ARTICLE · 1221584

冷门考点6:25西南大学新传考研真题解析|深度媒介化、新闻条线、计算宣传、《做新闻》、可灵

发布时间：2026-10-21 13:34:28 最近访问：2026-10-21 13:34:19

欢迎添加vx cccky728获取1v1咨询

27终极模拟考班开启报名

❥期待与你邂逅山城重庆

今天给大家带来的是25西南大学新传考研的冷门词汇

分成专硕和学硕两个部分内容较多好好消化哦！

‍‍‍

深度媒介化‍‍‍‍‍‍‍‍‍‍‍‍‍

深度媒介化指的是媒介技术不仅作为信息传递的工具，而是成为影响和塑造社会各个方面的关键力量。这种影响体现在媒介逻辑的普及化，即时性、互动性和感官刺激成为跨领域的普遍追求。这一概念起源于欧洲的“媒介化理论”，特别是在斯堪的纳维亚国家的研究中得到发展。它探讨了媒介如何深入社会的各个层面，包括政治、文化、经济等，成为重塑社会现实的重要力量。安德里亚斯·赫普在《深度媒介化》中对深度媒介化进行了界定，并总结了五种量化趋势，即数字媒体多样化、主体连接性、媒体遍在性、技术创新性、社会数据化。深度媒介化揭示了媒介技术对社会变革的深层驱动作用，促使社会各界重视媒介素养的提升，以应对信息过载、隐私侵犯等新兴挑战。同时，深度媒介化也为社会提供了新的发展机遇和创新空间意义。在深度媒介化的背景下，如何有效应对信息过载、保护个人隐私、维护社会公正等问题成为亟待解决的挑战。

补充：媒介化社会

媒介化社会是深度媒介化所呈现出的社会形态，指媒介的影响力已从传播领域扩展至整个社会，社会运作与媒介高度融合，社会进程在很大程度上由媒介及其逻辑所塑造。是媒介化进程发展到极致的结果。在这个社会中，几乎所有的社会行动者都必须适应媒介逻辑，并通过媒介来开展活动、获取合法性和影响力。不仅仅是媒体很发达的社会，而是强调媒介已经内化为社会的有机组成部分，其逻辑成为社会的元代码。媒介化社会是分析当代社会的一个核心视角。它意味着，研究任何社会现象都无法脱离其与媒介的共生关系。

新闻条线‍‍‍‍

新闻条线，作为新闻机构内部的一种组织结构和报道体系，是新闻采编工作有序开展的重要支撑。它依据新闻报道的内容领域或地域范围，将新闻工作者划分为不同的专业团队或小组，每个团队或小组专注于某一特定领域或地区的新闻报道。它根据日常实践中制度化程度的高低分为强弱两类，强条线:具有明确的空间、职责和权力归属，条线之间界限分明。弱条线:划分相对松散，记者会根据实际需要而灵活处理。在新闻条线中，各团队或小组不仅承担着日常新闻信息的采集、编辑和发布任务，还负责深入挖掘该领域或地区的新闻线索，进行深度报道和专题策划。这种分工合作的方式，有助于提升新闻报道的专业性和针对性，确保新闻内容的全面性和准确性。同时，新闻条线还促进了新闻工作者之间的交流和协作，不同团队或小组之间可以共享信息、交流经验，共同提升新闻报道的质量和水平。此外，新闻条线还便于新闻机构对新闻报道进行统一管理和调度，确保新闻报道的及时性和有效性。

补充：新闻常规

指新闻工作者在长期实践中形成的、被普遍接受的、模式化的工作流程和惯例。它是一种看不见的框架，用于高效地处理海量的、不确定的新闻信息。具体表现包括新闻条线制、对时效性的追求、对官方信源的依赖、新闻价值的判断标准、特定的叙事模式等。作为一种“生产流水线”，新闻常规提高了新闻生产的效率，保证了新闻产品的基本质量和水准。新闻条线是最重要的新闻常规之一。它是媒体组织为了应对环境复杂性而建立的一种标准化、可管理的生产模式。新闻常规使新闻生产变得可操作、可预期；但会导致思维的惰性和结构的偏见。记者习惯于按部就班地工作，难以突破常规生产出颠覆性的报道。它也是导致新闻报道模式化、框架化的重要原因。

计算宣传‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

计算宣传是指社交媒体平台、自动化代理人和大数据的集合体，旨在有组织地操纵公共舆论。作为一种隐蔽、精确、自动化的说服方式，通过算法技术计算目标受众、传播内容以及传播路径实现精准传播。西方计算宣传的主要方式有炮制虚假新闻搅动民意、利用深度伪造技术以假乱真、雇佣社交机器人批量分发、借助群体扩散网络形成舆论、利用情绪感染挑动“中西对立”等。计算宣传产生的负面影响包括虚假新闻、加剧公众舆论意见对立以及左右政治选举活动的结果等。计算宣传的治理应“推进多边、民主、透明的国际互联网治理体系，携手构建网络空间命运共同体”，可以从平台、系统、用户、法律等角度采取相应措施。

补充：计算传播学

计算传播学是新闻传播学的一个新兴分支学科，它将计算科学与传播学理论相结合，利用大规模数据、算法模型和计算技术（如机器学习、自然语言处理、社会网络分析）来系统地捕捉、分析和模拟人类传播行为与模式，旨在揭示大规模、细粒度的传播规律。它本质上是一种研究范式的革新，标志着传播学研究从传统的以抽样调查、控制实验、内容分析为主的小规模、“快照式”研究，转向基于全样本、实时、动态行为数据的大规模分析。推动了传播学研究方法的“计算转向”，极大地拓展了研究的深度和广度；基于客观的行为数据，有望减少传统自我报告数据带来的偏差，使研究发现更精确、更具可重复性；为理解和治理复杂的数字传播生态提供了强有力的分析工具。但是容易陷入“有方法无理论”、“相关而非因果”的困境，沦为纯粹的数据挖掘；使用大规模用户数据面临严峻的隐私侵犯和数据滥用风险；分析工具本身可能带有偏见，导致研究结果复制和放大社会既有不平等；高度依赖数据获取渠道和计算资源，可能加剧学术研究领域的“数字鸿沟”。

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

《做新闻》‍‍‍‍‍‍

1978年，盖伊·塔克曼出版《做新闻:对现实建构的一项研究》，该书是20世纪70年代异军突起的新闻生产社会学研究中的里程碑式作品。作者运用现象学社会学、社会建构论等理论视角，从新闻工作所受到的限制和新闻人能够调用的资源入手，对新闻生产过程的常规化以及内在的权力关系运作进行描绘。该书与赫伯特·甘斯的《什么在决定新闻》、费什曼的《制造新闻》等一起，共同构成新闻室研究的典范之作，成为舒德森眼中新闻生产社会学的三种代表取向之一“从社会的或社会组织切入的视角”，并且与其他两种取向(政治经济学取向和文化取向)相比，是“须特别提倡的”。

补充：新闻生产社会学

新闻生产社会学是新闻学研究的一个重要分支，它将新闻视为一个社会过程和产品，研究的重点从“新闻是什么”转向了“新闻是如何被生产出来的”。它试图揭示在新闻机构内部和外部，各种社会力量、组织常规、专业意识形态和文化观念如何共同作用，最终建构了我们所看到的新闻。该方向反对“镜子”隐喻，新闻不是对现实世界的简单反映或“镜子”，而是对现实的一种建构；其研究焦点不是前台的新闻文本，而是新闻生产的“后台”，即新闻生产的惯例、流程、决策和制约因素；它综合了组织、职业、文化、政治经济等多种视角来分析新闻生产。《做新闻》是新闻生产社会学研究的典范和开山之作。塔奇曼通过深入的民族志研究，揭示了新闻机构如何通过一系列新闻常规来组织和建构新闻现实，为这一研究领域提供了坚实的研究范例和理论框架。新闻生产社会学深刻地挑战了新闻客观性的神话，将新闻学研究的重心从效果和内容引向了生产过程，极大地丰富了我们对新闻业的理解。它是批判性地分析媒体偏见、议程设置根源的重要理论工具。

可灵‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

可灵（Kling）是由快手推出的AI视频生成工具，一经推出即在海外AI圈引起了巨大震动，被誉为“中国版Sora”。其具有模拟物理世界特性概念组合与想象力、高分辨率与时长、大幅度合理运动生成的技术特性。在新媒体环境下，可灵技术可能会对新闻报道流程产生影响，例如通过算法和人工智能生成的新闻内容可能会改变传统的新闻采编流程，使得内容生产更加快速和高效。同时可灵技术也会激发用户生成更多富有创意的视频内容，从而推动UGC的发展，用户可以利用这项技术轻松创作出高质量的视频。

补充：AIGC

生成式人工智能是人工智能的一个分支，其核心在于学习现有数据中的模式和结构，并利用这些知识生成全新的、原创的内容。这些内容可以是文本、图像、音频、视频或代码等任何形式，与它训练所用的数据相似但又不完全相同。能够生产出前所未有的内容，而非仅仅进行分析或分类；先进的生成式AI能够理解和融合不同形态的信息；其能力完全来源于对海量训练数据的学习，数据的质量和偏见会直接影响其输出结果。可灵是生成式AI在视频生成领域的具体应用和体现，它代表了当前生成式AI技术的尖端水平，展示了AI如何从生成静态图像迈向生成复杂的动态叙事内容。生成式AI彻底改变了内容生产的范式，大幅降低了创意表达和技术操作的门槛，有望带来内容产业的爆炸式增长。但加剧了深度伪造、版权争议、信息真实性危机和职业替代等问题。