李彪：从“信息传递者”到“价值守门人”：生成式AI驱动下新闻传播教育的范式重构

作者：李彪（中国人民大学新闻学院教授）

来源：《青年记者》2025年第12期

导 读：

本文通过解析生成式AI对教育主体性、课程生态与评价体系的系统性冲击，探索以“认知免疫力”为内核的革新路径，为智能时代的新闻传播教育提供价值导航与行动路径。

生成式AI的普及重构了信息生产的权力结构。从自动化稿件生成到算法推荐主导的传播生态，技术不仅替代了程式化的采编流程，更以指数级效率重塑公众的认知版图。传统新闻传播教育锚定的“信息传递者”角色正遭遇双重困境：一方面，AI工具对全链条生产的覆盖使基础技能课程陷入“教用脱节”的尴尬；另一方面，深度伪造与算法偏见引发的认知危机，暴露出单纯技术适配性培养的脆弱性。新闻传播教育的核心使命已从“传递效率”转向“价值锚定”，这一转型不仅关乎课程体系的重构，更指向新闻专业素养在智能时代的范式突围。本文通过解析生成式AI对教育主体性、课程生态与评价体系的系统性冲击，探索以“认知免疫力”为内核的革新路径，为智能时代的新闻传播教育提供价值导航与行动路径。

一、生成式AI对新闻传播教育的结构性冲击与重构

生成式AI正在消解新闻传播教育的传统边界，技术逻辑以全链条渗透改写内容生产规则，倒逼教育体系直面“工具依赖”与“主体性消解”的双重危机。这一冲击不仅暴露了技能型课程的滞后性，更深层触发了对新闻传播学科的价值追问。

（一）技术渗透、专业边界消融与教育主体性危机。生成式AI对新闻传播教育的冲击，本质上是技术逻辑对传统教育范式的系统性解构。大语言模型以“全链条介入”和“能力替代”为核心特征，正在重塑新闻传播领域的专业边界与教育主体性。

首先，大语言模型实现了对新闻生产全链条的覆盖。从选题策划到内容生成的技术渗透，使得传统新闻生产技能体系面临根本性挑战。大语言模型通过语义理解、信息整合与多模态输出能力，已能完成新闻线索筛选、稿件初稿撰写、视频脚本生成等任务，其“一键生成”模式消解了传统新闻教育中“写作训练—编辑思维—传播策略”的线性培养逻辑。例如，目前部分高校新闻写作课程仍以“倒金字塔结构”“消息五要素”为核心训练内容，而AI工具已能通过算法自动适配不同媒体平台的叙事框架，导致技能导向型课程的价值锚点发生偏移。这种技术覆盖的深度体现在知识生产权的转移上，就是传统新闻传播教育强调的“采写编评”核心能力，正在被“提示词工程”“AI协同创作”等新型技能需求替代。学生若仅掌握标准化写作范式，将难以应对AI生成内容的二次加工与价值判断需求。部分院校虽增设“人工智能新闻”课程，但其教学内容仍停留在工具操作层面，未能触及AI时代新闻伦理重构、人机协作模式创新等深层议题。

其次，新闻教育面临“工具依赖”与“认知惰性”的双重困境。技术赋权背后的认知异化正在形成教育主体的结构性危机。学生通过“输入需求—获取成品”的简易交互，即可完成原本需要深度思考的创作任务，这种低认知负荷的操作模式，导致学生的批判性思维与原创能力呈现系统性衰退。过度依赖AI写作工具可能削弱人类对复杂信息的处理能力，形成“技术路径依赖”[1]。在新闻传播教育场景中，学生更倾向于使用AI生成采访提纲、数据分析报告甚至评论观点，却忽视对信源真实性、报道立场隐蔽性等专业素养的主动建构。更深层的危机在于教育主体性的消解，当AI成为内容生产的主导者，传统教学中“教师—知识—学生”的三元关系被重构为“算法—数据—用户”的技术闭环。教师的知识权威性遭遇挑战，学生的主体认知被压缩为对技术输出的被动接受。部分课堂甚至出现“反向驯化”“知识反哺”现象，教师为适应AI工具特性而调整教学目标，使教育过程沦为技术适配性的演练场[2]。

再次，传统课程体系面临着滞后性矛盾。新闻传播教育现行课程体系与AI技术能力的错位，加剧了教育生态的结构性失衡。技能型课程（如新闻写作、视频剪辑）与AI工具的功能重叠度高，但课程更新速度远低于技术迭代周期。以国内某高校2024年课程大纲为例，“融媒体编辑”课程仍以Adobe系列软件操作为核心，而行业已普遍采用AI驱动的智能剪辑系统实现自动化内容生产。这种滞后性不仅体现在工具层面，更暴露了价值导向的认知偏差。当前新闻传播教育仍以“培养专业技术人才”为目标，而AI时代需要的是具备“认知免疫力”的复合型人才，既能驾驭技术工具，又能识别算法偏见；既通晓传播规律，又能建构人机协同的伦理框架。然而，国内主要新闻院校现有课程体系中关于技术批判、人本价值的内容占比不高，难以支撑学生在人机博弈中形成稳固的专业主体性。

技术渗透引发的教育危机，实质是新闻传播学科存在论层面的重构挑战。AI已经足够替代社会分工中标准化技能输出，新闻传播教育的核心价值必须转向培养“不可替代性”，即人类独有的价值判断能力、情感共鸣能力与创造性问题解决能力。这要求教育体系从“工具应用”转向“认知免疫”，从“技能传授”转向“元能力培育”，从而在技术洪流中重建教育的主体性价值坐标[3]。

（二）教育目标的重定向。生成式AI对新闻传播领域最根本的冲击在于其重构了内容生产与分发的权力结构。传统新闻教育中，信息传递者的角色定位建立在“人主导技术”的预设上，从业者的核心能力集中于事实采集、内容加工与传播渠道管理。然而，生成式AI通过自动化生产、多模态内容生成及算法推荐机制，使信息传递的效率与规模呈指数级增长，却也导致虚假信息、深度伪造、价值偏向性内容泛滥。在此背景下，新闻传播教育的核心目标必须从技术工具的操作能力转向价值系统的建构能力，即培养能够穿透信息迷雾、锚定公共价值的“守门人”。

智媒技术驱动的信息环境呈现出双重异化：信息过载导致认知超载，算法操控引发认知窄化。生成式AI进一步加剧了这一困境，其生成的内容具有高度拟真性，而算法推荐系统则通过用户画像实现精准的“内容投喂”，形成“认知闭环”。在此语境下，新闻传播教育需要培育学生的“认知免疫力”，即抵御虚假信息侵蚀、解构算法操控逻辑的批判性思维能力。认知免疫力的建构须围绕三个维度展开：首先是对信息生态的元认知能力，包括理解算法推荐系统的运作逻辑、识别信息茧房的生成机制，以及洞察AIGC内容生产背后的利益驱动链条；其次是对抗性思维训练，如通过反向工程解析虚假信息的传播路径、模拟算法偏见对舆论场的影响，以及设计反制信息污染的策略框架；最后是技术批判意识的养成，引导学生超越工具理性的局限，思考智能技术对社会认知结构、文化价值观以及民主协商机制的深层影响。

新闻传播教育体系须通过课程设计与教学方法革新实现这一目标。在技术类课程中强化“技术社会学”视角，如在自然语言处理教学中探讨语料库偏见如何影响AI生成内容的意识形态倾向；在实践项目中引入“人机对抗”模式，要求学生通过人工核查纠正AI生成报道中的事实性错误，以此训练其技术怀疑精神。同时，须建立“技术—伦理”双重评估标准，将算法透明度、数据正义等指标纳入教学评价体系，使认知免疫力从抽象概念转化为可操作的职业素养。

这种教育目标的重定向，本质上是对智能技术宰制下认知危机的主动回应。它要求新闻传播教育不再局限于培养适应技术变革的从业者，而是塑造能够引领技术向善的“认知工程师”——既能驾驭智能工具提升传播效能，又能通过价值坚守与批判反思维护公共领域的理性秩序。

二、学分压缩与弹性化培养：以“留白”激发自主探究

生成式AI对新闻传播教育的冲击，倒逼教育体系打破传统学分的刚性框架。面对技术迭代催生的复合型人才需求，压缩冗余课时、注入弹性化培养机制，为学生腾挪出自主探索的“认知实验田”：通过课程重组构建技术伦理思维，以人机协同项目激活创新动能，最终在留白与严控的张力中，培育出既驾驭工具、又穿透黑箱的“新型媒体人”。

（一）课程体系的结构性调整。技术迭代对新闻从业者的能力需求已从单一技能转向复合型认知框架，而教育体系必须通过结构性的课程改革，为学生构建适应未来传播生态的“认知免疫系统”。这一调整聚焦于三方面：课程模块的重组、学习路径的弹性化以及实践与理论的动态平衡。

首先，重组“核心必修+模块化选修”模式，实现从知识灌输到能力适配。压缩核心必修课程，适度增加模块化选修课程是未来新闻传播课程体系的主要趋势，是重新定义新闻从业者“核心能力”内涵的主要抓手。压缩基础技能课时并非弱化专业根基，而是为跨学科融合腾挪空间。可考虑新增“生成式AI伦理”“算法审计”等课程，旨在培养学生在技术应用中的人文批判力与价值判断力。例如，算法审计课程不仅教授技术逻辑，更引导学生思考算法权力对公共话语的潜在干预，使其在未来的内容生产中具备“技术监督者”的自觉。这种课程重组并非简单的增删，而是通过必修课的“精炼化”与选修课的“问题导向化”，构建起“技术—伦理—实践”三位一体的能力矩阵。

其次，进行实践导向的留白设计，实现从被动学习到创新主导。课程体系之外须考虑必要的实践导向的留白设计，如设置20%的自主学分，本质是将教育重心从“教什么”转向“如何学”。学生可通过“人机协同深度报道”等项目，在AI工具辅助下探索个性化创作路径，这一过程中技术不再是外在于人的工具，而是与创意共生的伙伴，生成式AI负责数据挖掘与初稿生成，学生则聚焦于价值提炼、叙事逻辑与情感共鸣的注入。如中国人民大学开设的创研课模式，该课由“学生主导、项目驱动”，打破课堂边界：选题策划由学生基于社会热点自主提出，教师角色退居为资源协调者与质量把关者，如某小组利用AI生成虚假新闻识别模型后，自发设计针对老年群体的媒介素养工作坊，实现从技术实践到社会服务的跨越。这种“留白”并非放任，而是通过“过程自主”与“质量严控”的张力，激发学生的问题意识与创新动能。

再次，加强弹性学分设计，实现从线性积累到动态转化。可考虑“AI+新闻”项目制课程的学分替代机制，打破理论课与实践课的割裂状态。学生参与“生成式AI辅助深度报道”等项目时，其调研、协作与成果产出可直接转化为实践学分。这种弹性化设计强化了两重逻辑：其一，知识获取的场域从教室延伸到真实行业场景，学生在与AI协同中理解技术局限性与人的不可替代性；其二，学分认定从“课时计量”转向“能力认证”，重点考查学生能否在复杂任务中整合技术工具、传播理论与公共利益。例如，一组学生在调查基层医疗现状时，利用AI完成海量政策文件分析，却须自主设计访谈提纲、挖掘个体故事以平衡数据的“冷面孔”，这类项目既降低了重复性技能训练的学分占比，又为高阶思维培养预留了空间。通过学分压缩腾挪出的“留白”，恰是为这种能力生长提供的土壤。而弹性化培养框架，则试图在标准化教育与个体创造性之间找到平衡点，使学生在与AI的碰撞中，既获得技术驾驭力，更守住人的主体性坐标。

（二）教学模式的生成式转向。新闻传播教育正经历从知识传递向认知建构的深层转型。生成式AI对信息生产逻辑的解构倒逼教学重心转移，培养具有认知免疫力的专业人才，不仅需要更新知识图谱，更需要重构思维操作系统。这种转向以“对话生成”和“认知解构”为双轴，推动教学模式突破传统技能训练的框架束缚。

“思维链对话”教学法为新闻传播教育提供了思维训练的“手术刀”。区别于传统案例教学中单向度的“问题—答案”模式，AI辅助的迭代追问机制构建了动态认知场域：教师通过预设逻辑断层点，引导学生在人机对话中自主补全推理链条。如在“舆情分析”课程中，学生须对AI生成的虚假信息传播图谱进行连续性反诘，通过“为何选择该传播节点”“变量间的因果关系是否成立”等递进式追问，迫使隐性推理过程显性化。这种训练使学生的逻辑自洽性检测从结果回溯进阶到过程预判，形成对算法生成内容的直觉性质疑能力。该教学法本质是将新闻专业的实证精神转化为可操作的思维“脚手架”，使批判性思维从抽象理念落地为可训练的认知反射弧。

借鉴数字社会学中的分层解构理论，“技术原理—商业逻辑—价值判断”三阶“洋葱模型”重塑了新闻传播课堂的认知训练范式，构建认知防御体系。在技术解剖层，通过可视化算法推荐机制揭示信息茧房的生成路径，使学生理解智能分发如何通过特征向量计算完成认知围栏的搭建；在商业解构层，以注意力经济的流量博弈为解剖样本，剖析情感操纵背后的数据变现链路；在价值批判层，则引入认知神经科学中的双系统理论，训练学生在信息接触瞬间激活慢思考系统。这种递进式解构使新闻教育从工具性的信息核查技能，升维为抵御认知殖民的免疫系统。

（三）AI课程的开发逻辑：从工具适配到价值引领。生成式AI技术的渗透对新闻传播教育提出了双重命题：既要培养学生在技术浪潮中“游泳”的能力，也要锤炼其在信息洪流中“辨流”的定力。AI课程的设计须构建从技术操作到价值反思的递进式框架。

首先是技术工具课，努力赋能操作层。技术工具课的核心目标并非培养“技术工人”，而是塑造“技术翻译者”——能够将AI工具转化为新闻传播实践中的创造性表达。课程设计须聚焦两个方向：一是人机协作的叙事能力，通过大语言模型操作、多模态内容生成等实训，训练学生将AI工具嵌入新闻生产的全链条。例如，利用视频合成技术模拟突发新闻场景，重点强化从信息筛选到伦理审查的完整工作流。二是跨模态的内容适配，针对移动端传播特性，探索文本、图像、视频的智能重组策略，强调技术应用必须服务于传播目标而非炫技需求。

其次是批判性课程，努力实现从课堂到社会场景的沉浸式学习。批判性课程的本质是建立“技术免疫力”，在真实社会场景中检验AI技术的边界，培养学生对技术叙事的解构能力。其实现路径包括：一是算法怀疑主义的思维建模，通过“黑箱解谜”工作坊，引导学生剖析大模型的训练数据偏见与逻辑缺陷。例如，对比AI生成内容与人工采写文本的深层差异，揭示算法对新闻客观性的潜在消解。二是技术介入的公共性实践，将AI工具应用于环保、民生等社会议题的多模态叙事，在数据可视化与传播效果评估中，探讨技术赋权与伦理风险的辩证关系，此类教学可借鉴斯坦福大学“新闻实验室”提出的社会责任技术框架[4]。

三、教师角色的转型：从知识传授者到人机协同导师

生成式AI对教育权力的解构，倒逼新闻传播教师从“讲台权威”转向人机共生的“认知架构师”。这一角色转型要求教师既须驾驭技术工具的逻辑边界，又须在算法与人文价值的碰撞中重构能力坐标，同步推动培养与评价体系的适应性迭代，以回应技术渗透下的教育主体性危机。

（一）教师能力重构的三大维度。第一维度是技术素养，从工具操作到智能适配。生成式AI的介入要求新闻传播专业的教师突破传统技术应用的边界，转向对智能工具的深度理解与创造性调用。技术素养的核心并非止步于操作AI辅助教学工具，而是精准设计提示词（Prompt）以引导AI生成符合新闻伦理与传播规律的内容。教师须掌握“Prompt工程”的逻辑框架，通过调整语言颗粒度、语境约束和价值观嵌入，将AI输出从“随机拼贴”转化为“可控表达”。例如，在新闻写作训练中，教师可设计“基于事实核查的AI报道生成”任务，要求学生通过迭代优化Prompt约束AI幻觉倾向，这一过程本身即对新闻专业性的隐性强化。技术素养的终极目标是让教师成为人机协作的“翻译者”，在AI的算法逻辑与新闻传播的公共价值之间架设桥梁。

第二维度是伦理判断力，从内容监管到价值锚定。生成式AI带来的“真实性模糊”危机，倒逼新闻传播教育者重构伦理判断力的内涵。教师须在课程中系统性嵌入AI生成内容的真实性核查标准，如参考《互联网信息服务深度合成管理规定》，要求学生在作品中标注AI内容来源，同时引导学生识别算法偏见、数据污染对新闻客观性的侵蚀。伦理判断力的培养须超越简单的“真伪鉴别”，转而聚焦于价值锚定，通过设计“AI新闻伦理沙盘推演”等场景，让学生在模拟报道中权衡算法效率与公共利益，如要求其对AI生成的冲突性报道进行信源追溯与立场解构[5]。这一维度要求教师从“内容监管者”转型为“价值导航员”，在技术狂飙中坚守新闻业的公共性根基。

第三维度是创新教学设计，从单向输出到协同进化。人机协同教学的核心，在于通过场景化设计激活学生的主体性认知。教师需打破“教师—AI—学生”的线性关系，构建三者动态交互的“认知三角”。例如，“人机辩论赛”可设定AI为反方观点生成器，学生在驳斥算法逻辑时同步锤炼批判性思维；“AI生成内容修正工作坊”则要求学生对机器输出的新闻稿进行事实校准与叙事重构，以此强化对新闻专业精神的具身认知[6]。此类教学设计的关键，在于将AI定位为“认知冲突的触发者”而非“标准答案提供者”，迫使学生在与机器的对抗、调适与协作中完成知识的内化。教师角色由此从“讲台上的权威”转向“进化场景的架构师”，通过持续迭代教学框架，推动人机协同生态的螺旋上升。

（二）教师培养与评价的革新。首先，需要高校与企业的协同，引入“双师制”。新闻传播教育的数字化转型要求教师群体突破学科壁垒，重构知识储备与技能框架。传统单一学科背景的师资队伍难以应对生成式AI对内容生产、信息筛选与传播伦理的深度介入，急需通过“学界教授+AI工程师”双师模式实现理论与实践的双向赋能。学界教授负责夯实新闻传播学的核心理论框架与价值观引导，企业工程师则聚焦AI技术的落地逻辑与工具实操，二者在课堂内外形成互补性对话。这种协同不仅解决教师对AI技术“知其然不知其所以然”的困境，更通过真实行业场景的嵌入，使教学贴近技术迭代与媒介生态的演变节奏。例如，在数据新闻课程中，AI工程师可指导学生利用自然语言处理工具分析舆情，而学界教授则引导其批判性审视算法偏见对报道客观性的潜在影响。

其次，要在教师考核中纳入AI工具创新应用指标。生成式AI驱动下的教育革新，要求教师评价体系从“知识输出量”转向“技术适配力”。须将AI工具的创新应用纳入考核维度，具体包括：教师在课程设计中是否有效整合AI技术（如利用生成式AI模拟采访场景、构建虚拟报道环境），是否开发跨学科教学案例（如“AI辅助事实核查”“算法伦理与新闻责任”），以及是否通过技术工具优化教学反馈机制（如基于大数据的学情动态分析）。此类指标并非鼓励技术滥用，而是强调教师需在技术应用中保持主体性，既能驾驭工具提升教学效能，又能引导学生建立对AI的批判性认知。考核导向的转变，实质是推动教师从“技术恐惧者”或“盲目追随者”转向“人机协同的设计者”。

四、学生AI素养的培育路径：认知免疫与算法批判

生成式AI的深度介入，迫使新闻传播教育直面认知异化与算法操控的深层危机。学生须从“工具使用者”蜕变为“技术解构者”，既要穿透算法黑箱的认知迷雾，又要在人机博弈中培养价值判断的定力。

（一）“认知免疫力”的构建与培养。未来，需要从四个层面来构建新闻传播学子的“认知免疫力”。第一个层面是培养溯源验证力以重建新闻真实性的底层逻辑。生成式AI模糊了信息生产主体与传播路径的边界，新闻传播教育须重构“真实性”的实践框架。溯源验证能力培养的核心，是训练学生穿透AI生成内容的表层文本，通过交叉比对信源、追踪数据链、识别算法痕迹，还原信息的生成语境与利益关联。这一过程本质上是将传统新闻核查的“事实锚点”迁移至数字生态中，以技术反溯能力捍卫新闻专业精神的根基。

第二个层面是培养逻辑反推力来解构算法权力的认知地图。算法推荐机制通过隐性规则塑造公众的信息认知版图，新闻教育须培养学生“逆向拆解”的批判思维。从分析平台数据采集逻辑、解码用户画像构建模型，到揭示算法如何通过“信息茧房”完成议程设置，这一训练旨在使学生从被动的信息接收者转化为算法规则的审视者，在理解技术运作机理的基础上破除“技术中立”的认知迷思。

第三个层面是培养情感脱敏力来对抗情绪化传播的认知护甲。AI驱动的情绪化内容往往利用认知捷径操纵受众心理，新闻教育须强化学生的情感防御机制。通过模拟舆情事件中的群体极化场景、解析煽动性文本的情感触发点，引导学生建立“延迟反应”意识，在情绪共振前激活理性判断，将专业伦理内化为抵御信息污染的“精神抗体”。

第四个是培养价值锚定力来重构数字时代的新闻专业坐标。当技术工具不断改写传播规则时，新闻教育的终极使命是帮助学生锚定价值坐标系。从数据主义冲击下的客观性原则、流量逻辑挑战下的公共利益导向，到人机协作中的主体性危机，这需要我们在课程中强化“新闻专业能力”的再阐释：它不是固化的教条，而是动态适应技术变革的价值罗盘，确保学生在AI渗透的传播生态中始终拥有人的温度与判断。

（二）实践场景中的素养内化。首先，需要大力推广“算法审计”项目，锚定技术逻辑解构与伦理责任。社交媒体的推荐系统往往以用户行为数据为资源，通过隐式反馈循环强化信息茧房与认知偏差。教学中可要求学生针对具体平台（如短视频或新闻聚合类App），逆向推演其推荐机制的权重分配、特征交叉策略及用户画像构建逻辑，并评估其对公共议题传播的潜在影响。例如，分析“流量优先”的算法逻辑如何挤压严肃新闻的可见性，或探究“协同过滤”如何加剧群体极化。在此基础上，学生须结合《互联网信息服务算法推荐管理规定》中的“算法透明”与“公平性”原则撰写技术伦理报告，提出兼顾商业目标与社会价值的优化路径。这一过程不仅培养技术批判能力，更强化“算法向善”的责任意识，使学生成为技术应用中的“免疫哨兵”。

其次，拓展国际视野，实现文化解码与语料驱动的智能适配。跨文化传播的复杂性要求新闻传播人才具备“双重解码”能力：既理解本土文化内核，又能借助AI工具实现文化符号的智能转译。教学中可引导学生利用各类语料资源，训练AI模型识别文化隐喻、习俗禁忌及价值观差异。例如，针对“一带一路”共建国家的传播需求，通过对比中西方语境中“和谐”“集体主义”等概念的语义网络，优化机器翻译的语境适配性，避免文化误读。此外，需强调“文化主权”意识，在调用国际通用大模型时，警惕其对中华文化符号的扁平化处理，倡导以本土语料库为基座的自主训练框架。通过实践，学生将掌握“技术赋能”与“文化护城河”建设的平衡术，成为全球传播生态中的“解码者”与“重构者”。

通过场景化实践，新闻传播教育得以将抽象的“AI素养”转化为可操作的批判框架与行动策略，既回应了生成式AI对传统传播范式的冲击，也为构建“技术理性与人文价值共生”的新型教育生态提供了路径。

（三）构建“认知—技术—伦理”三维素养框架。该素养框架可以分为三个维度。一是认知免疫力维度，即加强信息过载状态下的批判性思维训练，这种免疫力的核心在于批判性思维的强化训练，从海量信息中剥离噪声，追溯AI生成内容的底层信源，辨析逻辑链条的断裂与矛盾。例如，通过模拟虚假新闻的生成与传播路径，引导学生识别AI文本中隐蔽的立场偏向或事实扭曲[7]。二是技术工具理性维度，实现生成式AI的操作能力与算法逻辑理解的双重能力，技术素养的培育须突破“黑箱崇拜”，将生成式AI从神秘化工具还原为可解构的操作对象，新闻传播教育应聚焦两大维度：其一，训练学生掌握AI工具的基础操作，如提示词工程优化、多模态内容生成等实践技能；其二，揭示算法逻辑的运作机制，尤其是数据偏见对内容输出的隐性操控，通过拆解大模型训练数据的构成与标注规则，学生得以透视“客观算法”背后潜藏的文化偏见与权力关系，从而在技术应用中保持主体性反思，避免沦为工具理性的被动执行者。三是伦理自觉维度，生成式AI引发的伦理争议本质是技术逻辑与新闻专业主义价值观的碰撞，教育须直面三大伦理命题：隐私权在数据采集中的让渡限度、AI创作内容的版权归属困境，以及深度伪造技术对公共信任的侵蚀风险，可考虑通过角色扮演、责任推演等教学方法，引导学生模拟记者、平台、用户的多方立场，在具体场景中权衡技术效率与社会代价，这种训练旨在超越抽象的道德说教，将伦理决策转化为可操作的职业本能。

五、结语

生成式AI的浪潮，已非新闻传播教育可择岸而观的“风景”，它正深刻重塑着信息生态的底层结构与权力图谱。面对技术逻辑对内容生产与分发的深度介入，传统教育所锚定的“信息传递者”范式，其技能中心主义的局限性与价值缺位已暴露无遗。技术迭代的加速度，非但未解构新闻业的公共使命，反而以更尖锐的方式迫使我们追问：在算法日益“代理”甚至“主导”信息流动的时代，新闻传播教育的核心价值究竟何在？答案，必然指向从工具性适应向主体性建构的范式跃迁，培育深谙技术逻辑、穿透信息迷雾、坚守公共价值的“守门人”。

未来已来，新闻传播教育必须锚定“认知免疫”这一核心锚点。这意味着，教育体系须超越对生成式AI工具表层操作的迷恋，转而聚焦于构建学生穿透技术黑箱、抵御信息异化、锚定公共价值的深层能力。技术赋能的效率提升固然重要，但教育的终极目标，在于培养能够在算法逻辑与人文价值、传播效率与社会责任、数据洪流与个体尊严之间，进行清醒权衡与创造性平衡的专业主体。这种“守门人”角色，要求从业者不仅通晓智能工具的操作逻辑，更能洞察其内在偏见与伦理陷阱；不仅擅长信息的整合与分发，更能坚守事实核查的严谨、公共利益的导向与人文关怀的温度。

展望前路，新闻传播教育的重构方向清晰可见：深化价值引领，将“四讲”叙事系统（讲事实、讲情感、讲逻辑、讲责任）等核心理念深度融入人机协同的教学实践，确保技术应用始终服务于人的价值表达与社会的良性沟通；强化批判性思维训练，通过算法审计、认知解构等路径，使学生具备识别虚假信息、解构操控逻辑、穿透技术迷思的“认知免疫力”；构建人机共生生态，在教学模式、课程体系与教师角色上，推动从单向知识传授向“认知三角”（教师—AI—学生）动态交互的转型，激发学生在人机博弈中形成不可替代的创造性问题解决与价值判断能力。

生成式AI不应也无力稀释新闻传播根植于社会、服务于公众的人文底色。相反，它应成为放大“人”之价值的杠杆。新闻传播教育的前瞻性探索，正是在技术狂飙中坚守专业主义精神内核的实践。未来的新闻人才只有真正驾驭技术而非为技术所驭，才能在智能时代的复杂传播场域中，成为守护公共理性、维系社会信任、引领价值向善的关键节点——这，正是技术洪流中“公共价值守门人”的担当与荣光。

参考文献：

[1] Lee, H.-P. (Hank), Sarkar, A.,Tankelevitch, L.,Drosos, I., Rintel, S., Banks, R., & Wilson, N. The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers[C]. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25) (Article 1121, pp.1-22). Association for Computing Machinery.

[2]李奎龙，王文佳.课堂教学改革中的“反哺”机制探索与实践[J].教育教学论坛，2024(43):109-112.

[3]李彪，高琳轩.新时代卓越新闻传播本科人才培养：现状、问题及优化路径[J].中国编辑，2022(01):41-46.

[4]斯坦福大学新闻系.打造人类命运共同体的传播者[EB/OL].(2024-02-08).https://www.usplanking.com/article/51253.

[5]宋扬.人工智能时代新闻伦理教育模式路径探索[J].新闻研究导刊，2023,14(5):26-28.

[6]董鸿英.生成式人工智能时代新闻生产的主体性重构[J].传播与版权，2025(14):1-4.

[7]胡宏超，谢新洲.人工智能背景下虚假新闻的发展趋势与治理问题[J].新闻爱好者，2023(10):9-15.

[8]刘晏如，刘宏伟.思想政治教育具身交互叙事：时代内蕴、理论探赜与实践进路[J].思想教育研究，2025(07):128-135.

本文引用格式参考：

李彪.从“信息传递者”到“价值守门人”：生成式AI驱动下新闻传播教育的范式重构[J].青年记者，2025(12):106-112.