一、研究对象与核心研究问题

本文研究人工智能意识（AI awareness）在不同社会经济群体间的差异及其形成机制。AI意识被定义为识别日常设备和应用中AI存在及其功能的能力。核心研究问题包括：第一，不同社会经济地位（SES）群体之间是否存在AI意识的差距？第二，AI使用和AI熟悉度如何在SES与AI意识之间发挥中介作用？这一研究具有重要的现实意义——在英国，仅有六分之一的成年人经常或总是能识别出AI的使用；在美国，仅30%的受访者意识到聊天机器人和邮件过滤等常见工具中AI的应用。未能识别AI的常见应用可能阻碍个体批判性评估相关风险与危险（如隐私侵犯和偏见强化），同时妨碍其利用AI提升生产力和推动积极变革的能力。AI意识的差异化分布可能导致某些群体利用AI的赋权和操纵潜能巩固社会地位，从而加剧现有的结构性不平等。

二、研究背景

人工智能已深度融入日常生活，从社交媒体到电子商务，再到可穿戴医疗设备，AI的个性化内容推荐、预测能力和优化解决方案无处不在。然而，AI决策过程日益缺乏透明度，使用户普遍认为AI是一个神秘的"黑箱"。这种不透明性导致用户在很大程度上无法意识到AI的存在，因而无法充分理解其潜力和影响。在算法意识研究方面，越来越多的学者关注用户对各类在线平台算法的认知，包括社交媒体信息流、短视频平台和语音助手。研究表明，用户对算法的意识影响其对算法驱动功能的态度和平台使用体验。然而，关于AI意识在不同社会群体间是否存在差异及其程度如何，现有文献理解有限。这种不平等分布令人担忧，因为它可能导致新的数字鸿沟——某些群体可能更善于与AI系统互动并从中获益，而其他群体则被进一步边缘化。

三、理论背景

本文的理论框架建立在两大理论传统之上。第一，知识沟假说（knowledge gap hypothesis），该假说认为随着大众传媒信息的传播，社会经济地位较高的群体比地位较低的群体更快获取信息，从而扩大知识差距。在AI语境下，高SES群体可能通过更多接触AI技术和更丰富的信息资源，形成更高的AI意识。第二，数字不平等文献，强调数字技术使用中的不平等不仅是接入问题，更涉及技能、使用方式和收益的结构性差异。AI意识作为意识概念的多维建构，包含知识（个体对主题的了解）、态度（个体对主题的看法和感受）和行为（个体对主题采取的行动）三个维度。研究将技术意识视为通过个人技术经验和外部信息源共同发展而来，因此聚焦AI使用和AI熟悉度两个潜在中介变量，考察它们如何作为SES与AI意识之间关系的机制。

四、研究设计

本文采用问卷调查法，以知识沟假说和数字不平等文献为指导，系统检验社会经济地位对AI意识的影响及其中介机制。社会经济地位通过教育水平和家庭收入两个指标操作化。研究聚焦两个中介变量——AI使用（实际使用AI工具的频率和范围）和AI熟悉度（对AI技术和应用的自评了解程度）——并检验它们如何在SES与AI意识之间发挥中介作用。研究设计借鉴了此前关于算法意识的方法论经验，通过量表测量受访者的AI意识水平、AI使用行为和AI熟悉度，并控制相关人口统计学变量。分析方法采用中介效应检验，以识别AI使用和AI熟悉度在SES-AI意识关系中的具体作用路径。

五、主要发现

  • SES与AI意识的显著关联：社会经济地位（以教育水平和家庭收入衡量）与AI意识之间存在显著正相关，高SES群体展现出更高的AI意识水平，这证实了AI意识可能成为数字不平等的新领域。
  • AI使用的中介作用：AI使用在SES与AI意识之间发挥显著中介效应——高SES群体更频繁地使用AI工具，而更频繁的AI使用有助于提高识别和理解AI的能力，从而缩小或转化意识差距。
  • AI熟悉度的中介作用：AI熟悉度同样是重要的中介变量——高SES群体对AI技术和应用更为熟悉，这种熟悉感增强了对AI存在和功能的识别能力，提升了整体AI意识。
  • 双重中介路径：AI使用和AI熟悉度构成两条并行但不完全重叠的中介路径，二者共同解释了SES与AI意识之间关系的相当部分，表明技术经验和信息获取是弥合AI意识差距的关键机制。
  • 新数字鸿沟的风险：AI意识的差异化分布可能催生新型数字鸿沟——能够识别和理解AI的群体将更好地应对AI带来的风险并利用其机遇，而意识不足的群体则面临隐私侵犯、偏见强化等风险而浑然不觉。

六、研究结论与讨论

本文的核心发现是：AI意识存在显著的社会经济差异，高SES群体（更高教育水平和收入）拥有更高的AI意识，而AI使用和AI熟悉度是解释这一差距的关键中介机制。这一发现拓展了数字不平等研究的边界，表明数字鸿沟已从接入差距和技能差距延伸至AI意识差距——一种更为隐蔽但同样深远的不平等形式。

在理论贡献方面，本文首次将知识沟假说系统地应用于AI意识研究，揭示了传统的社会经济不平等如何在AI时代以新的形式再现。研究同时丰富了AI意识和算法意识的文献，指出了从通用技术意识到特定AI意识的转化机制。双重中介路径的识别为理解不平等的再生产过程提供了更细致的分析——SES不仅直接影响AI意识，更通过塑造技术使用模式和熟悉度间接地再生产意识差距。

研究局限包括：截面数据无法确立因果关系，可能存在反向因果（高AI意识导致更多AI使用）；自我报告的AI使用和熟悉度可能存在测量偏差；研究未充分控制认知能力和先前技术经验等潜在混淆变量。未来研究可采用纵向设计追踪AI意识的演变，开发更精确的AI意识测量工具，考察不同AI应用类型（如生成式AI、推荐算法）的意识差异，以及在非西方语境中检验SES-AI意识关系的跨文化适用性。政策层面，研究强调需要通过公共教育和数字素养项目缩小AI意识差距，确保AI技术的红利和风险被全社会公平认知与分担。