AI+教育教学案例 | 人工智能背景下的计算广告学课程建设

案例名称：人工智能背景下的计算广告学课程建设

案例类别：数智化实践教学

案例使用的基础大模型 ：DeepSeek、Stable Diffusion, DALL-E等

案例简介：本案例系中国高等教学学会项目《智能传播时代高校广告教育改革路径探索研究》相关成果，该项目与2024年9月立项，研究相关内容已经在2025年春季《计算广告学导论》课程上尝试使用，并已经有相关论文待发表。

本案例的实施内容主要包含课程理念转变、教学模块设计、教学工具提升等方面，具体包括理念上开启“以机器学习和深度学习为核心的智能广告系统”探索，强调AI不仅是工具，更是重构广告投放策略、创意生成和用户体验的基石；用AI协助设计教学模块，比如智能定向投放，实时竞价机制制定等；引入或模拟一个DSP的竞价环境，让学生编写竞价算法参与竞争。

案例实施后主要成果：首先，指导教学。成果可应用于广告学新方向的教学探索上；其次，指导比赛。学生可以积极参与相关竞赛，比如计算机仿真营销类比赛；最后，技能提升。成为学生们在社会实习实践中的加分项，从而得到用人单位青睐。

（一）所解决的高等教育领域痛点或关键问题

“理论脱离实际”的经典痛点

传统广告课程偏重经典理论、案例分析，但学生所学知识与日新月异的、以数据和算法驱动的现代广告行业实际工作脱节严重。学生毕业后进入企业（如字节跳动、Google、阿里等），发现学校所学与公司所用存在巨大鸿沟。

弥合“跨学科知识割裂”的鸿沟

计算广告本身是商业、计算机和数学的交叉学科。传统教学中，新传学院的学生不懂技术，计算机学院的学生不懂商业逻辑，导致培养的人才“瘸腿”。

应对“课程内容滞后于技术发展”的挑战

教材和课程大纲的更新速度远慢于互联网广告技术的迭代速度。学生学到的可能是几年前甚至十几年前的技术，毕业后即面临淘汰。

提升学生“复杂问题建模与解决”的高阶能力

传统教学多侧重于知识灌输和简单应用，学生面对海量数据、多重约束、动态变化的复杂商业环境时，缺乏将其抽象、建模并求解的能力。

（二）必要性和实施目标

必要性：人工智能与计算广告教学结合是应对行业智能化变革的必然要求。在于弥合传统教学与广告技术现实之间的巨大鸿沟，培养掌握核心算法的复合型人才，解决学生知识结构单一、实践能力不足等痛点。

实施目标：第一，构建以机器学习、深度学习为核心的课程体系，使学生掌握CTR预估、智能出价等关键技术原理；第二，通过真实数据与工业级项目，强化学生建模与系统优化能力；第三，在技术教学中嵌入伦理教育，培养负责任的创新意识，最终实现人才培养与产业需求的精准对接。

（一）改革内容

1.课程内容模块的AI化整合

模块一：基础与智能定向

传统内容：用户画像、上下文定向、行为定向。

AI结合点：机器学习赋能用户画像：讲解如何利用聚类算法（如K-Means）进行用户分群，利用分类算法预测用户属性（如性别、年龄、兴趣）。

模块二：核心竞价与预估机制

传统内容：广告拍卖机制（如GSP, VCG）、CTR预估简介。

AI结合点：实战项目：使用公开数据集（如Criteo CTR数据集），让学生亲手实现一个基础的CTR预估模型。

模块三：程序化创意与生成

传统内容：广告创意设计与A/B测试。

AI结合点：智能创意生成：介绍生成式AI（如Stable Diffusion, DALL-E）如何根据商品信息和风格描述自动生成广告图片和视频。

动态创意优化：讲解如何利用NLP技术生成多种广告文案，并结合用户特征，通过强化学习实时选择最优的“图片+文案”组合进行展示。

视频内容理解与标签化：介绍使用CV模型自动分析视频内容，并打上标签，用于精准定向。

2.资源建设

（1）引入中国传媒大学广告学院所搭建的计算广告虚拟仿真系统。

（2）引入或模拟一个DSP的竞价环境，让学生编写竞价算法参与竞争。

（二）改革目标

1.短期（1年）：完成《计算广告学导论》课程改革，学生AI工具使用覆盖率达100%

2.中期（2年）：形成可推广的“AI+计算广告”教学模式

3.长期（3年）：联合中国传媒大学推进仿真系统升级，努力申报教学改革项目与申报教学成果奖

（三）拟解决关键问题

1.提升人工智能在计算广告学课堂实践教学中的应用比例。

2.构建“AI赋能-系统搭建-实操开发”的教学+实践闭环。

（四）实施方案

目标设定：培养具备扎实广告学理论基础、精通机器学习与深度学习核心技术、能够胜任智能广告系统设计、优化与管理的复合型高端人才。

体系重构：

（1）基础理论模块：融合AI视角的计算广告导论

（2）核心技术模块：广告算法与模型

（3）前沿应用模块：生成式AI与伦理

方法创新：理论教学与案例剖析相结合；分层级实践教学体系；产业协同与评估改革；资源开发与配套支持。

（五）成果形式

1.《计算广告学导论》课程实践改革；

2.研究报告《智能传播时代高校广告教育改革路径探索研究》

3.发表论文《智能传播时代的广告学高等教育路径探索》

4.指导学生参加比赛

（一）教学范式的创新

传统广告教学侧重于对过去成功或失败的营销案例进行复盘分析，属于“向后看”的思维。而AI的融入，将教学范式转变为“向前看”的系统性构建与优化。学生不再仅仅分析“某个广告为什么成功”，而是学习如何从零开始构建一个能够自动学习、实时优化的智能广告系统。他们需要亲手处理数据、训练模型、设计竞价算法，并评估整个系统的整体效率。培养了学生的系统工程思维，使他们能够理解并驾驭一个由数据流、模型决策和反馈闭环构成的复杂生态。

（二）课程内容的创新

课程核心内容从相对静态的4P理论、消费者行为学模型，转变为以动态演进的算法模型为核心。教学重点沿着工业界技术发展的脉络，从逻辑回归、因子分解机，一直深入到 Wide & Deep、DeepFM、DIN 等深度学习模型。这不仅是知识的更新，更是思维模式的升级。同时，生成式AI的引入，更将创意生成这一传统上被视为“艺术”的领域，变成了可迭代、可优化的“科学”，开创了“程序化创意”的全新教学内容。

（三）实践模式的创新

实践环节发生了根本性变革。传统的模拟策划被基于真实大规模数据集和云计算平台的实战所取代。学生的工作不再是撰写策划书，而是在一个模拟的实时竞价环境中，与自己同学设计的算法同台竞争，以最大化ROI为目标。这种实践模式培养了纯粹的数据驱动决策能力和A/B测试思维。

（一）推广价值

核心价值在于为新文科与新工科交叉融合提供了可复制的范本，可推广至金融科技、数字营销、智慧零售等相关领域，有效解决高等教育与产业数字化需求的脱节问题，系统性培养市场急需的复合型人才。

（二）推广风险

首要的是师资与资源壁垒，既懂AI又通业务的教师稀缺，且课程依赖高昂的算力与数据资源。其次存在教育异化风险，过度强调技术可能导致商业战略思维与人文批判精神的培养被削弱。此外，课程内容需持续高速迭代以跟上技术发展，否则将迅速过时。必须在技术赋能与教育本质之间审慎平衡。