AIGC賦能下的兒童智能繪畫游戲設計研究

何思倩，王心睿，樊開然，杜芃，羅若琳，覃京燕

AIGC賦能下的兒童智能繪畫游戲設計研究

何思倩1a，王心睿2，樊開然1a，杜芃1a，羅若琳1a，覃京燕1b*

（1.北京科技大學 a.機械工程學院 b.智能科學與技術學院，北京 100083；2.北京理工大學 設計與藝術學院，北京 100081）

探討AIGC支持的人機智能協同創作應用于學齡前兒童（3～6歲）美術教育并培養兒童藝術創造力的潛力和方法?；趯W齡前兒童美術教育與人工智能融合的背景，通過對學齡前兒童數智化美術教育產品現狀和AIGC在兒童繪畫表達中實際應用現狀的分析，討論了AIGC應用于學齡前兒童美術教育的機會和潛力。從人機協同的特征出發，分析人機智能協同繪畫的研究案例，探討了AI與兒童的人機關系。歸納出AIGC可以通過提升能力、激發創意和協作共創三種方式賦能兒童繪畫創作，提出了基于人機智能協同的學齡前兒童繪畫游戲設計策略，即AI在兒童創作的不同階段可以作為協助者、啟發者、激勵者、共創伙伴、再創造者，并據此設計了兒童繪畫游戲Artventure。AIGC在輔助繪圖、協同創作和靈感激發上具有獨特優勢。AIGC賦能下的兒童美術教育產品不僅有助于提高兒童繪畫創作能力，更能指導“α世代”對個性化的追求和數字素養的培養，以便適應未來人機協同合作的新模式。

AIGC；學齡前兒童；美術教育；人機智能協同；游戲設計

人工智能正在加速實現從感知內容、理解內容到生成內容的躍遷，從DALL-E 2、Stable Diffusion等AI圖像生成模型，到最新的Pika、Sora等AI視頻生成模型；從最初的ChatGPT一枝獨秀到如今雨后春筍般誕生的各種大語言模型，無一不預示著人工智能生成內容（AI-generated Content，AIGC）的爆發態勢。AI圖像生成技術為輔助用戶進行繪畫藝術創作提供了極大潛力，展現出全新的人機智能協同創作模式，也啟發著未來美術創作與教育的發展方向。AIGC將推動教育領域發生深層次變革，重塑教育的形態[1]。將AIGC應用于學齡前兒童的美術教育是一個新興研究領域，有望充分發揮人機智能協同的優勢，賦能兒童繪畫創作并培養兒童創造力。

1 人工智能技術賦能下的兒童美術教育變革

1.1 人工智能技術推動傳統兒童美術教育轉型

互聯網、人工智能、物聯網、XR等新興技術的快速發展和廣泛應用，推動著各行各業進入人機協同、跨界融合、共創分享的新時代，教育行業成為了變革的主要陣地之一。學齡前兒童教育會奠定學校教育和終身教育的基礎[2]，其重要性不言而喻。其中，美術教育能培養兒童的藝術感受力、想象力、表現力和創造力，促進綜合素質的提升[3]。對于學齡前兒童，美術活動具有游戲性質[4]，可以使兒童自發地進行多維度的學習實踐[5]，享受自我表達和創造帶來的愉悅和滿足。

然而，傳統美術教育活動的互動性和趣味性存在不足，教學內容和媒介使用也較為滯后[6]，不能適應“α世代”[7]兒童的特點和需求。學齡前兒童美術教育的目的不只是單純的繪畫技能訓練，更應注重興趣培養及創造性思維的開發。學齡前兒童美術教育與人工智能的融合能夠拓寬傳統美術教育的形式，提供更多元化的媒介。豐富學齡前兒童美術教育的互動內容，通過趣味性的藝術探索過程提高兒童的積極性，并根據兒童特點做出適應性變化。拓寬傳播途徑，讓兒童快速接觸到最新資源。此外，也讓兒童接觸前沿數字技術、提升數字素養，在未來更好地融入數智時代。

1.2 學齡前兒童數智化美術教育產品現狀分析

隨著移動互聯網的發展，數智化美術教育產品的開發和設計逐漸白熱化。國內外數智化美術教育數字產品以繪畫工具、繪畫游戲和繪畫教育平臺為主。繪畫游戲以涂鴉、上色為主。例如，Draw and Tell允許兒童給圖畫的線稿涂色并選擇喜歡的背景。益智游戲則與美術內容相結合。例如，Monster Mingle讓兒童在生物世界中尋找身體部件來創造自己的怪獸。繪畫教育平臺通常包含在線學習、課程推送、作品點評等功能。然而，這些應用的大部分功能和技術開發的重合度高、缺乏亮點，偏向對繪畫技能（如線條、色彩）的鍛煉，忽視對兒童創造力的培養。一些繪畫游戲受技術限制，內容相對貧乏，預設素材有限，無法持續性地輸出高質量內容。

人工智能技術（如自然語言處理、數據挖掘、情感計算等）已越來越多地用于K12階段的多學科教育。例如，通過教學評估、情緒檢測和個性化推薦等方式促進學生的學習和發展[8–10]。然而兒童美術教育與人工智能的融合仍處于早期探索階段。國內外結合AI技術的兒童繪畫產品形式有AI課程、視頻游戲、智能玩具和機器人等?！靶⌒苊佬gAI課”采用AI結合真人教學的方式進行場景化交互，讓兒童跟隨示范練習；Bini Bambini的繪畫游戲讓兒童描摹卡通形象的輪廓線，并經AI識別后“活起來”；在美國Osmo的“冰雪奇緣”AI早教應用中，兒童可以模仿程序提供的簡筆畫在紙上繪制，由AI識別并復刻入游戲中以推動劇情；Quincy繪畫機器人可以一筆一畫地繪制形象，引導兒童進行逐筆模仿。雖然AI技術越來越多地被應用于以游戲形式為主的兒童繪畫產品，但這些產品通常引導兒童跟隨既定步驟或依照參考圖進行繪畫，尚未脫離Web 2.0時代兒童繪畫應用的范式。

1.3 AIGC在兒童繪畫教育中的應用機會與價值

近年來，以AI生成圖片為代表的人工智能生成內容（AI-generated Content，AIGC）正在顛覆現有內容生產模式[11]，其展開了人與AI共創的未來畫卷。AIGC是繼傳統的專業生成內容（PGC）與用戶生成內容（UGC）模式之后，以大數據為支撐、通過算法模型驅動生成內容的新興生產方式[11]，在協助數字內容創作方面已經嶄露頭角，目前已被應用于生成文字、圖片、音視頻等人類獨有的創作領域。AI繪畫是AIGC的重要分支：神經風格遷移（NST）技術可以將某一圖片的藝術風格混合到另一圖片上；Sketch-RNN[12]是一個遞歸神經網絡，可以用類似人的方式繪制常見物體的形態；基于生成對抗網絡的GauGAN[13]僅憑用戶隨意畫的線條和色塊，就能實時生成逼真的景觀圖；Stable Diffusion、MidJourney、DALL-E 2等則可以通過文字描述生成圖片。AIGC使人的精力從技能層面更多地轉移到思維層面，也帶來了人機交互的創新變革，為人和AI共同繪畫創作開辟了先河。

盡管AIGC在繪畫領域取得了許多進展，但在學齡前兒童美術教育中的應用尚未被充分挖掘。當前有少數嘗試在兒童繪畫表達過程中引入AIGC的案例。阿派朗創造力樂園使用AI圖像生成技術對兒童繪畫作品進行了精細化表達和探索（如圖1所示）。AI藝術家Pindar Van Arman展示了AI機器人模仿一名兒童的筆觸風格來重塑兒童照片的過程，證實了AI圖像生成技術集成到兒童繪畫游戲中的可行性。

圖1 阿派朗創造力樂園AI課程案例

基于AIGC模式的“人-AI”共創系統能夠在兒童繪畫過程中發起良性交互循環，使兒童創作時脫離傳統規則和邏輯限制，不受公認表達習慣的束縛，避免兒童形成認知慣性，培養其創造性思維，推動創作內容向更具創意的方向發展。在AI與兒童的共創過程中，AIGC技術如何支持兒童繪畫中的具體環節、AI如何主動激發兒童的藝術想象力和創造力、AI如何潛移默化地影響兒童的藝術審美，以及AI與兒童的人機關系等問題亟待探討。

2 AIGC賦能學齡前兒童繪畫創作的三種模式

早在2005年，Lubart[14]就提出計算機可以充當保姆、教練、筆友和同事來增強人的創造力。隨著人機交互相關研究的推進，計算機和人共同創作作品的過程被定義為人機協同創作（Human-Computer Co-Creativity）[15]，要求計算機響應人的輸入并做出創意貢獻，與人的貢獻相互影響。這初步闡釋了 AI與人的交互關系從工具性向協作性的轉變。研究表明，AI的主動交互可以培養人的創造力[16-17]——AI通過主動交互提供隨機刺激和認知支持，顯著影響創作結果。當人與AI的協作達到更深刻的水平時，將形成一種“人機組隊”式[18]合作。人機智能協同（Human-AI Collaboration）就是在AI驅動下誕生的一種伙伴式的人機關系[19]。基于上述人機智能協同關系，筆者將AIGC賦能學齡前兒童繪畫創作的模式分為如表1所示的三種類型。

2.1 AIGC提升兒童的能力——運用圖像生成算法協助人類繪圖

AIGC最初的誕生就是為了彌補人類在身體和大腦層面的能力缺陷，輔助人類進行創作。經過海量繪畫素材的學習和模型算法的打磨后，AIGC能夠以優于人類的制造能力和認知水平承擔信息挖掘、素材調用、復刻編輯等基礎性勞動，同時還能為更具想象力的內容、更加多樣化的傳播方式提供支持[11]。AIGC拓展了人類的體力和腦力，人類也可以繼續對AI進行訓練，使之獲得與人相似的行為和認知，創作符合需求的繪畫作品。在AI圖像生成技術的加持下，AIGC產品具備了指定功能來滿足人的指定需求，便也具備了工具屬性。

表1 AIGC賦能學齡前兒童繪畫創作的三種模式

Tab.1 Three patterns of AIGC empowering preschoolers to create paintings

學齡前兒童通?？梢允褂猛盔f表達創意想法，但缺乏繪畫技巧。AI能識別繪畫內容并對繪畫知識及實踐進行引導，減輕兒童繪畫過程中任務處理的難度，提升兒童繪畫的自信心。Chen等[20]開發的AI訓練模塊（如圖2所示）能夠為兒童提供建議配色的信息和色比，從而鍛煉色彩感知運用能力；Ali等[21]設計的涂鴉轉換模塊可將兒童的初始涂鴉轉換成有意義的、相對完整的目標涂鴉。AI能模仿兒童繪畫風格并對繪畫內容進行重塑，體現了AIGC在幫助兒童理解藝術風格和審美表現上的優勢。阿派朗創造力樂園就通過AI生成圖像為兒童畫作拓展創意細節，也會根據繪畫內容生成不同方向的探索圖像。AI還能將學習材料和兒童畫作建立思維上的關聯，對當下創作的內涵進行延展。ArtMatch能識別兒童畫作并顯示與之最相似的名畫，讓兒童間接瀏覽全世界不同風格的優秀作品及藝術家，潛移默化地培養藝術審美和對藝術的熱情[22]。

圖2 AI顏色訓練模塊[20]

2.2 AIGC激發兒童的創意——運用圖像生成算法提供認知刺激

AIGC發展的重要趨勢是擁有一定程度的認知和交互能力[23]，AI在與人的協作中能夠扮演提供外部刺激的角色，觸發人的橫向思維并影響創作想法和成果。在創作時，人可能在某個有限的想法上持續僵化，此時外部刺激可以使人重新構想問題并找出新的方向。AIGC激發人的創意是指由AI向人發起交互行為，通過引入外來元素給人帶來認知刺激，促使人打破慣性思維方式并尋求新的思路。AI可以通過各種方式介入并影響人的繪畫，例如發出提示、貢獻新的繪畫等。在這樣的人機關系中，AI不僅是一個工具，還可以對人進行啟發和激勵。

AIGC激發創意的協作形式可分為：無目的；有目的。無目的協作不以任務為導向，旨在鼓勵人參與創作，較少關注系統生成的準確性。Davis等[24]設計的Drawing Apprentice系統旨在激發人的新想法，提供愉快的創意體驗。AI能夠學習和識別用戶草圖中的語義信息，繪出與用戶所畫對象相同或互補類型的草圖。該系統以一種刺激認知的娛樂化方式激發了人的創造力，并有助于以頭腦風暴的方式幫助設計師進行構思。有目的協作則關注因AI的反饋使人思考創作的不同角度而產生的創意，系統生成的準確性更為重要。Karimi等[25]設計的Creative Sketching Partner（如圖3所示）就是幫助設計師在草圖階段發散創意的目的性協作系統。它可以生成與用戶草圖有一定關聯性的新草圖，用戶可以從中獲取靈感來修改設計。與Drawing Apprentice不同的是，用戶可以調整視覺和概念相似度的大小值，使生成內容的相關性對應不同構思階段中激發創意的角度。研究同樣證明，該系統加快了想法的誕生并有助于克服思維固化問題。運用類似的方式，可以使兒童與AI的即興構建過程超越兒童單獨完成創作時的思維能力，從而激發兒童的創作靈感。

2.3 AIGC促進兒童與智能系統共創：運用圖像生成算法主動參與創作

人機協作的更進一步，是AI成為與人類平等的合作伙伴。人類擁有獨一無二的思想能力，能夠在現實與思維的交織中創作出富有特色與靈魂的作品，但在創作效率和認知記憶方面存在弱勢。而AI建立于對現有風格和技巧大量學習的基礎上，其靈感源源不竭，且不受人類思維的束縛，但在內容原創和情感表現上的發揮有限，偏向風格的組合與模仿[26]，創作上限也受算法模型的限制，暫時無法完美地傳達情緒、象征等思維含義[27]。AI激發人的創意思維，而人又促進AI的學習過程，互相織補彼此貢獻的內容，其合作優勢就能夠被極大地增強。

兒童與AI之間形成積極的雙向互動不僅可以促進兒童的創作參與度，也激發了兒童的想象力。在協同創作系統StoryDrawer[28]（如圖4所示）中，兒童向AI講述故事情節，AI便將兒童的講述實時地轉化為簡筆畫，或生成與已有故事語義相似的圖畫，逐步帶領兒童創作出完整的故事情節。AI的介入不僅能降低兒童在視覺敘事中多任務處理的難度，更能在創作時幫助兒童建立大膽的聯想并產生創造性想法。AI對兒童創作的支持和引導使AI與兒童之間形成了和諧融洽的雙向氛圍，構建了引人入勝的創意體驗，激發了兒童的創作靈感。

圖3 創意發散協作系統：創意草圖搭檔[25]

圖4 兒童繪畫游戲：故事盒子[28]

3 基于人機智能協同創作的兒童繪畫游戲設計探究

3.1 基于人機智能協同創作的學齡前兒童繪畫游戲設計策略

根據前文的梳理和分析，可以總結出一套基于人機智能協同創作的學齡前兒童（3～6歲）繪畫游戲設計策略（如圖5所示），用以指導設計實踐。

3.1.1 AI作為協助者——提升兒童繪畫自信

根據兒童繪畫發展階段性理論：3歲前的兒童畫處于無造型的“動作表征”階段或“前表征”階段；3～4歲進入“圖形表征”階段，開始有意識地利用圖案表達自我[29]。但學齡前兒童尚不能畫出圖案細節，也未形成寫實、透視、風格等概念。AI可以扮演兒童繪畫的協助者，利用生成算法為畫面補充細節、轉換風格或拓展內容，減輕繪畫難度，從而提升兒童的自信心。

3.1.2 AI作為啟發者——激發兒童創造性思維

學齡前是培養創造性思維的黃金時期[30]，老師或家長經常作為啟發者來引導兒童的創作。但這一過程可能存在成人思維中的“像不像”“對不對”等單一評價方式，不利于兒童創造性思維的培養。AI可以扮演啟發者的角色，提供遠多于人腦的海量創意，為兒童帶來隨機性的認知刺激，觸發其創造性思維。在具體方法上，AI可以識別兒童的繪畫內容，通過多模態交互提供下一步繪畫的靈感與引導；也可以為畫面補充相關內容，或生成可直接使用的關聯性素材等，從而培養聯想能力并激發后續靈感。

圖5 人機智能協同創作模式的學齡前兒童繪畫游戲設計策略

3.1.3 AI作為激勵者——為兒童提供正向鼓勵

正向的鼓勵可以提升兒童的創作欲望。AI可以扮演激勵者的角色，通過文字、畫面等為兒童提供正向反饋。其中，話語文本應結合兒童的繪畫內容生成，如“你畫的太陽很鮮艷”，而并非只是“你真棒”等模式化夸贊，在評價方式中應避免出現“像”或“不像”等詞匯。此外，還可以使用“不如試試……”等開放性句式來開拓兒童的思路。

3.1.4 AI作為共創伙伴——交替共創互相啟發

AI可以扮演虛擬共創伙伴，與兒童共同繪制作品。一方面，AI的繪畫行為是對兒童繪畫的反饋，以拓寬兒童下一步繪畫的思路；另一方面，兒童則在AI的改動之上繼續創作，反過來為AI提供創作素材。兒童與AI共創的過程中，人工智能的開放性創意與兒童智慧的獨特思維方式融合在一起，二者相互啟發。而對于兒童，與AI一起繪畫就如同與真實世界中的伙伴玩樂，能夠順利進入心流狀態。此外，在設計虛擬形象時可以賦予AI多種“性格”，對應不同風格的繪畫行為，增強擬人感。

3.1.5 AI作為再創造者——對兒童畫作進行衍生創作

AI可以扮演再創造者的角色，對兒童完成后的畫作進行衍生創作。衍生創作的內容要為作品帶來新的趣味性或交互性。例如，為兒童畫好的卡通角色綁定骨骼，使其“活起來”；記錄繪畫過程，將其編譯為故事性動畫等。這種完成作品后的正向獎勵反饋，可以提升兒童完成作品的目標感與期待感，減少兒童因注意力分散而中途放棄創作的情況。

3.2 基于人機智能共創的學齡前兒童繪畫游戲設計實踐

根據前述設計策略，筆者進行了一項面向學齡前兒童（3～6歲）的繪畫游戲設計與開發。Artventure是一款培養學齡前兒童藝術創造力的嚴肅游戲（如圖6所示）。兒童將在游戲中扮演“神筆馬良”，通過繪畫對游戲世界造成影響，每個關卡以一個畫派為主題，包含不同的故事情節。為了使兒童的創造力在構建虛擬世界和物體的過程中得到提高[31]，筆者構建了基于人機智能協同的涌現式創作流程（如圖7所示），筆者設置了一名由AI扮演的NPC伙伴與兒童共同進行交替創作。兒童的繪畫作為輸入可以改變故事的走向，AI伙伴識別繪畫內容并隨機生成故事文本和畫面來推動情節發展，同時輔以語音講述，通過延伸故事情節和畫面帶給兒童沉浸感并激發兒童的創作思路和意圖。兒童也可以通過語音與AI伙伴對話，一起討論靈感或決定故事走向。

此外，兒童還可以利用“魔法畫筆”畫出各種草圖，經AI識別后生成對應形狀的素材（例如：兒童畫出曲線，AI可能生成蛇、繩索等）。素材的風格與關卡的畫派主題風格一致，可以起到風格科普的效果。兒童可以使用素材作為創作的一部分，這簡化了繪畫流程，讓兒童將更多精力放在創意表達上。AI生成素材的隨機性也可以隨時為兒童帶來新的靈感，幫助兒童打破慣性思維并充分發揮想象力。

4 基于人機智能協同創作的兒童繪畫游戲設計實驗驗證

由于學齡前兒童思維較為跳躍，語言表達能力正處于發展階段，很難通過填寫問卷或訪談的方式得出直觀結論。此外，創造力的評價通常是主觀的和感性的，兒童的創意表達更加難以被成人的評價所量化。因此，本文參考Lee等[32]培養兒童創造力的研究過程及利用解釋性現象學[33]的評價方法開展了一項基于實踐過程的設計驗證，希望通過觀察和分析兒童在使用繪畫游戲時的語言、行為和繪畫表現來驗證Artventure的效果。

4.1 實驗設計

本次研究共邀請10名兒童，其中2名兒童由于時間原因中途放棄實驗，最終共8名兒童（男4名，女4名，平均年齡5歲）作為正式的被試，同時獲得了家長的知情同意，每位兒童耗時30 min。實驗開始前，研究者先與兒童進行接觸和熟悉，鼓勵兒童保持放松并在過程中盡可能多地表達任何想法。兒童使用Artventure經歷了兩個有目標的任務。第一次實驗選用蒙德里安派風格的關卡，給出“氣球”圖片并引入故事情景：“是誰的氣球找不到了？氣球的主人一定很傷心吧，你能幫助這些氣球找到主人嗎？”兒童需要繪制簡筆畫以完成系統設置的任務目標。AI根據兒童的繪畫內容進行多輪開放式語音和繪畫互動。第二次實驗選用超現實主義關卡，系統給出一張“蘋果”圖片，兒童需要進行自由聯想創作，與實驗一的區別在于系統不會設置固定劇情任務，研究員根據時間或完成度主動結束。

兩個步驟的實驗時間均為15 min，同時所有兒童被安排在同一間辦公室中以體驗游戲，使用相同的12.5英寸（1英寸=2.54 cm）iPad設備和第二代Apple Pencil進行繪畫，所有被試均為右利手。筆者使用了綠野仙蹤（Wizard of OZ）[34]的方法來模擬AI系統與兒童的交互，由研究者來扮演AI與兒童進行啟發對話，圖像部分則為真實的AI生成內容。系統會鼓勵兒童親自畫出所想，但由于兒童事前并不知道AI繪畫會影響故事情節，研究者提示兒童可以通過語音拒絕接受該情節或提出其他故事走向。

數據收集包括：拍攝手部繪畫的視頻錄像、AI與兒童對話的語音轉錄（經過同意），以及軟件中的繪畫過程。所有被試的基本特征與研究信息均在表2中顯示。本文選擇了最具代表性的3位被試的錄像和錄音片段進行討論，并參照兒童創造性思維（ACCT）框架[35]對兒童創造力的表現進行判斷。本實驗嘗試回答以下3個問題。

1）兒童在使用Artventure作畫時語言上是否表現出創造性思維方式？

2）兒童在使用Artventure時在行為上是否表現出創造性思維方式？

3）兒童在使用Artventure作畫時的繪畫內容是否表現出創造性思維方式？

4.2 分析與討論

兒童會認真思考并完成系統為畫作延伸出的劇情任務，依托AI生成的情節與素材構建自己的世界。研究員明顯觀察到兒童存在自我堅持與反思的過程，同時他們尊重自己腦海中的想法。例如，P3的語言特征表現出自我效能感，即對自己想法的自覺意識，以及享受這項游戲[35]。當研究員提問：“氣球的主人是坦克的主人嗎”，他會反駁：“不，是這個坦克上的”。而當研究員再次提問：“現在這個坦克是不是能空中作戰了”，他在一陣停頓后會開心地補充道：“那氣球也需要裝一些炮彈”。兒童在實驗過程中充分發揮主觀能動性，沒有對AI生成的內容產生依賴。兒童不會完全按照AI提供的靈感去畫，反而因為受到啟發而延伸出新的內容，這也是筆者期待的。P1的性格靦腆，其行為特征反映出她能夠利用已有知識表現出靈活性，并在困難面前表現出適應力[35]。當研究員提問：“這輛蘋果車要開向哪里”，她略微思考后畫出一條小河，研究員啟發道：“現在蘋果車想要渡河需要一座橋嗎”，她便在蘋果車上畫上了一對翅膀（如圖8所示）。在這個過程中AI反而可能受到兒童的啟發，共同創作出令人驚喜的作品。

意料之外的是，AI和兒童互動的流暢程度非常受兒童本身性格的影響（如表2所示）。較為開朗的兒童會表現得更加喜歡這個游戲，因為他們會與AI保持充足的互動交流，并且持續獲得正反饋。例如，當較為活潑的P3被問到“畫在坦克上的是履帶嗎”，他清晰地回答“是的”，甚至會主動分享提議“這里要有一個方向盤”（邊說邊畫），這是自我衡量并做出決定的表現[35]。但性格完全相反的P1和P2則幾乎全程沉默。較為內向的兒童與AI溝通時更加沉默寡言，但這并不代表AI不能激發他們的創造力。因為從結果來看，兒童雖然會沉默，但其仍然認真對待AI發起的對話與生成內容并從中受到啟發。例如，當研究員對P2說：“一支箭要把氣球射下來了，你要怎么保護它”，他默不作聲地畫了一只小狗，研究員不解并發出問詢，他表示希望小狗能把氣球牽走。雖然與研究員互動的連續性和流暢性受挫，但兒童仍然表現出面對困難時的適應力與思維的獨創性[35]。

值得一提的是，非?；顫姷膬和c非常內向的兒童都會讓系統無法激發足夠精彩的共創（即生成的素材和故事影響了兒童的發揮），因為游戲系統的響應速度和靈活性較低，以及筆者設置的交互通道和方式較為單一，使AI與兒童的溝通產生壁障。例如：P1內向害羞，研究員發起的對話很像出演“獨角戲”；P2則缺乏耐心，不愿在一項任務中花費較長時間；P3表達欲旺盛，研究員來不及跟上他的繪畫和敘述過程。由此可得，不同性格的兒童適合不同的鼓勵辦法。此外，當家長介入并在游戲過程中與兒童發生交流，兒童會更愿意分享自己的想法。例如，研究員對P1說：“現在很開心，你想去公園做什么”，她的母親在旁提醒：“想去散步嗎？或者找朋友玩”，她表現出了喜悅感，母親繼續引導：“你拿著氣球去公園，想象到了什么呀，隨便畫”，她隨即畫出了一棵樹。兒童或許會在父母的陪同下更順利地完成理解和表達的過程，同時保持較高的游戲興致，從而更充分地發揮AIGC優勢。

在實驗結束后，筆者也詢問了家長關于這款游戲的態度，發現這與家長的美術素養及日常對兒童美育的重視程度有關（如表2所示）。通常不具備美術素養及沒有關注過兒童美育領域的家長會更贊同游戲中AI與兒童共創模式的價值。例如，P3的家長表示家庭中缺少美育氛圍，作為父母也缺乏對孩子藝術教育的關注，因此認為該游戲的存在可以很好地彌補兒童美育的缺失，并且認為實驗中AI激發出了兒童日常中沒有的創作狀態。

表2 被試的實驗概況

Tab.2 Overview of experimental participants

圖8 兒童被試實驗作品

總之，AIGC能夠以共創者身份為培養兒童的創造力提供充足的支持，未來需要考慮不同性格、不同愛好的兒童對這款產品的細分需求，嘗試讓AI面對不同性格的兒童時有不同的互動形式和內容。還可以深入探究家長在兒童與AI的互動過程中可以起到的輔助作用。兒童獨特的思維方式是當前AIGC工具所缺少的，AI生成的內容受其訓練數據的影響會更加偏向成人思維。因此，專為兒童教育訓練的大模型是未來值得探索的方向。

5 結語

AIGC賦能下的兒童美術教育產品不僅有利于培養兒童的藝術創造力，還有助于提升“α世代”的數字智商（Digital Quotient），以適應智能時代人機協同創作的新常態。AI超越常規思維模式的整合創造能力將塑造數字內容生產的人機協作新范式，讓更多創作者得以跨越“技法”和“效能”限制，從而推動人類整體創造力的提升。Web 3.0和元宇宙時代的到來使數字內容需求不斷增加，未來數字內容生產將依賴AIGC和“人-AI”的協同工作。今天的設計師應重新構建人和AI的交互關系，以實現人機協同創作價值的最大化。本文通過探討AI與兒童的人機關系，歸納出AIGC賦能兒童繪畫創作的三種方式，據此提出了指向創造性思維培養的兒童繪畫游戲設計策略并進行設計實踐應用，為邁向Web 3.0和元宇宙時代的兒童美術教育提供了新的思路。值得一提的是，AIGC主要以西方繪畫體系的視覺思維模式和元素為基礎，這意味著在訓練AIGC模型時，所采用的數據集或樣本主要來源于西方繪畫作品、藝術風格和視覺元素。未來AIGC大模型的訓練應考慮拓展其數據集和樣本，引入更多來自中國傳統繪畫和其他文化背景下的藝術元素，以豐富和多樣化生成的藝術內容。通過引入不同文化的視覺元素，也能夠促進跨文化交流和理解，使AIGC生成的藝術作品更具有包容性和多樣性。

[1] 梁迎麗, 劉陳. 人工智能教育應用的現狀分析、典型特征與發展趨勢[J]. 中國電化教育, 2018(3): 24-30. LIANG Y L, LIU C. Current Situation Analysis, Typical Characteristics and Development Trends of Artificial Intelligence Applications in Education[J]. China Educational Technology, 2018(3): 24-30.

[2] 中華人民共和國教育部. 關于印發《兒童園教育指導綱要（試行）》的通知[EB/OL]. (2001-07-02) [2023- 02-10]. http://www.moe.gov.cn/srcsite/A06/s3327/200107/ t20010702_81984.html. Ministry of Education of the People's Republic of China. Notice on the Issuance of the Guidance Program for Children's Garden Education (for Trial Implementation)[EB/OL]. (2001-07-02)[2023-02-10]. http://www. moe.gov.cn/srcsite/A06/s3327/200107/t20010702_81984.html

[3] 艾瑞咨詢. 素質教育三十年行業新創變中國素質教育行業發展趨勢洞察報告2021年[EBOL]. (2021-06-16) [2023-07-11]. https://m.thepaper.cn/baijiahao_13159121.IResearch. China Quality Education Industry Trend Insight Report 2021[EBOL]. (2021-06-16)[2023-07-11]. https://m.thepaper.cn/baijiahao_13159121.

[4] 車藝. 試論幼兒園美術活動的游戲化[J]. 學前教育研究, 2001(2): 30-32. CHE Y. Experimental Playfulness of Kindergarten Art Activities[J]. Early Childhood Education, 2001(2): 30-32.

[5] 王小英. 學前兒童的游戲與學習: 內在的連結性[J]. 學前教育研究, 2013(7): 3-7. WANG X Y. Preschoolers' Play and Learning: Intrinsic Connectivity[J]. Early Childhood Education, 2013(7): 3-7.

[6] 姚秀香. 基于人工智能對小學美術教育發展的思考[J]. 文理導航(下旬), 2021, 426(10): 13. YAO X X. Reflections on the Development of Art Education in Elementary Schools Based on Artificial Intelligence[J]. Journal of Navigating the Arts and Sciences (late), 2021, 426(10): 13.

[7] 南婷, 田原. α世代拉開時代新序幕[J]. 網絡傳播, 2020(4): 46-49. NAN T, TIAN Y. Generation Alpha Kicks off a New Era[J]. Journal of Web Communication, 2020(4): 46-49.

[8] Su J, Yang W. Artificial Intelligence in Early Childhood Education: A Scoping Review[J]. Computers and Education: Artificial Intelligence, 2022, 3: 100049.

[9] Chen X, Xie H, Zou D, et al. Application and Theory Gaps During the Rise of Artificial Intelligence in Education[J]. Computers and Education: Artificial Intelligence, 2020, 1: 100002.

[10] Chen X, Zou D, Xie H, et al. Two Decades of Artificial Intelligence in Education[J]. Educational Technology & Society, 2022, 25(1): 28-47.

[11] 中國信息通信研究院, 京東探索研究院. 人工智能生成內容（AIGC）白皮書[EB/OL]. (2022-12-01) [2023- 06-01]. https://baijiahao.baidu.com/s?id=1751004628-926601886&wfr=spider&for=pc. China Academy of Information and Communications Technology, JD Explore Academy. Artificial Intelligence Generated Content (AIGC) White Paper[EB/OL]. (2022-12-01)[2023-06-01]. https://baijiahao.baidu.com/s? id=1751004628926601886&wfr=spider&for=pc.

[12] Ha D, Eck D. A Neural Representation of Sketch Drawings[C]// Proceedings of the International Conference on Learning Representations. New York: IEEE, 2018.

[13] Park T, Liu M Y, Wang T C, et al. Semantic Image Synthesis with Spatially-adaptive Normalization[C]// Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Long Beach: IEEE, 2019: 2337-2346.

[14] Lubart T. How can Computers be Partners in the Creative Process: Classification and Commentary on the Special Issue[J]. International Journal of Human- Computer Studies, 2005, 63(4-5): 365-369.

[15] Davis N. Human-computer Co-creativity: Blending Human and Computational Creativity[C]// Proceedings of the AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment. Berlin: AAAI, 2013: 9-12.

[16] Liao J, Hansen P, Chai C. A Framework of Artificial Intelligence Augmented Design Support[J]. Human–computer Interaction, 2020, 35(5-6): 511-544.

[17] Liapis A, Yannakakis G N, Alexopoulos C, et al. Can Computers Foster Human Users' Creativity? Theory and Praxis of Mixed-initiative Co-creativity[J]. Digital Culture & Education, 2016, 8(2): 136–153.

[18] 許為, 葛列眾, 高在峰. 人-AI交互: 實現“以人為中心AI”理念的跨學科新領域[J]. 智能系統學報, 2021, 16(4): 605-621. XU W, GE L Z, GAO Z F. Human-AI Interaction: An Emerging Interdisciplinary Domain for Enabling Human-centered AI[J]. CAAI Transactions on Intelligent Systems, 2021, 16(4): 605–621.

[19] 孫效華, 張義文, 秦覺曉, 等. 人機智能協同研究綜述[J]. 包裝工程, 2020, 41(18): 1-11. SUN X H, ZHANG Y W, QIN J X, et al. Review on Human-intelligent System Collaboration[J]. Packaging Engineering, 2020, 41(18): 1-11.

[20] Chen S Y, Lin P H, Chien W C. Children's Digital Art Ability Training System Based on AI-assisted Learning: A Case Study of Drawing Color Perception[J]. Frontiers in Psychology, 2022, 13: 823078.

[21] Ali S, Park H W, Breazeal C. A Social Robot's Influence on Children's Figural Creativity During Gameplay[J]. International Journal of Child-computer Interaction, 2021, 28: 100234.

[22] Cheng R Z. ArtMatch: Classifying Famous Paintings and Matching Them with Children's Artwork[C]// Proceedings of the 2020 International Conference on Computational Science and Computational Intelligence (CSCI). Las Vegas: IEEE, 2020: 1487-1490.

[23] 李白楊, 白云, 詹希旎, 等. 人工智能生成內容(AIGC)的技術特征與形態演進[J]. 圖書情報知識, 2023, 40(1): 1-9. LI B Y, BAI Y, ZHAN X N, et al. The Technical Features and Aromorphosis of Artificial Intelligence Generated Content（AIGC）[J]. Documentation, Information & Knowledge, 2023, 40(1): 66-74.

[24] Davis N, Hsiao C P, Singh K Y, et al. Co-creative Drawing Agent with Object Recognition[C]// Proceedings of the Twelfth AAAI Conference on Artificial Intelligence and Interactive Digital Entertainment. Burlingame: AAAI Press, 2016: 9-15.

[25] Karimi P, Rezwana J, Siddiqui S, et al. Creative Sketching Partner: An Analysis of Human-AI Co-creativity[C]// Proceedings of the 25th International Conference on Intelligent User Interfaces. Cagliari: ACM, 2020: 221-230.

[26] 馬依然. 藝術創作領域中人工智能的應用探討[J]. 傳媒論壇, 2021, 4(6): 125-126. MA Y R. Exploring the Application of Artificial Intelligence in the Field of Artistic Creation[J]. Media Forum, 2021, 4(6): 125-126.

[27] 周宏偉. 藝術設計與人工智能的關系研究[J]. 藝術與設計(理論), 2019(增刊1): 26-27. ZHOU H W. Research on the Relationship between Art Design and Artificial Intelligence[J]. Art and Design, 2019(Sup.1): 26-27.

[28] Zhang C, Yao C, Wu J, et al. StoryDrawer: A Child–AI Collaborative Drawing System to Support Children's Creative Visual Storytelling[C]// Proceedings of the CHI Conference on Human Factors in Computing Systems. New Orleans: ACM, 2022: 1-15.

[29] 蔣希娜, 黃心淵, 蔣瑩瑩. 指向圖形表征能力培養的兒童繪畫游戲設計研究[J]. 電化教育研究, 2017, 38(8): 83-88. JIANG X N, HUANG X Y, JIANG Y Y. A Study on the Design of Children's Drawing Games Pointing to the Development of Graphic Representational Skills[J]. E-education Research, 2017, 38(8): 83-88.

[30] Alfonso-Benlliure V, Meléndez J C, García- Ballesteros M. Evaluation of a Creativity Intervention Program for Preschoolers[J]. Thinking Skills and Creativity, 2013, 10: 112-120.

[31] Marsh J, Plowman L, Yamada-Rice D, et al. Play and Creativity in Young Children's Use of Apps: British Journal of Educational Technology[J]. British Journal of Educational Technology, 2018, 49(5): 870-882.

[32] LEE W Y, WRIGHT S. Interlocutor–child Interactions: Supporting Children's Creativity in Graphic-narrative- embodied Play[J]. Australasian Journal of Early Childhood, 2017, 42(3): 73-81.

[33] SMITH J A,FLOWERS F P, LARKIN M. Interpretative Phenomenological Analysis: Theory, Method and Research[M]. London: Sage Publications, 2009.

[34] KELLEY J F. An Empirical Methodology for Writing User-friendly Natural Language Computer Applications[C]// Proceedings of ACM SIG-CHI '83 Human Factors in Computing Systems. New York: ACM, 1983: 193-196.

[35] ROBSON S. The Analysing Children's Creative Thinking Framework: Development of An Observation‐led Approach to Identifying and Analysing Young Children's Creative Thinking[J]. British Educational Research Journal, 2014, 40(1): 121-134.

Design of Children's Intelligent Drawing Games Empowered by AIGC

HE Siqian1a, WANG Xinrui2, FAN Kairan1a, DU Peng1a, LUO Ruolin1a, QIN Jingyan1b*

(1. a. School of Mechanical Engineering b. School of Intelligence Science and Technology, University of Science and Technology Beijing, Beijing 100083, China; 2.School of Design and Art, Beijing Institute of Technology, Beijing 100081, China)

The work aims to explore the potential and ways to apply AIGC-supported human-AI co-creation to art education for preschoolers (ages 3-6) and foster children's artistic creativity. Based on the background of the integration of preschoolers's art education and AI, the opportunities and potential of AIGC application to art education for preschoolers were discussed through the analysis of the current situation of digital-intelligent art education products for preschoolers and the current situation of AIGC's practical application in children's painting expression. Starting from the characteristics of human-computer collaboration, the research case of drawing by human-AI collaboration was analyzed, and the human-computer relationship between AI and children was discussed. It was concluded that AIGC could empower children's drawing creation in three ways, namely, enhancing ability, inspiring creativity and collaborative co-creation. The design strategies of preschoolers's drawing game based on human-computer intelligence collaboration was proposed, i.e., AI could act as a facilitator, inspirer, motivator, co-creation partner, and re-creator at different stages of children's creativity, and a children's drawing game called Artventure was designed accordingly. AIGC has unique advantages in assisted drawing, collaborative creation and inspiration. AIGC-empowered children's art education products not only help to improve children's drawing ability, but also point to the pursuit of personalization and the cultivation of digital literacy of the "α-generation", so as to adapt to the new mode of human-computer collaboration in the future.

AIGC; preschoolers; art education; human-AI collaboration; game design

TB472

A

1001-3563(2024)08-0056-11

10.19554/j.cnki.1001-3563.2024.08.007

2023-11-12

2020北京市社科基金項目（20YTC024）

通信作者