摘要：随着人工智能技术的发展，AI新闻日渐崛起。在受众眼中，AI生产和播报的新闻可信吗？为了回答这一问题，本文基于精细加工可能性模型，通过在线实验发现，同一新闻视频，当其被标示为由AI自动生成内容时，被试感知到的新闻可信度显著低于当其被标示为由记者采编时；当其被标示

原文刊载于《全球传媒学刊》2025年第3期“新闻学研究”专栏

作

者

高芳芳：浙江大学传媒与国际文化学院副教授。

林心婕：闽江学院新闻传播学院讲师。

赵睿晗：浙江大学传媒与国际文化学院硕士研究生。

概

要

【摘 要】随着人工智能技术的发展，AI新闻日渐崛起。在受众眼中，AI生产和播报的新闻可信吗？为了回答这一问题，本文基于精细加工可能性模型，通过在线实验发现，同一新闻视频，当其被标示为由AI自动生成内容时，被试感知到的新闻可信度显著低于当其被标示为由记者采编时；当其被标示为由AI自动生成并由AI主播播报时，被试的新闻可信度感知最低。中心路径和边缘路径在被试的新闻可信度感知的形成中都发挥了作用，且中心路径的效应更强。本文试图以新闻信任和认知路径作为上述研究发现的解释进路，为AI热潮下新闻业的数字化转型提供可行性建议。

【关键词】人工智能；新闻可信度；ELM模型；AI新闻

一、引言

人工智能（Artificial Intelligence，AI）技术的应用和普及改变并重塑了新闻生产和传播的各个环节，推动了新闻业的数字化创新与转型。以新闻写作和播报为例，AI技术不仅能被应用于新闻采集、生产、审核和分发等各项工作中，还被应用于打造多元的虚拟形象以进行全天不间断的新闻播报，从而在一定程度上提高新闻生产效率（王悦、支庭荣，2016）。然而，在新闻业积极拥抱AI的同时，受众究竟如何看待AI在新闻中的应用？他们是否信任以及在多大程度上信任AI生产和播报的新闻？换个角度说，AI技术在新闻生产中的应用是否有利于提高受众对新闻的信任度？这些问题值得进一步研究。因为对媒体而言，新闻可信度是评价媒体及其新闻影响力的重要指标，体现了受众对新闻的认可和对媒体的信赖，将直接影响人们的媒介关注和使用（Strömbäck et al.，2020）。利用AI技术进行新闻生产和播报是新闻业数字化转型的重要探索，在此背景下考察受众对AI新闻的可信度感知及其形成路径，不仅有助于准确把握受众对AI新闻的信任和接受程度，也有利于为数字新闻的发展提供可行性建议。AI技术在新闻业的运用使得AI新闻成为受众在日常生活中与AI技术互动的重要组成部分。但国内外既有的关于受众对AI新闻（如机器人新闻、算法新闻等）的信任研究得出的结论却不尽相同（Lee et al.，2020；蒋忠波等，2022）。为了回答既有研究的矛盾和疑惑之处，探索AI给我国新闻业和受众带来的影响，我们有必要深入考察当前我国受众对AI新闻和传统新闻的可信度感知差异及其可能的形成路径，从而为数字新闻和AI背景下的新闻信任研究提供经验性证据。因此，本文试图引入精细加工可能性模型（Elaboration Likelihood Model，以下简称ELM模型）这一信息说服领域的双路径信息处理模型，通过在线实验，将新闻生产主体（AI vs. 记者）和新闻播报主体（AI主播 vs. 真人主播）作为实验刺激，探究其对受众新闻可信度感知的直接影响及其通过中心路径（新闻质量感知）和边缘路径（新闻专业性感知）对受众新闻信任的间接作用，从而更好地理解AI时代受众与新闻的互动和信任关系。

二、文献综述和研究问题

（一）受众视角下的新闻可信度研究

新闻可信度是新闻实践和新闻学研究中的重要概念，也是受众评价新闻的重要指标（Kiousis，2001；Kaufhold et al.，2010）。数字技术的高速发展及其在新闻业的应用使得新闻可信度的测量和影响因素更为复杂多元，也让数字化背景下的新闻可信度研究更为必要。在传统的新闻学研究中，信源可信度、内容可信度和媒介可信度是分析新闻可信度的重要切入点（Carr et al.，2014）。信源可信度强调受众对新闻来源的可信度感知（Hovland & Weiss，1951），内容可信度强调受众对新闻内容真实性、公正性、可靠性的判断（Appelman & Sundar，2016），媒介可信度探究的则是受众对新闻传播渠道的可信度感知（Kiousis，2001）。互联网兴起后，对新闻可信度的研究进一步拓展至网络及社交媒体等新兴传播渠道（Metzger & Flanagin，2013）。近年来，AI技术已被广泛应用于新闻生产和传播的各个环节，如新闻线索发现、信息分析、自动化写作、评论审核、个性化分发、新闻播报，受众对AI新闻在信源、内容和渠道等方面的可信度感知也成为新的研究热点。但既有研究的结论并不一致，有的甚至互相矛盾。部分学者发现，受众对由AI生产的新闻和由记者生产的新闻的信源和信息可信度感知并无显著差异（Zheng et al.，2018；Tandoc et al.，2020）。但其他学者发现，同一篇新闻，不论其实际由谁写作，当其被标示为由记者而非机器生成时，总是更受读者青睐（Graefe et al.，2018；Waddell，2018，2019）。与上述研究结论相反，韩国学者发现，无论是记者还是公众，都认为AI生产的新闻更可信（Jung et al.，2017）。我国也有学者发现，受众对标注为算法自动生成的新闻可信度感知要显著高于署名为记者的新闻（蒋忠波等，2022；姚琦、周赟，2022）。学者们还发现，受众对机器人写作新闻和记者写作新闻的可信度感知差异会因新闻类型（如现场报道或解释性新闻）（Liu & Wei，2019）和媒体平台（如传统媒体或网络媒体）（郑越、杨帆，2019）的不同而变化。针对AI主播的研究发现，受众对AI主播播报新闻的喜爱度、新闻代入感、整体质量和可信度感知均低于真人主播播报新闻（刘娜等，2024）。

综上所述，在既有研究中，一方面关于AI新闻的可信度存在差异化结论，此种差异可能与研究语境（如社会的政治制度、文化体制、媒介体制、技术环境等）有关（Stamm & Dube，1994）；另一方面，过往的研究往往只关注当AI嵌入新闻实践的某一环节（如AI写作或AI播报）时，对受众新闻可信度感知的影响，而未能回答当AI嵌入新闻生产的多个环节时，是否可能对受众的新闻可信度感知产生交互作用。在新闻业数字化转型和受众转向的大背景下，本文试图在中国语境下，从受众视角出发，围绕AI生产和AI播报新闻的可信度感知进行更深入的研究。基于此，本文提出以下研究问题。

RQ1：受众对不同主体生产（AI vs. 记者）、不同主体播报（AI主播 vs. 真人主播）及不同主体生产和播报新闻的可信度感知是否存在差异？有何差异？

（二）影响受众新闻可信度感知的双路径模型

受众的AI新闻可信度感知受诸多因素（如受众的个体特征、媒介可供性及技术特征等）的影响（Waddell，2019；陈阳等，2023；廖圣清、游雁麟，2023）。除了这些聚焦于个体与媒介/技术层面的影响因素，本文试图在新技术条件下回归新闻本身，采用ELM模型，从中心路径和边缘路径两方面阐释受众对AI生产和播报新闻的可信度感知模式。ELM模型常被用于描述人们如何加工信息及信息加工如何影响人们态度和行为变化的过程（Petty & Cacioppo，1986）。根据ELM模型，人们可以通过中心路径（即系统化的对信息本身深层次的判断）进行决策，也可以通过边缘路径（即启发式的根据外围线索或信息的外生变量）直觉地评估信息和进行决策（Petty et al.，1981）。在既有研究中，信息质量一般被作为中心路径的关键因素，而信源声誉、信息呈现方式、情绪/情感唤起等依附于信息本身的认知线索则多被认为是边缘路径（Metzger & Flanagin，2013）。具体到AI新闻场景中，本文将新闻质量感知和新闻专业性感知分别作为影响受众新闻可信度感知的中心路径和边缘路径，因为新闻质量感知需要受众调动知识储备、进行深度思考，而新闻专业性感知则更多地依靠受众的新闻消费经验来基于外表进行判断（Zheng et al.，2018）。既有研究发现，受众对AI生产的新闻的质量和专业性的感知往往低于传统记者写作的新闻（Liu & Wei，2019；Graefe & Bohlken，2020），同时受众对新闻质量和新闻专业性的感知与新闻可信度密切相关（Chung，2017）。但目前有关受众对AI主播播报新闻的质量和新闻专业性的感知情况的研究仍较为有限，对新闻质量感知和新闻专业性感知如何分别作为中心和边缘路径作用于受众的AI新闻可信度感知也还有待厘清。前人研究认为，ELM模型的中心和边缘路径并非“非此即彼”，两者可能同时发生，但其中一种路径对态度或行为的影响更大，因此存在“此消彼长”的关系（Booth-Butterfield & Welbourne，2002）。那么，针对AI新闻，究竟哪一条认知路径对受众的新闻可信度感知影响更大？对这一问题及其背后原因的探究有助于我们更好地理解受众的AI新闻信任形成，从而为“AI热潮”下的数字新闻实践提供实证依据。因此，本文提出以下研究问题。

RQ2：对不同主体生产（AI vs. 记者）和播报（AI主播 vs. 真人主播）的新闻，受众的新闻质量感知和新闻专业性感知是否存在差异？有何差异？

RQ3：新闻生产主体（AI vs. 记者）和播报主体（AI主播 vs. 真人主播）如何通过新闻质量感知（中心路径）和新闻专业性感知（边缘路径）影响受众对新闻的可信度感知？

本文的研究模型如图1所示。

三、研究方法

（一）实验设计与程序

本文采用2（新闻生产主体：AI vs. 记者）×2（新闻播报主体：AI主播 vs. 真人主播）的组间实验设计来考察AI新闻生产和AI主播播报对受众新闻可信度感知的影响。首先在东部某高校招募大学生被试进行预实验，在此基础上于2023年12月至2024年1月开展正式实验，通过在线平台“见数”招募被试。被试阅读知情同意后通过问卷链接被随机分配到四个实验组中。他们首先需要观看一段作为实验刺激材料的新闻视频，并在看完视频后完成在线问卷。为保证实验刺激的有效性，同时考虑到在线视频的加载时间，新闻视频的展示页面设置了比实际视频时长多7秒的倒计时（即最少70秒的观看时间）。为保证实验数据的质量，问卷设置了1道注意力测试题和1道反向选择题，并规定每个IP地址仅填答一次，以保证不存在用户多次作答的情况。此外，出于操纵检验的需要，被试还须回答其刚刚看完的新闻视频是由专业新闻工作者还是AI生产和播报的。如被试未能识别出新闻视频的生产主体和播报主体，则将被剔除。最终，在剔除没有通过注意力检测、填答时间过短、曾接触过实验材料所用新闻及未注意到实验操纵条件的被试后，共获得295份有效样本。经过G*Power软件测算，在统计效力为0.95的情况下，实验所需的最少样本量为210，因此研究能够满足基本的样本量要求。最终研究样本的年龄范围在18到55岁之间（M=26.87，SD=7.18），其中27.5%为男性（N=81），72.5%为女性（N=214）。

（二）实验刺激材料

实验的刺激材料为一段时长63秒的新闻视频。该新闻视频基于《广州日报》微信视频号2023年11月12日发布的一则由AI主播播出的题为《教育部明确规定高校保送生保送资格》的新闻视频，经研究者后期编辑制作而成。选取这一则新闻制作实验刺激材料的原因在于：其一，该新闻的主题并非社会热点，在实验前测中绝大多数被试对此则新闻知之寥寥，因此能够避免因被试熟悉或接触过相关新闻而影响研究效度。其二，该新闻视频质量上乘，AI主播的外形与声音仿真度较高，能够满足实验的基本需要。其三，实验研究可能存在“生态效度”问题，即实验操纵的刺激与人们生活的真实世界或许并不一致（Vargas et al.，2017）。采用由《广州日报》这样的专业媒体制作和发布的AI主播新闻视频来模拟研究情境能在一定程度上避免该问题。

在实验刺激材料的制作过程中，研究者们保留了《广州日报》原始视频的主体部分，但根据实验目的对该视频进行了四处改动：（1）在视频开头加上提示画面，用于提醒被试认真观看实验刺激材料，并首次提示新闻生产主体和播报主体的身份；（2）通过保留/修改视频字幕来提示主播身份；（3）通过保留/修改视频最后的制作人员名单来提示新闻生产主体的身份；（4）在视频结尾加上提示画面，提醒被试认真回忆刺激材料后作答，并再次提示新闻生产主体和播报主体的身份。基于此，实验刺激材料中的新闻生产者被操纵为“AI”和“记者”两个版本，并通过视频开头的提示画面、视频片尾的制作人员名单及其后的提示画面多次标示说明；实验刺激材料中的新闻主播被操纵为“AI主播”或“主播：陈亮”，并在视频开头的提示画面、视频字幕及视频最后的提示画面中多次标示说明。

（三）变量测量

新闻可信度。借鉴蒋忠波等（2022）的研究，本文基于李克特七级量表（1=非常不符合，7=非常符合），从新闻内容的真实性、准确性、偏见度，主播的可信性和信源的权威性五个维度测量了被试对新闻可信度的感知（Cronbachs'α=0.87，M=5.33，SD=0.99）。

新闻质量感知。参考陈阳等（2023）对新闻质量的评价体系，本文基于李克特七级量表（1=非常不符合，7=非常符合），从新闻内容表述清晰度、逻辑连贯性、内容详尽度三个维度测量了被试对新闻质量的感知（Cronbach's α=0.74，M=5.46，SD=0.96）。

新闻专业性感知。参考Ohanian（1990）的研究，本文基于李克特七级量表（1=非常不符合，7=非常符合），从新闻专业能力的体现、新闻专业技能的体现、新闻专业知识的体现和新闻领域经验的体现四个维度测量了被试对新闻专业性的感知（Cronbach's α=0.87，M=5.07，SD=1.23）。

此外，本文还收集了被试的年龄、性别和AI接受度等信息。年龄、性别等人口学特征被认为是影响新闻信任的重要变量（Metzger et al.，2003），而AI接受度则被发现能够影响AI信任及相关认知机制（王忆希等，2021；Yin et al.，2024）。故本文将年龄、性别、AI接受度作为研究的控制变量。针对AI接受度，本文采用“我能够接受在新闻生产和播报中使用AI”“我希望新闻生产和播报能够使用AI”“如果今天的新闻生产和播报不使用AI，我觉得是有缺憾的”“相较于专业新闻工作者，我觉得AI可以胜任新闻生产和播报”这四个题项，基于李克特七级量表（1=非常不符合，7=非常符合）进行测量（Cronbachsα=0.82，M=5.17，SD=0.96）。

四、研究发现

（一）描述性分析

为了回答本文的三个研究问题，我们首先对主要变量进行了相关性分析。如表1所示，年龄与新闻质量感知（r=0.37，p

（二）新闻生产主体和播报主体对新闻可信度感知的直接和间接影响

为了回答RQ1和RQ2有关新闻生产主体和新闻播报主体对新闻质量感知、新闻专业性感知和新闻可信度感知的影响，本文采用SPSS插件PROCESS3.4.1提供的中介模型Model8（Hayes，2013），将新闻生产主体、新闻播报主体及其交互项作为自变量，新闻质量感知和新闻专业性感知作为中介变量，新闻可信度感知作为因变量，并将性别、年龄、AI接受度作为控制变量进行了回归分析。如表3所示，被试对标示为专业记者生产的新闻的新闻质量感知（b=0.23，p

为了回答RQ3有关新闻生产主体和播报主体如何通过作为中心路径的新闻质量感知和作为边缘路径的新闻专业性感知影响受众的新闻可信度感知，本文采用Bootstrap方法抽样5000次后，在95%的置信区间检验了新闻质量感知和新闻专业性感知作为中心路径和边缘路径在新闻生产/播报主体和新闻可信度之间的中介作用。结果表明，新闻生产主体对新闻可信度的影响总效应（LLCI=0.203，ULCI=0.593）、直接效应（LLCI=0.076，ULCI=0.393）及通过新闻质量感知（LLCI=0.025，ULCI=0.233）和新闻专业性感知（LLCI=0.004，ULCI=0.096）的间接效应Bootstrap95%置信区间的上下限均不包含0。这表明，新闻生产主体（AI vs. 记者）对新闻可信度的直接影响显著，通过新闻质量感知和新闻专业性感知对新闻可信度的间接影响也显著。分解中介效应可知，直接效应（0.237）、新闻质量感知的中介效应（0.122）、新闻专业性感知的中介效应（0.043）分别占新闻生产主体对新闻可信度总效应（0.403）的58.80%、30.27%和10.67%。新闻播报主体（AI vs. 真人主播）对新闻可信度的总效应（LLCI=0.160，ULCI=0.561）及通过新闻质量感知（LLCI=0.073，ULCI=0.294）和新闻专业性感知（LLCI=0.024，ULCI=0.268）的间接效应Bootstrap95%置信区间的上下限均不包含0，但新闻播报主体对新闻可信度的直接效应（LLCI=-0.134，ULCI=0.226）上下限包含了0。这表明，新闻播报主体对新闻可信度的直接影响不显著，但可以通过新闻质量感知和新闻专业性感知间接影响新闻可信度。对中介效应分解可知，新闻质量感知的中介效应（0.180）和新闻专业性感知的中介效应（0.138）分别占总的中介效应（0.318）的56.6%和43.4%。

五、讨论与结论

（一）AI作为新闻生产主体和播报主体：更高效，但是否更可信？

AI在新闻业的应用在一定程度上提高了新闻生产和传播的效率，但AI本身可能存在的算法偏见、技术偏差和伦理争议也容易导致受众对AI新闻的不信任（陈昌凤，2017）。前人针对受众的AI新闻信任研究得出的结论存在差异，故本文立足中国语境，通过在线实验发现，相较于传统的新闻生产和播报模式，AI作为新闻生产和播报主体会显著降低受众的新闻可信度感知。也就是说，当AI代替专业的新闻工作者后，在新闻生产上也许更显高效，但却未必能为受众的新闻信任带来正面效应。

首先，本研究发现，被试对标示为由AI自动生成的新闻的可信度感知显著低于当同样的内容被标示为由记者采编时。这可能是因为我国受众倾向于将受过专业训练、有一定职业经验积累的专业记者视作更可信的新闻来源。相较之下，虽然AI事实上展现出了卓越且稳定的计算能力，能够为受众提供优质的内容服务，但此种技术优势可能被AI标签所产生的负面效应所抵消（Yin et al.，2024）。换句话说，尽管受众已经逐渐接受AI应用于新闻生产这一事实，但潜在的对AI技术的刻板印象及对AI技术应用于新闻业的隐忧可能导致受众对AI生产新闻抱有一定的偏见。既有研究发现，AI透明度和可靠性的不足会提升使用者的不确定性，从而抑制人机信任的形成（Liu，2021；王栩金凤等，2024）。具体到新闻实践中，一方面，AI本身的计算过程和实现路径不易被受众所理解，具有一定的黑箱性。在当下的AI新闻实践中，如何将传统的新闻价值观嵌入到算法中、如何确保AI输出新闻不违反伦理规范等问题仍未得到有效解决（Dörr & Hollnbuchner，2017）。同时，AI应用于新闻生产的系统透明度问题也可能引发人们对AI生产新闻可信度的负面反应（Wang & Huang，2024）。当前的生成式AI新闻经由大语言模型抓取互联网数据自动生成，其底层数据来源难以详尽追溯，一旦数据精度不足，有可能导致新闻失真或产出真假杂糅、虚实结合的新闻（张慧娟，2024），导致受众难以全然信任。当然，被试对标示为记者采编新闻的可信度感知更高也可能是因为相似性吸引效应，即同为人类的记者对被试来说更具相似性，因此感觉更值得信任（Montoya & Horton，2013）。

其次，本研究发现，同样的新闻视频，当主播被标示为AI主播时，被试所感知到的新闻可信度与主播被标示为真人主播时不存在显著差异。这似乎与前人研究所发现的受众对AI主播播报新闻的可信度感知显著低于真人主播播报新闻（刘娜等，2024）相悖。究其原因，可能在于本研究的实验刺激采用的实际上都是由AI主播播报的新闻，只是在实验过程中通过“主播：陈亮”或“AI主播”的文字提示来进行实验操纵，以检验AI主播身份和真人主播身份对被试新闻可信度感知的影响。本研究的结果表明，主播的外在身份无法直接改变被试对新闻是否可信的看法，真正发挥作用的是其他内在因素。所谓“眼见为实”，在新闻播报场景中，被试能够亲眼看到AI如何工作，从而判断其是否符合新闻规范及自身预期，因此被试的新闻可信度感知不会因为主播的外在身份是人类还是AI而出现显著变化。

最后，本研究发现，新闻生产主体与新闻播报主体能够交互作用于被试的新闻可信度感知。具体而言，被试对标示为由AI自动生成且由AI主播播报的新闻可信度感知最低，对标示为由记者采编且由真人播报的新闻的可信度感知最高。也就是说，当受众得知自己看到的新闻从内容到呈现都是由AI技术自动生成而非传统意义上由专业新闻工作者提供时，容易引发一定的信任问题。本文还发现，无论是在真人主播还是AI主播的情况下，被试对AI自动生成新闻的可信度感知始终显著低于专业记者生产的新闻；且在真人主播的情况下，被试对标示为由AI自动生成和由记者采编的新闻可信度感知差异更为显著。以上研究发现呼应了前文中有关AI新闻生产和播报可能降低受众新闻可信度感知的发现，这一发现提示新闻机构和新闻从业者，在将AI全面嵌入从生产到播报的全流程新闻实践时，需要更多地从受众的角度出发考虑其AI新闻信任。本研究也为时下新闻业的AI热潮提供了一定的警示。

需要注意的是，文化语境的差异（如不同的政治体制、媒介机制、媒体运营方式、社会氛围、舆论环境）可能会影响人们对AI新闻可信度的感知（Zhang et al.，2019；蒋忠波等，2022）。目前，我国公众正在逐步接纳AI技术，但公众对AI技术在新闻领域应用的现有认知还有待提升；多数公众仍倾向于认为AI模式与传统模式应在新闻生产中相互补充；且相较于新闻内容，我国公众认为新闻报道形式更受益于AI的应用（Sun et al.，2024）。这些发现也在一定程度上解释了本实验的结果。未来的研究有必要进一步立足于中国文化语境来对受众有关AI生产/播报新闻的可信度感知进行深入探究，精准定位潜在的社会文化因素及其对AI新闻可信度感知的作用机制。

（二）中心路径与边缘路径的影响：新闻信任如何形成？

在认知路径上，本研究发现，AI不论是作为新闻生产主体还是播报主体都能通过降低新闻质量感知和新闻专业性感知，进而降低被试的新闻可信度感知。换句话说，中心路径（新闻质量感知）和边缘路径（新闻专业性感知）在被试的新闻信任形成过程中都发挥了作用。但中心路径和边缘路径只是部分中介了新闻生产主体对新闻可信度的影响，却完全中介了新闻播报主体对新闻可信度的影响。也就是说，受众对AI主播播报新闻的信任度完全取决于对其播报新闻的质量与专业性的感知。受众越是认为AI主播播报的新闻质量好且专业性高，就越有可能信任其播报的新闻。虽然本研究发现，相较于标示为真人主播播报的新闻，AI主播的标识可能导致被试对新闻质量和新闻专业性的感知显著降低，但从更广泛的意义上讲，这一发现提供了一种可能的积极暗示，即在假设受众对AI主播不存在主观偏见的前提下，如果AI主播播报新闻的内在质量和外在专业性都有所提高，那么受众对新闻的可信度感知也会相应地提高。当AI主播不再只是一个噱头，而真正融入新闻生产、用于提高新闻质量和专业性时，受众对AI新闻的信任匮乏并非毫无改变的可能。

更进一步地分解新闻质量感知和新闻专业性感知的中介效应可以发现，在新闻生产主体对被试新闻可信度感知的影响效应中，中心路径（新闻质量感知）和边缘路径（新闻专业性感知）分别占比30.27%和10.67%；而在新闻播报主体对新闻可信度感知的影响效应中，中心路径和边缘路径分别占比56.6%和43.4%。以上研究发现在理论上支持了ELM模型，说明被试的AI新闻信任形成过程是一个连续体，分析和本能、理性和感性分别占据了认知过程的两端；且不论是在AI作为新闻生产主体还是播报主体的情境下，中心路径相较于边缘路径对被试的新闻可信度感知影响都更大。换言之，在受众新闻信任的形成过程中，中心路径和边缘路径形成联动，整体呈现出“新闻质量为主，新闻专业性为辅”的认知模式。这一发现再度凸显了新闻“内容为王”的重要性。当然，这一结果也可能与当下整体的信息环境或AI背景下新闻可信度的特殊性相关。虽然人们常会因为加工信息的精力和能力有限而启用边缘路径作出判断（Petty & Cacioppo，1986），互联网环境看似更有可能加剧这一倾向，但随着受众日渐了解AI技术可能存在的问题，如虚假信息、算法失误（刘国强、张思雨，2023），他们可能更倾向于通过启用中心路径深度加工新闻，并基于逻辑整合思考，在此基础上形成对AI新闻的信任感知。此外，在理解以上研究发现时，还须注意AI背景下新闻可信度的特殊性。新闻可信度本身是一个多方面、多维度的概念。当AI全面介入新闻实践后，从受众的视角出发，除了信源、内容和传播渠道的可信度之外，对AI新闻的信任还需进一步拓展到对AI技术的能力信任、情感信任及应用层面对AI开发者、提供者和使用者的信任等。需要注意的是，在本文的实验情境中，被试所观看的新闻视频除了标示的生产主体和播报主体身份不同外，其他所有内容完全相同，因此被试关于新闻质量、新闻专业性、新闻可信度感知上的显著差异实质上是由标示的新闻生产主体、播报主体的身份不同而引发的，由此折射出的是被试对AI的偏见，或者说被试将其对AI的负面印象带入到对AI新闻可信度的认知中。但人机信任、AI偏见等是否以及如何影响被试的AI新闻可信度感知有待进一步研究。

（三）研究贡献与不足

理论上，首先，本文立足中国语境实证地探讨了AI介入新闻生产和新闻播报对受众新闻可信度感知产生的影响，从而丰富了新技术条件下的新闻可信度研究。其次，本文整合了新闻可信度研究和ELM模型，通过中介效应分析，厘清了受众在面对AI新闻生产与AI新闻播报时如何通过中心和边缘路径共同形成对新闻可信度的判断。最后，本文延伸了前人对AI应用于单个新闻生产环节（如新闻写作、新闻播报）对受众的影响研究，探讨了AI嵌入多个新闻生产环节对受众新闻可信度感知可能存在的独立和交互影响，更好地思考了耦合效应。

实践上，本文基于实验结果回答了“将AI技术应用于新闻生产和播报环节是否有利于提高受众对新闻的信任”这一现实问题，从而为AI技术在新闻业的实际应用提供了理论基础。本研究的结果说明，尽管AI新闻生产和播报的效率更高，但未必有利于受众新闻信任的形成。当然，我们不能因噎废食。但在AI热潮下，新闻机构和新闻生产者仍需考虑受众的认知和接受，审慎地在新闻实践中使用AI，既不能一味迷信技术，也不能一直固守传统。具体而言，可以考虑：第一，从受众认知着手，提高受众对AI技术的认知，让人们更好地了解当前AI技术在新闻传播领域的应用及其应用逻辑、运用方式与边界等。前人的研究表明，我国公众更熟悉一些采用了AI技术的新闻产品，而对AI技术究竟如何应用于新闻实践则知之寥寥（Sun et al.，2024）。如果可以打破这一认知黑箱，让人们更好地了解专业新闻机构如何利用AI技术提升新闻质量和新闻专业性，及采取了何种措施减少AI新闻可能存在的问题（如假新闻），相信能够在一定程度上改善受众对AI新闻的信任问题，重建新闻机构的专业优势。第二，从AI技术着手，不断完善AI在新闻业的应用，并将成熟的技术引入信息采集、信息源挖掘、信息核实、新闻写作和播报、假新闻识别等环节，从而在利用AI提升新闻生产和播报效率的同时，有针对性地解决AI新闻在真实性、人文性、可信度等方面可能存在的负面效应。第三，从新闻实践着手，基于人机协同渐进式地推动AI新闻实践的发展。如果说受众对当前AI技术的发展及其在新闻业中的全面应用仍有所担忧的话，那么发挥专业新闻工作者的积极作用，通过人机协同，在实现专业把关的同时为受众提供高效高质量且更具思考和“人味”的新闻，不失为一种可能的推动AI新闻实践、助力主流媒体巩固专业权威的长效发展路径。

本文的不足之处在于，首先，由于在线样本的关系，研究结果的普适性可能存在一定限制。未来的研究可以将被试拓展到更广泛的群体，或考虑使用调查实验法来针对一个国家或广泛的人群进行概率抽样，以提高研究的外部效度。其次，本研究比较的实际上是由不同的新闻生产/播报主体的标示所带来的受众新闻可信度感知的差异，而非真正完全因为AI或专业新闻工作者生产/播报新闻所带来的可信度差异。在理解本研究的结果时需要充分考虑这一点，未来的研究也需进一步厘清其间的区别。最后，本研究并未纳入技术偏见、机器启发及AI技术特性等技术相关的影响因素，也缺乏对受众个体因素（如新闻关注度、接触方式、卷入度）和情感因素的考察。未来的研究可就以上因素继续深化对AI新闻可信度的研究。

本文系国家社科基金重大项目“互联网环境下新闻理论范式创新研究”（课题号：21&ZD318）的阶段性成果。

本文参考文献从略，完整版请参看刊物原文

本文引文格式：高芳芳、林心婕、赵睿晗：《受众视角下AI新闻生产和播报对新闻可信度的影响研究》，全球传媒学刊，2025年第3期，153-170页。

来源：再建巴别塔