刘桂芬

            安徽省特殊教育中专学校   安徽   合肥    231600

摘要：数字化转型视域下职业教育领域教学革新正经历深刻变革，多模态生成式人工智能（AI）技术的推动作用日益凸显。本研究尝试构建基于多模态生成技术的教学应用框架体系，详细解构了“AI—教师—学生”三元结构在完整教学周期内的教学新范式。在《非遗盘扣制作技艺》课程应用多类型 AI 工具对教学应用场景进行系统化梳理，重构“设计—打版—工艺—市场”服装专业课程体系，为职业教育数字化转型提供具有实践指导意义的参考方案。

关键词：多模态生成式 AI；智能教学；行动研究；服装专业；教学实践

DOı：10. 3969/j. issn. 1003-9082. 2025. 08. 113

1   AI技术重塑教育新生态                                                    路空间被多样化设计方案有效拓展。传统服饰图案的数字化重

2024 年度教育领域正面临着由生成式人工智能技术带来   组功能与高精度效果图的生成能力相结合，概念构思到视觉表的深刻变革。《中国教育现代化 2035》规划纲要等政策文件   达的转化过程优化效果显著。

明确要求，教育教学过程与人工智能技术的深度融合需要加快   2.3   视频生成类AI

推进。职业教育数字化转型过程中，具有文本、图像、音频、       动态影像制作领域的人工智能技术应用主要体现在服装

视频等多维信息的生成式 AI 技术优势显著。音频视频制作、   工艺教学、动态展示效果以及虚拟时装表演等场景中。Sora、视觉图像合成以及文本内容创作等多元信息形态的整合功能，   Runway 等工具的使用实践中，各类服装制作流程示范视频可使得该技术逐渐演变为推动教学改革的关键驱动力。           由教师用户快速创建。旗袍缝制工艺全流程演示视频的开发效

当前教学中技术应用表层化（约 70% 的教师仅将 AI 用于   率较传统摄制方式提升明显。学生应用实例显示，设计作品的课件美化等辅助环节）、人才培养与行业实际需求脱节（仅   表现维度通过虚拟试衣动画与动态秀场视频的生成效果得到显

28% 的学生能运用 AI 工具进行创意优化）等现实问题，构建   著增强。通过构建沉浸式的真实情境，提升作品的市场适应性了一套多模态生成式 AI 的教学应用范式。将多模态生成式 AI   与展示效果。

深度融入教学设计、资源开发与过程评价等关键环节，重塑传   2.4   音频生成类AI

统教学模式，推动教育从“千人一面”走向“千人千面”的个       音频生成式 AI 将教学音频从静态的“消费品”转变为动

性化时代。                                               态的“创造品”，通过文本转语音、环境音效和智能对话等功

2   多模态生成式AI的教学应用图谱                                       能重塑教学体验。教师可借助 ElevenLabs、Adobe Podcast 等

多模态生成式 AI（AIGC），是指一类能够理解和生成跨   工具，一键生成多语种、多语速的讲解音频，满足学生差异化

越多种不同类型信息（即“模态”）的人工智能系统，包括文   需求；还可构建沉浸式音效场景，增强课堂吸引力，助力教育本、图像、视频、音频等多种模态。其发展推动教育从“知识   公平。

传递”迈向“智能共创”。通过“理解—生成—优化”的闭环   3   多模态AI贯穿教学三阶段，构建“AI+教师+学生”三

机制，构建出智能教学的整体应用框架。                     元协同新范式

2.1   文本生成类AI                                                                     教育数字化转型的关键在于重构教学主体之间的关系。多

教学领域中的文本生成类 AI，其功能核心在于辅助教学   模态生成式 AI 的深度融入，打破了传统“教师—学生”二元设计，构建知识体系以及进行内容生产活动。由教师群体所操   结构，形成以数据驱动、角色互补、流程闭环为特征的“AI—

作的DeepSeek、文心一言等工具平台，能够高效产出课程框架、  教师—学生”三元协同教学新范式。该范式通过多模态 AI 重教学方案以及工艺流程文档等材料。《服装史》教学实践中的   构“教、学、评”全流程，实现助学、助教、助研、助管与助

实例显示，自动生成的历代服饰特征比较分析材料，学生对风   评的全方位支持，赋能教师精准“教”、辅助学生个性“学”，格变迁规律的认知理解得到了显著提升。个性化学习建议与复   最终实现人才培养的提质增效。

习指导方案的自动生成功能，差异化教学的有效支持由此得以       以服装专业《非遗盘扣——琵琶扣的制作》课程为例，从

实现。                                                    教师与学生双视角解构教学全流程。

2.2   图像生成类AI                                                               3.1    教师角色转型：AI教学助理——精准教学设计师

在服装设计教育领域内，独特价值特性展现于图像生产类       教师从传统的知识传授者与技能示范者，转型为教学设计

智能工具中。创意灵感激发、风格多样性探索以及视觉效果呈   师、数据分析师和人文引领者。AI 作为教学助理，支持其实现等方面表现尤为突出。操作即梦、Stable Diffusion 等平   现精准化教学。

台的学生用户群体，服装造型草图、装饰纹样及配色方案等视   3.1.1  课前：AI精准诊断，赋能教学设计新维度

觉素材能够快速获取。“汉服创新设计”课题中的实践案例表       教师不再仅凭经验备课。借助 AI 学情分析工具（如超星、

明，“传统纹样与现代时装元素结合”等指令输入后，创作思   Kimi），对学生的前置任务进行多模态分析。通过问卷分析发

项目名称 ：教育部职业教育发展中心2024年职业教育教研教改课题 ，课题名称 ：职业院校MMAI+PBL自主深度学习模式创新实践研究 ，课

题批准号 ：JZJG25003 ；项目名称 ：合肥市电教馆教育信息技术研究课题 ：生成式AI在智能教学设计中的应用研究，项目编号：

HDJ24105；项目名称：安徽省教育科学研究课题：新时代教育家型职业教育教师培养路径研究，项目编号：JKT24007。作者简介：刘桂芬（1985.10—   ） ，女，汉族，安徽合肥人，硕士，高级讲师，研究方向：服装、信息化教学研究。

现多数学生偏好“花型扣”但缺乏结构认知，教师可据此设计差异化预习资源。导学设计从“一刀切”变为“看人下菜碟”。

3.1.2  课中：AI动态调控，化身课堂智慧导航仪

借助 AI 实现课堂动态调控。在实操环节，通过“AI 辅学助手”跟踪学生进度。当发现多名学生在“扣结”盘绕环节卡壳时，立即使用即梦 AI 视频生成功能：生成一个关于《扣结的盘绕技巧》的 30 秒慢动作循环演示视频，重点展示盘绕的方向和造型的塑造，并将视频即时推送给每位学生。学生可随时暂停、放大观看，自主调整学习节奏，教师则专注个别指导 [1]。

3.1.3  课后：AI循证评估，绘制教学优化路线图

课后，在“教师 + 导师 + 学生”三方评价的基础上，增加AI 评价。教师要求学生上传最终作品的多角度照片和一段创作说明。借助 AI 工具（如秘塔 AI）对照学生作品和说明进行图像识别与语义分析，自动检测其“结构正确度”、“结体紧实度”、“线条流畅度”等工艺指标，生成可视化数据报告。再结合三方评价，精准指出学生在手工方面的短板和文化理解上的不足，并绘制出“教学优化路线图”，为后续教学提供优化依据。

3.2   学生角色进化：AI学习伙伴——个性化成长引擎

学生从被动的接收者转变为主动的建构者与创造者。AI作为其专属的学习伙伴，提供全天候、个性化的支持。

3.2.1  课前：AI个性导学，开启自适应预习之旅

基于AI 诊断与个人画像，学生接收到定制化的预习资源。对动手能力弱的学生，AI 学习伙伴会推送盘扣制作视频，并提炼盘制要点，让其提前观看视频并演练；对审美能力强的学生AI 伙伴会推送一个由即梦生成的“从传统图案到盘扣纹样”的图片集，激发其创作灵感；对独立性强的学生，AI 伙伴可帮打开盘扣知识图谱，让其自由选择探索感兴趣的内容。

3.2.2  课中：AI实时辅学，打造专属认知脚手架

在课堂环节，AI 是学生的“实时辅学助手”。遇到困难无需举手等待，可以直接用媒体终端拍摄自己遇到的问题。AI通过图像识别，立刻判断出问题并在屏幕上映出相关提示，并配发一张正确的步骤示意图。这个“专属认知脚手架”在学生最需要的时刻提供最直接的支撑，避免学习中断与情绪挫折。

3.2.3  课后：AI智能拓学，引领知识迁移与创造

课后，AI 助力学生实现知识的深化与迁移。完成基础作业后，学生的 AI 伙伴会推送挑战性任务。学生可利用DeepSeek 辅助撰写设计说明，阐述文化理念，完成后，还可以利用 Midjourney 软件，自助分析设计的优缺点，并给出建议方案。

多模态生成式 AI 通过贯穿教学“课前 - 课中 - 课后”全流程，重塑了教学生态。使教师成为数据驱动的“精准教学设计师”，实现了规模化因材施教；使学生拥有“专属学习伙伴”，实现了自主创造性成长。AI、教师与学生形成了一个数据互通、角色互补、效能叠加的协同共生体。

4   多模态AI重塑服装专业体系，贯通“设计-打版-工艺-市场”产业链

服装专业教学长期面临传统技艺与数字化创新之间的割裂，据相关调研，今年开始，超过 50% 的服装企业将“AI 辅助设计”“虚拟试衣”“数字化版型优化”列为招聘优先考量能力，但毕业生相关技能达标率不足 30%。此外，师资数字素养不足、课程体系割裂、评价方式单一等问题也制约了教学质能。

服装专业领域呈现多模态生成式人工智能技术带来的赋能态势日趋明显。非仅课程体系增设人工智能相关科目这般简单，根本性变革正被该技术所引发于整个专业的教学模式之中。传统的分段式技能传授模式正经历着转变，向着整合化的智能开发体系方向演进，实现“设计—打版—工艺—市场”全产业链贯通。

4.1   设计环节：驱动“数据-智能”的创意方案

在服装设计课程中，多模态 AI 扮演着“超级灵感引擎”

和“初级设计师”的双重角色。在创意萌芽的初始阶段，借助其多模态激发灵感，学生只需输入文本描述或风格图像，即可迅速生成多款融合指定元素的设计草图、色彩组合及面料肌理效果图。对个人经验与偶然灵感的依赖程度明显降低，创意思维广度与深度获得极大拓展。在设计深化阶段，运用Midjourney 或 Stable Diffusion 的风格迁移和迭代能力，将自己初步的草图进行风格化再创作，或在生成的数百个方案中筛选出最满意的几个，进一步通过指令进行细节优化 [2]。

4.2   制版环节：突破“2D-3D”的技术壁垒

长久以来困扰服装制版领域的，是平面设计图向立体成衣转化的技术性难题。多模态 AI 技术的引入使得高精度数字孪生体的构建成为可能，可视化与虚拟化的无缝衔接目标得以实现。

在 Style3D 或 CLO3D 等专业工具的运用中，剪裁结构、缝线定位以及面料参数这些二维设计元素，通过 AI 算法被自动转化为三维虚拟服饰形态。上传样板图后，即刻呈现在虚拟人台或数字模特身上着装的三维建模效果。同步完成的还有面料物理特性与动态形变的模拟运算过程。学生能够直观识别诸如腋下余量堆积、腰围尺寸过紧等结构缺陷问题，并实施相应修正操作。教学研发过程中时间损耗与物料浪费现象获得显著改善的实例表明，零成本条件下的无限次虚拟迭代已成为现实。

4.3   工艺环节：升级“排版-制作”的工序流程

服装生产体系中不断深化的是多模态 AI 的介入程度，"AI工艺师 " 的功能定位日益凸显化。其主要技术特征表现为面料损耗率的算法预测能力与排料方案的优化调整功能，机器视觉支撑下的工艺质检体系同步建立完成。尤为突出的是复杂工艺节点的智能解决方案输出能力。理论教学与实践操作间差距持续缩小态势的实例显示，工艺制作精度的提升幅度呈现显著扩大化特征。

4.4   市场环节：链接“产品-商品”的商业闭环

在服装产业链中，多模态生成式 AI 作为“数字纽带”，有效整合服装专业四大核心能力，运用“AI 高效驱动→ AI 深度辅助→ AI 提升优化”模式，分析社交媒体图像、电商评论、流行趋势报告等多源数据，精准捕捉市场需求与消费者偏好，为产品定位提供决策支持。贯通“设计 - 产品 - 商品”的全产业链条，推动教学范式的根本变革 [3]。

5   结束语

多模态生成式 AI 技术作为“高级助手”深度融入服装专业教学，推动其向智能化、个性化发展。实践表明，该技术助力学生设计作业的创意性与完成度提升超 40% 以上，技能操作达标率提高 35%，并显著增强了对产业真实流程的认知能力。通过构建“可循环、低成本、强反馈”的一体化教学环境，AI有效贯通了“设计—打版—工艺—市场”全产业链教学环节，提升了资源利用与教学效率。

在“AI—教师—学生”三元协同新生态中，教师转型为“精准教学设计者”，学生成为主动构建与创意实现的主体，系统培养了兼具创新力与产业应用能力的复合型人才。

参考文献

[1]   王晓波，张渝江 . 生成式教学智能体：AI 赋能大规模个性化教育的新样态——来自国外的经验与启示[J]. 中小学数字化教学，2025（1）：22-26.

[2]   陈琳 . 生成式人工智能在中学地理教学中的应用路径初探 [J]. 中学地理教学参考，2023（34）：15-20.

[3]   于越，温恒福，傅文第 . 人工智能下民办高校大学生学习挑战、学习转型与学习策略研究 [J]. 黑龙江教育（高教研究与评估），2025（9）：30-37.