原文标题： Advancing a Material and Epistemological Turn in the Study of AI: A Review and New Directions for Journalism Research

一、研究对象与核心研究问题

本文的研究对象是近十年来（2010年至2023年8月）新闻学领域关于人工智能的实证研究文献。作者通过系统地回顾这些文献，旨在回答两个核心研究问题：

  1. RQ1：新闻学学术研究是如何借鉴Anderson（2013）提出的六种社会学路径（政治、经济、制度、组织、文化、技术）来对AI进行实证研究的？这些研究路径下产生了哪些洞见？
  2. RQ2：当前的新闻学AI研究文献具有哪些整体性特征？如何借鉴“批判性人工智能研究”领域的洞见，来增强和拓展新闻学中对AI的研究？

二、研究背景

本文的研究背景根植于AI技术在新闻业的日益普及。从早期的算法新闻到如今的生成式AI，应用场景不断拓宽，引发了学术界和政策制定者的广泛关注。然而，作者指出，当前的研究热潮与十年前Anderson所批判的“狭隘的功利主义视角”已大不相同，但这并不意味着研究已经完备。该研究具有强烈的现实意义，因为新闻报道的生产、分发和商业模式正被AI深刻重塑，理解这些技术不仅关乎行业存续，更关乎新闻业在民主社会中的角色和公共职能。本文正是基于此背景，试图诊断现有研究的不足，为学界应对生成式AI等新一轮技术浪潮提供理论和分析工具。

三、理论背景

本文的理论框架建立在两大支柱之上：

  1. 新闻社会学路径：本文的核心组织原则源自Anderson（2013）提出的研究“计算与算法新闻”的六种社会学路径，这六种路径又根植于Schudson（1989）等人的新闻生产社会学传统。它们分别是：政治与公共政策、经济学、组织层面动态、文化历史、制度与场域、以及技术与新闻。这六种路径构成了作者审视现有文献的透镜。
  2. 批判性人工智能研究：论文的理论贡献在于，作者发现新闻社会学路径已不足以全面分析AI的复杂性，因此引入了“批判性人工智能研究”作为补充和批判的理论资源。该领域强调不应将AI视为抽象、具有本质力量的实体，而应进行情境化的、关注其“不确定性、临时性和脆弱性”的研究。它要求学者深入技术的内部（如数据集、算法逻辑、基础设施）去探究其物质性、认识论和更广泛的生态系统。

四、研究设计

本文采用的方法是定性文献综述，旨在对现有文献进行聚合、描述和阐释，并在此基础上发展出新的理论洞见。

  1. 数据收集：采用混合搜索策略，结合数据库检索和滚雪球法。
    • 数据库检索：使用“Web of Science”数据库，设定时间范围为2010年至2023年8月，并使用“AI/人工智能 AND Journalism/News”“算法* AND Journalism/News”“自动* AND Journalism/News”等多组检索词。
    • 纳入与排除标准：严格筛选，仅纳入发表在Q1级别媒体与新闻学期刊上的、同行评审的实证研究论文。同时，排除了仅关注数据新闻、事实核查等特定子领域或受众研究的论文。
    • 滚雪球补充：通过对初始文献引文的追溯和两个特刊的审查，补充了数据库未收录的高引文献。
  2. 最终样本与分析：最终获得61篇论文作为分析样本。作者使用“Notion”工具对每篇论文进行系统化整理，包括摘要、AI的定义、应用类型、研究方法和国家等标签，并根据六种社会学路径对文献进行归类分析。

五、主要发现

通过对61篇文献的回顾，本文得出以下关键发现：

  1. 研究视角的丰富与演变：新闻学对AI的研究已远超早期的功利主义框架，呈现出批判性、多面向的特征。Anderson提出的六种社会学路径得到了广泛应用和深化，尤其体现在文化路径（如元新闻话语研究）和以设计为导向的研究中。
  2. 研究焦点不均：
    • 应用类别：政治、文化路径多聚焦于“自动化新闻”，而制度路径则高度关注“个性化推荐”，因为两者分别触及了记者的身份认同和新闻业的民主制度角色这一核心。
    • 地理分布：研究在地理上严重偏向美国和北欧，对全球南方的关注严重不足。
    • 方法论偏好：定性访谈为主导方法，受访者主要是记者和编辑。
  3. 核心分析性空白：论文的核心发现是指出当前研究存在一个关键的分析性空白，即将AI技术本身视作理所当然的背景。具体表现为：
    • 偏重社会解释，忽视技术物质性：分析重心在于人的行为、感知和制度逻辑，将“AI系统”作为一个抽象的整体，缺乏对其底层数据、模型、代码等物质条件的探究。
    • 认识论局限：研究多关注AI“对”新闻认识论（如客观性、权威性）的冲击，而未能探究AI自身所蕴含的、来自计算机科学领域的认识论（如评估基准、错误概念）如何影响新闻业。
    • 研究场域局限：绝大多数研究将“新闻编辑部”作为分析的核心场所，忽视了塑造AI的、编辑部之外更广阔的生态系统（如云服务商、数据集构建者、AI竞赛平台等）。

六、研究结论与讨论

基于上述发现，本文的核心结论是新闻学AI研究需要一场“物质与认识论转向”。作者认为，面对日益复杂的AI形态（尤其是生成式AI），仅仅依靠新闻社会学路径已不足以捕捉其所有面向。

为此，论文从“批判性人工智能研究”中汲取灵感，提出了三种分析敏感性以增强现有研究：

  1. 关注“社会-技术”中的“技术”：超越人类中心主义，正视AI的物质性（如数据、指标）如何作为一个积极的“行动者”对新闻实践、价值观和发展进程产生影响。
  2. 研究AI的方法论与历史：深入探究AI系统自身的构建过程，如对标准数据集、基准测试、“基本事实”和错误概念进行谱系学分析，理解其内嵌的假设、偏见和权力关系如何被带入新闻领域。
  3. 拓展AI的生态系统研究：将研究视野从新闻编辑部扩展到更广泛的社会技术集合，包括AI模型与云基础设施提供商、立法机构、风投资本、行业协会等，以揭示新闻业所面临的新兴依赖与权力结构。

学术贡献：本文不仅是对新闻学AI研究的一次系统性、批判性回顾，更重要的理论贡献在于，它精准地诊断出该领域过度社会建构主义倾向的缺陷，并开创性地引入“批判性AI研究”的视角，系统地提出了一个可操作的、面向未来的研究转向。这为后续研究如何更深刻地探究AI的复杂力量，特别是应对生成式AI带来的新挑战，指明了具体路径和理论资源。