生成式人工智能背景下新闻传播实践教育改革研究

李欣 柳欣怡

【内容摘要】本文认为，生成式人工智能技术的发展将推动新闻传播业新一轮的巨变，新闻传播教育正面临前所未有的冲击，要求新闻传播院校的实践教育体系围绕新技术、新趋势因时而变。为探究新闻传播教育如何应对技术变迁，本文将分别从实践教育理念、课程体系及实践平台等维度探讨生成式人工智能环境下新闻传播院校实践教学体系的改革方向。

【关键词】新闻传播实践教育；生成式人工智能；教学改革

2022年11月，智能程序ChatGPT问世，在短短两个月内月活用户便突破1亿，成为互联网发展史上用户规模增幅最快的应用程序。人们惊叹于ChatGPT高阶的人机交流水平、内容学习与创造能力，其背后以AIGC为代表的生成式人工智能技术也引起了全社会的关注。“媒介的影响之所以非常强烈，恰恰是另一种媒介变成了它的‘内容’。”①依托其强大的数据分析及模型生成技术，生成式人工智能具备以智能对话的形式进行内容生成并形成自己内容基础的能力，使得“信息对信息传播”的全新图景成为可能，更为激发生产力和人类创造力提供了强劲的引擎。据埃森哲（Accenture）发布的研究报告，98% 的全球高管认同人工智能基础模型将在未来3至5年内在其组织的战略中发挥重要作用；40%的工作时间可能会受到像 GPT-4这样的大型语言模型的影响。②这一技术将拓展更广泛的应用场景，深化人机协同的程度，一定会带来传播生态的巨大变局。

马歇尔·麦克卢汉曾指出，媒介对人类联合、行动规模和形式发挥塑造和控制作用。③对于新闻传播界来说，技术一直是行业发展的关键性推动力量。随着生成式人工智能颠覆性的进步，越来越多的学者、从业者开始思考其对新闻传播实践所产生的影响。曾晓（2023）④认为，生成式人工智能应用于新闻内容生产领域，將实现新闻从生产到分发各环节的一站式自动生成目标，在降本增效的同时，充分释放新闻内容生产力、扩大内容影响力，并且以多元的呈现形式和丰富的内容形态实现深度融合目标。陈昌凤（2023）⑤提出人工智能创新了报道方式、改变新闻叙事观念的可能性。喻国明等人（2023）⑥认为，以ChatGPT为代表的生成式人工智能将驱动传媒业从劳动密集型产业逐渐转变为技术密集型和资本密集型产业。总而言之，不论微观的新闻生产流程、新闻分发方式等层面，还是新闻组织、机构甚至生态层面，普遍认为生成式人工智能对于新闻传播实务的影响是巨大且空前的。

掌握专业化的新闻报道技术，是新闻行业对未来从业者的重要诉求。⑦新闻教育是新闻学界与业界勾连最多的场域，20世纪90年代末，就有学者敏锐地意识到互联网将会对新闻业造成革命性的影响。2005年，蔡雯教授将“媒介融合”概念引入中国后，学界对技术变更下新闻学学科的建设开展了大量讨论，新闻传播教育也对媒介技术的变革保持着高度的关注。从现实来看，多年来随着技术不断升级，新闻传播类院校的确不断将前沿媒介技术纳入了自身的教育体系中，大数据、云计算、物联网、虚拟现实、人工智能等成为了新闻传播教育中的“核心”与“骨干”。⑧在生成式人工智能为传媒业带来机遇与挑战的同时，种种新闻传播领域的实践变革，都在要求新闻传播院校的实践教育体系围绕新技术、新趋势因时而变。本文将分别从实践教育理念、课程体系及实践平台等维度探讨生成式人工智能环境下，新闻传播院校实践教学体系的改革方向。

一、理念重塑，重新认知新闻传播业的行动主体

生成式人工智能的崛起及其对新闻业的介入，表明人工智能在新闻生产的行动者网络中正在发生关键性作用，形成了作为“行为方式”的技术经由新闻生产流程参与构造信息生产过程的全新机制。对这一全新机制的认知是新闻传播教育理念重塑的基石。

美国传播学家施拉姆曾用一天中的“最后7分钟”来描绘人类传播演进所呈现出的加速度发展趋势。随着不断地迭代发展，生成式人工智能拥有了强大的语义理解能力及处理复杂多模态输入的能力，能够输出文本、图像、视频等多种形式的内容。百度推出的“文心一言”不仅可以生成文字，而且也能生成图片、思维导图等多种内容形式，实现多模态化的工作。生成式人工智能最新的变化表明，当前生成式人工智能的内容更加多元与复杂，有助于提升新闻业自动化新闻生成的能力。新闻传播学从未有过这样一个需要深度整合多元学科发展的时代，新闻传播人才实践教育升级应充分实现学科间的交叉融合，实现向智能新闻教育的转向。

从许多既有的高校培养方案来看，智能新闻教育的改革仅限于在原有教学框架之上按照技术更新、院校优势等添补内容，缺乏系统的课程修订和整体布局，这也使得学生对新闻传播学应学内容产生困惑。⑨生成式人工智能作为新生技术，其学术研究仍处于探索规律的阶段，相关的理论体系还未建立。值得注意的是，以生成式人工智能为代表的智能媒体让“万物皆媒”有了充分的呈现空间，传播主体身份的嬗变，使信息传播与新闻传播杂糅在一起，造就了复杂的传播样态，这就极大地影响了新闻教育的培养目标和教学内容。如无法在教育过程之中区分新闻传播与信息传播的区别，就极有可能会混乱学生对于新闻传播功能的认知。⑩

因此，为了实践教育本身不浮于表面，且有效与新闻实践接轨，在实践教育的过程之中，应当从源头上遵循一纵一横两个基本逻辑。纵向思路上，在改革过程中引入技术思维，从新技术的变更之中透视技术的变更逻辑，确保新闻实践教育与技术更新同频共振。横向思路上，紧跟生成式人工智能技术的切面研究，分析生成式人工智能技术对新闻实践所产生的影响。总的来说，实践教育改革尝试应当与技术相关研究步调相配合，在摸索生成式人工智能这一技术的同时，厘清智能媒体下新闻教育的边界。

二、知识体系，形成交叉学科“知识树”

新闻传播实践教育的基础是学生具备多学科交叉的“树”形知识体系。“知识树”建构的目的是探索如何可扩展性地解决学生知识体系的结构化、体系化、链路化，以构建知识库并支撑新闻实践。需要多种理论与方法来实现，包括知识图谱、机器学习、自然语言处理、多媒体内容分析等技术以及更重要的人文社会知识的引入。

人工智能以计算机作为物质载体，通过对人脑功能的模拟，赋予“类人化”的认知、学习、分析、解决问题的能力。我们完全可以从人工智能的学习模式中获得启迪：通过对等硬核技能的学习，学生可以更好地分析所获得的信息与数据，并了解如何运用通顺的逻辑思维处理事件过程之中可能遇到的问题。知识性模块可以从以下角度进行教学：认识技术的基本逻辑、能够简单运用技术进行分段任务实践、能够通过案例提炼理论知识，并最终指导实践工作。例如浙江传媒学院开设的“数据新闻报道”课程模块包含“数据可视化技术”“数据分析与挖掘”“数据新闻报道”等课程，授课内容包含“应用案例介绍”“数据与处理”“可视化技能”，并引入Tableau、Echarts等新近可视化处理平台进行教学，鼓励学生运用 Python等计算机编程语言进行数据处理和挖掘，无论从课程设计还是教学安排上都紧跟技术发展的趋势。

生成式人工智能最大的影响是“知识易获得”，相对而言就是知识的贬值，这种知识贬值只是针对固定知识的，而创造性的洞见则显得更加珍贵。创造性来源于人类知识生产的底层逻辑，来源于多学科的交叉学习。生成式人工智能时代，学科交叉应当是新闻传播实践教学的一大趋势。国内如复旦大学新闻学院等院校已经自2012年起对本科生专业教育采取“2+2”培养模式，第一、二学年的通识教育阶段，学生在经济学、社会学、电子信息科学技术、法学、政治学与行政学、汉语言文学、国际政治学、行政管理这几个方向中任选一个，第三、四学年的专业教育阶段，再按照新闻传播学方向进行专业课程学习。

三、师资力量，重视基于生成式人工智能的实践型师资队伍建设

实践型师资的缺乏是当前新闻传播教育改革实现突破的瓶颈。在既往的教育实践中，常出现学院派教师实务经验不足，而实践派教师学术不善動用学术理论等问题。对于这一障碍，目前常见的逻辑是对资源进行排列组合，发挥各类资源的长处。以新闻与传播专业研究生教育为例，《新闻与传播硕士专业学位设置方案》指出，应重视吸收来自新闻传播实践领域的专业人员承担专业课程教学，构建“双师型”师资结构。许多高校也积极聘请丰富实践经验的业界导师，与校内导师共同指导。但研究发现，由于缺乏比较明确的管理机制，目前校外导师制流于形式，校内导师“双师型”比例较低的情况仍有出现。对此，将业务导师的管理组织化、制度化，明确其职责、津贴，并且以挂职锻炼等方式增加学术类导师的实践认知、能力水平等方式，是加强师资队伍建设的重要内容。

另外，由于生成式人工智能等智能媒体硬核的技术内容，需要更专业的教师与新闻专业教师合作，才能尽可能更好地完成技术教学的目标。如早年间中山大学就有开设本科课程“信息可视化”和研究生课程“数据新闻与交互设计”，这两门课程由三位教师共同教授，其中两位教师具有跨学科背景，分别是理工科背景和设计学科背景。这种跨学科教师教学的方式其实类似于“兼职教师”，可以有效弥合本专业教师的薄弱项，打通教育资源，实现实践教育上的技术支撑。

四、课程体系，强化数字新闻叙事能力培养

技术的强力入局要求新闻从业者具备良好的知识更新能力以适应动态发展的实践环境，而媒介技术在新闻与传播领域的强大影响力，推动了高校对于学生培养目标设置方式上的变化。面临课业与实践的割裂、机器高度自主生产所带来的从业者职业恐慌等，当下的新闻实践教育应当意识到学生的专业知识、实践技能与数字素养是“知识硬通货”。

首先，应当优化学生传统专业知识的课程安排。作为新闻与传播专业的基本功，新闻学、传播学、新闻史等专业通识类课程必不可少，且在课程开设过程中可尽量将理论与当前的媒体环境相挂靠，让经典知识在新技术环境之下“活起来”。

其次，在技术教育上，课程的设置则要结合业界前沿大趋势。技术教学可以分为两个基本方向：一是学习新技术的基础知识，以对技术本身的了解应对其对于新闻传播实践的影响。如针对大数据技术，武汉大学新闻与传播专业硕士及数字媒介专业硕士的培养计划中就包含了“网络数据分析与挖掘”“数据结构”等计算机专业课程。面对生成式人工智能的技术冲击，了解技术本身的逻辑是理性看待并且将其利用至新闻业的首要方法。二是围绕新的媒介技术形态开设课程，进行专项技术的教学及实践，如应对媒介融合的技术环境与政策背景，有许多学校开设了“跨媒体融合实践”“新媒体新闻实务”等课程，探索新闻传播领域具体技术工具的使用方法。总的来说，需要正确认识生成式人工智能的技术原理，改变单一陈旧的课程设置方式，在保证知识基本功的前提下以行业需求为重要改革方向，开设符合技术环境的课程内容，为学生快速地适应此种媒体环境做好准备。

另外，有研究发现，现有的新闻传播教育教学大多围绕知识性课程或技能性课程展开，媒介素养或智能素养等课程较为匮乏。对此，高校也需要展开包括案例分析、智能媒体时代新闻伦理相关的课程教学，以提高学生的智能素养。

五、实践平台，推动多方协同育人

从教学方式上看，“传授技能”是开设课程的主要目标和宗旨，“实际应用能力”则为衡量最终教学成果的关键因素。正所谓“实践出真知”，若新闻传播实践教育仅停留在高校层面，学生无法做到“学以致用”，那么再好的教育尝试也只能是纸上谈兵。实践改革应当促进学界与业界的资源打通，避免形成教育的“茧房”，而要广泛开展院系间、企业间和媒体间等各方合作。梁君健等人提出“三位一体” 的教育理念，认为要将技术学习区分为知识传授、能力培养和价值塑造三个层面具体分析。通过建立实验室、工作坊等与前沿的机构合作，让学生进一步接触和了解新闻传媒应用的智能设备和技术，在实践中加深对生成式人工智能的认识，并在一定程度上避免理论与实践脱节。

（一）以实验平台推动协同实践育人

早在2012年，教育部发布《教育部等部门关于进一步加强高校实践育人工作的若干意见》，强调加强实践育人，强化实践教学，深化实践教学改革的重要性。工欲善其事，必先利其器。高校在新闻学教学改革上加大资金投入，通过建设技术运用的平台，为学生提供充分的学习和演练平台，有助于实现教学的应用化、媒体化。

在建设逻辑上，喻国明认为，以互联网为代表的技术发展引起的所有变化，已经重写了过去传播学的边界、重心、结构、价值，必须站在跨学科的基点上来解决当下问题。所以，媒体实验室的发展应从问题逻辑出发，破除学科边界，多学科交融发展。在可行性方面，曹晚红等人提出项目制的解决方式，即新闻传播院系和业界紧密合作，利用高校媒体实验室协同进行前沿领域研究、媒介产品研发的一种模式。这实则也是一种资源的置换，媒体、企业为院系媒体实验室建设提供资金保障，实验室则提供科研资源，产出的研究成果对媒体、企业产生反哺。这种跨学科、跨行业的建设方式有效地对资源进行了整合，与生成式人工智能的强技术逻辑相呼应，此外也能够借助外力形成资源优势，带动整体的学科建设。在一流资源和一流合作者的支撑下，实验室产出的研究成果也比较前沿，从而更多优质资源被吸引过来，由此可形成产、学、研的良性循环，让学生能够持续进行实践学习。

但从现实情况来看，部分新闻传播学科优势院校在建立实验室、开展合作等方面具有优势，而二、三线城市的新闻传播院校则因地域发展水平不平衡，缺少与互联网大型技术企业进行校企合作和交流的机会，导致学生缺乏新型智能技术相关的实践机会。对于这种情况，高校需要意识到在技术日益重要的环境下，实验室的建设是校内学生能够接触技术并与业界接轨最直接便捷的方式。因此，在人工智能技术驱动的智媒时代，推动媒体实验室的建设与应用、创新新闻传播人才培养模式实际是大势所趋。

（二）以工作坊教育、项目思维培养实践能力

新闻传播领域的实践教学能够模拟媒介技术在现实使用中的情况，使学生对业务实践的模糊性和可能存在的问题产生切身体验。工作坊形式便是通过设置任务主题进行经验教学的方法之一。这种教学模式尝试将传统的学徒制纳入现代教育体系，以构建真实情境，组成学习、实践共同体，通过知识教育与经验积累结合进行有机建构，能够给学生打造完整的实践训练场域，培养学生的实战思维。

周亚齐等人曾提出高校需要构建“BOPPPS+工作坊”教学模型。BOPPPS 模式包含引入（Brideg-in）、学习目标（Objective）、前测（Pre-assessment）、 参与式学习（Participatory Learning）、后测（Post-assessment）和总结（Summary）六个阶段。总体来说，就是将项目管理逻辑与学习任务相结合。这种模式不同于横向的知识性教学，而是从设定目标、完成目标、复盘过程与结果的线性逻辑实现某一具体的任务。在这种模式之下，可以设置不同的评价标准，如学业水平、实践水平、成果水平等；学生也可以锻炼自身的创意能力、专业知识应用能力、组织策划能力、操作执行能力等，检验自身的专业知识水平与对新兴技术的理解程度。应对生成式人工智能的智媒环境，高校可根据新闻传播专业发展特点与专业优势，与行业前沿的人工智及能公司及传播公司建立合作关系，将企业实际项目引入课堂教学。

（三）以竞赛设置，鼓励学生适应新技术环境，产出优质作品

除自上而下的院校对于学生新闻传播实践技能的培养，还应当正视学生实践上的自主性，鼓励学生积极参与创新性探索学习与实践，同时设置鼓励学科专业相关竞赛，激励学生培养创新能力并且倒逼学生产出作品。例如应对生成式人工智能环境，2023年9月，由北京市教育委员会指导，北京科学教育发展基金会亚马逊云科技、清华大学人工智能研究院基础模型研究中心以及多家大语言模型相关科技公司就携手发起了“首届中国生成式AI应用创新挑战赛”，所有报名选手将通过学习本次比赛发布的一系列课程掌握生成式人工智能技术的核心理论和实践工具，构建创新应用。这样的赛制旨在助力中国新一代科技人才提高生成式人工智能技术实践能力，助力生成式AI创新科技产业落地。

另一方面，学生产出作品的过程实则也是新闻传播教育者发现学生关注点、问题点的过程。作为新闻传播行业的新鲜血液，学生作品或许拥有更年轻化的视角、更新颖的思路，教育者可以集中对于竞赛结果进行复盘，吸纳年轻人的经验以反哺新闻传播的实践教学方式。

六、保持价值判断：塑造理智的技术观

如芒福德所言，人类拥有比其他一切组合都更为重要的生物学装备——大脑及其支配的身躯。作为教育的一种类型，新闻传播教育是培养人的社会活动，人既是其出发点，也是最终归宿。所谓“授人以鱼不如授人以渔”，技术变化日新月异，人只有掌握了优质的技术观，站稳立场，才能在不断智能化的技术下不被技术牵着走，保持人的独立性與能动性。学者任孟山提出，我国的新闻学及传播学教育，其涵盖内容应该分为博雅教育、知识教育与技能教育三个部分。除却上文提到的基础知识教育与新兴技能教育，包括对哲学、历史、当下社会议题、文化等的通识，以及对“真善美”“假恶丑”认知的博雅教育，应当是当下新闻传播实践教育的必修课题。在与技术共舞的时代，新闻传播教育实践需要强调人类的直觉、判断力与独特的价值判断，在技术的学习和学生的技术观之间建立平衡的关系。另外，应重视博雅教育中彰显人性化、明辨性思维的部分，让学生在新闻传播实践工作中把握好思想的基础，学习技术向善的价值观和科技哲学的批判性思维，来帮助自身形成知行合一的稳定的观念系统。

七、总结与思考

迭代而来的生成式人工智能对新闻业乃至新闻传播教育形成了极大的挑战，新闻传播实践教育需要更多的技术思维，更加立体化、多层次、全方位的新文科意识。因此，培养学生对技术的基础概念认知、基本操作流程与培养学生对技术议题的敏锐感、对技术结合专业知识的应用能力同样重要。因此，实践课程不能脱离理论依据，而生成式人工智能技术下，还需更精细地探讨理论与实践教学上的融合方式。

学者方兴东等人曾提出，智能媒体给予我们最大的启示，就是一个趋于无限的开放系统的可能性。这种传播的迭代能力与新图景极大地挑战了我们的想象力，也难免让学生乃至从业者产生职业危机。过往的新闻实践教育或许会有一个误区：现在媒体对新闻毕业生提出的要求就是要立刻能上手，将学的知识都能用在实践上。但事实上应当明确的是，实践教育不是应“市”教育，而是适应技术变更的基本逻辑，为生成式媒体环境下的实践环境铺路。因此，培养学生的技术思维、数字素养比单个的技能培养从长远来说更加重要。此外，作为新闻传播教育，“新闻人才培养不只是‘术’的教育，更要强调立场和思想、情怀和境界”。在技术强劲的发展势头下，新闻传播教育更应该保持定力，不能迷失在技能教育之中，陷入“技术决定论”的误区。应当认识到，不论实践教育还是理论教育，新闻传播教育的目标依然是培养有正确辨识能力、有社会关怀与有公共服务精神的媒体人。往更大的方向看，新闻传播教育需要培养的学生也不一定局限在媒体一域，而是扩散在社会的各个方面。因此，新闻实践教育应当站在技术环境之上因时而变、随事而制，打开视野努力发掘和定位自身在新技术的发明、推广与应用中的独特价值。

参考文献：

①③〔加〕麦克卢汉：《理解媒介——论人的延伸》，何道宽译，译林出版社2011年版，第29-30页、第19页。

②Automated Insights. The Associated Press used NLG to automate NCAA Division I men’s basketball previews during the 2018 season allowing their journalists to focus on writing critical， qualitative articles. https：//automatedinsights.com/customer-stories/associated-press/.

④曾晓：《ChatGPT新思考：AIGC模式下新闻内容生产的机遇、挑战及规制策略》，《出版广角》2023年第7期。

⑤陈昌凤：《生成式人工智能与新闻传播：实务赋能、理念挑战与角色重塑》，《新闻界》2023年第6期。

⑥喻国明、苏健威：《生成式人工智能浪潮下的传播革命与媒介生态——从ChatGPT到全面智能化时代的未来》，《新疆师范大学学报（哲学社会科学版）》2023年第5期。

⑦Wolf Gangd. Journalism as the new knowledge profession and consequences for journalism education. Journalism， 2014. pp661-677.

⑧廖祥忠：《未来传媒：我们的思考与教育的责任》，《现代传播（中国传媒大学学报）》2019年第３期。

⑨付玉、黄梦然：《新文科背景下人工智能与新闻传播教育深度融合的路径探索》，《传播与版权》2022年第9期。

⑩李惊雷：《人工智能时代新闻传播教育困境》，《中国出版》2019年第6期。

许鹏：《新闻传播学教学模式改革范例——以复旦大学新闻学院本科“2+2”培养模式为例》，《新闻与写作》2015 年第1期。

朱秀凌：《新闻传播专业硕士协同培养模式研究》，《青年记者》2022年第16期。

李薇：《我国数据新闻教学的现状分析和对策研究》，浙江传媒学院2017年硕士学位论文。

陈媛媛：《国内外数据新闻人才的培养途径與基本现状》，《记者观察》2018年第27期。

高冉：《地方高校引进数据新闻教学的探索与实践》，《新闻研究导刊》2018年第10期。

谢光玉：《“数据新闻可视化”线上线下混合式教学模式探究》，《文教资料》2022年第6期。

梁君健、黄一洋：《关键的技术：新闻传播教育如何应对技术变迁》，《中国新闻传播研究》2022年第3期。

《教育部等部门关于进一步加强高校实践育人工作的若干意见》，中华人民共和国教育部网站，http：//www.moe.gov.cn/srcsite/A12/moe_1407/s6870/201201/t20120110_142870.html，2012年1月10日。

曹晚红：《高校媒体实验室的多重功能与应用模式研究——基于对高校新闻传播院系教师的问卷调查》，《中国新闻传播研究》2022年第3期。

Svinikim， Meckachiem. Teaching tips： strategies， research， and theory for college anduniversity teachers[M]. 13thed. CA： WadsworthCenage Learning， 2011. 204.

周亚齐、蔺琳：《智媒时代新闻传播专业“BOPPPS+工作坊”产教融合协同培养机制研究》，《传播与版权》2023年第11期。

〔美〕刘易斯·芒福德：《机器的神话（上）：技术与人类进化》，宋俊岭译，中国建筑工业出版社2014年版，第6页。

姚姿如、杨兆山 ：《“以人为本”教育理念的意蕴》，《教育研究》2011年第3期。

任孟山：《媒介技术变革时代的新闻传播教育——从中国传媒大学研究生教育综合改革谈起》，《青年记者》2020年第28期。

方兴东、顾烨烨、钟祥铭：《ChatGPT的传播革命是如何发生的？——解析社交媒体主导权的终结与智能媒体的崛起》，《现代出版》2023年第2期。

高晓虹、赵希婧：《新时代新闻舆论工作的价值坚守与路径创新》，《中国记者》2017年第12期。

（作者李欣系浙江传媒学院新闻与传播学院院长、教授，暨南大学博士生导师；柳欣怡系浙江传媒学院硕士研究生）

【责任编辑：谢敏】

*本文系浙江传媒学院“十四五”研究生教学改革项目“新文科建设战略下全媒型研究生校外实践基地建设研究”的阶段性成果。