool for learning and assessment[J].Academic Standards，1998：1-16.

[8]詹澤慧，姚佳靜，吳倩意，等.人工智能課程中表現性評價的設計與應用[J].現代教育技術，2022（5）：32-41.