人工智能大模型背景下新闻专业人才培养变革路径探究

摘要：在人工智能大模型背景下，新闻专业人才培养面临重大挑战。文章结合媒介技术发展，文章总结新闻专业人才培养的现实困境与变革路径，这对转型中的新闻专业发展具有重要意义。文章采用参与式观察法和深度访谈法，对新闻行业、新闻人才培养进行长期参与式观察，同时对新闻机构专家、新闻专业学生展开深度访谈，进而提取信息、凝练观点，总结出新闻人才培养的三重现实危机、价值重塑思路、教学变革路径。首先，新闻专业教育面临三重危机：一是人工智能技术发展改变了新闻生产的传统业务模式，新闻生产的内容自动化与传播过程的互动性改变了原有新闻生产的创作与传播机制；二是媒介技术发展使新闻教育的历史脉络、理论框架和实务技能更新迭代，需要推陈出新，以满足新的传播渠道与受众的需求；三是生成式人工智能正在重塑数据逻辑和人机关系，给新闻伦理和新闻真实带来了挑战。其次，新闻教育的三重危机呼吁人才培养价值重塑。一要正视人工智能给新闻专业带来的危机，重构并强化专业认同；二要主动拥抱新技术，推进人工智能赋能人才培养与新闻生产。最后，新闻专业人才培养需要变革教学路径。一要提升新闻人才的人工智能应用能力，二要提升新闻人才的创新与深度报道能力，三要搭建新型教学实践平台。文章回应了技术前沿视角下的新闻人才培养问题，为新闻专业教育在人工智能大模型背景下的适应性变革提供了理论依据和实践指导，对培养能够适应新形势迎接新挑战的新闻专业人才具有重要的参考价值。

关键词：人工智能；新闻教育；新闻专业；人才培养

中图分类号：G210.7；G624 文献标志码：A 文章编号：1674-8883（2024）15-0006-05

媒介即讯息，人工智能大模型引发影响深远的技术革命，既重构了新闻生产模式，也挑战了新闻专业人才培养的基本逻辑，更引发了社会对新闻专业教育变革的探讨。目前，人工智能大模型发展带来的媒介裂变已逐渐渗透新闻传播内容生产的各个环节。面对层出不穷的新技术，新闻专业应顺势而为，主动拥抱技术变革，优化人才培养模式。

一、三重危机：人工智能大模型给新闻专业教育带来的挑战

（一）对传统业务模式的冲击

人工智能大模型时代，新闻传播的传统业务模式受到多维度冲击。

首先是内容生成的自动化。生成式人工智能可以通过各种来源自动收集新闻并完成报道，这意味着新闻机构的部分工作可以被人工智能替代。其次是传播过程的互动性。大语言模型可以与用户进行实时互动，为其提供即时的新闻更新和答疑。这可能会改变新闻的互动性，使其更加个性化。多模态大模型的发展促使新闻生产从以人工智能为辅转向以人工智能为主，大语言模型的诞生更是专用人工智能转向通用人工智能的标志，使人工智能内容生成技术逐步得到常态化应用。

人工智能大模型技术将给新闻传统业务模式带来深远影响。当前，该技术已经走出实验室，走进新闻行业，并且以前所未有的速度得到应用，后续可能带来更复杂的影响。

（二）对传统教育模式的挑战

新闻专业教育的宗旨是培养学生在新闻领域知识生成、传播理论方面的学术探究能力，以及对相关专业技能的应用能力。

新闻专业教育体系涵盖三个主要构成要素，包括历史研究、理论框架和实务技能，覆盖了从报纸、杂志到广播、电视等传统媒体的发展历程，以及大众传播的历史演变。理论框架基于对传统媒体实践规律的洞察，形成了一套完整的学术理论体系。

然而，随着传统媒体的式微，社会开始质疑传统媒体历史与实践基础理论学习的必要性，这种趋势在过去互联网媒体盛行的20年中已初现端倪，并可能在大语言模型等人工智能技术普及的未来进一步加剧。在实务技能领域，新闻教育重视对新闻采集、编写、评审以及音视频内容的制作与播出等技能的传授。

人工智能技术的发展，特别是大模型技术的发展，使诸多程序性操作可能被机器学习算法所替代，这一进程不仅将重新定义新闻专业技能的培养范畴，也将促使学生对这些技能的掌握程度和质量进行相应的调整。在大语言模型情境中，新闻传播学的新闻、传播、媒介、媒体、受众等基础概念，“把afc34ce4ba33fb305ec2a4829c68b65d关人理论”“议程设置理论”“使用与满足理论”“沉默螺旋理论”“涵化理论”“知沟理论”等经典理论是否需要重新界定、再次检验？新闻传播学的研究路径是否会发生结构性变化？这都是需要重新思考的问题[1]。

（三）对新闻伦理与新闻真实的质疑

生成式人工智能正在重塑数据逻辑和人机关系，给人类文明观带来了诸多挑战。新闻是否应该反映某种价值观？大语言模型是基于大量的数据进行训练的，这些数据中是否包含某种价值观和偏见？一系列的疑问引发了关于新闻价值观的讨论。在传统认知中，新闻工作者需要具备极强的社会责任意识，树立舆论引导理念。但在大语言模型时代，新闻的社会责任如何定义？机器生成的新闻是否应该对社会负责？与此同时，学生在使用人工智能辅助新闻生产的过程中，可能触及隐私、版权等伦理问题。大语言模型时代，新闻传播理论面临许多质疑和挑战，需要新闻界和学术界共同探讨和应对。

随着技术的快速发展，新闻传播专业的学生和从业者需要不断更新自己的技能，以适应新的技术环境。新闻专业教育需要培养学生的人机合作能力，让机器赋能人，而不是人被机器替代。总体来说，大语言模型时代为新闻专业教育带来了前所未有的挑战，但也提供了新的机遇。新闻人才培养需要遵循循序渐进、尊重实际、协同发展的人才培养系统观[2]。新闻专业教育需要不断创新，培养学生的综合素质，使他们能够在智媒时代立足和发展。

二、价值重塑：人工智能大模型背景下新闻专业人才培养的核心理念

人工智能大模型给新闻专业人才培养带来的一系列现实挑战，迫使新闻专业人才培养转型。只有重塑人才培养体系，在新范式中将人文主义和技术路径深度融合[3]，才能合理应用大语言模型，推进新闻专业教育发展。

（一）重构新闻专业素养教育

面对社会对新闻专业教育的质疑，新闻专业教育者首先应该正视新闻专业可能受到的冲击，同时重构并强化专业认同。以知识为依托、以情感为桥梁、以能力为导向，培养德艺并举、适应媒体深度融合的新闻人才[4]。

在新闻专业人才培养过程中，应该加强与人工智能领域的合作，将最新的人工智能技术融入新闻专业教学中。同时，鼓励学生参与实际的新闻制作，体验人工智能技术在新闻传播中的应用。新闻专业人才不仅需要掌握传统的新闻传播知识，还需要了解人工智能、数据分析、编程等相关技能，培养技能复合、知识复合、媒介复合的全能型人才[5]。学院应该为学生提供跨学科课程，帮助学生构建综合知识体系。

在人工智能技术广泛应用的背景下，新闻专业人才需要具备强烈的伦理意识和社会责任感。学院应该加强伦理教育，培养学生的批判性思维。大语言模型带来了隐私泄露、偏见加深等新问题，新闻专业需要培养学生的伦理意识，使他们在使用这些工具时能够作出正确的决策。

在日常教育中，要鼓励学生探索新的新闻传播方式，在学习过程中接受多层次技能教学，满足学生的个性化学习需求[6]，从整体上提高学生的综合能力，如使用人工智能技术进行新闻写作、编辑、分析等。

总之，新闻传播学院在人工智能大模型背景下，需要调整教学策略和内容，重塑学生的专业认同，使他们能够适应新的挑战和机遇。

（二）重识技术赋能新闻专业教育

技术赋能是人工智能大模型在新闻专业人才培养中应用的重点。人工智能技术在新闻传播行业中的应用日益增多，这对新闻专业人才的技术能力提出了新的要求。拥抱新兴技术，赋能新闻教育，是人才培养过程必须明确的技术理念。理论与实践是一体双翼的，想要透彻理解新闻传播的理论，就必须通过实践去检验和支持[7]。

一方面，新闻专业人才需要掌握人工智能的基础知识，包括机器学习、深度学习、自然语言处理等。虽然新闻专业人才不是程序员，但掌握基础的编程知识和算法不仅能促进技术理解，还能优化团队技术合作。技术赋能人才培养，可以提升信息搜集、数据处理、受众偏好分析、音视频内容生成的效率与质量。

另一方面，技术赋能不等于技术依赖，技术迭代倒逼新闻专业教育者和学生持续学习最新技术、关注行业动态、把握变革趋势。新闻专业应保持与数据科学、软件工程等行业的合作，关注技术前沿，合理利用人工智能，在教学中引入理工科思维，通过与计算科学、数据科学等学科的交叉，朝着“数字新闻传播教育”方向转型[8]。理论知识是基础，实践经验同样重要。新闻专业人才应积极参与人工智能项目，在实践中深化技术理解，加强技术应用。

三、教学变革：人工智能大模型背景下新闻专业教育变革路径

人工智能于新闻专业人才培养而言是把双刃剑。倘若故步自封，无视技术发展，人才培养将滞后于社会发展；倘若野蛮生长，忽略素养建构，人才培养将走向价值偏离。只有合理应用、鼓励创新、加强实践，立足未来新闻专业人才培养模式的顶层设计和长期规划[9]，新闻专业教育才能在人工智能浪潮中与时俱进、顺势而为。

（一）提升人工智能素养，重视技术应用能力

新闻专业人才培养中的人工智能素养一般可以理解为将人工智能知识、人工智能能力、人工智能伦理运用到新闻专业实践中的素养。

一方面，要打通人工智能跨学科知识。学生需要了解不同学科可以为问题解决作出的贡献[10]，进而提升人工智能运用能力。目前不少人工智能大模型是针对新闻生产特定问题开发的，可以有效辅助新闻生产，提高信息处理效率。一是News Guard，这一基于自然语言处理技术的新闻可信度评估模型，可以帮助新闻工作者快速评估新闻的真实性和可信度，从而提高新闻写作的准确性。二是News Min，这一基于深度学习技术的新闻摘要和预测模型，可以根据已有的新闻报道，预测未来可能发生的新闻事件，帮助新闻工作者更好地把握新闻发展趋势。三是News Mapper，这一基于机器学习技术的新闻分类和主题模型，可以根据新闻内容，自动分类和标记不同的主题和关键词，帮助新闻工作者更好地组织和发现新闻内容。

另一方面，要厚植人工智能伦理，强调社会责任感和道德准则。在信息传播过程中，要培养理智地与机器互动、建立健康有效人机关系所需要的新闻传播学知识和技能。彭兰指出，人工智能的发展可能将未来置于一个真假难辨的信息空间，这对个体的生存和整个社会信息环境来讲都是一个很大的挑战。大语言模型可能生产一些具有极强迷惑性的信息，甚至可能被用于传播虚假信息或进行舆论操纵[11]。引导学生掌握这些人工智能大模型的使用方法，更新课程培养计划，是目前高校新闻专业人才培养的重要任务。

（二）强化信息加工创新，优化深度调查报道教学

人工智能提升了信息获取的便利性与快捷性，也向新闻信息加工与创作、新闻调查提出了新要求，在人才培养中应强调创新与深度。

一方面，要强化信息加工创新。大语言模型作为新技术，能将白领从烦琐的工作中解放出来，带来普惠服务，增强人的生产能力，其或凭借普世性与重要性成为国家重要的战略性资源。然而，当下人类已不再处于本雅明所谓的机械复制时代，而是进入了人工智能复制时代，人类在面对人工智能时需要一种抵抗精神。电视时代，人们需要抵抗“沙发土豆”的懒散状态；手机时代，人们需要抵抗成为“低头族”；而在人工智能时代，人类应该主动追求美、创造美，保持人的独立性与尊严，拒绝成为智能技术的寄生虫。要挖掘人工智能在新闻生产、情感分析、图像及视频处理、趋势预测等领域运用的可能[12]，利用人工智能大模型推进新闻传播的教学，化被动为主动。

另一方面，要优化深度调查报道教学。在学生掌握人工智能辅助数据挖掘与分析的基础上，应进一步培养学生借助信息挖掘和数据分析技术，撰写和制作深度新闻报道内容的能力。人工智能可以帮助新闻从业者自动生成或编辑音频、视频和图像，从而提高内容生产效率。人工智能可以自动翻译新闻，使其跨越语言障碍，面向全球观众进行内容传输。在新闻专业教育领域，人工智能可以作为工具，帮助学生在虚拟环境中模拟新闻报道，从而使学生积累实践经验。主动利用大数据模型帮助检测和标记可疑的内容，核查新闻事实，能维护信息的真实性和可靠性，让新闻专业人才更专注于深度报道和调查性新闻等领域。

（三）优化智能教学模式，搭建新型实践平台

人工智能不仅能辅助新闻生产，而且能赋能新闻教学过程。通过技术赋能创新课堂教学，强化教学效果[13]。新闻专业也可以借助人工智能，搭建实践平台，推进新闻写作、新闻评论、VR新闻的教学应用。

首先是新闻写作训练。教师可以利用人工智能大模型，帮助学生进行新闻写作训练。学生可以模仿人工智能生成的文本进行创作，提高写作能力。同时，人工智能大模型可以帮助教师批改作业，提供有针对性的反馈。

其次是新闻分析与评论。教师可以利用人工智能大模型帮助学生进行新闻分析和评论。例如，通过人工智能技术分析新闻报道的立场、受众群体等信息，让学生更好地理解新闻背景和事件影响。此外，学生还可以利用人工智能技术撰写新闻评论，提高评论质量。

再次是VR新闻。高校新闻专业可以利用人工智能大模型开发虚拟主播和视频制作技术。学生可以利用虚拟主播技术制作新闻播报视频，提高视频制作能力和新闻播报技巧。

此外，人工智能技术还可以帮助学生自动剪辑视频、生成字幕等，提高视频制作效率与质量。教学中可以使用大语言模型自动生成新闻报道，让学生对比机器报道和人工报道，分析两者的差异和优劣。大语言模型可以帮助学生进行新闻编辑和校对，自动纠正语法和拼写错误，提高新闻质量；可以构建虚拟的新闻采访和报道场景，模拟真实的新闻采访和报道过程，在提供丰富的实践机会的同时，帮助学生更好地了解新闻采访和报道的流程和技巧。

学生应使用大语言模型分析大量新闻数据，挖掘新闻话题和趋势；使用大语言模型模拟新闻发布，分析不同的新闻标题和内容对用户点击率的影响[14]。教师在教学中可以使用大语言模型生成新闻内容，让学生讨论新闻伦理问题，如真实性、客观性等，从而使其保持高度的政治敏锐性，在多元化的意见中把握正确的舆论导向[15]。大语言模型还可以模拟用户的反馈，帮助学生了解用户的需求和反馈，进一步优化新闻内容。

四、结语

技术的升级迭代将助推媒体融合纵深发展，推动新闻专业教育与时代接轨。在新闻专业人才培养过程中，学生不仅要了解技术原理，还要理解其对新闻业的伦理、社会、经济影响。总体来说，人工智能和大模型为新闻传播领域带来了新的挑战与机遇，而有效的人才培养是确保这些技术得到合理应用的关键。新闻传播专业人才培养除了需要磨砺基本的新闻采集与编辑技巧，保持对新闻故事的敏感度和对社会事件的深入思考外，还必须持续跟进并掌握最新技术，以增强新闻行业的活力和竞争力。多样性和多元化是当代社会的核心发展趋势。虽然人工智能的兴起可能给现有的教育体系带来挑战，但媒介教育本质上应当是一个充满活力、不断进化和适应变化的领域。因此，新闻专业教育需要积极寻找与人工智能时代接轨的有效途径，从而为社会发展作出更大的贡献。

参考文献：

[1] 朱鸿军. ChatGPT对新闻传播系统的颠覆性重构[J].探索与争鸣，2023（5）：29-32.

[2] 张强.智媒时代高职新闻传播人才培养模式的创新研究[J].新闻研究导刊，2023，14（1）：71-74.

[3] 周庆安，匡恺.人工智能冲击下新闻传播教育的认同构建[J].青年记者，2023（8）：26-29.

[4] 彭雨晴，许莹冰.粤语国际传播人才培养目标体系与行动逻辑[J].传媒，2022（7）：55-58.

[5] 王晓红.智媒时代网络与新媒体人才教育的变革：美国密苏里大学新闻学院人才教育的经验与启示[J].青年记者，2023（23）：102-105.

[6] 刘环宇.新媒体时代高校新闻教育人才培养路径研究[J].新闻研究导刊，2023，14（9）：128-130.

[7] 陈昌凤，吕宇翔.新闻教育如何在技术主导下的颠覆性变革中创新？[J].新闻大学，2022（1）：20-33，120.

[8] 张波.生成式人工智能对新闻传播教育的影响及因应[J].中国广播电视学刊，2023（10）：22-25.

[9] 苏凡博，陈浩.双维视角下元宇宙传媒人才培养模式建构[J].出版广角，2023（8）：51-55.

[10] 王威力.生成式人工智能时代新闻传播学研究与教育新问题及欧洲经验：对话欧洲传播研究与教育学会主席约翰·唐尼教授[J].国际新闻界，2023，45（12）：152-162.

[11] 张尔坤，张一潇. Chat GPT启示：大语言模型时代传播学研究新问题[J].国际新闻界，2023，45（6）：167-176.

[12] 窦锋昌，孙萌.四圈联动：媒体职业共同体的困境与塑造[J].青年记者，2024（1）：27-32.

[13] 田秋生，李庚.新文科背景下的新体系、新课堂、新实践：来自“融媒体时代的一流本科专业建设高峰论坛”的思考[J].青年记者，2021（11）：78-79.

[14] 张才刚.智媒时代新闻传播人才培养的逻辑进路[J].中国编辑，2023（5）：110-115.

[15] 赖昕.基于场景协同的新闻评论课程思政教育的构建与应用研究[J].新闻研究导刊，2023，14（4）：164-166.

作者简介 徐经纬，助理研究员，研究方向：新闻生产与人才培养。

指导老师：彭雨晴