نقش‌های آموزشی هوش مصنوعی در آتلیه طراحی معماری

نوع مقاله : مقاله پژوهشی

نویسنده
علی عسگری
استادیار دانشکده معماری و شهرسازی، دانشگاه شهید بهشتی، تهران، ایران.
10.22034/acmj.2026.604220.1027
چکیده
گسترش هوش مصنوعی مولد، امکانات تازه‌ای برای تولید فرم، بازنمایی، تحلیل و بازخورد در آتلیه طراحی معماری فراهم کرده است؛ بااین‌حال، کاربرد آموزشی آن غالباً بر تولید سریع تصاویر متمرکز شده و نقش آن در توسعه تفکر طراحی، عاملیت دانشجو و یادگیری تأملی کمتر تبیین شده است. پژوهش حاضر با هدف تدوین چارچوب نقش‌های آموزشی هوش مصنوعی در آتلیه طراحی معماری انجام شد. روش پژوهش مرور دامنه‌ای تحلیلی همراه با سنتز مفهومی بود و فرایند آن با استفاده از رهنمودهای مؤسسه جوانا بریگز و الگوی گزارش‌دهی PRISMA-ScR سازمان یافت. پیکره تحلیلی شامل ۱۵ مطالعه مداخله‌ای یا اثبات مفهوم مرتبط با آموزش طراحی معماری بود که با کدگذاری دومرحله‌ای بررسی شدند. نقش هوش مصنوعی، مرحله فرایند طراحی، فعالیت شناختی، الگوی تعامل، عاملیت دانشجو، میانجی‌گری مدرس و پیامدهای آموزشی، محورهای استخراج داده بودند. سنتز نظری و تجربی به تدوین هشت نقش شامل مولد، مترجم بازنمایی، کاوشگر ایده، تحلیلگر و سازمان‌دهنده دانش، شبیه‌ساز، مربی و داربست شناختی، منتقد و ارزیاب، و همکار شناختی و تأملی انجامید. نقش‌های مولد و کاوشگر ایده هرکدام در ۹۳٫۳ درصد مطالعات مشاهده شدند؛ درحالی‌که نقش همکار شناختی و تأملی در ۲۰ درصد مطالعات حضور داشت و نقش منتقد و ارزیاب در پیکره معماری مشاهده نشد. کاربردها در ایده‌پردازی و شکل‌گیری مفهوم با ۱۰۰ درصد و بازنمایی و ارائه با ۸۶٫۷ درصد تمرکز داشتند. در ۸۰ درصد مطالعات، کنترل نهایی تصمیم در اختیار دانشجو باقی مانده بود، اما شواهدی از کنترل انتقادی کامل دانشجو بر منطق و محدودیت‌های سامانه به دست نیامد. نقش‌های پیشنهادی در سه سطح محصول‌محور، فرایندمحور و شناخت‌محور سازمان یافتند. نتایج نشان می‌دهد که تبدیل هوش مصنوعی از مولد فرم به همکار شناختی، بیش از توان فنی سامانه، به طراحی فعالیت آموزشی، عاملیت انتقادی دانشجو و میانجی‌گری آگاهانه مدرس وابسته است.
کلیدواژه‌ها
آتلیه طراحی معماری
آموزش معماری
ابزار شناختی
عاملیت دانشجو
هوش مصنوعی مولد
همکاری انسان و هوش مصنوعی
موضوعات

عنوان مقاله English

The Educational Roles of Artificial Intelligence in Architectural Design Studios

نویسنده English

Ali Asgari
Assistant Professor, Faculty of Architecture and Urban Planning, Shahid Beheshti University, Tehran, Iran.
چکیده English

The rapid expansion of generative artificial intelligence has introduced new possibilities for form generation, representation, analysis, and feedback in architectural design studios. However, educational applications have largely focused on rapid visual production, while the contribution of AI to design thinking, student agency, and reflective learning remains insufficiently conceptualised. This study develops a framework for explaining the educational roles of AI in architectural design studios. A scoping review and conceptual synthesis were organised using Joanna Briggs Institute guidance and PRISMA-ScR. The analytical corpus comprised 15 intervention or proof-of-concept studies in architectural design education, examined through two-cycle coding. AI role, design stage, cognitive activity, interaction pattern, student agency, teacher mediation, educational outcomes, and risks were extracted. The theoretical and empirical synthesis produced eight roles: generator, representational translator, idea explorer, knowledge analyst and organiser, simulator, cognitive coach and scaffolding agent, critic and evaluator, and cognitive-reflective partner. Generator and idea explorer roles each appeared in 93.3% of the studies. The cognitive-reflective partner appeared in 20%, while no study in the architectural corpus demonstrated a direct critic-evaluator role. Applications concentrated on ideation and concept development (100%) and representation and presentation (86.7%). Students retained final control in 80% of the studies, but no study demonstrated full critical control over the logic and limitations of AI systems. The roles were organised into product-oriented, process-oriented, and cognition-oriented levels. The findings indicate that transforming AI from a form generator into a cognitive partner depends primarily on instructional design, critical student agency, and deliberate teacher mediation. AI supports design learning when generation is connected to questioning, comparison, reasoning, critique, and reflection.

کلیدواژه‌ها English

Architectural Design Studio, Architectural Education, Cognitive Tools, Generative Artificial Intelligence, Human–AI Collaboration, Student Agency
·       Agkathidis, A., Song, Y., & Symeonidou, I. (2024). AI‑assisted design: Utilizing artificial intelligence as a generative form‑finding tool in architectural design studio teaching. In Proceedings of the 42nd eCAADe Conference (Vol. 2, pp. 619–628). https://doi.org/10.52842/conf.ecaade.2024.2.619
·       Alan, A. C., & Gelmez, K. (2025). Can AI assess design students’ projects? Discussing the future of assessments with a proof of concept. In V. Clemente, G. Gomes, M. Reis, S. Félix, S. Ala, & D. Jones (Eds.), Learn X Design 2025. https://doi.org/10.21606/drslxd.2025.136
·       Çiçek, S., & Özkar, M. (2026). Evaluating AI‑generated design solutions in a basic design studio. International Journal of Technology and Design Education, 36(3), 1201–1236. https://doi.org/10.1007/s10798-025-10033-y
·       Çiçek, S., Turhan, G. D., & Özkar, M. (2023). Reconsidering design pedagogy through diffusion models. In W. Dokonal, U. Hirschberg, & G. Wurzer (Eds.), Digital design reconsidered: Proceedings of the 41st eCAADe Conference (Vol. 1, pp. 31–40). https://doi.org/10.52842/conf.ecaade.2023.1.031
·       Collins, A., Brown, J. S., & Newman, S. E. (1989). Cognitive apprenticeship: Teaching the crafts of reading, writing, and mathematics. In L. B. Resnick (Ed.), Knowing, learning, and instruction (pp. 453–494). Lawrence Erlbaum Associates.
·       Cross, N. (2006). Designerly ways of knowing. Springer. https://doi.org/10.1007/1-84628-301-9
·       Cudzik, J., Nyka, L., & Szczepański, J. (2024). Artificial intelligence in architectural education: Green campus development research. Global Journal of Engineering Education, 26(1), 20–25.
·       Du, S., Lu, X., Chen, Z., Cai, Z., & Chen, L. (2024). Research into a Stable Diffusion‑based human‑machine‑human teaching model for architectural design courses. Journal of Green Building, 19(3), 299–318. https://doi.org/10.3992/jgb.19.3.299
·       Hollan, J., Hutchins, E., & Kirsh, D. (2000). Distributed cognition: Toward a new foundation for human‑computer interaction research. ACM Transactions on Computer‑Human Interaction, 7(2), 174–196. https://doi.org/10.1145/353485.353487
·       Hong, S. M., Park, J., Park, G., Gu, H., Heo, M., Chin, S., & Choo, S. (2025). An adoption of AI in architectural education through an analysis of Stable Diffusion practice‑based lectures. In Proceedings of the 43rd eCAADe Conference (Vol. 1, pp. 855–864). https://doi.org/10.52842/conf.ecaade.2025.1.855
·       Hutchins, E. (1995). Cognition in the wild. MIT Press.
·       Jin, S., Tu, H., Li, J., Fang, Y., Qu, Z., Xu, F., Liu, K., & Lin, Y. (2024). Enhancing architectural education through artificial intelligence: A case study of an AI‑assisted architectural programming and design course. Buildings, 14(6), Article 1613. https://doi.org/10.3390/buildings14061613
·       Jonassen, D. H. (2000). Computers as mindtools for schools: Engaging critical thinking (2nd ed.). Merrill.
·       Lee, S., & Kang, S. (2026). The influence of generative AI with prompt engineering on creative design in architectural education. Journal of Asian Architecture and Building Engineering, 25(5), 4670–4685. https://doi.org/10.1080/13467581.2025.2552446
·       Medel‑Vera, C., Britton, S., & Gates, W. F. (2025). An exploration of the role of generative AI in fostering creativity in architectural learning environments. Computers and Education: Artificial Intelligence, 9, Article 100501. https://doi.org/10.1016/j.caeai.2025.100501
·       Montenegro, N. (2024). Integrative analysis of text‑to‑image AI systems in architectural design education: Pedagogical innovations and creative design implications. Journal of Architecture and Urbanism, 48(2), 109–124. https://doi.org/10.3846/jau.2024.20870
·       Nazar, K. (2025). Generative artificial intelligence in architectural education: A study of the use of diffusion models in conceptual design. Kwartalnik Architektury i Urbanistyki, 70(3), 17–52. https://doi.org/10.17388/WUT.2025.0062.ARCH
·       Özorhon, G., Nitelik Gelirli, D., Lekesiz, G., & Müezzinoğlu, C. (2025). AI‑assisted architectural design studio (AI‑a‑ADS): How artificial intelligence join the architectural design studio? International Journal of Technology and Design Education, 35(5), 1999–2023. https://doi.org/10.1007/s10798-025-09975-0
·       Peters, M. D. J., Marnie, C., Tricco, A. C., Pollock, D., Munn, Z., Alexander, L., McInerney, P., Godfrey, C. M., & Khalil, H. (2020). Updated methodological guidance for the conduct of scoping reviews. JBI Evidence Synthesis, 18(10), 2119–2126. https://doi.org/10.11124/JBIES-20-00167
·       Rhee, J., & Oh, E. (2025). Pedagogy explorations into alternative use of generative AI in design studios. Technology|Architecture + Design, 9(1), 84–97. https://doi.org/10.1080/24751448.2025.2475714
·       Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.
·       Schön, D. A. (1987). Educating the reflective practitioner. Jossey‑Bass.
·       Seeber, I., Bittner, E., Briggs, R. O., de Vreede, T., de Vreede, G.‑J., Elkins, A., Maier, R., Merz, A. B., Oeste‑Reiß, S., Randrup, N., Schwabe, G., & Söllner, M. (2020). Machines as teammates: A research agenda on AI in team collaboration. Information & Management, 57(2), Article 103174. https://doi.org/10.1016/j.im.2019.103174
·       Tan Bayram, F., & Alankuş, B. (2025). Architectural design studio in confluence: AI integration at the schematic stage and its potential impact on final design. In Proceedings of the 43rd eCAADe Conference (Vol. 1, pp. 891–901). https://doi.org/10.52842/conf.ecaade.2025.1.891
·       Tricco, A. C., Lillie, E., Zarin, W., O’Brien, K. K., Colquhoun, H., Levac, D., Moher, D., Peters, M. D. J., Horsley, T., Weeks, L., Hempel, S., Akl, E. A., Chang, C., McGowan, J., Stewart, L., Hartling, L., Aldcroft, A., Wilson, M. G., Garritty, C., ... Straus, S. E. (2018). PRISMA extension for scoping reviews (PRISMA‑ScR): Checklist and explanation. Annals of Internal Medicine, 169(7), 467–473. https://doi.org/10.7326/M18-0850
·       Wang, J., Shi, Y., Chen, X., Lan, Y., & Liu, S. (2025). Teaching with artificial intelligence in architecture: Embedding technical skills and ethical reflection in a core design studio. Buildings, 15(17), Article 3069. https://doi.org/10.3390/buildings15173069
·       Wood, D., Bruner, J. S., & Ross, G. (1976). The role of tutoring in problem solving. Journal of Child Psychology and Psychiatry, 17(2), 89–100. https://doi.org/10.1111/j.1469-7610.1976.tb00381.x

  • تاریخ دریافت 02 مهر 1405
  • تاریخ بازنگری 27 مهر 1405
  • تاریخ پذیرش 28 مهر 1405
  • تاریخ اولین انتشار 28 مهر 1405
  • تاریخ انتشار 01 مهر 1405