VĂN HOÁ THỊ GIÁC TRONG KỶ NGUYÊN AI: TIẾP CẬN LIÊN NGÀNH VÀ TÁI ĐỊNH VỊ VAI TRÒ NHÀ THIẾT KẾ ĐỒ HOẠ
Bibliographic record
Abstract
Bài viết nghiên cứu sự biến đổi của văn hoá thị giác trong kỷ nguyên trí tuệ nhân tạo (AI), đồng thời tái định vị vai trò của nhà thiết kế đồ hoạ trong môi trường sáng tạo mới. Mục tiêu là xác định cách thức mà AI, đặc biệt các hệ thống tạo sinh hình ảnh đang làm thay đổi quy trình thiết kế. Nghiên cứu sử dụng phương pháp liên ngành, kết hợp phân tích, tổng hợp tài liệu, đối chiếu trường hợp điển hình và tư liệu thứ cấp để đánh giá tác động thực tế của AI đối với thiết kế và xã hội. Kết quả cho thấy AI đang tái cấu trúc văn hoá thị giác, biến hình ảnh thành sản phẩm đồng kiến tạo giữa con người, dữ liệu và thuật toán. Trong bối cảnh đó, nhà thiết kế cần chuyển từ vai trò người sản xuất kỹ thuật sang người điều phối sáng tạo, phản biện xã hội và giám sát đạo đức. Bài viết đề xuất định hướng phát triển đào tạo và hành nghề theo hướng liên ngành giữa nghệ thuật – công nghệ, xây dựng chuẩn mực đạo đức và nâng cao năng lực văn hoá thị giác cộng đồng. Qua đó, nghiên cứu góp phần hình thành khung tư duy mới cho ngành thiết kế đồ hoạ, nơi AI trở thành đối tác sáng tạo cộng sinh, giúp duy trì tính nhân văn và sáng tạo bền vững trong văn hoá thị giác đương đại.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.171 | 0.064 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".