权威性与AI生成内容的信任悖论:基于漂移扩散模

日期:2026-10-27 作者:网站采编

研究背景与问题

随着人工智能技术的发展,AI生成内容(AI-generated content)在新闻传播领域的应用日益广泛。然而,AI生成新闻的权威性与其内容信任度之间的关系成为学术界关注的热点问题。本研究旨在探讨新闻生成形式与信源权威性对个体信任决策的影响,并深入挖掘其背后的认知机制。

研究方法

本研究采用2×2的混合实验设计,将新闻生成形式分为AI生成和人工生成,信源权威性分为权威信源和非权威信源。通过实验收集参与者对AI生成新闻的信任度和决策反应时等数据,并结合漂移扩散模型(Drift-Diffusion Model,DDM)进行认知机制的分析。

核心结果

研究结果表明,相比非权威信源,权威信源下个体对AI生成新闻的信任度降低,决策反应时延长。进一步构建的漂移扩散模型显示,权威信源下,信任决策的证据累积速度变慢,且决策标准发生变化。这表明权威信源对个体信任决策的影响主要通过改变证据累积速度和决策标准来实现。

结论与意义

本研究揭示了新闻生成形式与信源权威性对个体信任决策的影响,以及权威信源如何通过改变证据累积速度和决策标准影响个体信任决策。研究结果对新闻传播实践和AI技术在新闻领域的应用具有重要的指导意义。首先,新闻生产者应注重新闻的权威性,以提升新闻内容的信任度。其次,AI技术在新闻领域的应用需要考虑信源权威性对个体信任决策的影响,以促进AI新闻的健康发展。此外,本研究结果也为认知决策理论研究提供了新的视角和实证支持。

期刊导读
期刊介绍
邮箱投稿
在线投稿
联系我们