原文标题： Policies in Parallel? A Comparative Study of Journalistic AI Policies in 52 Global News Organisations

一、研究对象与核心研究问题

本文的研究对象是来自全球52家新闻机构制定的、关于如何在新闻工作中使用人工智能（AI）的内部指南或政策文件。这些机构主要分布在比利时、巴西、加拿大、芬兰、德国、印度、荷兰、挪威、瑞典、瑞士、英国和美国等12个国家。

论文的核心研究问题是探究这些新闻机构的AI指南在多大程度上展现出同构化（isomorphic）趋势。具体细化为以下几个问题：（1）这些AI指南在形式特征（如标题、约束力、更新频率）和主题特征（如允许/禁止的用途、透明度要求）上表现如何？（2）这些指南在不同组织类型（商业媒体与公共服务媒体）之间以及不同国家之间有何差异？（3）当前AI指南存在哪些盲点或未充分涉及的领域？

二、研究背景

该研究的现实背景是生成式人工智能，尤其是以ChatGPT为代表的大语言模型，在2022年底公之于众后，对新闻业产生了巨大冲击。新闻机构一方面对AI提升效率、创新报道形式抱有高期望，另一方面则对其可能带来的事实错误（如“幻觉”）、偏见、版权侵犯以及损害新闻公信力等风险深感担忧。在此背景下，越来越多的新闻机构开始制定并发布AI使用指南，以规范内部实践、回应外部关切。然而，业界对这些早期指南的整体状况、共识与分歧存在诸多疑问。同时，相较于已有较多研究的社会媒体指南，针对AI指南的系统性研究尚属起步阶段，存在研究空白。该研究旨在填补这一空白，为理解新闻业如何应对AI带来的不确定性提供实证依据。

三、理论背景

论文的理论框架主要基于新制度主义（neo-institutional theory）中的**制度同构（institutional isomorphism）**概念。该理论由DiMaggio和Powell提出，用于解释在面临不确定性或约束条件时，同一领域内的组织为何会变得越来越相似。研究提出了三种同构机制：

  1. 强制性同构（coercive isomorphism）: 源于所依赖的其他组织及社会的文化期待所形成的正式与非正式压力，如法规和行业标准。
  2. 模仿性同构（mimetic isomorphism）: 当组织面临技术理解不清晰、目标模糊或环境产生象征性不确定时，倾向于模仿同领域中更成功或更合法的组织。
  3. 规范性同构（normative isomorphism）: 源于专业化压力，即行业内专业人士通过社交网络、人才流动等集体界定工作条件与方法，从而形成共同规范。

论文认为，AI技术的迅速发展带来了高度的不确定性，这与以往新闻业在向在线视频新闻转型或采用受众数据指标时所经历的过程类似，因此，制度同构是分析新闻机构AI指南趋同现象的有力理论透镜。此外，研究也回顾了新闻伦理、媒体自我规制的传统（如编辑指南、社交媒体指南）作为文献基础，指出早期的社交媒体指南研究并未发现明显的同质化现象，这使得对AI指南的考察更具意义。

四、研究设计

本研究采用混合方法，结合定性内容分析和定量内容分析。

  1. 样本与数据收集：采用系统性抽样而非便利性抽样。首先确定了12个已知存在AI指南的国家，并根据《数字新闻报告》等来源，在每个国家按杂志、媒体集团、通讯社、传统报纸、数字原生媒体、商业电视台、专业组织、公共电视台等类别，识别最多6家领先媒体机构，形成207家机构的初始名单。通过公开渠道查找、邮件请求和行业人脉等新闻调研方式，最终收集到52份AI指南文件。其中33份为公开在线获取，其余为机构提供或通过其他渠道获得。
  2. 分析方法：
    • 编码表开发：基于现有文献（如Becker, 2023；Diakopoulos, 2019）和首轮归纳性编码，制定了包含15个形式与主题特征（用于定性）及35个附加特征（用于定量）的编码表。
    • 编码过程：由三位编码员进行多轮编码，包括开发编码表后的测试编码和正式编码。最终由两位编码员独立对所有52份文件进行编码。
    • 信度检验：使用克里彭多夫的阿尔法系数（Krippendorff’s Alpha）检验编码者间信度，平均系数α = 0.94，表明信度极佳。
    • 数据处理：31份非英文指南使用机器翻译DeepL翻译成英文，并尽可能通过母语者或研究人员自身语言能力验证准确性。

五、主要发现

  1. 形式特征上的同构迹象：大多数指南于2023年ChatGPT发布后快速推出。标题最常见的是“Guideline”（16份）。多数指南（36份）的适用范围是编辑部和记者，但绝大多数（48份）均未提及任何问责或执行机制。在动态性上，33份指南表示会更新，但其中31份未说明具体频率。
  2. 主题特征上的趋同与分歧：
    • 趋同点：绝大多数指南在透明度（47份）和人类监督（44份）这两个核心原则上表现出高度一致。对AI应用（45份）和禁止应用（35份）有明确规定也是普遍现象。36份指南提到了AI的潜在陷阱（如幻觉、偏见和版权问题）。
    • 分歧点：
      • 组织类型差异：商业媒体的指南通常更详细，尤其在规定允许与禁止用途及数据保护方面；而公共媒体对人类监督算法的强调更突出。商业媒体对AI的使用也比公共服务媒体稍显宽松。
      • 国家差异：不同国家在强调新闻价值观、覆盖AI陷阱、重视隐私或算法偏见等方面存在差异。例如，加拿大、挪威、英国的指南提及AI陷阱的比例最高；加拿大、英国、荷兰、德国特别强调数据隐私。
  3. 显著盲点（RQ3）:
    • 执行与监督缺失：绝大多数指南缺乏对违规行为的执行机制，对人类监督的要求也主要集中于文本产出，对算法本身的监督有限。
    • 外部关系模糊：鲜有指南涉及对外部合作（如与技术供应商）的规范。
    • 结构性议题缺位：几乎完全未提及技术依赖性问题、与AI能耗相关的可持续性议题、AI供应链中的劳力剥削和人权问题、工作场所监控，以及对地方和文化多样性的影响等权力不平等的深层问题。

六、研究结论与讨论

论文得出结论，全球新闻机构的AI指南呈现出明显的制度同构倾向，特别是在透明度和人类监督等关键反应上趋于融合。这种同质化在很大程度上可由新制度主义理论解释：生成式AI带来的巨大不确定性引发了模仿性同构（如效仿BBC等先行者的指南），而新闻行业的专业网络和人才交流则推动了规范性同构。

然而，这种同构并未抹杀所有差异。国家和组织特性仍然是重要的调节因素：商业与公共媒体因其不同目标和市场定位，在指南的侧重点和严格程度上各不相同；不同国家的政策、文化和媒体系统背景也导致了差异。这呼应了过往研究，即宏观层面的趋同之下，机构自身的战略优先级和具体情境依然发挥作用。

研究指出，制定AI指南不仅是应对不确定性的手段，也是一种寻求“合法性”的信号行为，旨在向员工、读者和合作伙伴传递负责任的形象。

论文的学术贡献在于：（1）提供了远超以往研究的样本量，系统描绘了新闻业AI自我规制的早期图景；（2）首次运用制度同构理论来解释新闻AI指南的趋同现象，为该领域的理论化做出了贡献；（3）明确指出了当前指南存在的关键盲点，为后续政策制定和学术研究指明了方向。研究最终强调，当前的趋同状态是否会持续、深化或逆转，仍需未来研究持续追踪，并探讨指南的实际效果、制定过程中的权力动态，以及外部解释因素（如共享的新闻价值观、共同的公众顾虑）相对于同构压力究竟哪个更具解释力。