摘    要：人工智能技术在新闻传播教育领域的应用，驱使着新闻传播教育发生了实践转向，调整了教育目标，创新了教学方式，并对教学场景进行升级。随着人工智能技术的继续深入，未来的新闻传播教育应改变教育理念，从实用性为主的传统教育理念向智能化思维引领下的现代教育理念转型，培养兼具功能性和可迁移性的新闻智慧人才，并契合新闻传播教育的特性实现新闻传播教育与人工智能技术的深度融合。人工智能赋能新闻传播教育的路径包括数据赋能、场景赋能和个体赋能三个方面：通过数据赋能增强数据思维应用能力；通过场景赋能构建“具身化”虚拟教学情景；通过个体赋能定制“千人千面”个性化学习模式。

关键词:人工智能;技术赋能;新闻传播教育;路径;

On Artificial Intelligence Empowering Journalism and Communication Education: Practice

Turning, Future Vision, and Empowering Path

CHEN Lidan

YAO Yi

Research Center for Curriculum Ideological and Political Education,Southwest University of Political

Science and Law

Abstract：The application of artificial intelligence technology in the field of journalism and communication education has driven the journalism and communication education to take a practical turn, adjusting the educational objectives, innovating the teaching methods, and upgrading the teaching scenes. With the further development of artificial intelligence technology, journalism and communication education should change its educational concept transforming from the traditional educational concept dominated by practicality to the modern educational concept led by intelligent thinking in the future, to cultivate intelligent journalism talents with both functionality and mobility, and to achieve deeply integration of journalism and communication education with artificial intelligence technology in line with the characteristics of journalism and communication education. The paths of artificial intelligence empowering news communication education include three aspects that are data empowering, scene empowering and individual empowering. Data empowering is to enhance the application ability of data thinking; Scene empowering is to build "embodied" virtual teaching scenes; Individual empowering is to customize the personalized learning modes that are quite different.

Keyword：artificial intelligence; technology empowerment; journalism and communication education; path;

一、引言

当前，大数据、算法等计算机智能技术不断嵌入各行各业，包括教育行业，其中智能评测系统、智能教育辅导机器人、智慧图书馆等典型场景已被逐渐应用。2017年国务院印发《新一代人工智能发展规划》，2018年教育部印发《高等学校人工智能创新行动计划》、2019年发布《教育信息化和网络安全工作要点》，均强调了人工智能技术促进教育发展的重要性。人工智能的应用现状和发展前景，以及国家政策的有力支持，推动着人工智能与教育不断进行交叉融合。

在研究领域，1987年，美国学者Robert K. Yin发表了第一篇关于人工智能与教育的论文，关注技术在特殊教育中的应用[1]。此后国外学者的研究更多聚焦于人工智能技术或教育应用的研发，如运用自然语言处理技术和对话建模技术生成的智能写作评分系统[2]、智能教学系统[3]，以适用于高等教育自动化作文评分和辅助学生学习。国外学者对智能教育机器人的研究也较多，研究其如何利用机器学习预测学生在课程中的成绩表现[4]、识别存在学习障碍的学生等[5]。关于智能教育系统、智能机器人、智慧教室，我国学者也提出了诸多研究方案，如构建课堂教学行为智能分析模型来提升课堂效果[6]、应用智能机器人来赋能教育实践等[7]。总体上，国内外现有研究更多地聚焦于教育大环境，将焦点放置于新闻传播教育这一细分教育领域的为数不多。围绕人工智能与新闻传播教育，国内学者的研究主要集中在两个方面：一是人工智能时代新闻传播教育所面临的困境及对策，关注人工智能时代新闻传播人才的培养模式。有学者提出智能时代“技术替代”“功能提升”“模式修正”和“系统再造”的人才培养建设路径[8]，也有学者提出更为具体的措施，主张通过加大理科生生源比例、加大创造性及审美性课程比例、引进智媒型师资等路径培养适应智媒时代的新闻传播人才[9]。二是人工智能对新闻传播教育的影响。有学者聚焦新闻传播的教学实践，探讨人工智能技术对新闻理论教育、新闻史教育以及新闻业务教育的影响[10]，也有学者从技术维度探讨智能技术对新闻教育带来的裂变，认为人工智能在促进新闻教育分工和改进新闻教育理念方面发挥着作用[11]。上述研究主要集中在中观或微观层面的探讨，除此之外，也有部分学者着眼于宏观的理念层面，探讨人工智能技术对新闻传播教育理念的重塑与再构[12]，以及人工智能环境下媒介素养教育的意义和使命[13]。

从新闻传播实践来看，人工智能、大数据、物联网等新兴的技术力量逐步延伸到新闻生产与分发的各个环节，不断颠覆和重构着新闻业态的传统格局。随着人工智能技术进一步渗透到新闻传播行业，如何培养新闻传播人才来适应、甚至引领这种全新的新闻生产传播方式成为一道难题，对目前的新闻传播教育提出了巨大挑战。因人工智能技术应用于教育领域的时间较短，所以人工智能与新闻传播教育融合发展方面的研究尚存较大的空间。在已有研究成果的基础上，本研究梳理了人工智能背景下新闻传播教育的实践转向，探讨人工智能时代新闻传播教育发展的未来愿景，并在此基础上尝试提出人工智能技术赋能新闻传播教育的路径。

二、人工智能背景下新闻传播教育的实践转向

纵观我国新闻传播教育的发展，技术逐渐应用到教育教学中，在正当性的前提下，技术的加持有助于绵延教育学科的实践力和生命力。人工智能技术的介入与应用，推动着新闻传播教育向数字化、智能化变革，驱使新闻传播教育在教育目标、教学方式、教育场景方面发生了实践转向。

（一）新闻传播教育的目标调整

随着人工智能技术在新闻生产领域应用程度不断加深，我国部分新闻院系开始思考如何培养适应智能时代新闻生产要求的专业人才，将新闻智能生产的专业知识和操作技能作为人才培养目标的关键。从国内高校新闻传播教育的实践来看，调整招生计划、转变人才培养目标、增设智能传播相关课程或专业、调整专业研究方向等是大多数新闻院系在人工智能技术浪潮下作出的适应性措施，旨在提升学生在智能媒体环境下的专业认知与实践技能，适应智能技术的发展要求。以中国传媒大学新闻教育为例，率先创立了全国首个数据新闻报道方向[14]，同时还组建了数据新闻报道实验班[15]，指导学生参与数据新闻的制作过程，进行可视化数据呈现。2019年将原有的“网络与新媒体经营方向”调整为“智能融媒体运营方向”[16]，将人工智能技术纳入专业培养方向，以适应新媒体智能化、融合化的发展趋势。除调整新闻课程、专业方向，也有新闻院校在人才培养模式上进行改变，如中国人民大学新闻学院2019年与高瓴人工智能学院合作，推出了“人工智能+新闻”的联合培养模式[17]。以上新闻传播教育的目标调整反映出新闻传播教育对人工智能技术在认知维度上的转向，体现出新闻传播教育领域积极向人工智能技术靠近的态度，使学生熟悉人工智能新闻生产的理念、原理、操作方法等，这是推动技术融入新闻传播教育的“先导”措施。

（二）新闻传播教学方式创新

传统的新闻传播教学侧重于用直观的方式来呈现信息，以口头讲述和文字板书为主。计算机技术应用后，多媒体呈现成为主要的教学方式，借助采访画面、新闻现场录音、新闻文本等教育资源增强了学生对新闻传播知识和新闻现场的理解。虚拟仿真技术是继多媒体技术、网络在线技术后在新闻传播教育领域应用的新方向，目前许多新闻院系积极搭建了虚拟仿真实验室，尝试开展智能教育。一般来说，新闻传播类虚拟仿真实验室通常以一个仿真实验平台为教学核心，同时搭载在线采访、视频剪辑、文字编辑等其他数字模块。2018年教育部认定了296个国家虚拟仿真实验教学项目，其中新闻传播类占10项，如中国传媒大学数字电视演播室技术项目、河北经贸大学融媒体新闻制作流程虚拟仿真项目等。这也掀起了各大高校建立虚拟仿真实验室的热潮，如云南大学建立了“云南少数民族节庆活动融合报道虚拟仿真教学项目”，西北政法大学新闻传播学院建立了融媒体实验室及虚拟仿真实验室，西南政法大学新闻传播学院建立了“重大成就融媒体报道虚拟仿真实验”，中央民族大学建立了“民族地区县级融媒体综合实务训练”虚拟仿真实验教学项目等，这些虚拟仿真实验室借助云计算、云工具、云存储、云发布合理配置教学资源，推进虚拟技术融入实验教学，创新新闻人才培养方式。

虚拟仿真技术的关键在于“真”。要做到真，就要利用仿真技术搭建三维空间，模拟真实状况，增强体验者的感知和判断。AR（Augmented Reality）、VR（Virtual Reality）等智能技术的广泛应用，为丰富新闻传播教学方式、构建或再现新闻现场提供了更多可能，吸引了学生的参与。

（三）新闻教学场景升级

教室是教学活动的重要场所，随着人工智能技术的不断发展，智慧教室建设进入新一轮发展阶段，成为各高校教育现代化实践的重点领域。智慧教室是以教学云平台为基础，融智慧教学、自动录播、在线督导、远程互助、智能考勤、智能监控等基础应用与智能应用于一体的新型智慧教室系统。目前国内常见的智慧教室类型包括研讨型智慧教室、讲授型智慧教室、远程互动型智慧教室，这种智慧教室系统在一定程度上重构了传统的课堂，如在扬州大学新闻传播学院的智能教室，智能“电子黑板”可以与国内外任何一所同样使用该设备的高校实现远程交互，会议桌配置自动升降屏，可以根据与会者的情况自动切换镜头，话筒和摄像系统能自动跟踪发言者[18]。

除了打造智慧教室，不少高校将教学课堂拓展至线上，通过智能教学平台实现对教学资源、学习监测、师生互动等模块的整合，增强学生学习的互动性和趣味性。无论是打造智慧教室还是开拓智慧教学平台，都是智能技术与课堂融合的新尝试，也是新闻传播教育为迎合人工智能技发展趋势作出的调整与升级。

三、人工智能时代新闻传播教育发展的未来愿景

人工智能技术在新闻传播教育领域的介入与应用，为新闻传播教育创新教育教学模式提供了契机，引领着智慧教育的发展方向。在人工智能技术的推动下，未来的新闻传播教育应从实用性为主的传统教育理念向智能化思维引领下的现代教育理念转型，以培养更多的新闻智慧人才，实现新闻传播教育与人工智能技术的深度融合。

（一）培养智能思维下的新闻智慧人才

新闻传播行业的用人要求是新闻传播教育确定人才培养目标的重要风向。新闻传播行业需要懂技术、精专业的新闻传播人才，要求其掌握新闻策划、采访、写作、视频制作、发布等知识与技能。随着人工智能技术的高速发展，新闻传播教育进行“升级”，大多数院校开设人工智能相关的课程，叠加“智能”标签来增加人工智能与新闻传播教育的关联度。不过，现有的关联多表现为浅层次的关联，教育理念仍是以实用性为主的传统教育理念，所以学生学习人工智能知识仅将其作为一种技术应用工具，以满足今后从业的需要。而在智能时代，知识的传授变得相对简单，更为重要的是思维的培养和创新。新闻传播教育需要聚焦深层次的教育目标，强调学生智能化意识培养，实现智能思维引领下的现代教育理念转型，在此基础上培育出适应智能技术发展的智慧人才。

未来的新闻传播人才应兼具功能性和可迁移性。功能性也就是实用性，学生对人工智能技术具备使用能力，可使用技术进行新闻信息的生产与传播，实现新闻传播知识与实务技能的高效转化，这是对新闻传播人才的基础性要求。可迁移性强调的是智能思维的培养，培育学生未来在面对复杂的新闻信息环境时，表现出对技术的选择、理解、创造与使用以及批判的能力，也就是能够正确地认知技术，并且在复杂的社会环境中作出清醒判断并解决实际问题的能力。

（二）实现与人工智能技术的深度融合

新闻传播学科发展至今，每一次传播技术的更新都促使着新闻传播教育进行转型升级。在社会对智能技术赋予强烈期待的同时，新闻传播教育也应审时度势，科学、有效地利用技术向智能化转型，实现教育与技术由被动关联到主动应用、从浅层应用到高效融合的跨越。现有的新闻传播教育实践中，对人工智能技术的应用层次较浅，对技术功能的应用较为局限。比如新闻院校搭建的虚拟仿真实验室项目，大多数项目仍然以传统媒体的报道为主，侧重于培养学生的传统采编实务技能，应用的范围较为狭窄，在智能媒体素养、价值观念等培养方面还有待提升。大部分院校的虚拟仿真实验室还存在模式单一、原理简单、同质化等问题，缺乏自身特色。对此，可拓宽人工智能技术应用的范围，并提升技术应用程度，有效借助大数据、算法、传感器等智能技术进行教学设计，在营造虚拟场景的同时进行互动和动态呈现。

在人工智能技术融入新闻传播教育过程中，要尽量利用技术释放新闻传播教育的学科特色，契合新闻传播教育的特性。以智慧教室为例，总体上来说，目前智慧教室的应用尚且处在发展阶段，各类型智慧教室的打造水平和利用率高低不一，普遍存在着没有体现学科特点、操作复杂、使用频率较低等痛点。大多数智慧教室中的技术价值未被充分挖掘[19]，尚未达到利用“智能化技术”促进“智慧化教育”的理想效果。对此，可提升智慧教室与新闻传播教育的适配性，开发智慧教室中关于新闻现场信息搜集、新闻背景调查、视听素材加工等方面的功能。人工智能技术与新闻传播教育的深度融合，归根结底来源于教育理念上的转变，只有新闻教育理念转变了，才能充分利用技术的多样性赋能新闻传播教育的纵深发展。

四、人工智能技术赋能新闻传播教育的路径

新闻传播行业实践性、应用性和场景性较为突出的特质倒逼新闻传播教育必须在人工智能技术浪潮中把握时机，目前人工智能技术应用在教育领域的主要是与语言测评或物体识别相关的识别类技术、以自适应学习为核心的策略类技术以及与智能交互相关的交互类技术。因此，未来的新闻传播教育可以利用以上技术在数据赋能、场景赋能、个体赋能方面发挥效用，提高智能化水平。

（一）数据赋能：增强数据思维应用能力

大数据是人工智能技术赋能新闻传播教育的基础要素。在以物联网、云计算等成熟技术为基础的大数据时代，数据逐渐成为社会经济发展中的一项重要生产要素，在新闻传播行业同样如此，对数据的深入分析与挖掘已经成为新闻传播从业者的必备能力，传统的新闻传播教育理念和教学模式表现相对滞后。大数据可为学生专业学习、教师专业教学、学院有效管理提供及时且重要的参考，以适应未来信息化和知识化社会的变革与发展[20]。

1. 提升对数字技术的认知

数据赋能新闻传播教育的前提是对数据有着清晰、明确的认知，开设数据新闻相应课程、组建数据新闻学习团队是目前国内大部分新闻院系采取的增进学生对数据认识的普遍方式。我国新闻院系开设的数据新闻课程总体上处于摸索性的初级阶段，大多数新闻院系认为数据新闻是借用可视化效果进行新闻报道呈现的一种手段，在实际操作部分主要包括教师课堂演示数据新闻生产流程、课后学生自主完成并提交数据新闻作品两个环节，课程检验度较低，对学生实际操作能力的提升并无显著效果，更多的表现为对数据新闻的浅层接触性体验，而且对于数据原理等计算机学科方面的内容几乎寥寥带过，对技术性知识的讲解依赖教师对技术的掌握，导致学生对技术原理性的知识接受不足。对此，可借鉴国外一些新闻院系的经验，从课程体系入手，重构新闻传播教育课程体系，打破各新闻院系对数据新闻认知的现实困境。如哥伦比亚大学新闻学院开设了名为LEDE（The Lede Program）的数据新闻专项课程体系，包括计算机基础、数据和数据库、算法、平台研究等课程，教学内容涵盖计算机数据的采集与发布，写作、发布算法和代码，掌握Python脚本语言，处理文本和图像，研究数据和技术之间的关系等。未来新闻传播课程设置可以尝试引入一些关键性技术课程，以计算机基础课程为依托，构建一套涵盖数据原理学习、数据挖掘分析、数据清理、可视化呈现等完整的理论和实践知识在内的培养方案，培养学生在数字人文、社会科学和数据叙事方面的能力培养，提升学生对数字技术的认知，数据新闻课程也可以朝着更为独立性、体系化的方向构建。

2. 数据赋能的方式

数据赋能，“赋”是关键。现有的教学实践中，人工智能与教育的关联更多体现在智能获取教育数据层面，通过智能技术及传感设备等实时捕捉与识别教育教学中的多模态信息，从而帮助教师开展学情诊断和教学评估。未来除了利用智能技术对教育数据实现精准捕捉外，还可以利用大数据捕捉能力强、容量大等特点，提升新闻大数据与新闻传播教育的适配度。可以借助现有智慧教室的基础，在配置外在智能感知系统的同时，内嵌社会热点数据捕捉系统进行赋能，在新闻教学课堂上对特定新闻事件实时跟进，培养学生发现新闻热点、捕捉新闻线索、解析新闻事件的能力。

首先，依托大数据引导学生发现新闻线索。新闻报道是常报常新的，新媒体环境下每天发生着无数的事实，如何从海量的事实中挑选有价值的信息进行新闻报道，反映了学生的新闻敏感度。在传统的新闻传播教育中，判断事实信息是否具有新闻价值更多依赖于学生的主观感知。而今后可以突破这种局限，大数据具有实时捕捉的功能，数据监测到的新闻热词、数据变化等，为学生发现新闻线索、确定新闻报道选题等提供了量化的数据支撑，有利于学生去发现社会关注度更高、更具新闻价值的线索。

其次，大数据能够为分析新闻案例、解析热点新闻事件等提供有效参考。案例教学是新闻传播教学的重要方式，学生通过教师对新闻报道案例的解析，将理论知识与实践结合起来，加深对专业知识的理解。在传统的新闻传播教育中，新闻报道案例的选取通常是某一具体的典型报道，选取的个案十分有限。而未来可以借助大数据实现相关新闻报道的有效关联，比如教师在课堂上进行灾难报道主题课程，在对典型案例进行分析的同时，可以利用大数据进行同一主题报道的搜索，比较相关报道的关键词、报道手法、倾向性等，通过比较的方式深化课堂内容。

再次，利用大数据解析热点新闻事件。学生对新闻热点事件的信息接触通常来自社交媒体，但是社交媒体作为信息聚合的平台观点众多，学生能够认知到的代表性意见往往来自热搜排行榜、头条等，对当下正发生的热点事件的发展态势把握不够全面。对此，可以通过热点数据捕捉系统，实现对新闻事件的实时跟进，学生能够从数据曲线、热词云图、舆论焦点等方面对新闻事件有较为全面的认知和把握，给出具体的研判建议。

需要注意的是，数据“赋”能不仅是教会学生认识数据、使用数据的技能，更多的是增进学生在学习中的数据意识和实践中的数据思维，在人工智能时代的背景下能够对技术有更明确的认知，提升学生的数据挖掘与分析的能力。

（二）场景赋能：构建“具身化”虚拟教学情景

“具身”一词来自英文词汇“embodiment”，是相对强调认知在功能上是脱离人的身体而独立存在的“离身”概念而言的[21]。“具身性”源自法国哲学家梅洛·庞蒂的知觉现象学，他认为，在世界上身体是存在着的媒介物，拥有一个身体，对于一个生物来说，就是介入确定的环境、参与某些计划和继续置身于其中[22]。真实是新闻的生命，“亲眼所见”在传统上被认为是新闻采写不可缺少的标准环境，对“具身性”有严格的要求。然而随着社会环境的扩大化，能够亲临新闻现场感知新闻的可能性较小。在传统的新闻传播课堂上尤其如此，学生的学习行为与学习情境往往处于割裂状态，学生专业实践的机会也较为有限，所以学生与外部事物通常表现为“离身性”。因此，可以借助人工智能技术实现对新闻传播教学场景的赋能，通过虚拟现实技术、增强现实技术等营造虚拟教学环境，借助脑机接口设备等创设可感知的课堂体验。近年来国内各新闻院校在创建虚拟仿真实验室方面取得了一些成效，并且已经部分地实现了对具身学习环境的建构，但大部分教学场所仍然停留在传统课堂中，传授知识的方式仍以教师讲授为主，学生对新闻事件的感知往往来自社交媒体信息，其获得的认知是非经验性的，学生的具身学习体验不够明显。

对此，可进一步利用人工智能技术打造新闻传播教育的专属学习情境，推动学生对外界事物的感知由“离身”走向“具身”，将虚拟仿真技术与智慧教室智能设备有效衔接，打造新闻传播教育的典型应用场景。如打造新闻传播史教学虚拟情境，将历史“搬”进课堂。新闻传播史是新闻院系学生的必修课程，传统的新闻传播史学教育以教材文本为载体，通过多媒体声音、视频、图像等辅助史料信息呈现，学生对知识的接受局限在PPT教学的平面上，课堂效果表现较为枯燥。人工智能技术能够通过对新闻传播历史活动的情境再现，通过与大数据、物联网、传感器设备等实现联动，提升新闻传播史课堂效果。具体来说，借助人工智能技术搭建全面的新闻史数据库，通过再现新闻传播媒介、新闻历史事件、新闻历史人物等形式，生动形象地进行历史教学。在新闻传播媒介方面，可以利用智能虚拟技术，将从古至今新闻传播媒介工具进行再现，比如以动态、三维立体方式还原早期的信息传播载体木铎、露布、悬书等，学生通过头戴智能眼镜、佩戴感知手环等方式，身临其境地感受古时新闻信息传播载体的形态、器形、传播效果等，通过立体化感知媒介工具的更迭从而加深对新闻信息生产与传递的认知。新闻传播活动历史中，有不少影响甚大的历史事件，传统教育中对重大新闻历史事件的地位凸显通常以文字讲述为主，学生对于新闻事件的认知不够深刻。可以借助虚拟技术模拟新闻传播历史中的重要新闻事件，通过关联相关新闻史料，选择与知识点契合的文献，将VR、AR等技术应用于新闻史教学课堂，再现新闻传播的报刊活动，比如“苏报案”、“大江报案”、“葵丑报灾”等影响深远的新闻历史事件，通过构建虚拟学习情境，引导学生置身于当时的办报环境中，沉浸化感受报刊宣传活动之不易，在视觉上还原历史，在感知上丰富体验。另外，可以实现学生与报人的“对话”。新闻传播历史上涌现了大批优秀的办报人，因此可借助虚拟技术创设历史情境，通过智能问答系统搭建“对话”空间，引导学生在特定的时代背景下，感受报人政治观点、报刊活动及新闻思想等，从而更好地理解新闻历史。

再如打造新闻采写业务教学虚拟情境。教师可以依据教学内容和目标创设有针对性的新闻采写业务教学情境，在情境中引导学生感知新闻的发生、发展等，增强学生对新闻事实的感知。为调动学生的身体参与感知，借助可穿戴设备进行体验并输出反馈信息。比如在教学中构建极端环境下的新闻采访虚拟情境，学生佩戴可穿戴设备，模拟在地震、泥石流、高寒、酷热等环境下采访，调动触觉、视觉等感官进行体验，将个体的现实身体感知转化为具身化新闻实践。相比于虚拟仿真实验室依托单一仿真实验平台，新闻传播虚拟仿真技术与智慧教室的互联，在时间和空间的选择上更具有教学的灵活性，教师能够发挥专业优势结合虚拟教学环境进行有针对性地讲解，学生在虚拟仿真环境中可以体会到以往在新闻现场中缺席的在场感。同时，在实务教学过程中，可以研发人工智能记者模拟系统，用智能技术模拟被采访对象，学生本人担任记者角色进行模拟训练，针对学生在新闻实务方面遇到的问题，比如采访时易紧张怯场、采访提问表述不当等情况，加以有针对性地训练，有效的改善实务练习匮乏的现象。

场景赋能新闻传播教育的关键在于场景的构建，新闻教育教育实践中教学虚拟场景建构的形式和内容都有待丰富，且提高持续性和使用率，以延伸情境教学的使用空间，实现新闻传播教育物理环境与数字环境的融合。

（三）个体赋能：定制“千人千面”个性化学习模式

在人工智能赋能学生个性化学习方面，我国部分中小学已走在前面，应用了智能教育机器人、教育学习推荐系统等。智能学习推荐系统能够有效弥补传统新闻传播教育模式固化的弊端，比如在新闻课堂上，机器通过监测学生课堂表现与互动等计算学生对于某个知识点的掌握程度，课后在移动端设备为学生推送相关的学习信息，及时弥补知识薄弱点。在新闻课堂外，人工智能技术还可以为学生推荐专业研究方向、进行专业化实务训练、提升就业技能等。

目前大多数新闻院校实行的是新闻传播学类专业大类招生，即学生入学后，不具体区分专业，通常在第一、二、三学期学习完新闻传播学大类基础课程后，根据学生自愿原则确定专业。在实践中，往往出现分流后专业与学生学习期待不同、想转专业等情况。因此可利用人工智能技术在专业分流前对学生的既往课程成绩、学习认知能力进行分析，综合未来分流专业拟涉及的课程，为学生提供更客观的参考意见，推荐并匹配更适合的细分专业。在传统的教学模式中，学生的采写能力主要通过课堂作业、专业实习等方式进行训练提升，由教师进行人工批改，但往往批改速度较慢，反馈时间较长。因此，可以借助算法技术，研发具备自动批改与反馈功能的在线系统，通过机器深度学习大量优秀新闻作品，智能批改学生新闻实务作业，检测学生在新闻写作、新闻策划等方面的水平，作出及时反馈。也可以尝试将新闻传播专业优质的国内外课程与智能学习推荐系统进行结合，通过学生作业反馈情况，精准定位学生实践能力的薄弱点，为学生智能匹配相关教学视频或优秀新闻作品，帮助学生提高专业技能。向新闻传播行业输送高质量人才是新闻传播教育的重要任务，人工智能赋能新闻传播教育，最终是为了塑造高素养的实务型、研究型、复合型人才。借助自动识别技术，在语音识别、语义分析方面，人工智能技术可以帮助新闻传播专业学生提升就业技能，比如进行普通话测评，纠正学生的咬词断句错误，帮助提升学生的口语表达的清晰度、完整度等，以适应未来的职业要求。

个体赋能是将技术赋能到学生个体，赋能的前提是算法分析结果，通过对学生进行画像，分析学生的知识薄弱点，构建差异化学习模式，学生可全面认知自我发展水平，找到提升新闻传播专业技能和未来就业的路径[23]。可以预见，人工智能技术与新闻传播教育深度融合还需经过漫长的过程，这期间必定会涌现出越来越多因技术介入教育而产生的变化，无论如何，新闻传播教育的智能化发展不应该仅局限于单纯地利用机器进行替代性劳动，还应该思考如何让机器真正地赋能到新闻传播学科教育中，结合新闻传播学科的优势和特色，培育智能时代新闻传播教育的优质人才，这才是人工智能赋能教育的深度体现。总之，人工智能技术融入新闻传播教育的趋势不可逆转，在此过程中，新闻传播教育要抓住技术发展的关键期，向智能化、数字化转型，同时也要在人工智能技术浪潮中保持清醒，辩证地看待技术的利弊，坚守新闻传播教育的本质。

（编辑：刁胜先）

参考文献

[1] Yin R K , Moore G B . The Use of Advanced Technologies in Special Education: Prospects from Robotics, Artificial Intelligence, and Computer Simulation[J]. Journal of Learning Disabilities, 1987(1):60-63.

[2] BESEISO M, ALZUBI A O, asan RASHAIDEH H. A Novel Automated Essay Scoring Approach for Reliable Higher Educational Assessments[J]. Journal of Computing in Higher Education, 20213(3): 1-20.

[3] WARD W H, COLE R A, BOLANOS D,et al. My Science Tutor: A Conversational Multimedia Virtual Tutor for Elementary School Science.[J]. ACM Transactions on Speech and Language Processing,2011(4):18-1-18-29.

[4] LAGUS J, LONGI K, KLAMI A et al. Transfer-Learning Methods in Programming Course Outcome Prediction[J]. ACM Transactions on Computing Education (TOCE), 2018(4): 1-18.

[5] NANNI L, LUMINI A. Ensemble Generation and Feature Selection for Theidentification of Students with Learning Disabilities[J]. Expert Systems with Applications, 2008(2): 3896-3900.

[6] 刘清堂,何皓怡,吴林静,等.基于人工智能的课堂教学行为分析方法及其应用[J].中国电化教育,2019(9):13-21.

[7] 柳晨晨,宛平,王佑镁,等.智能机器人及其教学应用：创新意蕴与现实挑战[J]. 远程教育杂志,2020(2):27-36.

[8] 陈小娟.人工智能时代新闻传播人才培养模式变革研究[J]. 传播与版权,2020(10):1-3+19.

[9] 潘晓婷.未来已来:智媒时代需要怎样的新闻传播人才?[J].中国编辑,2018(9):45-50.

[10] 栾轶玫,张晓旭.人工智能驱动下的新闻传播教育变革[J].新闻与写作,2018(5):43-49.

[11] 王欢妮.变量与驱动:智能技术对新闻教育的影响[J].现代传播(中国传媒大学学报),2021(2):162-166+168.

[12] 赵红勋,冯奕翡.人工智能时代新闻传播教育的变革逻辑[J].中国编辑,2021(1):78-81.

[13] 周慧玲.人工智能时代媒介素养教育的作用与使命[J].出版广角,2019(3):79-81.

[14] 陈媛媛.国内外数据新闻人才的培养途径与基本现状[J].今传媒,2018,26(07):9-10.

[15] 中国传媒大学教务处.中国传媒大学新闻传播学部新闻学院数据新闻报道实验班招生管理办法[EB/OL].(2014-05-29)[2022-07-13].

[16] 中国传媒大学本科招生网.网络与新媒体（智能融媒体运营方向）[EB/OL].(2019-12-31) [2022-08-12].

[17] 中国人民大学高瓴人工智能学院.高瓴人工智能学院与新闻学院召开“AI+新闻”跨学科研讨会[EB/OL].(2021-10-29)[2022-07-18].

[18] 扬州大学.校园探秘之新闻与传媒学院智慧教室[EB/OL].(2015-10-21)[2022-07-13].

[19] 刘喆,苏新冰,杜炫杰.智慧教室环境下的数学课堂教学行为研究[J].数学教育学报,2020(4):44-51.

[20] 丁若浩.智能手机思想政治教育的传播特征、双重博弈与发展进路[J].重庆邮电大学学报(社会科学版),2022(4):94-101.

[21] 於春.传播中的离身与具身：人工智能新闻主播的认知交互[J]. 国际新闻界,2020(5):35-50.

[22] 莫里斯·梅洛-庞蒂 .知觉现象学[M].姜志辉,译.北京:商务印书馆,2001:116.

[23] 张杰.人工智能时代大学教学伦理困境及其治理[J].重庆邮电大学学报(社会科学版),2021(6):89-96.