卓越新闻传播人才研究现状及启示

杨泽凯 李运福

1.2.西北师范大学传媒学院 甘肃省 兰州市 730070

卓越新闻传播人才的教育培养成为新闻传播领域关注的热点话题。随着时代的变迁，社会对新闻传播人才提出了新的要求，新闻传播人才的培养面临着新的挑战。在此背景下，通过科学的方法，综合分析新闻传播人才的已有研究成果，对深入推进卓越新闻传播人才的培养有着重要的指导意义。

一、数据来源与研究设计

（一）数据来源与描述性统计

为增强数据检索的针对性，本研究首先以中国知网（CNKI）为数据来源，以核心期刊、CSSCI 来源期刊为检索范围，按照“新闻人才”“传播人才”“新闻传播&卓越人才”“卓越新闻传播人才”的检索规则，对2013—2017年间的相关数据进行关键词“精确”匹配检索，共检索到文献252篇；通过对题目、摘要等相关信息进行浏览，去除无作者、广告、征稿启事、会议报道、重复样本以及人物介绍等与研究主题无关或关联度极低的文献，最终共保留有效文献228 篇。

通过对上述228 篇研究样本的刊载年度和刊载期刊进行描述性统计分析，形成了研究样本的时间分布、高频刊载期刊、高产作者及机构等信息的描述性统计结果。

首先，228 篇研究样本的刊载年度分布如图1所示。

图1 研究样本时间跨度及分布

其次，研究样本共涉及50 类期刊，其中频次大于等于3 的高频期刊如表1所示。

第三，研究样本涉及的研究作者累计274位，频次大于等于3 的高频作者如表2所示。

第四，研究样本涉及的研究机构累计204所，频次大于等于3 的高频研究机构如表3所示。

（二）研究方法与工具

本研究采用定性与定量相结合的研究方法对研究样本进行分析。定性分析是传播学的研究方法之一，指通过逻辑推理、哲学思辩、历史求证、法规判断等思维方式，着重从质的方面分析和研究某一事物的属性［1］；定量分析是依据统计数据，建立数学模型，并用数学模型计算出分析对象的各项指标及其数值的一种方法［2］。在定量分析中用到的研究工具主要有Microsoft Ex-cel2010、书目共现分析系统BICOMB2、社会网络分析软件UCINET6、Netdraw 以及社会科学统计软件SPSS19.0 等。

表1 高频刊载期刊统计分布

表2 高频作者统计分布

表3 高频研究机构统计分布

（三）研究进程

参照BICOMB2 共词分析软件的使用说明与建议［3］，本研究的研究进程大致可描述为以下几步。首先，在熟读和分析卓越新闻传播人才教育培养计划的基础上，明确研究主题、数据源与检索方法，将CNKI 中检索到的文献以NoteFirst 格式导出；其次，将研究数据导入BICOMB2 软件，进行关键词的清洗与词频统计，根据研究需要，选择合适的方法确定高频关键词；再次，通过BICOMB2 软件分别生成高频关键词词篇矩阵和共现矩阵；第四，将高频关键词词篇矩阵导入SPSS19.0 进行系统聚类分析，生成高频关键词相似矩阵和聚类树图谱；第五，将高频关键词共现矩阵导入Ucinet6、Netdraw 软件进行社会网络分析，生成高频关键词社群图；最后，将第四、第五的数据分析结果进行汇总，归纳总结近五年我国卓越新闻传播人才教育培养研究的热点及趋势。

二、研究数据统计与分析

（一）高频关键词确定及分析

1.关键词清洗

通过采用BICOMB2 对研究文献的“关键词”进行“提取”操作，发现228 篇研究样本共包括1477 个关键词（包括重复关键词）。为提高关键词清洗的准确性和效率，本研究在对关键词进行“值”排序的基础上，利用BICOMB2 的修改功能对同义词进行合并以及中英文术语统一表述等操作，最终共生成758 个不同的关键词。

2.高频关键词确定

高频关键词的确定是科学构建知识图谱，精准把握研究热点的关键环节。本研究分别根据普莱斯定律［4］、G 指数算法［5］、齐夫第二定律［6］以及孙清兰提出的低频、高频关键词分解临界值计算公式［7］等5 种高频关键词的计算方法，对研究样本的关键词进行了计算分析。最终，本研究根据研究需要将词频大于等于3 的65 个关键词界定为高频关键词。经统计，65 个高频关键词共涉及文献213 篇，占研究样本总量的93.42%，累计词频为48.82%，在一定程度上能够较为全面地反映我国卓越新闻传播人才研究的现状，具体统计结果如表4所示。

表4 高频关键词及频次统计表（部分）

（二）高频关键词词篇矩阵分析

通过对高频关键词的聚类分析能够进一步反映高频关键词之间的亲疏关系，有利于深入分析我国卓越新闻传播人才的研究热点。关键词聚类分析的原理是以“共词”为分析对象，利用聚类的统计学方法，把关联密切的关键词聚集在一起形成类团。关键词聚类分析时，首先以最有影响的关键词生成聚类；其次由聚类中的种子关键词及相邻的关键词再组成一个新的聚类。关键词越相似他们的距离越近，反之，则越远。

本研究采用BICOMB2 软件对已确定的65 个高频关键词生成词篇矩阵，然后导入SPSS19.0 进行系统聚类分析。分析过程中，聚类方法选择“组间联接”，度量标准选择二分类“Ochiai”，最终生成的高频关键词相似矩阵和高频关键词聚类树图谱如表5和图2所示。

表5 高频关键词 Ochiai 系数相似矩阵（部分）

图2 卓越新闻传播人才研究高频关键词聚类图

表5中的数字反映的是各关键词间关系的紧密程度，数值取值区间为［0，1］，数值越接近1，表明两个关键词之间的关联程度越大；反之，数值越接近0，表明两个关键词之间的距离越远、关系较为疏远。通过对表5中的数据进行分析，本研究发现：新闻人才与新闻专业、新闻传播教育与传播人才、教学改革与传媒产业、新闻学教育与传统媒体、传媒人才与网络电视台等词间存在较强的关联性。

根据高频关键词聚类分析结果的连线，本研究以BICOMB2 对每篇文章自动生成的文章编码为识别码，对每类关键词所涉及的文献进行了查阅、汇总、筛选与分析，最终从宏观层面将我国卓越新闻传播人才的研究热点分为八大类：

研究热点一：专家型新闻与传播人才培养研究，具体包括以下研究子热点：①媒介融合背景下，新闻传播事业的发展及人才培养研究，包括新闻传播教育、传播人才、新闻传播专业、人才培养、新闻人才、新闻专业、新闻教育、新闻院系、高校新闻、媒介融合、新媒体、新闻传播事业12 个关键词；②媒体融合背景下，新闻学专业传媒人才培养教学改革研究，包括新闻学专业、传媒人才、新闻学教育、密苏里大学、新闻工作者、新闻院校、媒体融合7 个关键词；③新闻传播人才培养课程设计及教学效果研究，包括课程设置、专业人才、信息时代、教学改革、传媒产业5 个关键词；④媒体时代人才培养改革及传播形态研究，包括媒体时代、传播形态、新闻采编、新闻传播学界4 个关键词；⑤新闻舆论与理念对新闻传播人才培养的影响及部校共建人才培养战略研究，包括新闻传播学院、新闻理念、新闻舆论、新闻观、传播理论、共建工作、院务委员会、网络传播8 个关键词。

研究热点二：复合应用型新闻传播人才及培养研究，包括新闻传播学、新闻传播类、复合型人才、中国新闻奖、新闻教学、教学效果6 个关键词。

研究热点三：具有中国特色的新闻传播人才培养研究，包括中国特色、新闻事业2 个关键词。

研究热点四：培养新闻传播人才与提升国际传播力的关系研究，包括传播能力、网络电视台、对策、国际传播4 个关键词。

研究热点五：媒体变迁对新闻传播人才培养的影响研究，包括自媒体、传统媒体、教育理念、需求、新闻业5 个关键词。

研究热点六：大数据时代地方高校卓越新闻人才协同培养研究，包括大数据、地方高校、新闻传播、卓越新闻传播人才、协同培养5个关键词。

研究热点七：全媒体时代卓越新闻传播人才培养研究，包括国际新闻、全媒体2 个关键词。

研究热点八：对外传播及数据新闻人才培养研究，包括对外传播、英语新闻、新闻生产和数据新闻4 个关键词。

（三）高频关键词共现矩阵分析

1.社群图谱分析

将高频关键词共现矩阵导入UCINET6.0，绘制高频关键词社群图，如图3所示。社群图直观地反映了共词网络的整体特征。图3中65 个关键词用方块标记，方块之间的双箭头直线表示两点之间存在关系，即在同一篇文献中共现。方块越大，其点度中心度就越大。图3中新闻传播教育、媒介融合、新闻学专业、新闻工作者、人才培养等关键词的方块较大，周围关系丰富，处于网络的中心位置，是目前国内卓越新闻传播人才领域研究的重点，形成的研究成果较为丰富，相对比较成熟。而另外一些处于网络边缘的点，例如复合型人才、大数据、全媒体、中国特色、网络传播、自媒体、国际传播等，与其他关键词间建立的联结较为稀疏，在社群图中显得比较孤立，是目前国内卓越新闻传播人才研究的薄弱环节，尚处于不成熟状态，是将来重要的研究趋势。

2.社会网络密度分析

高频关键词的社会网络密度是指整个网络节点之间联系紧密的程度，取值区间为［0，1］，其值越接近1，表明网络节点间的关系越紧密。本研究利用UCINET6.0 软件，沿着Network-Cohesion-Density—Old Density Procedure 的路径，对我国卓越新闻传播人才研究高频关键词的社会网络密度进行了分析，计算的网络密度值为0.6524。这意味着在规模为65 个节点的关系网络中，各节点间的关系大多都是“较为紧密连接”的，密度相对较高，为后续研究奠定了坚实的知识基础。

3.节点间距离分析

在整体网络中，两点之间的距离是二者之间在图论或者矩阵意义上的最短途径（捷径）的长度。在利用UCINET 计算一个整体网络的各个成员之间的距离时，需要计算出整体网络所对应的矩阵中所有点之间的“矩阵距离”或者一般化的距离矩阵，同时也允许把“距离矩阵”转变为“接近矩阵”。本研究按照Network—Cohesion—Distance 的路径，对高频关键词共现矩阵中各个关键词间的距离进行了计算。计算结果显示，节点间平均距离为1.788，建立在“距离”基础上的凝聚力指数为0.621。一般来说，凝聚力指数越大，表明该网络整体的凝聚力越强。从图3中的节点间距离、凝聚力指数计算结果看，各高频关键词平均距离较远，形成的整体网络凝聚力适度，说明现阶段我国卓越新闻传播人才研究的集中程度较为一般。

图3 高频关键词社群图

4.核心——边缘结构分析

核心——边缘模型是现实社会网络的一种简明关系视图，也是量化核心度的基础。它将关键词分为两组，其中核心组成员之间关系紧密，而边缘组成员之间没有关系，但边缘组成员都与核心组成员存在关系。不过在现实网络中，成员之间并不一定存在如此严格的量化关系，例如边缘组内部成员之间会或多或少地存在联系。高频关键词的核心度计算结果如表6所示。

核心度数值＞0.15 的关键词为核心关键词，0.05≤核心度数值≤0.15 的关键词为半边缘关键词，核心度数值＜0.05 的关键词为边缘关键词。根据此标准对表6中的数据进行归类，得到详细的核心——边缘分类，如表7所示。

表6 高频关键词核心度统计（部分）

表7 核心边缘关键词分类

一般意义上来讲，核心关键词代表着卓越新闻传播人才教育培养研究的重点，发展较为成熟，积累了丰富的研究成果，并为深度拓展半边缘关键词、边缘关键词及其他研究奠定了扎实的基础。半边缘关键词往往集中代表了卓越新闻传播人才教育培养研究的近期发展趋势，是连接核心关键词与边缘关键词的立交桥；边缘关键词集中代表了卓越新闻传播人才教育培养在当下初步被关注的研究主题，在将来较长时间内可能会得到不断深化和完善。此外，边缘关键词中也包含了一些曾在过去某段时间内出现，但后续并未得到持续关注和深度发展的陈旧主题。鉴于此，本研究经过对半边缘关键词、边缘关键词所涉及的文献进行分析，认为代表卓越新闻传播人才研究短期内研究趋势的关键词主要有：新闻传播教育、新闻教育、新闻人才、传播人才、新闻院系、人才培养、新闻专业、媒介融合、新媒体等；代表卓越新闻传播人才研究在未来较长时间内研究趋势的关键词主要有：高校新闻、新闻传播专业、新闻工作者、新闻舆论、媒体时代、新闻院校、新闻学专业、媒体融合、传媒人才、新闻传播学院、共建工作、新闻学教育、课程设置等。

三、研究结论及启示

（一）研究结论

我国当下卓越新闻传播人才教育培养研究具有较好的深度，为后续研究奠定了坚实的知识基础，但研究主题较为分散，有待进一步聚焦。近五年我国新闻传播人才的研究热点集中体现在专家型新闻与传播人才培养研究、复合应用型新闻传播人才及培养研究、具有中国特色的新闻传播人才的培养研究、培养新闻传播人才与提升国际传播力的关系研究、媒体变迁对新闻传播人才培养的影响研究、大数据时代地方高校卓越新闻人才协同培养研究、全媒体时代卓越新闻传播人才的培养研究以及对外传播及数据新闻人才培养研究等八个层面。以复合型人才、大数据、全媒体、中国特色、网络传播、自媒体、国际传播等处于高频关键词社群图谱边缘地带的关键词所集中反映的我国新闻传播人才研究的趋势集中体现在：以大数据、全媒体、自媒体等为代表的当下应用型新闻传播人才的培养或教学改革研究；具有中国特色的新闻传播人才及其培养研究、新闻传播人才的国际比较研究等等。

（二）研究启示

卓越新闻传播人才教育培养是我国卓越人才培养体系的重要组成部分，是推动我国新闻传播教育人才培养模式改革的重要举措。为扎实推进我国卓越新闻传播人才的培养，应着重从以下几方面开展研究与实践。

首先，构建协同创新平台，探索新闻传播人才培养新模式。卓越新闻传播人才的培养不单纯是高校自己的事情，要打破以往高校封闭培养的模式，在明确时代特征与社会需求的基础上，搭建高校、宣传部门、当地政府等多机构积极参与的协同育人平台，同时开展协同机制研究、成果转化机制研究等，以保障协同育人的顺利实施。

其次，以复合应用型创新人才培养为导向，强化实践教学环节。卓越新闻传播人才培养计划是应用型人才培养改革的重要举措之一。在实际培养过程中，应注重卓越新闻传播人才培养基地建设，探索高效的卓越新闻传播人才见习与实习机制，强化卓越新闻传播人才理论学习与实践锻炼的有效衔接；加强高校与新闻单位从业人员互聘，推动“双导师”制在人才培养中的有效应用，同时注重高校“双师型”师资队伍建设和有效应用等。

最后，加强在线开放课程建设，推进优质教育资源共建共享。近年来，在线开放课程的建设、引入和应用，实现了优质教学资源的共建共享，推动了高校人才培养模式的深度改革。在这样的背景下，适度加强新闻传播领域在线课程的建设和共享，有利于强化人才培养联合体的构建，进而促进各高校的特色发展及校际协同发展。