从大众媒体到社交媒体，从传播的“大教堂模式”到“大集市模式”，媒介技术变革的浪潮推动传播机制的变化。算法和数据驱动的智能传播，超越了过往社会信息传播以“人”为基础的传播范式，“是人类信息传播的一次全新的范式转变”。Calvo-Rubio等分析了 Web of Science和Scopus数据库中有关智能传播领域的209篇论文，认为新闻传播学中的人工智能研究兴起于2015年。王秋菊等对国内外智能传播相关的文献进行聚类和关键词分析，将智能传播的发展划分为三个阶段：孕育期(2011—2016年)、探索期(2016—2019年)和发展期(2019年以后)。方兴东等依据技术演进历程划分了四大信息传播机制：大众传播、网络传播、社交传播、智能传播，将2020年作为智能传播的开端，并提出智能传播上半场主要是以抖音和TikTok为代表的算法推荐内容分发机制，下半场主要是以ChatGPT为代表的生成式AI的内容生产机制。（湖北研楚教育咨询有限公司）

2019年1月25日，习近平总书记在中共中央政治局第十二次集体学习时指出，“要探索将人工智能运用在新闻采集、生产、分发、接收、反馈中，用主流价值导向驾驭‘算法’，全面提高舆论引导能力”。行业急需能够与时俱进，兼具传播专业能力和人文综合素养，并熟练掌握人工智能工具的新一代智能传播人才。

顺应技术潮流，国内外不少高校已经展开面向智能传播的教学变革。那么，高校建设智能传播课程体系的现状如何？怎样才能更好引导学生在传播实践中充分学习和运用人工智能技术，不在技术浪潮中迷失方向？如何培养学生对待前沿技术的批判性思维，探索“智能”背后的隐喻，实现“人”与“技术”的交融？这是本文尝试探索的问题。

一、文献综述

(一)智能传播人才的概念

智能传播人才的核心素养正是智能传播本质内涵的映射，因此梳理清楚“智能传播”这一概念的内涵是人才培养的基础。

国外相关研究较少直接提及“智能传播(intelligent communication或smart communication等)”，但在人工智能技术在媒介活动中的应用研究中常提及以下相关概念，包括人工智能(artificial intelligence) 、机器学习(machine learning) 、深度学习(deep learning) 、大数据(big data) 、算法(algorithms) 等。[6]可见，智能传播的底层载体就是各类智能技术支撑的智能化媒体。

然而，“智能化媒体”与“智能传播”并不能画等号，二者之间的边界仍需要厘清。智能化媒体是内容生产者利用智能技术进行内容生产与分发手段的创新，智能化媒体只是智能传播的一种表现形式。从本质上来说智能媒体是基于算法，以实时、动态的大规模数据为核心驱动的内容生产和传播的媒体形态，而智能传播的本质则是以算法驱动和数据驱动的新型传播模式。

国内学者在研究中已经广泛使用“智能传播”一词，但对其定义尚未完全达成共识。周葆华等认为，智能传播是指人工智能技术介入和参与的传播活动：可以发生于生产环节，也可以发生在分发、使用环节，智能技术既可以是传播的中介，也可以是对象。这一定义强调了人工智能技术对传播活动的介入，一定程度上淡化了人的参与。方兴东等在概念中进一步去除了“人”这一要素，将智能传播定义为“基于算法、以数据为核心驱动，在内容生产和内容分发等环节中去除人的因素而实现全流程或部分流程自动化的新型传播方式”。彭兰也从更广义的角度剖析了智能传播的本质，认为智能传播的主体不仅仅是软件、算法和数据，还有各类智能机器[8]。这些定义或多或少都展现了人工智能技术在传播活动中的重要地位，尤其是后两个定义，呈现出剔除了“人”的环节和因素的全新世界。

可见，智能传播的“智能”是一个内涵丰富的隐喻，狭义理解是以数据和算法驱动生产、分发和使用等各环节的传播活动，广义理解则包括除传播活动以外新的面向未来的生存和交互关系——人机协同、人机交流、人机共生。[9]方兴东等提出“‘智能’更多是一个精彩的隐喻，帮助我们理解，更有助于社会的传播、接纳和不假思索地‘理解’”。

厘清智能传播的本质解决了培养智能传播人才的首要问题——智能传播人才应具备的核心素养——即数据素养和算法素养。本文以上述学者对智能传播的定义为基础提出，“智能传播人才”应该是具有较高数据和算法素养的，掌握以数据和算法驱动的人工智能技术，将其作为传播中介或传播者，推动各类传播活动全环节高效运作的跨领域复合型智能传播人才。智能传播人才参与传播活动的全环节，应了解人工智能基本原理，并运用多样化的人工智能技术，在媒介生产环节辅助内容创作，在分发环节实现智能推荐和效果评估，并在消费和使用环节完成人机交互，从而推动传播活动的智能化、自动化，提高传播的效率和效果，如图1所示。

(二)学界关于智能传播人才培养的讨论

国内外学界对智能媒体和人工智能技术影响下的传播人才培养展开了大量研究，这些研究主要从宏观维度探讨人才培养的定位、逻辑、目标和框架，较少直接关涉具体教学实践和案例研究。

国外相关研究强调在人工智能背景下，传播学教育在瞄准技术技能的同时，亦需将伦理和批判性思维贯穿人才培养的始终。Calvo-Rubio等在调研中发现，大学教师、记者和传播学学生普遍认为人工智能不会对新闻行业就业市场产生负面影响，反而强调了新兴技术培训的重要性。Gómez-Di-ago提出应从两个维度培养学生的能力：一是培养学生关注人工智能的社会影响的批判性视角；二是训练学生掌握数据处理、内容自动化生产和真实性核查等实用人工智能技能。一些高校传播学教师在Lopezosa等的访谈中建议重点关注学生基础技术能力(如自动化内容生成、数据分析等)和伦理素养的培养。[13]尽管国外关于智能传播人才的研究尚不充分，但数据分析和处理能力作为掌握人工智能技术的基础在不同学者的研究中被反复强调。

国内有关智能传播人才培养的研究则更加丰富，较多研究开始聚焦人工智能背景下新闻传播教育的改革路径，并着重展现技术与人的交融发展。李明德等分析当下智媒时代的人才培养困境，从宏观层面提出了金字塔形人才能力需求模型，重点包含价值判断能力、事实核查与整合能力、数据分析与应用能力以及情境内涵的认知能力；赵红勋等从技术逻辑、教育逻辑以及融合逻辑探讨了变革思路。陈晓兵从全媒体人才培养、产教融合模式等角度提出“AI+传媒教育”的生态重构。陈昌凤等指出新闻教育创新面临的一个主要障碍就是对技术的误解和忽视，同时也强调，新闻教育应超越传统技术培训，培养学生的批判性思维能力，为学生终身学习和发展奠定基础。尽管上述研究为智能传播人才培养提供了路径指引，但缺乏对具体教学案例的实证研究，较少给出教学和育人实践中的完整培养方案和具体课程体系设置建议，更缺乏对已经步入改革的高校的教学效果的验证。因此，本文关注正在实施智能传播教学改革的高校，对具体的课程设置和教学方案进行实证研究，期望得出兼具前沿理论视野与在地实践价值的智能传播人才培养研究成果。

二、研究设计和方法

本文针对国内外大学有关智能传播相关人才培养项目开展调研，从课程设置角度出发探究国内外教学现状，目标如下：

①梳理国内外开设智能传播相关专业的高校的课程设置及内容；

②分析各高校智能传播课程设置的现状，包括共性与差异、优势与问题等；

③从媒介活动的全环节来分析现有课程覆盖的侧重点，并对智能传播课程设计提出建议。

(一)样本选择

在中华人民共和国教育部《普通高等学校本科专业目录(2024年)》中，智能传播尚未被确立成新的专业，相关课程主要包含在网络与新媒体专业(050306T)中，调研以网络与新媒体专业为主，并补充艺术类和工科类的数字媒体艺术、智能科学与技术等专业，以期尽可能全面覆盖已有专业设置的现状。

国内共选取42所高校的相关专业，其中36所高校开设了网络与新媒体专业(参考“2023软科中国大学专业排名——网络与新媒体”排名[18]，包含7所“A+”层次学校及29所“A”层次学校)；另外选取国内其他知名高校6所，他们并未开设网络与新媒体专业，但设有网络传播、新媒体传播、人工智能与数码媒体专修等相关专业，名单为：武汉大学、北京大学、清华大学、中国人民大学、复旦大学、北京师范大学·香港浸会大学联合国际学院。

国外高校的专业设置则更加多样化，有垂直的Data Journalism(数据新闻)，也有涵盖更加宽泛的Media Arts & Sciences(媒体艺术与科学)，Technical Communication(技术传播)等，故选取“EduRank新闻与数字媒体专业全球大学排名”名单[19](截至2023年12月)中前15名的高校进行调研。

(二)研究方法

本文通过查询目标高校新闻传播学院的官方网站或官方招生网站，找到智能传播相关专业的人才培养方案(包括本科生专业和研究生专业)，并将对应课程的学分及课程性质(公共基础课或专业课、必修或选修)进行统计，并使用“微词云”进行计算机辅助内容分析。

在此基础上对得到的分词进行共现分析制作网络关系图，以此探究课程之间的“亲疏关系”。每个关键词都用一个节点表示，它们之间的连线表示它们一起出现的频率，其中关键词是节点，关键词词频越大，节点越大；关键词之间的共现值越高，连线越粗。

三、智能传播课程设置的现状分析

本文搜集了42所国内高校的93个相关专业(本科专业79个、研究生专业14个)，以及15所国外高校的48个相关专业(本科专业18个、研究生专业30个)的培养方案。其中国内共统计3036门课程信息，国外共统计940门课程信息。搜集的课程信息包括学校名称、专业名称、专业类别、课程中文/英文名称、课程性质、必修/选修、学分、总学时共8个字段。

(一)国内智能传播课程设置

1.本科生课程设置情况

数理基础课程较少，不同类型学校课程设置差异明显。由于各院校课程设置对外披露程度不同，针对79个国内本科专业，仅搜集到29个专业开设的公共基础课信息，在这29个专业的所有课程中公共基础课平均占比为29.5%，公共基础课基本包含大学英语、体育、计算机基础等课程。其中仅有6个专业要求必修数学或微积分课程(如文科数学、高等数学、数学思维与应用、数学与自然科学、数学之美等)，2个专业要求必修数据库或数据分析课程，且这些课程主要分布在理工类大学。从学校类型来分析，综合类及师范类大学更倾向理论类课程，理工和财经类大学实务类课程更丰富。部分大学基于所在地域文化或学校研究优势开设了特色专题课程，如暨南大学的湾区主播训练营、四川大学的沉浸式书院文化传播、中国科学技术大学的沉浸式媒体——VR/AR/MR、吉首大学的湘西旅游传播研究等。

技术成为人才培养的焦点，但缺乏人工智能课程。进一步对79个本科专业的1972门专业课信息进行词频分析，依据TF-IDF算法呈现分词词频排序前30的词语，见表1。其中根据专业特性及智能传播的两个基础要素——数据和算法，设置9个自定义词汇“新媒体”“程序设计”“网页设计”“网络传播”“人工智能”“机器学习”“数据挖掘”“数据分析”“算法”，并去除如“概论”“导论”等与课程实质内容无关的词语。“新媒体”在分词中出现次数分别为178次，然而与智能传播密切相关的课程较少，“数据分析”和“数据挖掘”共出现34次，“程序设计”26次，“人工智能”“算法”和“机器学习”总共仅出现32次。此外，在绘制的图2国内本科专业课课程名称分词共现关系图中，“新媒体”“传播”“技术”“网络”“应用”“设计”是最主要的节点，延伸串联出其他分词，而“程序设计”“网页设计”“人工智能”“数据挖掘”“算法”则分布在关系图外围，“机器学习”甚至完全没有可关联分词，成为“课程孤岛”。可见智能传播相关的课程在国内现有本科生的课程设置中仍然较为分散，基本上还没有与其他课程形成系统的、完整的培养体系。此外，与“人工智能”共现的课程名大多为人工智能与算法决策、人工智能导论、人工智能应用，其中人工智能导论或特论出现次数最多，这些课程主要是对人工智能进行概括性介绍，难以指导学生在媒介活动各个环节充分、有效地使用人工智能技术。

2.研究生课程设置情况

公共基础课难以起到支撑作用，专业课更聚焦技术应用。针对国内高校面向研究生开设的14个相关专业，搜集的公共基础课仅32门，基本只涵盖外语和思政课两类，对于培养智能传播人才的专业能力作用较弱，且其中仅一所高校的素质基础教育课程模块提供了有关计算机科学的课程，由学生自行选择是否修读。对相关专业研究生专业课课程名进行词频统计和共现分析，“媒体”和“数字”成为所有课程的核心，与之共现的课程与前沿技术也有更强相关性，如数字媒体的人工智能、人工智能与数字媒体研讨会、数字媒体推荐系统、数字媒体的数据挖掘与知识发现、数字媒体的可视化分析和决策支持等，既有数据分析和可视化，又有算法推荐和人工智能导论相关知识点，相比本科生课程更有深度。如图3所示，包含“文化”“营销”“管理”等分词的文化和传播基础理论类课程仍处在共现关系图中相对中间的位置，而“数据分析”“数据挖掘”“人工智能”“人机交互”“程序设计”等分词处于网络关系图的相对外围。“机器学习”“算法”和其他分词均无关联。

在搜集的14个国内研究生专业中，北京师范大学·香港浸会大学联合国际学院所开设的三个研究生专业与智能传播关联度较高。根据其官网介绍，该学院开设的人工智能与数码媒体专修专业课程旨在为学生提供人工智能和媒体沟通技能等计算和数字时代所需尖端跨学科知识，代表性课程包括数据科学基础程序设计、大数据管理和分析、人工智能理论与应用、计算新闻学和算法文化等，该专业课程基本没有传统一级学科和二级学科的划分，而是围绕人工智能和数字媒体交叉设置。

(二)国外智能传播课程设置

1 . 本科生课程设置情况

理论研究类课程较多，人工智能技术直接相关课程较少。国内本科的网络与新媒体专业常涵盖新闻学概论、广告学概论、广播电视学概论等多个方向的基础课程，而国外专业课程内容则聚焦一个方向或者一个知识群。针对国外18个本科生相关专业共搜集439门课程名称进行词频分析和共现分析，“media”出现次数最多达96次，“design”“digital”出现了30次以上，但是与人工智能直接相关的分词出现极少。在图4国外本科生专业课课程名称分词共现关系图中，“media”和“digital”是核心节点，关联紧密的分词主要是“culture”“information”“communication”“social”“society”，即信息传播、文化和社会理论研究相关的课程仍是重点。而有关网页设计、编程和数据分析的分词都处在网络关系图的外围，并没有成为串联所有课程的核心节点。不过分词系统并不熟悉较为专业的课程名称，会对名词短语造成不当拆解，使得一些课程被直接忽视。进一步人工检查后，还是可以看到一些传播技术和数据分析课程的身影，如New Media Internet Technologies(互联网新媒体技术)，Computer/  Statistics/Quantitative Applications(计算机/统计/量化应用)，Fundamentals of Technical Communication(技术传播基础)，以及Managing and Analyzing Data(数据管理与分析)等。

2.研究生课程设置情况

数据科学和计算机科学相关课程在课程体系中占据重要位置。在国外研究生的30个专业中，共获取501门课程信息，进行分词分析后，同样是“media”和“digital”出现次数最多。同时“digital”成为图5国外研究生专业课课程名称分词共现关系图的核心节点，相比国外本科生的课程，研究生课程更加聚焦数据分析和媒介等方向，尤其是“data”与“science”共现频率极高，进一步对名词短语进行频数统计以后可以发现，“Data Science”和“Software Studies”词频分别为8和6。典型课程包括Topics in Informatics：Data Science On-Ramp(信息学专题：数据科学入门)、Data Science for Communica-tion and Social Networks(传播和社交网络数据科学)、Introduction to Computational Thinking and Data Science(计算思维和数据科学导论)、Machine Learning for Data Science(数据科学机器学习)，涉及数据科学、机器学习、社会网络分析等，为学生更深一步学习人工智能技术奠定了基础。

一些新兴专业在发展中也已经形成独具特色的课程体系。如Virtual and Immersive Media Experi- ence(虚拟和沉浸式媒介体验)之类的课程已涉及元宇宙相关的VR、AR和XR技术，亚利桑那州立大学还开设了完全专注于扩展现实技术(XR)的媒体艺术与科学(扩展现实技术)专业。在国内，中国科学技术大学的网络与新媒体本科专业是唯一开设了AR和人机交互相关课程的专业。同时，与“Generative AI(生成式人工智能)”相关的课程也已出现，契合当前社会发展通用人工智能(AGI)的趋势，尤其是在哥伦比亚大学“新闻与计算机科学”专业中，30条课程信息均涉及人工智能技术，包括计算机网络、自然语言处理和机器学习，显示出其在这一领域的领先地位。此外，Digital Culture Critical Theory(数字文化批判理论)等课程出现了4次，反映出国外相关专业在设计课程时，不仅关注技术的应用，也在努力强化学生的批判性思维和智能传播时代的媒介素养。

(三)智能传播课程与媒体生产环节的对接

在传播实践活动的内容生产与编辑、内容分发与推荐、用户交互与使用的三个环节中，人工智能技术都可以发挥巨大作用，如AIGC创作、算法智能推荐、人机交互对话等。因此研究将搜集到的国内外2794门专业课的课程名称，利用ChatGPT对关键词进行辅助分类，以分析现有课程覆盖的传播实践活动中的侧重环节以及人工智能技术在其中的融合程度。分类结果显示：内容生产与编辑类课程在总课程中占据了最大的比重，共计540门课程；内容分发与推荐类课程共有285门；用户交互与使用类课程数量最少，仅有52门课程；此外，还有许多课程名称并不一一对应这三个环节，难以明确归类。

其中，内容生产与编辑类课程主要代表课程包括新媒体编辑、融合新闻报道与制作和数据挖掘与分析，涵盖了信息采集、数据分析、编辑制作等关键技能，表明培养学生的内容创作能力仍是当前新闻传播教育的重点，不过与AIGC相关的课程比较稀少。内容分发与推荐类课程的代表课程有新媒体运营与管理、数字媒体推荐系统和算法文化，该类别课程关注利用大数据和算法推荐等技术手段优化内容的分发和传播效果，但与算法推荐、算法学习相关的课程数量较少，还不能有效帮助学生了解当前热门算法推荐系统的运作机制。用户交互与使用类课程的代表课程有新媒体用户运营、人机交互和互动媒体设计，旨在引导学生关注用户体验、交互设计和人机交互，尽管该类课程数量最少，但智能传播时代用户不再单纯是看和听，通过各类人机交互形式来沉浸使用内容并进行互动，例如XR/VR/AR场景中用户可以走进内容，沉浸式使用内容等，将愈发普遍，因此需要更多这类课程引导学生从“用户视角”来生产易于人机交互和体验的内容。

四、困境与机遇：智能传播教育的现实境遇

新闻传播作为一个具有很强实践性和应用性的学科，需要与当今的数智技术“同台共舞”。在对国内外57所高校的相关专业的课程进行梳理后，可以发现人工智能和数据科技逐渐成为新闻传播教育不可忽略的核心要素。然而，学界与业界对智能传播的内涵理解存在一定差异。人工智能技术还在疾速迭代，导致课程设置和教学内容难以时刻跟上技术发展的步伐，这使得智能传播教育的变革陷入困境。

(一)困境：新媒体教育之“新”已不新

目前，国内外高校涉及智能传播的主流专业还是以新媒体专业为主，尽管起初以区别于传统媒体的“新”特性著称，但随着技术的飞速发展，这种“新”逐渐显得陈旧，主要体现在课程内容设置的滞后性、技术融入的不充分性以及教学目标的局限性。

在国内，教育部于2012年新增网络与新媒体专业，当时的“新媒体”主要指相较于广播电视等传统媒体更新的互联网社交媒体，特别是基于移动互联网的微博和微信等平台。在此语境下，新媒体教育主要培养学生图文视频编辑、运营和数据分析的能力，典型课程如新媒体运营、新媒体产品开发、短视频制作、新媒体数据分析与应用等。

时至今日，在网络与新媒体专业成立十余年后，本文调研中的大部分专业的课程体系仍以这类课程为主，未能充分融入人工智能和数据科学等新兴技术。关于新媒体编程的课程，多数集中在HTML和CSS等网页编程技术，仅有少数学校提供Python编程教学，此类课程设置并未跟上当前技术发展的步伐，更难以让学生了解智能传播领域的最新进展。

随着当前人工智能技术开始大规模迭代和普及，新媒体之“新”有了新的内涵，相较于网络与新媒体专业成立之初的社交传播时代，当下已经进入智能传播时代，新媒体之“新”更多应该指向“智能化媒体”及其支撑的内容生产、传播和互动的全流程智能化模式，新媒体教育也应朝向更新的智能化媒体方向，从底层逻辑和技术实践上进行调整和变革。

(二)隐喻：“智能”的底层逻辑是数据和算法

探讨智能传播时代的新闻传播教育的困境时，必须深入了解智能传播的底层逻辑。“智能”这一隐喻更多是各项技术运作后，呈现出在一定程度上符合人们思维习惯的结果，而这些智能传播技术的核心在于数据和算法。数据，如同智能的“血液”，为算法提供了源源不断的补给；算法，则是智能的“大脑”，通过对数据的分析和处理，实现信息的智能传递和决策支持。智能传播教育除了培养学生运用各类现成的人工智能技术的能力，更需要深入了解“数据”和“算法”这两个底层逻辑，培养学生对数据的敏锐感知和算法的分析能力，以不变应万变。

从“数据”这一角度来看，各高校的相关专业已经开设了较多课程，例如数据挖掘与可视化、数据抓取与清洗、用户调研与数据分析，意在培养学生掌握数据采集方法、数据清洗技术、数据分析工具，以及挖掘数据价值和隐含信息的能力。从“算法”这一角度来看，算法作为数据处理的工具，通过不断学习和优化，能够智能识别和匹配用户行为、内容特征等方面的信息，从而实现个性化、精准化的内容推荐和内容生产与交互。

调研中，仅个别高校的工科专业开设了算法分析与设计、图像处理中的快速算法、机器学习与统计算法、算法文化等课程，不过许多专业已经开设了编程类的基础课程，这对后续调整课程设置是有益的支撑。值得注意的是，新闻传播学专业学生多为文科生，许多高校在开设数据和算法相关课程时，忽视了高等数学、概率统计等数学类前置课程，导致学生在学习数据相关课程时缺乏扎实的数理基础，也容易在学习编程相关基础课程时产生畏惧心理，造成知识断层，阻碍学生的学习和发展。

(三)机遇：教育变革与市场需求的碰撞

在前述调研中可以发现高校在智能传播方面的教育注重理论基础和综合素质的培养，课程设置相对稳定，变革需要经过较长时间的论证和审批，难以实时同步业界发展的步伐。这是学界和业界不同的工作特点导致的差异，但这并不会阻挡市场对人才的渴求。

当前就业市场中需要能快速适应市场和技术发展的智能传播人才，这不仅体现在岗位数量的增长，更反映在岗位职责的日益专业化和技术化上。一些媒体在招聘中已增加AI方向的岗位，需要求职者对AI领域热点有较全面的认知，定期梳理关键动态信息，并熟练运用各种AI产品辅助完成内容生产；抑或需要求职者具备良好的提示词(prompt)撰写能力，通过大模型工具实现高质量的新闻内容聚合、摘要和推送能力。

此外，互联网行业也涌现了诸多如AIGC产品运营、大模型产品策划、AI内容运营等新兴岗位。其工作职责与人工智能紧密结合，例如开展AIGC应用能力的产品化运营工作和宣推，从运营侧配合产品团队共同推进能力的规模化应用；负责AI搜索内容运营及网站运营，具备良好的文字处理能力和内容质量评估能力，可以独立生成和推荐优质内容。无一例外，上述行业和岗位都要求求职者既具备扎实的内容创作和运营能力，又能在工作流程中充分运用AI产品和技术。

回应需求，走出象牙塔，和外部世界产生更为密切的互动和交融，是当前智能传播教育的重点之一。一方面未来社会带来的人工智能技术变革将为智能传播教育提供更强的工具，而另一方面又因技术变革产生很多新的社会问题，需要学生用扎实的理论和新颖的视角参与其中，并提出专业的解决方案。

人类文明的进步离不开科学与人文的共同进步，智能传播的教育与业界也可以相得益彰，智能传播教育培养的学生不一定是人工智能技术领域的佼佼者，但他们可以用更全面的视角串联工作要素，洞察市场需求，甚至创造更多创新产品。

(四)交融：智能传播教育的目标是人与技术共生

在技术裂变与信息爆炸的时代，新闻传播教育显然不应也不可能“躲进小楼成一统”，但也应该保持必要的定力而非只是被裹挟前行。智能传播教育的目标也并不是用技术取替人，而是寻求面向未来的新的人与技术的共生关系，注重培养学生的人文素养和创新能力，包括对传播伦理、社会责任、文化多样性等方面的理解和尊重，以及对人类情感、价值观念的把握和表达能力，在智能传播实践中，充分考虑到不同群体的需求和利益，避免因技术应用而造成的信息泛滥、隐私泄露等问题。

国外高校在这方面尤为关注，如Digital Media：Critical Perspectives(数字媒体：批判性视角)，Dig- ital Culture Critical Theory(数字文化批判理论)，Ethical and Critical Perspectives(伦理与批判视角)，Mediating Violence：Feminist ，Queer ，Decolonial Perspectives(调解暴力：女权主义、酷儿、去殖民主义视角)，AI for Mental Health(AI与心理健康)等课程在国外相关专业的课程设置中出现较多。

此外，智能传播现有研究的两大方向包括“智能技术作为传播中介”与“智能技术作为传播者”，后者由人机传播、互动型机器人、辅助型机器人等构成，聚焦的是人类与智能机器之间的交往互动，人的重要性更加凸显。在国外已有专业设置中，极个别高校已经洞察这一点开设了诸如Life Nano- machine Symbiosis(生命纳米机器共生)，Human-Computer Interaction(人机交互)，Human-Computer In- teraction Communication(人机交互传播)，Human-Computer Interaction and Design Thinking(人机交互与设计思维)，Human-Computer Interaction Technology and Art(人机交互技术与艺术)等课程。

后人类叙事大潮中，美国学者凯瑟琳·海勒虽是后人类主义的拥趸，她也并不赞成那些后人类必然与实体分离，人类走向消亡的论调，她反复指出：“人类首先是具身化的生物，并且，这种具身生物的复杂性意味着人类意识的呈现方式，与智能在控制论机器中的具身化方式是很不相同的。”[20]这也反复提醒“媒介—物”与“人”并非二元对立，智能传播教育并非将“人”的边界切割，而在于使学生掌握人工智能时代的主动权，真正发挥人的重要作用。

五、破局与变革：智能传播教育的前行路径

本文在对国内外高校有关智能传播的专业的课程设置的调研的基础上，聚焦智能传播的核心要素——数据和算法，对当下智能传播课程设计提出以下建议：

其一，删减调整基础课程。以往课程设计中不同学科的概论课繁多，应当适当融合缩减，建议在低年级本科教学中增加智能传播概论以及基础的高等数学课程。

其二，开设专门的人工智能课程。对于智能传播有关方向的专业，在必修课中适当增加人工智能概论、程序设计基础、Python与深度学习基础、网络传播技术与应用、数据科学与数据素养、数据挖掘分析与可视化、智能媒体产品设计与开发、人机交互设计等课程。即便不要求学生精通各项技术的原理，也应让学生了解人工智能技术在新闻传播中的具体实践和应用。

其三，引入跨学科合作和交叉培养。可以与计算机科学、信息管理等相关专业合作开设跨学科课程或工作坊，让学生接受不同学科专家的指导。

其四，因校制宜建设垂直方向专业和课程。不同高校的新闻传播专业各有优势方向，例如财经新闻、科技传播、公共关系、国际传播，可以基于这些优势结合融入智能传播的理念和技术，打造特色培养模式，提升学生在特定领域的竞争力和专业素养。

其五，引导学生树立正确的人工智能技术伦理观，在技术应用中，不应忽视人的主体地位和价值，注重培养学生对人类情感、价值观念、社会伦理的把握，在传播实践中充分考虑不同群体的需求和利益，真正实现人与技术的和谐共生。

智能传播的学术研究正如火如荼开展，而智能传播教育的变革才刚开始，后续相关研究还可以针对特定的高校已经建设的智能传播课程体系，对比行业发展和就业需求进行更持续和深入的研究，以期培养能够适应技术快速发展、社会快速变化背景下的复合型人才。

(本文作者：王琼、吴起）

（湖北研楚教育咨询有限公司）