DeepSeek賦能新聞傳播人才數據能力培養的教學探索

2020年11月，教育部發布《新文科建設宣言》，標志著我國文科教育進入創新發展新階段。新文科建設并非對傳統文科人才培養模式的否定，而是在順應時代發展趨勢的基礎上，積極推動人工智能、大數據等現代信息技術與文科專業的深度融合，實現跨學科協同創新發展。隨著媒介數字化程度的加深，對于新聞傳播人才數據能力培養就提出了更高的要求[。生成式人工智能技術的快速發展引發人類知識生產方式變革，正在重塑新聞傳播行業的生態格局。從算法推薦系統到自動化新聞寫作，從社交媒體輿情監測到虛擬主播應用，人工智能技術深刻改變了新聞生產與傳播方式，也推動了新聞傳播教育模式的轉型。2017年，國務院印發的《新一代人工智能發展規劃》[2]中就指出，“利用智能技術加快推動人才培養模式、教學方法改革，構建包含智能學習、交互式學習的新型教育體系”，特別是要將智能融入學習和賦能學習[3]。在此背景下，如何將生成式人工智能技術與新聞傳播教育深度融合，如何利用人工智能賦能課堂教學，如何在數智時代培養具有數據能力和計算思維的新聞傳播人才，成為亟待解決的重要課題。

新聞傳播人才數據能力培養維度

隨著數字化時代的到來，數據已成為重要的生產要素和社會資源，對各行各業產生了深遠影響。新聞傳播行業作為信息傳播的重要渠道，也面臨著前所未有的機遇和挑戰。一方面，大數據為新聞傳播提供了豐富的數據資源和全新的傳播方式。另一方面，新聞傳播行業也對從業者的數據能力提出了更高的要求。因此，數據能力已成為新聞傳播人才的核心競爭力。其中，數據思維的建立是人才培養的最終目標[4，需要從新聞傳播研究所關注的社會問題出發，沿著跨學科基礎知識、工具使用和素養培育的路徑展開。

1.跨學科學習是數據能力培養的知識根基

新聞傳播人才需要掌握數據科學基礎知識，包括統計學、概率論和數據挖掘等，理解數據分析的基本原理和方法。同時，還須熟悉新聞傳播學的基本理論和方法，明確數據在新聞生產、傳播和運營中的作用。此外，掌握數據庫管理、編程語言以及數據可視化等計算機技術，能夠為數據分析和應用提供技術支撐。

2.工具使用是數據能力培養的重要方法

新聞傳播人才應掌握數據采集與清洗技術，如網絡爬蟲、API接口等以及數據清洗和預處理方法，確保獲取高質量的數據。在此基礎上，熟練運用統計分析、機器學習和文本分析等數據分析方法，從數據中提取有價值的信息；掌握數據可視化工具和方法，將分析結果以直觀易懂的圖表形式呈現，提升數據傳播效果。同時，將數據分析與新聞敘事相結合，創作出具有影

響力的數據新聞作品。

3.素養培育是數據能力培養的內在靈魂

新聞傳播人才需要培養數據思維，即善于從數據中發現問題和解決問題；同時，樹立數據倫理意識，遵守數據規范，確保數據分析的可靠性，負責任地使用數據。此外，還須保持批判性思維，避免被數據誤導，做出客觀、理性的判斷。在此基礎上，應積極探索數據在新聞傳播領域的創新應用場景，推動行業的數字化轉型。

DeepSeek技術與新聞傳播人才數據能力培養的適配性

1.DeepSeek核心技術及其主要特點

2025年初，深度求索發布首個大語言模型DeepSeekLLM，之后又陸續推出DeepSeekCoder、DeepSeekVL等。同年2月5曰，DeepSeek-R1大語言模型正式發布，性能對標OpenAIo1正式版，且在網頁、APP和API全面上線，引發全球媒體熱議，并對全球人工智能產業產生巨大沖擊。從通用語言模型到深度推理模型，再到多模態模型，DeepSeek通過持續創新與迭代，在更多領域實現突破與應用[5]。一是低成本與高性能。DeepSeek在保持高性能的同時，顯著降低了訓練成本。這種低成本高效益的模式得益于其創新的訓練策略，使得模型在推理能力和任務表現上與世界上最先進的閉源模型不分伯仲。二是高效的混合專家架構。DeepSeek采用了創新的MOE架構，通過選擇性激活部分專家網絡，根據任務需求分配計算資源，避免了所有參數的同時計算。這種方式不僅提高了模型推理速度和計算效率，而且還顯著降低了計算和內存消耗。三是開源與本地化部署。DeepSeek的開源策略使得開發者可以在本地搭建環境進行訓練、微調和部署，極大地降低了技術門檻和研發成本，增強了模型透明度。DeepSeek-R1大語言模型在高校本地化部署，能夠在不增加硬件負擔的情況下，實現教學和科研的智能化升級。

2.新聞傳播人才數據能力培養與DeepSeek的適配性

DeepSeek作為一款先進的人工智能工具，其技術特性和應用場景能夠有效賦能新聞傳播人才數據能力培養，具備良好的適配性和發展潛力，推動新聞傳播教育的創新與變革。一是高效的知識整合與代碼優化。DeepSeekCoderV2模型能夠支持多種編程語言，幫助用戶通過自然語言描述而生成代碼、補全和修復等工作，提升代碼質量。基于知識整合和代碼優化，可以輔助學生學習Python編程，提高編碼效率和質量，同時也降低學生技術使用門檻，減輕工作量。二是強大的多模態數據處理與分析。具有便捷的數據獲取能力。DeepSeek-R1、DeepSeekVL大模型主要支持多模態數據的融合和高效計算，可以接入和處理互聯網海量數據，包括文本、圖像、音頻、視頻等多模態信息形式，滿足新聞傳播專業對多源異構數據的處理需求。具有先進的自然語言處理技術。DeepSeekV3、DeepSeekLLM模型具備文本分類、情感分析、關鍵詞提取、文本摘要等自然語言處理能力，可以處理海量文本數據，協助學生快速理解和分析文本信息。提供豐富的可視化分析工具。DeepSeek-R1模型可以提供豐富的可視化分析工具，將復雜的數據分析結果以直觀易懂的圖表形式呈現，協助學生完成數據新聞可視化的制作。三是素養培育與思維建立。DeepSeek具備強大的邏輯推理和任務分解能力，能夠幫助學生從復雜數據中提取有價值的信息，并生成清晰的思維鏈條。同時，DeepSeek的透明性和可解釋性能夠幫助學生理解AI技術的局限性，樹立負責任的數據使用意識。

DeepSeek賦能“新媒體數據分析與應用” 課程教學實踐

“新媒體數據分析與應用”作為專業核心課程，包括Python編程語言基礎、數據獲取、數據分析與可視化三個部分，對應數據能力培養的維度。DeepSeek的高性能、低成本和多模態信息處理能力，使其在新聞傳播人才數據能力培養中具有獨特優勢，深度賦能課程教學的各個階段，綜合提升學生的數據能力。

1.課前階段：智能備課與跨學科學習資源整理

在課前階段，利用DeepSeek強大的自然語言處理能力，能夠為教師提供智能備課支持。一是教師可通過輸入課程主題和教學目標，快速生成結構化的教案框架。二是從海量數據中篩選出相關案例，構建豐富的教學案例庫，為課程提供實踐支撐。三是通過分析學生的學習歷史和行為數據，生成個性化的學習資源推薦，提升學生的學習效率。

2.課中階段：互動案例教學與實時學習行為數據分析

在課堂教學中，生成式人工智能能夠作為智能助教，顯著提升課堂互動性和教學效率。一是DeepSeek能夠實時回答學生提問，并引導課堂討論。例如：在講解“數據清洗”時，學生提出“如何處理缺失數據\"的問題，DeepSeek可輔助教師即時提供專業解答，并引導學生進一步思考數據清洗的多種策略。二是DeepSeek支持實時數據分析演示。教師可通過輸入一組社交媒體數據，快速生成可視化圖表，并解釋分析結果，幫助學生直觀理解數據分析的核心概念。三是DeepSeek通過動態調整教學內容，優化教學效果。系統根據課堂互動數據（如學生提問頻率、答題正確率），實時調整教學節奏和重點。

3.課后階段：個性化作業批改與學習效果評估

一是DeepSeek通過智能作業批改系統能夠快速批改學生的數據分析作業，并生成詳細的反饋報告，提供改進建議。二是基于深度思考模型，能夠開展啟發式輔導，提供個性化輔導。DeepSeek通過分析學生的課堂表現、作業完成情況和測試成績，生成學習效果評估報告，幫助教師和學生全面了解學習進展。三是DeepSeek支持課后資源拓展和虛擬實驗環境創建。系統根據課程進展和學生需求，持續更新和推薦最新的數據分析案例，幫助學生拓展視野。

生成式人工智能賦能教學實踐的冷思考

一是在知識層面存在誤導風險，缺乏主觀判斷。生成式人工智能雖然經過大規模的訓練，能夠快速生成內容，但其生成結果仍存在一定的誤導風險和算法偏見。教師需要對生成內容進行嚴格審核，明確其輔助工具的角色，而非完全依賴。二是在教學層面內容易同質化，缺乏課程創新。生成式人工智能的廣泛應用可能導致教學內容同質化，課程缺乏特色和創新。教師應根據課程目標和學生需求，對生成式人工智能生成的內容進行個性化調整，并及時更新教學內容，設計獨具特色的教學內容，避免教學內容的同質化。三是在技術層面過度依賴技術，缺乏批判思考。過度依賴生成式人工智能技術的標準化輸出，通過便捷的對話問答方式簡化了信息獲取過程，可能削弱學生獨立思考、限制創造性表達，導致學生主體性逐漸弱化，缺乏批判性思維。

結語

生成式人工智能的發展為新聞傳播教育改革提供了新的契機，加速了教育數字化的轉型。特別是國產大模型DeepSeek的“出圈”，憑借其強大的自然語言處理和多模態數據處理能力，在賦能新聞傳播專業人才數據能力培養方面展現出明顯優勢。然而，使用任何技術都不能忽視其可能帶來的風險。在新聞傳播人才培養中，仍應以解決社會問題為基本出發點，結合新聞傳播理論，結合數據處理分析能力，在生成式人工智能輔助下，全面建立數據思維、計算思維與數智素養，服務新文科建設道路。

本文系北京郵電大學本科教育教學改革一般項目“面向新文科人才計算思維培養的數據可視化編程教學模式探索與實踐”（項目編號：2023YB23）；國家社科基金一般項目“文化計算與智能傳播融合的理論、方法與實踐研究”（項目編號：23BXW027）階段性研究成果

參考文獻：

[1]燕道成，吳涵.三維并濟·兩類互證·三大平臺：新傳類博士生“數據能力”培養模式與路徑研究[J].傳媒論壇，2024，7（23）：60-63.

[2]國務院關于印發新一代人工智能發展規劃的通知[EB/OL].（2017-07-20）[2025-04-08].https：//www.gov.cn/zhengce/content/2017-07/20/content_5211996.htm.

[3]裴榕.生成式人工智能賦能教育教學：變革影響、風險挑戰與實踐路徑[J/OL].當代教育論壇，1-10[2025-04-08].https：//doi.org/10.13694/j.cnki.ddjylt.20241227.001.

[4]燕道成，吳涵.計算傳播學視域下新聞傳播學研究生數據能力培養研究[J].當代教育論壇，2024（6）：76-82.

[5]蔡天琪，蔡恒進.DeepSeek的技術創新與生成式AI的能力上限[J/OL].新疆師范大學學報（哲學社會科學版），2025（4）：1-8[2025-04-08].https：//doi.0rg/10.14100/j.cnki.65-1039/g4.20250217.002.

（作者單位：北京郵電大學數字媒體與設計藝術學院）

[責任編輯：翟迪]