2026年《新媒体概论》期末考试试题(附答案)

2026年《新媒体概论》期末考试试题(附答案)一、单项选择题（每题2分，共20分）1.根据2025年《中国网络视听发展研究报告》，我国短视频用户人均单日使用时长接近以下哪个数值A.100分钟B.130分钟C.160分钟D.190分钟2.以下哪一种算法推荐模型属于生成式AI浪潮下新媒体内容分发的新型核心机制A.协同过滤B.内容画像标签匹配C.大语言模型驱动的意图理解分发D.热门热度排序3.新媒体语境下从UGC概念延伸出的AIGC，其核心定位是A.人工智能生产内容B.专业用户生产内容C.人工智能辅助生产内容D.算法生成用户内容4.小红书作为当前主流生活服务类新媒体平台，其核心内容生态逻辑是A.算法驱动的娱乐内容流量分发B.搜索+推荐双引擎的种草内容信任构建C.社交关系链驱动的熟人内容分享D.短平快娱乐内容的刺激消费5.以下哪一项不属于新媒体对公共领域的重构体现A.普通公众话语权提升B.公共议题讨论边界拓宽C.传统媒体议题设置权完全消失D.公共讨论场域从线下转向多平台联动6.微信视频号的核心分发逻辑中，占据最高权重的流量入口是A.公域算法推荐B.私域社交分享C.公众号联动引流D.搜一搜搜索引流7.“媒介化社会”理论视角下，新媒体对社会的影响核心是A.媒介成为社会运行的核心基础设施B.媒介内容完全取代了线下社会活动C.媒介所有权完全向公众开放D.媒介技术消除了所有信息鸿沟8.2024年以来国内流行的“内容共创”新媒体运营模式，其核心特征是A.平台生产内容，用户分享传播B.品牌主导，用户参与内容生产与传播全链路C.网红生产内容，品牌付费推广D.AI生产内容，人工修改发布9.以下哪一项属于新媒体传播中的“第三人效果”的典型表现A.公众认为低俗新媒体内容对自己的影响远小于对青少年的影响B.公众认为自己接触的新媒体信息都是真实的C.公众更愿意相信和自己立场一致的新媒体内容D.新媒体用户更倾向于发布夸张的内容吸引关注10.我国对新媒体内容监管的核心原则不包括以下哪一项A.党管新媒体B.流量至上C.正能量是总要求D.管得住是硬道理二、多项选择题（每题4分，共20分）1.新媒体传播相较于传统大众传播的核心特征包括以下哪些选项A.传播主体的多元化B.传播过程的双向互动性C.传播内容的碎片化D.传播效果的可精准量化E.传播边界的融合化2.当前生成式AI给新媒体内容生态带来的挑战包括哪些A.虚假信息、深度伪造内容的生产门槛大幅降低B.内容同质化问题加剧C.版权归属问题模糊D.降低了普通用户的内容生产门槛E.改变了内容分发的底层逻辑3.新媒体环境下，议程设置理论的新发展包括哪些A.议程设置的主体从传统媒体转向多元主体B.出现了“二级议程设置”“框架议程设置”“算法议程设置”等新形态C.公众可以反向设置媒体和政策议程D.算法会通过信息茧房弱化传统议程设置的效果E.议程设置的效果完全消失4.新媒体运营中的私域流量，其核心特征包括A.品牌可以免费反复触达B.基于社交关系的信任链接C.流量所有权属于平台D.用户转化率和复购率通常高于公域流量E.可以实现用户的精细化运营5.数字鸿沟在新媒体时代的新表现包括A.接入鸿沟：不同群体能否稳定接入高速互联网的差距B.使用鸿沟：不同群体利用新媒体获取信息、创造价值能力的差距C.算法鸿沟：不同群体被算法分发的信息质量、机会的差距D.素养鸿沟：不同群体新媒体素养、数字能力的差距三、名词解释题（每题5分，共20分）1.算法推荐2.私域流量3.新媒体媒介素养4.AIGC四、简答题（每题10分，共20分）1.简述新媒体对传统媒体新闻生产的冲击与重构。2.简述新媒体环境下网红带货出现虚假宣传问题的核心成因。五、论述题（共20分）结合2023-2025年我国新媒体行业实践，论述生成式AI如何重构新媒体内容产业的全链条，并分析其带来的治理挑战。参考答案一、单项选择题1.B2.C3.A4.B5.C6.B7.A8.B9.A10.B二、多项选择题1.ABCDE2.ABC3.ABCD4.ABDE5.ABCD三、名词解释题1.算法推荐：算法推荐是新媒体环境下依托大数据、人工智能技术实现内容精准分发的核心机制，指平台通过收集用户的人口属性、浏览行为、社交关系、停留互动等多维度数据，构建用户画像与内容画像，再通过特定算法模型将内容匹配给目标用户的过程。当前主流算法推荐模型包括协同过滤、标签匹配、大模型意图分发等，是新媒体平台流量分配的核心逻辑，深刻影响了用户的信息接触路径与内容生产方向。2.私域流量：私域流量是相对于公域流量提出的运营概念，指品牌或个人创作者从公域流量池中引流，能够自主掌控、可免费反复触达、沉淀在自有渠道的用户流量。常见的私域流量池包括企业微信、个人微信号、品牌会员社群、官方小程序、自有APP等，核心特征是基于信任的强关系链接，拥有更高的用户转化率与复购率，是当前新媒体品牌运营的核心方向之一。3.新媒体媒介素养：新媒体语境下的媒介素养是公民数字素养的核心组成部分，指公众接触、解读、使用、生产新媒体内容的综合能力，具体包括对新媒体信息的辨别判断能力、对虚假信息与算法陷阱的抵御能力、合理利用新媒体提升自我、参与社会公共事务的能力，以及生产合规合法内容的能力，是弥合新媒体时代数字鸿沟的核心培养内容。4.AIGC：AIGC是继UGC（用户生产内容）、PGC（专业生产内容）之后出现的新型内容生产模式，全称为ArtificialIntelligenceGeneratedContent，即人工智能生成内容，指依托大语言模型、生成式对抗网络等人工智能技术，自动生成文本、图像、音频、视频等各类内容的生产模式。2022年ChatGPT推出后AIGC进入产业化爆发期，大幅降低了内容生产门槛，重构了新媒体内容生产分发全链条，同时也带来了版权、虚假信息等诸多治理问题。四、简答题1.新媒体对传统媒体新闻生产的冲击主要体现在三个层面：第一，分流了传统媒体的受众与广告收入，新媒体的即时性、互动性、个性化特点吸引了大量年轻用户转移，传统纸媒发行量、广电收视率持续下滑，广告主也逐步将预算转向新媒体平台，传统媒体依赖“内容+广告”的传统经营模式受到根本性冲击；第二，解构了传统媒体的垄断性话语权，传统媒体时代专业机构垄断新闻生产，普通公众只是信息接收者，新媒体时代每个人都可以通过社交平台发布新闻信息，很多突发性公共事件的信源最早都来自普通用户爆料，传统媒体的首发优势、信息垄断优势不复存在；第三，冲击了传统媒体的内容生产逻辑，传统媒体按照固定周期生产标准化内容，无法满足新媒体时代用户对个性化、即时化、互动化内容的需求。新媒体对传统媒体新闻生产的重构也体现在三个方面：第一，推动传统媒体构建“中央厨房”式的融媒生产体系，传统媒体纷纷转型整合采编资源，实现一次生产、多平台分发，适配不同新媒体平台的内容形态需求；第二，重构了新闻生产的主体与流程，传统媒体开始吸纳用户生产内容作为补充，将众包新闻、用户爆料纳入正规生产流程，形成PGC+UGC融合的多元生产模式；第三，拓展了传统媒体的功能边界，传统媒体不再只是单一的内容生产者，还开始打造自主新媒体平台，拓展政务服务、生活服务、直播电商等多元业务，实现从内容传播到综合服务的转型，比如国内多数地方党媒打造的本地客户端，已经成为集新闻、政务、民生服务为一体的综合平台。2.网红带货虚假宣传问题的核心成因可以归纳为四点：第一，行业门槛低，监管审核难度大，新媒体时代网红带货的入行门槛极低，只要拥有一定流量就可以开展带货合作，大量中小网红缺乏合规经营意识，平台审核资源主要向头部网红倾斜，腰部尾部网红的带货品控存在大量漏洞，很多虚假宣传行为难以及时发现和处罚；第二，流量变现的强利益驱动，网红的核心收入来自坑位费与销售佣金，销售额直接决定收入水平，因此部分网红为了获取高额利益，不惜夸大产品功效、虚构产品销量、隐瞒产品缺陷，甚至和品牌方合谋售卖假冒伪劣产品，尤其是医美、保健品、美妆等品类，虚假宣传的发生率远高于其他品类；第三，信息不对称问题被进一步放大，网红带货中，用户获取产品信息的渠道完全来自网红的展示与介绍，多数用户无法提前接触产品实物，而网红往往通过场景化话术、滤镜美化效果刻意包装产品、掩盖缺陷，形成了严重的信息差，很容易诱导用户做出错误消费决策；第四，算法推荐的正向放大效应，平台算法倾向于推送点击率、转化率更高的内容，虚假宣传往往因为话术夸张、包装吸睛更容易获得用户点击与转化，因此会被算法持续放大，获得更多流量曝光，进一步助长了虚假宣传的不正之风。五、论述题生成式AI在2023年之后进入大规模产业化落地阶段，从内容生产、内容分发到内容变现、用户互动全链条重构了新媒体内容产业，同时也带来了诸多全新的治理挑战，具体分析如下：第一，生成式AI对新媒体内容产业全链条的重构。首先，重构内容生产环节，大幅降低生产门槛，提升生产效率。传统内容生产需要专业创作者投入大量时间完成策划、拍摄、剪辑等环节，一个十人团队一周才能产出十条优质内容，现在一个创作者借助AIGC工具，一天就能生成十条甚至更多成品内容，AIGC可以一分钟生成符合需求的脚本，几秒钟生成适配的图文素材，一小时就能生成完整的口播短视频，不仅大幅提升了内容产出效率，还让很多没有专业技能的普通人可以进入内容生产领域，催生了“AI自媒体”这一全新业态，大量普通人靠AI生成内容实现流量变现。同时，AIGC还推动了内容生产的个性化定制，品牌可以针对不同标签、不同需求的用户生成不同版本的推广内容，真正实现千人千面的内容生产，打破了传统内容生产“一套内容覆盖所有用户”的局限。其次，重构内容分发环节，升级了算法推荐的底层逻辑。传统算法推荐主要基于用户历史行为做标签匹配，只能推送用户过去喜欢的同类型内容，容易加剧信息茧房，大语言模型驱动的AIGC可以深度理解用户的真实意图，甚至预测用户潜在需求，比如用户在评论区随口提到“想找一款适合大学生的平价租房改造好物”，AI就能精准匹配对应的内容推送给用户，而不是只能给用户推送之前看过的家装内容。此外，AIGC还推动分发模式从静态匹配转向实时交互，很多平台已经推出AI聊天式推荐，用户可以随时提出个性化需求，AI实时生成对应的内容推荐，分发逻辑从“人找内容”“内容找人”升级为“人机交互实时匹配”。最后，重构内容变现环节，拓展了全新的变现赛道。AIGC本身催生了大量新的变现模式，比如AI数字人24小时直播带货，商家不需要雇佣真人主播，就能实现全天直播，大幅降低了直播的人力成本，国内很多连锁品牌已经全面普及数字人直播；还有面向创作者的AI内容生产工具付费，大量AI文案、AI作图、AI剪视频工具通过会员付费实现稳定变现，成为新的产业增长点。同时AIGC也提升了原有变现模式的效率，比如带货脚本设计、售后客服回复都可以用AI生成，大幅降低了运营成本，提升了转化效率。第二，生成式AI给新媒体内容生态带来的治理挑战。首先，深度伪造与虚假信息泛滥的挑战，AIGC降低了深度伪造内容的生产门槛，现在普通人只需要花几块钱，就能生成以假乱真的虚假视频、图文信息，这些内容鉴别难度远高于传统虚假信息，传播速度更快，很容易干扰公共秩序。比如2024年国内就出现过AI生成的某地发生地震的虚假视频，在短视频平台快速传播，引发了当地公众的恐慌；还有AI生成的虚假财经信息，引发个股异常波动，给资本市场带来风险。其次，版权归属与利益分配的挑战，当前多数AIGC大模型的训练数据大量使用了受版权保护的原创内容，没有获得原作者授权，也没有支付相应报酬，2024年国内数十名作家联合起诉AI大模型公司侵权的事件，就凸显了这一问题的严重性。此外，AIGC生成内容的版权归属目前还没有清晰的法律界定，AI生成内容商用后的利益，到底归属于训练数据提供者、AI工具开发者还是提示词输入者，各方权益没有明确划分，既引发了大量版权纠纷，也打击了原创内容生产者的积极性。再次，内容同质化挤压优质原创空间的挑战，AIGC生成内容往往是基于训练数据的平均特征生成，缺乏创作者的个人风格与原创思想，大量模板化的AI内容涌入市场，导致内容同质化越来越严重，用户刷到的内容都是大同小异的套路化内容，不仅容易引发审美疲劳，还因为AI内容生产成本低，可以靠数量堆流量，很多优质原创内容反而在流量竞争中处于劣势，挤压了优质原创内容的生存空间。最后，算法偏见放大价值观偏差