，人工智能的发展浪潮以不可抵挡的态势席卷了整个新闻行业，在选题、组稿、审核、加工、校对、稿件分发等工作中得到广泛应用，为编辑工作的流程再造开辟了便捷路径。

　　新闻业态的改变影响着编辑人员的职业生存环境，以往对编辑的职业素养要求已不能满足现今的行业需求，取而代之的是数字素养要求。

　　1997年，美国科技记者保罗·吉尔斯特首次提出“数字素养”的概念，将其界定为“能够理解和使用来自多种来源、经由计算机呈现的信息的能力”。

　　2018年，联合国教科文组织统计研究所(UIS)将“数字素养”界定为“为了就业、体面工作和创业，通过数字技术安全适当地获得、管理、理解、整合、沟通、评价和创造信息的能力”。

　　2021年，中央网络安全和信息化委员会发布《提升全民数字素养和技能行动纲要》（以下简称“《行动纲要》”），将数字素养定义为“数字素养与技能是数字社会公民学习工作生活应具备的数字获取、制作、使用、评价、交互、分享、创新、安全保障、伦理道德等一系列素质与能力的集合”。

　　不同个体、组织、国家对数字素养作出了不同的界定，除了对技能的操作和使用等功能性层面的关注，还涵盖了文化的交流互通、社会价值观塑造、内容整合传播等不同方面。对于从事内容生产与传播、承担知识服务和舆论引导责任的编辑人员来说，数字素养尤为重要。

　　数字素养已经逐步发展为全球范围内最基本的生存素养，目前已有的认可度较高的数字素养框架分别是欧盟制定的Dig Comp2.2和联合国教科文组织发布的全球数字素养框架（GDLF），国内目前还没有系统的数字素养框架，主要由学者根据《行动纲要》和已有框架作出框架搭建并提出建议。

　　1.欧盟数字素养框架（Dig Comp）。欧盟数字素养框架的发展经历了Dig Comp1.0到Dig Comp2.2。Dig Comp1.0将数字能力定义为5个主要素养领域（信息、交流、内容创造、安全、解决问题）和21种能力的集合，并将各种能力的技能熟练程度分为基础、中级和高级三个级别。DigComp2.0将原有素养域中的“信息”“交流”“内容创造”调整为“信息与数据素养”“交流与合作”“数字内容创造”。2022年，欧盟出台最新版本Dig Comp2.2，更新了对公民数字能力的要求，如公民对人工智能的使用认知（知识）、日常生活中与人工智能的交互（技能）、对个人数据安全的防护（态度）。不同时期的修订对数字素养领域和21项技能都有更改和突出强调，不断为公民数字素养的培育提供新的参考标准。

　　2.全球数字素养框架（GDLF）。2015年，联合国教科文组织发布了全球数字素养框架。该框架以欧盟的Dig Comp2.0为基础框架，参考不同收入水平的全球47个国家和地区的数字素养框架，新增设备与软件操作(CA0)和职业相关素养(CA6)两个素养域，对各素养域的具体能力作出了详尽描述。与欧盟数字素养框架不同，GDLF适用范围更广泛、评测对象更全面，充分考虑到了不同国家和地区之间收入水平的差异。

　　3.国内数字素养框架。我国目前对具体的数字素养框架研究较少，主要是《行动纲要》对数字素养的内涵作出的明确界定和对总体要求、主要任务与重点工程等战略上的部署，兼具相关学者据《行动纲要》进行的框架研究。包晓峰以《行动纲要》为总体指导思想建立知识与认知、实践与参与、情感与价值三个主体维度，设计12项一级评测指标，对公众的软件认知与操作、信息处理、自我防范、数字参与带来的情感满足等作出评测。

　　各国和组织机构对于数字素养框架的更新演化，足以说明人工智能与社会发展的融合是大势所趋。AIGC作为依托人工智能算法产生的内容生成技术，与新闻领域的融合发展已成为不容更改的现实。

　　智能化选题、自动化生产、多样化场景、多渠道分发等技术对新闻生产全流程的渗透正促成传统编辑生存业态的变革，这种变革又对编辑的素养提出新的要求。

　　技术环境和社会环境的变化造就行业生存环境的悄然改变，树立“数据为王”的思维模式、以“技术理性”代替传统经验式的“编辑理性”，是行业生态下对编辑数字素养提出的新要求。

　　传统的新闻生产模式是以编辑为核心的线性生产模式，编辑对新闻线索的搜集渠道有限，报道的选题策划、内容生产大多依据编辑的既往经验和专业敏锐度，与智能技术的接触度和融合度较低，这种基于“编辑理性”的选择和报道实际是存在客观性偏差的。

　　AIGC时代，大数据信息挖掘和云计算技术能依据编辑设定目标展开海量的数据搜集，能够在进行大量的样本筛选后做到精准定位，编辑在决策的科学性、内容生产的客观性等方面显然更具保障。

　　当然，这不是指编辑的数据思维就是对数据的简单分析和文本编辑，而是以此为基础运用数据背后的逻辑进行决策和行动，比如通过数据分析将新闻内容可视化，既能清晰地呈现事实，又能为新闻内容本身增色。

　　AIGC并非单纯的机器生产内容，虽然机器是直接生产者，但是它的生产需要由人设置的目标与指令驱动，龙8体育官网新闻生产中机器人批量生产的模板化新闻、对稿件的审查纠错实际上也是一种对编辑的学习，由人完成模板的设置并进行把控。

　　在稿件审查方面，目前蜜度的校对通、黑马校对、方正审校等智能校对软件能够有效纠正文本内容错误、违规信息及表述上的不规范，但在专业术语和格式审查纠错方面能力有限，ChatGPT自动生成的文本更具说服力的同时却无法兼备内容完全真实准确，其生成的医疗、法律等专业领域新闻内容也需要编辑人工去辨别审核。

　　在稿件分发传播方面，Facebook在新闻筛选和个性化推荐上坚持“人工智能+编辑干预”，纯算法的新闻筛选方式和推荐极易存在“隐藏的偏见”，2014年Facebook对迈克尔·布朗枪击案的推荐就因未达到用户的期望值而被抨击。

　　即便AIGC可以独立完成简单的生产操作，其本质上依旧是需要编辑协同合作的内容生产，“人机协同”生产需求应运而生。

　　自AIGC融入新闻行业以来，技术与新闻编辑之间的价值博弈一直存在，尽管目前通用型人工智能还停留在初始阶段，但其劳动占比的增多正在不断加重编辑的职业焦虑。多种内容生产方式和新闻聚合平台的介入，使新闻编辑角色延展至非主流媒体机构，职业门槛的降低致使新闻编辑产生混乱的身份认知。

　　不仅如此，算法分发和AI稿件撰写与加工使得编辑把关权力被弱化，逐渐让渡于智能技术。行业的泛化、权力的让渡使得长期被海量信息裹挟的编辑极易陷入自我怀疑中，失去理性的价值判断。

　　但无论技术占据的比重多么大，编辑人员才是新闻行业的核心，人文价值和主流意识形态的思想引导是目前的智能工具所不具备的。编辑人员需要把AIGC带来的职业焦虑和技术压力当作自身潜力的挖掘动力，不断自我赋能找回理性判断，合理运用数据生产出更多具有个人特色和社会价值的新闻内容，掌握主动权，做人工智能的引导者。

　　综合上述数字素养框架、战略部署、核心维度及业态变革需求，笔者认为，编辑的数字素养构成可以从能力、认知、责任三个维度进行探析。

　　能力维度是编辑数字素养的基础维度，主要是对计算机技术全面准确的认知和技能的熟练应用，是编辑及时进行数据采集和挖掘整理、解放生产力的能力保障。

　　1.知识掌握。知识掌握包括对工具性知识的掌握和对专业性知识的掌握两种。工具性知识的掌握是指从事专业领域工作时需具备的与数字相关的基础知识，例如编辑对新闻采编工作相关流程中使用到的系统设备的了解，深化工具知识性认识能有效提升技术融合下编辑的工作效率。要让稿件在繁杂的信息流中达到理想的传播效果、满足用户需求，有赖于编辑对专业性知识的掌握，了解并熟知各网络媒体平台技术及其创新应用是编辑应具备的“硬基础”。

　　2.技能掌握。熟练运用图片、音频、视频等丰富的新闻文本表现形式，自主地运用搜索引擎和数据库进行信息处理，是目前一个成熟编辑应具备的基础功能层面的技术操作素养。新闻编辑需要时常在庞大的数据群中寻找有用的新闻线索、整合事实素材，使用数据处理系统进行辅助工作的能力极其重要。类似《》推出的ARC Publishing，编辑只有熟练掌握数据处理系统，才能更好地投入新闻生产中。

　　认知维度是编辑数字素养的中级维度，更强调编辑对数字信息的辨别能力和数字伦理规范的认知。

　　1.信息的辨别与评估。新闻编辑不仅要面对技术的挑战，还要承担媒介线上线下交织的运营压力；要把社会效益放在首位，同时还要兼顾媒体经济效益。压力裹挟下的编辑难免会“乱花迷眼”，在信息的辨别和新闻报道价值的评估中出现失误，对数据的完全信任也是容易导致新闻编辑决策出现失误的因素之一。尽管算法能够帮助编辑进行部分信息的辨别及用户喜好的分析，但技术作为生产工具所具有的局限性决定了编辑在信息筛选和评估过程中占据主体地位，编辑对信息的把关尤为关键。

　　2.数字伦理规范认知。伦理道德是《行动纲要》明确指出的数字素养的应有之义，编辑对伦理规范的认知要随AIGC的发展而革新。不仅人工智能进行的非模板化内容生产一定程度上存在着版权争议，有关智能生成内容的责任界定、著作权归属也众说纷纭。比如美国版权局裁定AI创作图片不受版权保护，而澳大利亚联邦法院的Johnathan Beach法官则认为AI可以发明者的身份申请专利。编辑要尽可能避免卷入权利的纠纷中，需对相关规定和智能生成内容的使用保持关注和警惕。

　　责任维度是编辑数字素养里的高级维度，不仅指编辑在智能化新闻生产流程中的参与，还包括编辑在整个新闻生产工作中应承担的责任，比如社会价值观的塑造以及通过对人工智能的应用发掘其不足并进行知识库的拓展补充的能力。

　　1.社会价值引导。研究表明，带有情绪色彩的新闻报道会影响用户对事实本身的认知，算法的伪中立性使其可能在内容生产和分发环节存在偏见。新闻媒体承担着文化的沟通传播、舆论引导和价值观塑造的任务，编辑有责任参与到智能生产和算法推荐中：对外人机协作，积极输出国内优秀传统文化，严防部分外来糟粕的渗透和入侵；对内把关内容，对智能生产内容和算法推荐内容进行调节把控，谨防不良情绪对公共情绪的感染，分发符合社会需求、具有良好价值导向的新闻内容。

　　2.知识图谱更新。大多数人会将“算法偏见”归结于算法本身，但聂再清认为AI基于数据学习获取知识错误并不是观点歧视，而是能力不足。技术以人为学习模板，其出现的问题源于训练数据模型的不足。编辑应具备在工作中发现技术缺陷并加以补足完善的能力，依靠技术完成工作的同时，依据自身认知能力、知识储备、业务需求拓展AIGC对新闻行业的知识图谱，实现对技术的“反哺”。

　　（许海滨：河北师范大学新闻传播学院副教授、河北省大数据传播与网络舆情研究基地研究员；李印诺、苏新笛：河北师范大学新闻传播学院硕士研究生；丁立捷：河北师范大学新闻传播学院教授）

　　本文刊于《全媒体探索》2024年6月号，原标题为《AIGC时代编辑的数字素养构成》，参考文献略。