论文部分内容阅读
【内容提要】我们正在走进算法时代：信息的聚合、分类、过滤和排序越来越依赖算法自动化完成。在算法得以广泛应用和推广的大势所趋之下，新闻传播教育面临着新的挑战。文章以三所大学——斯坦福大学、南加州大学和俄勒冈州立大学为例，探讨了美国新闻传播院校在师资设置、教学大纲设置、课程内容设置三个方面的经验，并针对中国的新闻传播教学改革提出针对性建议，以期更好地应对蓬勃而至的智媒化浪潮。
【关键词】算法 大数据 人工智能 新闻传播教育
一、算法时代：新闻传播教育亟待变革
算法是一种编码程序，通过特定的运算把输入转化为想要得到的输出结果。无论是搜索引擎的结果页排名，聚合类新闻客户端的个性化新闻推送，还是社交媒体“热门话题”的自动生成，背后都依赖一套算法来进行信息的聚合（aggregation）、分类（classification）、过滤（filtering）和排序（prioritization）。①例如，今日头条声称，其“运转核心是一套由代码搭建而成的算法”。我们正在走进“算法时代”。
大数据与人工智能的兴起带给新闻业最显著的变化，即是各大新闻媒体正在经历的“算法转向”和“量化转向”。中国互联网网络信息中心在第37次《中国互联网络发展状况统计报告》中预测，网络新闻资讯市场将朝着“资深编辑”+“智能算法”相互融合的方向发展;第38次报告继续指出，基于用户兴趣的算法分发逐渐成为网络新闻主要的分发方式。如果说人工编辑判断依赖的标准主要是阐释的（interpretive）、主观的（subjective）、人性化的（human）、不可言喻的（ineffable）;那么算法判断依赖的标准则是量化的（quantifiable）、程序化的（procedural）、机械的（mechanical）、可测量的（measurable）。②
在这样的背景下，“内容为王”、“酒香不怕巷子深”的思维模式亟需转变，新闻传播人才需要了解平台媒体的推荐规则、算法逻辑和用户需求，从而为智媒时代的“人机联姻”“人机共生”做好充足准备。例如，腾讯新闻全媒派执行主编刘胜男强调，在一篇推送文章中，从语言的组织形式、话语风格，到标题的加工无一不深深印证了算法、兴趣逻辑。以标题加工为例，标题中堆砌的关键词越多，被“爬虫”识别的几率和频率就越高，信息被搜索引擎抓取的位置也就更靠前。③
在智能算法得以广泛应用和推广的大势所趋之下，当前的新闻传播教育也面临着新的挑战。新闻传播教育应当如何进行实时调整，从而跟上传媒业急剧变革的语境？国外新闻传播院校进行了哪些探索，并提供了哪些可供借鉴的经验？文章将以三所大学——斯坦福大学、南加州大学、俄勒冈州立大学——为例，探讨了美国新闻传播院校在师资设置、教学大纲设置、课程设置三方面的积极探索和实践，并对中国的新闻传播教学改革提出一些可资借鉴的路径。
二、美国院校开展的算法新闻教育
如前所述，新闻业正在经历着“算法转向”，作为“非人类行动者”（actant）的算法已经渗透到新闻生产、分发和消费的各个环节。在这样的背景下，反应灵敏的部分美国新闻传播院校及时给出了相应对策，开设了与算法新闻相关的课程。
文章选取三门较有代表性的课程作为讨论对象，分别是：斯坦福大学传播学院助理教授昂日尔·克莉丝汀（Angèle Christin）开设的《算法政治》（The Politics of Algorithms）课程④，南加州大学安娜堡传播学院助理教授迈克·安安奈（Mike Ananny）开设的《算法和大数据：方法与争议》（Algorithm & Big Data： Methods & Controversies）課程⑤和俄勒冈州立大学新闻与传播学院教授赛斯·刘易斯（Seth Lewis）开设的《算法与自动化》（Algorithms and Automation）课程⑥。通过分析上述课程的课程大纲（syllabus），笔者将探讨美国新闻传播院校在师资设置、教学大纲设置和课程设置三方面的探索和实践。
（一）师资设置
在整个教学活动中，教师发挥着重要角色。三门课程的主讲人都将科研工作和教学工作进行了紧密结合，以教学促进科研，科研反哺教学。
斯坦福大学的克莉丝汀具有社会学、“科学、技术与社会”（Science， Technology & Society，简称STS）等学科背景，她的研究兴趣是算法和量化技术对专业技能、专业价值以及工作实践的冲击和影响。她主持的一项科研项目聚焦于预测算法（predictive algorithms）在美国刑事司法系统中的应用、制度化以及被接受的过程。
南加州大学的安安奈长期关注传播系统（包括算法系统）的公共伦理问题，发表了多篇有关算法伦理、算法治理的学术论文，包括《走向算法伦理：召集、观察、可能性和时间表》（Toward an ethics of algorithms： Convening， observation， probability， and timeliness）、《透明性原则应用于算法问责的局限性》（Limitations of the transparency principle and its application to algorithmic accountability）、《从外部审计算法：方法与影响》（Auditing algorithms from the outside：Methods and implications）。算法审计、系统透明性、大数据伦理等相关讨论是安安奈课题教学的重要内容。
算法、自动化和人工智能的兴起，以及新闻业的“人机联姻”是俄勒冈州立大学学者刘易斯的研究领域之一。他提出了新闻学研究的“4A”矩阵，将人类行动者（Actor）、非人类行动者（Actant）、受众（Audiences）和新闻活动（Activities）置入一个整体性的理论框架之中。其中，算法是非人类行动者的重要组成单元。⑦该文获得了国际传播协会2016年度的“杰出论文奖”。 除了从自身的科研成果中“取材”之外，三位主讲教师还通过嘉宾讲座的方式来丰富课堂内容。邀请的嘉宾常常具有跨学科背景，如法律、社会学、STS、女性主义等。例如，《算法政治》课程邀请了伦敦政治经济学院的著名社会学教授朱迪·瓦克曼（Judy Wajcman）做嘉宾讲座。
（二）教学大纲设置
教育学专家郭文革指出，教学大纲是高等教育质量控制的核心环节：“既是大学向社会提供的一个‘产品说明书’，作为购买课程、购买教育服务的信息资料;也是教师和学生之间关于教与学投入和责任的一份‘教学合同’，是落实‘以学习者为中心’理念的基础和抓手。”她同时提出，中国大学目前还没有对所有课程进行系统化的教学设计，形成syllabus体系。⑧
在英美大学的官方网站上，可以方便地查找到课程目录和教学大纲，教师的个人主页也常常包括“教学”版块。一份完整的教学大纲包括教学目标、阅读材料、课程安排、考评机制等内容。
1.教学目标
教学目标是整个课程设计的出发点和落脚点。如表1所示，三门课程都设置了明晰的教学目标，整个教学活动都围绕教学目标开展。
2.阅读材料
《算法政治》和《算法与自动化》两门课程都选用了凯西·奥尼尔（Cathy O’Neil）所著的《数学杀伤性武器：大数据如何提升不平等和威胁民主》作为必读书目;《算法和大数据：方法与争议》这门课程则选用《大数据、小数据、无数据：网络世界的数据学术》和《黑箱社会：控制金钱和信息的数据法则》作为教材。
除了教材之外，每门课程的教学大纲都列出了丰富的阅读材料，包括专著、期刊论文、会议论文、研究报告、新闻报道等，并进行持续更新。例如，通过对比《算法政治》课程2017年度和2018年度的教学大纲可以发现，克莉丝汀增添了新的案例（如“隐私、监视、控制”章节讨论的智能家居）和阅读材料（如《推特和催泪瓦斯：网络化抗议的强大与脆弱》、《不平等的自动化：高科技如何描画、管辖和惩罚穷人》等新的学术著作）。
3.考评机制
三门课程都实行了全环节的考评机制，每个环节的教学活动都分配了一定的权重，并计算到课程的最终成绩中。如《算法与自动化》这门课程按照以下权重计算最终成绩：出席率和课堂参与占比15%，学生互教占比15%，学生主导讨论占比15%，研究计划与陈述占比15%，学生论文互评占比5%，期末论文与陈述占比35%。
全环节的考评机制有助于提高学生的参与度和卷入度，学生不仅是“带着耳朵”上课，还要“带着脑子”上课。例如，《算法与自动化》这门课程采用“学生互教”（peer teaching）的方法，每堂课随机挑选学生做5分钟的陈述。学生需要针对当天的课程材料进行总结（summarize）、联系（connect）和应用（apply）。每位学生每一学期都至少有一次陈述机会。通过这种方式，学生“课前”要阅读所有课程资料，“课中”要紧跟教师思路，“课后”要对教学内容进行进一步地消化吸收，从而实现了全环节的参与和卷入。
（三）课程内容设置
学者指出，在课程内容设置方面，国内院校一般只开设宏观、普适课程，中观和微观课程层面的细化、深入研究课程甚少。⑨美国大学所提供的多元化课程内容和课程结构值得借鉴。
笔者将三门课程大纲的章节标题导入在线工具“WordArt”，制作出一幅词云图。如图1所示，三门课程涵盖的范围非常广泛，除了关注具体的新闻业务（自动化新闻、人机交互、假新闻）之外，还涉及政治（选举、公共领域、过滤气泡、公民生活）、经济（硅谷、线上广告）、技术（人工智能、大数据、物联网）、法律（透明性、算法审计、刑事司法）、伦理（如隐私、数字监视）等。上述话题具有很强的问题指向和现实针对性，视野开阔而深邃。
三、美国经验对中国新闻传播教育变革的启示
美国皮尤研究中心2017年2月发布《代码依赖：算法时代的利与弊》报告，归纳出“算法时代”的七大主题：一、算法的应用范围将继续扩展;二、好事情就在前方;三、数据、预测模型至上将带来人性、人类判断的缺失;四、算法组织系统中存在偏见;五、算法分类加深分歧;六、失业率将上升;七、需要提高算法素养、透明性和监管。⑩
在智能算法得以广泛应用和推广的大势所趋之下，美国新闻传播院校所进行的积极探索提供了可供中国借鉴的宝贵经验。
第一，在师资设置方面，鼓励教师以科研反哺教学，推进科教融合。高等学校的根本任务是培养人，科研工作要服务于这一根本任务。2018年，国家社会科学基金项目《算法推送环境下新闻生产流程重构研究》、教育部人文社会科学研究项目《智能算法驱动下的新闻分发变革研究》等项目获批立项，应进一步健全科研反哺教学机制，鼓励教师将科研成果融入本科生教学培养。
第二，在教学大纲设置方面，推行syllabus体系，对所有课程进行系统化的教学设计，推动教学从“以教师讲授为中心”转向“以学习者为中心”。如前所述，文章讨论的三门课程都设置了明晰的教学目标、与时俱进的阅读材料、全环节的考评机制，以上举措值得中国高校借鉴。
第三，在课程内容设置方面，开发贴近时代的创新性课程。教育部党组书记、部长陈宝生在新时代全国高等学校本科教育工作会议上的讲话中提出，要“建设综合性、问题导向、学科交叉的新型课程群，将学科研究新进展、实践发展新经验、社会需求新变化及时纳入教材。”反应灵敏的美国新闻传播院校及时开设了和算法、自动化、大数据等前沿技术相关的课程，内容具有很强的问题指向和现实针对性。因此，中国的新闻传播院校在重视知识和职业技能培养的同时，还应关注对学生批判性思维、独立思考能力、国际视野和人文社会科学素养的提升。
四、结语
2018年9月，教育部、中共中央宣傳部联合下发《关于提高高校新闻传播人才培养能力实施卓越新闻传播人才教育培养计划2.0的意见》，提出要在教学内容、教学方法和教学组织形式上“及时融入技术变革新趋势、媒体融合新动向和行业发展新动态。” 面对新闻业正在经历着的“算法转向”，反应灵敏的美国新闻传播院校及时开设了算法新闻的相关课程，提供了可供借鉴的宝贵经验。中国的新闻传播学教育需要实行教学改革和创新，与迅速变迁的传媒业实践接轨，以期培养能够顺应智媒化浪潮的卓越新闻传播人才。
基金项目：论文为教育部人文社会科学研究青年项目“智能算法驱动下的新闻分发变革研究”（批准号：18YJC860031）、河南省哲学社会科学规划项目“平台型媒体的算法推荐机制与治理研究”（批准号：2018CXW017）和郑州大学2019年度校级教育教学改革研究与实践项目《智能算法时代的新闻传播教育改革与实践》（批准号：2019ZZUJGLX323）的阶段性成果。
注释：
①Diakopoulos， N.， 2013. Algorithmic accountability reporting： On the investigation of black boxes[R]. http：//towcenter.org/wp-content/uploads/2014/02/78524_Tow-Center-Report-WEB-1.pdf.
②Gillespie， T.， 2016. Algorithm[C]. In Digital keywords： a vocabulary of information society and culture. pp. 18-30.
③劉胜男.算法时代“好内容”的定义[J].新闻与写作，2017（6）：69-71.
④http：//www.angelechristin.com/wp-content/uploads/2018/06/The-Politics-of-Algorithms_Syllabus2018.pdf.
⑤http：//mike.ananny.org/ananny-asims-algorithmsBigData-syllabus-may29.pdf.
⑥http：//sethlewis.org/wp-content/uploads/2017/02/J410-510-syllabus-2017-Winter.pdf.
⑦Lewis， S.C. & Westlund， O.， 2015. Actors， Actants， Audiences， and Activities in Cross-Media News Work[J]. Digital Journalism， 3（1）， pp.19-37.
⑧郭文革.高等教育质量控制的三个环节：教学大纲、教学活动和教学评价[J].中国高等教育，2016（11）：58-64.
⑨胡春阳.美国传播学博士教育及其对中国的启示[J].新闻大学，2010（3）：83-93.
⑩Rainie， L. & Anderson J.Q. Code-Dependent： Pros and Cons of the Algorithm Age[R].
http：//www.pewinternet.org/2017/02/08/code-dependent-pros-and-cons-of-the-algorithm-age/.
作者简介：王茜，郑州大学新闻与传播学院讲师、博士
编辑：白 洁
【关键词】算法 大数据 人工智能 新闻传播教育
一、算法时代：新闻传播教育亟待变革
算法是一种编码程序，通过特定的运算把输入转化为想要得到的输出结果。无论是搜索引擎的结果页排名，聚合类新闻客户端的个性化新闻推送，还是社交媒体“热门话题”的自动生成，背后都依赖一套算法来进行信息的聚合（aggregation）、分类（classification）、过滤（filtering）和排序（prioritization）。①例如，今日头条声称，其“运转核心是一套由代码搭建而成的算法”。我们正在走进“算法时代”。
大数据与人工智能的兴起带给新闻业最显著的变化，即是各大新闻媒体正在经历的“算法转向”和“量化转向”。中国互联网网络信息中心在第37次《中国互联网络发展状况统计报告》中预测，网络新闻资讯市场将朝着“资深编辑”+“智能算法”相互融合的方向发展;第38次报告继续指出，基于用户兴趣的算法分发逐渐成为网络新闻主要的分发方式。如果说人工编辑判断依赖的标准主要是阐释的（interpretive）、主观的（subjective）、人性化的（human）、不可言喻的（ineffable）;那么算法判断依赖的标准则是量化的（quantifiable）、程序化的（procedural）、机械的（mechanical）、可测量的（measurable）。②
在这样的背景下，“内容为王”、“酒香不怕巷子深”的思维模式亟需转变，新闻传播人才需要了解平台媒体的推荐规则、算法逻辑和用户需求，从而为智媒时代的“人机联姻”“人机共生”做好充足准备。例如，腾讯新闻全媒派执行主编刘胜男强调，在一篇推送文章中，从语言的组织形式、话语风格，到标题的加工无一不深深印证了算法、兴趣逻辑。以标题加工为例，标题中堆砌的关键词越多，被“爬虫”识别的几率和频率就越高，信息被搜索引擎抓取的位置也就更靠前。③
在智能算法得以广泛应用和推广的大势所趋之下，当前的新闻传播教育也面临着新的挑战。新闻传播教育应当如何进行实时调整，从而跟上传媒业急剧变革的语境？国外新闻传播院校进行了哪些探索，并提供了哪些可供借鉴的经验？文章将以三所大学——斯坦福大学、南加州大学、俄勒冈州立大学——为例，探讨了美国新闻传播院校在师资设置、教学大纲设置、课程设置三方面的积极探索和实践，并对中国的新闻传播教学改革提出一些可资借鉴的路径。
二、美国院校开展的算法新闻教育
如前所述，新闻业正在经历着“算法转向”，作为“非人类行动者”（actant）的算法已经渗透到新闻生产、分发和消费的各个环节。在这样的背景下，反应灵敏的部分美国新闻传播院校及时给出了相应对策，开设了与算法新闻相关的课程。
文章选取三门较有代表性的课程作为讨论对象，分别是：斯坦福大学传播学院助理教授昂日尔·克莉丝汀（Angèle Christin）开设的《算法政治》（The Politics of Algorithms）课程④，南加州大学安娜堡传播学院助理教授迈克·安安奈（Mike Ananny）开设的《算法和大数据：方法与争议》（Algorithm & Big Data： Methods & Controversies）課程⑤和俄勒冈州立大学新闻与传播学院教授赛斯·刘易斯（Seth Lewis）开设的《算法与自动化》（Algorithms and Automation）课程⑥。通过分析上述课程的课程大纲（syllabus），笔者将探讨美国新闻传播院校在师资设置、教学大纲设置和课程设置三方面的探索和实践。
（一）师资设置
在整个教学活动中，教师发挥着重要角色。三门课程的主讲人都将科研工作和教学工作进行了紧密结合，以教学促进科研，科研反哺教学。
斯坦福大学的克莉丝汀具有社会学、“科学、技术与社会”（Science， Technology & Society，简称STS）等学科背景，她的研究兴趣是算法和量化技术对专业技能、专业价值以及工作实践的冲击和影响。她主持的一项科研项目聚焦于预测算法（predictive algorithms）在美国刑事司法系统中的应用、制度化以及被接受的过程。
南加州大学的安安奈长期关注传播系统（包括算法系统）的公共伦理问题，发表了多篇有关算法伦理、算法治理的学术论文，包括《走向算法伦理：召集、观察、可能性和时间表》（Toward an ethics of algorithms： Convening， observation， probability， and timeliness）、《透明性原则应用于算法问责的局限性》（Limitations of the transparency principle and its application to algorithmic accountability）、《从外部审计算法：方法与影响》（Auditing algorithms from the outside：Methods and implications）。算法审计、系统透明性、大数据伦理等相关讨论是安安奈课题教学的重要内容。
算法、自动化和人工智能的兴起，以及新闻业的“人机联姻”是俄勒冈州立大学学者刘易斯的研究领域之一。他提出了新闻学研究的“4A”矩阵，将人类行动者（Actor）、非人类行动者（Actant）、受众（Audiences）和新闻活动（Activities）置入一个整体性的理论框架之中。其中，算法是非人类行动者的重要组成单元。⑦该文获得了国际传播协会2016年度的“杰出论文奖”。 除了从自身的科研成果中“取材”之外，三位主讲教师还通过嘉宾讲座的方式来丰富课堂内容。邀请的嘉宾常常具有跨学科背景，如法律、社会学、STS、女性主义等。例如，《算法政治》课程邀请了伦敦政治经济学院的著名社会学教授朱迪·瓦克曼（Judy Wajcman）做嘉宾讲座。
（二）教学大纲设置
教育学专家郭文革指出，教学大纲是高等教育质量控制的核心环节：“既是大学向社会提供的一个‘产品说明书’，作为购买课程、购买教育服务的信息资料;也是教师和学生之间关于教与学投入和责任的一份‘教学合同’，是落实‘以学习者为中心’理念的基础和抓手。”她同时提出，中国大学目前还没有对所有课程进行系统化的教学设计，形成syllabus体系。⑧
在英美大学的官方网站上，可以方便地查找到课程目录和教学大纲，教师的个人主页也常常包括“教学”版块。一份完整的教学大纲包括教学目标、阅读材料、课程安排、考评机制等内容。
1.教学目标
教学目标是整个课程设计的出发点和落脚点。如表1所示，三门课程都设置了明晰的教学目标，整个教学活动都围绕教学目标开展。
2.阅读材料
《算法政治》和《算法与自动化》两门课程都选用了凯西·奥尼尔（Cathy O’Neil）所著的《数学杀伤性武器：大数据如何提升不平等和威胁民主》作为必读书目;《算法和大数据：方法与争议》这门课程则选用《大数据、小数据、无数据：网络世界的数据学术》和《黑箱社会：控制金钱和信息的数据法则》作为教材。
除了教材之外，每门课程的教学大纲都列出了丰富的阅读材料，包括专著、期刊论文、会议论文、研究报告、新闻报道等，并进行持续更新。例如，通过对比《算法政治》课程2017年度和2018年度的教学大纲可以发现，克莉丝汀增添了新的案例（如“隐私、监视、控制”章节讨论的智能家居）和阅读材料（如《推特和催泪瓦斯：网络化抗议的强大与脆弱》、《不平等的自动化：高科技如何描画、管辖和惩罚穷人》等新的学术著作）。
3.考评机制
三门课程都实行了全环节的考评机制，每个环节的教学活动都分配了一定的权重，并计算到课程的最终成绩中。如《算法与自动化》这门课程按照以下权重计算最终成绩：出席率和课堂参与占比15%，学生互教占比15%，学生主导讨论占比15%，研究计划与陈述占比15%，学生论文互评占比5%，期末论文与陈述占比35%。
全环节的考评机制有助于提高学生的参与度和卷入度，学生不仅是“带着耳朵”上课，还要“带着脑子”上课。例如，《算法与自动化》这门课程采用“学生互教”（peer teaching）的方法，每堂课随机挑选学生做5分钟的陈述。学生需要针对当天的课程材料进行总结（summarize）、联系（connect）和应用（apply）。每位学生每一学期都至少有一次陈述机会。通过这种方式，学生“课前”要阅读所有课程资料，“课中”要紧跟教师思路，“课后”要对教学内容进行进一步地消化吸收，从而实现了全环节的参与和卷入。
（三）课程内容设置
学者指出，在课程内容设置方面，国内院校一般只开设宏观、普适课程，中观和微观课程层面的细化、深入研究课程甚少。⑨美国大学所提供的多元化课程内容和课程结构值得借鉴。
笔者将三门课程大纲的章节标题导入在线工具“WordArt”，制作出一幅词云图。如图1所示，三门课程涵盖的范围非常广泛，除了关注具体的新闻业务（自动化新闻、人机交互、假新闻）之外，还涉及政治（选举、公共领域、过滤气泡、公民生活）、经济（硅谷、线上广告）、技术（人工智能、大数据、物联网）、法律（透明性、算法审计、刑事司法）、伦理（如隐私、数字监视）等。上述话题具有很强的问题指向和现实针对性，视野开阔而深邃。
三、美国经验对中国新闻传播教育变革的启示
美国皮尤研究中心2017年2月发布《代码依赖：算法时代的利与弊》报告，归纳出“算法时代”的七大主题：一、算法的应用范围将继续扩展;二、好事情就在前方;三、数据、预测模型至上将带来人性、人类判断的缺失;四、算法组织系统中存在偏见;五、算法分类加深分歧;六、失业率将上升;七、需要提高算法素养、透明性和监管。⑩
在智能算法得以广泛应用和推广的大势所趋之下，美国新闻传播院校所进行的积极探索提供了可供中国借鉴的宝贵经验。
第一，在师资设置方面，鼓励教师以科研反哺教学，推进科教融合。高等学校的根本任务是培养人，科研工作要服务于这一根本任务。2018年，国家社会科学基金项目《算法推送环境下新闻生产流程重构研究》、教育部人文社会科学研究项目《智能算法驱动下的新闻分发变革研究》等项目获批立项，应进一步健全科研反哺教学机制，鼓励教师将科研成果融入本科生教学培养。
第二，在教学大纲设置方面，推行syllabus体系，对所有课程进行系统化的教学设计，推动教学从“以教师讲授为中心”转向“以学习者为中心”。如前所述，文章讨论的三门课程都设置了明晰的教学目标、与时俱进的阅读材料、全环节的考评机制，以上举措值得中国高校借鉴。
第三，在课程内容设置方面，开发贴近时代的创新性课程。教育部党组书记、部长陈宝生在新时代全国高等学校本科教育工作会议上的讲话中提出，要“建设综合性、问题导向、学科交叉的新型课程群，将学科研究新进展、实践发展新经验、社会需求新变化及时纳入教材。”反应灵敏的美国新闻传播院校及时开设了和算法、自动化、大数据等前沿技术相关的课程，内容具有很强的问题指向和现实针对性。因此，中国的新闻传播院校在重视知识和职业技能培养的同时，还应关注对学生批判性思维、独立思考能力、国际视野和人文社会科学素养的提升。
四、结语
2018年9月，教育部、中共中央宣傳部联合下发《关于提高高校新闻传播人才培养能力实施卓越新闻传播人才教育培养计划2.0的意见》，提出要在教学内容、教学方法和教学组织形式上“及时融入技术变革新趋势、媒体融合新动向和行业发展新动态。” 面对新闻业正在经历着的“算法转向”，反应灵敏的美国新闻传播院校及时开设了算法新闻的相关课程，提供了可供借鉴的宝贵经验。中国的新闻传播学教育需要实行教学改革和创新，与迅速变迁的传媒业实践接轨，以期培养能够顺应智媒化浪潮的卓越新闻传播人才。
基金项目：论文为教育部人文社会科学研究青年项目“智能算法驱动下的新闻分发变革研究”（批准号：18YJC860031）、河南省哲学社会科学规划项目“平台型媒体的算法推荐机制与治理研究”（批准号：2018CXW017）和郑州大学2019年度校级教育教学改革研究与实践项目《智能算法时代的新闻传播教育改革与实践》（批准号：2019ZZUJGLX323）的阶段性成果。
注释：
①Diakopoulos， N.， 2013. Algorithmic accountability reporting： On the investigation of black boxes[R]. http：//towcenter.org/wp-content/uploads/2014/02/78524_Tow-Center-Report-WEB-1.pdf.
②Gillespie， T.， 2016. Algorithm[C]. In Digital keywords： a vocabulary of information society and culture. pp. 18-30.
③劉胜男.算法时代“好内容”的定义[J].新闻与写作，2017（6）：69-71.
④http：//www.angelechristin.com/wp-content/uploads/2018/06/The-Politics-of-Algorithms_Syllabus2018.pdf.
⑤http：//mike.ananny.org/ananny-asims-algorithmsBigData-syllabus-may29.pdf.
⑥http：//sethlewis.org/wp-content/uploads/2017/02/J410-510-syllabus-2017-Winter.pdf.
⑦Lewis， S.C. & Westlund， O.， 2015. Actors， Actants， Audiences， and Activities in Cross-Media News Work[J]. Digital Journalism， 3（1）， pp.19-37.
⑧郭文革.高等教育质量控制的三个环节：教学大纲、教学活动和教学评价[J].中国高等教育，2016（11）：58-64.
⑨胡春阳.美国传播学博士教育及其对中国的启示[J].新闻大学，2010（3）：83-93.
⑩Rainie， L. & Anderson J.Q. Code-Dependent： Pros and Cons of the Algorithm Age[R].
http：//www.pewinternet.org/2017/02/08/code-dependent-pros-and-cons-of-the-algorithm-age/.
作者简介：王茜，郑州大学新闻与传播学院讲师、博士
编辑：白 洁