本定性案例研究旨在探究设计专业初学者与生成式人工智能的交互如何影响其主导共情访谈的准备与实施过程。本研究具有重要价值，其将人机协作（HAIC）（Song等，2024a）框架应用于共情访谈场景，验证了人工智能作为辅助创意激发者而非唯一权威主体的新型协作模型。研究采用归纳式内容分析法（ICA），以学生与生成式人工智能的聊天记录、访谈转录稿、访谈录音及标准化量规评估结果为基础，构建了6个最大变异案例。研究结果表明，问题生成阶段的人机协作深度直接影响共情访谈质量：未经编辑直接被动采纳ChatGPT输出的学生，其访谈呈现僵化、重解决方案的特征，阻碍共情能力培养；反之，若学生对生成式人工智能输出进行高频修改（手动优化ChatGPT生成的问题以消减偏差、强化叙事导向），则可通过积极倾听与跟进追问建立更深层次的共情联结。上述发现提示，若在设计思维中以共情访谈等人本任务为依托使用生成式人工智能，设计教育工作者及相关从业者必须教授提示词工程与输出优化方法。此外，引入评估性量规与结构化生成式人工智能使用规范，可推动学生从被动采纳者向主动协作者转变，仅需小幅调整输出优化行为，即可确保生成式人工智能对人本设计技能形成补充而非替代效应。

引言

2022年末，生成式人工智能（GenAI）——一类可自主生成文本、图像、计算机代码等原创内容的AI工具（Dhar，2024）——的问世引发范式转移，重塑了技术格局。布莱辛格（2023）将这一节点称为“ChatGPT时刻”，彼时ChatGPT是普及度最广、可及性最高的生成式人工智能工具。ChatGPT是大型语言模型（LLM）（Yao等，2024）的典型代表，这类复杂的神经网络经海量数据集训练而成，构成了诸多生成式人工智能工具的基础。基于各类大模型构建的其他生成式人工智能工具还包括谷歌Gemini（文本生成）、DALL-E（图像生成），以及NotebookLM（科研与笔记管理）等专用应用。“ChatGPT时刻”的特征是早期采纳者群体呈指数级扩张，工具展现出媲美人类的内容生成能力，且使用门槛大幅降低（Blechinger，2023）。ChatGPT可完成大量创意与技术类任务，例如撰写文章、生成编程代码以构建初步设计方案。生成式人工智能工具的高可及性推动其用户群体持续扩大，在校学生与行业从业者纷纷将其嵌入日常工作流（如软件开发）与教学场景（如科研、头脑风暴）（Brynjolfsson等，2023）。

生成式人工智能的影响远超个体应用场景，已渗透至知识密集与创意类领域（AlZaabi等，2023）。例如建筑师可基于一组设计约束，借助生成式人工智能快速生成多套建筑平面布局方案；平面设计师可在短时间内产出大量营销视觉素材。在以人为本的用户体验/用户界面（UX/UI）领域，设计师利用生成式人工智能绘制用户流图（可视化用户完成任务的全流程），助力快速原型构建。在上述职业场景中，生成式人工智能已承担多重功能，包括但不限于辅助创意生成、自动化重复性任务、为设计师提供灵感（Zhou和Lee，2024）。然而，这类技术融合也引发了关于人类在创意活动中角色定位的争议（Zhou等，2025）。争议核心在于，生成式人工智能应被视为可被驾驭的高级工具、创意过程中的协作伙伴，还是人类的完全替代者（Furtado等，2024）。当生成式人工智能的能力与人类典型技能（如创造力、情感理解）重叠时，相关争议尤为激烈（Zhou和Lee，2024）。本论文立足这一争议，聚焦生成式人工智能能力与设计流程中“共情”这一人类特质的交叉领域。共情是指与他人思想、情感建立联结的能力（Fernandez和Zahavi，2020），是设计思维流程的基础阶段（Brown，2008）。共情是一个多维构念，包含三个核心维度：认知维度（理解感受）、情感维度（共感感受）与意动维度（基于感受采取行动）（Khan等，2022；Watt，2007）。在设计实践中，共情理解能够帮助设计者突破表层假设，深度把握用户需求，进而开发出创新性强、影响力大的解决方案（Carmel-Gilfilen和Portillo，2016；Devecchi和Guerrini，2017；Gasparini，2015）。

人工智能引发的范式转移也给设计教育带来了教学层面的挑战，其融合并非中性技术迭代，而是承载着意识形态与制度层面的深层意涵。传统设计教育的根基是批判性思维、问题解决、模糊情境应对等人本技能，而生成式人工智能可复刻学生作业、替代人类思考，令传统教育者陷入困境（Li等，2024）。尽管生成式人工智能可提升效率、加速内容生成，但其与设计流程的强过程性、人文性属性存在潜在张力。除学术诚信层面的担忧外，生成式人工智能的融入还带来了认知与社会关系层面的风险，共情访谈场景便是典型代表。随着AI模型复杂推理与综合能力的不断提升，学生正面临并将持续面临将认知任务卸载给AI的诱惑（Hooper，2025；Viola和Chiarella，2026）。在高度依赖模糊情境应对能力的设计教育中，这类认知卸载可能导致任务替代：学生不再主动参与共情访谈问题生成的任务，而是直接交由AI完成。此外，过度依赖AI生成的高度可信、权威性强的输出，还可能侵蚀设计初学者的认知能动性，使其从知识建构的主动角色退化为被动学习者（Varghese，2025；Yang和Ma，2025）。

已有研究者就生成式人工智能在设计领域的应用展开探索，发现当生成式人工智能辅助明确问题定义时，可显著提升创意产出的总量（Kim和Maher，2023）。黄与元（2021）指出，参与者以生成式人工智能替代真实人类用户作为反馈源时，产出的设计方案质量更高，原因在于生成式人工智能的评判倾向远低于人类。在设计师自信心相关研究方面，钟等（2022）发现人机协作关系较为复杂：能力较弱的设计师难以识别生成式人工智能基于用户需求、设计质量相关输入生成的输出中存在的缺陷。多位学者已就生成式人工智能对创意生成的影响（Koh，2024）、设计分析阶段的作用（Spreafico和Sutrisno，2023）、ChatGPT对问题定义与构思阶段的支撑价值（Al-sa'di和Miller，2023）、设计可视化领域的应用（Terenzi等，2024）展开研究。另有学者探索了人机协作在设计全流程的嵌入路径，包括早期构思（Camburn等，2020）、晚期构思（Yuan和Moghaddam，2020）、设计团队管理（Gyory等，2022），以及辅助团队问题解决（Zhang等，2021）与复杂系统设计（Song等，2022）。与上述偏流程化、技术化的应用研究不同，针对设计领域共情等人本特质的相关研究仍处于空白状态。

本论文所回应的研究缺口，并非仅关注生成式人工智能在设计教育中的整体角色，更聚焦其对设计流程中某一特定且对新手极具挑战性的阶段的影响：即针对设计对象建立共情理解的过程（Li和Hotta-Otto，2023；Zhu和Luo，2023）。尽管共情在设计中的重要性不言而喻，设计专业初学者仍面临共情培养的诸多障碍，主要表现为将共情与共感混淆，难以把握共情的抽象属性（Gudur，2023），以及在问题界定、用户情绪解读方面存在困难（Dahiya和Kumar，2019；Kim和Ryu，2014）。专家设计师拥有多年隐性经验积累，而初学者的共情认知尚处于萌芽阶段（Chen等，2022）。初学者往往难以突破表层理解，缺乏基于用户洞察开展跟进追问、或在捕捉到细微情绪线索时调整访谈方向的经验（Cross等，1994）。

这并不意味着设计专业初学者完全不具备共情能力。但当前存在一种“共情悖论”：生成式人工智能可快速生成高质量的共情访谈问题，但尚不清楚该工具的使用会如何影响初学者与真实用户的实际互动。核心张力在于，初学者与AI的交互究竟是停留在被动采纳层面——即直接将AI生成的输出作为最终访谈脚本，还是进阶为迭代优化模式——即设计者始终保有对流程的认知能动性（Varghese，2025；Yang和Ma，2025）。在人机协作（HAIC）框架下，当生成式人工智能处于Role V位置时，它不仅是文本生成器，更是人类创造力的灵感来源（Song等，2024a；Zhou等，2025）。对于共情认知尚处萌芽阶段的设计初学者而言，这类协作可帮助其突破问题界定与用户情绪解读的初始障碍（Chen等，2022；Dahiya和Kumar，2019；Kim和Ryu，2014）。 成功的人机协作不应沦为导致访谈僵化、流于清单式核查的“拐杖”（Weilbacher等，2026），而应发挥共情信任赋能机制的作用（Song等，2024a）。AI作为创意激发者提供结构化起点，可帮助初学者突破表层假设，投身于共情访谈所需的复杂诠释性工作（Carmel-Gilfilen和Portillo，2016；Devecchi和Guerrini，2017）。这种协作可将初学者的角色从AI输出的被动使用者转变为主动引导人本对话的主导者，确保生成式人工智能成为可信赖的协作者，对设计者应对模糊用户需求的能力形成补充而非替代（Gasparini，2015；Song等，2024a；Zhu和Luo，2023）。

目前学界已对心理层面的共情（Chang-Arana等，2022）、设计流程中的共情环节（Devecchi和Guerrini，2027）、初学者共情能力短板（Dahiya和Kumar，2019）形成了充分认知。相关研究也已探讨了生成式人工智能的创意生成能力（Camburn等，2020）与人机交互机制（Song等，2024a），但上述主题的融合研究仍处于空白。鉴于上述多维度研究缺口，探究三者间的交互作用可为设计教育提供有益的教学启示，帮助初学者更深入地理解复杂问题背后客户面临的真实困境。要厘清上述机制，必须观察设计专业初学者如何在计算能力与人类情商之间寻求平衡。本研究依托宋等（2024a）提出的人机协作（HAIC）框架，探究不同的用户策略如何影响AI在共情访谈这一高度人本任务中作为可信协作者的效能。研究采用与人机协作框架适配的归纳式内容分析法，对数据进行编码以识别独特的协作案例。通过梳理从被动采纳脚本式提问到主动迭代优化的行为谱系，本研究揭示了初始AI提示策略如何直接决定共情访谈的整体走向。

本论文共分为五章。本章为引言，第二章为文献综述，系统梳理设计思维、共情的多维属性，以及人机协作框架的理论意涵。第三章阐述定性案例研究的方法论，介绍研究依托的入门设计课程背景、目的抽样策略，以及用于评估学生交互行为的归纳式内容分析法。第四章呈现研究发现，归纳为数据中观察到的六类典型行为案例。第五章讨论研究发现对设计教育的启示，分析不同水平的生成式人工智能融入对初学者共情培养能力的影响，并为未来教学实践与学术研究提供实操建议。

1.1 研究目的

本研究旨在探究设计专业初学者与生成式人工智能的交互模式，以及这类交互如何影响其所在设计思维课程中共情访谈的准备与实施过程。具体而言，本研究考察生成式人工智能作为协作工具对访谈问题生成、学生主导共情访谈实施的影响。研究采用定性案例研究设计回应研究问题，案例构建所用数据包括：1）学生与生成式人工智能的对话记录；2）师生共创的访谈问题集；3）学生主导访谈的录音与转录稿；4）用于评估访谈问题质量的量规评分结果（Nelsestuen和Smith，2020）。

1.2 研究问题

1. 设计专业初学者将生成式人工智能作为协作工具使用时，其交互行为如何塑造学生主导共情访谈的准备与实施过程？

1.3 研究意义

本研究将人机协作框架应用于设计思维中的共情培养场景，丰富了生成式人工智能的相关研究体系。现有研究多聚焦生成式人工智能的效率提升价值，本研究则将其视为协作工具或“共情同伴”，有望重塑设计学习者与设计流程之间的关系（Kim等，2024；Yang和Ma，2025）。通过考察人机协作从被动采纳向迭代优化的转型过程，本研究验证了共创设计的新模型：学生在协作中始终保持主动主体地位，AI仅作为辅助创意激发者发挥作用（Song等，2024a）。对于设计教育工作者而言，本研究回应了斯托克（2026）提出的“共情门槛”问题——即无经验初学者在开展高利害人际访谈时面临的困境。研究表明，生成式人工智能可模拟真实、低风险的共情访谈练习环境，帮助学生在接触真实用户前提升判断能力（Marikar，2025；Stock，2026）。通过将研究焦点从最终设计产出转向设计流程本身，本研究可为教师提供具备理论支撑的框架，助力其在不损害学生认知能动性的前提下，为复杂关系类任务提供支架支持（Varghese，2025）。 随着生成式人工智能通过流程自动化、辅助人类决策持续重塑专业设计实践，新型“元技能”的重要性日益凸显（Marikar，2025）。本研究的另一重要价值在于明确了若干关键的人本技能（如提示词工程、判断力、创意生成、人机对话能力），这些技能将成为下一代设计师的核心素养。研究同时凸显了AI素养的必要性：AI素养并非单纯的技术技能，而是将其作为协作伙伴，保留人类在审美与文化判断中的“人在回路”要求（Song等，2024a；Yang和Ma，2025）。