摘要

人工智能正在深度重构信息传播生态，由于传播学在理论解释、研究方法、与产业对话等方面的能力缺失，面临成为智能传播时代“局外人”的学科危机。由此，文章提出“传播工程”的人才培养理念，即需要培养具有人工智能理念和工程思维、具备工程能力进行信息传播的人才。传播工程的人才培养还需要具备AI的技术敏感与批判意识、发现与运用AI传播规律的能力、AI信息产品的开发应用技能。结合传播工程的实践探索，认为传播工程也是新闻学科、出版学科等大传播学科的共同命题。

大模型代表的人工智能兴起已将信息传播生态深度重构，传统媒体角色与功能面临改变，主流媒体正经历从内容生产、传播渠道到影响力机制的系统性变革，传播学也在信息环境激变的背景下迎来学科困境。在此背景下，“传播学专业的研究与教育价值何在”已经成为热议话题，相应的还有新闻学、出版学等大传播学科，也遇到同样问题。

形成并成熟于报纸、广播、电视等传统大众媒介时代的学科模式，正面临严峻挑战及强烈的变革诉求，传播学似乎越来越成为信息流通的“局外人”。为了应对这一挑战，国内外新闻传播高校院所纷纷结合自身特点来优化研究方向、革新人才培养模式，如美国哥伦比亚大学新闻学院在数据化浪潮下，率先推出了数字新闻课程，旨在培养学生数字化时代所需的技能和知识。但多年以来，“传播学人才何为”的疑问从未消减。“全媒化”“复合型”“专家型”“创新型”等说法是最近10年我国传播学人才培养的几个关键词。2018年《教育部中共中央宣传部关于提高高校新闻传播人才培养能力实施卓越新闻传播人才教育培养计划2.0的意见》指出，形成遵循新闻传播规律和人才成长规律的全媒化复合型专家型新闻传播人才培养体系。

面对近年突飞猛进的人工智能技术发展，传播学科又面临新的挑战。本文试图从人工智能时代传播学面临的“局外人”风险切入，分析传播学的人才培养应对策略，提出“传播工程”的理念，以探寻传播学再塑其专业价值的新路径。

问题缘起：人工智能时代传播学的“局外人”危机

面对智能互联网，传播学经典理论的解释力受到挑战

现有的传播理论大部分以人类认知和行为为基础，不足以解释机器的传播行为。基于“人”这个主体来建构的传播学理论在面对“人 机器”混合主体时，其解释力会受到挑战。以议程设置理论为例，在大众传播为主的时代，媒介议程和公众议程是该理论体系的两个核心变量；但在人工智能时代，有社交机器人加入的舆论场域中，这一理论模式发生了改变，出现了社交机器人议程这一新兴变量。在第一层议程设置中社交机器人议程对公众议程产生正向影响，在第二层议程设置中社交机器人议程与公众议程之间相互影响；同时，在第二层实质属性中媒体的议程设置效果要弱于社交机器人和公众，且在负面情感属性中呈现出社交机器人影响媒体、媒体影响公众、公众又影响社交机器人的循环互动。

相关的一系列研究都发现，基于AI技术的社交机器人已经成为传播过程的重要影响变量。在高度两极分化的背景下，低至2%到4%的社交机器人活动就可以大幅度影响公众舆论的方向，引发沉默螺旋的过程。经典理论中智能传播主体的缺位，可能会导致其对当下公共舆论的解读和评估出现严重偏差。而在微观层面，人类的交往对象不再只能是人类，人机情感依赖已经不再罕见，但人机交往的亲密关系机制与人际交往已经不同。人类如何通过与机器的交互行为获得情感满足？又是机器行为的哪些特质影响着人类的情感体验？欲回应这些智能传播现象所带来的新问题，仅依靠过往聚焦于人的传播理论显然是不足的。

面对AI互联网，传播学科的传统研究方法不能有效解决问题

传播学研究方法以量化研究和质化研究为主，传统的问卷调查法、内容分析法、访谈法、观察法等在面对基于人工智能技术的机器行为时显得无能为力，需要予以创新。这一方面是由于机器行为产生的大量数据超出了人类自行处理的能力范围，也不能根据简单的观察和统计来挖掘数据中内含的特点与规律；另一方面是由于传统的研究方法是立足于“人”的传播现象、针对“人”的行为特征而建立的，但机器行为和人的行为逻辑不一样，研究者无法将过往的研究方法直接挪用至对机器行为的研究。

机器的数理算法逻辑成为传播行为支配因素，人工智能在信息传播中的深度介入，使基于人类中心主义建立的传播学研究方法体系在与现实的对话中逐渐失语。在信息流依托大众媒体与互联网传播的年代，传播学尚能够走进编辑部与社会展开观察；但信息流隐入智能技术后，传播学却没有方法体系支持其走入人工智能之中，只能在人工智能参与的传播流外围观察和评论，而无法进行深入的规律性研究。换句话说，传播学没有手段对海量信息流进行处理和分析，无法把握人工智能信息流的特征、规律与社会影响。

虽然传播学者也积极寻求分析工具与方法的创新，引入了计算传播学、跨物种民族志、算法审计等新的研究路径。然而从本质上看，这些方法仍然只能触及智能传播的表层现象，因为其研究逻辑仍是围绕人类使用展开，或是将人类的研究逻辑拓展至机器。而深入本质研究智能传播现象所需的研究视角和方法体系，则仍处于探索过程之中，尤其基于算法的传播规律探讨成果还很少见。

传播学科逐渐缺乏和业界对话的能力

何以“局外人”：传播学产业基础的变迁

第一阶段：信息流以报纸、广播、电视为主

从早期的报纸和广播，到20世纪五六十年代的电视，大众媒介构成传播学科的产业基础，人才培养也主要面向大众媒介。传播学育人对能力的要求是能够立足于大众媒介平台向公众进行“点到面”的传播。纸媒作为主导性的信息传播工具之时，传播人才即以掌握“采写编评”专业化技能作为核心竞争力；广播电视普及之后，摄制、剪辑、编导等技能则同样成为传播人才的必要素养。在这一阶段，传播人才的“采写编评摄”作为一种专业化能力，确保了内容生产与传播渠道运行的高效衔接，传播人才的专业价值也由此凸显，并与社会对大众媒介的功能需求相匹配。

具体反映在传播人才的培养实践上，传播学科的建制化也正是在这一时期逐渐完成。美国高校作为新闻传播教育的先行者，在20世纪中叶将新闻传播的职业规范、写作技巧与社会责任结合起来；中国同样在20世纪50年代开始将新闻传播学科专业化，其课程体系围绕采写编评与媒介操作展开，人才培养目标与大众媒体主导信息传播的格局高度契合。但当互联网推动传播媒介门槛逐渐降低，曾经的“专业壁垒”难以为继，传播学的核心素养便不可避免地面临重新定义的挑战。

第二阶段：信息流以互联网为主

随着20世纪90年代中期互联网开始普及，传播学产业基础也相应地变为互联网行业，大众媒介时代形成的传播学人才培养体系也向互联网要求的方向调整。由门户网站到社交平台，互联网逐步使媒介资源去中心化，少数大众媒体对传播的信息垄断权不复存在，普通个体能够通过微博、论坛等社交媒体深度参与信息生产与分发。传播现象中的权力关系出现网络化转向，传播学人才赖以安身立命的“采写编评摄”技能也就不再独为大众媒体“把关人”所需，而是逐渐为社会大众人人所用，甚至在“Z世代”中近乎成为通识化技能。在此语境下，传播学科所依赖的传统专业壁垒被削弱，若仍仅停留于传统的新闻写作与媒体编辑训练，就难以解释、指导、应用于网络传播的实践当中。

进入互联网时代后，一些带有信息技术色彩的课程被引入传播学教育体系，以满足数字化传播场景的需求。如从全球来看，数字化内容生产在传播学课程与教学实践中的存在已经相当普遍，“数据新闻”等数字化教学内容在一些高校已经成为课程与人才能力评价的关键增量。在国内，众多新闻传播院校同样在互联网驱动下开设网络新媒体专业，小程序设计、网页设计、网络运营等技能成为与传统采写技能同等重要的核心培养目标。总体来看，数据采集、分析与可视化技能的训练在传播人才培养体系中得到强调，互联网成为传统媒体之外传播专业人才的又一重要去向。

第三阶段：信息流正在向智能互联网转移

2022年11月30日ChatGPT的发布，标志人工智能进入一个新的大模型发展阶段。截至2025年4月，ChatGPT的周活跃用户（WAU）估算已达到8亿，在2025年9月录得超过58亿次的月度访问量。谷歌Gemini（双子星）通过其在广阔用户生态中的深度集成，展现出爆发式的用户规模扩张能力，在2025年的月活跃用户（MAU）估计范围介于4.5亿至6.5亿之间。截至2025年上半年，我国生成式AI用户规模已达到5.15亿人，半年内用户数量净增2.66亿人，DeepSeek、豆包等大模型都有上亿的活跃用户数量。

以大语言模型为代表的生成式人工智能，使非专业人员也能够迅速上手选题策划、图文生成、视频创作等传播工作。这意味着传统上属于传播学专业的技能再次在技术驱动下迅速扩散为社会大众的“常识”。与大众传播时代的“采写编评”类似，互联网时代传播学专业塑造起的壁垒在人工智能技术冲击下再度松动，传播人才培养的专业性再一次受到挑战。

传播学科所建立的具体在技能层面的流变如图1所示：随着媒介形态的不断演进，传播人才专业价值所在的核心能力往往会随着技术的创新和普及而外溢至社会大众。例如，大众传播时代作为把关手段的“采写编评摄”等技能，如今随着媒介渠道的下沉已成为人人可以习得运用的通识素养；互联网时代所强调的数字化内容生产、平台化运营等基于社交媒体的生产运营能力，也在随着移动互联网的普及为常人所掌握。“人人都有麦克风”，尤其是大模型的快速迭代，普通民众应用AI软件生产文字、图片、视频等传播内容的能力也得到快速提升。甚至伴随智能体的出现，一些专业人士才可以操作的互联网方案普通人也可以完成，专业边界越来越多地向普通用户开放。

图1 传播学专业技能流变

传播学科每一次面对传播技术冲击所作出的人才培养调整，也正是传播学结合新技术重建专业性的过程。在进入大模型驱动下的AI互联网时代，专业要求转为能够运用AI方面，即应用AI进行生产、传播信息的能力，而在大众媒介、PC互联网、移动互联网时代的专业能力培养转化为全民的通识素养。

传播工程：智能传播时代的人才培养理念

为回应传播学人才培养在人工智能环境下所面对的“局外人”危机，本文提出传播工程的人才培养理念（见图2）。传播工程，即将工程化的思维和方法论应用于传播活动，对于人才培养来说，就是需要培养有人工智能理念和工程思维、具备工程能力进行信息传播的人才。传播工程的人才培养包含三个从高到低的外延层次：最高层次是意识层面，具备人工智能的技术敏感性和批判能力；中间层次是能力层面，具备把握AI传播规律的能力；最基础层次是技能层面，具有AI信息产品意识，能够运用AI生产产品并能够传播的能力。

图2 面向传播工程的人才培养三个层次

意识：AI的技术敏感与批判

满足传播工程转向需求的传播人才培养，首要标准在于意识层面，能够对新兴技术的传播应用前景保持高度敏感，并兼具基于理性的反思能力。

首先是对新技术的敏感。近年来，新技术的涌现速度远超以往，人工智能应用呈井喷之势，大语言模型、沉浸式媒介不断重塑信息流。若传播学学生无法第一时间感知并理解这些技术，就难以把握其在传播实践中的应用方向，更无法在传播实践中保持引领性。因此，技术敏感性不仅是一种认知习惯，更是一种专业意识，要求学生能够在技术萌芽之时即捕捉其深入传播流程、社会运转乃至文化生态的可能性。

其次，对媒介技术的批判性意识同样重要。技术敏感并不意味着技术崇拜，传播学之所以不等价于通信工程，正是由于其不仅关注信息传播中的技术应用转化，同时也始终保有对媒介与社会关系的批判性审视。学科萌芽伊始，阿多诺等一众批判学者即提出“文化工业”等理论为传播学吸纳；媒介环境学者则提醒人们媒介形式本身会深刻塑造社会结构与人类感知。可以说，传播学的发展脉络与学科积累，为其培养媒介批判意识提供了深厚的理论传统。面对人工智能技术驱动的传播环境，传播学专业教育必须超越对其工具层面的运用技巧和技术原理的理解，能够进一步反思其技术逻辑背后的权力分布、关系逻辑与伦理困境。例如，生成式人工智能在内容生产中降低门槛、提升效率的同时，传播学人也理应注意到其可能引发虚假信息泛滥与信任危机。批判意识的养成，使学生不仅能理解技术的运作机制，更能思考技术运作机制的成因、后果以及优化方向。

传播工程所需的技术敏感与媒介批判力并非对立，而是互为补充。单纯的技术敏感会使传播实践滑向功利与盲目的“追捧新技术”，而单纯的批判则可能导致空谈批判而忽视传播实践中的现实问题。既能跟进新技术的发展，预测其在传播实践中的应用潜力；又能识别其中的隐性风险，预警其可能带来的伦理难题与负面影响——这种“技术敏感 媒介批判”意识是传播学人才培养的核心要素。还有一点，面对AI大模型的发展，要防止为批判而批判的做法，批判要建立在AI技术发展逻辑之上才有意义。

能力：发现与运用AI传播规律

发现和运用传播规律是传播学专业人才区别于一般技术人员或单纯的内容创作者的能力表现。进入智能传播时代，黑箱化AI技术的介入使传播规律呈现更为复杂，但这也为传播学专业人才提供了更大的舞台。传播学人必须具备运用新方法识别传播规律的能力，并能将其应用于传播工程的设计与执行当中。

今天，用户与大模型、智能体之间的信息传递，多智能体之间的流程化协作等传播现象，显示出传播链条已被超越人类主体的“混合行动者”所重构。在大模型、智能体等AI产品与用户群体持续的拟人化交流过程中，用户对信息的信任判断倾向被重塑，更为重要的是大模型的不同表现也将在具体交互中带来不同重塑效果。如何把握AI环境下的传播规律是传播学的一个核心专业能力，也是区别于其他社会学科的一个关键指征。

传播规律的发现只是第一步，能否将其转化为传播实践中的“可用知识”，才是对传播人才能力的真正考验。人工智能技术普及之前，传播学人可以直接参考传播规律在活动策划、内容生产、舆论引导、不良信息防控等方面发挥指导性作用，但在人工智能技术深度介入传播活动的当下，传播规律很大程度上需要结合技术逻辑来应用。只有能够理解、影响人工智能运作逻辑，才能借由人工智能主体引导日益普及的信息流。这也在一定程度上为面向传播工程的传播学提出了技能层面上的要求——掌握新技术应用化的所需技能。

技能：AI信息产品的开发应用

相较于能力（ability），传播工程对传播学人的技能（skill）要求更加具体，即能够深入参与到新技术在传播领域应用转化的过程当中，掌握开发、优化传播应用产品的技能所需。

传播工程的人才培养在技能层面包含4个内容：一是要具有AI产品意识。在AI技术快速迭代的环境下，能够捕捉社会和产业对传播产品的需求，也就是要有如何利用AI技术设计传播产品的想法。二是具有动手能力，能够利用AI技术开发传播产品，包括对AI传播链条的整体规划、对信息流的逻辑优化以及对媒介形式的创造性组合，并能够组织团队完成传播产品。三是具有使用AI技术传播信息的能力，能够利用AI技术手段最大化扩散信息，形成传播效果。四是具备识别AI信息产品的能力，如能够识别一些利用深度伪造等技术产生的虚假信息、能够应用技术手段来帮助识别虚假信息等能力。

麻省理工学院媒体实验室（MITmedialab）的研究实践使工程创新思维与人文社科教育相交融，以实际的应用产品前瞻性地回应了诸多传播重点问题。如其下属团队开发的Scratch编程环境将计算机编程语言以图形方式可视化，在人机交互尚未普及之前即为计算机指令提供了更加符合自然传播过程的呈现方式，也因此被广泛应用于计算机编程的入门教学。同时，这一实验室还在社交网络普及早期就探索出“病毒式传播”的信息扩散机制，并在实践中证实了其有效性。

相较于大众传播时代和互联网时代，智能时代面向传播工程的传播学专业素养，在意识、能力、技能三维度标准上都需要进行进一步拓展。结合图3对比来看，就更能够凸显智能时代传播工程导向下的传播学专业的独特价值和实践导向。

图3 不同时代的传播学专业人才要求

传播工程人才培养的实践探索分析

教学创新：多元形式跨学科合作

课程教学是学科人才培养的首要环节，其面向传播工程的创新探索可以通过多元形式展开。最基础的，针对传播教育课程，应将课程范围拓展至聚焦智能传播理论与实践、前沿技术应用等领域，形成覆盖内容生产、技术实现、数据驱动、用户反馈的全链条课程群。以北师大新闻传播学科为例，其在国内新闻传播教育中较早引入大模型与生成式AI的实操训练，涵盖提示词工程、AIGC（人工智能生成内容）驱动的多模态内容生成、AI辅助数据分析等前沿环节。较为典型的如面向本科二年级学生创新开设的AI创作课程将艺术展作为课程的环节之一，引导没有美术和设计基础的同学利用AI技术设计出优质的平面图、视频等作品，课程作品《寻绿》获得北京市科学传播大赛一等奖。

在基本的课程设计基础上，可通过周期性开展的讲堂、沙龙、工作坊等更为灵活的形式引领学生在技术前沿领域拓展其接触面。如北师大在过去探索中连续性开办“人工智能与未来媒体大讲堂”，邀请科技行业从业者、研发者走进校园进行分享，并定期举办研讨论坛和技术工作坊提供实践操作平台，形成课程之外的教学体系，促使教育实践与技术前沿直接对接。这种结构性嵌入的其他教学形式不仅能提升对技术变迁的敏感性，也将强化学科知识的跨界迁移能力。

更进一步，可以探索传播学与人工智能、计算机科学、心理学、设计学等相关学科院系的跨学科联合培养的学制体系。如北京师范大学探索的“传播学 人工智能”双学位项目，将算法原理、数据分析、虚拟交互等技术课程与新闻传播核心课程并行设置，培养既懂传播规律又掌握智能技术的复合型创新人才，突破新闻传播专业人才培养的传统边界。

引导实践：活动赛事先行激励创新

在课堂教学之外，面向传播工程培养人才，需要打造可持续的实践支持体系。在这一问题上，既有探索的经验是教学单位牵头整合院系实验室、行业企业、创作社区、公共平台等多方主体展开协作，以联合赛事策划、成果展览等形式推动产学研资源的流动共享，并以此带动学生参与创新实践。如北京师范大学连续牵头举办多年的中国VR（虚拟现实）/AR（增强现实）创作大赛，涌现出《成都十二时辰》《北平之秋》等多部高质量作品，并在上海国际电影节展映。直接面向智能传播工程探索的人工智能与未来媒体创新创业大赛、“传播工程创新奖”院系奖学金等赛事奖金设置，同样孵化出“XBL507大模型驱动多模态文本分析系统”等可应用的AI产品。学院牵头每年举办AI与未来媒体创新大赛，每年都进行两到三次路演，邀请业界专家逐一点评参赛同学的创意。对于好的创意，大赛组委会筹集资金给予支持，帮助参赛者进一步开发和实现想法。

这种“赛事—活动—资助”联动的激励机制，对于传播工程人才培养具有双重价值。一方面，不同于停留在实验室层面的技术接触，学生直接在赛事与社会化传播项目中应用并验证其创新成果，在拓宽学生实践边界的同时，也提升了成果落地率和社会影响力，使人才培养真正融入产业链和创新流程中；另一方面，实践激励机制与教学环节会形成双向互动，赛事活动中涌现的优秀作品，在系统整理优化下均可成为优质教学案例，服务于“未来媒体创作”等创新课程的更新和完善，达成实践成果反哺课堂教学的效果，构成良性循环。在传播工程探索阶段，这种良性循环将有助于教学摸着石头过河，走入人才培养创新的深水区。

面向公共：结合社会需求培养人才

传播工程的人才培养模式不应局限于院系专业人才，更需要进一步面向公共需求因势而动。紧跟公共需求开展传播教育的原因有二：一是因为即时的公共需求反映了现实传播环境对于传播学人才专业素养的期望，因此面向公共展开传播教育有助于实务教学的动态调整，保证传播学人始终站在解决社会传播问题的最新阵地上；二是为了将传播学教育成果的示范效应真正推向社会面，彰显学科价值，促成学科“育人质量”和“社会认可”互相促进的良性循环。在这一方面，北京师范大学新闻传播学院探索在北京、广东、四川等地陆续举办了7期针对一线媒体从业者的“大模型媒体应用创新工作坊”。此外，连续三年在四川凉山州开展“智慧赋能乡村振兴”项目，并开展中学生网络安全科普讲座，探索面向社会的媒介素养教育路径。在以上公益项目中，院系学生均获得学以致用、指导他人提升技术使用素养的机会。总体来看，其经验首先是服务于传播产业，满足一线从业者的自我提升需求，通过向行业开放的应用工作坊等短期课程形式，面向媒体行业从业者开设AI前沿课程；其次，传播工程的培养理念还应当力求普惠关键地区、关键群体，甚至服务国家战略需求。

在传播工程的人才培养实践中还会遇到一些实际的问题，如原有课程的老师如何接受和转变的问题，学生认识不足、从业积极性不高如何解决的问题，如何营造氛围感的问题，如何面对整个传播学科相对滞后带来的评价影响问题，等等。任何一个探索都会遇到问题，对于面向人工智能时代的传播工程人才培养来说，相信随着人工智能技术的快速迭代发展，这些问题都会逐渐消失。

结语

面对传播学在智能传播时代面临的“局外人”危机，传播工程理念要求传播学走出理论与公式，直击现实的传播问题。传播工程的人才培养模式要求学生不仅要对技术敏感，能批判思考，具备发掘运用规律的能力，更要能够将新技术转化为应用产品。一方面，传播工程不仅是对传播学人才培养困境的回应，也是学科对技术变革的积极适应；另一方面，新闻、出版都受到人工智能快速发展的影响，已有生产模式和信息扩散方式都正在发生变化，需要有适应人工智能技术发展水平的传播模式，新闻人才和出版人才的培养也相应要求具有AI工程化的能力，因此，传播工程的人才培养模式不仅仅是传播学科的需要，也是新闻学、出版学等大传播学科的共同命题。

需要强调的是，传播工程的人才培养理念并不意味着否定传播学人才培养的其他人文素养。恰恰相反，传播工程理念正建立在传播学其他研究传统所提供的学科积淀之上。如传播伦理、传播史和媒介哲学等思辨探讨构成了技术敏感性与媒介批判思维的根基，并非单纯强调传播学的技术化和工程化，而是主张传播学科与工程思维的有机结合。正是传播学许多“非工程化”的核心素养，使其始终能够保有人文关怀和公共性底色，进而与其他工具性学科区别开来。传播学的未来应致力于技术进步与人文关怀的有机结合，通过传播工程的手段在智能时代的社会可持续发展中扮演核心角色。

传播学科共同体仍需做更多工作以推进传播工程理念在人才培养中的落实。尽管已有一些成功的实践案例，但放在整个传播学科的建设中来看，传播工程理念仍然处于探索的起步阶段。针对如何平衡技术技能教学与社会责任伦理意识的培养、如何围绕工程思维与能力设计传播学人才所需的课程与科研体系、如何在传播学科中推进跨学科合作以建立与相关学科互惠互利的关系等问题作出更加细致的讨论与实践探索，将有利于传播学人才培养更好地适应未来社会的需要。