以智能一體化為目標的高校“智能廣告”課程系知識圖譜建構

摘要

當前“智能廣告”相關課程大多存在的教學內容滯后于行業實踐、知識體系沿襲傳統廣告流程、AIGC僅被作為局部工具點綴等突出問題。為系統回應上述挑戰，本研究構建了“理論－產業”雙鏈知識圖譜，形成五大高頻知識點聚類，推動課程結構從割裂走向融合。該圖譜旨在提升教學與行業發展的同步性，加強知識模塊之間的關聯性，并幫助學生構建更清晰的認知地圖，從而主動契合智能廣告一體化運作的產業趨勢。目前，該知識圖譜已完成架構搭建，其對學生系統思維與實戰能力的具體影響，有待后續通過大規模實證研究與專家加權評估進一步驗證。

關鍵詞

智能廣告課程系 知識圖譜 智能一體化

Abstract

The current curricula related to “Intelligent Advertising” are largely plagued by several prominent issues: the lag between teaching content and industry practice, the knowledge system’s adherence to traditional advertising procedures, and the fact that AIGC is merely used as a localized tool for embellishment. To systematically address these challenges, this study constructs a “Theory-Industry” dual-chain knowledge graph, which organizes the content into five high-frequency knowledge cluster categories, thus promoting a shift in the course structure from fragmentation to integration. This graph is specifically designed to enhance the synchronicity between teaching and industry development, strengthen the connections between different knowledge modules, and assist students in building a clearer cognitive map, thereby proactively aligning with the industry trend toward the integrated operation of intelligent advertising.

Currently, the preliminary architecture of this knowledge graph has been established. Its specific impact on students' systematic thinking and practical capabilities awaits further verification through large-scale empirical research and expert weighted evaluation in subsequent studies.

Keywords

Intelligent Advertising Curriculum System Knowledge Graph Intelligent Integration

2023年以來，生成式人工智能（Generative Artificial Intelligence）所帶來的顛覆式創新，在廣告領域展現出廣闊的發展前景，推動國內高校廣告專業陸續開設智能廣告相關課程。

智能廣告（Intelligent Advertising）在傳播學意義上指的是廣告經營者在其產品、服務與消費者之間，利用人工智能進行的高度自動化的信息處理[1]。然而，當前相關課程大多存在內容更新滯后于行業變革、教學案例脫離真實商業場景的突出問題。其知識體系大多仍沿襲傳統廣告流程，僅將AIGC工具作為局部點綴，或簡單介紹程序化廣告概念和模式，導致學生知其然不知其所以然，難以形成應對復雜產業環境的系統性思維。

1 智能一體化運作與課程體系重構的時代命題

目前，智能化內容生產主要集中在廣告創意與表現、廣告投放與反饋兩大環節，也就是說智能技術嵌入廣告內容生產流程是局部性而非整體性的[2]。業界期待在6G乃至7G基礎性技術的支持下，以程序化廣告的基本技術框架為依托，形成一個更為完整的廣告一體化運作的“閉環”[3]。智能一體化運作意味著由數據實時驅動創意、由技術中臺支撐轉化、跨職能自動化協同，將整個營銷鏈路整合為一個有機的、智能驅動的閉環。

然而，目前高校的傳統廣告學課程體系往往難以實現傳播學、計算科學，以及業務應用的深度融合，導致人才培養與業界需求存在顯著錯位。例如，頭部科技企業對“廣告算法工程師”的招聘要求強調具備優秀的程序開發能力、具有扎實的機器學習基礎，掌握圖像生成的基本原理并有相關實踐，利用LLM生成和改寫廣告文案，并能融合數據思維、產品思維和良好的理解溝通能力。這種融合型人才的缺乏，已成為制約行業發展的瓶頸。學界已注意到這一問題，在科研上不斷推陳出新，豐富了廣告相關理論在大數據時代的發展；在教學上以中國傳媒大學為代表開設了計算廣告專業，并同步重構學科知識體系，期待能適應效率和價值的迭代，應對行業對技術與創意融合人才的迫切需求。

智能一體化運作依賴于統一框架下多維度信息智能化處理與生成，涉及廣泛的知識和技術體系。我們將廣告產業運作的機制、方式、工具、變化等納入教學框架，使智能一體化既成為課程系設計的方法，又成為培養體系建設的目標[4]。

因此，智能廣告的知識邊界已從傳統廣告學的市場營銷、新聞傳播、社會學交叉，深度融入計算機科學、數據科學、認知心理學、機器倫理學等。面對如此龐大和復雜的知識體系，迎接知識迭代速度快的挑戰，本研究提出以知識圖譜（Knowledge Graph, KG）技術為核心，重構智能廣告課程體系。作為一種結構化的語義網絡知識庫，知識圖譜是由知識框架和實體數據共同構成，能夠以結構化、關聯化、圖形化和可視化的方式呈現多元異構的信息。當代知識圖譜技術主要體現在知識表示、知識庫建設、知識推理和知識應用等方面[5]。簡言之，學科知識圖譜能夠準確、動態地可視化學生的知識狀態和概念間的結構關系，從而為教師提供數據支持，并及時預測學生的學習困難。因此，知識圖譜是實現個性化和自適應學習推薦的技術基礎。通過構建學科知識圖譜，課程設計能夠突破傳統線性教學的限制，實現對學生學習情況的精確診斷，進而為教師開展多元化教學評價、實現因材施教提供有力支持；還可揭示知識領域的動態發展規律，為研究提供切實的、有價值的參考。

本研究在中外學術前沿文獻的基礎上，梳理了騰訊研究院、Quest Mobile最新的行業市場報告，并通過對字節等頭部企業招聘需求的分析，鎖定課程系必須涵蓋的關鍵技能。嘗試通過構建五大高頻知識模塊的聚類和“理論－產業”雙鏈知識圖譜，將人工智能技術深度融入課程教學的全過程，以期實現知識傳授、能力培養與產業需求的無縫對接。

2 “智能廣告”課程系知識圖譜的構建流程和聚類分析

2.1 知識圖譜的常規構建流程

（1）知識概念提取：基于智能一體化目標，主要從權威教材、行業報告、學術文獻中進行信息抽取和術語提取。

（2）關系定義與本體構建：定義概念間的語義關系并以圖結構實現，例如定義數字廣告、計算廣告、智能廣告之間的區別與聯系；計算廣告與廣告競價機制之間的包含關系；定義深度學習與特征工程之間的支撐關系；以及定義“RAG”與“智能體檢索”之間的應用場景關系。

（3）專家審核與校準：由廣告傳播、計算科學等領域專家對提取的知識概念和關系進行權威性、時效性和可行性審查，確保圖譜結構的準確性。

（4）可視化與集成：利用如Echart.js等工具對知識網絡進行可視化展示，并將其集成到學習元平臺，以實現與在線課程資源的關聯和統一管理。

2.2 智能廣告課程系的知識模塊聚類分析

基于對學術前沿、行業市場和招聘需求的文本進行命名實體識別，研究提取出以下五大高頻知識點聚類（圖1），它們構成了以智能一體化為目標的課程系核心知識模塊，旨在培養學生的技術建模、商業洞察和倫理素養。

圖1 智能廣告五大高頻知識點聚類

聚類#1智能廣告理論與原理，包含計算廣告、智能傳播、廣告效果評估、用戶行為/認知量化、數據驅動的廣告理論發展，是確立智能時代廣告理論的基石。聚類#2智能算法與模型實踐，包含機器學習（ML）/深度學習（DL）、統計學習、特征工程、信息檢索、多場景多任務建模、冷啟動推薦；目的是培養扎實的算法建模和編程能力，解決高價值業務場景的實際問題。聚類#3生成式AI與前沿應用，包含推理大模型、端側大模型、RAG （檢索增強生成）、多模態信息檢索、智能體檢索、個性化內容生成；目的是掌握前沿技術在內容生成、創意優化和AI營銷系統中的應用。聚類#4跨媒介運營與整合策略，包含移動端優化、OTT/智能硬件營銷、跨平臺聚合、內容種草、全場景體驗閉環、曝光與轉化平衡、流量成本管理……目的是實現跨平臺、高效率、ROI導向的營銷策略。聚類#5數據倫理與安全治理，包含數據安全、AI治理、行業透明化、用戶隱私保護、廣告法規；目的是培養數據合規性意識，應對政策監管，確保算法應用的可信賴性。

這五大聚類并非孤立存在，而是通過知識圖譜中的語義關系緊密聯系，共同支撐智能一體化運作。例如，聚類#1提供的理論概念是聚類#2進行業務建模的理論指引。聚類#4強調的跨平臺聚合和轉化目標，必須依賴聚類#2和#3的技術支撐才能實現。而聚類#1#2#3#4都必須在數據倫理與安全的約束與規范下。

2.3 知識圖譜的更新

智能廣告相關技術迭代速度極快，知識圖譜的更新機制應內嵌于課程設計，實現數據驅動的自適應調整。系統應持續收集和分析學生的學習時間、交互次數、學習路徑等行為數據，以及最新的行業報告、招聘需求變動等外部行業數據，定期對知識節點和關系進行優化和調整。系統利用這些數據評估教學效果，并支持教師修訂課程教學計劃和優化課程學習資源。在“智能一體化”目標指引下，這一動態更新機制是實現課程的關鍵環節，確保課程的時效性和前瞻性。

3 高校“智能廣告”課程系的理論型知識圖譜構建

五大高頻知識模塊的聚類是課程體系的宏觀結構和內容邊界，而本節建構的理論型知識圖譜是實現知識精確表達和教學應用的微觀結構和技術骨架。兩者共同的目標是解決傳統廣告教育的結構性缺陷和知識時效性問題。

“理論－產業”雙鏈知識圖譜的設計，旨在解決理論教學與產業實踐之間的結構性斷裂問題。其中，理論型知識圖譜源于課程與教材，負責構建學生關于智能廣告的系統性、原理性認知，回應“是什么”和“為什么”的問題。我們以智能一體化為總目標，遵循智能技術從計算智能到感知智能再到認知智能的演進邏輯，對傳統廣告教學中廣告調查與分析、廣告策劃、廣告創意與表現、廣告投放與反饋這四大核心模塊進行重構。每個模塊的理論型知識圖譜具備樹狀結構，一級、二級、三級、四級知識點分別對應樹根、樹干、樹枝、樹葉……逐級分解（如圖2~圖5所示）。通過對每級知識點設置“前置知識點”和“后置知識點”，為知識點增加學習時空邏輯并相互關聯，漸進式形成知識圖譜。每個模塊又設置“關聯知識點”并添加該知識點所需要的其他學科背景，如論文、慕課、行業報告等公開學習資料，以豐富知識維度，確保學生能系統理解智能廣告的運作全貌。

圖2 智能廣告理論型知識圖譜之廣告調查與分析模塊

圖3 智能廣告理論型知識圖譜之廣告策劃模塊

圖4 智能廣告理論型知識圖譜之廣告創意與表現模塊

圖5 智能廣告理論型知識圖譜之廣告投放與反饋模塊

可見，理論型知識圖譜不僅是對傳統廣告流程的重構，更是將五大高頻知識模塊的精髓轉化為可教、可學、可診斷的路徑。各模塊中的知識點可以繼續向下分解，教師可以給知識點預設個性標簽，標明學習難度、重點、關聯知識點等；也可迅速發現某一學生的學習興趣和知識盲區，有助于課堂教學模式從封閉轉向開放，加快教師教學的差異化進程。學生根據自身的興趣和職業規劃，選擇不同的分支路徑，根據自己掌握的情況再次標注，并結合AI工具進行圖譜的個性化改建。系統可根據跟蹤和檢測提供個性化的學習資源推薦和不同難度的學習內容。學生還可以根據診斷結果，自主選擇小組協作學習或主題式小組學習，促進同學間的互補和互助。

圖2~圖5中，計算智能－感知智能—認知智能的分層邏輯，是將智能技術從基礎數據處理，到理解世界，再到生成決策的升維旅程，融入到調查、策劃、創意、投放的四大廣告核心業務模塊，從而培養出融合技術、創意和產品思維方式的復合型人才。

計算智能位于理論型知識圖譜的底層，著力解決如何收集、處理數據和執行規則的問題。它關注的是基礎性的數據工程、算法執行和規范性操作，是所有智能活動的基礎。如在廣告調查與分析模塊，聚焦于數據采集方法論、數據清洗的邏輯與處理流程。這直接映射到宏觀的聚類#2智能算法與模型實踐中所要求的特征工程和數據處理能力。在廣告策劃模塊的“智能目標與預算管理”，側重于將商業目標轉化為可計算的規則。例如，教授預算分配模型、邊際效益遞減規律的計算，以及如何基于營銷漏斗模型與關鍵指標進行目標拆解。這體現了計算智能在策略制定中將宏觀決策工程化的能力。而在廣告投放與反饋模塊的“程序化交易與投放”，是計算智能在實戰中的集中體現。要求學生掌握RTB實戰的流程、出價策略以及投放平臺的自動化規則設置。這些都是依賴精確的計算邏輯和自動化系統執行的知識點。

感知智能位于理論型知識圖譜的中層，著力解決如何理解環境、洞察受眾和評估效果的問題。它依賴于計算智能處理好的數據，利用AI和統計技術對非結構化信息進行解讀，形成洞察，是連接數據處理和高級決策的橋梁。在廣告調查與分析模塊的“從數據到圖像”，利用自然語言處理（NLP）來解讀用戶評論和社交媒體文本，并結合人口屬性與行為體系，將離散的數據點轉化為可感知的、立體的用戶“圖像”。這支撐了宏觀聚類#2智能算法在用戶通用表征方面的應用。廣告策劃模塊的“情感感知與受眾定向”強調如何基于洞察進行精準受眾鎖定。例如，教授Lookalike模型解析的原理，以及如何通過算法發現與現有高價值客戶相似的潛在受眾。這體現了對用戶行為模式進行量化研究后，將洞察應用于精準定向的能力。而在廣告創意與表現模塊的“創意效能評估”，則側重于評估創意元素在受眾端的表現。例如，解讀注意力熱圖以分析用戶視覺焦點，進行品牌認知度、喜愛度等指標的測量，并分析創意與受眾情感需求匹配的程度。這屬于宏觀聚類#4跨媒介運營中內容種草效果的量化診斷。

認知智能位于理論型知識圖譜的頂層，著力解決如何生成新的策略、優化系統和進行最終決策的問題。它利用計算智能的基礎和感知智能的洞察，實現更高階的推理、規劃和優化，以達成“智能一體化”的總目標。廣告創意與表現模塊的“動態創意與策略生成”是宏觀聚類#3生成式AI與前沿應用的核心落地。它不僅要求掌握動態創意優化系統，更要研究AI智能體作為新服務模式的演變，以及如何基于大數據進行創意效能回顧性研究，實現證據驅動的策略生成。在廣告策劃模塊的“策略生成與優化”中，認知智能體現為宏觀策略的制定，例如智能策略與決策模型、歸因與優化循環，強調學生能夠綜合計算智能和感知智能的結果，實現曝光與轉化平衡的品效合一策略。而在廣告投放與反饋模塊的“智能歸因與閉環運營”這一“智能一體化”的終極目標，課程會教授歸因模型分析，以及如何基于反饋數據的回流構建閉環運營系統，實現投放的自適應優化。該層將智能廣告一體化運作的倫理與隱私規范作為核心知識點嵌入，直接映射到宏觀聚類#5數據倫理與安全治理，強調認知層面的法律和道德約束。

通過這種樹狀結構和計算智能－感知智能－認知智能的分層邏輯，理論型知識圖譜不僅完成了對傳統知識的重構，更通過前置/后置知識點和關聯知識點的設置，在微觀層面為學生搭建了一條清晰、可驗證的學習路徑，從而確保他們能系統理解和掌握智能廣告的運作全貌。

4 高校“智能廣告”課程系的產業型知識圖譜構建

如果說理論型知識圖譜負責構建原理性、系統性的認知，那么產業型知識圖譜是源于實際廣告項目而構建的信息結構，負責呈現智能廣告知識和技術在真實場景中的應用邏輯、工作流與決策點，主要回答“怎么用”和“如何變”的問題。它將抽象的五大高頻知識模塊轉化為可操作的產業能力。

產業型知識圖譜遵循品牌生命周期，將廣告的調查、策劃、創意、投放四大模塊轉化為定義、策略、內容、執行四個核心任務。首先，由業界導師或通過案例庫選取典型的智能廣告戰役，如某品牌利用智能體進行千人千面的跨媒介營銷，將項目全流程進行拆解。其次，從案例中提煉出關鍵的產業運作節點，這些節點與理論型知識圖譜的一級、二級……知識點形成對應，這確保了實戰環節的每一步都具備扎實的學科理論根基。比如，產業節點“智能洞察生成”對應理論知識點“聚類分析與客群洞察”；產業節點“AIGC動態創意生成與批量測試”對應理論知識點“AIGC工具應用基礎”；產業節點“跨渠道程序化競價與預算分配”對應理論知識點“智能投放與效果優化”，并依賴于理論型圖譜中計算智能和感知智能層所教授的技術基礎。最后，以一個完整項目為根節點，將其逐漸解構為上述產業節點，再通過項目－知識的映射關系，實現了知識體系的知識融合和能力閉環。

產業型知識圖譜更好地服務場景化教學，學生能直觀看到用戶畫像如何用于精準投放，AIGC創意如何與效果優化形成數據閉環……。在具體課堂教學中，教師可結合代表性的行業案例，更好地揭示智能一體化邏輯。圖6是以某新能源汽車品牌上市活動為產業實例，展示核心工作流程、決策點及理論根基。

問題定義階段是智能一體化運作的起點，旨在將商業目標轉化為可計算和可定向的元素。通過多源數據采集，分析商業目標和拆解目標人群，確保策略的精準啟航，對應的理論型圖譜里的定位理論和消費者行為學；呼應聚類#1廣告效果評估方法，也運用了聚類#2中的多場景多任務建模和用戶通用表征技術。

在策略生成階段，塑造擬人化AI助手是品牌敘事理論和形象傳播在AI時代的演繹；在內容生成階段，利用AIGC工具生成視覺、音視頻與文案，是符號學在創作環節的規模化實踐。這兩個階段是智能廣告中最具創新性和前沿性的環節，核心是將品牌內核轉化為高效率、個性化的創意資產。既是對聚類#3生成式AI與前沿應用的集中實踐，又是對聚類#4媒介策略與KOL組合的呼應，對內容種草策略的應用，將內容轉化為實際的營銷觸點。教學刻意強調：USP理論和品牌形象與故事理論是理論鏈對實戰的關鍵指導。這是確保AIGC生成的內容不是空洞的技術堆砌，而是具有符號學意義和情感共鳴的品牌資產。

投放與優化階段強調算法驅動下的效率優化和長期穩健性。程序化創意投放和AI營銷智能體交互是聚類#2的典型應用場景，尤其是動態出價與預算分配以及實時競價策略。在評估與迭代階段，數據驅動的歸因與模型優化，則對應歸因模型與機器學習。這也是聚類#4的最終目標，強調品牌資產與轉化歸因，要求學生能夠追蹤用戶從線上內容到線下試駕的全場景體驗，并優化轉化路徑。體現了整合營銷傳播追求的“一種形象，一個聲音”，以及鏈路營銷對用戶路徑的全程關懷。該階段受數據安全和隱私規范的直接約束，在處理用戶的試駕、購車等高敏感數據進行歸因分析時，教學中需強調聚類#5所要求的合規意識，以應對日益嚴格的AI治理和數據安全政策。

產業型知識圖譜通過具象化的工作流與決策點，回答了“如何操作”與“因何而變”的產業之問。借助新能源車品牌上市活動的實戰圖譜，通過將復雜的行業流程解構為清晰的五個階段和多個知識節點，成功驗證了五大高頻知識聚類的宏觀結構合理性。它與理論型知識圖譜節點的明確對應關系，構成了“理論－產業”雙鏈融合，清晰地展示數據、算法、創意、投放如何在統一框架下流動與協同，實現從局部智能到整體智能的認知飛躍。

圖6 產業型知識圖譜的建構——以新能源汽車上市活動為例

每一次智能廣告的產業實踐都不是無源之水，其背后均有一套成熟或前沿的傳播學、營銷學與計算機科學理論體系作為支撐。這正是我們在課程系中力圖向學生揭示的根本邏輯。理論結合實踐能讓學生形成完整的知識和能力體系，為解決實際問題奠定堅實基礎，努力成為行業和社會需要的T型人才。

5 基于“理論－產業”雙鏈知識圖譜的課程設計

本課程系設計采用模塊化結構，以知識圖譜為核心導航。支持技能樹模式，即學生可以通過知識圖譜清晰地看到從理論基礎（聚類#1）到算法核心（聚類#2），再到前沿應用（聚類#3）的晉升路徑。“理論－產業”雙鏈知識圖譜能清晰揭示知識點、項目案例與教學評價之間的內在聯系。將原理、技術和商業思維結合，避免學生將策略理解為脫離技術基礎的空泛概念。在此基礎上，構建一套可執行、可評估的課程體系，成為推進規模化個性教學、培養適應智能廣告一體化運作需求的復合型人才的關鍵路徑。

5.1 “理論－產業”雙鏈知識圖譜在自適應推薦中的應用

知識圖譜的價值不僅體現在對知識關聯的靜態呈現，更在于其作為智能教學中樞所具備的動態支持能力。可以搭建基于知識圖譜的“學習元”平臺，實現對學生的個性化指導和自適應推薦。

雙鏈知識圖譜通過語義解析技術，將經典廣告與傳播理論的“理論鏈”節點，與程序化購買、動態創意優化等“產業鏈”節點進行深度關聯。基于學生的學習進度與興趣標簽，AI系統能夠在廣闊的知識網絡中為其規劃個性化學習路徑。如為對計算廣告感興趣的學生，自動關聯并推薦相應的核心知識點、相關技術倫理討論及行業代表性企業的實踐案例。

當文科背景學生在面對數據采集、情感計算等技術性節點遭遇困難時，系統能迅速進行學情診斷與定位。AI助教會將該問題映射至知識圖譜中，識別學生在前置知識的薄弱環節，如是否統計學基礎不足，進而動態生成定制化的微課程學習包，其中可能包含精要的教學視頻、一篇深入淺出的解析文獻、一個相關的技術演示案例，從而實現精準的知識鞏固與能力彌補。

此外，系統通過知識圖譜實時動態呈現學生的課程學習成績、學習認知地圖以及學習參與水平。學習認知地圖能夠可視化學生對知識節點的掌握程度和知識結構缺陷，從而提供精確的診斷給師生。還可對學生群體中普遍存在的學習難點進行實時聚類分析，并以可視化形式反饋給教師。據此，教師可及時調整教學節奏與重點，甚至補充生成新的教學案例，進一步豐富知識圖譜的內容，最終構建教學相長、持續優化的集體智能演化。

5.2 以能力階梯為核心的模塊化課程系設計

圍繞“理論－產業”雙鏈知識圖譜，本文構建了一個以能力階梯為核心的智能廣告模塊化課程體系，旨在引導學生從基礎認知走向綜合理解，最終實現創新應用，逐級攀登。（圖6、7）

圖7以能力階梯為核心的智能廣告課程系

5.3 AI賦能的個性化學習路徑與評估體系

在雙鏈知識圖譜的支撐上，課程體系致力于形成以AI驅動的個性化學習路徑，并構建過程性與終結性相結合的評估體系。

入學初期，通過問卷與簡單的知識測試為學生繪制初始能力畫像。隨后，在每一個教學模塊中，系統會根據其作業、測驗、案例研討的表現，動態調整其后續的學習資源的配置與項目任務難度。例如，對策略能力突出但技術理解薄弱的學生，系統會在關鍵技術模塊中為其推薦更多技術原理的解讀案例與工具實操指導。

課程體系構建了多維評價體系，系統追蹤學生在雙鏈知識圖譜引導下的能力發展軌跡。過程性評價占總評成績的50%，具體通過以下方式展開：借助線上隨堂測驗與認知地圖完善率，評估學生對知識點的掌握水平及其知識結構化的能力；通過課程實踐環節，考查學生在知識圖譜中準確識別并運用核心知識節點間復雜關系的能力；同時，結合團隊協作中的角色貢獻度，以及其運用知識圖譜解決實際問題的表現，開展同伴互評與教師評價，全面衡量學生在項目過程中的參與度與貢獻價值。終結性評價同樣占總評的50%，內容包括基于知識圖譜完成的文獻與案例綜述的綜合課程報告，以及學生在整個課程系列中所完成的個人項目成果作品集。

通過上述設計，靜態的“理論－產業”雙鏈知識圖譜，得以轉化為一個動態的、AI賦能的“教－學－評”一體化循環系統。不僅清晰地規劃了學生的學習路徑，更通過實時反饋與個性化支持，有效提升了有限課時內的教學效能，為高校培養具備技術建模、商業洞察和倫理素養的復合型人才提供了堅實的理論基礎和實施框架。

6 結語

智能廣告作為融合新聞傳播學、商學、計算機科學與心理學的新興交叉業態，其發展自然地要求構建跨學科知識圖譜，并催生多學科深度對話與有機融合的機制。未來的核心任務，在于將知識圖譜置于真實的智能廣告教學場景中，開展大規模實證研究與專家加權評估，重點評估其在優化學生認知地圖與實現精準資源推薦兩方面的效能，并科學量化其對教學效率的實際提升。該知識圖譜并非靜態的知識庫，而是一個與人工智能技術演進及產業模式創新同頻共振的“活”系統，其內容與結構亟須建立動態迭代的更新機制，以保持其前沿性與生命力。

基金項目：本研究系國家級一流本科專業建設點（2021）廣告學階段成果，系上海師范大學智能傳播教育教學創新實踐研究團隊（2025）階段成果。

作者簡介

劉彥宏 上海師范大學影視傳媒學院廣告系副教授、碩士生導師

注釋

參考文獻