独家!清华新传2027博士笔试真题解析

◎小编 |YST ◎责编 | HSJ

2027 年清华大学新闻与传播学院博士研究生招生综合考核笔试已经结束。从目前整理到的回忆版来看，这套题最值得关注的地方，是命题方式相当明确：

经典理论不再考复述，而是考理论能否解释新的传播现象；

研究方法不再停留在名词辨析，而是要求直接评价学科研究、完成研究设计；

英文题也不是一般意义上的阅读理解，而是直接进入数字政府、平台治理这样的跨学科前沿议题。

换句话说，这套题越来越难依靠 “专题背得多” 解决。它考的是考生有没有真正进入新闻传播学研究。

一、先看考情：120 分钟完成 100 分，真正考的是四种能力

从官方公布的 2027 年博士招生综合考核办法来看，笔试科目为《新闻传播学综合》，考试时间为 120 分钟、满分 100 分，明确考查 “专业基础知识与英语水平”；在最终综合考核成绩中，笔试与面试各占 50%。

这意味着，笔试并不是一个只要 “过线” 即可的程序性环节，而是直接决定最终录取结果的一半。按照回忆版的分值构成，专业综合 50 分、英文材料 30 分、方向专业 20 分，事实上形成了四类能力的集中测试。

第一类是理论迁移能力。第一道题没有问 “什么是议程设置理论”，而是要求考生选两个大众传播时代的经典理论，分析它们到了社交媒体时代或者智能传播时代发生了什么变化。真正要答的是理论的解释边界。

第二类是方法能力。第二题直接要求评价近五年新闻传播学 C 刊的研究方法趋势，第三题则要求现场完成民族志或者实验设计。两题合计 35 分。这已经说明，对于博士申请者而言，会不会做研究不是附加项，而是基本门槛。

第三类是英文前沿文献阅读能力。英文材料围绕 Government as a Platform 展开，后两问进一步要求比较中西方平台模式，并分析政府、平台与地方行动者之间的结构性张力。它明显超过一般的英语概括题，实际上是 “英文阅读 + 理论理解 + 比较分析”。

第四类是方向前沿判断能力。中国特色新闻学、视听传播、智能传播、国际传播的题目都不是单纯考教材，而是直接对应当下的学科议题。回忆版列出的五个方向，也与学院近年来公开介绍的博士培养和学科布局高度吻合。

如果再结合清华新传近年的学科建设可以发现，这种题目结构并不偶然。学院近年来多次强调以马克思主义新闻观为基础，同时强化国际传播和智能传播，并把相关研究放到文化强国、数字社会和全球治理等更大的现实问题中讨论。

因此，这套题最大的变化可以概括成一句话：知识点仍然重要，但知识点只是起点，命题重点已经转向 “能不能用”。

从时间上看，120 分钟完成 100 分也相当紧张。专业综合题最好控制在 55—60 分钟左右，英文材料约 35—40 分钟，方向题至少留 20—25 分钟。尤其第三题研究设计 20 分，如果前两题写得过长，很容易在真正拉开差距的方法题上失分。

二、专业综合题第一题：经典理论进入社交媒体和 AI 时代后，究竟变了什么？

题目：请选取两个大众传播时代的经典传播理论，分析这些理论在社交媒体时代和 / 或智能传播时代发生了怎样的变化。（15 分）

这道题表面上非常开放，但实际上相当考验理论功底。最差的答法，是先介绍两个理论，然后分别补一句 “在社交媒体时代发生了变化”。高分答案需要回答三个问题：经典理论原来解释什么？传播结构发生了什么变化？这种变化究竟修改了理论中的哪个假设、变量或者因果机制？

如果从清华新传近年来的研究议题来看，我更建议选择议程设置理论 + 把关理论。这两个理论都属于大众传播研究的经典理论，同时又直接受到平台化、算法化和生成式 AI 的冲击，能够形成比较完整的论证。

清华新闻学院近年的智能传播讨论已经非常明确地指向这一问题。张洪忠在清华 “学术午餐会” 讨论 “机器行为范式” 时提出，当机器开始成为传播行动者之后，包括议程设置、沉默的螺旋在内的传统传播理论都会面临新的解释问题，传播研究正在从以人为中心的传播关系进入人与机器共同参与的传播关系。 清华博士生论坛近年来也已经出现对微博热搜中 “人机协同把关” 的直接研究。

第一组：议程设置理论

传统议程设置理论建立在一个相对清晰的大众传播结构之上：少数新闻机构拥有较强的信息筛选和传播能力，通过对不同议题赋予不同程度的显著性，影响公众 “想什么”。

到了社交媒体时代，第一个变化是议程设置主体多元化。专业媒体不再是唯一显著性生产者，普通用户、意见领袖、平台热榜、搜索机制、社交关系都可能推动一个议题进入公共视野。由此出现反向议程设置、媒体间议程设置以及网络议程设置等更加复杂的关系。

第二个变化是议程形成机制平台化。过去的显著性主要来自版面位置、播出顺序和报道频率，现在则取决于推荐算法、热榜规则、互动数据和社交扩散。一条新闻能否 “被看见”，不只是新闻机构决定，也受到平台基础设施的持续排序。

到了智能传播时代，还出现第三个变化，即机器开始直接参与议程生产。推荐系统决定个体看到什么，生成式 AI 可以搜索、总结、重组甚至主动推送信息，智能体未来还可能代替用户完成部分信息筛选。此时的议程设置不再只是 “媒体议程 — 公众议程” 的关系，而逐渐变成媒体、平台、算法、AI 代理与用户共同参与的议程网络。

这里最关键的一步，是不要简单得出 “议程设置理论失效”。更准确的判断是：议程设置仍然关心什么问题获得注意，但显著性的生产主体、分配机制和作用层级发生了变化。

第二组：把关理论

传统把关理论关注的是，新闻如何经过记者、编辑和新闻机构的层层筛选，最终进入公共传播。

社交媒体兴起以后，把关权首先出现了分散。用户可以生产内容、转发内容，也可以通过点赞、评论等行为影响内容流通；平台又通过审核规则、推荐算法、热搜机制承担新的把关功能。因此，把关已经从新闻生产环节的 “入口控制”，扩展到内容发布后的排序、推荐、限流、再传播等整个可见性分配过程。

生成式 AI 进一步改变了把关关系。一方面，AI 开始承担资料筛选、内容审核、摘要、推荐等任务；另一方面，最终的专业判断、事实核验和责任归属仍然需要人来承担。这也是为什么清华相关研究开始使用 “人机协同把关” 的视角，而不是简单讨论机器是否 “取代” 编辑。

所以这部分真正应该落到一个判断上：把关者没有消失，而是从单一职业角色变成了由媒体机构、平台规则、算法系统、普通用户和 AI 共同构成的分布式把关结构。

最后可以把两个理论合起来。议程设置讨论的是 “什么获得显著性”，把关理论讨论的是 “谁以及通过什么机制决定可见性”。在大众传播时代，两者主要围绕新闻机构展开；到了平台和智能传播时代，两套理论实际上越来越共同指向一个问题 —— 传播权力如何嵌入平台基础设施和算法系统。

这才是这道题真正想看到的理论提升。

⚠️容易失分的地方主要有三个：只背理论定义；把 “社交媒体、算法、AI” 简单罗列成新现象；为了求新直接宣布经典理论已经 “失效”。博士考试更需要讨论理论的延续性、边界和修正，而不是轻易推翻理论。

三、专业综合题第二题：近五年新闻传播学 C 刊，方法上到底发生了什么？

题目：从研究方法的角度，分析近五年来新闻传播学 C 刊论文的研究趋势，并讨论目前存在的主要问题及其原因。（15 分）

这一题很像一道 “学术共同体观察题”。

它不是让考生罗列问卷、访谈、实验、内容分析，而是要求你对新闻传播学近几年的研究生态形成判断。对于申博考生而言，老师实际上是在问：你平时到底有没有持续阅读 C 刊？你能不能从单篇论文退出来，看出学科的方法变化？

这里首先要避免一个问题：考场上没有数据，就不要编造 “实验法增长了多少百分比”“计算传播占比达到多少”。可以做趋势判断，但不要制造虚假的精确数字。

已有针对中国新闻传播学核心期刊的系统研究可以为这种判断提供依据。一项对 2013—2024 年十种新闻传播学核心期刊中 782 篇定量内容分析论文的研究发现，在互联网非结构化文本成为重要研究材料的同时，机器学习、高阶统计分析等方法不断进入新闻传播研究；但抽样、信度检验、多模态分析和统计处理等问题仍较明显。 清华近年来的研究讨论中，大语言模型辅助内容分析、多模态研究、实验、追踪调查、计算传播等也已经越来越常见。

比较稳妥的答法，是把近五年的趋势归纳成以下几个方向，但正文不要写成纯粹的 “方法清单”。

✅首先是经验研究进一步成为主流，研究设计更加规范化。越来越多论文会明确研究问题、变量、样本、操作化和分析过程，新闻传播研究从过去较多的宏观思辨，继续向可检验、可验证的经验研究推进。

✅其次是研究对象的数据化。微博、短视频、评论区、平台行为数据、搜索数据以及新闻文本等数字痕迹成为重要材料。过去需要人工编码的大规模传播文本，现在可以借助自然语言处理和机器学习完成分析。

✅第三是计算方法和传统社会科学方法进一步结合。文本分析、机器学习、网络分析开始与内容分析、问卷调查、实验等结合，大语言模型又进一步降低了大规模文本编码和语义分析的门槛。新闻传播学的数据规模扩大了，分析对象也开始从单一文本进入图像、视频、语音等多模态数据。

✅第四是因果推断意识增强。实验、面板调查、准实验等设计在高水平论文和青年研究者中越来越常见。一个重要变化是，研究者不再满足于说明 A 和 B “相关”，而是更关注变量之间究竟有没有因果关系。

✅第五是方法混合和跨学科化更加明显。计算传播并没有让访谈、民族志和扎根理论消失。恰恰相反，当研究对象涉及算法实践、平台劳动、新闻室组织或者技术使用经验时，质性方法仍然不可替代。清华近年的学术活动中也持续讨论质性研究、跨学科媒介研究以及计算方法之间的结合。

但如果答案到这里结束，只能算完成了一半。这道题的重点其实在 “问题及其原因”。

第一个问题是方法创新有时快于问题创新。一些论文使用很复杂的统计模型、机器学习或者大模型，但研究问题仍然比较简单。技术复杂并不自动意味着理论贡献更高，容易出现 “为了使用方法而寻找问题”。

第二个问题是数据越来越大，并不意味着样本越来越好。平台数据天然受到用户结构、推荐机制、数据接口和平台治理的影响。抓取十万条微博，仍然不能自动代表 “中国公众”。数字痕迹研究尤其需要重新讨论代表性和外部效度。

第三个问题是变量操作化和因果识别仍然是薄弱环节。清华近年来博士生论坛的评议中也反复强调变量定义、测量是否重叠、追踪数据稳定性和避免 “自证式研究” 等问题。

第四个问题是计算方法的可解释性和可复现性不足。尤其大语言模型进入研究以后，模型版本、提示词、随机性和训练数据都会影响结果。如果论文只说 “使用 GPT 完成编码”，却不报告验证过程、人机一致性和模型参数，方法透明度反而可能下降。

第五个问题是方法与中国问题之间仍然存在距离。很多研究在变量、量表和理论上直接沿用国外研究路径，方法越来越规范，但研究究竟解释了怎样的中国传播现象，有时并不充分。

👉原因可以从三个层面解释：学术评价和期刊竞争提升了研究者对方法规范性的要求；平台化带来了海量可获取数据，计算工具又降低了处理成本；与此同时，方法训练的快速国际化与本土理论积累之间存在时间差，容易出现 “方法已经接轨，问题和理论还没有完全接上” 的情况。

因此，这道题比较好的收束不是 “以后应该多用质性 / 定量”，而是：新闻传播研究下一阶段的方法进步，不只是使用更复杂的技术，而是让研究问题、数据、方法和理论真正匹配。

四、专业综合题第三题：能源转型材料，实验到底怎么设计？

题目：材料围绕某地能源转型及相关新闻报道展开，涉及 “发展型框架” 和 “利益型框架”，以及不同社会群体的新闻信任和政策支持。要求据此完成一项研究设计，可以选择民族志或者实验法。（20 分）

这是整套专业综合题里分值最高的一题，也是最能够区分 “会背方法” 和 “真的会研究” 的题。

从题目给出的信息看，如果选择实验法，实际上已经给了四个关键元素：新闻框架、社会群体、新闻信任、政策支持。考生需要做的，就是把这几个概念组织成一套可以执行的研究设计。

这一命题与清华新闻学院近年来持续开展的气候传播、风险传播和绿色转型研究也有很强关联。清华举办的全球气候传播论坛就多次讨论能源转型、公平转型、气候叙事与不同公众之间的连接问题，强调气候传播不能只有抽象目标，而需要进入不同群体的利益、经验和政策认知。

如果考场上选择实验法，可以这样推进。

首先提出研究问题：不同新闻框架是否会影响公众对能源转型报道的新闻信任和政策支持？这种影响是否因为受众所处社会群体不同而存在差异？

研究框架中，“发展型框架” 和 “利益型框架” 是核心自变量，新闻信任和政策支持是两个因变量，社会群体则可以作为调节变量。

如果原材料明确划分了两类群体，就可以设计成 2×2 结构；如果材料涉及三类群体，则可以形成 2×3 结构。这里不能脱离材料自行发明群体。

实验材料：需要制作两篇基础事实完全一致的模拟新闻。两篇新闻的消息来源、篇幅、数据、事件背景等保持一致，只改变框架。

发展型框架重点强调能源转型带来的长期经济发展、绿色产业、就业和公共环境收益；利益型框架则重点呈现能源转型过程中不同群体的成本、收益、补偿和利益分配。这样才能确保最终发现来自 “框架差异”，而不是来自文章质量或者事实数量不同。

正式实验前还要进行小规模前测，确认受试者确实能够感知两种报道的框架差异。

样本招募：应当根据材料涉及的真实社会群体进行分层，并在各群体内部随机分配到两种新闻材料。这里有一个非常重要的方法意识：社会群体本身通常不能随机操纵，因此真正被实验操纵的是新闻框架，群体身份属于被测量的个体属性。

阅读材料之后，测量两个核心因变量。

新闻信任可以包括 “报道是否可信”“是否准确”“是否公平”“信息是否完整” 等题项；政策支持则可以测量对当地能源转型政策的总体支持、执行意愿或者对相关政策措施的接受程度。

如果希望进一步提高研究设计的理论含量，还可以加入 “感知公平”“感知收益 — 成本” 作为中介变量。这样就不只是回答 “哪种框架更有效”，而能够进一步解释：为什么同一种新闻框架对于不同利益位置的人效果不同。

统计分析：首先可以使用方差分析或者回归模型检验新闻框架的主效应，再加入 “框架 × 社会群体” 的交互项。如果交互效应显著，就说明新闻框架并不存在统一效果，而取决于不同群体在能源转型中的社会位置。

最后还必须交代控制和伦理问题，包括随机分组、材料等长、信息来源一致、操纵检验、注意力检验以及受试者知情同意等。

⚠️这道题最大的失分点，是把 “研究设计” 写成研究流程介绍。例如 “先发问卷，然后用 SPSS 分析”，这种回答几乎没有研究设计含量。真正需要写清楚的是变量是什么、如何操纵、如何测量、如何比较、什么结果能够回答研究问题。

补充：如果选择民族志，也完全可以成立。例如进入能源转型所在地，对地方政府、能源企业、新闻媒体和不同利益群体进行长期参与观察和访谈，研究 “发展” 与 “利益” 两套话语如何在地方治理和新闻生产中被不同主体理解和协商。但从这道题已经给出 “框架 — 新闻信任 — 政策支持” 几个明显变量来看，实验法实际上更容易把题面信息全部用起来。

五、英文材料题：为什么 GaaP 值得重点看？

回忆版显示，英文材料核心概念为 GaaP，即 Government as a Platform，之后依次要求概括材料、比较中国与西方平台模式，并选择案例分析政府、平台和地方代理人之间的结构性张力。

这里有一个值得特别注意的地方。

从题目中的关键词和问题设置判断，这份英文材料与 2025 年发表于《Social Media + Society》的论文《Neither “Platformization” Nor “Infrastructuralization”: Government as a Platform in China》高度吻合。该文以浙江数字化改革和杭州 “城市大脑” 等案例讨论中国 GaaP 模式，核心恰恰就是中国数字政府中的 “中央集权 — 地方自主” 关系、公共部门与技术公司的边界，以及平台化治理中的结构性摩擦。这里不能断言考试材料一定直接截取自该文，但无论概念还是问题设置都高度对应。

这一点非常能够说明清华博士英语题的命题方式：不是背四六级词汇，而是直接读国际学术论文。

第四题：材料概括

第五题：中国平台模式和西方平台模式如何比较？

这道题不能简单写成 “西方市场主导，中国政府主导”。更稳妥的做法，是把两者看成两种理想类型。

西方 GaaP 的经典设想更强调政府提供标准化、模块化的数字基础设施和规则，企业、开发者和公民能够在此基础上共同开发服务，因此更强调分布式协作、公共 — 私人合作和开放接口。

中国的 GaaP 模式则具有更强的国家协调能力。中央政府提出战略目标、数据标准和制度要求，地方政府承担大量具体实验和场景创新，同时大型科技企业提供技术基础设施。因此，它既不是完全自上而下的中央控制，也不是纯粹市场平台，而是中央协调、地方实验和技术公司参与同时存在的混合结构。相关研究也特别强调，中国数字政府不能简单套入西方平台资本主义的理论模型。

高分答案还需要再多一步：两种模式不是简单优劣关系。

分布式结构有利于地方灵活性和多元创新，但容易造成数据碎片化和协调成本；高度整合能够降低跨部门协同成本，却可能压缩地方自主性并强化纵向监督。

因此真正应该比较的是：不同制度安排如何重新分配数据权力、行政权力和地方行动空间。

第六题：平台、政府和地方代理人为什么会发生结构性张力？

这道题可以直接使用浙江数字化改革或者杭州 “城市大脑”。

第一层张力是统一标准与地方自主之间的矛盾。上级政府希望通过统一平台、统一数据接口提升治理能力，但基层政府面对的问题高度具体。如果所有行为都转化成标准化指标，地方工作人员可能失去根据情境作出判断的空间。

第二层是数据整合与组织利益之间的矛盾。平台要求不同部门共享数据，但数据本身也是部门资源。不同机构在责任、风险和绩效考核上的利益并不一致，因此 “技术上能够共享” 并不意味着 “组织上愿意共享”。

第三层是公共治理逻辑与技术平台逻辑之间的张力。政府依赖科技公司提供算法、云服务和系统建设，但公共服务强调公平、责任和程序正当性，企业则拥有技术知识、商业利益和专有系统。由此出现技术依赖、责任界定和公共价值之间的问题。

第四层可以进一步进入基层代理人。关于数字乡村平台的研究已经发现，村干部等基层行动者实际上承担着连接国家平台与普通居民的 “中间人” 角色，当平台标准化要求与地方生活经验不一致时，就可能产生数字形式主义等问题。

所以本题真正需要回答的并不是 “平台治理有什么缺点”，而是为什么这些问题是结构性的：因为中央政府、地方组织、技术平台和基层行动者掌握的资源、责任和行动逻辑本来就不同。

六、方向题 01：中国特色新闻学 —— 党性原则怎么答才不写成政治常识题？

题目：如何以马克思主义新闻观为指导理解新闻工作的党性原则？

如果这道题只写 “新闻工作要坚持党的领导、坚持正确舆论导向”，很难体现博士考试需要的理论深度。

清华新闻学院近年来对中国特色新闻学的研究有一条非常清晰的主线，就是将马克思主义新闻观放在中国新闻实践和新的技术环境中重新理解。胡钰等学者反复强调党性与人民性的统一，并从人民立场、新闻实践和技术伦理等方面讨论中国特色新闻学。

第一层首先要解释党性原则的理论基础。马克思主义新闻观并不把新闻看成脱离社会结构的纯粹信息活动。新闻生产总是在具体的社会关系、政治制度和价值关系中进行，因此新闻工作不存在完全抽象的 “价值中立”。

第二层要说明，党性不是单独存在的，它必须与人民性放在一起理解。新闻工作坚持什么立场，最终要回答的是 “为了谁、依靠谁”。党性原则的社会基础在于人民立场，因此党性与人民性不是两个彼此冲突的要求。

第三层必须讨论党性与真实性的关系。坚持政治方向并不意味着可以弱化事实，相反，事实真实性构成新闻工作获得公共信任的基础。只有真实、准确地反映现实，舆论引导才可能成立。

第四层还要进入智能传播时代。今天新闻生产已经不仅由记者和编辑完成，平台推荐算法、生成式 AI、数字人和智能体都开始影响新闻可见性。此时党性原则也不能仅停留在稿件审核层面，而需要进入算法设计、数据使用、AI 内容生成、传播排序以及责任机制等技术基础设施。

因此，这道题最后可以落到一个比较有理论感的判断：智能传播环境中的党性原则，不只是内容层面的价值要求，也开始成为新闻技术系统和传播秩序需要回答的价值问题。

七、方向题 02：短视频、微短剧兴起，电影真的 “式微” 了吗？

题目：在短视频、微短剧等新兴视听形态快速发展的背景下，传统电影似乎正在 “式微”。你如何看待这一现象？电影业当前面临哪些挑战？

这道题最忌讳直接顺着题干写 “电影正在衰落”。清华近年来对微短剧、AIGC 视听生产和电影媒介转型的讨论，一个基本判断就是短视频和微短剧确实改变了观看时间、叙事节奏和生产机制，但并不意味着电影的文化和艺术功能已经被替代。

所以开头最好先做概念判断：当前发生的不是电影作为媒介的消失，而是电影在整个视听文化中的中心位置下降。

大众娱乐过去高度集中于电影和电视，如今用户的时间被短视频、直播、游戏、微短剧等大量媒介形态重新分配。电影面对的是注意力市场的结构性变化。

第一个挑战自然是注意力。两小时左右的完整电影要求持续观看，而短视频和微短剧已经培养出更加碎片化、高密度和快速反馈的观看习惯。

第二个挑战来自电影产业本身的成本结构。院线电影具有高前期投入、高宣发成本和较长生产周期，而短视频和微短剧可以快速测试市场、快速生产和快速迭代。两者不是同一种产品，但会竞争有限的娱乐时间和消费预算。

第三个挑战是叙事和审美。短视频、微短剧已经形成快速进入冲突、强情节、高反转等内容语法。如果电影完全迎合这一逻辑，可能失去长叙事和视听审美的优势；如果完全拒绝变化，又可能进一步远离年轻受众。

第四个挑战来自平台化。电影已经不只是院线产品，也处在流媒体、短视频营销、社交媒体讨论和 IP 开发组成的长传播链条中。电影企业需要重新思考发行窗口、营销方式和用户关系。

第五个挑战来自生成式 AI。AIGC 正在明显降低脚本、分镜、视觉制作乃至短剧生成的成本，但同时带来创作主体、版权、演员权利和审美同质化等问题。清华相关研究已经注意到，AI 短剧目前真正困难的已经不是 “能不能生成”，而是如何从 “可看” 进入真正有艺术质量的内容。

但电影也存在短视频难以完全替代的优势，包括长时间叙事形成的复杂人物和世界建构、影院的集体观看仪式、专业化视听语言以及作为文化工业核心产品的 IP 能力。

因此，真正值得讨论的不是 “电影会不会被短视频消灭”，而是电影如何从过去占据中心位置的大众视听媒介，重新寻找自己在多屏幕、多平台和 AI 生产环境中的位置。

八、方向题 03：传媒管理与经济传播

目前回忆版在这一方向下只写有 “欢迎大家补充”，并没有能够确认的具体题目。

九、方向题 04：智能传播 ——“人工智能向善” 不能只答伦理原则

题目：结合智能传播的发展，谈谈你对 “人工智能向善” 的理解。

这道题看上去很宏观，实际上与清华新传这两年的研究议题贴得非常近。

2025 年全球智能传播与科学传播论坛上，陈昌凤提出技术创新不能脱离社会风险识别和社会共识；蒋俏蕾则特别讨论了人机信任与价值对齐问题。 2026 年清华新闻学院关于算法与新大众文艺的研究又进一步提出，算法向善正在从价值倡议进入多目标推荐、优质内容通道等具体技术实践。

所以本题不能只写 “公平、透明、安全、隐私” 几个 AI 伦理关键词。

首先需要给 “向善” 下定义。人工智能向善，是把人的福祉、公共利益和人的主体性作为人工智能开发、应用和治理的价值目标，并将这些目标落实到技术设计、传播应用和制度治理全过程。

这个定义至少包含三个层面。

第一是目的向善。技术发展的目标不能只以效率、利润或者用户时长衡量，还需要回答人工智能最终服务于谁。特别是在新闻传播领域，如果推荐算法唯一优化点击率，就可能放大情绪、极化和虚假信息。

第二是过程向善。训练数据、算法模型和应用过程需要处理隐私保护、算法歧视、透明度、安全以及知识产权等问题。

第三是结果向善。AI 带来的收益是否能够公平分配同样重要。如果少数平台和群体掌握算力、数据和模型，而弱势群体承担失业、信息排斥或者数字鸿沟的成本，即使技术效率提高，也不能简单称为 “向善”。

进入智能传播以后，还必须加入新闻传播学自己的问题。

一是信息真实性。生成式 AI 降低了信息生产成本，同时也降低了虚假内容生产成本，因此需要建立来源标识、内容溯源和人工核验制度。

二是算法公共性。推荐系统不能只优化用户停留时间，而需要将内容质量、公共价值和信息多样性纳入目标函数。清华最新研究所讨论的 “多目标推荐” 和优质内容独立通道，正是将 “算法向善” 从口号转化成系统设计的例子。

三是人的主体性。AI 可以辅助判断，但不能让专业责任完全转移给模型。尤其在新闻、医疗、公共治理等高风险领域，最终责任必须能够追溯到具体组织和行动者。

四是治理机制。AI 向善不可能只靠企业自律，需要政府、平台、专业机构、公众和研究者共同参与，同时建立风险分级、算法审计、人类监督和公众申诉机制。

这道题最后一定要有一个辩证判断：人工智能向善既不能变成反技术的风险清单，也不能把所有问题寄托于 “更好的模型”。它本质上是技术能力、制度约束和公共价值之间如何形成新的平衡。

十、方向题 05：AI 进入国际关系，理论学派到底怎么用？

题目材料背景：国际传播与全球治理方向材料围绕人工智能给国际关系带来的机会和挑战展开，涉及自由主义、马克思主义、批判理论、女性主义、法兰克福学派等理论。第一问要求概括材料并梳理理论，第二问要求选择一种理论深入分析 AI 对国际关系、全球传播或全球治理的影响。

这道题最明显的要求，是不能只会介绍 AI 热点，还要真的会使用社会理论。

第一问 理论视角梳理

• 自由主义
  ：关注国际合作和制度。按照自由主义视角，AI 既可能因为技术竞争、国家安全和标准冲突加剧国际摩擦，也可能由于跨国风险具有高度相互依赖性，推动新的国际组织、技术标准和全球治理机制。
• 马克思主义
  ：更关注生产资料、资本和结构性权力。数据、算力、芯片、云计算和大模型已经成为数字时代的重要生产要素，因此 AI 竞争不仅是技术竞争，也涉及全球生产关系和资源分配。少数国家和平台掌握关键基础设施，可能强化全球不平等。
• 批判理论
  ：更关注技术背后的权力关系。算法不是纯粹中立的工具，它可能把特定商业逻辑、政治价值和社会秩序嵌入信息环境。
• 法兰克福学派
  ：可以从工具理性、文化工业等传统出发，进一步讨论算法化传播如何强化文化商品化、注意力控制和标准化。（法兰克福学派本来就是批判理论的重要思想传统，不能完全把两者当成互不相关的五个平行理论）

• 女性主义
  ：则会追问 AI 系统中哪些群体被忽视，训练数据是否复制既有的性别和社会偏见，以及全球技术体系中的劳动、照护和数字权力是否存在结构性不平等。

第二问：选取一种理论深入分析（示例：马克思主义视角）

AI 首先代表新的生产力。生成式 AI 能够降低知识生产、内容生产和信息处理成本，并可能提升发展中国家的数字生产能力。

但是，生产力并不会自动带来平等。当前高端芯片、算力基础设施、云平台、模型训练和数据资源仍高度集中，因此 AI 也可能形成新的技术依赖和全球分工。

进一步进入全球传播，就可以看到：掌握模型和平台的一方，不仅掌握经济资源，也可能控制语言模型、信息排序和知识生产基础设施，由此影响哪些知识更容易被生成、翻译和传播。

但这里不能只写 “技术霸权”。清华近年来关于全球南方和 AI 传播的讨论同时指出，低成本模型、开源技术等也可能降低技术门槛，为全球南方国家提升传播能力提供新的机会。

所以真正有理论含量的结论应该是：人工智能既可能强化既有全球不平等，也可能通过技术扩散和低成本基础设施重新分配传播能力，最终结果取决于算力、数据、知识产权和国际规则如何组织。

这比简单写 “AI 既有机遇也有挑战” 要强得多。

十一、清华新传究竟越来越重视什么？

如果只看单道题，会觉得今年考得很散：经典传播理论、C 刊研究方法、能源转型、GaaP、党性原则、微短剧、人工智能向善、国际关系理论几乎什么都有。

但把它们放在一起，其实命题逻辑非常统一。

第一，理论必须能够解释现实。经典理论题不是考定义，国际传播题也不是考理论史。所有理论最终都要落到算法、平台、AI、能源转型和全球治理这些现实问题。

第二，方法已经成为博士招生的硬门槛。35 分直接考研究方法，而且不是背概念。这意味着以后准备清华新传申博，实验、问卷、内容分析、访谈、民族志、计算传播等方法至少要能够真正设计，而不是只知道定义。

第三，英文阅读正在与专业前沿结合。GaaP 本身横跨传播学、公共管理、平台研究和数字政府。未来英语准备不能只看新闻传播学教材，需要逐渐形成直接阅读英文期刊论文的能力。

第四，清华自己的研究议题值得持续跟踪。今年的智能传播、气候传播、平台治理、全球南方、马克思主义新闻观、微短剧等题目，都可以在清华新闻学院近几年公开论文、论坛和研究项目中找到很强的对应关系。这不意味着老师会直接从自己的论文 “出题”，而是学院正在关注什么问题，往往也代表他们认为一个博士生应该理解什么问题。

第五，AI 已经不是一个单独专题。今年 AI 既出现在经典传播理论更新中，又进入 “人工智能向善”，还进入国际关系和全球治理。未来再把 “人工智能” 孤立成一个专题背诵，已经不太够了。它需要进入新闻理论、平台治理、国际传播、传媒经济、文化生产和研究方法等不同专题。

👉对于接下来准备清华新传申博的同学，最重要的也不是再多整理几十个名词解释，而是训练三件事：

1. 面对一个经典理论，能说清楚它在数字环境中哪里需要修正；
2. 面对一个现实问题，能够迅速形成研究问题和研究设计；
3. 面对一篇英文前沿论文，能够识别理论、比较机制，并形成自己的判断。

胡师姐希望能用团队专业的知识与规划辅导，一步一步帮助大家上岸名校，与大家约定在高校的高校相见。如果需要专业的新传保研指导，快来添加助教老师微信吧，还能加入胡师姐27新传保研公益群~

祝大家上岸梦校～