[Paper] 生成式AI对建筑概念设计的影响：表现、创造性自我效能感与认知负荷

发布: 4天前 (2026年1月16日 GMT+8 02:52)

7 min read

原文: arXiv

Source: arXiv - 2601.10696v1

（请提供您希望翻译的正文内容，我将按照要求将其译成简体中文并保留原始的格式、Markdown 语法以及技术术语。）

概述

本文研究了生成式 AI（GenAI）工具——比如 GPT‑4 风格的图像生成器或文本到图像模型——如何影响建筑师在早期概念设计阶段的质量、信心和 心理负荷。通过对 36 名大学生进行受控实验，作者发现 GenAI 能提升新手的表现，但也可能削弱设计师的创作能力感。

参与者 – 36名学生（建筑工程专业及其他学科），分为两组。
任务 – 一个两阶段的建筑概念设计作业：
- 阶段 1：独立设计（基线）。
- 阶段 2：要么 (a) 使用生成式 AI 工具（例如 DALL‑E、Midjourney）生成概念，要么 (b) 浏览在线的现有项目库（对照组）。
测量指标 –
- 设计表现：由资深建筑师根据创意性、可行性和连贯性进行评分。
- 创意自我效能感：在每个阶段前后自行报告对自身创意能力的信心。
- 认知负荷：每个阶段后使用 NASA‑TLX 风格问卷。
分析方法 – 使用差分‑差分（DiD）比较不同条件下的变化，并基于先前设计经验进行子组分析。

该方法刻意保持简洁：参与者按平常方式工作，唯一变化的是灵感来源（AI 与人工策划的档案库）。这使得研究结果易于映射到日常设计工具上。

指标	整体效果	显著子效应
设计性能	在整个样本中，GenAI 没有统计显著的优势。	新手设计师（≤2 个先前项目）使用 GenAI 时专家评分提升约 15 %。
创造性自我效能感	GenAI 组平均下降约 8 %（p < 0.05）。	有经验的设计师保持了自我效能感；下降主要由新手导致。
认知负荷	GenAI 与对照条件之间没有显著差异。	包含迭代细化和视觉反馈的提示模式（例如 “show me variations of this façade”）与感知负荷降低相关。
提示使用情况	大多数参与者在每次设计迭代中使用 3–5 条提示。	将文本描述与视觉参考提示相结合的用户获得了最大的性能提升。

简而言之，GenAI 在采用正确的提示策略时是初学者的倍增器，但它也可能让用户感到创造力下降。

Tool designers: 嵌入 prompt‑suggestion UI，鼓励迭代细化和可视化反馈循环；这可以降低认知摩擦并提升结果。
Design firms & studios: 考虑将 GenAI 作为 培训辅助工具 为初级员工提供帮助，而不是为资深建筑师提供全方位的生产力提升。
Developers of AI‑assisted CAD/BIM platforms: 暴露模型的 “confidence” 或 “novelty” 分数，让用户能够判断 AI 是在仅仅 remix 现有想法，还是在生成真正新颖的概念。
Education: 课程应将 prompt engineering 作为核心技能进行教学，强调如何请求变体和视觉提示，而不是只求单一的 “最终答案”。
Project management: 追踪 prompt 使用指标（迭代次数、prompt 类型），将其作为认知负荷的代理指标，并在团队过度依赖单一 prompt 风格时进行干预。

总体而言，研究表明 context‑aware integration——即将 AI 与人类专业知识及良好 prompt 习惯相结合——能够提供最大的价值。

样本规模与多样性：仅来自单所大学的 36 名学生；结果可能无法推广到专业建筑师或跨文化团队。
工具特异性：研究使用了单一的现成生成式 AI 模型；使用领域微调或多模态系统时性能可能不同。
短期评估：认知负荷和自我效能感在任务完成后立即测量；长期影响（例如技能获取、对 AI 的依赖）尚不清楚。
未来方向：开展规模更大的实地研究，邀请在职建筑师参与；进行技能发展纵向追踪；以及通过改变 AI 输出类型（草图 vs. 3D 模型）的实验，以观察模态如何影响创意自信。