原文标题： AI in the Newsroom: Does the Public Trust Automated Journalism and Will They Pay for It?
一、研究对象与核心研究问题
本文的研究对象是公众（新闻消费者）对采用人工智能（AI）进行内容生产的新闻机构（即自动化新闻媒体）的反应。核心研究问题聚焦于两个层面：一是公众对新闻机构的信任度（媒体信任）是否会因采用AI而非传统记者而降低；二是公众对使用这类AI新闻产品的经济成本承担意愿（即支付意愿和广告接受度）是否会受到影响。此外，研究还探讨了三个可能调节上述效应的条件：新闻所涉领域（政治硬新闻 vs. 娱乐软新闻）、个体对AI捏造信息的风险感知，以及个体所处的意见气候感知（如感知到的社会极化程度和自身意见的主导性）。
二、研究背景
研究的现实背景是全球新闻业正迅速且深度地整合AI技术，从美联社自动生成财报、体育报道，到BBC设立AI实验室，再到ChatGPT等大型语言模型在新闻编辑室的广泛试用，自动化新闻已不再是辅助性工具，而正在成为核心生产方式。然而，这种技术变革带来的风险在新闻学界并未得到充分探索，尤其是在需求端，即公众如何评价和接受AI驱动的新闻机构。这直接关系到新闻媒体履行其民主功能（如有效告知公众）的能力以及其作为市场主体的经济生存能力。已有研究几乎只聚焦于公众对单篇AI生成文本（如一篇球赛报道）的微观评价（如可信度），却忽略了在宏观的机构层面上，公众对整个依赖AI的新闻品牌会形成怎样的信任判断。更关键的是，AI的引入可能动摇新闻机构的两大经济支柱——用户订阅意愿和广告容忍度，而这两个关乎媒体经济命脉的需求侧效应，在既有文献中几乎是空白。
三、理论背景
论文的理论框架建立在新闻学、传播学和消费者心理学的基础上，主要围绕三条逻辑链展开：
媒体信任的机构化转移：研究将公众对新闻的评价从“内容层面”提升到“机构层面”。理论逻辑是，受众对新闻的接触和选择（如订阅、点击链接）通常并非基于对完整内容的审慎评价，而是依赖一系列启发式线索（heuristic cues），例如新闻机构的政治立场、同行推荐或其新闻报道的生产流程。因此，将“AI生产内容”作为一种机构级标签，可能会激活公众对AI的固有偏见（如缺乏理解复杂议题所需的背景知识和价值权衡能力），从而降低对整个新闻机构的信任。这与传统研究仅观察文本作者标签（记者名 vs. AI）对内容可信度的影响，有本质区别。
象征性消费与成本感知：在探讨经济后果时，研究借鉴了消费者心理学理论。一方面，新闻产品具有强烈的“象征价值”，能帮助消费者构建自我概念和社会关系。已有研究表明，在象征性消费领域，人们会格外偏好人类劳动而非机器人劳动。另一方面，消费者会根据感知到的生产成本来评估产品价值；由于AI生产被认为比人力劳动更便宜，受众可能因此认为AI生成的新闻“不值钱”，从而降低其支付意愿，并更难以容忍伴随该内容出现的广告。
启发式机制与情境调节：研究运用了“机器启发式”（machine heuristic）理论来解释AI在特定情境下可能更具优势。该理论认为，人们可能将机器视为更客观、无偏见的生成者。基于此，论文推论在两种情境下，公众可能因为感知到人类偏见加剧而更青睐AI：（a）当社会议题高度极化，人们认为人类之间难以达成共识时；（b）当个体感到自己的观点在舆论中处于少数派，认为代表“多数人”的人类记者存在系统性偏见时。相反，如果公众普遍担心AI会传播错误信息（信息风险感知），这种担忧则会强化其对AI新闻机构的负面评价。
四、研究设计
研究采用了一项预先注册的2（新闻生产流程：生成式AI vs. 训练有素的记者，被试间变量）× 2（新闻报道主题：政治 vs. 娱乐，被试内变量）混合设计实验。数据通过在线样本库，在德国收集了一个基于性别、年龄、教育配额的非概率样本（N = 1,261）。实验流程如下：参与者首先完成人口统计学变量和调节变量（如信息风险感知、意见气候感知）的测量。随后，参与者会阅读一段虚构的、即将上线的新闻机构“每日要闻”（Daily Scoop/Daily Briefing）的描述性材料。材料中操纵了该机构的内容生产方式（由AI或记者负责）和主要报道领域（政治或娱乐）。每位参与者会依次观看两种不同报道主题但生产流程相同（均为AI或均为记者）的新闻机构介绍，观看顺序和机构品牌名称随机化。在阅读每段介绍后，研究者立即测量了参与者的媒体信任、支付意愿和广告接受度。分析方法主要采用混合设计方差分析（mixed model ANOVAs）以处理同一参与者多次观测的数据嵌套问题。
五、主要发现
研究得出了以下关键发现：
AI显著降低媒体信任，尤其对政治新闻：相较于由记者运营的新闻机构，公众对依赖AI的新闻机构信任度更低。这种信任折损效应在报道政治议题时表现得更为显著，即公众对AI政治新闻机构的信任度最低。
AI降低广告接受度，但不影响支付意愿：公众对于接收AI新闻机构展示的广告（如信息流广告或15秒贴片广告）表现出更低的容忍度。然而，无论是AI还是人类记者，公众为其新闻内容直接付费的意愿都非常低，且两者之间无显著差异。
报道主题的主效应：无论新闻由谁生产，公众对娱乐新闻机构的支付意愿和广告接受度均高于对政治新闻机构。
AI信息风险感知的调节作用明确：那些越担心AI会生成和传播虚假信息的个体，其对AI新闻机构的信任度就越低。并且，这种由风险感知导致的信任差异在AI娱乐新闻机构上表现得比AI政治新闻机构更强烈。然而，这种风险感知并未调节AI对支付意愿和广告接受度的影响。
意见气候感知无调节作用：与理论假设相反，无论是公众感知到的议题极化程度，还是感知到自身意见在社会中的主导性，均未能调节生产流程（AI vs. 记者）对信任或经济成本承担意愿的任何影响。
六、研究结论与讨论
本研究的核心结论是：公众对AI新闻机构抱有系统性的不信任，并更不愿为其付出“注意力成本”（观看广告），这一发现证实了AI技术应用于新闻生产的社会风险已从内容层面延伸至机构信任和经济层面。研究做出以下四点学术贡献：
范式转换贡献：将自动化新闻的研究焦点从“文章内容评价”成功转向“新闻机构评价”。研究表明，无需阅读具体新闻内容，仅仅是“本机构使用AI生产新闻”这一身份标签，就足以引发公众的负面评价，这对于理解真实世界中基于来源线索的媒体选择行为至关重要。
开创经济维度探索：首次实证揭示了自动化新闻在需求侧的经济代价——广告接受度的下降，填补了以往只关注供给侧成本节约的文献空白。虽然支付意愿未受影响，但这很可能是由于在线新闻支付意愿普遍过低的“地板效应”所致。
揭示应用领域差异：发现AI在硬核政治新闻领域的应用比在娱乐新闻领域面临更大的公众抵触，尤其是在信任和广告接受度上。这警示不同定位的媒体在引入AI时需差异化评估风险。
廓清关键调节机制：证实了公众对AI的既有负面认知（信息风险感知）是加剧其不信任的关键放大器，而宏观的意见气候感知则并不具备假说中的调节力，这为后续研究指明了更为可靠的调节变量分析方向。
研究也承认了其局限性，如使用虚构新闻品牌（可能低估了既有品牌信任的缓冲效应）、对“人机混合”生产模式复杂性的简化、支付意愿测量不够敏感等，并呼吁未来进行跨文化比较和更具生态效度的纵向研究。