2025年8月12日，北京大学信息管理系于燕南园五十号成功举办了“人工智能时代的科技传播”学术研讨会。本次会议由闫蒲助理教授主持，张鹏翼副系主任致开幕辞，周荣庭、王国燕、金兼斌、周庆山、赖茂生等国内科学传播领域的专家学者出席，并邀请伦敦大学学院（UCL）Simon Mahony、Ulrich Tiedau两名教授出席。本次研讨会聚焦科技传播在人工智能技术助力下的范式转型，探讨了如何借助人工智能提升气候变化议题的传播效果，旨在推动科技传播领域的国际学术交流与跨学科合作，促进不同国家、不同学科背景学者之间的对话和合作。会议采用中英双语进行，并提供AI实时翻译，内容丰富，讨论热烈，不仅回顾了国内科技传播学术发展的历程，更前瞻性地描绘了全球AI时代科技传播的新图景。
开幕致辞
研讨会由北京大学信息管理系副系主任张鹏翼致开幕辞，她热情欢迎了各位与会嘉宾，并详尽介绍了信息管理系在科技传播领域的深厚底蕴与发展脉络。她指出，本系在本科、硕士、博士阶段均设置了与科技情报和科技传播相关的核心课程，强调了这些课程在培养信息管理领域学者中的重要地位，同时也表达了对未来国际合作的殷切期望。
随后，中国科学技术大学科技传播系执行主任、中国科技新闻学会科技传播理论专委会主任委员周荣庭教授进行发言。他对科技传播理论专委会的发展历程进行了回顾，梳理了其历史沿革、重要成就与学术贡献，并展望了未来国内科技传播学术共同体的凝聚，以及与国际学术团体的交流与合作前景。周荣庭教授特别指出在人工智能重塑我们生活的当下，科技传播正处于关键的十字路口，研讨会及时探讨了人工智能如何重塑科技传播范式、如何影响气候变化等议题的话语权，并祝愿本次研讨会取得成功。
圆桌讨论一：人工智能技术在科技传播中的应用与挑战
第一场圆桌讨论题为“人工智能技术在科技传播中的应用与挑战”。首先，作为科技传播理论专委会发起人之一的北京大学信息管理系赖茂生教授发言，他线回顾了科技传播的定义，并从科技成果识别、科研范式转变及科学交流等多个角度切入，全面讲述了生成式人工智能为科技传播带来的优势，也指出了其在内容科学性、真实性、算力要求与资源不平等方面的潜在挑战。他强调，学术共同体需积极应对挑战，把握优势，共同推动科学传播的研究。
接着，来自清华大学的金兼斌教授深入探讨了生成式 AI 的可信性与事实核查问题。金兼斌教授阐述了科学传播中的生成式 AI 可信性与事实核查研究，讨论了生成式人工智能的可信度研究、AI 谄媚现象及 AI 生成内容的事实核查相关问题，进行了较为系统的探讨与前瞻。他指出尽管 AI 能通过整理信息缓解信息过载，通过交互式见底降低学习门槛来促进公众对科学的理解与参与，但其“幻觉”、放大科学偏见以及“AI 谄媚”等问题都带来了巨大的可信度挑战。他进一步阐述了通过改进算法和平台治理来减少这些倾向的必要性。
之后，来自苏州大学科技传播研究中心的王国燕教授结合自己的使用体验和科研经验，从科技情报、科研赋能、科学教育等角度给出 AI 赋能科学传播领域的生动实例。此外，她关注到技术进步带来的知识过载、偏见、可解释性问题以及人际沟通替代效应。她特别讨论了“欺骗性人工智能”的风险，并展望了未来具身智能、人机交互等领域的潜在风险及应对思路。
最后，来自北京大学信息管理系的周庆山教授则从宏观层面探讨了生成式AI 带来的系统性挑战和“范式革命”，并对人机关系的未来进行前瞻。他认为，科技传播需要应对这一革命性的变化，并提倡学术共同体对科学传播中的生成式人工智能应用达成共识与规范。他特别关注到 AI 时代的信息弱势群体，如老年人、残疾人和科学素养较低的人群，在辨别人工智能生成内容方面可能面临的“知识失能”问题。
圆桌讨论二：科技传播中的叙事研究
在第二场名为“科技传播中的叙事研究”的专家讨论环节，来自伦敦大学学院欧洲语言、文化与社会学院（SELCS, UCL）的 Ulrich Tiedau 教授首先发言。他以一名历史学家和数字人文研究者的双重身份，深入探讨了叙事在历史学与科学中的角色。他指出，尽管历史学曾经历过“科学化”进程，但事实只有被置于叙事中，才能真正有意义。他进一步强调，今天的学者需要打破科学与人文之间的隔阂，正如他所参与的数字人文项目所倡导的“一种文化”理念，即将科学方法与人文关怀相结合，共同探索知识，这也是本次“气候叙事解码”项目所要实现的愿景。
接着，来自伦敦大学学院数字人文中心（UCLDH, UCL）的 Simon Mahony教授分享了他对科技传播的见解。他首先强调了沟通在学术交流中的重要性，并指出他长期致力于促进中英两国学者之间的交流与合作。Mahony 教授特别关注数字素养在当今社会的重要性。他指出，无论是中国、欧盟还是英国，都已将数字素养提升到国家战略层面，以帮助民众应对假新闻等问题。他认为，作为科技传播领域的专业人士，必须亲身实践和使用 AI 工具，才能更好地理解其工作原理，并识别其生成的内容。之后，Mahony 教授展示了其团队在“气候叙事解码”项目中的初步研究成果。他们对比了 Bilibili 和 YouTube 两大平台上的视频元数据，发现尽管都关注气候变化、极端天气等话题，但两个平台的地域焦点、内容风格和信息来源存在显著差异。例如，YouTube 上的内容更偏向于新闻和国际媒体，而 Bilibili 则更侧重于中国本地内容和语言学习材料。此外，他们发现 Bilibili上存在大量 YouTube 内容的转载，并且对美国政治人物的提及率较高，这仍是一个有待深入分析的发现。
之后，北京大学信息管理系闫蒲助理教授分享了发起“气候叙事解码”项目的初衷与核心理念。她首先指出，该项目的诞生源于她作为一名在英国生活多年的中国学者，在学术写作中遇到的一个核心困惑：中国研究的独特性与普适性之间的平衡。她认为，通过跨文化对比研究，可以更有力地回答这一问题，即同时关注中国和英国的气候传播现象。闫蒲教授强调，项目的一大亮点在于融合新的研究工具，利用大语言模型来提取更高级的概念，例如社交媒体文本中的叙事框架。她还透露了项目的第三个研究步骤，即超越计算本身，将大数据分析与传统的人文研究方法相结合，以验证不同的叙事框架是否真的会影响公众态度。在项目初步发现阶段，已经在跨平台对比中得到了一些有趣的发现，这揭示了跨国界科学传播的积极现象。该项目也为开放科学与跨国学术合作机制的探索提供了有益的经验。
最后，项目成员李恒毅同学分享了项目中使用的视频转录文本数据集以及初步的主题分析与叙事情感弧线识别结果。在叙事主题分析上，他指出 Bilibili 和YouTube 两大平台虽然都关注气候政策和科学等议题，但各自有独特之处：Bilibili 将气候变化内容与英语学习相结合，而 YouTube 则更偏向于新闻和政治讨论；在情感弧线分析中，研究发现两个平台的主流内容都对气候变化表达了丰富立场，但 YouTube 的情感起伏模式更为复杂。该项目未来将深入探讨细粒度的叙事刻画，识别“反气候变化论”的叙事模式，并分析叙事框架对社交媒体热度的影响。
互动讨论与未来展望
在互动讨论环节，与会嘉宾围绕着 AI 时代的科学研究方法、生成式人工智能在科研中的可信性、大众传播与科学传播、开放科学与数据开源等议题展开热烈讨论。讨论涉及了“混合研究方法”的信度和效度问题、如何证明“Prompt Engineering”作为一种科学方法的可行性、科技传播与大众传播在术语使用上的差异，及科学传播叙事的重要性。
本次研讨会不仅全面剖析了 AI 在科技传播领域的应用，更为学术界应对新时代变革提供了宝贵的见解与前瞻性思考。
AI & Society 