Reimagining Calligraphy Education in Higher Education through Artificial Intelligence and Interdisciplinary Pedagogy

Repenser l'enseignement de la calligraphie dans l'enseignement supérieur grâce à l'intelligence artificielle et à la pédagogie interdisciplinaire

Clicks: 68
ID: 312629
2026
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #9 of 705 articles by views in Journal of Computing & Biomedical Informatics

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 705 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
The Chinese calligraphy, the intangible heritage held in high esteem, is challenged with the traditional mode of the calligraphic teaching, which is still labor-intensive and hard to be scaled. To deal with this, the current developments in artificial intelligence (AI) and interdisciplinary STEAM (Science, Technology, Engineering, Arts, Mathematics) teaching are potentially transformative. This paper examines the combination of AI-based feedback and project-based learning in calligraphy classes as the way to integrate the artistic tradition with technological innovation. The research design used a quasi-experimental design (n=642) comprising of undergraduate students, n=321, of a large research university were randomly selected to be assigned to either an experimental group (n=321) with AI-enhanced instruction or to a control group (n=321) with traditional methods. An experimental curriculum was used, which consisted of a computer vision pipeline (grayscale conversion, Gaussian blur, Canny edge detection, and ResNet-50-based convolutional neural networks) trained on 40,000 samples of calligraphy and used to produce saliency maps and formative AI feedback. The students were engaged in interdisciplinary STEAM-based activities involving the connections between brushwork, geometry, physics, and chemistry and cultural studies. A significant improvement in the performance of the experimental group by 7.8 points (p < 0.001) of the post-test results and effect sizes of 0.78 to 1.12 were observed. The mediation analysis showed that the frequency of AI feedback did not directly enhance aesthetic proficiency by increasing self-efficacy, as opposed to the importance of the pedagogical design rather than the frequency of feedback. These results emphasize that the AI-based stroke analysis, combined with an effective STEAM approach, positively affects both interest and cross-cultural awareness, which implies the extensive applicability of the Calligraphy 2.0 model to the renewal of traditional arts and the maintenance of cultural heritage via digital humanities. The model provides a means of changing the conventional form of art education to an interactive, data-oriented, experience, which can be applied to all global heritage practices.
La calligraphie chinoise, patrimoine immatériel tenu en haute estime, est confrontée aux limites du modèle traditionnel d'enseignement calligraphique, qui demeure intensif en main-d'œuvre et difficilement extensible. Pour y remédier, les développements actuels de l'intelligence artificielle (IA) et de l'enseignement interdisciplinaire STEAM (Sciences, Technologies, Ingénierie, Arts, Mathématiques) offrent un potentiel transformateur. Cet article examine l'association d'une rétroaction basée sur l'IA et de l'apprentissage par projet dans les cours de calligraphie comme moyen d'intégrer la tradition artistique à l'innovation technologique. Le protocole de recherche a mobilisé un devis quasi-expérimental (n = 642) composé d'étudiants de premier cycle d'une grande université de recherche, assignés aléatoirement soit à un groupe expérimental (n = 321) bénéficiant d'un enseignement assisté par l'IA, soit à un groupe témoin (n = 321) suivant des méthodes traditionnelles. Un programme expérimental a été mis en œuvre, reposant sur un pipeline de vision par ordinateur (conversion en niveaux de gris, flou gaussien, détection de contours de Canny et réseaux de neurones convolutifs basés sur ResNet-50) entraîné sur 40 000 échantillons de calligraphie et utilisé pour générer des cartes de saillance ainsi qu'une rétroaction formative par l'IA. Les étudiants ont participé à des activités interdisciplinaires fondées sur l'approche STEAM, explorant les liens entre le maniement du pinceau, la géométrie, la physique, la chimie et les études culturelles. Une amélioration significative des performances du groupe expérimental de 7,8 points (p < 0,001) aux résultats du post-test ainsi que des tailles d'effet comprises entre 0,78 et 1,12 ont été observées. L'analyse de médiation a montré que la fréquence de la rétroaction par IA n'améliorait pas directement la maîtrise esthétique par l'accroissement du sentiment d'auto-efficacité, mettant plutôt en évidence l'importance de la conception pédagogique par rapport à la simple fréquence des retours. Ces résultats soulignent que l'analyse des traits assistée par l'IA, combinée à une approche STEAM efficace, influence positivement tant l'intérêt que la sensibilisation interculturelle, ce qui suggère une large applicabilité du modèle Calligraphie 2.0 au renouveau des arts traditionnels et à la préservation du patrimoine culturel par le biais des humanités numériques. Ce modèle offre un moyen de transformer la forme conventionnelle de l'éducation artistique en une expérience interactive et axée sur les données, transposable à l'ensemble des pratiques patrimoniales à l'échelle mondiale.
Reference Key
imported_1777055493_69ebb705e6707 Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Amer Shakir Bin Zainol
Journal Journal of Computing & Biomedical Informatics
Year 2026
DOI
10.56979/1002/2026/1243
URL
https://jcbi.org/index.php/Main/article/view/1243
Keywords Keywords not found

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.