智能圖像識讀與鄉(xiāng)村早期藝術(shù)教育研究①

肖 弋（湖南師范大學(xué) 美術(shù)學(xué)院，湖南 長沙 410002）

鄉(xiāng)村早期藝術(shù)教育中的兒童美術(shù)創(chuàng)造力是活態(tài)傳承鄉(xiāng)村美術(shù)人文的核心能力，由于創(chuàng)造力培養(yǎng)路徑的不確定性，鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)是一個瓶頸問題。隨著人工智能、大數(shù)據(jù)技術(shù)日益廣泛地介入育人過程，傳統(tǒng)依據(jù)個人主觀經(jīng)驗培養(yǎng)兒童美術(shù)創(chuàng)造力的教學(xué)影響力日漸式微，鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)，時下已成為一個育人難題。

推進鄉(xiāng)村兒童美術(shù)創(chuàng)造力發(fā)展，應(yīng)用新信息技術(shù)手段深入鄉(xiāng)村進行人才培養(yǎng)，可以緩解鄉(xiāng)村美育師資不足的困難，成為鄉(xiāng)村兒童美育中具有良好應(yīng)用前景的新選擇。1998 年，Yann LeCun 提出的應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)，具有強大的圖像特征提取和識別功能，可以實現(xiàn)復(fù)雜圖像直接輸入網(wǎng)絡(luò)并快速提取圖像特征及分類，廣泛地應(yīng)用于各個行業(yè)。CNN 可以高效建構(gòu)鄉(xiāng)村美術(shù)圖像序列分類數(shù)據(jù)庫，迅速呈現(xiàn)鄉(xiāng)村兒童美術(shù)作品中的創(chuàng)造力特征，助力教育者開展針對性培養(yǎng)，促進鄉(xiāng)村兒童產(chǎn)生根植于鄉(xiāng)村文化意蘊的個性化美術(shù)創(chuàng)造力，是破解鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)難題、助力鄉(xiāng)村美學(xué)建設(shè)的有效途徑?；诰矸e神經(jīng)網(wǎng)絡(luò)圖像識讀的鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式構(gòu)建，這是一個亟待研究的新議題。

一、圖像識讀與鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)研究

圖像識讀呈現(xiàn)了美術(shù)創(chuàng)造中圖像的形式與內(nèi)涵、功能與價值，是美術(shù)創(chuàng)造力的必備要素。1969 年，Rudolf Arnheim 認為視覺作為一種具有高度選擇性的探索工具，能通過捕捉事物圖像的突出特征，確定對一個知覺對象的認識，并能夠創(chuàng)造出一個完整的式樣。卷積神經(jīng)網(wǎng)絡(luò)（CNN）作為一種典型的深度學(xué)習(xí)模型能對復(fù)雜結(jié)構(gòu)、大樣本的圖像特征進行自動學(xué)習(xí)，被廣泛應(yīng)用于解決圖像識別、圖像分類、目標(biāo)檢測等圖像識讀問題，但其在美術(shù)教育領(lǐng)域應(yīng)用研究目前尚少，是一個值得深入研究的廣闊領(lǐng)域。

國外研究者發(fā)現(xiàn)兒童視覺認識高度影響創(chuàng)造力成長。1940 年，Herbert Reed 開始重視兒童美術(shù)表現(xiàn)類別與視知覺類型的關(guān)系。1947 年，Viktor Lowenfeld通過實驗論證擴大視覺經(jīng)驗范圍能有效促進兒童創(chuàng)造力與心智成長。1969 年，Rudolf Arnheim 以“視覺思維”引導(dǎo)注意力集中于功能的創(chuàng)造性思維教育責(zé)任。1972年，Elliot W·Eisner 的研究則重在觀察視知覺活動與視覺認識之間的統(tǒng)一性。

研究者探析兒童美術(shù)創(chuàng)造力培養(yǎng)中的圖像識讀內(nèi)涵及方式。1986 年，Kristin G 認為如能對民間美術(shù)作品進行準(zhǔn)確的圖像分類，可以引導(dǎo)兒童注意作品創(chuàng)造過程，促進兒童的智力、文化和個人經(jīng)驗發(fā)展，影響民間藝術(shù)的相對創(chuàng)新。2008 年，Howard Gardner 關(guān)注展覽作品、電視等圖像對兒童聯(lián)想力的積極影響，分析兒童創(chuàng)造力落差的“U 形曲線”圖式成因。2009年，Enid Zimmerman 重新定義創(chuàng)造力，圖像選擇不以自我表達為主導(dǎo)，更注重文化認同、技術(shù)、良好公民意識等培養(yǎng)，校內(nèi)外聯(lián)合培養(yǎng)時考慮認知復(fù)雜性等主要作用。2011 年，Torrance E. P.認為需要教兒童創(chuàng)造性地思考。2014 年，Dennis Wolf 和Steven J 認為民間藝術(shù)的創(chuàng)造力是種溝通語言。

研究者研討鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)中的圖像識讀狀態(tài)。內(nèi)涵上：2001 年，謝麗芳認為鄉(xiāng)村兒童創(chuàng)作呈現(xiàn)了鄉(xiāng)村美學(xué)的“原生態(tài)”特征；2004 年，李力加關(guān)注民間美術(shù)圖像審美陶冶作用。思路上：2005 年，翟墨呼吁在兒童美育中開展搶救性的民間美術(shù)圖像解讀與創(chuàng)作；2017 年，錢初熹開展以創(chuàng)意思維為核心的21 世紀(jì)視覺素質(zhì)教育；2019 年，朱青生提倡普及“圖像基礎(chǔ)教育”。實踐上，全國各地以鄉(xiāng)村學(xué)校為育人基地，組建了以城帶鄉(xiāng)、多方協(xié)作的鄉(xiāng)村美育共同體：如2003 年至2020 年，中國美術(shù)家協(xié)會少兒美術(shù)藝術(shù)委員會等組織的“蒲公英”農(nóng)村地區(qū)小學(xué)美術(shù)教育專項課題推行民族民間美術(shù)圖像識讀與創(chuàng)作育人；高校和美術(shù)館開展項目制育人，如2014 至2016 年浙江館校合作構(gòu)建“藝游鄉(xiāng)里”美育共同體；2020 年，湖南師范大學(xué)美術(shù)教育研究基地聯(lián)合社會各界開展鄉(xiāng)村美育成果圖像展研，深化推進鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)機制建設(shè)。近年來，各地探求形成創(chuàng)作面貌豐富的“一校一品”“一校多品”的特色育人格局。

已有研究探析圖像識讀與兒童創(chuàng)造力成長之間緊密的邏輯關(guān)系，對鄉(xiāng)村兒童創(chuàng)造力培養(yǎng)具有促進心智成長、實現(xiàn)民間美術(shù)文化傳承的價值達成共識，業(yè)界關(guān)注并開展了培養(yǎng)內(nèi)涵和實踐探析。但在步入圖像識讀的信息化時代，受限于教育者個人經(jīng)驗開展兒童創(chuàng)造力培養(yǎng)的局限性較大，因缺乏學(xué)科交叉融合，未能建構(gòu)體現(xiàn)鄉(xiāng)村自強、自信美育精神與各民族審美特質(zhì)的鄉(xiāng)村美學(xué)圖像數(shù)據(jù)庫，培養(yǎng)時對鄉(xiāng)村兒童個性化的創(chuàng)造力發(fā)展需求關(guān)注不足，阻礙了鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)及提升。建構(gòu)基于CNN 網(wǎng)絡(luò)圖像識讀模型的鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式，有利于深入探索人工智能應(yīng)用于美育育人、助力鄉(xiāng)村美學(xué)建設(shè)的新途徑。

二、美術(shù)教育視角的卷積神經(jīng)網(wǎng)絡(luò)（CNN）相關(guān)研究

已有國外研究大多將卷積神經(jīng)網(wǎng)絡(luò)視為圖像模型結(jié)構(gòu)的深度和特征學(xué)習(xí)范例進行研究，主要集中于以下領(lǐng)域：

探討基于CNN 的圖像分類方法特性。1958 年，David H.Hubel 和Torsten N.Wiesel；1980 年，Kunihiko Fukushima；1989 年，Yann LeCun 分別受動物視覺神經(jīng)系統(tǒng)啟發(fā)提出的CNN 能自動、快速學(xué)習(xí)圖形的高層特征，不斷深入研究使圖像分類簡單快捷、適應(yīng)性強。

構(gòu)建CNN 經(jīng)典模型，提高圖像特征表達能力。1998 年，Yann LeCun 等提出LeNet5（如圖1）；2012年，Alex Krizhevsky 等提出AlexNet（如圖2）；2014 年，Christian Szegedy 等提出Inception（如圖3） ；2014 年，Karen Simonyan 等提出VGGNet（如圖4）增加了對CNN 圖像復(fù)雜特征的非線性表達能力，利用網(wǎng)絡(luò)深度理解更多有意義的圖像特征，可處理數(shù)量龐大的圖像大數(shù)據(jù)集。

圖1 LeNet5網(wǎng)絡(luò)結(jié)構(gòu)圖（摘自“Gradient-Based Learning Appliedto Document Recognition”）

圖2 AlexNet網(wǎng)絡(luò)結(jié)構(gòu)圖（摘自“ImageNet Classification with Deep Convolutional Neural Networks”）

圖3 Inception-v4網(wǎng)絡(luò)結(jié)構(gòu)圖（摘自“https://blog.csdn.net/u013841196/article/details/80673688”）

圖4 VGG16網(wǎng)絡(luò)結(jié)構(gòu)圖（摘自“https://www.jianshu.com/p/9f77a4a4f294”）

改進CNN 機制，提升深度學(xué)習(xí)效能。2012 年，Li 等提出針對卷積核的注意力機制SKNet，2017 年，Hu 等提出針對圖像特征的通道注意力機制SENet，趨向輕量級、高效的網(wǎng)絡(luò)發(fā)展。

已有國內(nèi)研究主要探討了應(yīng)用CNN 提取圖像特征、進行分類解析的方法。2005 年至2021 年，紡織：鄧瑩潔、羅戎蕾；生物醫(yī)學(xué)領(lǐng)域：楊培偉等；測繪領(lǐng)域：朱袁杰等；農(nóng)業(yè)領(lǐng)域：顏琪；電子商務(wù)領(lǐng)域：賈世杰等；檢測領(lǐng)域：肖柏旭、張麗靜；交通領(lǐng)域：陸璐等人探討了圖像特征識別、圖像精細分類、圖像檢測算法等在各領(lǐng)域的應(yīng)用實效。其他研究主要集中在兩方面：一是梳理CNN 的圖像分類研究歷程。2020 年，覃曉、包俊等對CNN 的圖像分類研究進展進行脈絡(luò)梳理，提出展望；二是提出新的CNN 圖像研究方法，提升CNN 的圖像分類性能。2020 年，侯小毛等提出增強引力搜索的圖像分類算法；2021 年，朱斌等提出增加新型初始模塊。近年來，基于CNN 的圖像研究逐年上升，文獻量相對較多。

2021 年5 月，在中國知網(wǎng)進行檢索：（主題：卷積神經(jīng)網(wǎng)絡(luò)）OR（主題：CNN），從總庫中獲得文獻資料6.99 萬份，其中包括4.77 萬篇學(xué)術(shù)期刊、1.74萬篇學(xué)位論文、4131 篇會議論文及60 本圖書，主要涉及的40 個學(xué)科領(lǐng)域（如圖5）所示，其中在計算機軟件及計算機應(yīng)用領(lǐng)域研究最為深入，文獻為37570 篇，占比36.90%。其次是自動化技術(shù)，文獻為28460 篇，占比27.95%。位居第三的是電信技術(shù)，占比5.22%。在進一步限定“美術(shù)教育”主題后，僅檢索到文獻1 篇，即2020 年5 月尹勇鋒的軟件工程專業(yè)碩士論文《面向繪畫在線教育的零樣本圖像檢索技術(shù)及其應(yīng)用研究》，文章探析通過繪制簡易的物體輪廓檢索相同標(biāo)簽的自然圖像，研究重點是圖像檢索技術(shù)，與本文探析智能圖像識讀育人模式的研究點不同。

事實上，國內(nèi)包裝市場的快速增長也反映在了機器的供應(yīng)上。以青浦工廠出品的設(shè)備為例，早期，青浦工廠主要組裝四色機，后來增加了六色機、七色機，到現(xiàn)在又開始八色機組裝，而這些長機器基本上是提供給包裝印刷企業(yè)來使用。據(jù)了解，青浦工廠提供給國內(nèi)企業(yè)的設(shè)備的數(shù)量，目前占了海德堡大中華區(qū)總銷售量的一半以上。

圖5 涉及CNN研究的40個主要學(xué)科領(lǐng)域（圖右側(cè)列表:依據(jù)數(shù)量由上至下排序）

廣泛的應(yīng)用領(lǐng)域及相關(guān)研究成果表明，CNN 具有強大的深度學(xué)習(xí)能力，能有效地用于圖像特征提取和模式識別，可以豐富、深化人們的視覺經(jīng)驗并提升判斷力，促進美術(shù)深度學(xué)習(xí)。盡管基于CNN 的圖像處理及識讀，可以將感性的美術(shù)創(chuàng)作力培養(yǎng)內(nèi)涵理性化、可視化，為美育指引正確方向，是人工智能時代美育路徑的新探索，但利用CNN 對視覺形象的感知、理解能力開展美育育人的研究文獻明顯缺失，目前尚為研究“盲區(qū)”。構(gòu)建促進鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)的CNN 圖像識讀模型，可能是在理論和實踐上破解這一行業(yè)性難題的切口。

三、以智能圖像識讀助力鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式構(gòu)建

本研究立足于鄉(xiāng)村美術(shù)特色的鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)，應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)（CNN）強大的圖像識讀能力，建構(gòu)并探析CNN 圖像識讀模型對鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)及其發(fā)展的影響。探索因材施教、切實可行的鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式，激活鄉(xiāng)村兒童的美術(shù)創(chuàng)造活力，同時開發(fā)一線教師可簡便操作的應(yīng)用程序，研究成果實現(xiàn)教學(xué)應(yīng)用。

智能圖像識讀助力鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式構(gòu)建框架思路為：

1.鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)現(xiàn)狀及問題分析

（1）深入調(diào)查鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)的圖像識讀既有模式。

（2）廣泛了解制約鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)的圖像識讀因素，分析原因。

（3）歸納現(xiàn)狀中的問題，探析新時期鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)的圖像識讀內(nèi)涵。

2.CNN圖像識讀機理的鄉(xiāng)村美育育人價值探析

（1）分析CNN 圖像特征提取與美學(xué)遷移分析的機理。

（2）探析CNN 提取鄉(xiāng)村美學(xué)特征的育人價值。

（3）分析CNN 自動學(xué)習(xí)機理與鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)關(guān)系。

3.鄉(xiāng)村兒童美術(shù)創(chuàng)作大數(shù)據(jù)集獲取及圖譜分析

（1）廣泛收集鄉(xiāng)村美術(shù)主題作品樣本開展圖譜分析。

（2）大規(guī)模鄉(xiāng)村美術(shù)主題作品樣本數(shù)據(jù)采集、預(yù)處理圖像數(shù)據(jù)，通過圖譜分析確定作品的創(chuàng)作特征。

（3）以計算機數(shù)據(jù)擴充為基礎(chǔ)，建構(gòu)鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)的圖像識讀大數(shù)據(jù)集。

首先，收集優(yōu)秀民間美術(shù)作品、鄉(xiāng)村兒童美術(shù)作品、中外鄉(xiāng)村主題美術(shù)作品等，分析鄉(xiāng)村兒童美術(shù)創(chuàng)造力成因和不同類型美術(shù)創(chuàng)造力影響的圖譜變化規(guī)律。

圖6 鄉(xiāng)村民間美術(shù)圖像分類示意圖

然后，采集上述樣本的電子圖譜，進行圖像預(yù)處理，邀請鄉(xiāng)村美學(xué)和民間美術(shù)研究專家依據(jù)民間美術(shù)的功能、種屬、文化意蘊、美術(shù)語言等特性的層次聚類，按照簡便性、通用性、專指性、可擴展性的圖像分類原則，確立鄉(xiāng)村美術(shù)作品圖像分類標(biāo)準(zhǔn)，建立圖像類屬與當(dāng)代鄉(xiāng)村兒童美術(shù)創(chuàng)作狀態(tài)的關(guān)聯(lián)性，定義作品圖像類別和類型，由專家評估作品的造型符號及其意蘊、組織結(jié)構(gòu)、空間維度、色彩搭配、線條組合、材質(zhì)肌理等，給出圖譜分類標(biāo)簽，分類提供創(chuàng)意策略參考。

最后，通過計算機對原始圖像進行旋轉(zhuǎn)、縮放以及調(diào)整明暗度等方式來擴充原始圖譜數(shù)據(jù)集，提高后續(xù)模型的魯棒性，最終擬獲取用于訓(xùn)練CNN 網(wǎng)絡(luò)的鄉(xiāng)村美術(shù)創(chuàng)作作品10 萬張，作為提供給鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)的圖像識讀大數(shù)據(jù)集，并將其劃分為訓(xùn)練集（80%圖片）和驗證集（20%圖片）。

圖7 應(yīng)用CNN圖像識讀進行圖像分類示意圖

4.基于CNN圖像識讀的鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式建構(gòu)與優(yōu)化

（1）選擇、調(diào)整與優(yōu)化CNN 模型，構(gòu)建CNN圖像識讀模型。

（2）進行模型實用性能評估。

（3）探析具有鄉(xiāng)村美學(xué)建設(shè)特色的鄉(xiāng)村兒童美術(shù)創(chuàng)造力發(fā)展評價。

（4）形成基于CNN 圖像識讀的鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式。

（5）應(yīng)用模式育人，動態(tài)反饋實踐結(jié)果，優(yōu)化培養(yǎng)模式。

首 先， 選 擇 主 流CNN 網(wǎng) 絡(luò)（ 如AlexNet、VGG16 等），根據(jù)作品樣本數(shù)據(jù)性質(zhì)，對作品圖像數(shù)據(jù)進行預(yù)處理并進行網(wǎng)絡(luò)調(diào)整和超參數(shù)優(yōu)化。之后將訓(xùn)練集用于培養(yǎng)的CNN 模型進行學(xué)習(xí)訓(xùn)練，并把基于驗證集獲得的圖像分類準(zhǔn)確率作為評估CNN 模型圖像識讀性能的重要指標(biāo)，對不同CNN 網(wǎng)絡(luò)的圖像分類結(jié)果進行比較，從中甄選出最優(yōu)模型。最后，將CNN 模型投入實際應(yīng)用，將其分類結(jié)果與專家分類結(jié)果進行比對，以此評估CNN模型的實用性能。同時，針對培養(yǎng)中可能出現(xiàn)的鄉(xiāng)村兒童個體差異和美術(shù)表現(xiàn)力水平限制、同一美術(shù)類型圖譜數(shù)據(jù)差異較大等問題，給出增量學(xué)習(xí)方案，采用新獲得的作品數(shù)據(jù)更新、優(yōu)化、拓展CNN 模型的應(yīng)用域，形成適宜評估鄉(xiāng)村兒童美術(shù)創(chuàng)造力發(fā)展水平的模型結(jié)構(gòu)。

該人工智能模型可轉(zhuǎn)換性地應(yīng)用專家經(jīng)驗，獲取鄉(xiāng)村兒童美術(shù)作品中的鄉(xiāng)村美術(shù)審美、情感、個體美術(shù)表現(xiàn)水平等分類信息，迅速呈現(xiàn)兒童創(chuàng)造力發(fā)展階段、學(xué)習(xí)興趣、技術(shù)水平等情況，可為進一步培養(yǎng)指引正確方向、明確培養(yǎng)階段發(fā)展目標(biāo)。依據(jù)培養(yǎng)需要，從訓(xùn)練CNN 模型的大數(shù)據(jù)集中快速提取同質(zhì)組、對比組、衍變組標(biāo)簽作品，鄉(xiāng)村兒童可獲取與個人美術(shù)發(fā)展?fàn)顟B(tài)相近的創(chuàng)意圖像資源，教師可獲取相應(yīng)的創(chuàng)意教學(xué)策略參考。在階段性培養(yǎng)中，將兒童新作品圖像輸入CNN 模型，使用CNN 得出圖像識讀結(jié)果，基于結(jié)果給出培養(yǎng)方案，據(jù)育人實況進入后繼階段培養(yǎng)，達成創(chuàng)造力發(fā)展目標(biāo)。

在創(chuàng)造力發(fā)展評價中，重點關(guān)注“鄉(xiāng)村”語境中兒童美術(shù)學(xué)科核心素養(yǎng)養(yǎng)成，尤其重視有鄉(xiāng)村文化理解的美術(shù)創(chuàng)意表現(xiàn)實踐，以評價引導(dǎo)鄉(xiāng)村兒童觀察接鄉(xiāng)村地氣、養(yǎng)成鄉(xiāng)村文化底氣、創(chuàng)意表達為鄉(xiāng)村文化注入生氣。依據(jù)評價，動態(tài)反饋模型和方法的應(yīng)用情況，不斷完善育人模式。

圖8 基于CNN圖像識讀的鄉(xiāng)村兒童美術(shù)創(chuàng)造力培養(yǎng)模式示意圖

結(jié) 語

聚焦鄉(xiāng)村美術(shù)文化生態(tài)建設(shè)生力軍培養(yǎng)，應(yīng)用人工智能促進鄉(xiāng)村兒童圖像深度學(xué)習(xí)，探索構(gòu)建一個鄉(xiāng)村美學(xué)特色鮮明、操作便捷、培養(yǎng)指向可視化的鄉(xiāng)村兒童美術(shù)創(chuàng)造力“人工智能+美術(shù)教育”復(fù)合培養(yǎng)模式。在基于CNN 圖像識讀的培養(yǎng)模式構(gòu)建中，需要科學(xué)設(shè)置圖像特征分類標(biāo)簽，構(gòu)建適用于CNN 圖像識讀的鄉(xiāng)村兒童美術(shù)創(chuàng)作大數(shù)據(jù)集；需要依據(jù)CNN圖像分類結(jié)果恰當(dāng)評估兒童美術(shù)創(chuàng)造力水平，指導(dǎo)開展兒童美術(shù)創(chuàng)造力培養(yǎng)，實現(xiàn)鄉(xiāng)村兒童美術(shù)創(chuàng)造力可持續(xù)發(fā)展。后期可以通過開發(fā)研究成果的應(yīng)用程序，無經(jīng)驗用戶使用手機或電腦輸入鄉(xiāng)村兒童美術(shù)作品，即可獲得圖像識讀反饋、資源鏈接、培養(yǎng)參考等，探求研究成果在鄉(xiāng)村早期藝術(shù)教育中的推廣應(yīng)用。