随着大数据热潮的兴起,以大数据技术运用作为创作与研究突破口的城市设计案例逐步增加,特别是对于解释复杂的城市问题、涉及观察城市时间与空间变化、研究城市间多元的活动等棘手问题,大数据将成为城市设计革新研究的新希望[1-2],这也让大数据运用成为城市设计教学研究的热点。
但在教学过程中发现,每当要求学生运用大数据操作城市设计时,课程的开展就变得十分困难,特别是要求学生以大数据分析运用为基础进行城市设计操作,大部分学生束手无策,配合教学的热情不高。出现上述情况主要是课程只是将大数据技术引入教学之中,却没有解决以下两个重要问题。一是,未从教与学的机制中,找出妨碍现今大数据运用介入城市设计课程的根本原因,并针对问题重新定位城市设计与大数据运用的教学比重[3-4]。二是,教学目的未聚焦,重新明确大数据运用介入后,城市设计教学想培养学生哪些方面的能力,也没有思考怎样让所培养的能力,自然内化为学生的设计自觉[5]。上述问题成为大数据运用介入城市设计课程的阻碍,也影响了学生学习大数据运用的积极性。
基于此,尝试从苏州科技大学建筑类研究生城市设计课程介入大数据运用开始,深入探索城市设计课程大数据赋能途径与关键方法,以期为相关院校进行大数据运用介入课程的教学改革提供借鉴与参考。
一、大数据运用介入课程所遇到的问题苏州科技大学建筑城市规划学院建筑类研究生城市设计课程,属于16周的建筑与城市设计(一)课程环节之一。课程采用高自由度、创新性,以及具有前瞻性的实验教学模式开展教学,在人才培养计划中特别强调研究生个人思维与研究能力的培养,以此区别于本科城市设计课程。
课程采用双主线教学培养模式,先设定一个城市设计主题作为明确的培养主线,再设定另一个隐藏培养主线,双培养主线交叉,打造课程人才培养特色。2018年起,将隐藏培养主线设定为推动学生运用大数据完成城市设计的具体操作,进一步强调以大数据运用强化学生的城市设计逻辑能力培养,如图 1。
![]() |
图 1 城市设计课程所采用的双主线教学模式(资料来源:本研究整理) |
经过两年的教学实践及学生的反馈发现,大数据运用介入现有城市设计课程将遭遇下列问题:
(一)学生对大数据认识不足造成教学开展困难虽然在课前学生通过各种渠道已接触了大数据运用相关信息,但是由于建筑学学生缺少对大数据的认识,同时多数学生认为大数据技术属于计算机专业领域,无法立刻与所学的建筑设计相关知识形成关联,因此主动学习、钻研大数据相关知识的学生少,大数据运用介入城市设计教学推动乏力。
(二)授课内容被迫压缩建筑类研究生在本科阶段普遍未接触过大数据相关知识,目前的建筑设计课实际操作通常仅限于安排学生执行大数据运用,导致设计进度滞后,教师难以推动教学进度。经过几轮教学反馈发现,一旦在课程各阶段加入大数据运用相关内容,就容易出现因解释或教授大数据运用相关知识影响原有教学进度等问题。
(三)学生刻意逃避大数据运用操作由于学生缺乏大数据技术运用的基本能力,以及课程内容未有足够的操作信息提示,在实际教学中会出现故意逃避而选择熟悉的设计方式的情况,造成大数据运用介入城市设计训练目标无法达成。
(四)教师仍选择传统的城市设计授课方式大数据运用介入城市设计教学属于新兴领域,教学团队中的部分教师缺乏指导学生运用大数据操作的经验,实际教学无法快速引导学生进行大数据操作。为完成教学进度,教师往往采用传统教学方式授课。
二、大数据运用介入课程的教学实践依据累积数年得到的教学反馈信息与问题分析,苏州科技大学建筑与城市规划学院城市设计团队尝试大数据运用介入城市设计课程全过程的教学实践,提出在建筑类研究生培养过程中通过如下调整,实施基于大数据运用介入城市设计课程的教学改革。
(一)教学目标的调整1.制定课程各阶段的大数据运用推进目标
结合城市设计课程进度制定各阶段教学目标,逐步建立学生正确的大数据运用观念,拓展大数据运用介入城市设计操作实践的深度。
2.重视设计内容与数据之间的逻辑关系
课程目标明确要求各阶段的设计内容要有科学数据作为论证与支撑,让设计概念趋于科学性、合理化。
3.突出大数据运用对城市设计创新与成果的影响
课程目标强调大数据运用对学生城市设计思维的积极影响,以及这种创新思维在设计成果中的直观体现。
(二)课前前期准备的调整1.教学内容的研究与调整
课前,将城市设计课程的主线主题与大数据运用教学内容进行拆解与梳理,对两条主线结合的关键部分进行调整,使其形成“以大数据运用为手段,解决城市设计问题”的知识内化学习流程,如图 2,以此重新定位教师与学生的角色,形成互为影响的教学模式。同时,以完善教学内容为契机,要求教师找出教学实践可能涉及的大数据运用知识点,及时学习、更新、补充,完善知识结构,调整备课重点,提高教学能力和水平。
![]() |
图 2 城市设计课程结合大数据运用的知识内化学习过程 |
2.难易度设定的调整
课程实践的设定背景为“引导学生开始接触大数据,理解大数据运用在城市设计上的可能性,为后续以大数据运用进行城市设计研究作为铺垫”,因此,过高的大数据运用目标,对教师和学生均是沉重的负担,而且容易降低学生学习的兴趣[6]。为确保教学顺利展开,要求教师在课前就各阶段所涉及的大数据教学难易度进行设定,做好相应的教学调整,明确各阶段的大数据运用要求,并告知以何种途径获得数据,开展数据处理与分析,以此确保在教学过程中大数据运用不偏离课程既有的设定目标。
(三)阶段操作内容与教学设定的调整调整课程目标,明确要求教师在课程流程中设定大数据运用分析内容与目标,让每个阶段的城市设计成果能有数据支持,逐步形成具有科学分析支撑的合理化设计成果。
以2019年研究生建筑与城市设计课“城市公共空间的微更新适老性设计”实践操作为例,教学小组先拆解整个主题的设计过程,整理出设计阶段的时间节点,要求教师预先策划如何在设计过程中,引导学生逐步运用大数据技术,以确保设计能依时间进度推进。对此,前期不设定基地范围,而是让学生按课题大方向给予的条件,借助大数据进行基地选址,同步挖掘出基地周边地形、交通、水文等基础数据,并建构于GIS系统之中;同时,引导学生在互联网公开数据库中,挖掘基地周边各种老年人活动的海量数据,找出亟待解决的城市设计问题,以此作为设计依据,在后续城市设计形成过程中,逐步推演出一套有科学数据支撑的城市公共空间适老性提升方案与实施策略。
(四)课程评价与反馈的调整课程结束后,加入课程评价与反馈环节,以确保课程朝着正确的方向持续修正。学生大数据运用成果评价,主要以学生大数据运用达标率为考核指标,即学生在课程各阶段大数据运用情况及使用大数据后对设计思路的影响[7-8]。通过课程评价和反馈环节,了解教师教学中存在的问题及学生在理解和操作上的困难,并提出针对性合理化改进建议。对学生学习大数据运用的感受评价,一是了解大数据技术的学习途径、获取方式及学习效果;二是课程的难易程度及学生的接受度;三是大数据运用介入课程后,对学生挖掘问题、设计创作、提出问题的能力和城市设计创作思维的影响与改变;四是未来继续使用大数据分析进行研究的意愿。
上述内容主要是在课程结束之后进行,对于所有参与课程学习的学生采用互联网问卷调查的方式进行。在大数据运用介入城市设计的实践中我们发现,城市设计课程的学习模式已经出现了显著变化(如表 1),并且开始从思维与判断两个角度对学生产生影响。
![]() |
表 1 大数据运用介入城市设计课程产生的改变(资料来源:本研究整理) |
城市设计课程的设计操作大致分为调研、分析、方案与成果四个阶段。以往学生多以调研的方式,通过对少量样本的观察或问卷调查进行设计分析,到方案阶段就只能依靠前期所获得的数据,加上设计者自身的美学知识和经验进行创作,方案缺乏论证支撑,这样的课程训练严重偏离市场实际需求。
通过课程实践发现,大数据运用与传统城市设计两者并不抵触,甚至经过课程设置的引导,彼此能够在过程中紧密结合。城市设计操作中所需要进行的工作,运用大数据技术均可实现。相比传统的城市设计操作模式,大数据运用的介入可以为城市设计提供更为精准的方案,并有足够的数据支撑其设计,甚至能挖掘出前人所未想到的设计信息。因此,大数据运用介入城市设计课程实际操作,可实现理论、技术与应用三者同步,达到理想的教学效果。要培养学生大数据运用的能力,需要对城市设计课程流程、建筑类研究生的大数据运用人才培养目标进行比对分析,明确课程操作流程中的5个关键节点,明确要求该阶段的大数据能力训练目标与内容,实现两者的有机融合,如图 3所示。
![]() |
图 3 城市设计课程各阶段设定的建筑类研究生培养能力(资料来源:本研究整理) |
通过互联网课程、大数据运用讲座,建立大数据运用的基本概念,鼓励与引导学生开展自主学习,以确保教学进度的顺利推进。自主学习内容包括基本的大数据运用技术、设计过程所涉及的软件,如表 2。此阶段主要培养学生大数据运用的基础能力,以及和自主学习能力。若在此关键点未对学生进行明确要求,将会对后续教学的开展产生较大的阻碍。
![]() |
表 2 城市设计课程各阶段涉及大数据相关的应用软件(资料来源:本研究整理) |
告知学生设计课的主题后,即要求学生根据课程要求收集数据。除了传统城市设计的现场基地调研外,还要利用大数据技术与互联网,尽可能的从各类数据库、网页、APP中,收集各项基础数据,充分挖掘可能需要的数据信息。此阶段主要利用大数据扩大原有数据的样本数量与来源,让原本收集不到的或无法观察获取的数据,能够用于城市设计之中[9-10]。此阶段的赋能有助于提升学生对于数据挖掘的敏感度,以及对大数据的甄别筛查能力。
(三)分析阶段:引导学生具备数据分析能力获得海量数据后,要求学生建模,对数据进行分析,并建立数据与问题之间的逻辑关系。此阶段除了依赖分析技术外,还需要学生有正确的眼光,具备一定水平的数据逻辑思维能力与大数据分析能力,重点在于引导学生正确看待、思考数据背后所反映出的问题,包括正确理解数据内容、过滤数据,以及利用各种工具得到支撑后续设计的基本信息与线索[11-12],开启学生以大数据分析城市设计研究之路,建立其对事物因果关系的正确理解。
(四)方案阶段:培养学生运用数据创新设计的能力要求学生进行设计时,尽量减少主观人为因素对设计的影响,降低依赖自身美学素养与直观判断设计的比例,提高由数据逻辑所推导出设计概念的比例,每个阶段的设计概念需要与前一阶段分析结果产生联系,整体能够形成具有合理性与科学性的方案创作[13]。此阶段重点引导学生运用大数据分析产生方案创作思维,也可将其视为推动大数据运用介入城市设计课程的重要目的[14]。
改变本科阶段养成的设计思维与方案形成习惯,学生可能会出现抵触心理或拖慢设计进度等状况,因此方案阶段为整个课程执行最为困难的阶段,需要教师投入更多的精力,确保学生能遵守课程的要求与规定,顺利达成本阶段能力培养目标。
(五)成果阶段:培养学生方案的可视化表达能力城市设计的成果由两部分组成,包括图纸与设计概念的文字说明。与传统城市设计课程相同,图纸方案是最终呈现的型态结果,但大数据运用介入后,课程要求方案要采用数据可视化的方式呈现,让人能够一眼看出设计所依据的数据支撑[15]。文字说明要求要详细地说明大数据运用的数据来源、挖掘与分析方式、策略与解决的具体问题。此阶段希望藉由评价机制,确保学生能遵守采用大数据运用的规定呈现设计效果。此外,也体现了因大数据运用介入后,城市设计方案所呈现出的科学支撑,以及与数据挖掘、数据分析、方案创新之间所形成的总体逻辑关系。
四、结语有别于以往城市设计课程运用美学处理空间型态,大数据运用介入后的城市设计课程,除保留原有城市设计课的基础训练外,更加重视在操作过程中对数据的挖掘、分析与运用,以及利用大数据发现城市问题、探讨城市设计方案解决问题的成效。
笔者认为,在建筑类研究生城市设计课程中探索大数据分析的运用,需要特别关注下列问题,与本科生城市设计课程有所差异。
第一,基于研究生人才培养目标,将此课程作为研究生与本科生在设计教育上的分界,作为研究生养成研究习惯的一个开端,关注后续如何让学生在大数据运用与城市设计研究之间产生衔接。
第二,对于大数据运用的技术与能力培养的设定,应侧重于大数据观念和学生大数据运用能力的培养,而非单纯分析技术提升。
第三,城市设计课程的选题与大数据运用操作,需要围绕社会当前与未来关注热点,让学生前瞻新时代城市设计操作方法与思维,并对未来自身能力提前规划。
[1] |
王耀武, 孙宇, 王丹, 戴冬晖. 从大数据分析看我国城市设计走向[J]. 城市建筑, 2017(5): 29-32. |
[2] |
刘珍. 大数据技术影响下的城市设计方法创新研究[J]. 中外建筑, 2017(7): 64-65. |
[3] |
董贺轩, 亢颖, 胡亚男. 城市空间与建筑整合设计的教学实验与思考——基于华中科技大学城乡规划专业建筑设计课程教改[J]. 中国建筑教育, 2017(17): 45-55. |
[4] |
胡纹, 等. 城市设计教程[M]. 北京: 中国建筑工业出版社, 2013.
|
[5] |
姚乐, 朱启明主编. 赋能大数据教育-全国高校大数据教育教学经验谈[M]. 北京: 电子工业出版社, 2018.
|
[6] |
林子雨. 大数据技术原理与应用-概念、存储、处理、分析与应用[M]. 北京: 人民邮电出版社, 2018.
|
[7] |
袁敬诚, 关山, 黄木梓. 象由心生——城市设计教学中创意思维的培养方法[C]. 2016全国建筑教育学术研讨会论文集. 北京: 中国建筑教育. 2016, 101-103.
|
[8] |
李军, 王江萍, 许艳玲. 城市设计理论与方法[M]. 武汉: 武汉大学出版社, 2010.
|
[9] |
李苗裔, 王鹏. 数据驱动的城市规划新技术: 从GIS到大数据[J]. 国际城市规划, 2014(6): 58-65. |
[10] |
甄峰, 秦萧. 大数据在智能城市研究与规划中的应用[J]. 国际城市规划, 2014(6): 31-37. |
[11] |
中室牧子, 津川友介. 原因与结果的经济学[M]. 程海枫, 译. 北京: 民主与建设出版社, 2019.
|
[12] |
西内启. 统计思维——大数据时代瞬间洞察因果的关键技能[M]. 李晨, 译. 浙江: 浙江人民出版社, 2018.
|
[13] |
甄峰, 王波, 秦萧, 等. 基于大数据的城市研究与规划方法创新[M]. 北京: 中国建筑工业出版社, 2015.
|
[14] |
J. Brian McLoughlin. 系统方法在城市和区域规划中的应用[M]. 王凤武, 译. 北京: 中国建筑工业出版社, 2015.
|
[15] |
Michele Chamber、Thomas W. Dinsmore. 大数据分析方法: 用分析驱动商业价值[M]. 韩光辉, 孙丽军, 译. 北京: 机械工业出版社, 2016.
|