今日所见

这些数字之间不能画上简单的因果箭头。符合标准说明服务具备某些可访问条件，记录退出说明机构可能看见了流程的中断；但如果不知道谁离开、遇到什么困难，就很难判断既有辅助措施是否足够。更重要的是，连开始流程都做不到的人，未必会出现在退出统计里。这也是公共服务研究里常见的盲区：系统能统计进入的人，却不一定能看见被入口挡住的人。 报告的数据主要来自机构自报，不是对所有最终使用者的实地测试；不同年度样本也有变化，不能仅凭比例变化宣称某项政策产生了效果。

设计课堂可以把“用户旅程”往前多画一格：在注册、填写、提交之前，再加上“谁知道服务存在、谁有条件开始”。针对一次校园报名或作业提交，分别列出合规检查、已提供的辅助功能、实际完成证据与尚不可见的人群。然后找一位真实使用者走一遍流程。好的服务设计不是让每张检查表都打勾，而是让遗漏有机会被发现、被解释、被修正。

继续阅读｜英国政府原始报告

它值得看，并不只是因为“课本也能互动”。通常，气候议题由文字或图表解释；这次材料先制造一个可见的变化，学生在手的温度、眼前的图像与课本内容之间建立联系。设计把一部分说明转成了经历。但必须分清：这是封面设计组的获奖提案，获奖并不表示已经在大量课堂中投入使用；树干随温度消失是一种设计隐喻，也不是对真实气候机制的科学模拟。公开资料尚不足以证明它比普通教材带来更高的长期学习成绩。

这可以给设计思维课一个小小的改动。讲“定义问题”之前，先安排一次会让学生意识到原有判断不充分的观察；讲“原型”之前，先让他们亲手拆装一个容易失败的小结构。完成后再给概念命名，而不是用定义代替经历。一个好的教学材料至少要同时回答：学生会注意到什么？会主动做什么？又会因此产生哪一个值得进一步核实的问题？

继续阅读｜教科书设计奖官方获奖与展览说明

多数产品开发会先确定一张尺寸严密的图纸，再去寻找材料，最终把不合要求的部分裁掉。这里的顺序反过来了：材料的不规则不是需要消除的错误，而是设计必须回答的真实条件。 参数化工具不是替作者挑选一个最漂亮的柜子，而是帮助处理大量不同材料组合带来的连接问题。但项目页面介绍的是作者的方法与目标，还不足以证明“零废料”的完整环境效益；所谓未来公开手册也仍是一项计划，不能写成现在已有成熟的开源家具系统。

做一个小练习就能体会这种差别：找三条长短不同的纸板或边角木料，不裁剪，尝试组成一件小型置物架；每次修改都先问“现有材料允许什么”，而不是“怎样把材料变成我画的样子”。当方案准备进入真实使用，仍须补上承重、连接、稳定性与维护测试。尊重材料并不等于忽略工程，恰恰意味着把工程限制更早带进设计。

它让一个微小物理现象和宏大社会意象在观看中相遇，但这种相似是一种艺术性的类比，不是科学上的同一回事。观众并没有真的看到爆炸，也无法单靠影片判断所有人的感受。值得设计学生研究的，是作品怎样把时间本身变成构图条件：一开始只看到一滴液体，随后形状不断增长，直到熟悉的物理尺度被打乱。若只截取最后一帧，可能仍然震撼，却会失去“意义怎样逐渐被观众读出”的过程。

做影像、展陈或动态图形时，不妨先拿一种简单材料进行十五分钟观察：水在纸面上渗开、颜料沉入杯底、布料因风改变轮廓。记录三个关键时刻，看看哪一次形态变化产生了意外的联想，再决定要不要为它增加文字。材料变化先提供了证据；隐喻如何成立，仍需创作者对语境与人的理解负责。

这些小数不是“模型的创造力只有 59 分”，而是研究方法定义的配对差异指标。更关键的不是人与机器谁赢了，而是研究把两件经常混在一起的评价拆开：网页是否具备用户要求的功能，以及设计者有没有认真探索简报未指定的空间。多个方案虽然颜色、文案或图标不同，却可能共享相似的导航、分栏、卡片层级和操作顺序。研究团队与商业产品公司有关联，论文仍属预印本；其结论适用于特定基准，不能外推为所有 AI 网页设计的普遍表现。

课堂里可以用一个更有解释力的办法替代“再生成三个版本”：先让学生在纸上写出三种信息组织原则，例如按时间进程、按使用任务、按关系网络；随后才让 AI 分别实现。最后只比较首页的入口、主信息、用户下一步动作与退出路径。如果三份方案只是装饰不同，问题可能不在 AI 不够聪明，而是人还没有明确自己愿意探索哪些真正不同的结构。

过去，我们购买一次晚餐，主要支付的是食物、劳动和服务；现在，同样的动作还会留下一个可被长期复制的数据样本。火候如何判断、手腕如何转动、遇到异常怎样调整，过去大多留在身体经验、师徒传承和工作现场里。将它们录下来可以帮助研究机器人如何面对现实世界，却也改变了技能的归属关系。今天支付的是一次摄录酬劳，未来的数据可能被反复用于不同系统。这里还涉及工作现场其他人的隐私、转授权、保存期限和退出权。

这不是一个可以简单写成“技术夺走手艺”的故事。真实机器人仍面临抓握、适应变化环境与可靠性的困难；数据采集的商业模式也未必长期成立。它给设计伦理与服务系统课程的练习却很清楚：请给一项“采集人的工作过程”的服务画出劳动者—委托方—数据购买者—未来使用者的关系图，分别写下谁同意、谁受益、谁有能力撤回或纠错。人的经验可以帮助机器学习，但其价值怎样被使用，不应完全由记录设备的拥有者决定。