原文标题： Automating Essential Work: News Media and Technology Hype in a Critical Sector 2014–2024
一、研究对象与核心研究问题
本文以美国回收分类行业为研究对象，系统分析了2014年至2024年间美国地方与全国性新闻媒体关于自动化、机器人与人工智能的报道。回收分类行业在新冠疫情期间被定义为“关键行业”，其从业者被视为“必要工作者”。论文的核心研究问题有二：其一，新闻文章如何表征机器与工人？其二，在关于自动化的报道中，哪些群体的视角被纳入、哪些被排除？通过这两个问题，研究旨在揭示媒体技术炒作（hype）的演变轨迹，及其如何影响公众对人工智能与劳动关系的理解。
二、研究背景
新冠疫情期间，低薪劳动因“必要”而获得前所未有的能见度，同时人工智能被媒体广泛呈现为解决公共卫生危机、劳动力短缺与供应链问题的技术方案。回收分类行业是这一现象的典型场域。该行业工作环境恶劣、人员流动率高，长期面临劳动力缺口，在疫情期间更承受着健康风险与运营压力。与此同时，AI回收分拣机器人被大量报道为“无需接触”的替代方案，硅谷创业公司获得巨额融资。然而，即便在这一高度自动化的语境中，全美仍有约百万人在该行业从事分拣、纠错与机器维护工作，其劳动在媒体叙事中被系统性地隐没。这一张力构成了研究的现实关切。研究者选择对单一行业进行长时段分析，意图打断学术分析中有时无意中参与的“AI炒作链条”，将技术声称置于具体问题与使用情境中加以审视。
三、理论背景
论文的理论框架植根于传播学、科学技术研究（STS）与劳动研究的多重交叉。首先，研究援引“技术炒作”概念，指认“创新中心主义”的讨论如何偏离技术实际运作状态，转而兜售一个尚未存在的未来，构成一种推销叙事。这种炒作具有周期性，曾在20世纪50年代以来的AI发展史中引发膨胀与“AI寒冬”的交替。其次，论文引述“社会技术想象”理论，说明宣称技术必然性的叙事（即Zuboff所称的“必然主义”）如何在媒体报道与政策文件中被共同建构，形成一种“魔法化的决定论”。再次，研究采纳了Herman与Chomsky的“制造共识”模型，尤其关注新闻源选择作为一种“过滤机制”如何将企业专家的观点自然化，同时边缘化工人的声音。最后，论文从人类-机器传播研究出发，强调围绕机器的文化理解框架形塑着人们对技术的意义建构。在这些理论资源的基础上，作者提出要将自动化作为话语加以研究，关注其中的实证性问题（“存在何种对话？”）与批判性问题（“谁拥有发言权？”）。
四、研究设计
研究采用Hodgetts与Chamberlain的“新闻媒体分析”方法，这是一种批判性社会科学文本研究方法，尤其关注争议性问题如何在新闻中展开、谁被识别为利益攸关方以及其立场如何被建构。数据来源为NexisUni数据库中的美国报纸与杂志文章，时间跨度为2014年3月1日至2024年2月28日。通过关键词组合（回收与自动化相关术语）进行检索，返回716篇文章，经人工筛选后保留82篇唯一文章作为最终数据集。分析按三个时期划分：疫情前（2014–2020年2月）、疫情高峰期（2020年3月–2022年2月）、疫情高峰后（2022年3月–2024年2月）。两位研究者以迭代方式独立沉浸于数据，依据标准化的“网格”记录观察，再通过每周讨论深化和复杂化所发现的模式，遵循解释主义的研究取向。
五、主要发现
研究揭示了自动化与人工智能在媒体报道中呈现出质性差异，并围绕技术表征、劳动者显现和声音分配形成了以下关键发现：第一，在疫情前的时期，媒体报道侧重于解释回收分类设施运作的复杂性，将人与机器描绘为协同工作的关系，同时承认机器的脆弱性与易故障性。自动化被主要表述为提升效率与降低劳动力成本的手段，但仍需人工干预与公民配合。第二，2017年“国门利剑”政策引发行业危机后，媒体关注转向技术作为应对危机的方案，人工智能开始进入报道。当AI引入后，技术叙事发生了显著转变：从此前注重效率转向注重准确性，并将AI呈现为优于人类工人的存在。与此同时，对技术局限性的讨论大幅减少。第三，新冠疫情进一步强化并整合了已有叙事，AI被赋予防疫新功能（“它们不会感染病毒”），媒体报道中技术采纳的必要性与紧迫感骤然上升。第四，就新闻源而言，在AI技术出现之前，技术公司高管从未作为信源出现；而AI出现后，他们开始被频繁引用并提供技术解释。在整个数据集中，没有任何一篇新闻报道直接引用一线回收分拣工人的观点，工人视角几乎完全缺席。与此形成对照的是，在报道生成式AI对艺术家的影响时，艺术家的声音却获得了表达空间，凸显出认知劳动与体力劳动在媒体能见度上的不平等。
六、研究结论与讨论
本研究的核心结论是：围绕回收分类行业自动化与人工智能的新闻报道，在过去十年间形成了一种持续强化技术必然性、弱化技术局限性的媒介炒作，而工人的声音在这一公共对话中几乎被完全消除。AI报道延续并超越了此前自动化叙事的效率框架，新增了准确性诉求，并在疫情语境下被赋予了无感染风险的健康价值，从而构建起一套几乎不受质疑的“技术优于人”的支配性话语。研究指出，即便在所谓“全自动”设施的报道中，人的劳动仍清晰可辨——预分类、排除堵塞、监控操作——但这些劳动始终处于叙事的边缘，不被赋予源身份。这一发现有力地呼应了已有的新闻学研究，即企业视角在AI报道中被过度代表。
论文的学术贡献主要体现在三个方面。其一，通过聚焦单一行业的历时性分析，研究实现了对AI炒作的“去语境化”批判，将技术声称锚定在具体问题、既有方案和现实限制中，避免了在抽象层面上泛化讨论AI。其二，研究识别出从“自动化”到“AI”的话语转型中“准确性取代效率”作为核心叙事的转变，并揭示了由此带来的对技术局限性的系统性遮蔽。其三，基于工人声音的缺失，论文倡导将“团结新闻”理念引入工作场所自动化的报道实践。团结新闻要求记者优先以直接受边缘化议题影响的人群作为信源，超越个体化苦难叙事，呈现集体遭际与结构性不平等，进而促进社会变革的乐观想象。研究者为此提供了具体的报道行动指南，推动新闻理念从理论倡导走向实务改进。