2024年7月6日早9点，由北京师范大学新闻传播学院举办的2024“新范式、新方法：智能时代新闻传播学科教学与研究模式创新工作坊”于京师大厦9308正式开幕，新闻传播学院院长助理修利超博士主持开幕式。出席开幕式的嘉宾有：新闻传播学院学术委员会主任、传播创新与未来媒体实验平台主任喻国明教授，新闻传播学院刘斌教授，新闻传播学院传播创新与未来媒体实验平台副主任杨雅副教授。

开幕伊始，喻国明教授以“学术标准变革与未来学科建设：探讨未知的力量和能力”为主题进行致辞，对大家的到来表示了热烈的欢迎，喻国明教授与学员们讨论了新闻传播学的发展与变革，以及如何应对新技术对社会的冲击，不仅反映了学术界对于传统知识与现代技术的融合思考，也为未来的学科建设指明了方向，强调了探索未知和贡献新知的重要性。

在讨论学术标准的变化时，喻国明教授指出：随着互联网和数据库的出现，一些传统的学术能力变得不那么突出。从传统社会过渡到现代社会中，知识获取方式的变革，尤其是大模型的兴起，改变了我们对知识的认识。喻国明教授提出了学术研究的真正价值在于探索未知，而不仅仅是重复已知。满腹经纶不再是学术的光亮所在，重要的是对未知的探索和贡献。学术研究应该关注那些缺失的信息、知识和理论，以及如何将未知转化为已知。对新技术应既利用其价值，又防范风险，但批判不能简单套用过去的标准。当前学术参照系发生了转变，要盯准实践前沿，关注国际前沿发展，同时也要探索适合自己的学科建设道路。在讨论计算传播学时，喻国明教授提到该领域需要更多的原创性和深入的研究，而不仅仅是作为工具的应用。作为先进学科，计算传播在应用方法上有很多研究，但在学科本体建设上还需关注，计算传播学的价值在于解决社会重构和重组中的问题。

此外喻国明教授还介绍了北师大新闻传播学院的一些学术探索和成果，包括计算模型和大模型的研究，以及在传媒经济学科建设方面的努力。最后，喻国明教授谈到了教育创新的重要性，指出教师需要适应新时代的要求，帮助学生成为学习的主体，培养他们面对未来复杂现实的能力。工作坊的目的是提供新的学科建设参照和启发，尽管可能存在不足，但这是向前迈出的一步。

接下来为了促进大家对彼此的了解，工作坊的学员们轮流进行自我介绍。

合影及短暂的休息之后，喻国明教授为学员带来主题为《生成式AI下的传播实践进路与学科重构》的精彩讲座。

喻国明教授讲解了AI技术对社会各个层面的深远影响，强调了教育和传播领域的变革，并提出了对未来研究的展望。人工智能的发展本质上是对于人类智能的一种致敬，它剥离了智力劳动中的逻辑、理性的任务，把非逻辑非理性的任务留给人类来执行。这种分工使得人类智能在处理复杂、跨界的、非常不确定性的问题上有其独特的优势。同时，人工智能的发展也使得人类能力方面的差距得到了迅速的缩小，使得普通老百姓也可以用相对专业化的方式来参与社会事务。在大众传播时代，传播学研究的主要对象是以类别群类为数学对象，而在数字化赋能赋权之后，个人成为了整个社会运作的基本主体。因此，对于个人本身的研究成为了传播学研究的重点。

我们的判断和操作必须与时代发展的结构相契合，否则可能会事倍功半。这个时代的发展特点是断裂式发展和破坏式创新，我们需要在创新基础上实现新的发展。在文明交接的关键时期，需要从内部进行重组重构。传播学的基本素养可能成为束缚，我们需要勇敢面对不确定性。在新的变化历程中，机遇与挑战并存。战略问题比执行更重要，方向比速度更重要，选择比努力更重要。在学术研究中，我们需要改变传统的质量观，粗糙的创新也有价值。人工智能是对人类智能的致敬和分工，剥离了可被数据和算法解析的任务，将非逻辑非理性的部分留给人类。

讲座分享中喻国明教授也谈及人工智能对教育的影响、人工智能对传播领域的影响及传播手段与平台的变革：AI能够增强人类的能力，特别是在智能上，这将对大学教育产生重大影响。大学教育应该注重扩张学生的认知边界，提升他们处理复杂问题的能力。AI改变了传播的方式，从以群体为对象的传播转向以个人为对象的传播。这要求传播学研究和实践需要重新考虑个人的性格、偏好和社会关系。AI和游戏技术提供了新的传播手段和平台，如通过游戏进行教育和模拟实践，以及游戏成为新的社交和表达的平台。最后，喻国明教授指出：人工智能的发展使得人类增强成为可能，这种智能上的增强对于社会生活的改变是一种重大的冲击。未来，人类增强将成为人类社会发展的一个重要方向。

下午14:00北京师范大学新闻传播学院、计算传播学研究中心教授吴晔与大家讨论了计算传播学的诞生背景、概念、研究方法和应用案例等内容。

北京师范大学计算传播学研究中心的研究主要以计算传播为核心，同时也涉及认知科学、互联网推荐算法、虚假信息传播、国际传播和健康传播等领域。我们是一个开放的社科合作平台，提供工具，希望与大家合作共同推进研究。计算传播学这个名词的提出是为了更好地理解传播现象，它符合国家潮流和新闻学科的理念，是一个重要的研究方向。

数据处理手段的普及和数据量的增加，为计算传播学的诞生提供了条件。现在数据无处不在，处理数据的工具也越来越普及，任何人都可以学习编程和数据处理。计算传播学属于科学的一部分，它用经验实证的方式研究传播现象，与传统的传播学研究方法相似，只是收集证据的方式不同，它使用数据来验证假设。

计算传播学是用计算的方式解决传播学问题的学科，属于科学的一部分。与传统的问卷研究不同，计算传播学使用的数据不是为了特定研究目的而收集的，而是为了其他目的而存在的。计算传播学的方法包括网络分析、文本挖掘等，现在又有了大模型等新的计算方法。计算传播学的名称来源于计算社会科学，它关注传播行为的计算方法。计算传播学研究委员会是中国新闻史学会的二级分会，每年的新闻传播学年会都有计算传播学的分论坛。计算传播学已经成为一个被广泛认可的学科方向，许多高校都开设了相关课程和招生方向。

虚假信息传播是计算传播学研究的一个例子，它是一个经典的传播学问题。计算传播学使用数据来研究虚假信息的传播过程和机制，例如，通过收集推特上的新闻传播链条数据，证明了谣言传播比真相快的现象，研究虚假信息和真实信息的传播差异。计算传播学的方法可以帮助我们更好地理解传播现象，回答传统传播学问题。

传统的传播学研究通常使用问卷来收集数据，而计算传播学使用的是用户在互联网上留下的非主动数据。这些数据可以用来分析用户画像，包括用户的年龄、性别、教育背景、社交媒体活动等，以了解谁更容易传播谣言。通过数据分析，我们可以得出比问卷更精准的结论，例如，活跃用户、拥有更多粉丝的用户可能更容易传播谣言。文本分析是计算传播学的另一个工具，它可以用来分析信息的文本内容，例如，分析谣言和真实信息的标题长度、情感倾向等差异。网络分析则用于研究信息在网络中的传播路径，例如，分析什么样的网络结构更有利于谣言的传播，以及如何切断谣言的传播途径。

计算传播学与传统的量化研究在研究框架上有所不同。传统研究通常先有一个理论框架，然后通过问卷收集数据，进行分析，最后撰写论文。而计算传播学往往是先有数据，然后进行分析，再去寻找理论解释。这种方法论的差异是因为数据采集的方式不同，问卷数据是自我报告的，而计算传播学使用的是客观的、非主动留下的数据。

计算传播学的研究目的与传统科研相同，即总结历史、描述现在、预测未来和改变命运。不同的是，计算传播学使用数据来“算”人心，而不是用问卷来“测”人心。这种方法可以更准确地测量人的行为，例如，通过分析手机使用时间来了解用户的媒介使用行为。计算传播学的方法包括网络分析、文本挖掘、机器学习等，这些方法可以用来分析用户行为、信息内容、传播路径和传播效果。例如，我们可以分析知乎上的数据，了解不同知识领域之间的关系，或者分析微博上的数据，了解微博对用户行为的影响。

在课间休息及讲座最后的提问环节，学员们与吴晔教授进行了热烈友好的学术探讨。

明日精彩活动，敬请期待！！！

时间：

9:00 — 17:00

嘉宾：北京师范大学新闻传播学院曲慧副教授

地点：京师大厦三层 9309

推演实训：传媒企业经营管理沙盘