AI辅助多模态分析与生成 |「AI × 传播」读书会第二季

导语

本期「AI × 传播」读书会第二季第四期，北京师范大学新闻传播学院在读研究生刘才辅将聚焦“AI辅助多模态分析与生成”。分享将首先界定多模态在传播学中的内涵与重要性，回顾当前研究的方法局限，引出AI在优化测量、拓展研究范围上的独特价值。随后，结合新闻框架理论案例，完整展示从提示词设计、迭代优化到模型标注、人工评测的人机协同流程，并探讨其中可能遇到的问题；再以多模态话语分析为例，剖析AI在视频分析中的潜力与边界。进而转向生成维度，介绍AI在实验材料制作、广告效果研究等方面的具体应用。最后，总结AI辅助多模态研究的方法论边界，为理解人机协同的传播研究新范式提供系统视角。

集智俱乐部联合北京师范大学新闻传播学院许小可教授、北师大珠海校区计算传播学研究中心周晓禹老师共同发起。读书会立足工具—对象—范式三重核心维度，完整搭建AI与传播交叉领域学习体系：拆解AI作为传播研究工具的实操方法、剖析AI作为新型传播主体的社会影响、探索人机协同驱动的传播学全新研究范式，一站式理清三大核心议题：如何借助AI开展传播研究、如何将AI本身作为传播研究对象、如何把握人机协同带来的学科变革。

报告简介

本次分享以“AI辅助多模态分析与生成”为题，首先界定多模态在传播学中的内涵并介绍其重要性，回顾当前多模态研究面临的方法局限，引出AI介入的独特优势；强调AI的工具性角色，提出其核心价值在于优化测量方式，拓展研究范围。随后，结合新闻框架理论的具体案例，展示从提示词设计、迭代优化，到模型标注和人工评测的完整流程，让听众感受人机协同研究的方法论范式，以及可能遇到的问题；而后以多模态话语分析的案例为引导，介绍AI在视频分析上的潜力与局限。接着，从分析转向生成，介绍AI多模态生成能力的研究应用，同样以具体的研究案例为例，介绍AI在实验材料制作、广告效果研究等方面的有效帮助。最后，总结AI辅助多模态研究的方法论边界。

分享大纲

1.多模态的概念以及研究概览

2.现有方法局限和AI辅助优势

3.AI辅助多模态分析

4.AI辅助多模态生成

5.总结

核心概念

多模态分析；多模态生成

主讲人介绍

主讲人：北京师范大学新闻传播学院在读研究生，研究兴趣包括计算传播、国际传播。

参考文献

[1] 周葆华 & 吴雨晴. (2024). 超越单一模态：多模态计算传播研究的进展与前瞻. 传媒观察, (1), 16-27.

[2] Liu, X., Lu, Y., Peng, Q., Qian, S., & Peng, Y. (2026). Seeing the Surreal: Mapping Surrealism in Photorealistic AI-Generated Images Using Large Language Models. Computational Communication Research, 8(2).

[3] Arora, A., Yadav, S., Antoniak, M., Belongie, S., & Augenstein, I. (2025). Multi-Modal Framing Analysis of News. In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (pp. 31531-31553). Association for Computational Linguistics.

[4] Breuer, A., Dietrich, B. J., Crespin, M. H., Butler, M., Pryse, J., & Imai, K. (2025). Using AI to Summarize US Presidential Campaign TV Advertisement Videos, 1952–2012. Scientific Data, 12(1), 1552.

[5] Poggi, I., Scaramella, T., Violini, S., Careri, S., Epure, M. D., & Dragoni, D. (2026). The Ten Minutes That Shocked the World—Teaching Generative AI to Analyze the Trump–Zelensky Multimodal Debate. Information, 17(2), 136.

[6] Compensis, P. (2026). Using AI-Generated Avatar Interactions To Study Socio-Affective Functions of Feedback Signals in Language: An Exploratory Experimental Study on Head Nods. Journal of Nonverbal Behavior, 50(1), 117-136.

[7] Huang, S., & Jiang, Y. (2026). Alignment of GenAI Modalities With Product Types in Generating Ads: The Mediating Roles of Cognitive Load and Perceived Immersion. Journal of Consumer Behaviour, 25(1), 159-175.

[8] Jeon, S., Lee, M. H. J., Montgomery, J. M., & Lai, C. K. (2026). From Faces to Politics: Vision-Language Models (Sometimes) Link Visual Demographic Characteristics to Ideological Labels. Political Analysis, 1-9.

时间信息

2026年7月30日周四14:00-16:00，腾讯会议线上进行。

感兴趣的朋友下滑扫描二维码报名，加入「AI × 传播」读书会第二季后，可进入学员群进行交流。

报名读书会：

「AI × 传播」读书会第二季

传播学从现象出发。今天，AI 已经深度进入信息生产、内容分发、社会互动、公共判断和知识生产过程。它既是工具，也是媒介；既是研究对象，也是协作者；既提升效率，也制造新的偏见、信任和责任问题。AI × 传播成为一个新的领域。2025年8月至12月，集智俱乐部联合许小可、张子柯、王成军、廖好四位老师发起第一季“AI × 传播学”读书会，吸引了225人报名参与。由来自北京师范大学、南京大学、复旦大学、浙江大学、香港城市大学、深圳大学等高校的15位主讲人，围绕计算叙事、智能传播、人机传播、传播拟真四个方向，绘制了 AI × 传播领域的前沿地图。

由集智俱乐部联合北京师范大学新闻传播学院，北京师范大学珠海校区计算传播学研究中心许小可教授、周晓禹讲师共同发起，我们将从“工具-对象-范式”三重维度出发，系统梳理 AI × 传播的实践路径——如何用 AI 做研究，如何研究 AI 本身，如何理解人机协同的新范式。

扫描海报中二维码报名参加读书会

报名方式：

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：我们鼓励围绕传播学、人工智能及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径
   

   认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径
   

   合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

相关内容推荐

1.读书会推荐阅读材料

扫描下方二维码可跳转至集智斑图网站阅读文章：「AI × 传播」读书会第二季读书会推荐阅读材料。

2.往期公众号相关内容推荐