当前位置:首页 期刊杂志

智媒化对我国高校新媒体人才培养的启示——以英国路透社“数字养成”计划为例

时间:2024-05-04

仲心*

(重庆邮电大学移通学院,重庆,401520)

智媒化对我国高校新媒体人才培养的启示
——以英国路透社“数字养成”计划为例

仲心*

(重庆邮电大学移通学院,重庆,401520)

随着人工智能、VR、物联网等新兴科技的研究突破,人类已经完全进入智媒化时代,“新闻机器人将大量取代新闻从业者”已成共识,虽然暂时新闻机器人并未引起全世界传媒行业大规模裁员,其势已不可逆,高校传统新闻传播学专业亟待转型。本文将结合英国路透社“数字养成”计划的新媒体人才培养,从五个方面探讨在智媒化背景下高校应如何培养新型新媒体人才。

智媒;高校;新媒体;培养

引言

彭兰教授与腾讯网合作发布的《智媒化_未来媒体浪潮_新媒体发展趋势报告》(2016)中提到——“我们现在正处于智媒时代的黎明”,智媒化时代的来临将极大程度上解放人类生产力,同时也对传统的媒体生态造成一定冲击,势必引起全产业媒体格局的变革。彭兰博士在报告中还提到“智能技术与新闻生产相结合将带来五种新的新闻生产模式——个性化新闻、机器新闻写作、传感器新闻、临场化新闻以及分布式新闻。”反观我国高校现有的传媒学教育,应针对智媒化的五大新闻模式进行教育体系转型升级,培养适合智媒时代的新媒体人才。

1 个性化新闻:人文关怀应作为教育宗旨

智媒化时代急缺懂得用人文关怀服务受众的媒体从业者。《智媒化_未来媒体浪潮_新媒体发展趋势报告》(2016)中显示,年轻受众(19岁以下)有38.4%表示偏好于符合个人兴趣的新闻,个性化新闻推荐已取得一定认同(15.2%用户表示完全满意,70.3%的用户表示满意程度一般。)我们可以得出结论——“个性化新闻”已代替“社会热点新闻”成为年轻新闻受众的“心头好”。随着人类进入“后真相”(Post-truth)时代,客观事实对形成民意只有相对小的影响,而情感及个人信念更能影响舆情。新媒体人才应更加关注、理解并且学会利用受众的情感和自由意志制作新闻。

英国路透社在“数字养成”计划中,将个性化新闻精准化投放作为人才培养的重点内容。路透社欧洲总经理Sarah Edmonds在伦敦WAN-IFRA国际媒体峰会上表示“路透社新闻编辑室也已经开始从单纯的“报道新闻”向“设置新闻议程”转换。例如,会根据受众的心理,派出调查小组会主动出击,直接联系消息源,从而获得关于市场走势或新闻热点的最新观点,而不再像传统的新闻报道模式,只等待外部调查介入,再进行简单的报道。”路透社新闻编辑室从采编实物向商业运营的转型,对于我国高校传统“内容为王”的教育模式有很大启示。

在web2.0之后的今天,我国高校在培养新型媒体人才时也应注重教育模式转型,培养学生全方位发展,尤其应将人文主义精神贯穿学生培养始终,教会学生关注他人心理、情感。高校应从个性化推荐、对话式呈现、定制化生产三个通道生产区别于传统新闻的个性化新闻。培养学生独特的语言风格,兴趣爱好,个性化的文风,熟练运用高新技术分析数据和反馈,建立与受众的沟通互动,树立正面形象,创造个性化新闻产品,教会学生打造适合自己的媒体品牌。

2 机器人新闻:教会学生适应人机合作

随着大数据和人工智能的蓬勃发展,新闻机器人的产生可谓是科技时代的必然产物。目前新闻机器人主要分为两类:一类是新闻写作机器人,以自动生成、写作实时动态新闻为己任,如新华社的“快笔小新”和《华盛顿邮报》的Heliograf;另一类是筛稿机器人,负责筛选并运用大数据自动甄别具有传播价值的稿件。如《纽时时报》研发的新闻机器人 Blossomblot。传统的新闻传播的主要目标在于发现和传递信息,而在今天的智媒时代,这一基本功能可以完全由新闻机器人代劳,从报道数量来看,以2016年腾讯新闻为例,新闻机器人的写作数量从第一季度400篇增长到第三季度40000篇,其发展势头已不可逆。从报道类型上看,目前的新闻机器人写作主要基于数据和事实类。从报道速度上看,新闻机器人的写作速度可以达到每秒2000篇,所以,在报道数量、速度和收集信息和数据的广度方面,新闻机器人可以大幅度超越人工。可是根据调查数据显示,41.6%的用户认为新闻机器人缺乏新闻判断力,39.0%的用户认为其缺乏人情味和 37.3%的用户认为其缺乏人的创造力。为了弥补这些缺陷,学术界普遍认为,未来最理想的新闻将是人的能力与人工智能的结合。

路透社有一套信息自动化采集和整理的内部工具,这套工具包括:能够实现实时数据采集并执行计算的Live Data,还有自动抓取相关元数据的FastWire,以及自动将关键字翻译成多种语言的神器 Leap。这些工具能让路透社的记者们进行很好的人机结合,极大提高效率。

高校在教学当中应秉承良好的心态,认识并肯定新闻机器人的价值,新闻机器人的产生并非意味着新闻工作者即将失业、新闻行业不复存在,而是意味着新闻从业者可以有更多的时间和精力对新闻进行更深入的报道和解读。正如Sarah Edmonds 描述的——目前新闻受众的心理“比起‘谁’干了‘什么’这种事实,读者们现在更想了解‘为什么’和‘接下来会怎样’。而这种能力并非目前的新闻机器人力所能及,这需要高校从教学内容上进行改革,将人机结合作为教学内容之一,降低传统新闻业中搜集信息和整理信息部分的教学比例,而将更多的精力放在培养学生具备跨学科、全方位、多角度的视野上,提高学生的分析能力、策划能力和思辨能力,教会学生们利用机器搜集整理基础信息、发现新闻选题、拓展新闻报道的广度与深度,提炼信息规律,预判传播效果,反过来运用这些结论指导新闻从业者进行更好的选题、选择报道角度、进行深度报道等。

3 传感器新闻:监管和实操是关键

凯文凯利在《必然》中提到一个关键词“屏读”(screening),他提出一个观点:未来屏幕将成为人类获取信息的最主要方式,将来人类的建筑物、智能家居、电器等一切机器都有转化为媒体的可能。这些机器还将同时具备传感器的功能,可以通过记录人的心跳、脑电波等生理数据经过算法的缜密计算,推断出人的情感波动和心理状况。这些传感器能够帮助人类突破自身生理局限,从更多空间、更多维度获得与解读信息,为调查性报道和预测性报道提供依据。

目前传感器新闻在欧美国家已经运用在环境新闻、调查新闻、公民新闻、无人机新闻等多个领域,但是传感器新闻的发展毕竟正处于初级阶段,在内容、品质等方面仍有很多不足。路透社现有一款正在测试中的“News Tracer”的平台,记者可以在新闻突发的第一时间通过算法获取twitter上的相关线索集合,并通过算法来分析可信度,确保这些线索准确真实。

我国高校也应该向路透社借鉴学习,尽早做好转型准备,针对传感器新闻准确性不足、获取数据难度大、隐私性欠缺等缺点进行难题突破。2017年6月24日,“美国新闻机器人Quakebot虚报地震”的一则新闻引起了人们对新闻机器人的准确的性质疑。Quakebot是2014年洛杉矶时报用来负责报道地震的算法机器人,这是它三年来的第一次失误,而这次失误的主要原因在于传感器的不准确性。针对这些潜在问题,我国高校在进行人才培养时也应该做好相应对策。思想方面,高校需积极引导,加大力度培养学生的公民意识;行动方面,高校应开设理论课程提高学生的监管能力,增加实践课程提升学生的操作经验,尤其需要培养学生的数据分析能力和信息鉴别能力。为传感器新闻的未来发展做好监管和把控。

4 临场化新闻:掌握多门技术做个全媒体人

随着VR/AR等技术的的发展,这些技术已能帮我们重构新闻现场感。目前,临场化新闻主要以网络视频直播、VR/AR新闻和直播这三种形式呈现。奥运会、NBA、欧洲杯等很多体育赛事也都已尝试过 VR直播并广受用户好评。路透社的全球多媒体编辑James Barrett表示,他们已经对全球范围内2500多名记者进行全能型培训,并和技术公司Graphiq开展合作,将一些报告的文本稿件转化为可视化数据,让记者更加方便地使用移动设备采集视频图片等素材,编辑可以实时对记者进行提问,并让前线记者提供后续信息和材料。打造“现场编辑”模式。让新闻受众有重现身临其境的现场感。

对于我国高校而言,我们在教学内容上应该由传统新闻业的分工细密转化为培养媒体人员的全能能力,可以针对学生们开展了移动新闻创作、摄影以及可视化图表等相关技能的培训。教会学生‘图像化’的思维习惯和整个团队独立创作的能力。让学生同时兼具写稿,处理图像、视频的相关技能。在依靠技术革新的基础上,还要提高媒体人各方面的职业技能,做个独当一面的全媒体人。同时,针对临场化新闻在用户互动和新闻伦理方面的不足,也需要高校加大科研力度,多试验,找到解决方案。

5 分布式新闻:需多学科知识融会贯通

彭兰博士说道“分布式新闻,其实就是去中心化和知识共享。各种主体的资源发现与整合,报道任务的智能分配与报道过程的协同,是分布式新闻的发展核心。”《必然》一书中,历史学家凯文凯利提到,未来将会是“公民新闻”蓬勃发展的时代,人人都是新闻内容的创造者,载体的改变意味着语境和场景必须为之进行相应的改变,新闻内容需要与媒介高度契合。互联网中的各个结点都将维持高度自治的正常运转,任何一个结点都将成为中心,具有引发出无穷内容的可能性。

对此,路透社已经开展了一年多的绘画课程培训专职记者,内达华大学新闻学院的教授Bob Felten对这项课程给予了好评,“画画锻炼了记者们围绕一个新事物展开观察和组织思维的能力。”将记者们从工作中惯用的线性思维转向发散式的“绘画思维。”“这让他们把复杂的故事讲述的更清晰又饱满。”一位接受绘画培训后的学员Roberts这样表示到。

我国高校在培养智媒化新媒体人才时,在课程安排上,除了教授传统的培训新闻技能的同时,还应注重对学生思维方式的培养,开设与培养思维方式相关的理论和实践课程,在实际操作中训练学生,帮助他们从线性思维转化为系统性发散思维,善于运用多角度、多梯度看待新闻事件的起因、经过、结果、影响等。将自己置身于多维空间中,多要素、多结构、多层次、多方位地深入思考。培养思路开阔、学识渊博、能够活学活用、融会贯通的新媒体人才。

6 结语:高校更应积极转型拥抱智媒时代

正如《人工智能时代》作者Jerry Kaplan说的——人工智能的发展是十分光明的。人工智能能够让更多人更方便地使用计算机,更自由地和电子设备互动,帮助我们提升生产力,成为我们离不开的个人助手。技术的发展会令新媒体工作者的工作更加轻松便利,同时也带来了新的机遇和挑战,智媒时代的到来已不可逆,正如彭兰教授所说“万物皆媒、人机合一、自我进化三大特征将使智媒时代改变现有的传媒形态和格局。”世界范围内的媒体行业正在改变传统陈旧的工作方式、积极转型,英国路透社这次的“数字养成”计划对于我国高校在新媒体人才培养方面提供了一些具体可操作的启示。高校应该紧跟时代的步伐,无论是研究者、教育者、管理者还是学生,都应该积极拥抱智媒时代,在新的媒体浪潮中完善自己。

[1]中新智库:彭兰:媒介融合之后,新闻生产的未来变革趋势是什么?

[2]企鹅智库:《智媒来临和人机边界:中国新媒体趋势报告(2016)》

[3]智媒元年腾讯科技:彭兰:AR/VR将让新闻产生所见即所得的效果

[4]腾讯网:路透社“数字养成”计划:培养智媒人才

[5]网易新闻:路透社在编辑部开了个画室,据说会画画的人更适合做记者?

The Enlightenment of the Enlightenment of the New Media Talents on the Colleges and Universities in China——to the British Reuters "digital development" program as an example

ZHONG Xin*
(College of Transportation,Chongqing University of Posts and Telecommunications,Chongqing 401520,China)

With the artificial intelligence,VR,Internet of things and other emerging technology research breakthrough,human beings have been fully into the era of smart media,"news robots will replace a large number of journalists" has become a consensus,although the news robots did not cause large-scale layoffs of media industry at the moment,the potential has been irreversible,traditional communication discipline of colleges and universities need urgent transformation.This paper will combine the British Reuters "digital development" program of new media talent training,to discuss how to cultivate new media talent of our universities from five models of smart media.

Smart media;Universities;New media;Training

G64/561

A

1672-9129(2017)04-0121-04

仲心.智媒化对我国高校新媒体人才培养的启示——以英国路透社“数字养成”计划为例[J].数码设计,2017,6(4):121-124.

Cite:ZHONG Xin.The Enlightenment of the Enlightenment of the New Media Talents on the Colleges and Universities in China——to the British Reuters "digital development" program as an example[J].Peak Data Science,2017,6(4):121-124.

10.19551/j.cnki.issn1672-9129.2017.04.031

免责声明

我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!