Ujawnianie przyjmowania AIGC przez studentów projektowania: zintegrowany model

Dlaczego ma to znaczenie dla przyszłych projektantów

Studenci kierunków projektowych na uczelniach uczą się dziś w pracowniach, w których sztuczna inteligencja potrafi w kilka sekund naszkicować, napisać tekst czy wygenerować obraz. Badanie to analizuje, jak ci studenci decydują, czy faktycznie używać narzędzi do generowania treści przez AI (AIGC) podczas codziennej nauki projektowania. Zrozumienie ich reakcji — co ich ekscytuje, czego się obawiają i co skłania ich do dzielenia się tymi narzędziami z innymi — pomaga wykładowcom kształtować kursy, które chronią kreatywność, jednocześnie wykorzystując potencjał nowych technologii.

Nowe narzędzia w pracowni projektowej

Autorzy skupiają się na chińskich studentach kierunków projektowych, dla których kreatywność wizualna, iteracja i eksperyment są kluczowe. Systemy AIGC mogą szybko wygenerować alternatywne układy, pomysły produktowe lub koncepcje wizualne, co może przyspieszyć wczesne etapy projektowania i dać studentom więcej przestrzeni do dopracowywania pomysłów. Jednocześnie te systemy rodzą obawy o oryginalność, autorstwo, uprzedzenia i nadmierne poleganie na maszynach. Wcześniejsze badania często analizowały AIGC w ogólnej edukacji lub z czysto technicznej perspektywy; ten artykuł skupia się na tym, jak sami studenci projektowania myślą, czują i działają, gdy takie narzędzia są włączane do ich nauki.

Trzy etapy reakcji studentów

Aby rozłożyć te reakcje, badacze łączą dwie ugruntowane koncepcje ze studiów nad technologią. Jedna opisuje, jak nowe narzędzia rozprzestrzeniają się w społeczności, a druga wyjaśnia, jak ludzie oceniają wysiłek, korzyści i emocje przy pierwszym kontakcie z urządzeniem. Razem te teorie tworzą trzyetapową ścieżkę. W pierwszym etapie, nazwanym obawą technologiczną, studenci oceniają, czy AIGC wydaje się lepsze od starszych metod, pasuje do ich obecnego sposobu pracy lub wydaje się mylące i trudne w użyciu. W drugim etapie, akceptacji emocjonalnej, formułują oczekiwania dotyczące tego, jak bardzo AIGC rzeczywiście poprawi ich wyniki i ile wysiłku zajmie oswojenie się z nim. W końcowym etapie, transformacji behawioralnej, siły społeczne i osobista gotowość do eksperymentowania kształtują, czy studenci będą kontynuować korzystanie z tych narzędzi i polecać je innym.

Co ujawniła ankieta

Zespół przebadał 385 studentów projektowania z różnych specjalizacji, zadając szczegółowe pytania dotyczące tych trzech etapów. Następnie zastosowano modelowanie równań strukturalnych, technikę statystyczną testującą powiązania między czynnikami. Okazało się, że gdy studenci dostrzegają wyraźne zalety AIGC — takie jak szybsze generowanie pomysłów czy bogatsze opcje wizualne — i uważają, że narzędzia te dobrze integrują się z używanym oprogramowaniem i przepływem pracy, oczekują lepszych rezultatów i wierzą, że nauka obsługi nie będzie zbyt wymagająca. Natomiast gdy AIGC wydaje się skomplikowane lub stale się zmienia, studenci obniżają oczekiwania co do zarówno wydajności, jak i łatwości użytkowania. Innymi słowy — postrzegane korzyści i dopasowanie przyciągają studentów do adopcji, podczas gdy postrzegana złożoność ich od niej odpycha.

Uczucia, znajomi i wcześni użytkownicy

Jednym z najbardziej uderzających wyników jest to, że samo oczekiwanie lepszej wydajności nie było silnym predyktorem tego, czy studenci faktycznie zaczęli używać i upowszechniać narzędzia. Zamiast tego mocniejszym czynnikiem była wiara, że AIGC nie będzie wymagać nadmiernego wysiłku — poczucie, że opanowanie narzędzia jest wykonalne i wartościowe. Otoczenie społeczne również odgrywało istotną rolę: gdy nauczyciele i koledzy używali lub zachęcali do stosowania AIGC, studenci częściej kontynuowali jego użycie i wprowadzali je innym. Studenci o naturalnej skłonności do innowacji, którzy lubią wcześnie wypróbowywać nowe metody, szczególnie często stawali się aktywnymi użytkownikami i nieformalnymi ambasadorami narzędzi AIGC w sieciach rówieśniczych.

Co to oznacza dla nauczania projektowania z AI

Badanie konkluduje, że skuteczne wykorzystanie AIGC w edukacji projektowej zależy mniej od efektownych obietnic poprawy wyników, a bardziej od codziennych doświadczeń: narzędzia muszą być proste do opanowania, zgodne z istniejącymi praktykami pracowni i wspierane przez pozytywne środowisko społeczne. Złożoność może wywoływać frustrację i lęk, tłumiąc potencjalne korzyści. Dla wykładowców i decydentów oznacza to konieczność skupienia się na jasnych instrukcjach, etapowym wprowadzaniu, wsparciu technicznym oraz kulturze klasowej sprzyjającej przemyślanej ekspertymentacji. Gdy AIGC staje się dostępne i jest starannie integrowane, może stać się partnerem w nauce projektowania, a nie zagrożeniem dla kreatywności czy integralności studentów.

Cytowanie: Zeng, L., Wang, A., Huang, Y. et al. Unveiling college students’ adoption of AIGC in design learning: an integrated model. Humanit Soc Sci Commun 13, 357 (2026). https://doi.org/10.1057/s41599-026-06713-2

Słowa kluczowe: Sztuczna inteligencja w edukacji projektowej, przyjmowanie technologii przez studentów, treści generowane przez AI, dyfuzja innowacji, nauka projektowania