原文标题： “I Resist”. A Study of Individual Attitudes Towards Generative AI in Journalism and Acts of Resistance, Risk Perceptions, Trust and Credibility

一、研究对象与核心研究问题

本研究以生成式人工智能在新闻生产与传播中的应用为核心研究对象，聚焦于公民个体对这一技术变革的态度、感知与行为反应。论文围绕三个核心递进式研究问题展开：

  1. 信任与可信度问题：公民对生成式AI在新闻业中应用的感知收益，如何影响他们对AI新闻的信任以及对AI所写新闻的可信度评价？（研究问题1）
  2. 抵制行为问题：个体在多大程度上会抵制（生成式）AI在新闻业中的应用？不信任是否会导致具体的抵制行为？（研究问题2）
  3. 风险感知问题：个体对生成式AI持有何种风险感知？这些风险感知的强度如何？知识水平是否与风险感知相关？（研究问题3）

论文的新颖之处在于，不仅关注静态的态度，更开创性地将“抵制行为”作为一个核心结果变量加以概念化和测量，将公民从被动的技术接受者提升为拥有能动性的参与者，强调他们的选择（信任与否、接受或抵制）将塑造AI在新闻业乃至社会中的未来图景。

二、研究背景

本研究的现实背景立足于生成式人工智能的爆发式增长及其向新闻领域的快速渗透。随着ChatGPT、Midjourney等工具的普及，AI能够自主生成文本、图像、音视频等内容，这从根本上模糊了人类创作与机器创作内容的界限。新闻机构正日益采用AI技术来增强内容生产、分发和受众互动，但同时也引发了关于信息可信度、操纵风险和新闻伦理的深层忧虑。最坏情况下，AI可能冲击可靠新闻内容的可寻性和消费，削弱公众对新闻的信任。

本研究选择在荷兰这一媒体信任度相对稳定但公众对AI收益与风险均有认知的特殊环境中展开，具有重要的时代紧迫性。三项关键现实背景驱动了此项研究：一是生成式AI已进入公众日常生活（如阅读和获取新闻），个体需要做出是否信任的选择；二是国际政策层面正在积极酝酿监管框架（如欧盟AI法案），深入理解用户的关切、风险感知和反应可为立法和政策制定提供实证依据；三是学术界关于AI采纳的讨论长期由技术决定论主导，忽视了消费者的能动性。本研究正是要回应这一缺失，揭示公民并非被动接受技术创新，而是通过具体行动表达其立场。

三、理论背景

论文的理论框架建立在三个相互关联的支柱之上，体现了跨学科的理论整合：

1. 信任与可信度的概念区分及其在AI新闻中的应用 论文对信任和可信度进行了清晰的区分。信任被定义为对某人、某物或某过程的可靠性所持有的积极信念，是一种涵盖风险与不确定性的期望；而可信度则指特定对象（如信息来源）被感知到的品质或可相信性，是信任的一个潜在属性。在AI新闻语境中，信任指向的是对AI如何被应用于新闻业的整体期待，可信度则聚焦于AI作为新闻内容来源的可靠程度。这一理论区分有助于精细剖析公众的认知结构。论文进一步引入机器启发式理论，指出用户可能将机器视为客观、准确且无意识形态偏见的认知捷径，进而影响其可信度评判。理论预期是：感知到AI收益（如提升准确性、客观性、个性化）会正向提升信任与可信度。

2. 抵抗行为与赫希曼的“退出-呼吁-忠诚”框架 论文最具理论贡献的部分是将抵制行为操作化为一个可测量的概念，并将其嵌入赫希曼的“退出-呼吁-忠诚”经典框架中。借鉴医疗健康领域对AI抵制的研究以及新闻个性化研究中用户“防御策略”的发现，论文将针对AI新闻的抵制行为定义为个体选择退出、调整行为或挑战AI生成内容的个人行动。具体而言，不再阅读/付费订阅使用AI的新闻媒体属于“退出”行为，拒绝分享个人数据以获取个性化AI新闻则属于“呼吁”行为。这一理论映射为理解公民在技术变革中的能动性提供了有力的分析工具，并架起了微观个体行为与宏观制度回应（如监管设计）之间的桥梁。

3. 风险感知的多维性及其社会建构 论文不满足于专家驱动的、自上而下的风险分类，而是转向公民自下而上的风险感知。理论梳理揭示，围绕生成式AI的争议已覆盖虚假信息、隐私侵犯、就业冲击、社会操纵、偏见、法律合规等多个维度。然而，这些风险在多大程度上被公众实际感知，是一个需要经验检验的“现实核查”。论文特别关注知识水平这一可能的调节因素，提出理论假设：公民对AI在新闻中应用的知识越高，感知到的风险可能越多。此外，论文隐含地触及了风险的社会放大机制，即媒体如何框架AI议题可能部分塑造公众的风险知识。

四、研究设计

研究方法 本研究采用量化横截面问卷调查研究设计，利用线上自填式问卷收集数据，并进行了一系列回归分析来检验假设。

样本与数据来源

  • 样本范围：荷兰成年人口的代表性样本。
  • 抽样方式：由民调公司Bilendi依据全国人口普查数据实施配额抽样，配额变量包括年龄、性别和教育程度。
  • 最终有效样本量：N = 1484（原始完成问卷1600份，经剔除直选者、作答时间过短者及异常值后获得）。
  • 调查时间：2023年7月至8月，历时四周。
  • 数据特征：平均年龄48.24岁（SD=17.46），女性占49.6%，男性占50.4%；教育程度分布为低28.8%、中40.2%、高31.2%，与荷兰人口普查数据总体相符。

核心变量测量 论文对关键构念均采用多条目Likert量表（1-7级评分）进行测量，信度良好（Cronbach’s α ≥ 0.77）：

  • 自变量：感知收益（6项，α=0.92）、AI知识（5项，α=0.94）。
  • 因变量：信任（2项，α=0.89）、可信度（2项，α=0.77）、抵制行为（5项，α=0.85，为作者新创概念）、风险感知（6项，α=0.82）。
  • 控制变量：年龄、性别、教育程度、对行动者的信任、对社交媒体新闻的信任。

数据分析策略 采用普通最小二乘法回归分析对各假设进行检验。首先通过主成分分析（PCA）验证了信任与可信度作为两个相关但可区分的构念。所有分析步骤及补充检验均存储在OSF平台以保证透明性。

五、主要发现

本研究的实证发现围绕四个核心假设与研究问题展开，揭示了公民对AI新闻的认知-态度-行为链条：

  1. 感知收益显著增强信任与可信度（H1a & H1b 成立）

    • 公民感知到AI在新闻业中的收益越多（如提升准确性、客观性、内容个性化），其对AI所写新闻的信任度就越高（b = 0.74, p < .001），且这一效应相当显著。
    • 同理，感知收益也正向影响对AI生成内容的可信度评价（b = 0.46, p < .001）。研究还发现这一关系是双向循环的：更高的信任和可信度反过来也会强化感知收益。

  2. 不信任直接导致抵制行为（H2 成立）

    • 对AI在新闻生产中应用的不信任感的增强，显著提高了公民实施抵制行为的意愿（b = −0.14, p < .001）。
    • 抵制行为主要表现为拒绝为AI新闻付费和不愿分享个人数据以获取个性化AI新闻。根据赫希曼的框架，这表明不信任的公民更倾向于“退出”（停止消费）而非“呼吁”（要求改进），这对试图通过试错重获信任的媒体机构而言是严峻的信号。

  3. 知识水平与风险感知无显著关联（H3 不成立）

    • 研究未发现公民关于AI在新闻中应用的知识水平与其对生成式AI的风险感知之间存在显著正向关系。
    • 这一结果与既往客观测量AI知识的研究发现不同，提示主观感知知识可能与实际知识存在偏差，且公众的风险认知或许更多受到媒体对AI偏向收益的框架报道所影响。

  4. 控制变量的有趣发现

    • 对社交媒体新闻的信任显著正向预测了对AI新闻的信任（b=0.31）、可信度感知（b=0.10）乃至抵制行为（b=0.10），表明不同信息环境中的信任模式相互关联。
    • 女性相较于男性表现出更强的抵制倾向（b=−0.28），并在风险感知上也存在显著性别差异（b=−0.22），提示性别是分析技术接受中的一个重要文化变量。

六、研究结论与讨论

核心结论 本研究确定了公民对新闻业中使用生成式AI的完整反应链条：感知收益是信任和可信度的基石，而一旦信任丧失，公民的能动性便会通过具体的抵制行为（尤以“退出”为主）加以表达，这可能关闭媒体机构与受众重建信任的对话空间。同时，公众对生成式AI的风险感知是现实存在的，但并非知识所能解释，其形成机制更为复杂。研究强调，负责任地应用AI不仅是技术问题，更关乎如何向公众阐明其实际益处，并赋予他们选择和控制的权利。

学术贡献

  1. 概念与测量创新：首次在新闻研究领域系统概念化和量化了针对AI新闻的“抵制行为”，并提供了一套具有良好信度的测量工具，为后续研究奠定了基础。
  2. 理论框架拓展：成功将赫希曼的“退出-呼吁-忠诚”框架引入AI新闻研究，为理解用户能动性提供了经典的跨学科解释路径，将研究从静态态度分析推向动态的行为预测。
  3. 揭示关键机制：实证确立了“感知收益→信任/可信度”的正向路径和“不信任→抵制行为”的负向激活路径，并指出了两者可能存在循环关系，深化了对技术信任的理解。
  4. 政策实践的启示：研究结论直接对接现实，为新闻机构如何透明化沟通AI的使用（阐明为何、何处及为何种目的使用AI）提供了策略方向，并尖锐地指出，当前类似欧盟AI法案等监管框架因缺乏赋予公民可操作的控制权利，可能难以有效回应公众的抵制诉求。
  5. 对技术决定论的修正：研究经验性地证明了消费者具有不容忽视的能动性，他们的选择将深刻影响生成式AI在新闻业乃至更广社会的未来采纳轨迹，将讨论焦点从“技术如何改变人”拉回至“人如何选择技术”。

研究局限与未来方向 论文作者坦承存在若干局限，并据此提出了未来研究方向：

  • 地理文化局限性：样本仅限于荷兰，其结论的跨国普适性有待验证，尤其需关注不同文化（如美国）和新兴经济体（如拉美）情境下的比较研究。
  • 测量方法单一：主要依赖自陈式报告，可能存在自我评估偏差（如对知识的高估或低估）。未来应结合实验设计、客观知识测评和行为数据等多种方法。
  • 因果推断受限：横截面调查无法确立因果关系。作者呼吁未来采用实验法进一步探究AIGC的标签效应、来源导向等对信任的动态影响。
  • 概念深化需求：研究发现的知识与风险感知的脱节，启示学界需要迫切建立关于“AI知识”的共识性定义，以厘清其测量涵义（技术原理、使用方式还是风险认知），避免概念模糊。