智媒融合背景下人工智能驅動的廣告學互動教學模式創新與實踐

摘要

隨著人工智能技術的飛速發展與智媒融合時代的到來，廣告行業正經歷著深刻的變革。傳統的廣告創意與策略制定模式日益受到數據驅動的挑戰，對廣告人才的能力結構提出了新要求。然而，當前高校廣告學專業的教學體系，尤其是在編程和技術應用層面，普遍存在知識門檻高、學生參與度低、與產業需求脫節等困境。本文旨在探索一條有效的教學路徑，解決無編程基礎的廣告學學生如何快速具備利用技術進行消費者洞察的核心問題。為此，本研究提出并構建了一種以生成式AI為“協同編程助手”的創新互動教學模式。該模式的核心思想是摒棄傳統的、復雜的編程語法學習，轉而引導學生通過“提示詞工程”這一更直觀、更高效的方式，與AI進行深度協作。學生不再需要從零開始編寫代碼，而是通過提出清晰、結構化的問題，引導AI生成能夠執行特定任務的Python代碼。通過將AI定位為全天候的編程助理與靈感伙伴，我們在廣告學教學中構建了一套可復制、可擴展的教學實踐框架，該框架以“項目式學習”為驅動，通過“問題定義—數據清洗—數據分析—洞察報告”的四步循環教學法，系統性地培養學生的技術思維與廣告專業知識的融合能力。教學實踐表明，該模式能夠有效降低學生的技術恐懼感，激發其學習興趣，初步形成人機協作的思維模式，為其未來在AI驅動的廣告行業中具備核心競爭力奠定堅實基礎。

關鍵詞

智媒融合 廣告學教學 人工智能 提示詞工程

Abstract

With the rapid advancement of artificial intelligence technologies and the advent of the intelligent media convergence era, the advertising industry is undergoing profound transformations. Traditional models of advertising creativity and strategy formulation are increasingly challenged by data-driven approaches, placing new demands on the skill sets of advertising professionals. However, current teaching systems in higher education advertising programs—particularly in programming and technical application—commonly face challenges such as high knowledge barriers, low student engagement, and disconnection from industry needs. This study aims to explore an effective teaching pathway to address the core challenge of enabling advertising students without programming backgrounds to rapidly develop the ability to leverage technology for consumer insights. To this end, we propose and construct an innovative interactive teaching model that positions generative AI as a “collaborative programming assistant.” The core concept of this model is to abandon the traditional and complex learning of programming syntax, instead guiding students to engage in deep collaboration with AI through “prompt engineering,” a more intuitive and efficient approach. Rather than writing code from scratch, students learn to guide AI in generating Python code capable of executing specific tasks by posing clear, structured questions. By redefining AI as an always-available “programming assistant”and “inspiration partner,”we have established a replicable and scalable teaching framework for undergraduate advertising education. This framework, driven by project-based learning, systematically cultivates students’ ability to integrate technical thinking with advertising expertise through a four-step iterative teaching method: “problem definition—data cleaning—data analysis—insight reporting.” Teaching practice demonstrates that this model effectively reduces students' technological anxiety, stimulates their learning interest, and initiates the formation of human-AI collaborative thinking patterns, thereby laying a solid foundation for their future competitiveness in AI-driven advertising industries.

Keywords

Intelligent media convergence Advertising education Artificial intelligence Prompt engineering

1 引言

進入21世紀第三個十年，我們正處在由人工智能、大數據、物聯網等技術驅動的新一輪信息革命浪潮之中。在這場浪潮的核心，是“智媒融合”的深刻變革。智媒融合，是指智能技術與媒體業態的深度融合，它不僅重塑了信息的生產、傳播與消費方式，也對整個廣告產業鏈產生了顛覆性影響。在這個新的生態系統中，廣告的精準投放、效果評估、用戶關系管理等環節都離不開對海量數據的分析與洞察。廣告從業者的角色定位已發生深刻轉變：他們不再局限于依靠天馬行空的創意靈感的藝術創作者角色，更需要轉型為依托數據工具精準洞察用戶需求、科學優化營銷策略的數據洞察者與策略規劃者。他們需要具備從紛繁復雜的數據中發現規律、提煉洞察，并將其轉化為有效商業行動的核心能力。未來的廣告人才必須具備“技術思維”與“廣告專業”的雙重素養，能夠在技術與創意之間找到完美的平衡點。

正是在這樣的背景下，以生成式AI為代表的新一代人工智能技術為廣告學教學改革提供了前所未有的機遇。AI技術，尤其是大語言模型，其核心能力在于理解和生成自然語言，這使得非技術背景的用戶能夠通過“對話”的方式與AI進行交互，完成復雜的任務。具體到編程領域，GitHub Copilot等AI編程助手的出現，已經徹底改變了程序員的工作方式。它通過分析用戶代碼上下文，實時提供智能的代碼補全、函數調用建議甚至完整的代碼片段。這種“AI協同編程”的模式，將編程的復雜性從人類開發者身上部分轉移到了AI身上。基于這一思路，我們可以將其應用于廣告學教學中，將AI從一個被動的“工具”轉變為一個主動的“協同編程助手”。這意味著，廣告學學生無須精通Python的所有語法，就能與AI高效協作，完成數據采集、分析等工作。這為我們破解“無編程基礎學生難以掌握技術”這一教學難題提供了一條切實可行的新路徑。

本文挑戰了傳統廣告學教育中“先掌握技術再應用”的線性思維模式，提出了一種“人機協同”的新型教學范式。它將AI定位為教學過程中的關鍵一環，而非簡單的輔助工具。這一模式的構建，將有助于豐富和完善智媒融合背景下的廣告教育創新理論，為如何利用先進技術提升人才培養質量提供新的理論視角和分析框架。它不僅探討了技術在教學中的應用方式，更深入地研究了人機協作對學生學習心理、思維模式和能力結構的影響，從而推動廣告教育理論向更具前瞻性和實踐性的方向發展。

本研究的核心價值在于其高度的實踐導向性。研究構建的“AI驅動”互動教學模式并非空中樓閣，而是一套經過精心設計、詳細闡述并附有具體案例的可復制、可推廣的實踐方案。它為國內各高校廣告學專業的一線教師提供了現成的教學改革藍本，無須從零開始探索。通過遵循該模式，教師可以在現有教學資源和技術條件下，快速、有效地將數據驅動的教學內容融入課程體系，指導學生完成具有商業價值的消費者洞察項目。這不僅能夠顯著提升學生的學習興趣和專業能力，也為高校與行業企業的深度合作搭建了一座堅實的橋梁，使人才培養更精準地對接產業需求。

2 “AI驅動”的廣告學互動教學模式構建

2.1 模式核心理念：從“學習編程”到“駕馭AI解決問題”

本教學模式的核心理念改變了傳統計算機科學或數據科學課程中“先學習編程語言，再應用編程解決問題”的線性邏輯。在本模式中，學習的核心目標不再是掌握Python或R語言的所有語法和API，而是“駕馭AI來解決特定的廣告學問題”。

具體來說，學生的學習路徑被重構為：首先，面對一個真實的、有價值的廣告學問題；其次，學習如何將這個問題轉化為一個可以被AI理解和執行的任務；最后，通過與AI進行“對話”，引導AI生成能夠完成該任務的代碼，并對結果進行解讀和應用。整個過程強調的是“問題定義”和“人機協作”，而不是“代碼編寫”和“語法調試”。這種模式將AI從一個被動的“工具”轉變為一個主動的“協同編程伙伴”，學生的角色也從一個“代碼的學習者”轉變為一個“策略的制定者”和“洞察的生產者”。

2.2 教學目標重構：培養“技術通感”與“數據敘事”能力

為了適應新模式，教學目標也必須進行重構。我們不再僅僅追求學生能夠寫出“正確”的Python代碼，而是要培養以下兩種核心能力：

首先是“技術通感”。“技術通感”是指學生能夠將復雜的技術概念和過程，以一種非技術性的、形象化的方式進行感知和理解。這是一種突破語法表層、直擊問題本質的思維能力。在本教學模式中，該能力具體外化為兩大核心維度：將實際問題轉化為技術可解的精準表述，以及對數據特征與規律形成直觀敏銳的把握。問題的技術化表達是指學生能夠將一個模糊的商業問題，比如“用戶為什么不喜歡我們的新品？”清晰地拆解為一個結構化的、可被AI處理的技術任務。數據的直覺化理解是指學生能夠通過可視化的圖表，快速把握數據的核心特征，而不是被一堆枯燥的數字所淹沒。此外，學生能夠預測AI生成代碼的大致功能和潛在局限，并能通過進一步的提示詞引導，使其輸出更符合預期。這種能力的培養，使學生能夠建立起與技術的“親密感”，而不是隔閡感，從而更愿意主動去探索和利用技術。

其次是數據敘事能力。數據敘事能力是廣告學專業的核心競爭力之一。在本模式中，數據敘事不再僅僅是將數據轉化為圖表，而是要將數據洞察與品牌故事、營銷策略緊密結合[2]。這種深度融合的目標，是產出具有實際商業價值的洞察報告，這些報告不僅要體現數據分析的專業性，更要確保其內容能夠被廣告從業者和市場營銷人員準確理解并實際采納，真正發揮驅動商業決策的作用。具體要求包括：洞察的準確性與深度：能夠從數據中提煉出有價值、有深度的結論，而不是停留在表面的描述。故事的吸引力：報告的結構、語言和呈現方式要能夠吸引讀者的注意力，使復雜的數據變得生動、易懂。建議的可操作性：數據洞察必須能夠直接轉化為對廣告策略的具體建議，具有明確的商業價值。通過培養“數據敘事”能力，學生能夠真正理解技術在廣告業中的價值，并將其作為一種工具，為商業決策提供支持。

2.3 教學核心要素設計

一個成功的教學模式離不開清晰的要素設計。在“AI驅動”互動教學模式中，主要涉及以下四個核心要素：

其一，教師的角色定位實現了根本性重構：從傳統的知識傳授者轉型為項目引導者與思維教練。在這一創新模式中，教師不再是課堂中單一的知識權威，而是演變為學習過程的引導者與思維方法的訓練者。其核心職能具體體現在以下關鍵維度：教學項目的系統化設計與選題策劃——通過設計蘊含真實商業價值的實踐項目，有效引導學生深入問題情境，激發其探究與解決實際問題的能力。當學生遇到困難時，該種教學模式可以提供方向性的啟發和引導，幫助他們將問題拆解得更清晰，將思路理得更順暢。同時，該模式還會教授學生“提示詞工程”的基本原理和技巧，指導他們如何與AI進行高效協作。因此，在最終評估學生的項目成果時，不僅需要關注代碼的有效性，更需要關注學生洞察的深度和報告的質量，并給予及時、建設性的反饋。使用該種互動教學模式，意味著教師要將AI技術與廣告學、傳播學、市場營銷等專業知識進行有機整合，確保學生的學習是服務于專業目標的，其工作重心從教授轉向了引導，從角色上而言更像一個經驗豐富的教練，而非單純的講師。

其二，學生角色實現了深刻轉變：從傳統的被動知識接受者，轉變為主動的、與AI深度協作的探索者[3]。在這一新型教學關系中，學生的學習過程呈現出高度參與和自主驅動的特征。具體而言，學生需要承擔以下關鍵角色：問題定義者、任務規劃者、人機協作探索者和洞察生產者。在教學初期，學生需基于教師提供的項目背景，自主界定研究方向和洞察目標，培養發現真問題的能力。隨后，學生需要掌握將復雜問題拆解為可操作性任務的技能，并為每個子任務設計精準的人工智能交互指令。這種角色轉變使學生真正成為學習過程的主體，通過人機協作的方式開展探索性學習，既提升了解決實際問題的能力，又培養了數智時代的核心素養。在教學過程中，學生需要通過與AI的對話，不斷調試和優化代碼，解決數據獲取、清洗、分析等過程中的技術問題。最終，由學生自行生成洞察報告，將冰冷的數據轉化為有溫度、有洞見的商業故事。

其三，AI工具成為全天候的編程助理與靈感伙伴。在教學過程中，AI扮演著多重角色，不僅需要實時響應用戶的提問，生成代碼片段，幫助學生快速實現數據采集、處理和分析等功能，還能夠解決煩瑣的語法問題、庫調用問題和API調試問題，讓學生的注意力集中在更高層次的思考上。同時，AI還承擔著啟發式靈感伙伴的角色，不僅能執行任務，還能通過對話啟發學生的思路。例如，當學生不知道如何挖掘更深層次的主題時，AI可以通過提問引導他們思考“用戶還關心什么？背后的心理動機是什么？”等問題，讓學生能夠進行更加深度和豐富的洞察。而當AI生成的代碼出現錯誤時，學生可以直接詢問AI，它會解釋錯誤原因并提供修改建議，這極大地降低了學生獨立調試代碼的難度。這種將人工智能定位為協同創新的智能伙伴而非單純的技術工具的理念，重構了人機互動關系，為教學模式注入了新的活力，能夠有效激發學生好奇心和探索欲的認知伙伴。

其四，教學內容上以“項目式學習”作為核心架構。將真實且有挑戰性的實踐項目貫穿教學全過程。項目的遴選緊密圍繞廣告學領域的核心議題，包括品牌形象深度解析、用戶需求洞察、競爭對手策略比對以及營銷活動效能評估等關鍵維度。這種以項目為主線的教學安排具有顯著優勢：它將抽象的專業理論自然融入具體實踐情境，促使學生在解決實際問題的過程中自主構建知識體系。項目不僅作為知識傳授的載體，更成為方法論訓練和思維模式培養的重要平臺。通過項目式學習的系統實施，學生能夠在真實商業環境中運用所學知識，培養從問題識別到解決方案落地的完整能力鏈條，實現理論知識向實踐能力的有效轉化。學生在完成一個項目的過程中，自然地串聯起數據采集、預處理、分析、可視化和報告撰寫等一系列技能，實現了知識的融會貫通。

2.4 教學流程設計：四步循環教學法

為了將上述理念和要素系統化，我們在廣告學本科專業課程《數字營銷與廣告》與碩士課程《新媒體研究》中設計并實踐了“四步循環教學法”。該教學流程遵循從問題到洞察的完整閉環，探索人機協作的每一個環節。

第一步：問題界定。作為項目實施的初始環節，問題界定在整個教學流程中具有基礎性地位。這一階段的核心任務在于精準識別和分析關鍵議題，為后續所有工作奠定方向性基礎。在具體事件中，由教師提供一個具體的項目背景，如“分析某國產新銳美妝品牌與國際大牌在小紅書上的用戶評價差異”。學生需要在此基礎上，將其拆解為可執行的洞察目標，并且準確地定義這些目標，因為它們將直接決定后續數據采集的范圍和分析的方向（見圖1）。

圖1 問題定義的目標順序及內容

第二步：AI協同數據清洗與分析。原始數據通常是雜亂無章的，需要進行清洗和預處理。同樣，學生可以利用AI生成數據預處理的代碼。例如，提示詞可以是：“我已經獲取了包含標題和正文的DataFrame，請編寫一個函數，對文本進行清洗，包括去除HTML標簽、數字、停用詞和特殊符號。”隨后，將進入數據的分析階段。學生可以引導AI生成各種分析代碼（見圖2），學生需要根據分析結果，不斷與AI交互，調整參數，以獲得更準確的洞察。

圖2 AI協同數據清晰與分析

第三步，在數據可視化與解讀階段，學生需要借助人工智能工具將分析結果轉化為直觀的圖形化呈現。在這一關鍵環節，學生可以運用智能工具自動創建散點圖、熱力圖、趨勢曲線等多種可視化形式，將復雜的分析數據轉化為易于理解的視覺信息。例如，提示詞可以是：“請為兩個品牌分別繪制一個柱狀圖，展示其正面、中性、負面評價的數量對比。”圖表生成后，學生的專業素養在這一步得到充分體現。因為他們需要結合廣告學相關理論，對圖表背后的數據進行深入解讀。例如，當看到國產品牌的高頻詞是“性價比”，而國際品牌是“效果”時，學生需要分析這背后反映出的品牌定位差異和消費者認知差異。數據可視化與解讀環節在整個人機協作教學流程中具有承前啟后的關鍵作用，它有效搭建了技術分析與廣告實踐之間的重要橋梁。

第四步：在項目流程的最終階段，學生需要將前期各個環節的發現與成果進行系統性整合，形成具有專業水準的商業洞察報告。這一步驟不僅是對整個學習過程的總結，更是將數據分析能力轉化為實際商業價值的關鍵環節。最終報告需要包含項目背景、研究方法、數據結果、核心洞察和策略建議等部分。學生需要將前面三步的成果，以清晰、有邏輯的方式呈現出來，并最終形成對廣告策略有指導意義的具體建議。這種綜合性訓練不僅培養了學生的專業報告撰寫能力，更重要的是鍛煉了其將技術分析轉化為商業洞察的系統性思維，為未來從事廣告策劃、市場營銷等職業奠定了堅實基礎。

3 教學效果評估與反思

3.1評估方法

為了全面、客觀地評價“AI驅動”互動教學模式的成效，本文采用了多元化的評估方法，包括過程性評估和結果性評估相結合，量化評估與質性評估相結合。

學生項目成果評估是評估的核心。我們的評估指標主要包括三個核心指標：報告質量、代碼有效性和洞察深度。首先，報告質量層面：重點評估洞察報告的結構、邏輯、深度和可讀性，看報告是否能將數據與廣告策略有效結合，提出的建議是否具有可操作性。其次，代碼有效性層面，重點評估學生提交的代碼是否能夠正確運行，并準確完成數據采集、清洗、分析等任務。同時，考察其代碼的規范性、注釋的完整性和文檔的撰寫情況。最后，洞察深度層面：重點評估學生從數據中提煉洞察的能力，看其是否能超越表面的描述，深入挖掘用戶行為背后的動機和心理（見圖3）。

圖3 學生項目成果的評估指標

在項目結束后，我們會對所有參與互動教學項目的學生進行匿名問卷調查。問卷旨在了解學生對教學模式的滿意度、學習體驗、自我效能感的變化以及對未來學習的影響。問卷設計了李克特五點量表（從“非常不同意”到“非常同意”），并設置了開放式問題，以獲取學生的主觀感受和具體建議。

在評估研究過程中，我們還對部分參與學生開展了半結構化深度訪談，旨在從質性研究角度獲取更豐富、更深入的一手資料。通過與學生就項目體驗、能力提升、人機協作感受等主題進行面對面交流，我們收集到了大量鮮活的個案經驗和真實感悟。有不少同學談道：“通過完整的項目實踐，我真正體會到了從數據發現到傳播策略落地的全過程，這種學習體驗是傳統課堂難以比擬的。”這些質性數據與之前的量化結果形成有效互補，共同構建起對教學模式成效的立體化評估。訪談結果顯示，學生普遍認為這種創新的教學模式不僅提升了專業技能，更重要的是培養了他們批判性思維和解決復雜問題的能力。

3.2教學成效分析

通過對評估結果的初步分析，我們發現該教學模式取得了顯著的成效：首先是學生技術恐懼感顯著降低，解決問題的自信心增強。大部分學生認為該模式“極大地降低了學習編程的難度”，并“讓他們對使用技術解決專業問題更有信心”。許多學生表示，因為沒有任何編程基礎，在項目初期面對Python時感到恐懼，但在AI的幫助下，他們能夠逐步完成任務，這種“小步快跑”的成功體驗極大地提升了他們的自我效能感。其次是能夠產出具有實踐價值的消費者洞察，連接了理論與現實。學生提交的項目報告普遍展現出較高的質量。他們不僅完成了從數據獲取到洞察生成的完整流程，更重要的是，能夠將技術分析的結果與“品牌定位理論、消費者行為理論”等廣告學理論緊密結合。

這表明，該教學模式成功實現了學生角色的根本性轉變——從被動的數據消費者轉型為主動的洞察生產者，有效打通了理論認知與實踐應用之間的壁壘。更為重要的是，學生在此過程中初步構建了人機協同的新型思維范式。在項目實踐中，學生展現的核心能力已不再局限于傳統的技術操作層面，而是能夠界定復雜問題的能力和使用智能工具的人機協作能力。他們學會了如何向AI清晰地表達自己的需求，如何解讀AI生成的代碼，以及如何通過與AI的反復對話來優化解決方案。這種新型的人機協作思維模式，或許是未來廣告人才所必需的核心競爭力之一。

3.3 面臨的挑戰與反思

在教學實踐中，我們也清晰地認識到該模式仍存在若干需要完善之處，這也為后續的教學改進提供了明確方向。

首先是AI生成代碼的準確性與調試過程仍需教師深度介入。雖然AI能生成大部分基礎代碼，但在處理復雜任務或代碼出現錯誤時，其生成的解決方案有時并不完全正確。這就需要教師具備更高的技術素養，能夠快速識別AI生成代碼中的潛在問題，并引導學生進行有效的調試。

其次是在教學實踐過程中，另一個亟待加強的環節是數據倫理與隱私保護教育。隨著課程深入，學生需要處理大量來源于真實社交平臺的用戶數據，這對其數據合規使用意識提出了更高要求。如何引導學生在數據采集、使用和分享過程中遵守法律法規，保護用戶隱私，是一個不容忽視的問題。因此，未來需要在課程體系中系統增加數據合規、隱私保護等倫理教育內容，培養學生形成負責任的數據使用觀念，這既是數字時代廣告人才的基本素養，也是項目可持續發展的重要保障。

該教學模式對師資隊伍的知識結構提出了全新的復合型要求。教師不僅需要具備扎實的廣告學專業理論基礎，還必須同步掌握計算機科學、數據科學及人工智能等相關領域的知識體系。教師需要不斷學習和更新自己的知識體系，才能有效引導學生[4]。因此，構建具備“廣告學+數據科學”復合知識背景的師資團隊，成為推動教學模式深化發展的關鍵所在。這需要通過系統的師資培訓和跨學科人才引進，不斷提升教師隊伍的數智化教學能力。

最后是如何平衡技術工具使用與廣告學本體理論深度學習的關系。在實踐中，我們發現學生可能會過度沉迷于技術操作，而忽略了對廣告學核心理論的深入學習。如何在利用AI工具提升效率的同時，保證學生對傳播學、營銷學、廣告創意等專業基礎理論的掌握，是一個需要在課程設置和教學管理上進行精心設計的問題。

4 結論與展望

本研究以智媒融合為背景，針對廣告學教學在技術賦能方面的困境，提出并構建了一種以生成式AI為“協同編程助手”的廣告學互動教學模式。初步探索了一條在解決問題過程中學習駕馭AI工具的教學路徑。在實踐過程中，我們觀察到這種“做中學”的方式有助于學生更快地建立技術自信，它通過將AI定位為協同編程伙伴，將復雜的編程任務轉化為可通過“提示詞工程”解決的人機協作問題，降低了學生的技術門檻，提升了其利用技術進行消費者洞察的能力。學生們實現了從被動執行指令的技術操作者，向具備全局視野的復合型廣告人才的轉型——能夠自主界定核心問題、系統規劃解決路徑，并產出具有商業價值的深度洞察報告。這種從技術執行者到策略思考者的躍遷，正是本教學模式的核心成果，這一探索不僅是對教學方法的局部改進，更希望能為教學理念的更新提供一些參考。

盡管本研究取得了一定的成果，但仍存在一些局限性：首先是樣本量與普適性問題，本研究的教學實踐案例和評估數據來自特定班級和特定課程，樣本量相對有限，其結論的普適性有待在更大范圍、更多樣化的教學環境中進行驗證。其次是長期效果跟蹤問題，本研究對教學效果的評估主要集中在項目結束后，而要全面了解該模式對學生長期的專業發展、職業選擇和行業適應能力的影響，需要進行長周期、跨年度的跟蹤研究。最后是技術工具的局限性：本研究主要依賴通用的生成式AI模型，隨著更專業、更易用的AI編程助手和更強大的AI模型的出現，教學模式的效果和邊界也可能發生變化。

面向未來，隨著AI技術的不斷演進和廣告行業的持續變革，廣告學教育的創新之路仍有廣闊的探索空間。目前的教學主要以文本分析為主，未來的教學可以進一步拓展。比如引導學生利用多模態AI技術，分析社交媒體上的圖片、視頻等內容，或通過AI識別圖像中的產品、場景和人物情緒，利用視頻內容分析工具分析視頻中的關鍵幀和用戶評論，從而實現更豐富、更立體的消費者洞察。

隨著廣告教育與行業發展的深度協同，未來教學工具將朝著更垂直、更智能的方向迭代——例如研發專用于廣告學場景的AI編程助手，這類工具內置典型廣告分析場景模板，學生無須從零定義任務，僅需選擇匹配的場景選項，即可快速生成結構化分析報告。此類工具的普及將顯著降低技術應用門檻，推動數據分析能力成為廣告學專業學生的基礎素養。本研究構建的模式創新，本質上是為這一趨勢提供了一個實踐起點。面向未來，需在此基礎上推進廣告學課程體系的系統性重構：一方面，打通“理論奠基—技術應用—前沿探索”的能力培養鏈條，形成從基礎概念到智能工具實操、從經典理論到行業前沿動態的完整知識圖譜；另一方面，需聯合行業力量持續優化教學工具的功能適配性，并在更廣泛的教學場景中驗證模式有效性。我們深知，當前模式的成熟度仍有提升空間，其推廣價值也有待更多實踐檢驗。因此，期待與全國廣告教育同仁攜手，在工具迭代、課程聯動與模式優化中形成合力，共同探索更具普適性、更能呼應AI時代需求的廣告人才培養路徑。

基金項目：本文為北京工商大學教育教學改革研究一般項目《智媒融合：構建人工智能驅動的廣告教學模式》（項目號：jg245230）的研究成果。

作者簡介

孫銘欣 北京工商大學語言與傳播學院廣告系主任，副教授

牛聰鈺 北京工商大學語言與傳播學院2025級碩士研究生

樊安懿 北京工商大學語言與傳播學院廣告系講師

注釋