【回顾 | 卓越讲坛第13讲】媒体智慧对文科生意味着什么?

发布者:徐屹丰发布时间:2018-12-25浏览次数:323



有人戏称“百无一用文科生”,在实用科学大放异彩的当下,程序员和工程师毋庸置疑是最热门的职业,相比而言,文科学生的就业似乎总是令人担忧。12月1日下午5点,宾夕法尼亚大学的钟布教授受邀至卓越学院,与同学们分享“媒体智慧如何重构职场发展趋势”,为我们详细介绍媒体智慧对于文科生职业发展的重要作用。




讲座一开始,钟布教授从“低头族”的现象讲起——我们逐渐被手机捆绑,一离开手机,就感觉被世界隔离。究其原因,是在电子行业蓬勃发展的势头下传统媒体走下坡路。新媒体迅猛发展,使得日常获取信息最直接、便利的方式便是翻看手机。这也间接证明了新媒体在互联网时代的重要性,以及媒体智慧(Media Intelligence)[1]之于我们的重要意义。


首先,钟布教授便提出对我们的期望——一定要有Vision,即拓展国际视野,因为国际视野决定了你的未来;在行动上要拥有媒体智慧,即保持对媒体的敏感性,将二者相统一,才能在未来实现卓越。

“If I had asked people what they wanted, they would have said faster horses.” ―Henry Ford”

钟布教授引用美国汽车大王亨利福特的话,强调了创造力之于我们培养国际视野的重要性。


而关于文科生的职业发展,钟布教授首先用实证的调查数据表明,STEM(Science, Technology, Engineering and Math)学科并不是高薪的铁饭碗,文科生的发展潜力丝毫不亚于STEM学科的学生,甚至在高端层次的发展上比STEM学科更加深远而长久。他举了一个例子:英语专业的前25%的学生,作为全球领导者(Global leader)一生中的收入,要多于前25%的化学工程师。由此可见,STEM学科的 所谓薪酬优势并不是绝对的。并且在网络时代,STEM的学习甚至在网上就可以完成,Udacity(优达学城)的授课方式便是最好的例子。而人文素养的提升却不能在短期内的培训得到长足进步,这是文科生在职业发展上的优势。







随后,钟布教授梳理了人类文明进展的几个阶段:从农耕文明,到工业革命,到信息时代,再到现在的互联网时代。世界一直在变化,它并不是总是你所熟悉的样子。但是人类的潜力无限,最重要的还是拓展视野,尽可能地去发挥想象力。


传统的知识获取方式(learning, reasoning, planning, perception)已经跟不上时代步伐,现在我们需要利用好新型的知识获取方式,即挖掘媒体智慧,来达到更高层次的学习目标。


而媒体智慧包含哪几方面呢?

首先是人工智能(Artificial Intelligence),近些年人工智能势头发展迅猛,但算法有好有坏,如果文科学生能够将自己所学运用其中,充分发挥其高效率和高准确性的优点,而尽量规避或者减少它的缺点(比如在网络搜索领域单一、机械化的算法所引发的歧视和道德偏见等),便是掌握媒体智慧的重要因素。


其次是分析技能(Analytics)。降维思考[1](dimensionality reduction)便是很重要的数据挖掘的和提升分析技能的方式,但我们也要注意到它存在的不足,因为降维的结果之一便是切口过小,有极大的可能会造成分析结果的偏差甚至曲解。


总之,媒体智慧是文科生应该注重培养和发掘的核心能力,它不仅帮助我们解决问题,而且能够预知问题,积极主动地应对变化并才能成就我们未来的人生。


借此次讲座的机会,卓越学院举行了简短的聘任仪式,副院长邓惟佳为钟布教授颁发了卓越学院客座教授聘书,希望教授今后为卓院同学带来更多精彩的课程和讲座。


引用:

[1] Media intelligence: uses data science to analyze public social and editorial media content. It refers to marketing systems that synthesize billions of online conversationsinto relevant information that allow organizations to measure and manage content performance, understand trends, and drive communications and business strategy. Wikipedia


[2]Dimensionality reduction: In machine learning and statistics, dimensionality reduction or dimension reduction is the process of reducing the number of random variables under consideration by obtaining a set of principal variables. It can be divided into feature selectionand feature extraction.Wikipedia