2025年大学新闻与传播专业基础考研真题及答案.docxVIP

2025年大学新闻与传播专业基础考研练习题及答案

一、名词解释（每题6分，共30分）

1.生成式AI新闻生产

指基于生成式人工智能技术（如GPT-4、文心一言等大语言模型）的新闻内容自动化生产过程。其核心是通过算法学习海量新闻语料库，模拟人类记者的语言逻辑与叙事结构，生成包括消息稿、数据简报、体育赛事总结等标准化新闻文本。与传统AI辅助写作（如自动抓取数据生成简讯）不同，生成式AI可实现复杂场景下的语义理解与创造性表达，例如根据用户提问生成个性化新闻解读。但该模式面临真实性验证、版权归属（如训练数据来源合法性）、情感表达机械性等伦理挑战，目前多应用于低复杂度、高时效性新闻领域（如财经快讯、赛事实时报道）。

2.媒介化社会

由德国传播学者赫普（AndreasHepp）提出的理论概念，指社会生活的各个领域（政治、经济、文化、日常交往等）深度依赖媒介技术与媒介逻辑，媒介不再是信息传递的“工具”，而是重构社会关系与行为模式的“基础设施”。其核心特征包括：社会行动需通过媒介平台展开（如政务服务“一网通办”、社交依赖微信/WhatsApp）；媒介逻辑（如流量优先、可视化偏好）渗透至非媒介领域（如学术会议采用直播形式、企业营销以短视频为核心）；个体身份建构与社会认同高度依赖媒介表征（如社交媒体人设塑造、网红经济中的“数字分身”）。媒介化社会的形成标志着传播研究从“媒介影响社会”转向“社会本身即为媒介化过程”。

3.数据新闻伦理

指数据新闻生产全流程中需遵守的道德准则与行为规范，重点关注数据采集、分析、可视化与传播环节的伦理风险。具体包括：（1）数据采集阶段的隐私保护（如避免未经授权抓取用户位置、消费记录等敏感信息）；（2）数据分析阶段的客观性保障（如防止选择性使用数据、掩盖数据偏差）；（3）可视化呈现阶段的误导性规避（如避免通过图表缩放、颜色对比夸大或弱化数据趋势）；（4）传播阶段的责任追溯（如明确数据来源与算法逻辑，防止“数据黑箱”导致的公众误解）。典型案例为2023年某媒体发布“城市幸福感指数”时，因未披露样本覆盖偏差（仅采集高收入群体数据）引发的舆论质疑，凸显数据新闻伦理的实践紧迫性。

4.沉浸式传播

以虚拟现实（VR）、增强现实（AR）、混合现实（MR）等技术为支撑，通过多感官（视觉、听觉、触觉甚至嗅觉）交互构建“在场感”的传播形态。其核心特征是打破传统传播的“传-受”主客体界限，用户从被动接收者转变为“参与式体验者”。例如，2024年巴黎奥运会期间，NBC推出的VR赛事直播允许用户“置身”赛场任意视角；新华社“媒体大脑”开发的AR红色文旅项目，通过叠加历史影像让用户“回到”革命现场。沉浸式传播不仅提升信息接收的代入感，更可能重构叙事逻辑——传统线性叙事被“可交互、可选择”的分支叙事替代，传播效果从“认知影响”延伸至“情感共鸣”与“行为驱动”。

5.全球传播中的文化折扣

由澳大利亚学者霍斯金斯（ColinHoskins）提出，指不同文化背景的受众因价值观、生活方式、语言习惯差异，对异文化内容的接受度降低的现象。在数字时代，文化折扣呈现新特征：（1）内容层面，强文化特定性内容（如涉及宗教仪式、地方习俗的短视频）折扣率更高；（2）技术层面，算法推荐的“文化过滤”可能放大折扣（如英语内容在全球平台的传播优势挤压非英语内容）；（3）应对策略层面，“去文化特定性”改编（如迪士尼将《花木兰》中国背景简化为普世“女性成长”叙事）或“精准文化适配”（如TikTok针对东南亚用户推送含本土明星的中视频）成为常见解决方案。2024年国产剧《长安十二时辰》在阿拉伯国家的低播放量（因未适配伊斯兰文化禁忌）即为典型案例。

二、简答题（每题15分，共30分）

1.简述算法推荐对新闻生产的双重影响

算法推荐对新闻生产的影响需从“效率提升”与“生态异化”两维度分析：

积极影响：（1）生产流程优化。算法通过用户画像（如年龄、地域、阅读偏好）精准识别内容需求，指导记者选题（如某地区用户高频搜索“暴雨预警”，则优先生产本地化防灾指南）；自动抓取、清洗与分析数据（如财经新闻中实时股价、行业报告），降低记者基础信息收集成本。（2）传播效果可量化。通过点击率、停留时长等数据反馈，新闻机构能快速评估内容质量，形成“生产-传播-优化”的闭环（如某民生新闻因评论互动率高，衍生出系列深度报道）。（3）长尾内容激活。算法打破传统媒体“头部内容优先”逻辑，小众但高匹配度内容（如方言文化、冷门非遗）可通过精准推荐触达目标受众，拓展新闻内容的多样性。

消极影响：（1）内容同质化。算法对“流量爆款”的模仿式推荐（如“标题党”“情绪煽动”内容因高点击率被重复生产）导致新闻内容趋同，削弱媒体的原创性与公共性。（2）信息茧房强化。用户长期接收算法推