DeepSeek赋能新闻传播人才数据能力培养的教学探索

2020年11月，教育部发布《新文科建设宣言》，标志着我国文科教育进入创新发展新阶段。新文科建设并非对传统文科人才培养模式的否定，而是在顺应时代发展趋势的基础上，积极推动人工智能、大数据等现代信息技术与文科专业的深度融合，实现跨学科协同创新发展。随着媒介数字化程度的加深，对于新闻传播人才数据能力培养就提出了更高的要求[。生成式人工智能技术的快速发展引发人类知识生产方式变革，正在重塑新闻传播行业的生态格局。从算法推荐系统到自动化新闻写作，从社交媒体舆情监测到虚拟主播应用，人工智能技术深刻改变了新闻生产与传播方式，也推动了新闻传播教育模式的转型。2017年，国务院印发的《新一代人工智能发展规划》[2]中就指出，“利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系”，特别是要将智能融入学习和赋能学习[3]。在此背景下，如何将生成式人工智能技术与新闻传播教育深度融合，如何利用人工智能赋能课堂教学，如何在数智时代培养具有数据能力和计算思维的新闻传播人才，成为亟待解决的重要课题。

新闻传播人才数据能力培养维度

随着数字化时代的到来，数据已成为重要的生产要素和社会资源，对各行各业产生了深远影响。新闻传播行业作为信息传播的重要渠道，也面临着前所未有的机遇和挑战。一方面，大数据为新闻传播提供了丰富的数据资源和全新的传播方式。另一方面，新闻传播行业也对从业者的数据能力提出了更高的要求。因此，数据能力已成为新闻传播人才的核心竞争力。其中，数据思维的建立是人才培养的最终目标[4，需要从新闻传播研究所关注的社会问题出发，沿着跨学科基础知识、工具使用和素养培育的路径展开。

1.跨学科学习是数据能力培养的知识根基

新闻传播人才需要掌握数据科学基础知识，包括统计学、概率论和数据挖掘等，理解数据分析的基本原理和方法。同时，还须熟悉新闻传播学的基本理论和方法，明确数据在新闻生产、传播和运营中的作用。此外，掌握数据库管理、编程语言以及数据可视化等计算机技术，能够为数据分析和应用提供技术支撑。

2.工具使用是数据能力培养的重要方法

新闻传播人才应掌握数据采集与清洗技术，如网络爬虫、API接口等以及数据清洗和预处理方法，确保获取高质量的数据。在此基础上，熟练运用统计分析、机器学习和文本分析等数据分析方法，从数据中提取有价值的信息；掌握数据可视化工具和方法，将分析结果以直观易懂的图表形式呈现，提升数据传播效果。同时，将数据分析与新闻叙事相结合，创作出具有影

响力的数据新闻作品。

3.素养培育是数据能力培养的内在灵魂

新闻传播人才需要培养数据思维，即善于从数据中发现问题和解决问题；同时，树立数据伦理意识，遵守数据规范，确保数据分析的可靠性，负责任地使用数据。此外，还须保持批判性思维，避免被数据误导，做出客观、理性的判断。在此基础上，应积极探索数据在新闻传播领域的创新应用场景，推动行业的数字化转型。

DeepSeek技术与新闻传播人才数据能力培养的适配性

1.DeepSeek核心技术及其主要特点

2025年初，深度求索发布首个大语言模型DeepSeekLLM，之后又陆续推出DeepSeekCoder、DeepSeekVL等。同年2月5曰，DeepSeek-R1大语言模型正式发布，性能对标OpenAIo1正式版，且在网页、APP和API全面上线，引发全球媒体热议，并对全球人工智能产业产生巨大冲击。从通用语言模型到深度推理模型，再到多模态模型，DeepSeek通过持续创新与迭代，在更多领域实现突破与应用[5]。一是低成本与高性能。DeepSeek在保持高性能的同时，显著降低了训练成本。这种低成本高效益的模式得益于其创新的训练策略，使得模型在推理能力和任务表现上与世界上最先进的闭源模型不分伯仲。二是高效的混合专家架构。DeepSeek采用了创新的MOE架构，通过选择性激活部分专家网络，根据任务需求分配计算资源，避免了所有参数的同时计算。这种方式不仅提高了模型推理速度和计算效率，而且还显著降低了计算和內存消耗。三是开源与本地化部署。DeepSeek的开源策略使得开发者可以在本地搭建环境进行训练、微调和部署，极大地降低了技术门槛和研发成本，增强了模型透明度。DeepSeek-R1大语言模型在高校本地化部署，能够在不增加硬件负担的情况下，实现教学和科研的智能化升级。

2.新闻传播人才数据能力培养与DeepSeek的适配性

DeepSeek作为一款先进的人工智能工具，其技术特性和应用场景能够有效赋能新闻传播人才数据能力培养，具备良好的适配性和发展潜力，推动新闻传播教育的创新与变革。一是高效的知识整合与代码优化。DeepSeekCoderV2模型能够支持多种编程语言，帮助用户通过自然语言描述而生