摘要：本文旨在研究生成式人工智能（AI）技术赋能传媒+大数据跨专业人才培养体系创新中的探索与实践。立足于重庆工商大学派斯学院文学与传媒学院传媒类专业和软件工程学院数据科学与大数据技术专业，建构“新文科”+“新工科”的“创新教育”模式。当前数字化时代，生成式人工智能（AI）技术已经在传媒内容生产领域展现出巨大的潜力和影响力。这种技术的发展为传媒教育提供了新的劳动工具，为培养新劳动者，对促进以创新起主导作用，具有高科技、高效能、高质量特征的新质生产力发展，是一种挑战，更是一种机遇。我们深入思考和探讨如何有效利用数据要素、人工智能来推动传媒教育的革新与实践。与研究型高校不同，在应用型高校中，传媒教育的目标是培养具备现代应用技术和创新媒介素养的专业人才。基于这样的背景，结合应用型高校在培养应用型传媒人才的实际，本项目将生成式AI技术融入传媒数字内容的文本创作、拍摄及后期制作教学领域中。

关键词：生成式AI、新闻传播学、大数据、跨学科人才培养

1.核心概念、国内外研究现状述评、研究理论基础

生成式人工智能（Generative AI）是一类算法的总称，这些算法能够基于学习过的数据创造出全新的数据实例。与传统的分类或预测型AI不同，生成式AI致力于“创造”——它根据所提供的数据训练模型，然后使用这些模型生成新的、未经直接观察的数据。

（1）技术原理简介

生成式AI技术的工作原理基于深度神经网络，它通过训练大规模的数据集来学习数据的本质规律和概率分布，并利用这些学到的特性来生成新的数据。

数据学习：生成式AI模型通过深度学习的方法，从大量的数据中学习到数据的抽象表示和分布特性。这是模型能够生成新内容的基础。

模型建立：根据学习到的数据特性，模型建立起一个可以生成新数据的概率模型。这个模型能够模拟真实世界数据的产生过程。

生成内容：利用建立的模型，AI可以生成新的数据实例。这个过程涉及到对概率分布的采样，以及可能的迭代优化，直到生成的数据达到一定的质量标准。

生成式AI工作原理如图1所示：首先，人类发挥主观能动性，用提问的方式给予大模型足够的信息和材料，规定大模型回答的相关问题的具体要求；第二步，人工智能大模型基于人类给予的材料和作答要求，学习数据，处理数据，建立数据模型；最后，生成内容，这时会出现两种情况，一种情况是人类对生成的内容感到满意，生成式内容处理工作结束，另一种情况是人类对生成的内容不全都满意，人类再向大模型提供深度学习的材料，实现人机交互，循环上述过程，直至大模型生成另人类满意的内容，生成式内容处理工作结束。

生成式人工智能大模型工作原理关键词：深度学习、模型建立、数据生成、人机交互。

（2）应用领域概述

生成式AI在图像处理、自然语言生成、音乐创作等方面展现出了强大的潜力。

生成式人工智能（AI）技术正在重塑数字内容生产方式：在新闻报道与内容生产中，生成式AI辅助记者完成包括新闻选题挖掘、要素分析、翻译、社交媒体内容创作、自动化写作（结构化和非结构化数据）、摘要生成、评论审核等多样化任务。在广告领域，生成式AI可基于广告内容和目标受众的特点，完成符合要求的文案创作、脚本生成、创意设计（包括图片和视频）的生产以及执行策略等环节，分析大量的数据，AI可以预测哪些广告形式和投放时间最有可能吸引目标用户，从而帮助广告主优化广告投放策略，提高广告效果。在影视行业中，生成式AI基于大量数据及大模型，完成图像合成及视频制作，可以提升剧本和音乐等内容的生产效率。智媒时代的背景下，AI技术不仅赋能媒体内容建设，还触发了媒体产业内容生产的深层变革。生成式AI技术使得媒体叙事更加强调讯息聚合、智能分发及社交互动的重要性，受众能够参与到媒体叙事中，影响内容的走向。

2.研究目标、研究内容、研究假设和创新点

（1）新文科+新工科背景下的传媒教育变革

以人工智能为核心的新一代信息技术成为人文社科领域关注的热点议题，也催生了传媒行业对人才需求的变化，进一步对传媒人才提出了新的要求。新文科建设是通过将技术融入人文社科等学科课程，促进学科间融合与交叉。对新闻传播学来说，新文科既是对新型传媒产业人才需求变化的回应，又是对新闻传播人才培养模式的政策牵引。在智能时代，新闻传播教育改革已经陆续在国内高等院校推进。

当前，重庆地区新闻传播教育与智能技术的融合教育主要是三种模式，一是调整招生计划，创设智能传播相关专业（方向），如重庆大学新闻学院在2022年申报的“智能传播”学科群设置了四个主要研究方向进行建设：“媒介化”与社会治理；智慧媒体与内容产业；智能媒体与计算传播；数字媒体与文化传承。并在2024年重庆大学智能传播与城市国际推广实验室正式获批重庆市哲学社会科学重点实验室。二是增加单一课程内容，主要出现在智能融合初期，在一些基础的理论课或实践课程中，教师通常会结合智能新闻、智能技术来整合相关知识点。三是调整专业培养方案，新增智能传播相关课程，例如新闻学、网络与新媒体专业新增《数据新闻》、《新媒体数据分析》、《数据新闻可视化》、《大数据与舆情分析》等课程。

因地方应用型高校的传媒教育更加注重实践能力的培养，与研究型高校不同，地方应用型高校更加关注学生的职业能力和实际操作技能，注重培养学生面对实际工作场景的能力。例如我校传媒专业一直坚持做的多课程联合考核，在教学中多维度链接地方政府、企业，实现基于校企合作、校地合作的“教—赛—学”一体化的社会实践课程建设。这也为生成式AI应用进课程教学并形成课程融合创新提供了基础。

（2）生成式AI人工智能技术冲击传统传媒教育

传统传媒教育注重基础理论、实践技能的传授，培养方案的制定也大多以“理论学时+实践学时”的模式推进。但随着生成式AI技术的发展，教学内容需要相应更新与拓展。AI技术的涌现使得新的媒体形式和技术工具得以应用，例如智能化的新闻写作、视频剪辑、声音合成等，这些都需要纳入传媒教育的范畴，以培养学生应对未来媒体工作的能力。

生成式AI技术的应用为应用型高校着力打造的社会实践性课程，如《新闻采访与写作》、《广告创意与制作》、《影视后期制作》等利用AI生成文案、图像处理、视频制作等，使得学生在实践中接触和运用先进技术，增强实际操作能力。AI技术的应用需要跨学科的知识和技能，如计算机科学、数据科学、心理学等。传统传媒教育需要与这些领域进行更紧密的融合与合作，共同探索AI技术在传媒领域的应用和发展，培养跨界人才。

3．课题研究思路、研究方法、技术路线和实施步骤

（1）生成式AI人工智能背景下传媒人才培养新路径

基于我校传媒人才培养及大数据人才培养已形成的校企合作“教—赛—学”模式为基础，将生成式AI技术所需具备的能力纳入传媒专业人才培养方案中，更新包括计算机科学与技术、数据科学、互联网技术等多个专业知识领域，以更好地适应新技术发展和行业变化。

理念重塑：重新认知传播主体身份的嬗变

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。对这一全新机制的认知是新闻传播教育理念重塑的基石。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。

“知识树”建构：探索多学科交叉的知识体系

生成式AI赋能下，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。

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。如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。

师资建设：重视基于生成式AI的实践型队伍

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，而实践派教师不善于学术理论等问题。面对这一问题，目前常见的做法是对资源进行排列组合，发挥各类资源的长处。新闻传播专业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。许多高校也积极聘请丰富实践经验的业界导师，构建“双师型”师资结构，与校内导师共同指导。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。如开设本科课程“数据新闻与交互设计”，分别由理工科背景和设计学科背景的老师授课，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。

课程体系强化：培养新技术带来的叙事能力

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”。应当优化学生传统专业知识的课程安排。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。

实践平台打造：推动“三位一体”多方协同育人

一是，实验平台推动协同实践育人。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。二是，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，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。三是，竞赛设置，鼓励学生适应新技术环境，产出优质作品。鼓励学生积极参与创新性探索学习与实践。

（2）生成式AI在传媒教育中的技术伦理风险及应对方法

科学伦理与责任教育旨在引导学生深刻理解技术的正面影响和潜在风险，并培养他们正确使用AI技术的意识和能力。首先，学生需要了解生成式AI技术可能存在的伦理和社会问题。例如，AI生成的内容可能存在偏见、歧视性言论或者虚假信息。学生需要学习如何识别和纠正这些问题，避免误导性信息对社会造成负面影响。同时，他们也需要思考如何利用AI技术来促进社会的公平、包容和多样性。其次，伦理与责任教育还包括对于数据隐私和安全的重视。学生在学习AI技术的同时，需要明白数据隐私保护的重要性，以及如何设计和使用AI系统来保障用户数据的安全和合法性。

新闻传播教育最终是要培养社会人，人既是其出发点，也是最终归宿。因此在教育中彰显人性化、明辨性思维显得格外重要，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。通过这样的教育实践，可以培养学生在AI技术领域的专业素养和责任意识，使他们成为既具有创新能力又具有社会责任感的传媒专业人才。

参考文献

[1] 新文科背景下网络与新媒体一流专业建设探索[J]. 燕道成;张佳明.中国编辑，2021（09）

[2] “跨界”与“融通”：新文科背景下网络与新媒体专业人才培养的核心理念[J]. 燕道成;蒋雪旻.教育传媒研究，2021（03）

[3] 探究融媒体时代高校“直播+”人才培养模式. 林作.文化产业，2022（05）

[4] 5G融媒体时代下的网络与新媒体专业人才培养探究. 杨开源.传媒，2020（08）

[5] 融媒体时代地方高校广播电视编导专业人才培养探析. 李文丽.视听，2017（12）

[6] 融媒体时代传统媒体人才培养与转型. 徐卓丹.经济师，2020（03）