一、前期核心认知：锚定跨学科考核逻辑

央美数媒考研核心考察「技术落地能力 + 艺术创意思维 + 跨学科研究潜力」，延续 “材料先行” 三阶段选拔模式，但其考核重心与视传存在本质差异：视传侧重平面视觉表达，数媒则聚焦数字技术与艺术语言的融合创新，涵盖数字影像、沉浸式体验、智能交互等多元方向。

需重点关注设计学院官网 9-10 月《招生简章》，明确当年三大研究方向的细分要求：①数字艺术与影像语言研究;②动态媒体设计与数字艺术研究;③数字艺术与智能设计，同时跟踪费俊等核心导师的最新实践(如混合场域叙事、AI 情绪交互等)，确保备考贴合院校前沿。

二、初审材料准备：凸显技术与艺术的共生性(9-10 月提交)

初审通过率约 25%-30%，材料需打破 “纯艺术” 或 “纯技术” 的单一维度，核心强化 “技术赋能艺术” 的呈现逻辑：

3000 字专业论文

主题方向：聚焦跨学科议题，如 “MR 技术下的叙事性沉浸体验设计研究”“数据可视化中的艺术表达策略 —— 以费俊《水曰》为例”。

框架模板：引言(技术背景 + 研究缺口)→ 理论支撑(麦克卢汉媒介理论 + 诺曼设计心理学)→ 案例分析(需含 1 个央美导师作品 + 1 个国际前沿案例)→ 技术落地路径(如 Unity 引擎在交互装置中的应用)。

加分关键：引用费俊、陈小文等导师关于 “艺术与科技跨学科” 的论文观点，标注技术术语的专业解释(如 “混合现实(MR)的空间定位原理”)。

A4 作品集(30 页内，含动态附件)

内容配比：交互装置 / 数字影像 / 沉浸式体验 / 游戏 Demo四类项目各 1-2 个，杜绝纯平面作品堆砌，每个项目必须包含 “技术实现部分”。

过程性呈现：强化 “技术试错 - 迭代优化” 逻辑，例：智能交互装置需展示 “传感器选型对比(红外 vs 压力)→ 代码调试截图→ 原型测试反馈→ 最终效果”。

动态补充：附 1 分钟视频光盘(或云链接)，浓缩展示交互作品的实际运行效果(如用户触碰装置后的数据反馈动画)。

500 字研究方向认知

结构公式：个人技术积累(如 “掌握 C4D 动画 + Arduino 交互开发”)→ 对央美方向的理解(如 “智能设计方向需平衡算法逻辑与人文关怀”)→ 未来研究设想(如 “基于情绪识别的儿童心理健康交互装置研究”，呼应费俊《情绪几何》的实践逻辑)。

三、初试备考：技术与理论的双向突破(12 月考试)

(一)公共课：保持保底优势

英语：重点积累 “技术 + 艺术” 复合词汇(如 “immersive experience”“interactive installation”)，每周精读 1 篇《MIT Technology Review》的数字艺术专栏。

政治：结合时政热点关联专业(如 “文化数字化战略下的数字艺术传承”)，11 月后针对性背诵科技伦理、文化自信相关论述。

(二)专业课一：理论基础(设计史 + 数字艺术理论)

核心参考书单(差异化补充)

类别书名核心价值

基础必读书《世界现代设计史》(王受之)梳理设计与技术融合的历史脉络

《艺术设计概论》(李砚祖)构建艺术与设计的底层逻辑

数媒专属书《数字媒体艺术理论基础》掌握数字艺术的核心概念与分类

《理解媒介》(马歇尔・麦克卢汉)理解技术对艺术传播的重构作用

《设计心理学 4：未来设计》建立技术设计的用户思维

复习方法

框架重构：按 “技术迭代→艺术变革→代表作品” 三维制表，例：“VR 技术→沉浸式艺术→teamLab《无界自然》”。

真题突破：近 5 年真题侧重 “技术应用分析”(如 2024 年 “人形机器人的艺术表达可能性”)，需准备 “技术原理 + 艺术案例 + 批判思考” 答题模板，例：分析 AI 绘画时，需涵盖 “Midjourney 算法逻辑→原研哉对‘无意图性’的追求→技术伦理争议”。

(三)专业课二：创作与技术(手绘快题 + 技术方案)

考核特点：区别于视传的平面创作，数媒快题需包含 “手绘分镜 + 技术实现方案” 两部分，2025 年真题大概率延续 “未来科技场景” 导向(如 “2040 年家庭陪伴机器人的交互界面设计”)。

阶段训练规划

阶段时间核心任务训练方法

基础期3-6 月技术认知 + 手绘基础① 学习 Blender/C4D 基础建模(每周 15 小时);② 每天 1 小时动态分镜练习(侧重镜头语言设计);③ 制作 “技术工具表”(如传感器、引擎的适用场景)

强化期7-9 月快题框架搭建 + 技术落地每周 1 套完整快题(含 3 页分镜 + 2 页技术方案)，参考费俊《EAT ART・MR 情绪料理》的交互逻辑，设计 “用户行为 - 技术响应 - 艺术效果” 链路

冲刺期10-12 月限时模拟 + 方案优化3 小时限时训练：1.5 小时完成分镜(含角色 / 场景 / 交互流程)+1.5 小时撰写技术方案(含硬件选型、软件工具、实现难点)，避免 “只画不写” 的致命失误

高分关键：拒绝 “技术堆砌”，需体现艺术思考。例：设计 “老人智能陪伴装置” 时，用暖色调分镜传递人文温度，技术方案中说明 “简化交互逻辑的心理学依据”(呼应《设计心理学》)。

四、复试准备：技术实操与思辨能力双重考核(次年 3-4 月)

作品集深度讲解(10 分钟)

讲解逻辑：聚焦 “技术解决的艺术问题”，例：数字影像作品需说明 “为何选择 8K 分辨率拍摄(技术选择)→ 如何通过镜头语言传递时间流逝(艺术表达)”;交互作品需现场演示核心功能(如用手机展示原型交互效果)。

高频追问：“若重新优化该项目，会选择哪种新技术?(如从 AR 升级为 MR 的理由)”“技术实现中遇到的最大障碍及解决思路”。

专业面试(15-20 分钟)

核心问题库：

技术类：“如何看待 AI 生成艺术对数字媒体创作的冲击?(需结合 Midjourney 与独立创作的关系分析)”

研究类：“若进入数字艺术与智能设计方向，你的首个研究项目如何结合费俊教授的混合场域叙事理论?”

实践类：“请用 3 分钟说明 Unity 引擎在沉浸式展览设计中的应用流程”。

准备技巧：积累 3 个国际前沿案例(如威尼斯双年展中的数字装置)，关注《Designboom》的 “Art & Tech” 专栏，提前用 PPT 梳理技术流程图(如 “数据采集→算法处理→视觉呈现”)。

五、全年时间轴与避坑指南(数媒专属版)

时间节点核心任务避坑提醒

3-6 月技术入门 + 理论框架搭建勿沉迷软件操作忽视艺术基础，每天需 1 小时素描训练(侧重动态人体结构)

7-9 月初审材料制作 + 快题强化作品集避免 “技术参数罗列”，每个项目需标注 “艺术创新点” 与 “技术创新点”

10 月提交初审材料 + 真题冲刺论文需规范引用技术文献(如 IEEE 会议论文)，避免艺术理论的单一支撑

11-12 月公共课刷题 + 技术方案模拟快题技术方案需务实，避免提及未掌握的高端技术(如不懂深度学习却强行写 AI 算法)

次年 2-4 月复试准备(作品演示 + 技术答辩)面试前调试演示设备(如备用充电宝、离线版原型)，避免技术故障影响发挥

六、高分学长经验核心提炼(专业课第一学长分享)

技术积累路径：大二开始系统学习 “设计软件(PS/AE)→ 交互工具(Figma/Arduino)→ 引擎(Unity)” 三级体系，每掌握一项技术立即落地小型作品(如用 Arduino 制作简易触摸交互装置)。

院校适配技巧：连续 3 年参加央美 “艺术与科技” 主题毕业展，拍摄数字装置的技术细节(如传感器安装位置、投影映射方式)，拆解其 “技术选型 - 艺术效果” 的匹配逻辑。

差异化竞争策略：在同类考生侧重 “视觉效果” 时，强化 “用户研究” 维度 —— 例如在作品集加入用户访谈记录、行为数据分析图表，体现 “技术服务人的设计思维”，贴合央美 “解决实际问题” 的考核导向。