该文档属于类型a（单一原创研究报告），以下是针对该研究的学术报告：

《基于提示数据的图像生成AI融入STEAM课堂：结合学习分析法的探索》
*作者*：Unggi Lee（1）、Ariel Han（2）、Jeongjin Lee（1）、Eunseo Lee（3）、Jiwon Kim（4）、Hyeoncheol Kim（1）、Cheolil Lim（3）
*机构*：1-韩国首尔大学；2-未标注机构；3-韩国高丽大学；4-未标注机构
*期刊*：*Education and Information Technologies*（2024年29卷）

一、学术背景

研究领域：教育技术与人工智能（AI）的交叉领域，聚焦生成式AI（Generative AI）在艺术教育中的应用，特别是图像生成模型（如Stable Diffusion）与STEAM（科学、技术、工程、艺术、数学）课程的结合。

研究动机：尽管文本生成AI（如ChatGPT）已在教育中广泛应用，但图像生成AI的潜力尚未充分挖掘。传统艺术教育存在性别差异（女生兴趣高于男生），而生成式AI可能通过降低技术门槛弥合这一差距。此外，提示工程（Prompt Engineering）作为新兴技能，可能通过非侵入式数据（如提示文本）捕捉学生的创造性思维过程。

研究目标：
1. 探索图像生成AI在艺术类STEAM课堂中的可行性；
2. 分析学生使用生成式AI时的创造性行为（发散/收敛思维）；
3. 验证语言能力与图像生成质量的关系。

二、研究流程

研究对象：韩国仁川某小学46名五年级学生（10-11岁，女生22人，男生24人），参与为期90分钟的工作坊。

1. 实验设计

三个阶段：
- 热身环节：介绍生成式AI的基本概念。
- 练习环节：学生使用Google翻译和Google文档辅助生成英语提示词（因参与者为EFL，即英语非母语者）。
- 创作环节：
- 使用Stable Diffusion（通过Dream Studio平台）生成图像，允许多次调整提示词；
- 基于生成的图像撰写想象日记（Imaginative Diary）。

工具创新：
- 提示手册（Prompting Manual）：指导学生构建提示词的三要素——主体（Subject）、附加描述（Additional Explanation）、艺术风格（Art Trend）。
- 数据收集：记录翻译日志（原始韩语提示词与英语翻译）、生成图像、日记文本及时间戳。

2. 数据分析方法

混合方法：
- 定量分析：
- 提示数据：计算提示词长度、唯一词数、主题数（人工标注）；
- 图像评分：3名研究者独立评估生成图像的流畅性（Fluency）、原创性（Originality）、灵活性（Flexibility）；
- 日记分析：评估语言多样性（独特词数）及创造力指标（原创性、表达力、完整性）。
- 定性分析：对7名学生进行半结构化访谈，主题包括AI工具的可用性、人机协作认知等。

技术亮点：
- 语义相似度分析：使用Sentence-BERT模型计算提示词序列的余弦相似度，识别发散/收敛思维模式。

三、主要结果

1. 性别差异的消减

• 定量数据：男生在“自信创作”（S7）和“AI艺术兴趣”（S14）的评分显著高于女生（p<0.01）。
  
• 定性佐证：男生认为AI“神奇且高效”，而部分女生因生成结果随机性更偏好手绘。
  

2. 提示数据与创造性思维

• 发散思维：主题切换频率高的学生提示词更短（r=0.70），且语义相似度波动大（如学生S103）。
  
• 收敛思维：主题单一的学生倾向于反复优化同一提示词（如学生S101）。
  

3. 语言能力与图像质量

• 显著相关性：日记独特词数与图像评分呈正相关（r=0.59~0.61），表明语言表达力强的学生能生成更优质的图像。
  

四、结论与价值

科学价值：
1. 首次证明图像生成AI可缩小艺术教育的性别兴趣差距；
2. 提出通过提示数据量化创造性思维的新方法；
3. 揭示语言能力是有效使用生成式AI的关键因素。

应用价值：
- 为STEAM课程设计提供新工具（如整合AI的“图像日记”任务）；
- 提示工程可作为培养创造力的教学策略。

局限与展望：样本量较小（n=46），未来需扩大研究规模并探索长期效果。

五、研究亮点

1. 跨学科创新：首次将生成式AI、学习分析法与STEAM教育结合；
   
2. 方法学贡献：开发基于提示数据的非侵入式创造力评估框架；
   
3. 教育公平性：为传统艺术教育中的性别差异提供解决方案。
   

（报告全文约1500字）