從實踐賦能到體系構建：數智技術深度應用的創意傳播課程教學升級再造

摘要

人工智能技術正在高速發展的同時全面滲透廣告生態的全鏈條，以其強大的統計、分析、整理、復制等優勢賦能標準化的廣告工作。然而，人工智能在創意、倫理等方面仍有一定局限性。廣告專業人才培養需更重視創意，并強化戰略思維和基礎知識以培養人機協作能力。在北京大學十年探索的基礎上，2024年啟動的“創意傳播管理教育創新項目”面向真實行業需求，引進互聯網技術平臺及公益實戰場景，協同多所高校共建，從實踐賦能到體系構建，深入探索基于數智技術深度應用的專業課程教學升級再造。

關鍵詞

人工智能 廣告教育 創意傳播實踐 公益傳播

Abstract

While artificial intelligence technology rapidly advances and permeates every facet of the advertising ecosystem, it empowers standardized advertising workflows with formidable capabilities in statistics, analysis, organization, and replication. However, AI still exhibits significant limitations in creativity and ethics. This reality necessitates a refocus on cultivating creativity in advertising education, strengthening strategic thinking and foundational knowledge to foster human-AI collaboration. Concurrently, practice-oriented teaching aligned with real market demands remains indispensable. This course, developed through collaboration with multiple universities, integrates internet technology platforms and public welfare project scenarios. It has demonstrably enhanced students’ comprehensive creative competency and professional quality of “Creativity for Good” in the AI era.

Keywords

Artificial intelligence Advertising education Creative communication practice Public welfare communication

利用技術和數據來驅動廣告創意傳播并不是新近數十年由媒介技術快速變革才卷起的浪潮，而是百余年來廣告業發展和進化的線索之一。早在20世紀20年代，美國科學派廣告的代表人物克勞德·霍普金斯就提出了基于科學測量方法和量化結果導向的廣告策略，構成了傳統大眾媒體時代數據驅動營銷傳播的樸素實踐。90年代以后，隨著互聯網和數字廣告的高速發展，海量的用戶行為數據持續推動著計算廣告的精準匹配、自動投放和優化升級。近年來呈爆發式增長的人工智能全面滲透廣告業，大大提高了市場洞察、創意生產、媒介投放與效果評估等各個環節的效率，以其強大的數據推理和內容生產能力精準鏈接品牌與消費者，實現廣告行業的無人化智能運作。

人工智能的進步和加速鋪開促使整個廣告業界與學界重新思考技術浪潮中廣告專業從業者的位置和價值。一方面，人工智能成為廣告活動的必答題，包括創意人、廣告主、互聯網平臺等在內的廣告活動的所有主體均無法拒絕人工智能的浪潮。另一方面，人工智能又在擠占整個廣告生態系統中人的生存空間。而廣告主越發高漲的對于數據、效果、ROI的極致追求也正在進一步擴大機器和人工智能在廣告活動中的話語權。除此之外，文科整體式微大潮下高校廣告學專業的轉型或撤銷也在某種程度上顯化了市場對于未來以智能機器而不是人力資源為中心的廣告生態的想象。目前的人工智能到底如何滲透并改變著廣告生態，廣告專業人才培養如何做出相應調試，是當下亟待回應的教育命題。

1 計算驅動：人工智能變革廣告生態

無需贅言，廣告尤其是數字廣告作為互聯網商業模式和數字經濟的基礎設施，連接著用戶—內容/服務—品牌，驅動著流量變現和價值循環。因此，廣告本身不僅不會因人工智能的高度發達而衰退，反而會乘此東風而加速發展。而人工智能對廣告業態的全面侵入，或可在解放大量機械工作之后創造一個營銷傳播新時代。而這個過程也必然攜帶著值得反思的進步和發展的反面。

1.1 機械模擬與創意局限

已有大量分析和研究探討了人工智能在廣告行業的全鏈條應用。生成式人工智能可以通過快速運算，將以往漫長、繁復的市場調研、資料收集，加整理匯總、頭腦風暴的廣告創作過程縮短到幾分鐘，極大提升時間效率。[1]而在廣告內容創作領域的應用只是人工智能滲透廣告行業的一個顯在的部分。借助大數據的深度分析和智能化技術，人工智能能夠實現從用戶洞察到用戶畫像，到內容生成，再到智能化分發及評估的全鏈路優化。[2]在分析洞察階段，人工智能可以比人力更為高效地分析海量數據，精準識別消費者行為、市場趨勢，甚至預測未來趨勢。如電通中國開發的MIXER能夠依據輸入的請求，基于對亞太多個地區的消費動態、社交情緒、電商數據等的學習和分析，快速提供快消新品的開發方案。在內容創意階段，人工智能不僅可以提供思路和靈感，還能夠生成各類廣告素材。這也是各大廣告創意代理機構主要入局的人工智能領域。在媒介投放階段，人工智能一方面可以實現大數據的精準定向，同時也具備實時優化廣告競價和投放策略的優勢。在效果監測階段，人工智能可以更準確且快速地追蹤廣告效果，識別哪些因素促成了轉化，并進行多觸點的歸因分析和優化。后兩者是巨量引擎、磁力引擎、聚光等依托新興的互聯網平臺而成長起來的廣告機構更為擅長的領域。

在此基礎上，可見的未來則是人工智能支持下的廣告活動從分析市場數據到自主內容策劃、生產、投放、評估，再到下一輪的分析洞察，形成一個自動化運作的閉環。如人工智能廣告平臺Icon聲稱可以基于廣告市場的自主調研數據，每天自動生成100條廣告，并進行投放、優化的循環。Icon通過分析數百萬個數據點來生成三類廣告。第一類是分析并克隆競爭對手的成功廣告，涵蓋訴求點、文案、圖像、版式設計等各方面。第二類是從社交媒體、品牌官網等渠道抓取受眾反饋數據，從中發掘出新的廣告概念，并依據品牌調性生成相應的廣告素材。第三類是品牌自身廣告的優化和迭代。這些廣告素材只要點擊上傳即可上線。而通過授權的自動操作，Icon可以自主進行全天候的廣告活動循環，將單則廣告的成本從200美元降低到1美元。不難想象，這種自動化的廣告運營模式將不會局限于電商平臺、社交媒體等渠道，也不會止步于平面廣告這種單一形態。

人工智能在推動廣告降本增效層面的意義不容忽視，但其在廣告創意生產中的局限性也顯而易見。首先，目前的人工智能仍處于以數據驅動的弱人工智能階段，本質上是遵循一定的邏輯與規則，以“計算”為特征的模擬智能。[3]也就是說，現階段的人工智能是對已有的數據進行挖掘和分析，在一定范圍內重組這些知識，并模擬人類的智能，給出一種最相關的結果向外輸出。因此，人工智能是既定體系內部的計算，很難突破已有的知識，產出具有顛覆性的創意，更多的是對已有資料的模仿和組合，尤其是對過往成功經驗的復制和強化，其創意的靈光只是數據隨機性的體現。因此，依賴人工智能必然走向同質化和平庸。而擺脫同質化，獲得個性和突破性的觀點，是廣告最為關鍵的任務之一。其次，現階段的人工智能仍僅是一種運算或程序，缺少自身意向性或理解力。[4]人工智能沒有主體動機和立場，它不生產鮮明的觀點。其結果也只是一種無意識的篩選和拼貼，不具有任何構成意義的目的。因此，它可以依據相關性生產卻不理解結果的因果聯系，攜帶荒誕的幻覺，仍依賴人的指令和把關。

可以預見的是，人工智能所擅長的統計、整理、分析、復制等能力將進一步滲透到廣告行業的各個角落。在其強大的降本增效能力之下，標準化、機械性、日常性的效果廣告和常規創意執行將逐步走向機器化、半自動化，甚至完全自動化，并與非日常且亟須打破常規的品牌大創意拉開更遠的距離。這也意味著廣告行業將整體上從資源、人力驅動，轉向數據、算法驅動和人才集約化。

1.2 一人千面的深度原生

除了創造差異性和獨特的個性以外，廣告一直以來的另一個普遍目標是降低“廣告感”，減少受眾的反感，提高其對廣告的接受度，也就是實現廣告的原生化。傳統的原生廣告，如信息流廣告、搜索引擎廣告等，在內容、形態等方面都努力與平臺的自然內容保持相像，讓用戶感覺它不是一則突兀的廣告，而是平臺自身內容的一部分。在人工智能的影響下，廣告的原生化將進一步深入，不僅深度融入內容之中，更是實時生產、高度個性化和精準匹配的。

關于生成式人工智能的回答中疑似嵌入了廣告的爭議已成舊聞。[5]一方面，人工智能給出的回答中涉及了具體的品牌、產品和推薦理由。另一方面，技術開發人員聲稱其結果并非主動植入，而是人工智能依據網絡數據分析得出的結果。同時，人工智能相關的搜索優化服務已經逐漸鋪開，品牌或將通過大量生產結構化的知識，提高其在人工智能輸出結果中的可見性。這也意味著，廣告將切實隱匿于內容之中。若相關服務轉向商業化，其出現可能會伴隨著強制性的廣告標注，但這依然可視為人工智能影響下廣告深度原生化的開端。

在人工智能強大的數據計算和內容生產能力的推動下，廣告的深度原生將首先體現為原生廣告的實時生成。目前，廣告在內容中的植入已可以做到實時優化控制。廣告服務商Mirriad提供的人工智能驅動的虛擬產品植入（Virtual Product Placement, VPP）服務，能夠經由智能計算將品牌和產品動態化植入到已有的視頻、音頻內容中，在不影響內容體驗的情況下，實現廣告物料的實時露出。比如，原本只是電視劇中一面普通的墻體，但在受眾打開并觀看到的一瞬間，這面墻上就會出現相應品牌的巨幅海報。或者，視頻中人物旁邊的桌上本來沒有東西，但在觀看的瞬間會自動出現與整體場景毫無違和感的產品。類似技術繼續發展下去，在視頻、短視頻、音頻、社交媒體等內容消費過程中由人工智能實時生產出完整、獨立、自然化的原生廣告內容也將是順理成章之舉。

另外，這樣的原生廣告也是經由數據計算和精準的受眾畫像而高度個性化的。傳統大眾媒體時代的廣告是千人一面，互聯網時代的廣告是千人千面，人工智能驅動的廣告將實現一人千面。不僅不同的人看到的廣告不同，同一個人在不同時間、場景下看到的廣告也將有所差異。人工智能將基于更深層次的語義理解和語境關聯，精準匹配上下文，進行預測性分析和生產投放，在受眾與內容遭遇前的瞬間，以毫秒級的速度根據其習慣和歷史數據呈現出高度個性化的原生廣告內容。屆時，這樣的廣告或將更為自然地融入到整體的內容生態之中，切實滿足用戶潛在的內容消費需求或提升整體的平臺使用體驗。而它是否仍應被冠以“廣告”之名并進行標記或許也將不再那么毋庸置疑。

1.3 AI泡沫與倫理風險

與此同時，人工智能快速侵入廣告行業也帶來了一系列值得警惕和反思的問題。

首先，在前所未有的人工智能熱潮之下，隱約可見一片多重來源的泡沫。資本層面，大量資金涌入人工智能領域，市場對于人工智能的顛覆潛力懷抱巨大期待，但人工智能的實際產出卻并沒有達到預期的水平。高盛在2024年6月的報告《生成式人工智能：花費甚高，收益甚少》中指出，科技巨頭們未來幾年會在人工智能領域投入超過1萬億美元的資本，但迄今為止收效甚微。[6]同時，也有諸如人工智能程序開發平臺Builder.ai靠程序員手動操作和財務造假達到最高15億美元估值的龐氏騙局。類似的資本泡沫風險同樣值得廣告行業警惕。信任層面，人工智能被廣告界賦予了一種“技術烏托邦”的焦慮和想象。雖然現階段人工智能已經在創意內容生產、智能投放優化等諸多方面推動著廣告的變革，但現實中人工智能仍普遍存在著理解能力有限、內容質量不穩定、違和感強、高度同質化等諸多尚待突破的技術局限和仍需人力完成的任務。

其次，在人工智能所攜帶的巨大利益誘惑面前，人的位置太過迅速地讓位于技術，一定程度上成為新一輪產業轉型的代價。2023年4月，藍色光標為全面擁抱AIGC停止創意設計、方案撰寫、文案撰寫、短期雇員四類相關的外包支出。2025年6月，奧美在人工智能日益增長的助推下決定在全球裁員5%。谷歌、Meta等科技巨頭的廣告相關業務板塊也有改組或精簡團隊的動作。這一方面在某種層面上是需要警惕的人工智能信任泡沫，另一方面也對廣告專業人才的培養提出了頗為急切的轉型要求。當然，每一輪技術革命都不可避免地要改變人力結構，我們也始終有理由相信人本身的彈性和對環境變化的適應能力。

除此之外，人工智能本身所潛在的虛假信息、偏見與歧視、隱私侵犯、版權歸屬等倫理問題也可能會在廣告行業的應用中被進一步放大。如前文所述，現階段人工智能的內容生產能力雖然可稱強大，但其結果只是基于大量數據的計算和拼貼，其可能編造的虛假內容將違背廣告真實誠信的基本要求。而未來人工智能技術驅動之下的或可來自虛擬社交賬戶的原生廣告是否構成虛假也是值得探討的問題。同時，人工智能大大降低了故意偽造虛假內容的成本，提高了消費者和品牌自身的風險系數。另外，由于大模型的訓練往往依賴于海量未經篩選的數據，算法在學習過程中繼承甚至強化的性別、種族、年齡等偏見一旦投射到廣告之中，將造成更深層次的社會問題。此外，由于廣告的商業屬性，人工智能對隱私數據的侵犯，其生成的內容也更易引發版權相關的法律糾紛。因此，盡管人工智能將帶來廣告行業的整體性升級，其背后潛藏的冒進和相關倫理風險等也不能被忽視。

2 以人為中心：廣告教育回歸大創意

面對人工智能的加速入侵，廣告生態正在大踏步邁向數據化、自動化、智能化。在信任泡沫的加持下，人工智能或將快速賦能部分相對基礎和標準的數據分析、設計執行、客戶服務等工作任務，帶來廣告人力結構的整體變化。而從長期來看，人的創意和把關能力始終不可或缺，廣告行業發展和廣告專業教育都應在關照機器能力的同時，堅持以人為中心。

2.1 回歸創意：廣告的天花板

在人工智能熱火朝天的討論的另一頭，是真正打動市場的大創意的日漸匱乏。基于前文所述的人工智能的局限，這或許也可視作廣告業積極擁抱人工智能的負面影響之一。雖然創意被稱為“舊元素的新組合”，似乎與人工智能從海量數據中進行挖掘和組合的邏輯一致，但“舊元素的新組合”也只是一種經驗觀察。現有神經科學的研究并未完全探明人腦的奧秘[7]。更何況，人工智能依賴于對人類已有成果的學習和模仿，如果沒有人的持續創新創造，人工智能也難談持續性的生產力。因此，更為現實的可能是人工智能將人從簡單、標準、日常的工作中解放出來，為人提供更多進行高階創意生產的空間，從而形成一種更為正向的循環。從這一角度出發，廣告教育也應回歸到創意這一基點上來。

創意一直以來都被視為廣告的靈魂。作為人工智能的某種反面，創意也成為人的不可替代性和廣告價值的天花板。真正決定廣告高度的大創意不僅是對市場趨勢的分析和洞察，也源于對人類生存狀態、文化脈搏和社會情緒的敏銳捕捉和創造性表達，而后者仍是數據和算法難以觸及的領域。因此，廣告教育應深化基本創意理論和傳播素養的知識根基，拓展跨學科知識視野以提供思維碰撞的養料，并引導學生深入社會肌理進行細致入微的觀察和體認。尤為關鍵的是，創意能力的培養必須帶領學生樹立正確的技術觀念，回歸人文，創意向善，將技術力量導向公共價值。正如百度《AI尋根連接愛》利用人工智能分析海量方志和家譜幫助海外華人尋根，快手《LIVE AGAIN 重生ID》利用人工智能合成已逝用戶的聲音進行高原安全科普等廣告案例所體現的，在技術至上的洪流中，人的價值始終占有一席之地，技術也始終應為人的創意所掌舵。

2.2 人機協作：強化基礎能力

由于人工智能的優勢與局限，以及人的不可替代性，人機協作將會是未來相當長的時期內廣告生態運作的基本模式。因此，廣告專業教育應著重培養人與機器協同工作的思維與能力，包括戰略思維、基礎知識，以及技術應用能力等。

戰略思維是人工智能時代廣告人才必不可少的支柱能力。人工智能雖然能處理海量數據并提供參考的結果，但是它需要聽從一定的指令，并且不做價值判斷，也不承擔相應的責任。從宏觀上對廣告活動進行整體謀劃、設定目標、制定策略并預判風險等，仍需要人來判斷和把關。而這種高階任務要求對品牌與消費者的深邃洞察、對市場動態的深刻理解和對宏觀環境的總體把握。因而，廣告人才培養可進一步整合管理學、心理學、社會學等學科的知識框架和理論模型，為學生提供全面理解市場環境的視角，助其掌握戰略規劃的方法論。同時，在教學中融入真實的案例拆解與分析訓練，提高學生面對復雜行業問題的高維決斷力。

有效的人機協作要求廣告專業人才具備扎實的基礎知識。人工智能潛力的充分發揮，高度依賴清晰精準的指令輸入以及專業的評估校準。同時，深厚的專業知識積淀也能夠確保人不被技術牽著鼻子走。因此，廣告專業教育一方面要強化廣告學科的基礎知識，包括廣告發展史、品牌管理、廣告策劃、廣告文案、消費者行為學、廣告倫理與法規等，建構起學生理解行業基本運作規律的框架。另一方面，也應適當強化創意與設計基礎，如廣告創意與表現、視覺傳達原理、美學素養等，奠定學生的創意表達與審美判斷力。

技術應用能力是高效人機協作的基本要求。但廣告高等教育不是簡單的工具培訓，學生理解智能工具的應用邏輯并掌握操作方法只是基礎。除此之外，還應具備流程設計思維，清晰界定特定任務中人與機器的分工界面，創新工作流。同時，也應發展出批判性思維和校準能力，敏銳識別各類潛在的倫理和價值風險，以專業智慧使用技術工具，確保廣告始終維護社會公共利益。

2.3 實戰訓練：面向行業需求

長期以來，廣告專業教育的一個突出問題便是與業界實踐的脫節。人工智能浪潮的沖擊，使得這一問題暴露得更為徹底，形勢也更為嚴峻。高校教育體系與行業實踐之間本身就存在一定的反應時間差，人工智能技術的高速發展和全面鋪開，以前所未有的速度擴大了高校的教學理念、師資結構、教材體系、技術設備等關鍵教育資源與行業真實需求的鴻溝。因此，廣告專業教育必須堅定地面向實踐，使學生真正具備勝任智能化廣告生態的職業素質和工作能力。

一方面，優勢高校可以主動打破圍墻，與頭部科技公司、創意代理機構、數智媒介平臺，以及兄弟院校等聯合，搭建資源互通、項目共擔、理論共建的教育共同體，從而將真實的行業命題和前沿的智能工具引入課堂，以項目制為驅動，讓學生在行業實戰中得到專業上的鍛煉，并獲得真實的市場反饋。另一方面，缺乏相關改革條件的院校，也可以通過前沿案例教學、業界導師工作坊、相關專業競賽等實踐型教學方式讓學生在盡可能真實的業務場景中，將高階創意、戰略思維、基礎知識、工具運用與人文素養熔鑄成系統性的廣告專業能力。

3 體系構建：創意傳播實踐課程的探索

創意傳播實踐課程以通過實踐項目訓練學生的綜合創意應用能力為目標。面向人工智能浪潮的全面襲來，課程積極進行改革探索，以回歸創意、強化人機協作能力、面向行業需求等為基本導向，致力于培養兼具技術與人文素養的高素質廣告創意人才。

2025年春季學期，中國人民大學創意傳播實踐課程以北京大學新聞與傳播學院發起的“2025創意傳播管理教育創新項目”為依托進行了再次改革升級。經由公益項目實戰和前沿的人工智能應用訓練，學生的創意視野、戰略思維、技術應用能力等均得到了有效提升。

3.1 課程設計

創意傳播實踐課程作為廣告學專業的核心必修課《全媒體傳播實驗》工作坊的一部分，安排在本科二年級春季學期，共16學時。課程之前，學生已修習了部分專業基礎課和核心課，如廣告學概論、廣告策劃、廣告文案、視聽傳播實踐等，具備了全面介入實踐的基礎。2025年，該課程在以下三個方面進行了創新設計。

開放平臺搭建。課程整合高校教育資源、互聯網技術平臺及公益組織實踐場景，打造了多元開敞的教學場域。在北京大學新聞與傳播學院的支持下，不同高校之間實現了教育資源、經驗的共享。來自不同學校的同學也有了相互學習和碰撞的機會。接入抖音、巨量引擎等平臺，讓學生以公益項目為命題，不僅提供了真實的智能投放與優化訓練，也讓即時的學習反饋成為可能。

公益創意實戰。課程引入了“圓鄉村兒童足球夢”“星球計劃”“銀杏家園”“一個微笑守護計劃”四個數字公益實戰項目，聚焦老年照護、鄉村體育發展、唇腭裂兒童救助等社會公益命題，讓學生跳出封閉的大學生活圈，在真實的社會肌理中錘煉人文洞察，深切植根于社會脈搏而不是庸常的流量公式孕育真正的大創意。

人工智能應用。除了巨量引擎智能投放平臺之外，課程引入了即夢等人工智能工具，使學生的技術應用能力得到了充分鍛煉。同時，課程強調整個項目必須以人的戰略指導和創意規劃為中心，引導學生樹立人機協作的批判意識，警惕技術倫理風險，成長為技術的駕馭者而不是被馴服者。

3.2 教學流程

課程的展開大致可分為理論學習、項目實戰、考核復盤三個階段。其中，理論學習與項目實戰交叉進行，以提升課程進行的效率和學生的學習密度。

理論學習。夯實廣告創意傳播的基礎知識才能推動有效的人機協作。理論知識學習的部分包括創意傳播管理理論、經典創意理論、平臺原理等。創意傳播管理理論順應大數據、人工智能等技術的快速推進，提出了以“數據化”“智能化”“動態優化，品效合一”為特點的廣告操作模式[8]，為學生的創意實戰提供了基本的戰略路線圖。重溯經典創意理論，如獨特的銷售主張理論（USP）、品牌形象論（BI）、定位理論、共鳴理論等，并思考其在當下廣告生態中的適用性，幫助學生建立了評判廣告創意價值的坐標系。平臺原理部分由平臺業務專家進行講授，主要包括短視頻平臺的推薦邏輯、智能投放平臺的算法與使用方法、數據指標的解讀、平臺內容審查規范等。

項目實戰。實戰過程大體可分為命題發布、內容創意、投放優化三個步驟。各公益命題由相關組織負責人向學生說明基本信息、傳播目標和注意事項等。之后，學生組建創意小組赴貴州榕江、內蒙古四子王旗、河南鄭州、北京密云及門頭溝等地展開實地調研，并結合相關文獻、資料、數據等進行充分的創意激活。在得到核心大創意之后，學生小組在人工智能工具的輔助下完成創意短視頻內容的制作。投放優化階段，學生將制作完成的短視頻素材通過巨量引擎的智能投放平臺在抖音進行傳播，并根據數據反饋對內容本身和投放策略進行即時反饋和修正。在此過程中，學生不僅掌握了智能工具的使用方法，也破除了對于數據和算法的迷思，發現某些情況下人工調整定價比自動投放更為有效。

考核復盤。在設定的傳播期限結束之后，課程進入考核階段。學生小組首先對整個項目的進行過程與結果進行復盤和提報展示。學生成績考核的基本依據是創意小組最終實戰投放的數據結果，占比約為50%。除此之外，課程專任教師、平臺專家、創意導師、公益組織負責人等組成的教學團隊對每個學生的課堂參與、實踐過程、提報展示等進行專業評價，占比約為30%。另外，小組學生互評占比20%。多元的評價機制充分調動起學生全程參與實戰訓練的積極性。

3.3 課程實效

創意傳播實踐課程通過真實的公益項目實戰和前沿的人工智能技術支撐，充分訓練了學生的高階創意能力、戰略分析能力、數據研判能力等，并導向了正向的技術認知和倫理追求，是廣告專業教育積極適應人工智能浪潮和廣告行業變革的有益探索。

4 總結與展望

人工智能的高速發展推動著廣告行業和廣告人才培養體系的整體性變革。從當下廣告生態的適應性變化中可以推測，未來人工智能將憑借其強大的數據分析與模仿能力進一步優化標準、日常、規范的相關工作，并將人推到更高階的戰略研判和創意生產的位置上。同時，人機協作將是很長一段時間內廣告行業的基本工作方式。基于此，創意傳播實踐課程依托多元開敞的教育平臺（“教育創新項目”），通過包含人工智能應用的公益項目實戰切實提高學生的綜合創意能力和面向行業需求的實操技能。面向未來，從實踐賦能到體系構建，基于數智技術深度應用的創意傳播課程教學也將持續迭代，升級再造。

作者簡介

王樹良，中國人民大學新聞學院廣告與傳媒經濟系主任，教授，博士生導師

謝軍，中國人民大學新聞學院2023級博士研究生

趙小曼，中國人民大學新聞學院廣告與傳媒經濟系副教授，碩士生導師

參考文獻