新聞傳播人才生成式人工智能應用能力及其培養路徑

生成式人工智能（Generative ArtificialIntelligence，GAI）作為通用智媒時代的基礎設施，正推動新聞業快速變革。GAI在賦能新聞業，實現新聞素材檢索的海量化、內容生成的智能化、新聞推薦的顯性化、新聞反饋的人性化等方面，發揮著重要作用[1]。GAI在推動新聞業態變革的同時，也倒逼新聞傳播教育進行適應性革新。

GAI對新聞傳播教育的影響開始受到學者的審視。如約翰·唐尼（JohnDowney）認為，GAI可被視為一種可以提高新聞質量、充許記者花更多時間從事更高級別活動的工具[2]。張波認為，GAI將深刻影響新聞傳播教育人才培養目標、知識學習理念和學習評價方式[3]。劉海龍等認為，GAI可能會讓新聞傳播教育回歸通才式教育，和新聞傳播人才競爭的可能不是本專業的畢業生，而是來自于各個專業的畢業生[4]。面對GAI 的影響，胡正榮等認為在思維體系層面，全媒體人才應當在掌握全媒體思維的基礎上，應用人機互動的思維模式，提升創新創意思維能力[5]。王歡妮等提出以多元主體與倫理啟蒙為核心要素的GAI新聞教育模式[6]。趙麗芳等認為，人機共生時代高校要尊重學生的主體性，注重激發學生的創造力，培養學生的批判思維，鼓勵學生發揮社會學想象[7]。

從已有研究來看，當前，新聞傳播教育在理論上尚缺乏對GAI應用能力的系統性解構，在實踐中亟待形成適配智媒時代需求的培養路徑。本研究從新聞傳播教育的視角，建構GAI應用能力框架，探討GAI應用能力培養路徑，以期促進新聞傳播教育與GAI的深度融合。

一、生成式人工智能能力框架

生成式人工智能是一種能夠根據自然語言對話提示詞自動生成響應內容的人工智能技術[8]。作為一種人工智能技術，其技術框架是人們理解GAI能力的基礎和前提。

（一）生成式人工智能的技術框架

當前，學界與產業界對GAI的技術框架的層次劃分存在多維視角的不同闡釋。弗若斯特沙利文咨詢有限公司從技術層次與功能應用的綜合視角，認為AI大模型的技術架構通常涉及多個層次，可以分為基礎層、技術層、能力層、應用層、終端層等5大板塊[9]。清華大學新聞與傳播學院元宇宙文化實驗室從算力到應用場景的遞進視角，認為GAI產業可分成5個層次：算力層、模型層、功能層、應用層、場景層[10]。中國互聯網絡信息中心發布的《生成式人工智能應用發展報告（2024》從技術實現與產業應用相結合的視角，認為GAI技術架構包括芯片層、框架層、模型層、應用層等4層架構[]。

綜上，本研究提出GAI技術框架主要包括基礎支撐層、技術構建層、功能實現層、應用拓展層和場景融合層（見表1）。

由表1可知，從技術架構的深層次維度來看，基礎支撐層與技術構建層是技術棧中的高端核心部分，它們深植于高度專業化的技術領域，要求相關人員具備深厚的理論功底與熟練的技術實現能力。相對而言，功能實現層、應用拓展層及場景融合層則聚焦于技術應用，對技術的需求呈現應用導向明確的特點，其技術門檻相較于基礎支撐層與技術構建層而言較低。

功能實現層、應用拓展層及場景融合層之間也存在清晰的技術進階與應用深化關系：功能實現層作為技術應用的基石，通過通用功能為廣泛的用戶需求提供標準化的解決方案；應用拓展層則專注于特定領域或行業內的專業化應用能力構建，滿足特定場景下用戶的高級需求；而場景融合層則代表著技術創新與應用創新的前沿陣地，它融合多學科知識與多領域技術，旨在創造出前所未有的應用模式為用戶提供優質的體驗，體現了高度創新性與定制化的特點。

（二）基于GAI技術框架的能力框架

能力作為掌握和運用知識技能的條件，決定活動效率的個性心理特征[12]。簡單地說，技巧或技能 + 知識 Σ=Σ 能力，其中“技巧和技能”指操作的模式和處理問題的綜合性技術[13]。據此，GAI能力可以被理解為人們通過掌握GAI的技術原理與工具（知識），運用其進行內容創作、問題解決、跨領域協作等實踐操作（技能）所形成的適應智能時代需求的綜合能力。在探討了GAI技術框架各個層次及其相互關系后，我們不難發現，GAI能力正是這些層次協同作用的集中體現。

與表1生成式人工智能技術框架相對應，生成式人工智能能力大致可以分成5個層次：基礎能力、建模能力、通用能力、解決問題能力、創新能力。從技術實現到應用落地，逐層遞進，分別涵蓋表1中基礎支撐層、技術構建層、功能實現層、應用拓展層和場景融合層五個層次，這五個層次共同構成GAI能力體系（圖1）。

在圖1中，基礎能力指硬件、數據和算力基礎方面的能力；建模能力指通過先進的算法和技術手段，構建出高效、準確的生成式模型，為上層功能的實現提供技術支持的能力；通用能力指文本、圖像、視頻、音頻、跨模態生成能力；解決問題能力指將通用生成功能與行業需求結合，提供專業化、定制化解決問題的能力；創新能力指通過技術與場景的深度融合，創造出前所未有的應用模式為用戶提供優質的體驗，推動行業創新與變革的能力。

從基礎能力到創新能力，每一層次的能力都建立在前一層次的基礎上，形成逐層遞進的能力體系。基礎能力和建模能力以技術為導向，通用能力、解決問題能力和創新能力以應用為導向，兼顧技術深度與應用廣度。通用能力提供通用解決方案，解決問題能力和創新能力則注重行業化和定制化應用需求。創新能力作為技術創新的前提，強調學科邊界的突破與多元知識體系的創新。

二、新聞傳播專業生成式人工智能應用能力

從媒介學研究視角來看，新聞傳播始終與媒介技術變革保持共生進化的關系[14]；新聞傳播教育的發展始終受到技術力量的影響[15]。在生成式人工智能由基礎能力向創新能力逐層演進的能力框架中，新聞傳播專業學生人工智能應用能力與之呈現對應性特征一既須夯實基礎技術認知的“數字地基”，又要著眼傳播場域的“創新穹頂”，在內容生產、傳播機制重構和人機協同創新等維度形成穿透技術表象的學科化應用能力。

結合表1、圖1以及新聞傳播專業的特征，新聞傳播專業學生生成式人工智能應用能力大致可以分為5個層次：基礎認知、技術理解、功能應用、行業實踐和創新融合（表2）。

在表2中，在基礎認知層次，GAI基礎知識指理解生成式人工智能的定義、發展歷程、技術特點及其與新聞傳播的關系；技術原理認知指了解自然語言處理（NLP）、計算機視覺（CV）、多模態生成等基礎技術；倫理與規范指掌握GAI在新聞傳播中的倫理問題，如虛假信息、隱私保護、版權問題等。在技術理解層次中，文本生成技術指理解GPT、BERT等文本生成模型的原理；圖像與視頻生成技術指了解GAN、DiffusionModels等技術及其在新聞可視化中的應用；多模態生成技術指理解跨模態生成（如文本生成圖像、視頻生成文本）技術的原理。在功能應用層次，新聞寫作與編輯指應用GAI工具生成新聞稿件與摘要、優化標題等；新聞可視化指利用GAI生成新聞圖表、信息圖、視頻內容等；內容審核與優化指使用GAI完成新聞內容的自動審核、情感分析、語言風格優化等；多語言新聞生成指利用GAI實現新聞內容的多語言翻譯與生成。在行業實踐層次，智能新聞生產指利用GAI實現新聞的自動化生產與發布；個性化內容推薦指使用GAI分析用戶偏好，生成個性化新聞；虛擬主播與播報指掌握虛擬主播技術，實現新聞的智能化播報；數據新聞與調查報道指利用GAI分析大規模數據，生成數據驅動的新聞報道。在創新融合層次，沉浸式新聞體驗指利用GAI與VR/AR技術，打造沉浸式新聞內容；跨模態新聞創作指結合文本、圖像、音頻、視頻等多模態內容，創新新聞表達形式；新聞傳播新模式指探索GAI驅動的新聞傳播模式；新聞傳播研究創新指利用GAI開展新聞傳播領域的創新研究，如受眾行為分析、傳播效果預測等。

在表2中，新聞傳播專業GAI應用能力框架呈現4個方面的特征。一是各應用能力是逐層遞進的，從應用意識（基礎認知）到應用創新（創新融合），學生逐步掌握GAI在新聞傳播中的應用能力。二是既注重技術原理的理解，也強調應用技能（功能應用、行業實踐）的培養，體現了理論與實踐結合的特征。三是以行業為導向，緊密結合“GAI融入智慧全媒體傳播體系建設”[5]的實際需求，培養符合行業發展趨勢的專業人才。四是鼓勵創新，學生在掌握基礎應用能力的基礎上，探索GAI與新聞傳播的深度融合與創新應用。

作為人文社會學科，新聞傳播對GAI的應用絕非工具理性主導的技術移植。目前，生成式人工智能在新聞業中的應用，存在專業性、倫理和責任分配方面的難題，其缺乏批判性思維和創造力[16]，這就要求新聞傳播專業學生須兼具人文批判意識和社會責任意識，從而有效應用GAI工具。

三、新聞傳播專業生成式人工智能應用能力培養路徑

基于上述能力框架的層次化進階特征與價值維度挑戰，為應對智媒時代對新聞傳播人才的新要求，新聞傳播人才培養應以“倫理規范為綱、技術迭代為基、行業需求為軸、模態創新為徑、前沿探索為擎”為核心理念。

（一）夯實GAI基礎認知，培養技術倫理意識

高校應以倫理規范為綱，通過將“夯實GAI基礎認知”與“培養技術倫理意識”深度融合，筑牢技術應用的價值觀地基。這不僅有助于增強學生對GAI技術的理解和認識，還能使技術開發者和社會各界更加重視并積極應對潛在的技術倫理挑戰。首先，構建系統化的教育體系是實現上述目標的重要前提。高校可以考慮開設專門的生成式人工智能導論課程，通過系統的講解讓學生全面了解GAI的基本概念、技術原理及其在新聞傳播等領域的具體應用。其次，高校通過科研探討這些技術如何改變信息傳播的方式，以及它們對社會產生的深遠影響，來加深學生對GAI應用能力的進一步認知。在構建基礎理論體系的基礎上，高校還必須注重技術倫理教育，在新聞傳播倫理課程中融入關于GAI倫理風險的討論，通過分析具體案例，如利用AI偽造新聞，引導學生深入思考并討論技術應用的邊界及其可能引發的社會后果。這不僅能增強學生的批判性思維能力，還能促使他們意識到作為未來的技術開發者或使用者所肩負的責任。最后，高校可以邀請來自計算機科學、法學、社會學等多個領域的專家進行聯合授課，共同構建一個融合技術邏輯、法律規范與社會價值的知識框架。這樣不僅可以幫助學生從多角度理解GAI技術，還能夠促進不同學科之間的交流與合作。

（二）開展技術工具與功能實訓，掌握核心技術工具及通用功能應用

高校應以技術迭代為基，以“開展技術工具與功能實訓”為抓手，實現學生從基礎操作到技術認知的維度躍遷。這不僅有助于提升學生的GAI工具應用能力，還能促進他們深入理解背后的技術原理，成為既懂技術又具創新思維的復合型人才。首先，構建系統的GAI工具操作實訓體系是實現上述目標必不可少的一環。為此，高校可以考慮開設專門針對ChatGPT文本生成、DALL·E圖像創作、Runway視頻制作的實踐課程，使學生能夠在實驗室環境中完成新聞自動撰稿、數據信息圖設計、多語言實時翻譯等具體任務，掌握實現智能化生產的基礎技能。同時，課程設置應當涵蓋從核心工具操作到通用功能應用訓練，幫助學生奠定技術操作基礎。在此基礎上，高校應進一步搭建全流程模擬場景，要求學生運用GAI工具完成從選題策劃、智能撰稿到多模態內容生成的全鏈條新聞生產，并結合情感分析工具優化報道語言的情感與傳播適配度，增強內容的吸引力和影響力。其次，深化技術原理的教學同樣不可或缺。高校應結合自然語言處理實踐、計算機視覺入門等課程，引導學生理解GPT、GAN等模型的算法邏輯，打破技術“黑箱”，實現從單純工具操作向深入技術認知的轉變。這不僅能增強學生的理論知識水平，還能激發他們的探索精神和創新能力。最后，高校應積極拓展跨學科教育視野，幫助學生從多角度理解GAI技術，促進不同學科之間的交流與合作，為培養具有社會責任感和技術敏銳性的新一代技術人才奠定堅實基礎。

（三）對接行業需求和場景，在實戰中解決實際問題

高校應以行業需求為軸，通過“對接行業場景、實戰解決問題”，推動能力培養與智慧全媒體傳播體系的現實痛點精準嚙合，構建沉浸式實踐生態。這不僅有助于提升學生對新興技術的應用能力，還能促進技術與行業的深度融合，為傳媒業的智能化轉型奠定堅實的人才基礎。首先，高校要制訂系統化的實踐教學方案。為此，高校可以通過與媒體機構、科技公司共建實踐基地，讓學生有機會參與智能新聞生產、虛擬主播開發、個性化推薦系統搭建等實戰項目。其次，為了更好地滿足不同行業的特定需求，高校可以開設數據新聞與GAI、智能媒體運營等垂直領域課程，并基于金融、醫療、政務等行業的特點，訓練學生基于GAI的行業化內容生成能力。比如，高校可以指導學生利用GAI分析經濟數據并生成可視化財經報道，或是在醫療健康領域利用GAI進行醫學文獻綜述的自動化整理和摘要生成，旨在培養學生具備解決具體行業問題的能力。同時，高校應指導學生以用戶需求為導向，通過用戶畫像分析與 A/B 測試優化GAI生成的新聞標題、摘要等內容，提升用戶體驗。這一過程不僅能增強學生的數據分析能力和用戶洞察力，還能讓他們了解到如何通過技術手段來優化內容，使之更加貼合用戶的興趣和偏好。最后，高校應積極拓展校企合作視野，邀請來自不同領域的專家進行聯合授課，共同構建一個融合技術邏輯、行業知識與用戶價值的知識框架。這樣不僅可以幫助學生從多角度理解GAI技術及其應用場景，還能夠促進學術界與產業界的交流與合作，為培養具有創新精神和實踐能力的新一代全媒體人才奠定堅實的基礎。

（四）跨模態融合與創新項目孵化

高校應以多模態技術融合為實踐路徑，推動新聞傳播領域的創新項目的孵化與場景落地。這一策略不僅能夠促進跨學科、跨領域的合作交流，還能激發學生的創造力和創新能力。其一，構建跨模態創作實訓體系是實現后續項目孵化的首要條件。高校可以通過開展如文本描述自動生成配套新聞短視頻、AI語音合成制作多語種播客等實踐項目，讓學生能夠在實際操作中學習如何整合文字、圖像、音頻等多種媒體形式，培養他們的復合生產能力。其二，為推進技術深度整合，高校可以在實驗室中引入虛擬現實或增強現實設備，將GAI生成的3D場景模型與虛擬數字人相結合，為學生提供沉浸式的新聞生產體驗。這不僅能增強新聞報道的真實感和感染力，還為學生探索“元宇宙新聞”等前沿形態提供了實驗平臺，使學生有機會接觸到最尖端的技術，并嘗試將其應用于新聞傳播中。

在此基礎上，建立創新孵化機制也是不可或缺的一環。高校可以設立“ 新聞傳播”創新基金，支持學生開發具有前瞻性和實驗性的項目，如AI驅動的互動敘事新聞、動態數據新聞平臺等。這些項目的實施不僅能提升學生的動手能力和解決實際問題的能力，還有助于發現并培育潛在的商業模式創新點。

（五）賦能研究，開展前沿探索，引領行業變革

高校應基于學術研究與技術創新的雙輪驅動，推進智慧全媒體傳播體系的范式變革。這不僅有助于推動新聞傳播領域的技術進步和理論深化，還能促進學術界與產業界的深度融合，引領行業的未來發展。其一，構建系統化的課程體系是引領學生開展前沿探索的前提。高校須開設計算傳播學、GAI與傳播效果研究等課程，指導學生運用GAI分析受眾行為、預測傳播趨勢。例如，高校可以引導學生利用自然語言處理技術挖掘社交媒體上的輿情信息，并基于此制訂精準的傳播策略。這不僅能增強學生的數據分析能力，還能提升他們對新興技術的理解和應用水平。與此同時，高校須注重追蹤技術前沿，組織學生參與國際學術會議，了解多模態大模型、具身智能等最新技術進展及其對新聞傳播領域的影響；定期舉辦技術交流會，研討GPT-4、DeepSeek等GAI技術的最新進展，保持與技術發展的同步更新。這不僅能拓寬學生的視野，還能激發他們的創新思維，為其未來開展科研工作打下堅實的基礎。其二，在關注技術創新的同時，高校開展GAI在新聞傳播中的合規性研究也至關重要。其應積極推動制定AI生成內容標注等行業標準，確保技術應用的安全性和合法性，探索“人機協同編輯部”和“動態自適應新聞”等創新模式，以提高新聞生產的效率和質量，保障內容的真實性和可靠性。

四、結語

隨著GAI的快速發展，本研究通過構建GAI能力框架，并結合新聞傳播專業的特點，提出了一套系統的GAI應用能力培養路徑，旨在促進新聞傳播教育與GAI技術的深度融合，為智媒時代培養高素質的新聞傳播人才。

［參考文獻]

[1］陳昌鳳，袁雨晴.智能新聞業：生成式人工智能成為基礎設施［J].內蒙古社會科學，2024（01）：40-48.[2」王威力.生成式人工智能時代新聞傳播學研究與教育新問題及歐洲經驗：對話歐洲傳播研究與教育學會主席約翰·唐尼教授［J］.國際新聞界，2023（12）：152-162.

[3］張波.生成式人工智能對新聞傳播教育的影響及因應［J].中國廣播電視學刊，2023（10）：22-25

[4］劉海龍，連曉東．新常人統治的來臨：ChatGPT與傳播研究［J].新聞記者，2023（06）：11-20.

［5］胡正榮，樊子.歷史、變革與賦能：AIGC與全媒體傳播體系的構建［J］.科技與出版，2023（08）：5-13.

[6］王歡妮，劉海明．多元主體與倫理啟蒙：生成式人工智能新聞教育的模式建構［J］.西南民族大學學報（人文社會科學版），2024（05）：158-164.

［7］趙麗芳，王袁欣.技術接受模型視角下新聞傳播專業學生對ChatGPT的認知與應對［J］.中國新聞傳播研究，2023（06）：74-90.

[8］FENGCHUN M，WAYNE H.GuidanceforGenerativeAIinEducationandResearch [EB/OL].（2023-09-07）[2025-02-03 ] .https：//unesdoc.unesco.org/ark ：/48223/pf0000386693.

[9］沙利文.AI大模型市場研究報告（2023）：邁向通用人工智能，大模型拉開新時代序幕［EB/OL］.（2023-04-26）[2025-02-03].https：/img.frostchina.com//attachment/16871040/3NsDdkbtMm5VWZXhxG8bm5.pdf.[10］清華大學新聞與傳播學院元宇宙文化實驗室.AIGC發展研究（1.0版修訂號0.92）[EB/OL]：（2023-07-28）[2025-02-03].https：//new.qq.com/rain/a/20230728A07DV600.

[11］中國互聯網絡信息中心.生成式人工智能應用發展報告（2024）[EB/OL].（2024-12-10）[2025-02-03] .https： //www.100ec.cn/Public/Upload/file/20241210/1733793698851546.pdf.

[12］中國大百科全書.能力［EB/OL].（2022-01-20）[ 2025-02-03 ].https： //www.zgbk.com/ecph/words？SiteID=1amp;ID 1= 91572amp;Type bkzybamp;SubID 42618.

[13]布盧姆.教育目標分類學第1分冊（認知領域M].羅黎輝，譯.上海：華東師范大學出版社，1986.

[14］黃旦，孫瑋，葉祝弟，等.數字溝通時代的媒介研究：六十年后再思《理解媒介》［J］.探索與爭鳴，2025（01）： 1-42.

[15］任孟山，甘凌博.人工智能變局下新聞傳播教育革新：基于技術社會學視角的考察［J］.現代出版，2024（07）：9-19.

［16］陳昌鳳.生成式人工智能與新聞傳播：實務賦能、理念挑戰與角色重塑［J].新聞界，2023（06）：4-12.