一、研究对象与核心研究问题

本研究以德国和澳大利亚的 60 位在线新闻消费者为研究对象，探讨新闻受众如何形成对记者使用生成式 AI 的期望、识别塑造这些期望的前因，以及分析受众如何解释和评估日常新闻接触中的期望违背体验。核心理论框架是期望违背理论（Expectancy Violation Theory, EVT），该理论解释了个体如何回应出乎意料的沟通行为。

研究的创新之处在于方法论取向的转换：既有受众研究主要通过实验设计量化 GenAI 对信任和可信度的影响，侧重结果变量；本研究则采用半结构化访谈关注期望形成与违背的解释性过程——受众如何在日常新闻使用中建构、协商和重新校准他们的期望。这种取向将 GenAI 的受众回应从单纯的技术评价重新定位为对新闻业人类基础、伦理基础和制度基础的判断。

二、研究背景

新闻业对生成式 AI 的使用同时引发了伦理、经济和认识论层面的挑战，重塑了新闻的生产和消费方式。既有实验研究表明，AI 作者身份线索可以作为塑造受众判断的启发式信号，有时会降低相对于人类作者新闻的可信度，但这些效应高度取决于任务类型、话题以及人类参与的程度等情境因素。

这些研究发现的一个核心问题在于，现有知识主要揭示了自动化线索如何影响下游的可信度和信任效应，而对于期望本身作为解释性过程如何被形成、协商和重新校准，我们了解甚少。本研究正是基于这一空白，将期望视为一种需要通过参与者自己的语言来阐述的推理过程——而这正是半结构化访谈的优势所在。通过选取德国和澳大利亚这两个在监管框架和媒体环境上形成对比的国家，研究旨在提供一种理论驱动的、以受众为中心的理解。

三、理论背景

期望违背理论构成了本文的核心分析框架。EVT 关注人们如何回应违背预期的沟通行为——当沟通超出预期范围时，个体会经历唤醒并试图解释这种违背。该理论的核心洞见是：违背本身并不天生是积极或消极的，其评价取决于违背者的特征以及违背行为所处的社会关系语境。

在新闻研究中，EVT 主要用于实验研究，研究者通过操纵自动化线索来操作化期望，并通过暴露后的评价来推断违背效应。本文在此基础上进行了两项重要拓展。首先，它将期望从实验变量重新定位为解释性现象——期望是在社会文化语境中通过受众的反思性推理主动建构的。其次，它关注期望形成的多层面前因，包括受众对新闻业专业规范的理解、对技术的既有认知、个人媒介使用经验以及制度信任等。这一拓展使 EVT 从一个用于衡量刺激效应的实验框架，转变为一个用于理解受众如何赋予技术变革以意义的分析工具。

四、研究设计

研究采用半结构化访谈方法，在德国和澳大利亚两个国家招募了 60 位在线新闻消费者。选择这两个国家的原因在于它们提供对比性的监管和媒体环境，并且在既有调查中两国受众对新闻 AI 的态度存在差异。研究的目的并非统计概括，而是提供一种理论驱动的、以受众为中心的解释性说明。

访谈围绕参与者日常新闻消费的具体实例展开，探究他们对新闻生产中人机劳动分工的期望、他们遭遇 GenAI 内容时的反应以及他们如何理解和评估期望违背的体验。分析策略以主题分析为基础，通过系统编码识别受众期望形成的核心主题——包括对人类在场的情感依附、对透明度标准的规范性要求以及对新闻机构在采用新技术过程中的责任期待。

五、主要发现

  • 受众期望根植于对人类在场的道德取向，而非简单的认知预测。参与者反复强调新闻业本质上是一种人类实践，AI 的介入应服务于增强而非替代记者的判断力。当 GenAI 的使用被视为侵蚀了这种人类基础时，便构成了最显著的期望违背。
  • 期望的形成受到多层次前因的影响。包括对新闻业专业规范的既有理解、对 AI 技术的认知水平、个人媒介使用习惯以及更广泛的制度信任。这些前因在德国和澳大利亚参与者之间呈现出有趣的差异模式。
  • 受众不是被动地接受或拒绝 GenAI，而是主动地协商期望边界。参与者对不同新闻类型（硬新闻 vs. 软新闻）和不同 AI 使用方式（辅助 vs. 替代）设定了精细化的接受条件。
  • 透明度期望是一个关键主题。受众并非要求完全公开所有技术细节，而是期待在涉及重大公共利益的报道中获得关于 AI 使用范围的明确标识。
  • 期望违背引发的不仅是认知评价，还有情感反应。当受众发现新闻内容由 AI 而非人类记者创作时，报告了被欺骗感、失望和对新闻机构信任的动摇，表明期望违背的后果超出了纯粹的信息评估。

六、研究结论与讨论

本文的核心理论贡献在于，证明了受众对新闻业 GenAI 的回应不仅是对技术的评价，更是对新闻业人类、伦理和制度基础的判断。期望的形成、违背和重新校准是一个持续的、关系性的过程，在这一过程中受众积极地为技术变革赋予意义。

研究对新闻实践的启示同样重要。新闻机构在引入 GenAI 时需要认识到，受众的关注不仅在于内容质量，更在于谁在生产和编辑。透明度的实践不应仅仅是合规性的标签张贴，而应成为一种有意义的沟通行为，向受众解释 AI 在新闻生产中的具体角色与边界。

未来研究可从多个方向展开。纵向设计可以追踪期望如何在反复暴露于负责任的 AI 使用后被重新校准。比较研究可进一步探讨制度语境——包括监管框架和公共服务传统——如何塑造期望形成的基准。从 EVT 视角来看，不同新闻话题领域可能激活不同的规范性阈值，决定什么算作有意义的违背，而这一点值得更精细的实证检验。此外，考虑到受众对自动化的期望将随时间演变——尤其是当 GenAI 相对于早期自动化形式变得更加成熟——研究发现在时间维度上的可复制性也将是一个需要持续关注的问题。