Exploring AIGC-Aided Approaches to Multimodal Journalistic Discourse Teaching ()
1. 概述
在数字技术深度融合媒介生态的当下，新闻话语已彻底超越了纯文本形态，演进为一种整合了文字、图像、视频、版面设计、超链接等多种符号资源的多模态语篇。这种演变对传统的语言教学，特别是英语新闻教学提出了严峻挑战。学生不仅需要理解语言本身，更需具备多模态识读能力，以批判性地解码不同模态如何协同构建意义、传递意识形态。然而，传统教学方法在工具与资源上往往滞后，难以有效支持对复杂多模态语篇的深度解构与互动分析。
与此同时，生成式人工智能的迅猛发展为解决这一教学困境提供了新的范式。AIGC技术，尤其是大型语言模型和多模态模型，展现出强大的内容生成、语义解析和语境推理能力。这意味着，它能够作为强大的认知工具，动态模拟新闻生产流程、自动解构多模态元素间的语义关系，并为学生提供个性化的、交互式的学习任务，从而将多模态新闻语篇教学从静态的“展示–讲解”升级为动态的“探究–创造”过程[1] [2]。
尽管多模态话语分析理论日趋成熟，且AIGC在教育领域的应用探索方兴未艾，但将二者系统性地整合于英语新闻教学场景的研究尚处于探索阶段。现有研究或侧重于技术本身，或局限于理论探讨，缺乏一个连接前沿理论与智能技术、具备可操作性的具体教学框架。因此，本研究旨在回应以下核心问题：如何有效地将生成式人工智能整合到英语新闻多模态语篇教学中，以设计出一种能够切实提升学生多模态识读能力与批判性思维的教学模型？
2. 文献综述
2.1. 多模态话语分析的理论框架与教学应用
多模态话语分析理论源于系统功能语言学，其核心论点是：语言仅是意义建构的模态之一，图像、颜色、版式、声音、动作等非语言符号同样遵循特定的语法规则，并与语言协同构建完整的语篇意义。Kress和van Leeuwen提出的视觉语法是关键突破，它将系统功能语法的三大元功能(概念、人际、语篇)延伸至视觉图像分析，确立了图像具有再现世界(叙事与概念)、与观看者互动(索取、提供)、以及通过构图实现连贯的潜力[3] [4]。此后，Liu的模态密度与注意力焦点分析[5]、Stein对多模态隐喻的探讨[6]，共同构成了一个成熟的分析工具箱，适用于解构新闻这类高度多模态化的语篇。
在教育领域，多模态理论催生了“多模态识读能力”的培养目标。研究者普遍认为，教学应从传授“语言技能”转向培养“符号解码能力”[7]-[12]。在新闻语篇教学中，这意味着引导学生分析镜头角度如何构建权力关系，色彩如何唤起情感，版面布局如何引导阅读路径，以及图文是互补还是背离。然而，现有教学实践多停留在教师主导的展示与分析，缺乏让学生进行深度互动和动态探究的有效工具与方法，使得理论向实践的转化面临瓶颈。
2.2. 生成式人工智能在教育领域的应用现状
生成式人工智能，特别是大型语言模型，以其强大的内容生成、上下文理解和逻辑推理能力，正在重塑教育图景。其应用主要集中在三个层面：内容创作与个性化支持，作为互动性认知工具，评估与反馈机制。AIGC能够根据教学大纲和学习者水平，动态生成练习题、案例分析、解释性文本乃至模拟对话，实现教学资源的“按需供给”。这为创建海量、贴近学生兴趣的新闻语篇分析素材库提供了可能。超越静态资源库的角色，AIGC可以扮演辩论对手、苏格拉底式提问者或协作创作者。在新闻教学中，学生可以指令AI模拟不同立场(如自由派与保守派)对同一事件进行报道，从而直观比较话语的建构性，这是传统教学方法难以实现的。AIGC能够对学生的分析文本提供即时、形成性的反馈，指出其逻辑漏洞或未察觉的模态关联，充当“智能导师”。当前研究的热点与难点在于如何设计精准的提示词，以引导AI生成高质量、无偏见且符合教学目标的反馈。
尽管应用广泛，但现有研究多集中于通用语言技能(如写作、翻译)或STEM学科，针对高级认知技能(如批判性话语分析)的AIGC深度整合研究仍相对匮乏。
2.3. 技术赋能下的新闻语篇教学
将技术应用于新闻教学并非新话题。早期研究探讨了如何使用语料库工具进行关键词频率分析、利用多媒体播放器进行音视频分析。近年来，也开始有研究尝试将AI技术(如情感分析、主题建模)引入新闻解读。然而，这些研究存在明显局限，往往使用多个独立工具完成不同任务，缺乏一个统一的、智能化的平台支撑完整的“识别–分析–批判–创作”学习流程。
分析维度单一：多侧重于文本分析(如词汇、句法)，或仅将图像、视频作为独立单元进行分析，未能充分利用AIGC的潜力来深度解析模态间的互动关系(例如，文字说明如何锚定图像的歧义，或背景音乐如何颠覆画面的表面意义)。学生多为技术的“使用者”而非“通过技术进行思考与创造的主体”。生成式AI的独特优势在于它能将学生从被动的分析者转变为主动的探索者和意义的重构者，而这一潜能在此前的研究中未被充分发掘。
综上所述，现有研究为本项目奠定了坚实的理论基础(多模态话语分析)并指明了技术可能性(生成式AI)，但同时暴露了一个关键的研究空白：缺乏一个以“多模态识读能力”为核心培养目标，系统性地利用生成式AI作为认知伙伴，并贯穿于英语新闻语篇教学全过程的整合性模型。本研究旨在填补这一空白，构建一个具体的AIGC辅助教学框架，并详细阐述其设计原则、操作流程与评估方法，以期推动新闻语篇教学向更互动、更深入、更以学生为中心的方向发展。
3. 生成式人工智能在英语新闻多模态语篇教学中的适用性分析
生成式人工智能在英语新闻多模态语篇教学中的适用性，首先体现在其卓越的技术适配性上。这种适配性核心在于其多模态内容的解析与生成能力。与以往仅能处理文本的分析工具不同，现今的多模态大模型能够同步解构新闻语篇中的文字、图像、视频、版式等元素。它们不仅能识别出图像中的物体和场景，更能理解其象征意义和情感基调；不仅能转录视频中的语音，还能分析画面构图、镜头语言与旁白之间的互动关系。例如，模型可以精确描述一则政治新闻的报道中，领导者形象在画面中的中心位置、仰拍视角与标题中特定敬语的使用如何共同构建了一种权威表征。这种深度的、一体化的解析能力，为教学提供了前所未有的微观洞察工具。
在语义关联与语境还原的精准度方面，生成式人工智能展现出接近人类水平的上下文理解能力。它能够超越表层的符号识别，洞悉不同模态之间复杂的语义关系。具体而言，它可以判断图文关系是简单的“图示”还是深层的“反讽”，可以分析背景音乐是如何颠覆或强化画面的表面叙事，更能还原新闻语篇产生的社会文化语境。比如，在分析一篇关于经济衰退的报道时，AI不仅能指出配图为失业人群，还能进一步分析这种视觉呈现是否与正文中引用的宏观经济数据相吻合，并推测其选择此种呈现方式可能试图激发的公众情绪。这种将具体符号置于更广阔语境下进行关联分析的能力，是培养学生批判性思维的关键。
在教学应用场景上，生成式人工智能带来了革命性的创新可能。最直接的应用是新闻语篇的自动解构与重构练习。教师可以引导学生使用AI工具，将一篇完整的新闻报道“拆解”为基本事实、观点评论、视觉元素、数据图表等组成部分，清晰地展示其意义建构过程。反之，学生可以拿到一系列基础事实材料，然后指令AI以不同报道立场(如中立、支持、反对)或不同媒体风格(如严肃报纸、社交短视频)来“重构”出多个版本的报道，在对比中深刻理解话语的建构性与选择性。这种从“知其然”到“知其所以然”再到“亲身体验建构”的学习路径，极大地深化了学习效果。
此外，生成式AI为多模态元素的互动分析提供了强大的支持。传统教学受限于时间和工具，往往只能对单一模态或浅层的模态关系进行分析。而AI可以瞬间完成对海量语料的处理，帮助学生发现那些不易察觉的、系统性的模式。例如，它可以分析某家媒体在报道特定议题时，是否倾向于反复使用某类隐喻、某种色调的图片或某种类型的信源。这种对潜藏在大量个案之下的“话语策略”的宏观把握，是传统教学方法难以实现的，它能让学生从对单篇报道的批评上升到对媒体机构乃至社会话语体系的批判性认识。
最后，生成式人工智能为实现真正的个性化学习路径生成与即时反馈机制奠定了基础。系统可以根据每位学生的兴趣领域(如科技、体育、财经)自动筛选和调整新闻语料的难度，确保学习材料的吸引力和适切性。在学生完成分析练习后，AI不仅能判断对错，更能提供形成性反馈，如指出分析中的逻辑漏洞、未能察觉的模态关联，或通过追问(“你为什么认为这个镜头语言暗示了偏见？”)引导学生进行更深层次的元认知思考。这种即时、精准、个性化的辅导，相当于为每位学生配备了一位永不疲倦的“私人导师”，使大规模班级中的差异化教学和深度学习成为可能。
4. 教学模型构建
在当前全球化与数字化深度融合的背景下，新闻语篇已成为融合文字、图像、版面设计等多种符号系统的复杂多模态文本。培养学生的多模态识读能力与跨文化理解能力，并在此过程中有机融入课程思政建设，是新时代高等教育的重要使命。生成式人工智能技术的迅猛发展，为达成这一教学目标提供了前所未有的赋能工具。本文以《华尔街日报》与《中国日报》就中国东方航空MU5735航班空难这一重大事件所呈现的两篇新闻报道为对比分析语料，旨在构建一个以AIGC技术为驱动的多模态新闻语料对比教学模型，探讨其设计原则、模型框架及实施流程。
该教学模型的核心设计原则立足于三个基本点：多模态识读能力培养、跨文化能力提升以及课程思政建设。首先，模型强调引导学生超越纯文本分析，系统解构新闻语篇中图像、色彩、字体、版面布局等多种模态如何协同构建意义。例如，通过对比《华尔街日报》在报道中穿插股市行情表所隐含的商业语境，与《中国日报》突出救援行动现场图片和国家领导人指示所传递的以人为本文本精神，学生可以直观理解不同模态资源的表意功能。其次，跨文化能力提升聚焦于分析中西方媒体因文化传统、价值观念和新闻理念差异所导致的叙事框架、信源选择与情感基调的不同。《华尔街日报》的报道线索较为发散，关联了航空安全监管历史、波音公司背景乃至香港防疫政策，体现了其调查性报道传统和商业关切；而《中国日报》则采用集中统一的叙事，强调国家应急响应的高效有序与对公民生命的高度负责，反映了集体主义价值观下的新闻报道范式。这种对比有助于学生形成跨文化敏感度，理解新闻并非客观透明的“镜子”，而是经过文化滤镜的建构。最后，课程思政建设并非简单灌输，而是通过上述批判性分析过程自然引导出对中国特色社会主义新闻观、国家形象构建策略以及如何在复杂国际舆论场中有效传播中国声音的深层思考，从而坚定学生的文化自信与家国情怀。
基于上述原则，本文构建的教学模型包含三个核心层次：输入层、处理层与输出层。输入层是经过系统筛选与预处理的多模态新闻语料库。它不仅包含两篇报道的完整文本，还整合了相关的新闻图片、版面截图、乃至报道在社交媒体平台传播时的短视频片段。所有语料均需进行初步标注，例如利用AIGC工具对图像内容进行物体识别与场景分类，对文本进行关键词抽取与情感倾向分析，为后续深度分析奠定数据基础。处理层是整个模型的技术核心，依赖于生成式人工智能工具链对语料进行深度解析与教学任务生成。首先，在内容解析层面，可利用大型语言模型对两篇报道进行摘要生成、立场分析、修辞手法识别和叙事结构对比，快速提炼出核心差异点。例如，指令模型分析“对比两篇报道在描述救援行动时使用的动词及其情感色彩”。其次，在关联分析层面，AIGC工具可以构建事件知识图谱，将空难事件与航空安全史、国际舆论动态、国家治理能力等宏观议题相关联，帮助学生建立系统性认知。最后，在任务生成层面，AIGC可根据教学目标和学生认知水平，动态生成分层、个性化的探究性问题或学习任务，如为初学者生成“识别两篇报道标题的信息焦点”的基础任务，为进阶学生生成“模拟改写《华尔街日报》报道开头段落，使其基调更接近《中国日报》风格”的创造性任务。输出层则对应具体的分层教学活动设计，旨在将AIGC处理后的信息转化为学生的核心素养。教学活动由低到高分为四个递进阶段：识别、分析、批判与创作。在识别阶段，学生利用AIGC辅助工具标注语料中的多模态元素，如《中国日报》头版中领导人指示的版面位置和字体大小所传递的优先级信号。在分析阶段，学生基于AIGC生成的对比分析框架，深入探讨不同报道如何通过引语选择(如官方信源vs.匿名信源)来建立可信度。在批判阶段，引导学生辩论“国际新闻报道中的‘客观性’是否可能”等议题，AIGC可提供论据库或模拟反方立场，激发思辨。在创作阶段，学生小组合作，利用AIGC工具(如文生图模型生成配图，文本生成模型撰写解说词)创作一份融合中西方视角、力求平衡的空难事件多媒体简报，从而实现知识的内化与创造性应用。
模型的实施流程是一个动态循环系统。始于语料预处理与多模态标注，利用AIGC提升标注效率与一致性。紧接着是生成式任务设计环节，教师设定教学目标后，可与AIGC协同设计探究性问题与情景模拟任务。然后，在学生完成输出成果后，进入评估与反馈循环阶段。AIGC可对学生提交的作业进行初步评估，如检查分析的全面性、逻辑的连贯性，并提供基于海量语料的参考建议；教师则在此基础上，给予更具深度和人文关怀的个性化指导，并根据普遍性问题调整后续教学计划。
综上所述，以AIGC技术驱动的多模态新闻语料对比教学模型，通过将先进人工智能工具与经典教育学目标深度融合，为培养学生面对复杂信息生态所必需的综合素养提供了切实可行的路径。它不仅提升了教学效率，更通过激发学生的主动探究与批判性思考，使多模态识读、跨文化理解与课程思政目标真正落地生根，为培养具备国际视野、家国情怀和数字素养的新时代人才贡献了积极方案。
5. 案例设计与应用分析
以《华尔街日报》和《中国日报》关于中国空难的报道作为对比语料，生成式人工智能工具的应用可以具体体现在多个层面。在图文关联分析方面，教师可以设计专门的提示词，引导AI模型进行深度解读。例如，指令AI详细分析《中国日报》新闻配图中救援人员的动作、装备、环境以及整体色调，并让其结合报道文本中“全力以赴进行搜救”等关键语句，阐述图像是如何将抽象的文本承诺转化为具象、可感的视觉叙事，从而共同营造出一种专业、高效且充满人文关怀的基调。同时，可以对比《华尔街日报》版面中显著出现的股市行情表等商业数据元素，引导AI分析这种视觉符号如何将读者的注意力引向事件的经济维度和系统性风险，而非个体的情感冲击，从而让学生直观理解不同媒体通过模态资源选择所设定的议程差异。
在新闻视角对比的任务生成上，生成式人工智能能够实现自动化与个性化。教师只需将两篇报道的文本输入模型，并指令其扮演新闻学助教的角色，要求基于特定维度生成对比分析表格。AI可以迅速完成这项基础性工作，提炼出“报道焦点”上《华尔街日报》对航空安全史和波音公司背景的延伸与《中国日报》对国家应急响应和社会运行恢复的强调等核心差异；归纳出“主要信源”上西方媒体倚重行业专家和数据与中国官方媒体引用政府及官方机构声音的不同偏好；并总结出两者在关键词和情感基调上的迥异。这不仅能快速为学生提供一个清晰的分析起点，更能将教师从重复性的信息筛选中解放出来，专注于引导学生进行更深层次的解读。
为了促进学生进行批判性讨论，可以构建一个由AI辅助的引导框架。这个框架并非直接给出结论，而是通过设问和提供思辨素材来激发学生思考。讨论可从事实层开始，利用AI进行基础信息核查，如对比两篇报道对失事过程的描述是否一致。进而进入建构层，引导AI分析《华尔街日报》为何要关联历史上的空难事件，其背后隐含了怎样的“技术问责”问题框架；而《中国日报》将空难报道与城市复工复产的新闻并列排版，又构建了何种“灾难下的国家韧性与秩序”的叙事。最后上升到批判层，可以指令AI模拟一场辩论，分别生成支持“报道应优先追求技术真相”和“报道应体现人文关怀与社会稳定”两种观点的论据，让学生在这些观点的碰撞中，深入思考新闻伦理、文化价值与意识形态如何深刻地影响着媒体的建构方式。
这种深度融合AIGC的教学模式，其预期效果主要体现在学生多模态识读能力的实质性提升和教学效率与参与度的显著优化。学生的能力提升将是一个从表层到深层的过程，他们将从被动接受信息转变为主动解码符号，能够系统性地分析文字、图片、版面设计如何协同运作传递意义，并最终形成对媒体背后权力关系与文化语境的批判性判断力。在教学过程中，AIGC极大地提升了效率，它自动化处理了信息提取、初步对比和资料生成等基础工作，并为学生提供了即时、个性化的反馈支持，使得教师能够将更多精力投入于启发性的教学互动。同时，与智能工具的互动本身具有的探索性和挑战性，以及学习内容与真实世界问题的紧密连接，也有效降低了学生的表达门槛，激发了其内在学习动机，从而营造出一个更具支持性、互动性和深度的课堂环境。
6. 结论
本文以《华尔街日报》与《中国日报》关于中国空难的报道为对比语料，系统构建了一个由生成式人工智能驱动的多模态新闻语料对比教学模型。通过理论与实践的双重探讨，本研究得出以下核心结论。首先，生成式人工智能的介入，为多模态新闻教学带来了范式性的变革。它不再是简单的工具辅助，而是作为核心认知伙伴，能够高效完成从语料预处理、多模态元素标注到基础性对比分析的一系列重复性、基础性工作。例如，通过精心设计的提示词，AIGC可以精准解析图像与文本的协同叙事机制，并自动生成直观的报道视角对比表格，这极大地减轻了教师的教学负担，使学生能够将认知资源直接集中于更高层级的批判性思考与创造性产出活动上。其次，该模型通过分层、递进的教学活动设计，有效促进了学生综合素养的螺旋式上升。从“识别”阶段的模态元素感知，到“分析”阶段的叙事框架解构，再到“批判”阶段的意识形态反思，以及最终“创作”阶段的跨文化实践，整个学习过程在AIGC的支持下形成了一个从知识内化到能力外化的完整闭环。在这一过程中，学生不仅深刻理解了新闻作为“建构性现实”的本质，其跨文化敏感度、媒介批判素养以及利用技术进行有效沟通的能力均得到了实质性锻炼。更为重要的是，模型实现了技术赋能与育人目标的有机统一。课程思政的要素并非通过生硬灌输，而是自然地融入在批判性分析的过程中。学生在对比中西方媒体报道差异时，会主动探究其背后的文化逻辑、价值取向与权力关系，从而在理性思辨的基础上，深化对中国特色社会主义新闻观的理解，并思考如何在国际传播中构建全面、客观、真实的国家形象。这种基于比较、源于思考的认知过程，远比单向度的说教更具说服力和持久性。
当然，本模型的成功实施有赖于教师角色的成功转型与对技术伦理的审慎考量。教师需从知识的权威传授者，转变为学习情境的设计者、探究过程的引导者以及与AIGC协同的“教练”。同时，必须引导学生批判性地看待AIGC生成的内容，意识到其可能存在的偏见与局限，培养其作为数字时代公民不可或缺的审辨式思维。此教学模型可进一步拓展至气候变化、国际冲突等更多元的新闻议题，并探索跨校、跨国的协同学习项目。随着多模态大模型的持续进化，其在教育领域的应用潜力将更为深远。本研究旨在抛砖引玉，为人工智能时代的新文科建设，特别是融合价值引领与能力培养的创新教学模式，提供一个切实可行的参考框架。
基金项目
本文是2023年度浙江越秀外国语学院校级课程思政专项研究课题暨绍兴市课程思政专项研究课题项目；2021年浙江省一流课程建设的阶段性成果。
Appendix (Abstract and Keywords in Chinese)
生成式人工智能在英语新闻多模态语篇教学中的应用研究
摘要：随着全球信息传播格局的深度演变，新闻语篇已演变为融合文本、图像、数据与版面设计的复杂多模态文本体系，对学生的多模态识读能力与跨文化理解能力提出了更高要求。本文旨在构建一个依托生成式人工智能技术的多模态新闻语料对比教学模型，以《华尔街日报》与《中国日报》就同一中国空难事件的差异化报道为典型案例，探索数字智能技术与人文素养教育深度融合的新路径。模型核心围绕多模态识读能力、跨文化能力与课程思政建设三大目标设计，其框架包含输入层(多模态语料库)、处理层(AIGC工具链的内容解析、关联分析与任务生成功能)与输出层(识别、分析、批判、创作的分层教学活动)。论文详细阐述了基于AIGC的图文关联分析提示词设计、新闻视角自动对比任务及批判性讨论引导框架等具体应用策略。研究表明，该模型能有效提升学生解构媒体叙事、批判性思考意识形态差异的能力，同时通过技术赋能优化教学效率与课堂参与度，为在新闻传播学、外语教学及通识教育中落实“价值塑造、能力培养、知识传授”三位一体的教学目标提供了具有前瞻性与可操作性的实践方案。
关键词：外语教育，多模态话语，阐释性图像，多模态教学