没有合适的资源?快使用搜索试试~ 我知道了~
电信和信息学报告8(2022)100031技术还是内容:人们对人工智能新闻的评价,哪个因素更重要?✩李一飞a,余明阳b,李思辰a,李伟上海交通大学传媒学院,东川路800号,邮编:200240b上海交通大学安泰经济管理学院,东川路800号,邮编:200240aRT i cL e i nf o关键词:自动化内容人工智能机器人新闻内容质量AI进入新闻业a b sTR a cT随着人工智能的引入,新闻业进入了自动化内容生产的全新阶段。本文通过2× 2析因实验分析了受众对不同类型新闻的内容评价和行为意愿。结果表明 人们对基于数据的新闻比计算机生成的非数据新闻有更强的行为意愿。而对于人工生成的新闻,人们并不区分新闻的类型,而是决定是否根据内容的质量来阅读和分享它。公众对人工智能技术的固有印象在这项研究中也显示出对人们对行为意愿的技术评价的调节作用。最后,根据研究结果提出了相应的启示和建议。由中国新华社开发,开始为中国的官方媒体做出贡献。Miroshnichenko[27]坚持认为,出版商早在1956年,John McCarthy就提出用机器来模拟人类智能,并引入了人工智能(AI)的概念。从那时起,人工智能作为一门独立的学科出现,现在已经达到了顶峰,并开始向多学科方向发展,并逐渐进入包括新闻行业在内的各个领域。人工智能在新闻领域的应用最早起源于美国,并逐渐在世界范围内推广,对新闻行业产生了巨大影响。新闻业对人工智能的研究始于概念及其形式的定义[3]。Hamilton and Turner(2009)使用术语计算期刊主义(computational journalism)来指其他类似的术语包括机器人新闻[22,36],自动化新闻[15]和算法新闻[39]。尽管在术语上存在差异,但所有这些概念都具有一些共同的特征,例如缺乏人为干预,基于数据的内容和机器生成自然语言[47]。随着时间的推移,研究已经转向对技术原理进行更详细的调查[34]和[9]在新闻领域的AI申请表2007年,StatSheet成为美国第一家致力于自动化新闻制作的公司。2015年9月,腾讯开发的机器人记者Dreamwriter在中国撰写了第一篇新闻,同年11月,快手小Xin,新机构购买人工智能服务,不是因为机器人写得比人类好,而是因为它们能更快地产生更多内容。在自动化新闻制作的时代,越来越多的机器人期刊记者进入新闻行业,每天为各种新闻媒体制作数千篇关于天气、体育和金融等数据驱动主题的文章。技术或内容影响观众的态度当AI进入新闻行业时,它引发了一场学术讨论,究竟是新闻内容本身还是创造新闻的技术影响了AI创造的新闻的感知因此,本文的目的是找出哪些因素影响人们关于人们如何看待人工智能创造的新闻已经有了相当多的研究,它主要集中在评估人类记者和机器人记者分别产生的新闻内容然而,由于文献缺乏关于如何测量新闻内容的具体说明,不同的研究者使用了不同的基于多个维度的量表来评估人们研究中使用的典型维度包括可信度[1,44],新闻价值[51],质量[40,48],代表性[42,51],前专长(Chung等人,[20]),可信度[9,49],吸引力[42],结构[10,52]和可读性[11]。在所有这些维度中,信誉度是最常见的评估标准,这项研究没有从公共,商业或非营利部门的资助机构获得任何特别资助∗ 通讯作者。电子邮件地址:lisichen@sjtu.edu.cn(新加坡)Li)。https://doi.org/10.1016/j.teler.2022.100031接收日期:2022年10月22日;接收日期:2022年11月15日;接受日期:2022年11月23日2772-5030/© 2022作者。由Elsevier B. V.发布。这是一个CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)可在ScienceDirect上获得目录列表电信和信息学报告期刊主页:www.elsevier.com/locate/telerY. Li,M. Yu和S. 李电信和信息学报告8(2022)1000312调查研究。关于其他标准,不同学者根据各自的研究目标对作为最早对新闻文章的评价进行深入研究的学者之一,Sundar[42]将质量定义为“新闻故事整体优秀的程度或水平”,并将可信度定义为“对故事客观性的整体评价”。Graefe等人[11]通过引发读者对可信度的看法来衡量新闻内容新闻是否被认为是准确的、值得信赖的、公正的和可靠的)、可读性(新闻是否被认为是娱乐的、有趣的、生动的和写得很好的)和新闻专业知识(新闻是否被认为是连贯的、简洁的、全面的和描述性的)。Graefe等人[11]采用的标准也得到了其他学者的验证。 另一方面,Podolny[33]和Edwards,Spence和Shelton[7]所有人都指出,人类和机器人制作的文章在可信度和专业知识方面的差异往往很小,公众通常无法区分机器人撰写的文章和人类记者撰写的文章[21]。然而,在对新闻内容的评估中确实存在微妙的差异,这些差异也导致人们对人类新闻和人工智能新闻的行为意愿存在差异在本文中,我们定义了一系列对新闻的行为(包括转发,评论,评论,购买等)。行为意愿。因此,本研究着重探讨内容评价对行为意愿的影响。H1a:对于人类新闻,内容评价对行为意愿有积极影响。H1b:对于人工智能新闻,内容评价对被采访意愿有积极影响。为了评估公众对人工智能的态度,Bhat Lee [18]提出了酷度被广泛用于产品创新的评估[29],直到最近才开始在人工智能领域使用Holtzblatt等人[17]将产品“酷”概括产品至于研究还表明,仅仅是新奇并不能让消费者欣赏产品:只有当新奇的功能有足够酷的潜力时,消费者才能克服他们的担忧。因此,可以说,新奇是酷的前提。根据Sundar[45],顾客因此,技术通过酷性和新奇性影响人们因此,酷感和新奇感都对人们的新闻行为意愿产生影响本文提出了以下研究假设和研究问题。H2a:对于AI新闻,酷感越强,行为意愿越强。H2b:对于AI新闻,新鲜感越强,新闻传播意愿越强。是什么规范了内容或技术对受众态度的影响基于数据的非数据新闻什么是数据新闻?英国广播公司(BBC)英格兰数据部的咨询数据期刊作家保罗?布拉德肖(Paul Bradshaw)回答说,这是新闻业的功劳用数据。数据可以是数据新闻的来源,也可以是讲故事的工具,或者两者兼而有之[32]。Stray将数据新闻定义为获取,报告,规划和发布数据[41]。但学者们也从更广泛的角度定义了数据新闻,包括三种不同的方法:计算机辅助报道,数据新闻(也包括数据可视化)和计算新闻[16]。从这些定义中,很明显,数据和数据处理技术对数据新闻都很重要。鉴于目前计算机技术的发展水平,研究人员指出,机器人记者并不适合撰写所有类型的新闻,但更擅长生成基于数据的新闻和试听报道,例如体育新闻,游戏新闻,经济新闻,深度报道,不太强调生产大量的新闻快,更强调分析-新闻和娱乐更依赖于人类记者[46]。Hansen等人[13]还提到,观众可能会根据所制作的新闻类型改变他们对机器人记者的态度。例如,人们可能愿意阅读机器人记者撰写的体育报道,但可能不太可能阅读机器撰写的调查性深入报道。因此,本文在现有研究的基础上,将以数据为中心、以数据为呈现的新闻定义为数据新闻,将更注重文本表达的新闻定义为非数据新闻,并提出以下研究假设:H3a:人们对基于数据的新闻比计算机生成的非数据新闻有更强的行为意愿。H3b:人们对非数据新闻的行为意愿比人类产生的数据新闻固有印象人们此外,人们有些人更喜欢由人类撰写的文章,因为他们可能会认为机器人撰写的文章具有较低的人性和更大的偏见[11],并且因为机器人撰写的文章可能会导致更多的违反预期[51]。另一方面,有些人可能更倾向于机器写的文章[43],因为他们可能认为它们比预期的要好,而他们可能对人类写的文章有相反的感觉[21]。基于这些文献发现,本文定义了以下研究假设:H4:人工智能的固有印象对技术评估对行为意愿的影响具有调节效应。方法本部分介绍了我们的新闻感知测量方法、实验设计、在线问卷、参与者和刺激材料。如需更多信息,如完整的问题清单和完整的文章文本,请参阅附录.实验设计本研究采用2(记者:算法或记者)×2(来源:基于数据或非基于数据)的受试者间设计来调查用户它还研究了中国参与者在评估自动化新闻报道的可信度、质量、可读性和专业知识时,基于数据和非基于数据之间可能存在的差异最后,它比较了用户如表1所示,该受试者间设计导致4种治疗:1 基于数据来源的人工撰写的文章Y. Li,M. Yu和S. 李电信和信息学报告8(2022)1000313表1实验分组。文章撰写/生成人人类计算机文章来源数据化5353非数据化53532 非数据来源的人工撰写文章3 以数据为基础的计算机写作的文章。4 非数据来源的计算机文章操作检查本研究共回收有效问卷58份男性比例为53.4%,女性比例为46.6%。男女比例相对相等,这意味着可以忽略性别差异引起的反应差异。从受试者的年龄来看,目前有一半以上的受试者在读本科(63.8%),还有一些在读硕士(32.8%)和博士(3.4%)。我们要求受试者阅读四份实验材料,并要求他们填写他们认为新闻是由人工智能撰写的程度,以及他们在阅读后将其识别为数据新闻的程度。配对样本检验表明,AI评分( M= 4.47 , SD= 0.503 ) 显 著 高 于 人 类 评 分 ( M=1.47 , SD=0.503),t(57)=-31.493,p 0.001。配对样本检验表明,基于数据的新闻(M= 4.59,SD= 0.497)的得分显著高于非基于数据的新闻(M=1.50,SD= 0.504),t(57)=33.199,p 0.001。结果表明,受试者可以清楚地区分作者(人工智能与人类)和新闻类型(基于数据与基于数据)。非基于数据)。措施内容内容的测量是由四个维度,即可信度,质量,可读性和专业性。参与者被要求在5点Likert类型量表上(1=描述非常差,5=描述非常好)对形容词描述他们刚刚阅读的文章的程度进行评分(M=0.909,M= 3.365 , SD= 0.557 ) 。 在 这 四 个 维 度 中, Appleman 和 ShyamSundar(2015)和Graefe等人[11]开发了可信度,描述性形容词为���质量是由Sundar[43]开发的,描述性形容词是���可读性是由Graefe等人[11]开发的,描述性形容词是���Graefe等人[11]开发了专业知识,描述性形容词为���技术.这项技术是通过两个维度来衡量的,这两个维度是由Bhat和Lee开发的新颖性和酷性[18]。参与者被要求对相关陈述进行5分Likert型量表(1=完全不同意,5=完全同意)评分(M=0.893,M= 3.269,SD= 0.636)。关于新颖性的声明如下。读了人工智能撰写的这篇文章后,“我相信人工智能代表了未来科技发展的趋势”、“我相信人工智能是时尚的”、“我相信人工智能是可以感兴趣的”、“我相信人工智能是迷人的”、“我相信人工智能是有吸引力的”。(t=0.882,M= 3.129,SD= 0.770)。关于酷的声明如下。在阅读了这篇由人工智能撰写的文章后,与以前的技术相比,人工智能是革命性的;(t=0.892,M= 3.409,SD=0.721)行为意愿。行为意愿采用自制量表进行测量。该比例是基于现有网络平台的互动功能。参与者被要求在5分Likert类型量表(1=完全不同意,5=完全同意)上对相关陈述进行评分(M=0.902,M= 2.952,SD= 0.807)。发言如下。man); “我愿意付费阅读或订阅AI(人类)撰写的新闻。”AI的固有印象。AI的固有印象也在5分Likert类型量表上进行了测量(1=描述非常差,5=描述得很好)。 “I don’t know why, but I justget scared of AI robots” and the other 13 questions developed byNomura and Dauten- hahn参与者212名参与者于2022年9月至10月期间使用在线问卷平台参与研究。参与者在研究开始前提供默示同意。参与者从年级分布来看,本科生占62.26% (N=132),研究生占30.66%(N=65),博士生占7.08%(N=15)。在“每月合理消费水平”方面,“1500-3000元”的比例最高,占37.74%(N=80)。从家庭所在地来看,大部分法院位于“农村”,占38.68%(N=82),32.55%的样本法院分别位于“城镇”(N=69);从专业来看,“科学”占比最高,占12.74%(N=27)。刺激和程序我们从金融和科技领域选取了代表数据新闻和非数据新闻的文章。腾讯新闻网为我们提供了来自Dreamwriter的电脑写作文章,分别为财经类(题为《8月CPI同比上涨2. 0%创12个月新高》)、科技类(题为《腾讯副总裁陈菊红:四大维度解构媒体新星球》)、中央门户网站(题为《8月居民消费价格温和上涨》)和科技说明类(题为《2017腾讯媒体+峰会,三大AI助力》)提供了人工写作文章,金融和科技各一篇,这两篇文章的主题分别与电脑写作文章的主题完全相同。原因是为了确保观众能够公平地比较计算机写的文章和人类写的文章。这些新闻文章的长度从836到1351字不等。为了确保外部有效性,除了删除图片外,没有任何文章被编辑或缩短。在实验中,我们选择了一门全校性的通识课程作为样本库,因为这门课程是本科生和学术管理办公室的必修课程Y. Li,M. Yu和S. 李表2电信和信息学报告8(2022)1000314内容评价与行为意愿的回归分析。变量B SE无信号。 (t)R2调整R2F信号(F)总数据(常数)2.100 0.359 5.850 0.000 0.117 0.113 27.876 0.000内容评价人类+基于数据(常数)1.488 0.664 2.240 0.029 0.229 0.214 15.188 0.000内容评估0.650 0.167 0.472 3.897 0.000人类+非数据基础(常数)1.852 0.815 2.271 0.027 0.131 0.114 7.696 0.008内容评价人工智能+基于数据(常数)1.561 0.691 2.258 0.028 0.175 0.159 10.840 0.002内容评价AI+非数据基(常数)3.190 0.758 4.210 0.000 0.020 0.000 1.019 0.318内容评估0.194 0.192 0.140 1.009 0.318表3技术评价与行为意愿的回归分析模型变量B SE不需要签名。(t)R2调整R2Fsig.(F)1(常数) 1.118 0.3653.062 0.0030.398 0.38633.9800.000冷度0.288 0.079 0.284 3.620 0.000新颖性0.438 0.068 0.504 6.426 0.000随机安排各专业学生参加。因此,选取本课程作为样本库,使被试我们将4组电子问卷的二维码随机发放给全班同学。在在线问卷中,参与者首先被问及新闻经验和对计算机撰写新闻的态度。然后,参与者进入实验设置,在那里他们被要求从几个方面对两篇文章进行最后,所有参与者都被要求回答一些人口统计学问题,包括性别,出生地和成长,以及每月可支配收入(零用钱)。研究结果以内容评价为自变量,行为意愿为因变量,采用线性回归得到研究结果从表2中的整体数据集可以看出,无论是人工撰写的新闻还是计算机撰写的新闻,内容评价对行为意愿都有显著的正向影响(P=0.342,t= 5.280,p= 0.000 0.05),表明H1a和H1b得到验证。人们会根据文章内容的优劣来调整自己阅读或分享的意愿。在人工智能+数据组中,内容评价对被试的口头意愿有显著的正向影响(t=0.419,t= 3.292,p= 0.002 0.05)。然而,在AI+非数据组中,内容评价对行为意愿的影响不显著(t=0.140,t= 1.009,p= 0.318> 0.05)。很明显,在AI+数据组中,内容评价对行为意愿的影响更大,说明H3a得到验证。在人类+基于数据的组(t=0.472,t= 3.897,p= 0.000 0.05)和人类+非基于数据的组(t=0.362,t= 2.774,p= 0.008 0.05)中也可以看到显著的积极影响在回归系数方面,可以看出,在人类+数据组中,内容评价对行为意愿的影响更大,因此H3b被拒绝。以酷感和新奇感为自变量,行为意愿为因变量,采用线性回归得到模型1的结果。从表3可以看出,酷感对行为意愿有显著的正向影响(t=0.284,t= 3.620,p= 0.000 0.05),验证了H2a,这意味着对于AI新闻,酷感越强,行为意愿越强。11月-12月也有一个显着的积极影响的行为意愿(=0.504,t= 6.426,p= 0.000 0.05),H2b得到验证。实验结果表明,实验表明,酷和新奇都能给观众带来更强的行为意愿,即,对人工智能写作的看法,酷感和新奇感会增强观众关于H4,我们认为技术评价在新闻类型和行为意愿之间起中介作用,人工智能的固有印象在技术评价和行为意愿之间起调节作用我们基于通过5,000个自举样本构建的95%偏倚校正置信区间(CI)评估了中介(PROCESS,模型4;[14])。表4显示了简单中介的回归结果新闻类型对行为意愿的间接效应系数为 0. 51 ,置信区间为[0. 2575 ,0.8229],不包括0.2575由此验证了技术评价在新闻类型与行为意愿之间的中介作用。我们基于通过5,000个自举样本构建的95%偏倚校正置信区间(CI)评估了适度性(PRO-CESS,模型14;[14])。首先,如表5所示,相互作用项技术评价和AI固有印象的差异具有统计学意义(b=-.208,SE=.07,p.001)。此外,当AI内在印象较低时,新闻类型通过技术评估对行为意愿的间接影响为0.682,置信区间[0.346,1.035],不含0;当AI内在印象处于中等时,水平上,新闻类型对技术评价行为意愿的间接效应为0.479,置信区间[0.228,0.771]。E X-包括0;在AI固有印象高的地方,新闻类型对行动意愿的间接效应通过技术评估为0.275,置信区间为[0.044,0.577],不含0,高低水平之差为-0.161(表6)。数据结果表明,新闻类型对技术评价行为意愿的调节效应受人工智能的内在印象负向调节。所以,H4被验证了。结论与讨论内容还是技术?“内容为王”是比尔·盖茨在1996年写的。他还说:20多年后,这句话比以往任何时候都更加真实。对于卖家来说,2022年全球报告《内容营销状况》中的研究发现,97%的行业受访者表示内容营销是他们战略的一部分[37]。对于消费者来说,无论是广告还是社论,如果它是好的,相关的,信息丰富的,聪明的,有趣的,娱乐的和酷的。,人我更喜欢它[19]。新闻业内容的重要性更在于自我--Y. Li,M. Yu和S. 李电信和信息学报告8(2022)1000315表4简单中介的回归结果。直接影响和总影响我NT回归BW.53.22 2.38.00.0890.9738TE回归BW.58.10 5.60.00.3723.7810NT回归BW,控制TE.53.22 2.38.02.0890.9738注. NT=新闻类型,TE=技术评估,BW=行为意愿。表5条件间接效应的回归结果变量B SE t Sig LL95%CI UL95%CI R2F Sig.(F)含量2.9420.3099.5320.0002.3293.5540.50125.33000新闻类型0.424 0.198 2.138 0.035 0.031 0.817技术评价AI固有印象0.294 0.076 3.891 0.000 0.144 0.444技术评价<$AI固有印象-0.208 0.070-2.968 0.004-0.346-0.069表6在不同的技术评估水平上对人工智能固有印象的影响进行调解变量AI的固有印象间接效应BootSEBootstrap 95%CILLCIULCIBW低0.6820.1730.3461.035介质0.4790.1390.2280.771高0.2750.1400.0440.577差异-0.1610.059-0.287-0.056注. BW=行为意愿。显然,新闻价值反映了公民想要或需要什么样的信息在当前的信息社会中,知情是一项基本的必要条件,新闻机构必须向其客户提供新鲜、相关和高质量的信息[8]。如本文的文献综述所述,许多研究都集中在新闻内容的测量维度它是关于什么内容被选择,什么被删除,以及为什么[31]。然而,Enchanting Market- ing的创始人Henneke Duistermaat认为,从大量的内容中脱颖而出并不是一件容易的事情[37]。人类的注意力持续时间比金鱼短,如今,捕捉观众因此,除了新闻内容之外,学者们还关注影响受众信息接受的因素,如新闻技术[4]。人工智能似乎被视为新闻业的颠覆性因素,它擅长提高写作效率,提供公共服务,并增强个性化。内容和技术,哪个更重要?以前的实验研究习惯于将发生器(人类或AI)视为变量。学者[23]认为,消费者对文本的感知质量在人工智能和人类生成者之间没有显著差异与以往的研究相比,本文有两个创新点。首先,它将文本材料定义为新闻;其次,它以人类新闻和AI新闻的内容评价为自变量,进一步研究内容对行为的影响,而不是简单地比较生成器。这项研究(H1)表明,对于新闻业,内容评估对行为意愿有积极影响,无论作者是人类还是人工智能。这意味着内容的质量是阅读质量的核心要素。此外,H2的结果提供了一个互补的视角,即虽然内容是核心,但技术发挥着次要作用。它的这一发现澄清了在文本新闻的背景下,谁是国王,内容还是技术的问题。内容质量是吸引读者的关键,也是读者阅读的目的丰富的信息。毫无疑问,无论来源和形式如何,内容质量都是根本,我们可以从内容评价中反推行为意愿的显著正向效应。Graefe等人[11]通过引发读者对可信度的看法来衡量新闻内容。在本文中,我们试图将公信力与内容部分进行再归纳,内容部分的权威性,正确与否影响着其公信力,公信力进一步影响着群众对文章价值的判断和进一步行动的意愿,从这个角度来看,文章的内容是吸引读者阅读的第一要素,也是阅读行为的重要目的之一。通过以上分析,我们可以认识到,新闻的本质是一种以内容为主导的传播形式,因此如果忽视内容而关注新闻的其余部分的修饰,读者就会对这种修饰产生负面的行为意愿。此外,对新闻写作的现实意义在于,未来无论是什么作者,都需要将内容视为第一要务,利用技术作为吸引注意力的辅助手段感情还是理智?Meyer和Freedle[26]发现,信息类型之间的差异导致文本处理的差异。Hansen等人[13]还提到,观众可能会根据制作的新闻类型改变对机器人记者的态度。我们的研究(H3)证实,人们对基于数据的新闻的行为意愿比计算机生成的非数据新闻更强。而对于人工生成的新闻,无论是数据新闻还是非数据新闻,人们并不区分新闻的类型,而是根据内容的质量来决定是否阅读和分享。原因之一是人工智能和人类的能力存在客观差异。目前,人工智能和人类专注于不同类型的新闻。以前的研究已经描述了人工智能在期刊中的局限性,例如在特定背景下知识的短缺,反射,变量SE不pLL95%CIUL95%CNT在TE.89.194.60.00.50651.2739Y. Li,M. Yu和S. 李电信和信息学报告8(2022)1000316推理和叙事能力[6]。在这种情况下,人工智能通常局限于专业话语领域,具有非常集中的听力和规定的内容[25],并且更擅长非技能和重复性工作[28]。就能力而言,人工智能更擅长处理大量数据,因为它不容易出错。特别是在一些体育新闻中,我们可以明显感觉到AI数据对新闻内容的呈现往往比人类的人工数据统计更好然而,人类在非数据新闻中更占主导地位,因为人类具有强大的总结和叙述新闻内容的能力人文新闻更适合于深度报道,它从人的情感角度出发,发挥主观作用,对事物进行价值判断。因此,它在非基于数据的新闻体裁中脱颖而出。另一个促成因素是,从认知过程来看,人们对不同类型的信息满足不同的诉求人类认知的双重加工理论由两个独立的系统支配:一个是直觉的、叙事的和基于情感的,而另一个是分析的、逻辑的和体贴的[5]。因此,研究者通常将人们的诉求分为内容的有效性在很大程度上取决于受众心理特征与内容主张之间的一致性[24]。非数据新闻的表达深度丰富,比数据新闻的严谨性和相对固定性更强调感性感染力。综上所述,目前的人工智能和人类都专注于各种新闻,受众对不同类型的内容有不同的需求。只有创作者生成的内容与接受者这一结论表明,新闻行业应该分类管理新闻,以最大限度地发挥人工智能和人类编辑的优势我们建议将人工智能置于新闻领域,专注于数据表示的科学方法,它可以利用现代技术来提高新闻报道的及时性。与此同时,更多的人类记者应该被解放出来,投入到人们更关注细节的深度报道中,以实现新闻价值。前见还是后见?人们形成他们对一切事物的看法和意见。根据《牛津英语词典》,“一种被广泛接受的,但固定的,过于简单化的被称为“刻板印象”。关于技术有三种常见的刻板印象:技术乐观主义、技术悲观主义和技术中立主义。技术乐观主义者认为,技术可以带来更多的信息和更快的分析。基于大量数据的分析具有真实性;而技术悲观主义者则质疑数据质量,问责制,隐私和其他观点。Messeni(1970)提出的技术中性论认为,技术本身没有善恶之分,只是中性的工具和手段。技术为人类的选择和行动带来了新的可能性,但也使对这些新可能性的控制处于不确定状态。这就是为什么此外,我们的发现表明,当人们对人工智能的固有印象处于更高水平时,行为意图会更强有两点需要强调。首先,虽然刻板印象是稳定的,但它们不是一成不变的,新的观念可以通过技术的发展和他人的态度等因素形成。其次,这项研究结果表明,对技术持乐观态度的人在阅读新闻后的行为意图更强,但并不意味着对人工智能持更乐观的态度就更好。技术为什么起作用以及它将产生什么样的影响并不是它本身固有的,而是取决于操纵它的人。无论悲观还是乐观,在认知层面上,冲突可能由使用原因、使用目的等方面的分歧引起,不应作为判断的理由或标准未来,社会科学将渗透到更多领域,辅助工作,提高效率。这种趋势是不可阻挡的。因此,人们应该拥抱科学,而不是抵制科学。我们呼吁观众提高媒介素养,保持技术中立,避免过度悲观或乐观。记者要充分认识AI写作的优势和劣势,比如在数据新闻中,AI可以依靠计算能力更好地呈现新闻,而在非数据新闻中,AI缺乏一定的逻辑联系和情感共情,会让新闻更加刻板。只有利用好AI的优势和劣势,才能更好地帮助新闻行业复兴。竞争利益作者声明,他们没有已知的竞争性经济利益或个人关系,可能会影响本文报告的工作。数据可用性所使用的数据是保密的。引用[1]A. Appelman,S.S. Sundar,Measuring message credibility:construction andvalidationof an exclusive scale,J. 大众通讯Q. 93(1)(2016)59[2] 贝利,C.(2010年,可以10)。内容是国王通过法案闸门. https://www.craigbailey.net/content-is-king-by-bill-gates/网站。[3] C. Clerwall,进入机器人记者:用户Pract.8(5)(2014)519-531.[4] M.F. de-Lima-Santos,W.新闻媒体中的人工智能:当前的看法和未来的展望。媒体3(1)(2021)13[5] B.久尔贝戈维奇岛Hozo,J. Beckstead,A. Tsalatsanis,S.G. Pauker,医疗决策的双重处理模型,BMC Med.Inf.Decis。使12(1)(2012)1-13。[6] K.N. Dörr,Mapping the field of algorithmic journalism,Digital Journalism(2015)700-722.[7] C.爱德华兹,A.爱德华兹,P.R. Spence,A.K.谢尔顿,是机器人在运行社交媒体吗在Twitter上测试人类代理和机器人代理的通信质量感知的差异。Hum. 行为举止。33(2014)372[8] N. 费尔南德斯,J.M.Blazquez,J.A.菲斯提乌斯湖桑切斯,M。Sintek,A.伯纳迪,Z. Ben-Asher,新闻:将语义网技术引入新闻机构,见:国际语义网会议论文集,施普林格,柏林,海德尔贝格,2006年,pp. 778-791[9] T.弗劳角Spurgeon,A.丹尼尔A. Swift,The Promise of Computational Journalism,Journal. Pract.6(2)(2012)157-171.[10] B.J. 福格角Soohoo,D.R.丹尼尔森湖Marable,J.斯坦福急诊室。陶伯,你怎么用户评价网站的可信度?:一项有超过2,500名参与者的研究,见:《为用户体验设计会议论文集》,ACM,2003年,pp. 1-15. pp.[11]A. Graefe,M.哈伊姆湾Haarmann,H.B. Brosius,读者对计算机生成新闻的看法:可信度,专业知识和可读性,新闻学19(5)(2018)595-610。[12]格雷夫,A.(2017年)。引导到自动化新闻业检索从https://link.springer.com/content/pdf/10.1007%2F978-3-319-09009-2.pdf网站。[13]汉森,M.,Roca-Sales,M.,基冈,J.M.,&金角,澳-地(2017年)。人工智能:新闻业的实践与启示。[14]A.F. Hayes,Introduction to Mediation,Moderation,and Conditional ProcessAnalysis:A Regression-Based Approach,Guilford Press,New York,2013.[15]L. Heiselberg,J.N.Blom,A.van Dalen,神经时代的自动新闻阅读观众的接收和感知的可信度的新闻广播阅读的神经的声音,杂志。研究(2022)1-19。[16]A.马里兰州赫米达Young,J. Fulda,《What Makes for Great Data Journalism》。Pract.12(1)(2017)115-135。[17]K. Holtzblatt,D.B.龙多湖Holtzblatt,Understanding cool,in:CHI'10 E X tendedAbstractson Human Factors in Computing Systems,ACM,2010,pp.3159-3162.[18] S.肠,S。Bhat,Y.消费者对产品创造力、酷感、价值和态度的感知,J。总线Res. 68(1)(2015)166[19]D. 琼斯,为什么内容必须是国王,BR。日报Rev. 27(4)(2016)47-52。[20] C. Joo Chung , H. Kim , J. Hyun Kim , An anatomy of the credibility of onlinenews- papers,Online Inf. Rev. 34(5)(2010)669[21]J.荣格,H.宋,Y。Kim,H.肠,S。软件机器人对新闻业的入侵:公众和记者对算法和人类记者撰写的新闻的看法。Hum.行为举止。71(2017)291-298。[22] D. Kim,S.Kim,用户接受机器人新闻的模型:不确定性和不确定性的避免,技术预测。Soc. Change 163(2021)120448.Y. Li,M. Yu和S. 李电信和信息学报告8(2022)1000317[23] J.金,S.申,K.裴,S.哦,E。Park,A.P. del Pobil,Can AI be a content generator?内容生成器和信息传递方法对内容消费者心理的影响,Telemat。告知。55(2020)101452.[24] S.Q. Liu,A.S. Mattila,Airbnb:在线定向广告,权力感和消费者决策,Int. J. Hosp.经理。60(2017)33[25] 麦克唐纳(2010年)。自然语言生成天然兰手册guage Processing,2,121-144.[26] B.J. Meyer,R.O. Freedle,话语类型对回忆的影响,Am。J. 21(1)(1984)121-143。[27] A. Miroshnichenko,AI绕过创造力。机器人会取代记者吗?(The答案是“是”),信息9(7)(2018)183。[28] G. 媒体材料:机器的道德经济,J。Commun. 68(2)(2018)359[29] C. Nancarrow,P. Nancarrow,J. Page,酷的概念及其营销含义的分析,J。消费行为举止。Int. Res. Rev. 1(4)(2002)311[30] T. 野村,K.杉本,D.S.Syrdal,K.Dautenhahn,日本人形机器人的社会接受度:弗兰肯斯坦综合征问题的发展调查,在:第12届IEEE-RAS人形机器人国际会议论文集(Humanoids 2012),IEEE,2012,pp. 242-247[31]D. Harcup,《新闻价值与选择性》,《新闻学手册》研究,Scholledge,2009年,pp. 181-194.[32] P. 布雷萧什么是数据新闻?https://datajournalism.com/read/handbook/one/introduction/what-is-data-journalism.[33] Podolny,S.(2015年)。如果是算法写的,你怎么知道? 纽约时报,7。[34] J.L. Rojas Torrijos,半自动化新闻:加强道德,新闻媒体创新公司(News Media Innov)重新考虑。道德价值观创造。重建日报(2021)124-137。[35] G. Rubera,A. Ordanini,D.新产品创造力的权变观:评估消费者的互动效应,市场。Lett. 21(2)(2010)191-206。[36] B. Schultz,M.L.她说,机器人记者时代的报纸信任和信誉J. Appl. Journal. Media Stud. 6(2)(2017).[37] Semrush ( 2022 ) . 内 容 营 销 的 现 状 。 2022 年 全 球 报 告 。https://www.semrush.com/state-of-content-marketing/网站。[38] F.塞普蒂安托湖Pratiwi,认知水平对情感诉求与认知诉求广告评估的调节作用,市场。Lett. 27(1)(2016)171-181。[39] D. Shin,V. Chotiyaputta,B.扎伊德,文化维度对算法新闻的影响:文化价值取向如何影响人们对算法的看法?Comput. Hum.行为举止。126(2022)107007.[40] M.D. 斯莱特,D。Rouner,消息评估和源属性如何影响可信度评估和信念变化,期刊。大众通讯Q. 73(4)(1996)974-991。[41]Stray,J.(2011). 计算新闻阅读清单。 检索jonathanstray。com/a-computational-journalism-reading-list.[42] S.S.孙达,探索接收者对印
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- VMP技术解析:Handle块优化与壳模板初始化
- C++ Primer 第四版更新:现代编程风格与标准库
- 计算机系统基础实验:缓冲区溢出攻击(Lab3)
- 中国结算网上业务平台:证券登记操作详解与常见问题
- FPGA驱动的五子棋博弈系统:加速与创新娱乐体验
- 多旋翼飞行器定点位置控制器设计实验
- 基于流量预测与潮汐效应的动态载频优化策略
- SQL练习:查询分析与高级操作
- 海底数据中心散热优化:从MATLAB到动态模拟
- 移动应用作业:MyDiaryBook - Google Material Design 日记APP
- Linux提权技术详解:从内核漏洞到Sudo配置错误
- 93分钟快速入门 LaTeX:从入门到实践
- 5G测试新挑战与罗德与施瓦茨解决方案
- EAS系统性能优化与故障诊断指南
- Java并发编程:JUC核心概念解析与应用
- 数据结构实验报告:基于不同存储结构的线性表和树实现
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功