发布日期:
人工智能技术融入高校设计类专业实训教学的探索
文章字数：5271
摘要：人工智能技术飞速发展，在教育领域的应用不断深化，丰富了教育手段，提升了教育质量，促进了教育公平。人工智能技术为设计领域的新质生产力路径探索搭建出实验性框架，给设计行业带来了巨大变革。同时，基于人工智能的图像识别与生成技术、设计作品智能评价技术、个性化学习和反馈系统也为设计类专业实训教学开辟了新的途径和手段。人工智能技术在专业实训教学中的应用存在一定局限性和挑战性，这就要求行业工作者充分考虑相关不利因素，不断改进相关技术模块，科学制定相关解决方案，共同推动新时代设计教育的高质量发展。
关键词：人工智能；设计专业；实训教学
2025年全国两会期间，人工智能驱动未来发展成为热点话题，《政府工作报告》中明确提出，持续推进“人工智能+”行动。人工智能技术在包括中国在内的全世界多个国家和地区呈现快速发展的态势，其创造性、普适性、快捷性等特点在艺术与设计行业的应用中得到很好地展现。实训教学是应用型本科高校设计类专业人才培养的重要环节，如何将人工智能技术融入实训教学全过程，适应传统教学环境的革新，从而建立多元化的实训教学模式并为学生带来更加丰富和深刻的学习体验，这已成为设计教育界普遍关注的议题。通过开展相关的教学研究，提出问题，找出方法，为设计类专业实训教学中人工智能技术的合理应用开辟道路，共同推动人工智能技术与设计类专业深度融合，给新时代设计教育的高质量发展注入新动能。
一、人工智能技术在教育领域的应用
人工智能技术在教育领域的应用正在不断深化和拓展，教育机构和教育工作者借助机器学习、自然语言处理以及数据挖掘等先进技术手段，能够精准掌握不同学生的学习需求，实施个性化的教学，为学生量身定制更具针对性的教学资源，从而很大程度上提升了教育质量，促进了教育公平。
人工智能技术凭借其强大的数据处理和分析能力，能够根据学生的学习特性、知识掌握情况以及学习进度，迅速生成个性化的学习路径和教学资源。人工智能系统通过对海量学习数据的深度梳理和挖掘，能够精准地为学生的某些薄弱知识环节提供针对性的教学内容和人性化的学习支持。这种创新教学模式充分满足了学生的差异化需求，可以更好地激发学生的学习热情，提升学生的学习效果。同时，借助虚拟助教等智能教学辅助工具的先进语音识别功能和自然语言处理技术，营造交互式学习环境，实现机器与学生之间的流畅对话互动，不仅可以给学生答疑解惑，还能即时提供反馈指导，极大提升了学习体验。将先进的增强现实与虚拟现实技术融入智能教学辅助工具中，可以帮助学生在沉浸式学习场景下直观深入地学习专业技能。
人工智能技术在提高教育评估与监测水平上作用显著。相较于以往过度依赖单一考试成绩评价学生的方式，其评估系统优势突出，可深入分析学生日常作业、学习表现及学习轨迹，更全面科学地测评学生综合素养和发展潜能。教育工作者还可以利用人工智能技术对相关的教育数据进行采集、分析和预测，这已成为真实客观地掌握学生学习情况的新途径，从而对学生实施更为精准的干预措施和学习指导。
二、人工智能技术在设计领域的应用
图像识别和模式识别是人工智能技术聚焦的两大核心内容，随着机器学习和深度学习算法的持续优化和完善，人工智能技术具备了自动分析和处理图像、音频及视频等多种设计元素的能力，这无疑极大地延展了设计应用的边界。一些设计师在创作阶段开始使用全新的科技创作工具和媒介，例如生成对抗网络的兴起，使得计算机具备了生成高度仿真的设计作品的能力，这些作品让人难以区分究竟是由计算机还是人类创作。在设计活动的全流程中，人工智能技术既可以辅助设计师制定决策又可以提供更加高效、精准的设计工具。例如，在设计构思过程中借助人工智能优化算法，能够自动地在海量数据库中搜索并生成最符合要求的高品质设计方案，有效提高了设计工作的效率，而且智能化的设计工具与系统能为设计工作中的科学决策提供实时的信息反馈和宝贵的指导建议[1]。人工智能技术也被应用在了设计方案和作品的评价及反馈层面，人工智能评价系统是基于深度分析大量数据和样本来进行评价，打破了传统评价方式容易受到个人主观判断影响的限制。
人工智能技术已经渗透到设计创意构思、设计流程优化、方案作品评估与反馈等多个层面，为设计行业的广大工作者提供了丰富的设计工具和全新的学习机遇，为设计领域的新质生产力路径探索搭建出实验性框架。
三、人工智能技术在设计类专业实训教学中的应用
（一）图像识别与生成技术的应用
图像识别技术通过机器学习或深度学习等算法的运用以及大规模数据集的精准训练，能做到对图像信息中的各类特征进行自动识别与分类[2]。比如在《产品设计表达》课程中，运用图像识别技术能够让学生快速地辨识并理解各种物体的形态、色彩、材质以及纹理效果等特性，以此提供精细直观的绘图参考，帮助学生更高效地学习并掌握不同类型产品的设计表达规律和技巧。另外，图像生成技术通过利用计算机视觉技术和深度学习模型，能够根据用户提示和指令自动生成具有特定内容或风格的图像、图形等。随着各类大规模预训练模型的发展，图像生成技术也得到了进一步提升，它可以帮助设计师快速生成具有创意的图像和设计方案。在娱乐和游戏行业，图像生成技术可以用于创建逼真的虚拟场景、角色和特效，包括风景、天气、建筑、人物等要素的智能组合，提高了视觉效果，降低了制作成本。在设计类专业的实训教学中应用这类技术能够增强师生与人工智能的直接互动，有效拓展了创意思维和设计视野。
图像识别和生成技术对于辅助设计创作而言作用巨大。比如，视觉传达设计中可以借助图像识别技术生成不同主题和风格的图像，给设计人员提供创作灵感和参考素材，也可以利用图像生成技术对常用的字体、纹样、图形等设计元素进行自动识别、分析与归类，这能为设计人员的设计创作过程提供科学高效的决策支持。就目前设计类专业教学而言，尽管图像识别和生成技术展现出广阔的应用前景，但仍面临着一些不容忽视的问题，例如设计活动具有一定的主观性和创造性特点，人工智能算法在图像识别和生成过程中未能完全理解设计人员的意图，从而会存在一定的结果误差，这就要求必须进一步提升算法的精准度和稳定性，以更好地满足使用者的实际需求。
（二）设计作品智能评价技术的应用
设计教育界已经开始意识到人工智能技术介入设计作品鉴定评价具有独特的优势。传统的作品评价方式受限于教师的个人经验能力，不可避免地带有主观性和随机性，而人工智能在进行作品评价时主要基于机器学习和深度学习技术，同时根据预先设定的量化指标体系展开评价，评价结果相对客观、全面[3]。
基于人工智能技术的作品评价方法多种多样，最常用的主要有两种。第一种是图像分析和特征提取，这是计算机视觉和图像处理领域中的关键步骤，该方法旨在通过深入分析作品的图像信息进而准确提取各类视觉特征，再借助强大的机器学习算法来对诸如造型、色彩、纹理、构图等视觉特征展开分类和评价，该评价方法所提供的量化评价指标能够清晰地向评价者展示设计作品的构成要素和表现元素。另一种是情感分析与主题识别，其核心是借助自然语言处理及图像识别技术，对作品中的文字、图像以及与作品密切相关的各类文本进行深度分析，快速识别出作品中的情感表达和主题内容，洞察受众对作品的真实感受和情绪倾向，进而实现情感化评价。
当前，人工智能技术在设计作品评价中的应用尚有一定局限性，尤其是人工智能算法还做不到完全模拟不同人群的审美习惯和价值标准，难以真实体现设计作品的主观感知和个性化视角，这就要求在构建评价模型和数据集时必须充分吸收各类风格作品特征及受众的个体差异。同时，还需要进一步加强设计作品智能评价方法的透明性和可解释性，提高评价结果的可信度和稳定度，为此，有必要深入研究如何将多维度的评价指标和评价方法纳入评价模型的优化设计之中，加强与设计人员和受众的沟通合作，充分融合人类的专业经验与人工智能技术的优势，努力构建更加全面和完善的评价体系，不断推动人工智能在设计作品评价应用领域的健康发展。
（三）个性化学习和反馈系统的应用
传统的设计实训教学模式过于单一，难以满足学生的个性化学习需求，而人工智能技术支持的个性化学习和反馈系统的应用则在很大程度上弥补了这一缺陷。个性化学习和反馈系统可以判断不同学生的学习需求和学习能力，针对不同学生的学习背景、学习习惯及兴趣偏好等特点为其提供定制化的学习资源和策略。该系统通过深入分析学生的学习数据和行为轨迹，能够自动甄别学生在哪些环节较为薄弱，并据此推荐针对性的学习素材和个性化的指导方案，从而有效激发学习兴趣，提高学习效率[4]。此外，该系统能持续监测和分析学生的学习数据，对学习过程进行可视化展示并生成详细的学习报告，及时调整学习内容和指导方案，辅助学生优化学习目标，克服学习难点，改善学习体验，也极大缓解了教师在学情分析方面消耗的时间精力。
从个性化学习与反馈系统的实际应用来看，为确保个性化推荐与指导功能的精准高效，该系统必须具备精确的学习数据与先进的算法模型，这就要求系统能够准确把握学生的学习行为，并依托算法模型建立个性化推荐与反馈机制。应当注意的是，要避免学生的个性化学习需求与教师的教学目标发生冲突，这就离不开教师与系统的紧密合作，共同制定学习内容及反馈方案，确保学生的学习需求与教师的教学目标在系统中融合统一。面对这些挑战，需要整合各类数据源和算法模型，进一步提升系统的智能化和个性化能力，以实现准确分析学习情况并提供科学的学习指导建议。
四、人工智能技术融入设计类专业教学实践的困难
（一）技术局限和应用难点
第一，人工智能算法并不是无所不能的，由于设计领域的创作表现方式具有强烈主观性和复杂性，导致算法在处理这些内容时存在技术局限，比如一些特定设计风格或艺术形式就很难被算法准确识别，尤其是抽象风格的设计作品中蕴含的概念和意图更加难以理解和捕捉，如果不能持续提升算法的适配性和精准度，则无法满足教学实践的多元化需求[5]。第二，特定设计风格或艺术形式的数据集样本获取明显受限，导致基于有限数据集训练出的模型欠缺泛化能力，无法完全匹配作品的创新性和多样性。第三，诸如图像生成模型在内的算法主要依靠庞大数据集的支持，若没有足够的数据资源，则难以达到理想的训练数据效果，其应用也将受到制约[6]。
上述技术局限和应用难点需要设计与计算机等领域的专家携手开展长期的跨学科研究攻关，合作挖掘设计类专业教学的新需求，共同提出创造性的解决方案。
（二）师生态度和适应程度
部分教师一开始对人工智能技术抱有抵触心理，直接原因是担心其会削弱角色影响力或干扰教学进程，同时也会因为学习新技术的使用而消耗更多的时间和精力。学生层面也存在一定的困难，他们需要重新适应人工智能技术带来的新型学习模式及学习工具，接受人工智能技术提供的个性化评价方式。
考虑到师生对于新技术应用的心理变化和适应过程，有必要在过渡期提供相应的引导和支持。一是常态化组织教师参加相关的培训及专业研讨会，熟悉设计教育领域的人工智能技术发展态势和应用案例，不断提高对新兴技术的认知[7]；二是鼓励教师申报并开展人工智能技术相关的教学研究与科学研究项目，探索新技术在专业教学与科研实践中的具体应用方法；三是积极帮助学生理解人工智能技术应用的内涵和作用，着力培养学生的创新思维和技术应用能力，在人才培养方案中纳入相关的课程设置，提供丰富的课外学习资源和专业指导；四是强化师生之间的沟通合作和教学互动，充分了解学生的个性化学习需求，并根据学情分析和数据反馈，动态调整教学内容，实时改进教学方法，努力为学生提供展示实践学习成果的平台，师生共同推动新时代设计类专业教学模式的发展和创新。
五、结语
人工智能在国内呈现出蓬勃发展的态势，成为学术界和产业界关注的热门领域。人工智能技术给设计行业带来了巨大的变革，也必然在设计类专业教学体系中发挥越来越重要的作用。通过挖掘和利用人工智能技术的优势，可以极大丰富教师的教学手段，有效提升学生的学习成效，人工智能技术在专业教学中的应用存在一定局限性和挑战性，这就要求行业工作者充分考虑相关不利因素，不断改进相关技术模块，科学制定相关解决方案，共同探索和推动新时代设计教育的高质量发展。
参考文献：
[1]方敏,孙同文.数字场景下品牌形象设计的机制与表现[J].湖南大学学报(社会科学版),2024(02):120-126.
[2]何平.基于深度学习的图像识别算法研究[D].贵阳:贵州大学,2019:6-10.
[3]周建新.人工智能时代的中国文化产业发展研究报告（2023）[J].艺术学研究,2024(02):35-40.
[4]许锋华,胡先锦.人工智能技术赋能个性化学习:意蕴、机制与路径[J].广西师范大学学报(哲学社会科学版),2023(04):68-78.
[5]陈丽怡.基于多维度相关性的视觉艺术图像分类技术研究[D].天津:南开大学,2020:3-15.
[6]张雨露.基于影像特征的艺术品识别检索系统设计与开发[D].南京:东南大学，2018:15-20.
[7]曹斯,罗祖兵.人工智能应用于教学的困境、限度与理路[J].电化教育研究,2024(04):88-95.
作者单位：蚌埠学院艺术设计学院
基金项目:安徽省高校质量工程项目“产品设计专业改造提升项目”（2023zygzts091）；蚌埠学院质量工程项目“人工智能技术融入设计类专业实践教学体系的探索与创新研究”（2023jyxm9）。
关键词：人工智能；设计专业；实训教学
2025年全国两会期间，人工智能驱动未来发展成为热点话题，《政府工作报告》中明确提出，持续推进“人工智能+”行动。人工智能技术在包括中国在内的全世界多个国家和地区呈现快速发展的态势，其创造性、普适性、快捷性等特点在艺术与设计行业的应用中得到很好地展现。实训教学是应用型本科高校设计类专业人才培养的重要环节，如何将人工智能技术融入实训教学全过程，适应传统教学环境的革新，从而建立多元化的实训教学模式并为学生带来更加丰富和深刻的学习体验，这已成为设计教育界普遍关注的议题。通过开展相关的教学研究，提出问题，找出方法，为设计类专业实训教学中人工智能技术的合理应用开辟道路，共同推动人工智能技术与设计类专业深度融合，给新时代设计教育的高质量发展注入新动能。
一、人工智能技术在教育领域的应用
人工智能技术在教育领域的应用正在不断深化和拓展，教育机构和教育工作者借助机器学习、自然语言处理以及数据挖掘等先进技术手段，能够精准掌握不同学生的学习需求，实施个性化的教学，为学生量身定制更具针对性的教学资源，从而很大程度上提升了教育质量，促进了教育公平。
人工智能技术凭借其强大的数据处理和分析能力，能够根据学生的学习特性、知识掌握情况以及学习进度，迅速生成个性化的学习路径和教学资源。人工智能系统通过对海量学习数据的深度梳理和挖掘，能够精准地为学生的某些薄弱知识环节提供针对性的教学内容和人性化的学习支持。这种创新教学模式充分满足了学生的差异化需求，可以更好地激发学生的学习热情，提升学生的学习效果。同时，借助虚拟助教等智能教学辅助工具的先进语音识别功能和自然语言处理技术，营造交互式学习环境，实现机器与学生之间的流畅对话互动，不仅可以给学生答疑解惑，还能即时提供反馈指导，极大提升了学习体验。将先进的增强现实与虚拟现实技术融入智能教学辅助工具中，可以帮助学生在沉浸式学习场景下直观深入地学习专业技能。
人工智能技术在提高教育评估与监测水平上作用显著。相较于以往过度依赖单一考试成绩评价学生的方式，其评估系统优势突出，可深入分析学生日常作业、学习表现及学习轨迹，更全面科学地测评学生综合素养和发展潜能。教育工作者还可以利用人工智能技术对相关的教育数据进行采集、分析和预测，这已成为真实客观地掌握学生学习情况的新途径，从而对学生实施更为精准的干预措施和学习指导。
二、人工智能技术在设计领域的应用
图像识别和模式识别是人工智能技术聚焦的两大核心内容，随着机器学习和深度学习算法的持续优化和完善，人工智能技术具备了自动分析和处理图像、音频及视频等多种设计元素的能力，这无疑极大地延展了设计应用的边界。一些设计师在创作阶段开始使用全新的科技创作工具和媒介，例如生成对抗网络的兴起，使得计算机具备了生成高度仿真的设计作品的能力，这些作品让人难以区分究竟是由计算机还是人类创作。在设计活动的全流程中，人工智能技术既可以辅助设计师制定决策又可以提供更加高效、精准的设计工具。例如，在设计构思过程中借助人工智能优化算法，能够自动地在海量数据库中搜索并生成最符合要求的高品质设计方案，有效提高了设计工作的效率，而且智能化的设计工具与系统能为设计工作中的科学决策提供实时的信息反馈和宝贵的指导建议[1]。人工智能技术也被应用在了设计方案和作品的评价及反馈层面，人工智能评价系统是基于深度分析大量数据和样本来进行评价，打破了传统评价方式容易受到个人主观判断影响的限制。
人工智能技术已经渗透到设计创意构思、设计流程优化、方案作品评估与反馈等多个层面，为设计行业的广大工作者提供了丰富的设计工具和全新的学习机遇，为设计领域的新质生产力路径探索搭建出实验性框架。
三、人工智能技术在设计类专业实训教学中的应用
（一）图像识别与生成技术的应用
图像识别技术通过机器学习或深度学习等算法的运用以及大规模数据集的精准训练，能做到对图像信息中的各类特征进行自动识别与分类[2]。比如在《产品设计表达》课程中，运用图像识别技术能够让学生快速地辨识并理解各种物体的形态、色彩、材质以及纹理效果等特性，以此提供精细直观的绘图参考，帮助学生更高效地学习并掌握不同类型产品的设计表达规律和技巧。另外，图像生成技术通过利用计算机视觉技术和深度学习模型，能够根据用户提示和指令自动生成具有特定内容或风格的图像、图形等。随着各类大规模预训练模型的发展，图像生成技术也得到了进一步提升，它可以帮助设计师快速生成具有创意的图像和设计方案。在娱乐和游戏行业，图像生成技术可以用于创建逼真的虚拟场景、角色和特效，包括风景、天气、建筑、人物等要素的智能组合，提高了视觉效果，降低了制作成本。在设计类专业的实训教学中应用这类技术能够增强师生与人工智能的直接互动，有效拓展了创意思维和设计视野。
图像识别和生成技术对于辅助设计创作而言作用巨大。比如，视觉传达设计中可以借助图像识别技术生成不同主题和风格的图像，给设计人员提供创作灵感和参考素材，也可以利用图像生成技术对常用的字体、纹样、图形等设计元素进行自动识别、分析与归类，这能为设计人员的设计创作过程提供科学高效的决策支持。就目前设计类专业教学而言，尽管图像识别和生成技术展现出广阔的应用前景，但仍面临着一些不容忽视的问题，例如设计活动具有一定的主观性和创造性特点，人工智能算法在图像识别和生成过程中未能完全理解设计人员的意图，从而会存在一定的结果误差，这就要求必须进一步提升算法的精准度和稳定性，以更好地满足使用者的实际需求。
（二）设计作品智能评价技术的应用
设计教育界已经开始意识到人工智能技术介入设计作品鉴定评价具有独特的优势。传统的作品评价方式受限于教师的个人经验能力，不可避免地带有主观性和随机性，而人工智能在进行作品评价时主要基于机器学习和深度学习技术，同时根据预先设定的量化指标体系展开评价，评价结果相对客观、全面[3]。
基于人工智能技术的作品评价方法多种多样，最常用的主要有两种。第一种是图像分析和特征提取，这是计算机视觉和图像处理领域中的关键步骤，该方法旨在通过深入分析作品的图像信息进而准确提取各类视觉特征，再借助强大的机器学习算法来对诸如造型、色彩、纹理、构图等视觉特征展开分类和评价，该评价方法所提供的量化评价指标能够清晰地向评价者展示设计作品的构成要素和表现元素。另一种是情感分析与主题识别，其核心是借助自然语言处理及图像识别技术，对作品中的文字、图像以及与作品密切相关的各类文本进行深度分析，快速识别出作品中的情感表达和主题内容，洞察受众对作品的真实感受和情绪倾向，进而实现情感化评价。
当前，人工智能技术在设计作品评价中的应用尚有一定局限性，尤其是人工智能算法还做不到完全模拟不同人群的审美习惯和价值标准，难以真实体现设计作品的主观感知和个性化视角，这就要求在构建评价模型和数据集时必须充分吸收各类风格作品特征及受众的个体差异。同时，还需要进一步加强设计作品智能评价方法的透明性和可解释性，提高评价结果的可信度和稳定度，为此，有必要深入研究如何将多维度的评价指标和评价方法纳入评价模型的优化设计之中，加强与设计人员和受众的沟通合作，充分融合人类的专业经验与人工智能技术的优势，努力构建更加全面和完善的评价体系，不断推动人工智能在设计作品评价应用领域的健康发展。
（三）个性化学习和反馈系统的应用
传统的设计实训教学模式过于单一，难以满足学生的个性化学习需求，而人工智能技术支持的个性化学习和反馈系统的应用则在很大程度上弥补了这一缺陷。个性化学习和反馈系统可以判断不同学生的学习需求和学习能力，针对不同学生的学习背景、学习习惯及兴趣偏好等特点为其提供定制化的学习资源和策略。该系统通过深入分析学生的学习数据和行为轨迹，能够自动甄别学生在哪些环节较为薄弱，并据此推荐针对性的学习素材和个性化的指导方案，从而有效激发学习兴趣，提高学习效率[4]。此外，该系统能持续监测和分析学生的学习数据，对学习过程进行可视化展示并生成详细的学习报告，及时调整学习内容和指导方案，辅助学生优化学习目标，克服学习难点，改善学习体验，也极大缓解了教师在学情分析方面消耗的时间精力。
从个性化学习与反馈系统的实际应用来看，为确保个性化推荐与指导功能的精准高效，该系统必须具备精确的学习数据与先进的算法模型，这就要求系统能够准确把握学生的学习行为，并依托算法模型建立个性化推荐与反馈机制。应当注意的是，要避免学生的个性化学习需求与教师的教学目标发生冲突，这就离不开教师与系统的紧密合作，共同制定学习内容及反馈方案，确保学生的学习需求与教师的教学目标在系统中融合统一。面对这些挑战，需要整合各类数据源和算法模型，进一步提升系统的智能化和个性化能力，以实现准确分析学习情况并提供科学的学习指导建议。
四、人工智能技术融入设计类专业教学实践的困难
（一）技术局限和应用难点
第一，人工智能算法并不是无所不能的，由于设计领域的创作表现方式具有强烈主观性和复杂性，导致算法在处理这些内容时存在技术局限，比如一些特定设计风格或艺术形式就很难被算法准确识别，尤其是抽象风格的设计作品中蕴含的概念和意图更加难以理解和捕捉，如果不能持续提升算法的适配性和精准度，则无法满足教学实践的多元化需求[5]。第二，特定设计风格或艺术形式的数据集样本获取明显受限，导致基于有限数据集训练出的模型欠缺泛化能力，无法完全匹配作品的创新性和多样性。第三，诸如图像生成模型在内的算法主要依靠庞大数据集的支持，若没有足够的数据资源，则难以达到理想的训练数据效果，其应用也将受到制约[6]。
上述技术局限和应用难点需要设计与计算机等领域的专家携手开展长期的跨学科研究攻关，合作挖掘设计类专业教学的新需求，共同提出创造性的解决方案。
（二）师生态度和适应程度
部分教师一开始对人工智能技术抱有抵触心理，直接原因是担心其会削弱角色影响力或干扰教学进程，同时也会因为学习新技术的使用而消耗更多的时间和精力。学生层面也存在一定的困难，他们需要重新适应人工智能技术带来的新型学习模式及学习工具，接受人工智能技术提供的个性化评价方式。
考虑到师生对于新技术应用的心理变化和适应过程，有必要在过渡期提供相应的引导和支持。一是常态化组织教师参加相关的培训及专业研讨会，熟悉设计教育领域的人工智能技术发展态势和应用案例，不断提高对新兴技术的认知[7]；二是鼓励教师申报并开展人工智能技术相关的教学研究与科学研究项目，探索新技术在专业教学与科研实践中的具体应用方法；三是积极帮助学生理解人工智能技术应用的内涵和作用，着力培养学生的创新思维和技术应用能力，在人才培养方案中纳入相关的课程设置，提供丰富的课外学习资源和专业指导；四是强化师生之间的沟通合作和教学互动，充分了解学生的个性化学习需求，并根据学情分析和数据反馈，动态调整教学内容，实时改进教学方法，努力为学生提供展示实践学习成果的平台，师生共同推动新时代设计类专业教学模式的发展和创新。
五、结语
人工智能在国内呈现出蓬勃发展的态势，成为学术界和产业界关注的热门领域。人工智能技术给设计行业带来了巨大的变革，也必然在设计类专业教学体系中发挥越来越重要的作用。通过挖掘和利用人工智能技术的优势，可以极大丰富教师的教学手段，有效提升学生的学习成效，人工智能技术在专业教学中的应用存在一定局限性和挑战性，这就要求行业工作者充分考虑相关不利因素，不断改进相关技术模块，科学制定相关解决方案，共同探索和推动新时代设计教育的高质量发展。
参考文献：
[1]方敏,孙同文.数字场景下品牌形象设计的机制与表现[J].湖南大学学报(社会科学版),2024(02):120-126.
[2]何平.基于深度学习的图像识别算法研究[D].贵阳:贵州大学,2019:6-10.
[3]周建新.人工智能时代的中国文化产业发展研究报告（2023）[J].艺术学研究,2024(02):35-40.
[4]许锋华,胡先锦.人工智能技术赋能个性化学习:意蕴、机制与路径[J].广西师范大学学报(哲学社会科学版),2023(04):68-78.
[5]陈丽怡.基于多维度相关性的视觉艺术图像分类技术研究[D].天津:南开大学,2020:3-15.
[6]张雨露.基于影像特征的艺术品识别检索系统设计与开发[D].南京:东南大学，2018:15-20.
[7]曹斯,罗祖兵.人工智能应用于教学的困境、限度与理路[J].电化教育研究,2024(04):88-95.
作者单位：蚌埠学院艺术设计学院
基金项目:安徽省高校质量工程项目“产品设计专业改造提升项目”（2023zygzts091）；蚌埠学院质量工程项目“人工智能技术融入设计类专业实践教学体系的探索与创新研究”（2023jyxm9）。