今日所见

团队在 2023 年的社区调查中获得超过 312 人回应，其中 122 人表示愿意参与后续讨论；2025 年又分别向公众与管理人员征求意见。让开发者意外的是，普通采集者并不想研究一幅覆盖全州的复杂数据地图。他们打开手机，只想尽快知道：我附近能不能采？潮汐和水温怎样？从哪里进入海岸？ 因而公众端强调定位与尽量少的点击；而管理端保留更丰富的规则、地理与环境信息。项目也没有强迫州级机构放弃原有 ArcGIS 工作流程，而是通过接口同步官方信息。

这个案例提醒我们：“以人为中心”不是把一套数据统一简化，而是承认不同角色有不同的决策尺度。 学生设计校园应用、社区服务或信息网站时，可以先分开画两张图：后台需要判断哪些复杂关系；前台用户在一分钟内需要完成哪一个决定。如果把管理者的完整性原封不动端给所有人，丰富的信息也可能变成使用障碍。平台已投入使用，但目前不能仅凭项目报道推断它已在所有城镇普及，或独立证明其公共健康成效。

查看项目｜MIT News

五个字母各有功能：X 构成双向弧形坡道，P 融入滑杆，O 成为隆起的滑行结构，M 兼具坐凳和滑磨边缘，E 则提供分级跳跃的平台。从远处看，它仍是一组清晰的字母；走近以后，字母的可读性让位给身体如何加速、转弯、停留与休息。通常城市标识希望人认出一个名字，公共设施希望人用好一个物体。SKATEABLE 把两种要求推到同一个构件里。

它给建筑和视觉传达学生一个很有意思的练习：不要先把 Logo 变成 3D 模型，而要先让笔画承担一种真实行为。 选一个汉字，问它的转角能不能坐、空洞能不能穿过、横画能不能引导停留；再回头检查，原来的字还认得出来吗？这件作品的项目照片与结构细节可由投稿报道核实；但其长期耐用性、滑板安全和公共运营效果尚不能仅凭项目方材料判断，更不能把照片默认为可在网站二次发布。

这里有一个很容易被忽略的区别。老师可能觉得学生“没有完成作业”，但同一种未完成背后可能存在完全不同的情形：他不理解问题，也可能是第一次操作软件就受阻；他不愿表达，也可能是课程只允许一种表达形式；他缺少投入，也可能是反馈迟迟不到、始终不知道如何起步。真正的学习挑战，与任务无意中附带的技术和组织门槛，不应该被混为一谈。

这并不要求降低评价标准。教师可以保留同一个学习目标，却让学生通过不同路径进入：给一个最小可行例子、允许文字和图解两种等价表达，或在复杂软件正式上场之前先让学生用纸片搭一次原型。值得问的不是“谁需要额外照顾”，而是这条标准路径是不是被我们想得过于理所当然。需要明确，UCL 页面记录的是工作坊的设计目标，不是经过效果评估的教学改革成果；本文关于具体障碍的例子，是将这一理念迁移到设计课后的分析。

这并不能证明“AI 导致拖延”。调查发生在一个学校、一个时间点，主要依靠参与者自我报告；五道题测量的依赖倾向也不是临床意义上的成瘾诊断。但它把一个值得教育者继续观察的问题带到了台前：有些学生可能不是不会做，也不是焦虑得做不动，而是慢慢习惯让 AI 替自己跨过最难受的开头——从空白页到第一个句子，从模糊问题到第一份粗糙提纲。

这段启动阶段既可能是浪费时间的卡点，也可能正是学习的一部分。若一个学生已经尝试很久，AI 给一点提示可能帮助他进入任务；若他每次遇到未知都直接获得一个完整答案，独立组织问题的练习机会就可能减少。与其简单要求学生少用 AI，不如在课程里设计五分钟独立启动：先写出自己理解的问题、已有证据和最不确定的一点，再与 AI 对话。研究提供的是相关性信号；这项教学安排是否有效，还需要在真实课堂里验证。

查看原始研究｜BMC Medical Education

例如，一次修改可能表现为“把两把椅子拉近”，但系统真正需要学到的，也许是这两把椅子应该便于交谈；一次把桌子移出通道的动作，背后可能是对通行关系的坚持。SPHERE 试图在局部功能关系与整体空间拓扑两个层次记住这些约束，再把它们迁移到不同尺度和形状的房间。论文报告了一项 42 人的混合设计用户研究与离线分析，在其测试条件下，偏好建模减少了重复修改和部分身体操作负担。

它并不等于机器已经能真正理解一个人的生活、审美或稳定偏好；目前证据仍局限于特定 VR 室内任务，论文也尚未经过正式同行评议。但它给设计工作流一个很清楚的方向：修改记录不能只是一份版本差异，最好还能保存“为什么改”。 学生修改 AI 方案时，与其只交前后两张图，不如再加一句：“我调整了什么？我坚持的关系是什么？下次遇到不同场地时，这条规则还成立吗？” 这样的记录既能帮助 AI 协作，也能帮助人自己看见判断如何形成。