视觉思维的概念与理论谱系

2.1

从视觉知觉到视觉推理

视觉思维并不是最近因AI而出现的概念。Arnheim在1969年的《Visual Thinking》中强调知觉与思考之间的紧密联系，挑战把看见当成被动输入、把推理完全归于语言的划分。[1]这一理论传统提醒我们，分类、组织和抽象也可以发生在视觉活动之中。不过，哲学和心理学意义上的总体主张，不能直接转换成“任何课程加图都会更好”的教学结论。课程设计仍要说明图提供了什么信息，以及学习者进行了什么操作。

可以用三个层次理解视觉活动。第一层是辨认，例如识别酒店平面图中的出口。第二层是理解关系，例如判断前台、客房和消防通道之间的距离与连接。第三层是推理，例如在高峰时段改变人员配置后，预测排队和响应速度如何变化。许多AI系统擅长给图片命名，却未必能够稳定完成后两层任务。把图像识别、结构理解和情境推演分开，是评估AI视觉能力的必要起点。

外部图也不只是内部想法的复制。有时人只有把几个节点画出来，才发现分类标准不一致；只有把一条流程拉长，才看到重复审批；只有把两个时间尺度放在一起，才发现短期转化增长伴随长期复购下降。在这些情形中，图参与了想法的形成。研究视觉思维因而应关注“人如何与表征互动”，而不仅是“最后生成了什么图片”。

2.2

葛兰汀的启示及其适用范围

Grandin在2022年的《Visual Thinking》中，以个人经验、职业实践和研究讨论强调思维方式的多样性，并区分偏重对象细节的视觉想象与偏重模式和空间关系的思维。[2]这对教育的启发，是扩大能够展示能力的任务形式，让制图、建模、观察、设计和动手解决问题获得充分位置。报告不把这本大众著作当作随机实验，也不以一位杰出人物的经历推断所有孤独症人士的能力、需求或成长路径。

附件把两种模式简化为“建造火车”和“让火车动起来”，这一比喻适合引发讨论，却不宜被当成严格分类标准。对象想象并不只处理静态外观，空间推理也不自动等于因果推理；理解动力传递需要专业知识、力学关系和经验约束。一个擅长画出设备的人可能同时擅长推演结构，一个偏爱语言的人也能通过训练掌握流程图。教育应用应把比喻转换成具体的任务要求，避免从偏好直接推断能力。

对中国教育的反思，也应从宏大定性转为可观察问题。某门课程是否只奖励长篇文字？学生是否能用模型和图说明理解？实验、设计与改错是否进入评价？这些问题可以通过作业、课堂记录和评分规则检验。将“成绩一般的学生可能存在未被看见的优势”作为开放假设有教育价值；直接断言大量低分学生都是视觉天才，或者把某种认知方式当作创新的唯一来源，都超出了现有依据。

2.3

心像 外部表征与视觉素养

心像指没有相应外部刺激时对视觉或空间内容的内部表征。外部表征则是可以共享和操作的图、物件、符号与界面。二者可能互相支持，但并不相同：一个人即使难以产生鲜明心像，也可能借助纸笔、坐标、关系图和计算工具完成出色推理。因此，课堂不应要求所有学生报告相同的“脑内画面”，而应允许多种到达理解的路径。

视觉素养强调阅读、解释、评价与制作视觉信息的能力。在AI环境中，它还包括识别生成痕迹、检查来源与判断呈现方式是否误导。可视化则通常指把数据或结构映射到视觉形式的设计与计算过程。视觉思维可以使用可视化，但它的范围更广：前者关注人在理解中做了什么，后者常关注信息被怎样编码。保持这些区分，有助于避免把软件操作熟练误认为思维能力提高。

视觉分析把交互可视化与分析过程结合，使人能够提出问题、调整筛选、比较结果并形成解释。图解推理关注图形结构如何支持推断。设计思维关注问题发现、原型与迭代，其过程经常运用视觉思维，但两者并非同义。知识图谱是一种具有类型化实体和关系的数据结构，也不能等同于任何带节点连线的知识地图。教学中应允许入门比喻，同时逐步建立这些边界。

2.4

一项任务需要怎样的表征

表征的选择可以从问题动词开始。要列举，用清单；要比较，用对照表或共用尺度的图；要说明先后，用流程；要说明谁与谁有关，用关系网络；要检验原因，用带假设说明的因果图；要寻找空间冲突，用平面图；要观察参数变化，用交互模型。一个任务可能需要多种表征，但每一种都应承担明确职责。没有职责的图，通常只是在增加观看成本。

同一酒店问题可以由不同表征提出不同问题。问题树回答“可能有哪些因素”，时间序列回答“变化何时发生”，渠道分组图回答“变化集中在哪里”，流程图回答“信息和责任如何流动”，收益曲线回答“在某个假设下如何权衡”。这些图不能互相替代。尤其不能由一张原因清单直接宣布原因成立，也不能由一条拟合曲线直接决定真实价格。报告后续案例将反复展示表征之间的互相约束。