AI作者署名与人类内容：探究信息来源与信息呈现方式如何影响新闻的受众认知

社会认同理论视角下，AI生成新闻在儿童虐待报道中的受众接受机制研究。通过2×2实验设计，发现AI作者在情感框架下可信度显著降低，导致受众AI接受度下降19.3%，付费意愿减少22.7%，并产生31.5%的AI抵触情绪。研究验证了信息框架与信源属性的交互效应，为AI新闻伦理设计提供新证据。

　　

Jino Chung | Jihye Lee

德克萨斯大学奥斯汀分校斯坦·理查兹广告与公共关系学院，美国德克萨斯州奥斯汀市迪恩·基顿街300号，邮编78712

摘要

本研究基于社会认同理论，探讨了人们在不同信息框架条件下，如何对待人工智能（AI）生成的有关儿童虐待等社会敏感话题的新闻。我们研究了新闻来源（人类作者与AI作者）和信息框架（情感化框架与事实化框架）如何影响受众对身份威胁和作者真诚度的认知，以及他们对新闻和AI的整体反应。一项针对美国成年人的在线实验（样本量N=401）表明，尽管在不同条件下受众对身份威胁的感知没有差异，但AI作者始终被认为比人类作者更不真诚，尤其是在情感化框架下。AI作者较低的真诚度会对受众的态度和行为产生负面影响，包括降低对AI的接受度、减少愿意为新闻付费的意愿以及增强对AI的厌恶感。通过揭示来源认知与信息框架之间的相互作用，本研究为理解信息来源的真实性如何影响人们对AI生成内容的参与提供了新的见解。

引言

人工智能（AI）已逐渐融入新闻业。AI处理大规模数据的能力使其早期被应用于天气和金融等领域，以实现数据自动化处理和辅助内容制作（Anderson, 2013; Broussard et al., 2019; Diakopoulos, 2019; Graefe, 2016）。在这些领域中，人们认为机器是客观且无偏见的（Sundar, 2008），这使得AI作为新闻来源具有潜在优势。因此，早期关于AI新闻的研究主要集中在客观、数据驱动的背景下（Jung et al., 2017; Van Dalen, 2012），并发现AI在功能上与人类作者相当。虽然以往的研究揭示了受众在客观背景下对AI新闻的反应，但人们通常认为人类记者更具可信度，能够提供更丰富的背景判断。在这些敏感议题中，建立情感联系至关重要，因为它能帮助受众更深刻地理解他人的痛苦并产生更多的同情（Maier et al., 2017）。然而，我们对于受众如何回应涉及疾病、贫困和无家可归等情感化议题的AI生成新闻知之甚少。随着AI承担更多复杂任务（如情感表达性写作，Amponsah & Atianashie, 2024; Hong et al., 2020），理解受众对这类新闻的反应变得尤为重要。

为填补这一空白，本研究探讨了受众对儿童虐待相关AI生成新闻的反应，这是一个情感和道德上都十分敏感的议题。社会认同理论（SIT）为理解受众对不同来源类型（人类作者与AI作者）的反应提供了有用的框架。SIT认为，个体将社会成员划分为内群体和外群体以维护积极的社交身份。因此，明确群体边界至关重要，当这些边界受到挑战时，人们往往会对外群体产生负面反应。本研究将SIT应用于AI新闻领域，以了解受众如何解读关于儿童虐待等情感化议题的AI生成新闻内容。由于SIT强调群体边界和身份威胁，它为分析受众对AI新闻的认知和反应提供了合适的理论视角，超越了简单的人类与AI的区分。

此外，本研究还通过探讨信息框架如何影响受众对AI生成新闻的反应，进一步深化了对AI新闻的理解。信息框架指的是用于呈现新闻的语言方式，通常分为情感化框架和事实化框架两种类型。情感化框架强调人类的特质，如创造力、同理心和道德推理（Granulo et al., 2021）；而事实化框架则反映机器的特性，如客观性、效率和数据处理能力（Sundar, 2008; Lee, 2018）。新闻通过信息框架被理解，因为语言通过事实内容和情感线索共同影响受众对信息的解读和意义赋予（Sivek, 2018）。尽管以往的研究探讨了AI新闻中的来源效应（例如Graefe & Bohlken, 2020; Henestrosa et al., 2024），但关于信息框架如何影响受众反应的研究较少。本研究将信息框架视为一个关键变量，探讨其与来源（人类作者与AI作者）共同作用于受众对新闻内容反应的方式。

我们进行了一项2（新闻来源：人类作者与AI作者）× 2（信息框架：情感化框架与事实化框架）的在线实验，参与者随机被分配阅读由AI或人类作者撰写、以情感化或事实化风格呈现的新闻文章。这些发现为了解受众在情感化背景下如何与AI生成新闻互动提供了新的见解，并且超越了以往仅关注来源效应的研究，进一步探讨了不同信息框架与来源之间的相互作用。

理论框架

理论框架

在人类与AI互动的研究中，社会认同理论（SIT）被越来越多地应用于探讨人类与AI之间的群体动态。表1概述了从群体视角应用社会认同理论（SIT）的先前研究，这些研究围绕三个核心机制展开：差异性和边界维护、人类独特特质的归因以及后续反应。

方法

本研究采用了2 × 2的被试间因子设计，操纵了新闻来源（人类作者与AI作者）和信息框架（情感化框架与事实化框架）。在数据收集前，已获得首席研究员所在大学的机构审查委员会（IRB）的批准（研究方案：STUDY00006518）。

理论意义与实践意义

随着AI生成新闻在新闻业中的普及，理解受众的反应已成为一个重要的研究领域。除了早期在数据驱动报道中的应用外，生成式AI现在能够处理涉及情感和道德问题的议题（Miroshnichenko, 2018）。然而，目前尚不清楚受众如何评估这类背景下的AI生成新闻（Porra et al., 2019），学者们呼吁在受众反应研究中增加理论多样性。

作者贡献声明

Jino Chung：撰写——审稿与编辑、初稿撰写、数据可视化、验证、项目管理、方法论设计、调查实施、数据分析、概念构建。 Jihye Lee：撰写——审稿与编辑、验证、监督、资源协调、项目管理、方法论设计、调查实施、数据管理

未引用参考文献

Hayes, 2020; Henestrosa et al., 2023; Mellado and Gajardo, 2024; Osborne and Bailey, 2025; Porra et al., 2020; Sundar and Kim, 2019; Wu, 2020.

利益冲突声明

作者声明他们没有已知的可能影响本文研究的财务利益或个人关系。