1. 引言
新闻传播行业依然扮演着至关重要的角色。其重要性体现在多个方面，新闻传播是信息传播的重要渠道，人们可以通过互联网、电视等多种媒介及时了解新闻信息，促进社会的公正性和透明性；新闻传播同时也具备社会监督功能，通过披露违背社会公序良俗的行为，推动社会进步；另外，新闻传播还是文化传承的重要载体，通过新闻报道和媒体的宣传，人们可以了解不同地域、不同民族的风俗习惯和文化传统，增进文化交流交融，通过传播文化产品和活动，推动文化产业的发展。然而，传统的新闻传播专业不断被细化，造成教育资源分散和传统媒体对新闻人才的需求减少[1]。
AIGC是一种利用人工智能技术自动生成内容的新型生产方式，它主要在专业生成内容(Professional Generated Content，简称PGC)和用户生成内容(User Generated Content，简称UGC)的优点之上，利用人工智能算法，通过在前期大量数据的学习以及模型的训练，根据输入的条件来生成有创意的图像、文本、音频、视频、3D交互内容等[2]。并且在教育领域有较多的应用，从个性化学习到教学辅助，再到教学内容的创新丰富，都在不断地推动教育领域的发展与变革。
随着人工智能的发展，新媒体平台对新闻传播人才的需求却在不断增加，且更倾向于具备跨学科能力和实践经验的人才。然而，传统的教学模式下，往往偏向于注重学生的理论知识而忽视实践能力及跨学科能力的培养，导致学生毕业后很难适应职场的需求。因此，如何在人工智能技术的加持下，培养学生的跨学科能力和实践能力，培养适应社会发展的复合型新闻传播人才是当前教育领域中的重要课题。
在这样的教育背景下，考虑在传统的新闻传播人才培养方式中引入AIGC具有重要的价值和意义。如何结合AIGC现有平台所提供的功能，提升学生学习新闻传播的兴趣，提高教学效果，更加积极地参与到新闻传播中来，适应社会发展节奏，培养学生的综合能力，培养更符合时代要求的复合型新闻传播人才才是重中之重，因此本文主要探讨当前复合型新闻传播人才培养中存在的问题及如何在AIGC的大背景下，培养复合型新闻传播人才的路径，以此为后续新闻传播专业的人才培养提供一定的理论支持，促进学生能力的全面发展。
2. AIGC概述
人工智能最早是由图灵在他的论文中提到的“图灵测试”发展至今，他提出了机器是否能够模仿人类的思维方式来“生成”内容继而和人类交互[3]。从这个想法被提出后，人工智能就不断发展至今，不仅可以和人类交互，还可以进行其他创作，例如，编曲、绘画、写作、视频创作等。AIGC主要通过预训练模型和其他大量数据的学习，根据输入的指令或者其他条件，生成与此有关的内容，并在不断地交互当中，增强模型自己的学习能力，不断给出更让人更满意的结果。中国信息通信研究院和京东探索研究院联合发布的《人工智能生成内容(AIGC)白皮书》中提到AIGC在广电传媒行业、影视行业方面的十大应用场景，包括“数字复活”已故演员、合成虚拟物理场景，影视图像的修复、还原，生成影视预告片、影视作品2D转换为3D等[4]。充分展现了AIGC与新闻传播领域的交叉应用，为该领域的发展提供了强有力的技术支持。
Figure 1. Diagram of the application fields, advantages, and challenges of generative AI
图1. 生成式人工智能的应用领域及优势与挑战图
AIGC的最常见应用领域、优势与挑战如上图1所示。在文本生成方面，AIGC可以撰写新闻，快速生成新闻稿件，提高新闻生产效率，例如写稿机器人、采访助手等，但同时要认真审核，严格把控生成新闻稿件的质量问题；作为智能客服自动回答用户的问题，提供准确的解决方案，通过AIGC塑造虚拟数字人客服；还能创作小说，辅助作家进行创作，提供一定的创意和情节建议等。作为AIGC代表作的ChatGPT，凭借其优秀的文本理解能力，长篇写作能力给新闻传播领域的发展提供了一定的便利。
在图像生成方面，可创作出独具风格与灵感的艺术作品；还可在设计领域展现AIGC的创意性，如进行UI界面设计、海报设计等，快速生成设计方案；另外还可进行游戏开发，生成游戏场景、游戏角色等。在音频生成方面，可进行语音转换，将文本转换成自然流畅的语音，例如SoVitsSvc、魔音工坊等；还可进行语音的合成，根据已有的音频将文字合成特定的音频等，但是要注意防范电信诈骗；还可进行音乐创作，根据输入的创作音乐的要求或命令生成各种风格的音乐作品[5]。
在视频生成方面，可根据要求合成视频；还可进行视频剪辑，自动合成视频片段，提高视频制作效率；还能制作特效，生成更逼真的视觉效果，Runway Gen-2、Deepfakes等都可以辅助视频的生成[6]。以上常见的应用领域无不展示着AIGC的优势，根据用户的需求和偏好生成更加个性化的内容，在短时间内生成大量内容，节省人力和时间成本，提供新的创作视角和创意，激发人类的创造力，但同时AIGC也存在一定的问题，如虚假信息的传播、歧视性内容的生成，且生成内容的版权归属问题尚无定论，易引发法律纠纷，生成的内容质量参差不齐等，因此在使用AIGC的同时，也应注意尽量避免此类问题的发生。AIGC技术的发展让新闻传播行业传统的发展模式及运作方式发生了根本性的改变，同时两者之间也有较强的联系。
AIGC的最常见应用领域除以上文本生成、图像生成及视频生成方面，在新闻的传播渠道与分发中也有体现，比如AIGC结合用户兴趣和浏览历史，通过算法实现新闻的精准推送，提高用户的满意度；其次，AIGC生成的短视频、图文等内容在社交媒体上易于传播扩散，扩大新闻的传播范围。受众的互动与体验也有所提升，AIGC生成虚拟新闻场景，结合VR技术，为受众提供沉浸式新闻体验。
3. AIGC与新闻传播的联系
AIGC的出现对新闻传播带来了深刻的变革，尤其在新闻生产、传播以及人才培养方面，都产生了重大影响。
3.1. 改变新闻创作方式
AIGC改变了以往新闻创作的方式，由传统的记者通过选题策划、采访、收集素材等线性、单向的创作过程转变成集合海量视听数据与先进算法，提高文字编辑效率，另一方面辅助记者提升素材搜集的能力，提高新闻生产效率[7]。例如，成都广播电视台成立“AIGC创新应用工作室”，以实际成果展示AI在内容创新上的无限可能；上海广播电视台成立了“生成式人工智能媒体融合创新工作室”，他们的智媒魔方首次应用于两会报道，具备多种AI能力。此外，解放日报、华东师大、凡闻科技联合开发AIGC“浦先生·新闻魔笔”，从热点事件感知到新闻报道内容自动生成，覆盖新闻策划、信息采集、内容编写和报道发布的整个新闻创作流程[8]。随着Sora的出现，使用AI进行视频创作成为一种新的选择。Sora仅需要简短的提示词就可快速生成高质量的视频内容[9]。根据提示词中的元素和场景，Sora生成的视频元素丰富、天马行空，可大大降低创作视频内容的成本。
3.2. 拓宽新闻传播渠道
随着AIGC技术的发展，新闻传播的渠道更加多元化，包括社交媒体、个性化推荐平台等，使得信息传播更加即时和互动。新闻可以通过更多的形式和平台进行传播，如虚拟主播、AI生成的短视频等[10]。例如，澎湃新闻24小时直播频道上线，由四大矩阵组成，重新定义AI时代的移动互联直播。AI合成主播的使用范围逐渐扩大[11]些年来“冬奥AI手语主播”，Aida、“冯小殊”、“杨丹丹”等AI虚拟天气主播陆续上线，为新闻和天气预报带来了新的传播途径。在电商领域，京东推出以刘强东为原型的“采销东哥”进行直播带货，近年更是推出了“京东高定数字人”面向品牌提供定制化数字人进行全天候直播。
3.3. 改变受众接收模式
以往的新闻是粗放、漫灌式的推送方式，而AIGC能够根据受众的兴趣和需求，提供个性化的新闻推荐，提高受众的参与度和满意度[12]。更精准地对接用户需求，提供定制化的新闻服务，实现“千人千面”的新闻定制。例如，新华网测试发布AIGC-Safe，可协助检测和识别虚假信息，保障内容的真实性与合规性，为受众提供更加可靠的新闻服务。抖音等短视频平台、知乎等问答社区都有通过用户观看记录来向用户推送感兴趣的视频或知识的服务[13]，受众接收新闻的方式从海量漫灌向精准投送的模式转变。
3.4. 重塑新闻传播生态
AIGC改变了传统的新闻生产方式，通过深度学习和自然语言处理等技术，能够根据输入的条件、指令自动生成新闻稿件、视频剪辑等内容，提高了新闻生产效率；还可辅助记者进行深度分析和个性化推荐，通过海量数据的分析挖掘，AIGC可发现新闻事件背后的深层次联系，为记者提供有价值的线索；在AIGC技术的推动下，新闻传播的主体不再仅局限于专业的媒体组织和记者编辑，而是扩展到了智能化机器，这些机器通过AIGC技术生成和传播新闻内容，成为了新闻传播生态中的重要组成部分。
3.5. 增加社会系统互动
整个新闻业的发展是传播系统与社会系统互动的产物，需要多种社会条件和传播技术的催化。另外，新闻传播的生态也因为AIGC发生了根本性的改变，带来了新闻传播业传统发展方式与运作逻辑的中断或终结。以传播五要素为例，现实发展中的传播者逐渐从专业化到精英化，再到大众化和智能化，AIGC的出现使得新闻传播的主体不再局限于专业的媒体组织和记者编辑，而是扩展到了智能化和公众化的机器；AIGC技术的出现也使得新闻传播的内容更加高效化、多样化，AIGC能够快速搜集和分析数据，自动挑选有价值的内容，优化新闻采编流程；传播渠道和传播受众也有了新的变化，更加多元化，更加精准化(具体如上3.2和3.3所述)；在AIGC技术的应用下，传播效果也发生了变化，不仅提高了新闻传播的效率，还增强了新闻报道的视觉效果和用户体验，从而可能改变受众的态度和行为。但是不论现实发展中如何“变”，AIGC与新闻传播的联系在未来发展中也会保持“不变”。例如，无论信息技术如何发展，新闻传播的核心价值“提供真实和新鲜的信息”不会改变，同时信息传递的本质(社会信息的传递或运行)在AIGC技术的应用下总不会变。以用户为中心的传播理念不会变，AIGC的发展，将会进一步强化对用户需求的满足和用户体验的提升，不论技术如何改变，社会责任和伦理底线也需要坚守到底，一直不变。
4. 当前复合型新闻传播人才培养的现状及问题
新文科大背景下，不少高校都在提倡培养复合型新闻传播人才，但是目前依旧存在很多问题亟需解决，文章通过调查问卷的方式，面向本校广播电视学专业大二至大四的学生，针对广电专业学生对目前复合型新闻传播人才培养的现状了解情况展开调查，旨在深入了解本专业的教学现状及其与行业需求的契合度，特别关注技术类课程的占比、跨学科课程的融合、教学方法的有效性、师资队伍的背景及实践经验、企业参与人才培养的积极性及其顾虑等关键因素。其中，参与问卷调查的学生共有132人，有效问卷回收率为100%，为保证问卷设计的可靠性和有效性，如下表1所示，是对问卷中的量表性问题使用SPSSAU [14] (第24.0版)进行数据分析(在进行信效度分析[15]过程中，排除问题7，企业对参与人才培养的顾虑)。
如下表1所示，信度系数值(Cronbach’s α系数)为0.908，大于0.9，因而说明研究数据信度质量很高[16]。针对“CITC值”，分析项的CITC值均大于0.4，说明分析项之间具有良好的相关关系，同时也说明信度水平良好。综上所述，研究数据信度系数值高于0.9，综合说明数据信度质量高。
Table 1. Cronbach’s reliability analysis
表1. Cronbach’s信度分析
名称 |
校正项总计相关性(CITC) |
项已删除的α系数 |
Cronbach’s α系数 |
您认为目前本专业的技术类课程占比是否足够？ |
0.646 |
0.901 |
0.908 |
您觉得跨学科课程的融合深度如何？(例如人工智能和广播电视学专业课程) |
0.492 |
0.908 |
您认为当前的教学方法是否能有效培养学生的实际操作能力和创新能力？ |
0.662 |
0.900 |
您认为本专业师资队伍中跨学科背景和实践经验的教师比例如何？ |
0.561 |
0.905 |
您认为师资队伍是否能满足学生对“复合型”知识的需求？ |
0.739 |
0.896 |
您认为企业(实习实践基地的企业等)参与人才培养的积极性如何？ |
0.659 |
0.900 |
您认为实习企业与高校之间的合作机制是否完善？ |
0.672 |
0.899 |
您认为本专业的实习实践基地建设是否深入？ |
0.711 |
0.897 |
您认为作为实践基地的媒体与本专业之间是否存在深入的项目合作和人才联合培养机制？ |
0.631 |
0.901 |
您认为本专业是否能够及时了解行业的最新需求和动态？ |
0.744 |
0.895 |
综合考虑，您对当前本专业培养模式的满意度如何？ |
0.689 |
0.898 |
Table 2. The results of validity analysis
表2. 效度分析结果
名称 |
因子载荷系数 |
共同度
(公因子方差) |
因子1 |
因子2 |
您认为目前本专业的技术类课程占比是否足够？ |
0.553 |
0.452 |
0.510 |
您觉得跨学科课程的融合深度如何？(例如人工智能和广播电视学专业课程) |
0.052 |
0.816 |
0.669 |
您认为当前的教学方法是否能有效培养学生的实际操作能力和创新能力？ |
0.295 |
0.781 |
0.697 |
您认为本专业师资队伍中跨学科背景和实践经验的教师比例如何？ |
0.262 |
0.679 |
0.530 |
您认为师资队伍是否能满足学生对“复合型”知识的需求？ |
0.510 |
0.635 |
0.664 |
您认为企业(实习实践基地的企业等)参与人才培养的积极性如何？ |
0.457 |
0.583 |
0.548 |
您认为实习企业与高校之间的合作机制是否完善？ |
0.724 |
0.294 |
0.610 |
您认为本专业的实习实践基地建设是否深入？ |
0.765 |
0.296 |
0.673 |
您认为作为实践基地的媒体与本专业之间是否存在深入的项目合作和人才联合培养机制？ |
0.867 |
0.063 |
0.755 |
您认为本专业是否能够及时了解行业的最新需求和动态？ |
0.823 |
0.273 |
0.752 |
综合考虑，您对当前本专业培养模式的满意度如何？ |
0.708 |
0.334 |
0.612 |
特征根值(旋转前) |
5.803 |
1.218 |
- |
方差解释率% (旋转前) |
52.756% |
11.074% |
- |
累积方差解释率% (旋转前) |
52.756% |
63.830% |
- |
特征根值(旋转后) |
3.971 |
3.050 |
- |
方差解释率% (旋转后) |
36.104% |
27.726% |
- |
累积方差解释率% (旋转后) |
36.104% |
63.830% |
- |
KMO值 |
0.900 |
- |
如上表2所示，效度研究用于分析研究项是否合理，有意义，效度分析使用因子分析这种数据分析方法进行研究，分别通过KMO值，共同度，方差解释率值，因子载荷系数值等指标进行综合分析，以验证出数据的效度水平情况。KMO值用于判断信息提取的适合程度，共同度值用于排除不合理研究项，方差解释率值用于说明信息提取水平，因子载荷系数用于衡量因子(维度)和题项对应关系，从上表可知：所有研究项对应的共同度值均高于0.4，说明研究项信息可以被有效的提取。另外，KMO值为0.900，大于0.6，数据可以被有效提取信息。另外，2个因子的方差解释率值分别是36.104%，27.726%，旋转后累积方差解释率为63.830% > 50%。意味着研究项的信息量可以有效的提取出来。
综上所述，Cronbach’s α系数和KMO值均较高，即表示该问卷的结果一致性较高，且较稳定、可靠，数据之间的相关性较高，说明本次问卷设计合理，可以进一步进行数据的分析。
4.1. 高校培养模式的局限性
如下图2所示，根据数据分析，绝大多数受访者认为本专业的技术类课程存在不足，具体表现为43.94%的人认为“略有不足”，而9.09%的人认为“完全不够”。仅有37.12%的人认为课程“足够”，而认为“完全足够”的比例更是低至9.85%。这表明整体上来看，学生认为本专业的技术类课程占比相对不够，他们的满意度较低。
Figure 2. Pie chart indicating whether the proportion of specialized technical courses in this field is sufficient
图2. 目前本专业技术类课程占比是否足够统计图
根据下图3数据所示，跨学科课程的融合深度总体表现为“一般”水平，占比59.85%。只有27.27%的参与者认为融合程度“较深”，而认为“非常深”的比例仅为5.3%。相比之下，认为融合深度“非常浅”的比例为7.58%，显示出少部分受访者对当前课程融合的深度持保留看法。
Figure 3. A diagram of opinions on the depth of integration of interdisciplinary courses (e.g., Artificial Intelligence and Broadcasting and Television Studies)
图3. 跨学科课程的融合深度看法图(例如人工智能和广播电视学专业课程)
课程设置方面，当前普通高校的培养方案中，普遍存在技术类课程占比较低，即使有技术类课程，但仍存在跨学科融入不够深入的问题，表面看是进行了学科的融合，但是在实操层面上，课程的设置只是杂糅了不同的科目，缺乏深度融合，难以满足AIGC时代对人才知识结构的要求。教学方法方面，传统的教学方法注重理论传授，实践教学环节相对薄弱，学生的实际操作能力和创新能力培养不足。师资队伍方面，具有跨学科背景和实践经验的教师相对较少，存在跨专业知识鸿沟的问题，“复合型”师资相对欠缺，难以给予学生全面的指导。
4.2. 实习企业参与人才培养的积极性不高
根据下图4的数据分析可得，参与人才培养的企业主要顾虑集中在“投入与回报不成比例”，占比高达47.29%。这表明企业在投入人力、物力进行人才培养时，普遍感到回报不足，可能导致其积极性降低。同时，“短期经济效益”和“人才流失”也占据了一定比例，分别为20.93%和16.28%，显示出企业对短期利益的关注以及对培养后人才流失的担忧。此外，“缺乏合作机制”的问题虽然占比较小(15.5%)，但仍然是影响企业参与意愿的重要因素。
Figure 4. A diagram of the reasons for the concerns of enterprises and other entities in participating in talent cultivation
图4. 企业等参与人才培养的顾虑原因图
一般来说，企业更加关注短期的经济效益，害怕自己费心费力培养好的人才去到其他企业，并未从其身上得到任何回报，对参与人才培养的投入和回报存在顾虑，尤其在投入大量的人力、物力、财力后，这些投入可能不会在短暂的时间内转化为实习企业的实际效益，因此参与人才培养的积极性不高。另外，实习企业与高校之间的合作机制不完善，缺乏有效的合作机制和平台，缺少长期稳定的交流，缺乏有效沟通和反馈机制，使得双方对人才培养的协作不够，最终导致双方之间的合作难以顺利开展。就实际来说，企业并没有人才培养的义务，加之高校培养的人才可能与企业的实际需求存在差距，因此企业可能对人才培养持保留态度。
4.3. 作为实践基地的媒体与高校的合作不足
根据下图5数据可知，绝大多数受访者认为媒体与本专业之间的项目合作和人才联合培养机制存在一定程度的合作。其中，51.16%的受访者认为“有一些”合作，而37.98%的受访者认为“很少”合作，只有2.33%的受访者认为“完全没有”合作，8.53%的受访者认为“非常多”合作。从分析结果来看，虽然大部分受访者认可存在一定的合作机制，但仍有超过37%的受访者认为合作程度较低，这表明在项目合作和人才培养方面还有进一步提升的空间。
Figure 5. A diagram of opinions on whether there is in-depth project cooperation between the media industry as practice bases and this major
图5. 作为实践基地的媒体行业与本专业之间是否存在深入项目合作等看法图
从数据分析结果来看(如下图6所示)，当前本专业培养模式的满意度整体偏向中立和一般。其中，57.36%的受访者选择“一般”，表明他们对培养模式的认可度并不高，可能存在一定的不足之处。同时，满意和不满意的比例相对较小，分别为34.11%和8.53%。这意味着虽然有相当一部分人对培养模式表示满意，但也有接近10%的受访者对其表示不满意。
Figure 6. Diagram of students’ satisfaction with the current talent cultivation model of this major
图6. 学生对当前本专业培养模式的满意度图
目前虽然高校内建设了不少的实习实践基地，但是这些实习实践基地的建设往往停留在表面层次，基本流程是学校给学生分组，让校内导师带队将学生交给实践基地，实习实践内容由实践基地负责人安排，但这种情况下学生可能被安排和专业实践毫不相干的工作，作为实习实践基地的媒体和高校之间缺乏深入的项目合作和人才联合培养机制。另外，高校的培养机制和实践基地媒体对人才的需求之间存在脱节，媒体和高校之间的信息交流不畅，高校难以及时了解行业的最新需求和动态，导致人才培养和行业需求脱节。
5. AIGC驱动下复合型新闻传播人才培养路径
针对上述存在问题，结合AIGC，提出了以下复合型新闻传播人才培养路径，给日后人才培养提供一定借鉴。
5.1. 课程体系创新
5.1.1. 增设AIGC相关课程
在新闻传播专业的课程体系中，很少有跟人工智能相关课程的设置，因此，为培养复合型新闻传播人才，可以增设AIGC相关课程，将AIGC技术的简单原理、应用、伦理等内容融入课程教学中，使学生系统的了解AIGC在新闻传播领域的应用。例如，可以增设“AIGC的原理与应用”“AIGC时代的传播策略”等课程。“AIGC的原理与应用”课程可以涵盖AIGC的发展历程、简单技术基础以及主要应用领域等内容，具体可以介绍AIGC从早期的简单文本生成到现如今能够生成高质量图像、视频的发展过程，讲解深度学习、自然语言处理等技术在AIGC中的简单应用，以及AIGC在新闻、广播电视学、影视等领域的具体应用案例。“AIGC时代的传播策略”课程主要探讨在AIGC的背景下，新闻传播的策略和方法的变化，例如，如何利用AIGC进行精准的受众定位和个性化推荐，如何应用AIGC带来的信息过载和虚假信息问题等。同时通过设计与AIGC应用相关的实践项目，增加实践教学课程的比重，如利用AIGC工具进行新闻写作、内容策划与制作等。通过理论的铺垫和实践的动手练习，进一步加深对AIGC和新闻传播应用的理解。
5.1.2. 跨学科课程融合
新闻传播学科具有很强的综合性和交叉性，可以与其他课程融合为学生提供更广阔的视野和丰富的知识，例如新闻传播学和其他学科的交叉学科有计算传播学、认知传播学、网络传播学、国际传播、政治传播等[17]。在AIGC时代，可以将新闻传播与生态学、计算机科学、数据科学、心理学等学科进行融合，让学生在学习新闻传播学的同时，也能了解到其他学科在新闻传播学中发挥的积极作用。例如，与数据科学融合，可以开设“社交媒体数据分析”“数据分析与可视化”“大数据与新闻传播”等课程，培养学生的数据处理和分析能力，使他们能够更好的利用AIGC生成的数据进行新闻报道和决策等。与心理学融合，可以开设“受众心理与行为分析”“传播效果与心理影响”等课程，帮助学生了解受众的心理需求和行为特点，从而更好地利用AIGC进行个性化的新闻传播和互动。通过跨学科课程融合，学生能够具备更全面的知识体系和综合能力，更好地适应AIGC时代新闻传播行业的发展需求。
5.2. 实践教学强化
5.2.1. AIGC平台模拟实践教学
随着人工智能技术的不断发展，AIGC在新闻传播领域也拥有了自己的一片天地，越来越多的AIGC平台不断的投入使用，提供个性化、多形式、全流程的媒体智能产品，助力新闻传播的发展，教师可以通过AIGC平台模拟实践教学，丰富课堂，提升学生学习兴趣。例如，南开大学新闻与传播学院的《融媒体环境下传媒类专业人才智能实训教育创新——学生MCN实践教学探索》项目，为学生打造了模拟MCN机构的运行机制和智能内容生产的平台。在这个平台上，学生们通过实际操作，提升了实践能力。例如，学生们利用AIGC技术，快速生成各种形式的多媒体信息内容，包括图文、音视频等。他们根据不同的受众需求，进行精准的内容创作和传播，提高了内容的吸引力和影响力。同时，学生们还通过与其他学生、教师以及行业专家的互动交流，不断改进自己的作品，提升了自己的专业水平。此外，学生们在MCN实践教学中，还学会了如何进行团队协作、管理项目进度、与客户沟通等实用技能，为他们未来的职业发展打下了坚实的基础。央视网人工智能编辑部推出的AIGC线上平台，打造全流程的媒体智能产品，贯穿智能采集、智能制作、智能审核、智能分发、智能运营等流程，布局“云、数、智”构建全媒体产品服务和传播生态系统，AI助力“策、采、编、审、发、评”全流程技术服务，学生可以通过体验使用AIGC线上平台进行实践，增强实践能力、拓展思维，教师通过AIGC平台模拟实践教学，提升学生学习兴趣。
5.2.2. 智能实验室实践
除了通过AIGC平台模拟实践教学以外，高校还可以通过建立AIGC相关的新媒体实验室来给学生提供丰富的实践机会。例如，在AIGC背景下，学生可以利用实验室的先进设备和技术，进行新闻内容的智能化生产和传播，学生可以通过ChatGPT、文心一言、Kimi等AIGC应用生成新闻稿件的初稿，然后进行人工编辑和审核，提高新闻生产效率。高校还可以通过AIGC新媒体实验室和各大企业合作，让学生可以接触到行业最新的技术和理念，提升实践能力和创新思维。中国传媒大学继续教育学院推出的“AIGC影像创作全流程培训班”，依托中国传媒大学优势学科与专业师资，联袂业界AI专家共同执教，为学生提供了全面的AIGC理论知识与实践应用培训，培养了能够熟练运用AI工具进行短片创作的新一代媒体人。
5.3. 产业、教学与培训联动发展
5.3.1. 完善协同育人机制，搭建AIGC人才成长舞台
完善协同育人机制，首先需要建立合理的利益共享机制，形成长期稳定的合作关系，明确各方在协同育人中的权利和义务，激发各方参与的积极性。其次，建立沟通协调机制，加强高校、媒体、企业之间的沟通与协调，定期召开会议，共同解决人才培养过程中遇到的问题。最后，建立科学的质量评价机制，对协同育人的效果进行全面、客观的评价，并根据企业及媒体的需求等及时调整和完善培养方案，确保培养的人才符合市场需求，并制定人才培养标准，确保教育质量和效果。由高校提供师资力量和学术资源，指导学生了解AIGC背景下的新闻传播的发展以及当前行业内对这部分内容的需求；媒体提供实践机会和行业动态信息，将在高校内学习了解到的新闻传播内容投入到实践过程中，理论转化为实践，从中发现问题、解决问题，同时给媒体提供一定的帮助；企业提供实习实训基地和职业发展指导，在企业内接触行业最新理念和技术，将此部分内容作为自己的研究内容进一步研究，反馈给高校教师，由此形成闭环，高校、媒体、企业三方合作申报科研项目，共同开展科研攻关和技术创新，同时也可以推动高校科研成果向企业转化，提升企业的创新能力和竞争力。
构建AIGC育人平台，需要高校、媒体、企业共同参与，整合各方资源，实现优势互补。平台承担人才培养方案制定、课程开发、实践教学、项目研发等功能，为学生提供全方位的培养支持，提供在线学习、实训、考试等教学服务，帮助教师更方便的管理教学资源，提升教学效率。同时在平台上给高校教师和媒体或企业的指导老师相同权限，让校内校外双师看到自己指导的学生情况。另外在平台上搭建“育人建议反馈”部分，学校、媒体及企业有任何意见建议都可以在平台上提出，涉及各方及时提供解决方案。
5.3.2. 创新教学方法手段，加强师资队伍建设
以OBE理念驱动教学过程中成果的产出，引入AIGC在新闻传播领域的成功案例，通过案例分析和讨论，让学生深入了解AIGC的应用场景和效果，同时引导学生使用AIGC应用平台，以实际项目为载体，在项目实践中学习和应用知识，培养学生的创新能力和解决实际问题的能力，利用在线教学平台和资源，开展线上线下混合教学，为学生提供灵活多样的学习方式。以产出为导向，利用产出成果参加比赛、撰写论文等进一步提升学生对AIGC的应用与理解，调动学生的学习兴趣。
高校应定期组织教师参加有关AIGC技术培训和学术交流活动，深入了解人工智能及其应用领域的最新发展动态，通过学习先进技术和理论知识，拓宽视野，激发创意，以此提升对AIGC技术的理解及应用。提高教师的技术水平和跨学科素养，在进行跨学科学习过程中，产生新的跨学科想法，和AIGC进行融合，融入教学和研究中。同时多鼓励高校教师积极参与AIGC技术的项目实践，通过实际操作来检验和改进自己的应用能力。组建跨学科研究团队，在不同背景不同专长团队成员的带领下学习多样化的思维方式和视角，不断交流，提升自己的应用水平。鼓励教师到媒体和企业挂职锻炼，积累实践经验，更好的指导学生实践。
《国务院办公厅关于深化产教融合的若干意见》中明确要求高校与企业共建产业学院、实训基地，将产教融合纳入高校考核指标；《教育部产学合作协同育人项目管理办法》(教高司〔2022〕1号)中新文科建设项目与AIGC相关项目占比超过30%，这些要求为协同育人机制建设和课程改革提供了外部的政策支持。此外，一些学者通过对高校学生群体使用AIGC的行为分析研究表明[18] [19]，不论是普通高校学生还是研究生群体，出于各种动机对使用AIGC工具均有正向的意愿，为开展实践教学强化提供了内生动力。
6. 结语
综上，由于目前多数高校在新闻传播人才的培养过程中依旧是理论重于实践的现象，且与目前社会的发展以及对新闻传播类人才的就业需求脱节，导致学生的实践动手能力差，毕业后无法适应职场的需要。另外，当前复合型新闻传播人才培养的过程中，依旧存在技术类课程占比较低，实践教学环节相对薄弱，学生的实际操作能力和创新能力培养不足，且难以满足AIGC时代对人才知识结构的要求。师资队伍方面，具有跨学科背景和实践经验的教师相对较少，难以给予学生全面的指导。企业参与人才培养的积极性不高，媒体与高校的合作不足等问题。基于以上问题，提出了AIGC驱动下的复合型新闻传播人才培养路径。具体可通过增设AIGC相关课程、融合跨学科课程、通过AIGC平台模拟实践教学以及让学生在AIGC智能实验室实践、创新教学方法手段、加强师资队伍建设、构建AIGC协同育人平台、完善协同育人机制等方式培养复合型新闻人才，提高学生的实践动手能力，适应社会对新闻人才的需求。