原文标题： The Effects of AI Attribution, Source Priming, and Story Topic Polarization on News Credibility

一、研究对象与核心研究问题

本文的研究对象是新闻读者对自动化（AI）作者与人类作者所写新闻的感知差异。核心研究问题聚焦于探讨为何过往关于自动化新闻对读者感知影响的研究结果存在不一致性（有时偏好AI，有时偏好人类，有时无差异）。具体而言，本研究旨在检验两个关键调节变量：信源启动效应（source priming）（即是否通过提示引起读者对作者身份的注意）和新闻报道话题的极化程度（story topic polarization）（即数据驱动型新闻与观点极化型新闻），是否能够解释过往研究的这种矛盾结果。此外，研究还试图直接测量“机器启发式”作为中介变量，以检验其是否确实如理论所预测的那样成为自动化效果的心理机制。

二、研究背景

研究背景基于自动化新闻（如体育、财经、天气报道）在新闻业界日益普及的现实，以及由此引发的学术界对“读者如何评价AI与人类作者新闻”这一问题的持续关注。已有大量实验研究探讨了自动化作者对新闻感知的影响，但结果大相径庭：有些研究发现AI作者更受青睐，有些则发现人类作者更佳，还有研究发现无显著差异。这种不一致性不仅造成了理论上的困惑，也为新闻实践（如是否应披露AI作者、如何呈现）带来了不确定性。因此，本研究的现实意义在于，为新闻机构在发布AI生成内容时提供有关读者感知的实证依据，帮助其做出更明智的公开策略决策，同时理论上试图调和过往研究的分歧。

三、理论背景

本研究的理论框架主要基于双加工模型（如启发式系统模型HSM和精细加工可能性模型ELM），以及在其基础上发展起来的、专门针对技术的MAIN模型和机器启发式（machine heuristic）。机器启发式理论预测，读者会自动认为由机器/算法策划或生成的新闻比人类作者的作品更“客观”且“无意识形态偏见”。然而，双加工模型明确指出，启发式的影响并非恒定，其激活和运用取决于多种情境和个人因素。本研究正是从此理论空白出发，提出过往研究结果不一致，可能是因为忽略了启发式生效的两个关键前提：

  1. 线索的显著性（cue salience）：启发式只有在读者注意到并能回忆出作者身份时才会被激活，而许多过往研究并未报告或检验操纵检查（manipulation check）。
  2. 新闻内容的性质：在双加工理论中，信息话题的卷入度或性质会调节加工路径的选择。本研究由此推论，过往研究使用了不同极化程度的话题，可能导致了机器启发式效应在不同情境下的差异。

此外，研究还指出了该领域在方法论上的不足，即多数研究将“感知偏差”等结果变量作为机器启发式的代理，而未能直接测量该启发式本身，这导致无法确证其作为心理机制的作用。

四、研究设计

本研究采用在线实验法，构建了一个 2（声明作者：人类 vs. AI）× 2（信源启动：有 vs. 无）× 2（新闻话题：数据聚焦型 vs. 极化型） 的被试间因子设计。

  • 样本：最终有效样本为820名来自美国Prolific平台的成年人，通过事前功效分析确定样本量以保证统计功效。样本在性别、年龄和种族上具有多样性。
  • 刺激材料：被试随机阅读一篇归属于特定作者（人类“Blake Campbell”或算法“Automated Insights”）的新闻报道。为增强外部效度，报道内容覆盖了两个话题（天气与财经），且每个话题下又分为两种版本：
    • 数据聚焦型（控制条件）：仅报道数据趋势，无观点性解释。
    • 极化型：在数据基础上加入对成因的争议性解读（如将气温升高归因于气候变化，或将股市走势归功于拜登的经济政策）。
  • 操纵与测量：
    • 信源启动：启动条件下，被试阅读新闻前会看到明确提及作者身份的指引并至少阅读5秒；控制条件则无任何提示。
    • 核心因变量：信源回忆（操纵检查）；三项目组成的新闻报道可信度指数（准确、真实、可信）；以及另外十一个单项目新闻感知指标（如偏见、可信赖度、有趣度、清晰度等）。
    • 中介变量：直接测量了机器启发式认同（如“如果新闻由算法撰写，那它一定是客观的”）和感知信息偏见。

五、主要发现

  1. 信源启动对回忆的影响（H1支持）：信源启动效应显著。在有启动的条件下，超过97%的被试能准确回忆作者身份；而在无启动的控制组，正确回忆率未超过53%，多数人表示“不记得”。
  2. 声明作者的主效应（H2部分支持）：仅在少数指标上发现人类作者优于AI作者。具体而言，人类作者署名的新闻在综合可信度指数、真实性和可信赖度这三个指标上得分显著更高，且这种差异主要在有信源启动的条件下出现。在其他九项指标（包括直接提问的单题“可信度”）上，AI与人类作者无显著差异。
  3. 新闻话题极化和议题立场的调节作用（H3不支持）：新闻话题（数据型 vs. 极化型）以及读者自身的议题党派性，均不能显著调节声明作者对新闻评价的影响。效果在不同话题中表现一致。
  4. 中介效应检验（H4和H5不支持）：机器启发式一致性和感知信息偏见均未能在声明作者与新闻评价之间起到显著的中介作用。声明作者未能显著影响这两项潜在中介变量。

六、研究结论与讨论

本研究得出一个核心结论：AI署名在大多数情况下对新闻感知并无实质性影响，总体上呈现“零效应”模式。仅在“真实性”和“可信赖度”等极少数涉及人本特质的指标上，读者表现出对人类的微弱偏好。

学术贡献与理论反思：

  1. 对MAIN模型/机器启发式的挑战：研究发现的结果模式（要么零效应，要么偏好人类）与机器启发式理论预测的“偏好AI”完全相反。作者据此提出，诞生于十六年前的机器启发式理论，可能已不适应当前读者对AI的“心智感知”（mind perception）。今天的读者可能不再潜意识里认为“机器=客观无偏”，反而开始在“体验”（experience）维度（如真实、可信赖）上对机器产生不信任。
  2. 强调方法论的严谨性：本研究证实了信源显著性（启动）对于激活启发式至关重要，并揭示了过往研究忽略操纵检查可能导致无法区分“真零效应”与“操纵失败”。这为未来自动化新闻实验树立了方法论标杆。
  3. 对中介机制的直接测量：通过直接测量机器启发式而非使用代理变量，研究提供了实证证据，表明该启发式并非自动化效果的有效中介，呼吁学界探索如“心智感知理论”等新的解释框架，以理解人机作者差异背后的心理机制。
  4. 话题极化的无关性：研究发现，新闻内容的极化与否并未调节AI署名效应，这对那些从信息加工深度角度寻找调节变量的理论尝试构成了反证，进一步削弱了传统双加工理论在该领域的解释力。

实践启示：新闻机构可以相对放心地标示AI作者，因为大部分读者并不会注意到或在意，且即便注意到，对其核心新闻评价（如可信度、偏见）的影响也微乎其微。公开透明不会造成明显的负面感知后果。