交叉学科/信息传播学专业(工)(0810J5

传播数据科学方向(01

一、专业方向概况及培养目标

1、专业方向概况

信息传播融合了传播学、数学、计算机科学与技术、信息与通信工程、哲学、历史学、中国语言文学等相关学科,适应行业发展需要并遵循各学科的发展规律,是学校重点建设的交叉学科之一。

 “传播数据科学”方向立足传媒领域的实际需求和支持双一流学科建设,聚焦信息传播前沿领域,关注复杂网络理论、数据科学方法、人工智能及前沿技术在信息传播中的理论和应用问题。本方向以信息传播学理论为指导,更侧重理论的探索、方法的创新和技术的研发等,与“信息传播”专业下设的“计算传播”、“计算广告”和“语言传播”等方向优势互补,文理渗透,通过定量和定性协同解决信息传播领域的理论实践问题。

2、培养目标

为满足我国社会主义现代化建设的需要,适应数学、数据科学和传播学等多学科深入交叉的发展趋势,培养德智体全面发展的高层次交叉型人才。具体包括:(1)学习和掌握马克思主义的基本原理,坚持四项基本原则,热爱祖国。遵纪守法,品行端正,积极为社会主义现代化建设服务;(2)具有扎实的数学、统计学、计算机科学与技术基础理论知识,系统的专业知识和熟练的应用技能,掌握智能融媒领域涉及到的新知识、新方法和新技术;(3)深入了解信息传播领域的发展现状和最新研究动态,开展跨学科和新兴交叉学科的应用研究,适应未来媒体发展的需求;(4)初步具备独立从事科学研究的能力;在某个研究方向上做出有理论或实际意义的研究成果;比较熟练地掌握一门外语;(5)身心健康,具有严谨求实的学风 、事业心、社会责任心及团队精神。

二、研究方向和内容

传播数据科学方向(01

 “传播数据科学”方向以服务于传媒领域的实际需求和支持双一流学科建设为目标,以数学、统计学、传播学、计算机科学与技术为基础,重点研究复杂网络理论、数据科学方法、人工智能及前沿技术在信息传播中的理论和应用问题。具体研究内容包括:

  1. 以矩阵论、最优化理论等为基础进行信息传播理论的推理证明和知识发现;

  2. 基于全媒体数据中台和微服务技术架构进行多源异构融合传播数据库体系建设,以解决信息传播的数据孤岛;

  3. 基于统计计量、数据挖掘、智能技术和复杂网络等方法进行信息传播相关模型的构建和算法实现,研究信息的生产、加工、传播及传播的网络拓扑特征和动力学演化规律等,进而对信息进行识别、预测、控制和评价等;

  4. 覆盖制播域和传输域,从信息传播生命周期和融合网络传播角度进行示范应用研究。

三、师资队伍

教师梯队由7名教师组成,共有硕士生导师6人,其中正高职称2人,副高职称4人,专业知识结构合理,6人具有高级职称和博士学位,能满足本专业研究生指导工作的要求。

本方向导师当选或被聘为美国统计学会(ASA)会员、北京数学会理事、北京计算数学会理事、电子和电气工程师学会(IEEE)会员、中国图象图形学学会(CSIG)会员、中国工业与应用数学学会(CSIAM)会员,中国计算机学会(CCF)会员,科技部国家重大专项会评专家、教育部回国留学基金评审专家、国家公派留学基金评审专家等、北京市科学技术委员会评审专家、中国电子学会广播电视分会有线电视专业委员会副主任,中国教育电视协会技术专业委员会副主任,国家广播电视总局首期媒体融合发展专家库专家,国家广播电视总局广播电视与网络视听行业领军人才、北京市广播电视与网络视听行业领军人才,北京市教学名师、国家市场监督总局技术贸易措施研究中心特聘专家等。

四、人才培养

1、主干课程

 “传播数据科学”方向课程体系设置从三方面进行系统论证:首先,调研借鉴国内外顶尖学校的传播数据科学、计算传播学和大数据传播等相关交叉学科专业或方向课程设置;其次,围绕培养目标、社会对人才培养和就业需求;再次,基于本专业基础优势和中国传媒大学研究生培养总体方案。重点从理论基础、数据科学与技术、计算机应用技术、综合交叉应用四大方面进行设计:

 “理论基础”类课程:包括传播学基础课程、概率统计与优化方法等数理基础课程,主要定位是该方向的先修课,为学生学习传播数据科学与智能技术相关课程奠定基础;“数据科学与技术类”课程:主要讲解信息传播学领域研究中所需的术语、理念、理论、方法、技术、工具等,包括数据预处理、统计推断、回归分析、模型评估、统计机器学习算法、文本挖掘与深度神经网络等数据分析方法和技术,目标是基于数据科学理论激发媒介研究的新方法与新认知;“智能技术”类课程:主要讲解信息传播中智能技术的应用,包括智能融媒云平台的技术原理与应用,基于复杂网络理论相关分析算法对社交网络和影视数据进行分析,实现理论知识和算法实现的有机融合;“计算机应用技术”类课程:主要包括操作系统、数据库技术与大数据算法设计,实现全媒体大数据的高效存储与检索和科学管理、为数据分析提供支持;为解决信息传播中的具体问题进行算法的设计、创新与优化,并为开发高效软件系统奠定基础;信息传播、数据科学与智能技术的“交叉应用”类课程:主要探讨如何将数据科学的理念、理论方法和技术应用于智能传播领域,基于交叉融合探究数字技术时代新的传播议题与媒介现象。课程体系如图1所示。

 图1  “传播数据科学”课程体系

2、科研平台

1)智能媒体微服务技术研究与应用国家广播电视总局实验室

20187月由国家广播电视总局批准,中国传媒大学数据科学与智能媒体学院牵头成立了“智能媒体微服务技术研究与应用国家广播电视总局实验室”。该实验室是由中国传媒大学负责、多方共建的非独立法人机构,目前参与共建的单位有:中国移动有限公司、湖南广播影视集团有限公司(湖南广播电视台)、华为集团、杭州广电云网络科技有限公司。

实验室以建成全球第一个以广播电视与网络视听领域标准化微服务平台为目标,致力于广播电视与网络视听微服务的基础研究和应用研究,研究内容包括平台架构、关键技术、技术规范、综合测试床和验证环境等,研发新技术、孵化新业务,推动行业技术迭代和变革,大力开展创新型人才培养,促进产业转化和市场推广应用。实验室贯彻落实国家数字化产业战略的部署,发挥产学研用的综合优势,聚焦国内外广播电视与网络视听行业的最新技术和战略需求,以媒体微服务技术为切入点,促进我国传媒行业的技术迭代,加强我国在国际相关领域的话语权和影响力;坚持把社会效益放在首位进行多方共建,在广播电视与网络视听领域开展技术创新、标准化和推广应用,通过开放共享实现合作共赢。


2)大数据实验平台

2019年团队依托新工科建设项目,建设了大数据实验平台。平台分为两期,第一期是基础课程模块,采用B/S架构,教师可以在线上课,上传PPT、代码等教学材料,学生可以在线学习老师操作、编写代码、参加考试等等。第二期主要针对人工智能和大数据教学要求,添加了相关课程,平台集成了各种系统环境,学生无需重新配置环境即可运行模型和代码,实现了教学与实践的并行。

实验平台基于异构CPU+GPU硬件建立大规模的容器云,建设了大数据与智能媒体处理云平台,提供丰富的机器学习和深度学习研发插件与依赖,支持计算机视觉CV和自然语言处理NLP等模型类型,支持更快地构建、训练和测试模型,开发大数据分析和媒体处理深度智能应用系统。

平台基于 KubernetesDocker技术栈实现,架构设计是分布式、松散耦合的,以保所有模块、组件的可维护性和可扩展性,容器管理模块实现平台上所运行大数据、深度学习实验环境的生命周期管理,辅以多种生态技术,提供可平台架构特点视化管理工具,实现自动化、智能化运维。

基于云原生方法开发和运用微服务方式部署的大数据与人工智能集成环境管理软件,可以基于容器云快速、轻松地构建大数据分析和深度学习模型训练环境,包括基于VNC远程桌面和 Notebook集成的 HadoopSparkHiveFlink大数据集群和TensorFlow

PytorchCaffeTheanoMxnet深度学习框架,并通过Kubernetes

的架构进行服务间的编排,通过负截均衡器将用户访问分发到多个应用实例上。

平台拥有丰富的多源异构数据资源,支撑科研、教学、竞赛等应用,数据来源包括聚合新闻客户端数据、县级融媒数据、广播电视和网络视听企业接口数据等。

3.获奖及优秀期刊论文、发明专利等

本方向教师科研成果丰厚,其中与该方向研究相关的主要科研成果百余项,主持国家级和省部级等科研项目60余项,出版专著12部、发表期刊论文近百余篇;获批国家发明专利20余项;获得软件著作权10项;获各级各类高水平奖励35项;向国家广播电视总局广科院和科技司提供建议报告2份。其中荣获广播电视科学技术奖(中国电子学会颁发)、北京市科学技术三等奖,《促进融合媒体供给侧改革的传媒大数据采集分析系统研制与应用》项目(北京市人民政府颁发),

中广联合会科技创新奖二等奖,《广播电视台融合媒体新闻制播分发技术方案与应用示范项目》(中广联合会颁发),广播影视科技创新一等奖、突出贡献奖,《有线电视用户大数据采集、分析、挖掘和决策支持系统》项目(中国广播电影电视社会组织联合会颁发)。


五、毕业生就业去向

本学科毕业生可从事与科学工程计算、智能媒体、信息传播等相关的科研、教学、大数据分析、软件研制及开发等工作。除出国深造之外,本学科毕业生主要分布在国家机关、企事业单位、互联网公司等单位从事数据分析等相关工作。