© 何卓芬产品概念 / AI 交互设计
CHARACTOUR
AI-assisted Chinese Character Learning System
面向国际中文学习者,将字形联想、交互书写与生成式 AI 创作结合,帮助用户理解汉字结构、建立字形与字义关联,并通过创作强化学习记忆。
研究与设计逻辑
项目概述 / Overview
面向国际中文学习者,将字形联想、交互书写与生成式 AI 创作结合,帮助用户理解汉字结构、建立字形与字义关联,并通过创作强化学习记忆。
背景与用户研究 / Context & Research
研究背景
汉字学习过程中,国际学习者常面临字形复杂、缺少语义联系、记忆方式单一等问题。传统学习方式更多强调重复记忆,难以形成长期理解。
文献研究
围绕“汉字学习机制”和“面向国际学习者的汉字教学”进行文献梳理。
传统汉字教学更关注字形、字义、读音和书写规则,而智能化学习研究开始引入知识关联与个性化学习,但字形理解、视觉联想与创造性学习之间仍缺少更自然的连接。
现有学习机制正在从单一知识记忆走向关联学习,但字形理解、视觉联想与主动创造之间仍缺少连续的学习路径。
竞品分析
选取 AhaChinese、SuperChinese、西小熊汉字王国等代表性汉字学习产品,从内容结构、学习方式、互动体验和视觉表达等维度进行比较。
现有产品已经能够提供较完整的词汇、口语和汉字学习内容,但整体仍以课程讲解、重复练习和游戏化任务为主,对汉字字形背后的视觉联想和用户主动创作支持不足。
会教用户怎么记,但较少帮助用户理解为什么这样写。
现有产品已经解决了“学什么”和“如何练习”的问题,但对“如何理解字形”以及“如何让学习者主动参与创造”的支持仍然有限。
YouTube 评论挖掘
以 YouTube 平台 Chinese Characters 相关学习视频评论为数据来源,通过评论文本采集、关键词词频统计与词云分析,观察国际学习者如何讨论汉字学习。
评论中反复出现 challenge、funny、associate、create、pictograms。这些词汇表明,学习者一方面认为汉字具有较高学习挑战,同时也倾向于通过图形联想、趣味互动和创造性方式理解汉字。
汉字的复杂性是学习障碍,但其图形性和创造性也恰恰可以成为学习入口。
国际学习者访谈
访谈具有不同中文学习经历的国际学习者,了解他们在汉字识别、书写、记忆以及学习方式上的真实体验。现有研究中包含不同学习背景的国际用户,包括非洲与匈牙利学习者,用来观察不同文化背景下对汉字学习的理解与期待。
Finding 01|汉字容易“认不牢”
复杂字形和相似结构会增加用户的记忆负担。
Finding 02|单纯重复书写容易疲劳
用户希望学习过程更加直观,并具有更多可参与的互动方式。
Finding 03|关注艺术与文化属性
除了学会读写,用户也希望通过更具视觉性和创造性的方式体验汉字。
相比机械重复,学习者更需要通过结构理解、视觉联想和参与式操作建立对汉字的记忆。
用户旅程
基于前期研究,将国际学习者的汉字学习过程整理为认知 → 尝试 → 采用 → 使用 → 深度使用 → 推荐,并进一步梳理不同阶段中的情绪、问题与机会点。
通过用户旅程梳理学习者从初次认知到深度使用与推荐的完整过程,识别不同阶段中的情绪变化、体验痛点与设计机会。
Journey Breakpoints|旅程关键断点
用户从“被汉字吸引”到“持续学习与深度参与”的过程中,核心需求逐渐从降低理解门槛,转向持续反馈、个性化体验与创造性参与。
调研总结
Finding 01|字形与字义之间缺少直观联系
复杂字形、相似结构与字义之间的关系不够直观,学习者往往需要依赖重复记忆才能建立联系。
Finding 02|重复练习难以形成主动参与
现有学习方式较多依赖课程讲解、识记与重复书写,而前期研究显示,学习者更期待通过图像联想、结构拆解和参与式操作理解汉字。
- 该判断反映用户偏好与设计机会,尚未经过正式学习效果实验验证。
Finding 03|初期兴趣难以转化为持续参与
汉字的视觉形态、文化内涵与艺术属性能够激发学习兴趣,但随着学习进入复杂结构与重复练习阶段,新鲜感和参与感容易下降。
- 用户旅程进一步表明,设计机会不仅在于“让汉字更有趣”,还在于:
- 让兴趣持续转化为理解、参与与个人创造。
文献研究、竞品分析、评论挖掘、用户访谈与用户旅程共同指向一个核心矛盾:
汉字复杂的字形与结构增加了学习门槛,而其图形性、文化性与创造性又是吸引学习者持续探索的重要特征。现有学习方式能够帮助用户完成识记和练习,却较少将最初的兴趣进一步转化为结构理解、主动参与与持续创造。
如何把汉字的“难”,转化为能够被理解、参与和创造,并支持持续学习的体验?
问题定义 / Problem Definition
核心问题
汉字学习的挑战,不仅在于字形、字义与书写之间缺少容易理解的联系,也在于初期兴趣难以在重复学习过程中持续转化为主动参与。
Design Challenge|设计挑战
如何通过联想、书写与创作,帮助学习者主动建立汉字结构与意义之间的关系,并将最初的学习兴趣转化为持续参与?
产品机会 / Product Opportunity
Before|传统学习
After|目标体验
让汉字从“需要记住的符号”,变成“可以理解和创造的视觉语言”。
产品策略 / Product Strategy
05-1 Visual Association|图形联想
通过字形与图像建立意义联系,让用户先理解“这个字为什么长这样?”,而不是直接要求记忆。
05-2 Learning by Doing|交互书写
通过参与式操作理解结构。
- 选字
- 观察结构
- 描摹
- 书写
- 部件理解
05-3 Learning by Creating|AI 协同创作
把学习结果转化为个人创作。用户可以将汉字、自己的笔迹和视觉意象交给 AI 生成新的艺术汉字。
- Learn a Character
- Create with a Character
产品结构 / Product Structure
原型主要包含三个核心模块,现有原型主要形成了学习和创作两条核心体验路径。
LEARN|学习
- 选择汉字
- 字形联想
- 互动描绘
- 字义解释
CREATE|创作
- 自由书写
- 部件选择
- AI 视觉生成
- 发布 / 分享
PROFILE|个人
- 学习记录
- 创作作品
核心体验 / Key Experience
Learn a Character|学习一个汉字
核心价值|先形成视觉理解,再进行文字解释。
Create with a Character|创造一个汉字
例如:“火” + 用户笔迹 + 火焰视觉意象 → AI Visual Creation → 具有个人表达的艺术字。
核心价值|将汉字学习从知识记忆进一步延伸到个人视觉表达。
技术原型 / Technology Prototype
汉字与部件识别
项目使用 CNN 进行汉字部件识别实验,并比较 ResNet、GoogLeNet、MobileNet 等网络,最终选择 MobileNetV2 作为识别方向,实验实现使用 PyTorch。该描述仅代表技术路线,当前没有正式准确率数据。
字形结构渲染
将汉字转换为 SVG 矢量结构,用于部件分离、笔画识别、指定区域变形与后续生成控制。
AI 艺术生成
项目探索多阶段生成方式,让模型分别处理字形部件与整体结构,以尽量保持汉字的可识别性。
Experimental AI Pipeline|实验性 AI 技术链路
成果与反思 / Outcome & Reflection
项目成果
完成从用户研究 → 汉字学习机制 → 产品功能 → 高保真交互 → AI 技术实验的一体化产品概念。
项目价值
CHARACTOUR 让我尝试把 AI 从“自动生成内容的工具”转化为学习过程中的协作媒介。AI 不直接替用户完成学习,而是在用户理解、书写和创作之后,进一步扩展其表达结果。
当前局限
当前主要为产品与技术原型;
尚未完成正式学习效果实验;
AI 生成结果仍可能影响汉字结构识别;
技术实验与完整移动端产品尚未完全打通;
需要进一步验证“创作”是否真的能够提升长期记忆。
未来方向
From Learning Characters to Creating with Characters
CHARACTOUR 希望让汉字从需要重复记忆的学习对象,转化为可以被理解、互动并进一步创造的视觉语言。