作
者
王忆希:中国传媒大学播音主持艺术学院硕士研究生。
吴福仲:清华大学新闻与传播学院博士研究生。
王峥:中国传媒大学播音主持艺术学院副教授。
概
要
【摘 要】伴随着传统媒体的智能化转型,人工智能主播(AI主播)日渐出现在新闻节目中。作为一项新兴传播实践,AI主播面对的节目受众如何对其进行感知,其接受度又受到何种因素影响,成为本文关注的核心命题。本研究基于新技术与社会行动者的双重视角,通过问卷调查的方法对如上问题进行探究。结果表明:在新技术特质层面,感知新颖性正向预测新闻AI主播的态度与接受度,而感知智能优势对态度与接受度的影响并不显著。在社会行动者特质层面,感知可信度、感知形象拟人化与感知能动性均正向预测新闻AI主播的态度与接受度。除此之外,感知新颖性、感知可信度、感知拟人化与感知能动性通过态度的中介作用正向影响受众对于新闻AI主播的接受度。本研究拓展了新闻AI主播接受度的前因变量,为理解新闻AI主播的社会扩散过程提供了更为情境化的视角。
【关键词】人工智能新闻主播(AI新闻主播);态度;接受度;感知技术新颖性;感知优势;感知可信度;感知形象拟人化;感知能动性
一、引言
人工智能技术对新闻业态的革新无处不在。近年来,国内新闻节目陆续研发和推出形态各异的人工智能主播(artificial intelligence anchor,以下简称“AI主播”),如央视的“康小辉”、新华社的“新小萌”、《人民日报》的“果果”等。新闻AI主播是人工智能与三维虚拟形象技术在有声语言领域应用的产物,可独立承担主持、播报等一系列工作。相较于真人而言,新闻AI主播具有低成本、无间断、零误差、多语言播报等多重优势,同一个主播甚至可以“分身”到不同新闻节目现场,大大提升了新闻信息传播的智能化进程。
然而,作为一项新兴传播实践,AI主播的社会接受过程尚不明晰。当前有关AI主播的研究议题主要聚焦在其优势特征与固有局限(宋国澳、麦梦佳,2020)、发展的时代背景与外部环境(谢晓旻、朱笑榕,2020)、对于真人主播构成的挑战(赵广远、田力,2019)、对播音主持艺术创作的影响(王秋硕、鲁昱晖,2021),及其带来的哲学和伦理反思(於春,2020)。而少有研究从新闻节目受众的视角切入,探究新闻节目受众对新闻AI主播的接受度及其影响因素。而无疑,受众又是信息传递的重要一环。他们对于新闻AI主播的接受或拒斥,会直接影响新闻节目的点击率与收视率,或间接影响他们对信息内容本身的感知与评估。因此,本研究拟从新闻节目受众的视角出发,探究新闻节目受众如何对新闻AI主播进行感知,而不同的感知又如何影响他们对新闻AI主播的接受度。
本研究认为,新闻AI主播不仅仅是一项“新技术”,更是一个嵌入社会互动中的“社会行动者”。因此本研究假设,新闻AI主播的新技术特质与社会行动者特质均会影响受众对其态度,并通过态度的中介作用影响接受度。对于上述假设的检验将为厘清受众对新闻AI主播的期待提供双重视角,更能够为新闻节目是否应当花费大量成本研发和使用新闻AI主播,以及如何对现有的新闻AI主播进行技术升级与宣传推广提供决策建议。
(一)作为新技术和社会行动者的新闻AI主播
在技术接受模型(TAM)、计划行为理论(TPB)、创新扩散理论(IDT)等理论视角的支撑下,出现了一些专门针对机器人的接受模型,如阿尔梅勒模型(thealmere model)提出社会影响、感知有用性、感知易用性等变量(Heerink et al.,2010);人工智能使用设备接受模型(AIDUA)提出拟人化、享乐动机、社会影响等前因变量(Gursoy et al.,2019)。在可检索到的文献中,仅有一篇论文初步建立起了受众感知与AI合成主播之间的预测关系,并发现:相对优势、兼容性、可观察性、个体创新性正向预测对AI合成主播的接受度与使用行为(谭洁,2020)。可见,技术特质感知和评估将是影响新闻AI主播接受度的一个重要维度。然而需要注意的是,已有模型中的变量并不能直接生搬硬套到受众身上,例如,受众并不直接“使用”新闻AI主播,有用性与易用性等经典变量将失去解释效力。因此,本研究将在这些经典变量之外,探索受众对新闻AI主播的特质感知的独特“前因变量”,并建立起其与态度、接受度之间的关联。
在技术属性之外,新闻AI主播作为社会行动者的特质也将对受众态度与接受度产生影响。“计算机是社会行动者”(computers are social actors,CASA)范式为我们理解智能技术提供了全新的角度(Tay et al.,2013)。CASA范式认为,计算机、机器人等新兴技术并非仅是一种单纯的工具,在融入社会的进程当中,它们也会被视为“社会行动者”,并遵循人们对于特定“社会行动者”的期待。换言之,人们会将特定的社会规范、价值观念与刻板印象推导到机器人身上。例如,人们期待安保机器人具有更多的男性气质,而家用机器人展现出更多的女性气质,因为人们会将性别刻板印象与机器人的功能性相勾连(Carpenter et al.,2009;Tay et al.,2013)。进一步地,当新兴技术符合了特定的社会规范或展现出更多的亲社会倾向时,人们会给予更为正面的评价。例如,人们会期待计算机遵从“礼貌准则”,当计算机的礼貌程度提升时,人们对计算机的评价将会更高(Reeves & Nass,1996)。再如,当机器人展现出更多的幽默和共情时,人们感知到机器人具有更高的吸引力(Niculescu et al.,2013)。沿着这一脉络,本研究认为,人们会将对“新闻人”的期待也推导到新闻AI主播身上,期待它能够像一个“真人”一样对新闻信息进行理解、共情和播讲。而当新闻AI主播的社会行动者特质得到凸显时,受众对其态度更为正向,接受意愿也更高。
(二)提出假设
本研究将采纳新技术特质与社会行动者特质的双重视角对新闻AI主播的接受度进行探究。具体而言,从新技术特质角度,本研究选择了感知技术新颖性与感知智能优势作为前因变量;从社会行动者特质角度,本研究选择了感知可信度、感知形象拟人化与感知能动性作为前因变量。根据理性行为理论(TRA),态度是行为意向的重要前因变量,并在信念与评估对于行为意向的影响中起中介作用(Fishbein& Ajzen,1975)。本研究假设,受众对于新闻AI主播的新技术特质与社会行动者特质感知,将经由态度的中介作用,对接受度产生影响。
1.新技术特质
(1)感知技术新颖性
感知技术新颖性是指人们对新兴技术的新奇程度与创新程度的评估,它被认为是一项创新技术应该具备的基本特征(Wells et al.,2010)。在接触外界事物时,人们往往具有求新、求异、求奇的需求(Fierro-Suero et al.,2020)。新技术往往能够引发人们的兴趣,引发好奇、兴奋等情绪,激发人们对于创新品牌的持续使用意愿(Hetet et al.,2015),预测人们对信息通信技术的接受(Wells et al.,2010),促成人们媒介使用习惯的形成(Tokunaga,2013)。作为一种信息传播技术实践,新闻AI主播为人们的新闻信息接受带来了全新的交互方式,由此笔者假设:
H1:感知新颖性正向预测受众对新闻AI主播的态度,并通过态度的中介作用正向预测接受度。
(2)感知智能优势
人们采纳一项新技术的重要原因之一便是这项新技术具有相对优势,能够满足人们的功能性需求(Rogers,1983/1995)。不同新技术具备不同类型的优势特征,而人工智能技术的相对优势便是智能优势,即基于大数据、算法和深度学习的方式实现海量信息存储、效率提升与迭代创新。近年来,新闻领域的人工智能完成了从“低级的技能学习”到“高级的任务学习”。新闻写作机器人能够实现“模板化”“再加工”“深度学习”三种学习模式(郭琪,2019)。此外,人工智能学习技术可以使新闻文本转化成视频、音频的过程实现“秒级转换”,最大限度地提高了新闻报道的制作效率(郭琳,2019)。对于主播而言,人工智能技术大大增加了信息传播者的知识储备、快速转换能力与精准播报能力。由此笔者假设:
H2:感知智能优势正向预测受众对于新闻AI主播的态度,并通过态度的中介作用正向预测接受度。
2.社会行动者特质
(1)感知可信度
可信度通常被定义为信息的可信程度,是对众多维度的不同信息的质量感知(Fogg & Tseng,1999)。在信息技术领域,当计算机被认定为知识来源、辅助用户进行决策的工具时,可信度是一个非常重要的指标(Fogg & Tseng,1999)。研究证明,人们对维基百科的信任度普遍不高,因此哪怕使用人数越来越多,维基百科也难以成为权威(Nah & Chung,2012)。相关研究表明,算法新闻的信源可信度会对受众的接受度产生正向影响(郑越、杨帆,2019)。美国一项面向全国新闻消费者的调查显示,受众对机器人所生产的新闻报道呈现出负面倾向,而“可信度”在其中是关键变量(Schultz& Sheffer,2017)。同样,德国的一项研究也证明,受众对于智能机器人的“可信度”抱有更多的期待(Haim &Graefe,2017)。在新闻信息接受的过程中,信源可信度也是影响受众信息接受的重要变量(van der Kaa & Krahmer,2014)。由此,笔者假设:
H3:感知可信度正向预测受众对新闻AI主播的态度,并通过态度的中介作用正向预测接受度。
(2)感知形象拟人化
拟人化是指将真实的或想象的非人类行为赋予与人类相似的特征、形象、动机或情感(Epley et al.,2007)。虽然存在“恐怖谷效应”,但是Epley等人认为,当人工智能进入社会空间并投入使用时,我们会自然而然地对它们的行为进行投射或强加我们的解释,就像我们在使宠物行为合理化时一样(Epley et al,2007)。丁晓军等(2020)研究者对人工智能接受度影响因素进行研究,并对拟人化的正向预测效应给予高度重视,认为拟人化是机器人接受度的核心。有研究者通过实验证明,与形态上有类似于真人人体的机器人相比,真人参与者更加具有关切感(de Graaf & Ben Allouch,2014)。Stroessner和Benitez(2019)发现,拟人化可以激发人们更强烈的接触欲望;更有研究者证明,拟人化的人工智能能让人们感受到更多的安全感(Lee et al.,2015)。新闻节目是一种视听媒介形态,主持人的形象特征至关重要。电视节目主持人是以“有我”的个体身份出现在镜头与话筒前,并且代表着群体观念的(林毅,2009)。而对于AI主播而言,形象拟人化有可能提升信源可信性、可靠性、亲和力等,并进一步提升接受度。由此,笔者假设:
H4:感知形象拟人化正向预测受众对于新闻AI主播的态度,并通过态度的中介作用正向预测接受度。
(3)感知能动性
能动性是指人类思维与实践结合,主动地、自觉地、有目的地、有计划地反作用于外部世界的特性(Bosson et al.,2008)。当机器人的智能程度逐渐提升时,机器人是否具有能动性也成为人们关心的重要话题。而人们对机器人心智与能动性的感知,也成为预测其态度与接受度的重要变量。一方面,感知能动性的提升有可能会使人类自身的独特性与生存近况受到威胁,进而导致人们对机器人产生厌恶的情绪(丁晓军等,2020)。Bigman和Gray(2018)的一系列实验研究表明,人们不喜欢人工智能在自动驾驶、法律、医疗和军事方面作出与生死相关的道德决策。人们对具有社会行为特征的机器人持有更为负面的态度(Heerink et al.,2010)。而另一些研究却提供了一些相反的结论:当交互性的机器主体传递出更多的社会性线索时,人们会将其带入人际交互的模式中(Cassell & Tartaro,2007)。研究发现,年轻群体对于机器人的能动性持有相对积极和正面的态度(Alimardani & Qurashi,2020)。此外,当个体感知到机器人具有更强的心智能力和能动性时,则对它的信任程度更高(Mou et al.,2021),并且认为它应当得到更多的保护(Keijsers et al.,2021)。基于上述冲突性的研究发现,本研究提出如下问题:
RQ1:感知能动性是否正向预测受众对新闻AI主播的态度,并通过态度的中介作用正向预测接受度?
图1为研究的假设模型。
(一)样本
本研究采用便利抽样方式,通过在社交媒体上发布问卷链接征集问卷填答者。回收问卷484份,对未通过注意力检测的样本进行剔除,得到有效样本418份,有效率为86.4%。其中男性为187人(44.7%),女性为231人(55.3%)。整体受教育程度较高,342人(81.8%)为大学本科或以上学历(包含在读)。239人(57.2%)的职业与传媒行业相关;131人(31.3%)的职业与播音主持相关。
(二)测量
为了更好地检验受众对新闻AI主播的特质感知对态度与接受度的影响,本研究对既有的成熟量表进行了改进。具体而言,本研究以概念界定作为基础,以原始的量表作为参照,对16位新闻节目受众进行深度访谈,生成了分别测量五个构念的初始题项。随后,由一位传播学专家和一位播音学专家对量表题项进行了整合和进一步的改编。为了确保新改进的量表具有良好的信度和效度,我们参照Chen等(2019)的做法,将所获取的样本随机分为两部分,第一部分用于探索性因子分析(n=218);第二部分用于验证性因子分析(n=200)。
态度的测量采用的是Osgood等人(1959)设计的语义差异量表。具体问题如下:“请问您认为在新闻节目中使用AI主播是(___)?”被试被要求在两个截然不同的态度形容词中选择他们的倾向程度。这些相对的形容词分别为:愚蠢的—明智的;无聊的—有趣的;不必要的—有必要的(1=向左端倾斜,7=向右端倾斜)。得分越高,则表明受众对新闻AI主播的态度越正向。该量表具有较高的内在一致性(α=0.885)。
接受度的测量采用的是Ajzen和Fishbein(1977)设计的行为意向量表。改编后的题项为:“我能够接受新闻节目中使用AI主播”;“我希望新闻节目中使用AI主播”;“如果新闻节目不使用AI主播,我觉得是有缺憾的”;“相比新闻节目中的真人主播,我更愿意在新闻节目中见到AI主播”(1=完全不认同,5=完全认同)。该量表具有较高的内在一致性(α=0.809)。
感知技术新颖性测量表改编自Wells等(2010)所设计的量表,初始题项包括:“我认为AI主播能给我耳目一新的感觉”;“我认为AI主播打破了我对主持人的固有印象”;“我认为AI主播会让我产生好奇心”(1=完全不认同,5=完全认同)。探索性因子分析生成了一个单因素解决方案,KMO值为0.739,累计解释方差为79.87%,这三个题项的因子载荷范围为0.887~0.906(α=0.852)。
感知智能优势,包含三个题项:“我觉得AI主播的学习能力很强”;“我觉得AI主播能够快速处理稿件”;“我觉得AI主播知识渊博”(1=完全不认同,5=完全认同)。该量表具有较高的内在一致性。探索性因子分析生成了一个单因素解决方案,KMO值为0.636,累计解释方差为67.34%,这三个题项的因子载荷范围为0.784~0.886(α=0.752)。
感知可信度的测量题项改编自Ohanian(1990)所设计的量表,共包含三个题项:“我认为AI主播具有权威感”;“我认为AI主播具有可信度”;“我认为AI主播具有真实感”(1=完全不认同,5=完全认同)。该量表具有较高的内在一致性。探索性因子分析生成了一个单因素解决方案,KMO值为0.707,累计解释方差为77.18%,这三个题项的因子载荷范围为0.832~0.907(α=0.852)。
感知形象拟人化的测量是基于Phillips等人的概念化界定(2018),并通过受众访谈改进而来的,共包含:“我觉得AI主播的形象与真人几乎一模一样”;“我觉得我不能从外表上区分AI主播与真人主播”;“我经常将AI主播的形象与真人主播的形象混淆”(1=完全不认同,5=完全认同)。探索性因子分析生成了一个单因素解决方案,KMO值为0.689,累计解释方差为75.95%,这三个题项的因子载荷范围为0.831~0.908(α=0.840)。
感知能动性题项改编自Gray等人(2012)设计的心智知觉量表,并结合受众访谈对题项进行语句调整,最终测量题项为:“我能感觉到AI主播播报时对于这则新闻的关切”;“我觉得AI主播对其播报的新闻能够‘感同身受’”;“我觉得AI主播对新闻的播报能引发我的共鸣”;“我觉得AI主播有属于自己的价值体系”;“我觉得AI主播能引导节目的价值方向”;“我觉得AI主播能够判断是非对错”(1=完全不认同,5=完全认同)。该量表具有较高的内在一致性。探索性因子分析生成了一个单因素解决方案,KMO值为0.857,累计解释方差为68.227%,这六个题项的因子载荷范围为0.746~0.890(α=0.902)。
为了对上述量表的信度与效度再次验证,我们使用第二部分样本将态度、接受度、感知技术新颖性、感知智能优势、感知可信度、感知形象拟人化与感知能动性纳入一个整合性的验证性因子分析中。该整合性的验证性因子分析表明,所有量表均只产生了一个单因素解决方案,每个题项在其构念上的标准载荷范围为0.630~0.923,此外,表1展示了各变量之间的相关关系、AVE值与CR值。AVE值全部均大于0.5,且CR值全部均高于0.7,证明各变量具有较好的聚合效度。斜角数字所代表的AVE平方根值均大于该因子与其他因子之间相关系数的绝对值,证明各变量之间具有较好的区分效度。
除此之外,受访者还被要求报告了他们的性别(0=女性;1=男性)、学历(1=高中及以下;2=大学专科;3=大学本科;4=硕士研究生及以上)、是否从事与传媒相关的职业(0=否;1=是)、是否从事与播音主持相关的职业(0=否;1=是),以及对新闻AI主播的了解程度(1=完全不了解;5=十分了解)。上述变量被作为控制变量纳入分析。
(一)描述性分析
表2展示了各变量的均值、标准差及其核心变量间的相关系数(n=418)。从前因变量来看,受众对新闻AI主播的技术新颖性和智能优势感知相对较高,意味着受众对新闻AI主播的技术特质持有相对正面的评估。受众对新闻AI主播的可信度、形象拟人化和能动性的感知相对较低,意味着受众对新闻AI主播的社会行动者特质持有相对负面的评估,即认为新闻AI主播不足够可信、拟人化程度较低、能动性较低。从中介变量和结果变量来看,受众对新闻AI主播持有相对低的态度和接受度。前因变量、中介变量与结果变量之间均呈现出显著的正向相关,为本研究的假设检验提供了必要的基础。
(二)假设检验
为了对研究假设进行检验,笔者首先进行了多元线性回归的分析(见表3)。模型B1以“态度”为因变量。结果表明,在控制了相关变量(年龄、性别、学历、职业是否与传媒相关、职业是否与播音相关)的前提下,“感知技术新颖性”显著预测了受众对AI主播的态度(b=0.273,t=6.381,p<0.001);“感知能动性”其次(b=0.242,t=4.432,p<0.001);“感知可信度”再次(b=0.177,t=3.424,p=0.001);“感知形象拟人化”正向预测效应最弱(b=0.112,t=2.501,p=0.013)。而“感知智能优势”对接受度并未产生显著影响(b=0.038,t=0.934,p=0.351)。在控制变量中,年龄正向预测了受众对AI主播的态度(b=0.095,t=2.511,p=0.012),对AI主播的了解度(b=-0.101,t=-2.538,p=0.012)以及职业与播音相关(b=-0.104,t=-2.202,p=0.028)负向预测了受众对AI主播的态度。
模型B2以“接受度”为因变量。结果表明,在控制了相关变量的前提下,“感知技术新颖性”显著预测了受众对AI主播的接受度(b=0.255,t=6.521,p<0.001);“感知能动性”其次(b=0.364,t=6.124,p<0.001);“感知可信度”再次(b=0.179,t=3.719,p<0.001);“感知形象拟人化”正向预测效应最弱(b=0.084,t=2.027,p=0.043)。而“感知智能优势”对接受度并未产生显著影响(b=0.023,t=0.576,p=0.565)。所有控制变量均未对接受度产生显著影响。
进一步地,我们使用SPSS24.0中的PROCESS插件对中介效应进行检验(model4),并针对建立了五个中介模型,以检验本研究所建构的五个构念是否通过态度的中介作用正向影响接受度。当其中一个构念被作为自变量输入时,其他构念和人口学变量均作为控制变量输入。结果表明,态度在感知技术新颖性(efect=0.1079,CI95%[0.0665,0.1585])、感知可信度(efect=0.0687,CI95%[0.0265,0.1342])、感知形象拟人化(efect=0.0476,CI95%[0.0075,0.0864])与感知能动性(efect=0.1044,CI95%[0.0567,0.1594])对接受度的影响中起到正向的中介作用,而未能在感知智能优势(efect=0.0105,CI95%[-0.0226,0.0473])对接受度的影响中起中介作用。综上,H1、H3、H4得到了支持,H2未被支持。RQ1的结果为:感知能动性正向预测了态度与接受度,且经由态度的中介作用,正向预测接受度。
本研究从受众视角出发,检验了新闻AI主播的新技术特质和社会行动者对接受度的影响,及态度在其中的中介作用。结果表明,在新技术特质层面,感知新颖性正向预测新闻AI主播的态度与接受度,而感知智能优势对态度与接受度的影响并不显著。在社会行动者特质层面,感知可信度、感知形象拟人化与感知能动性均正向预测新闻AI主播的态度与接受度。除此之外,态度正向中介了感知新颖性、感知可信度、感知拟人化与感知能动性对新闻AI主播接受度的影响。
本研究的一个重要贡献是拓展了新闻AI主播接受度的前因变量,并对其测量方式进行了初步的改进,为理解新闻AI主播的社会扩散过程提供了更为情境化的视角。当前,基于新技术接受的量化研究多倾向于直接采纳既有模型及其相应变量。尽管这能够进一步为此类模型的发展提供更多语境的证据,但对于理解不同人机交互情景下更为独特的接受心理并无裨益。因此,本研究并未致力于简单照搬“经典”变量(如有用性、易用性)及其测量方式,而是从“新技术”与“社会行动者”的双重理论视角出发,重新建构新闻AI主播的接受模型,并通过新闻受众最为直观和“本土化”的表达对不同构念的测量方式进行改进。由此所得出的预测关系将为新闻AI主播的社会扩散过程提供更有针对性的决策建议。当然,我们也期待更多的研究能够对本研究发展的量表进行改进和修正,为后续新闻AI主播接受度的影响研究提供更为有效的工具。
研究证明,感知技术新颖性、感知可信度、感知形象拟人化与感知能动性均是受众接受新闻AI主播的重要驱动要素。当受众无法感知到新闻AI主播的技术新颖性、可信度、形象拟人化与能动性的时候,对其接受度将会大大降低。从描述性分析来看,受众在后三个维度上的评分相对较低。由此,对于新闻组织机构而言,可注重从以下四个方面对新闻AI主播进行技术升级和宣传推广。其一,要持续提高新闻AI主播的新颖性。通过形象、妆容、话语风格、内容输出与交互方式的创新性,持续为受众带来新鲜感,激发持续收看意愿。其二,要提升新闻AI主播的可信度与权威感。AI主播的投放可以尝试“自上而下”的原则,以权威平台率先试点,待受众对AI主播的可信认知逐渐稳定后再推广使用。在充分发挥人工智能知识广度的基础之上,可以尝试知识深度的输入,对于不同新闻节目的AI主播,纵向输入相应专业知识,使其成为该类型新闻节目的“专家”,进一步增强其专业性。其三,要进一步提升新闻AI主播的拟人化程度,对图像建模与语音输出进行系统升级,使受众感知不到新闻AI主播与真人主播之间在外形、动作、表情以及语态语感上的区分。其四,要提升受众对新闻AI主播的能动性感知。尽管一些学者顾虑机器人具有智能和人类情感后会让使用者产生威胁感,但本研究的结论指出,受众当感知到AI主播以更高的主观能动性对新闻内容进行处理时,则接受度越高。因此,在形象设计和语音设计之外,更应当注重对新闻AI主播的“思维”与“情绪”设计。例如,可以让新闻AI主播参与到新闻评论节目中,使得智能系统能够支撑AI主播的高层级思考,并让受众感知到新闻AI主播所带有的内在价值判断。此外,还可为新闻AI主播开设社交媒体账号,使其以虚拟形象的身份与受众产生拟态社会互动,建立情感链接。
值得注意的是,感知智能优势并未对态度和接受度产生影响。而在众多新技术接受的过程中,感知优势一直是一个强有力的预测变量(Bonner et al.,2010;Niehmet al.,2010)。本研究指出,新闻AI主播的技术优势是前端设计和节目制片方更为关切的变量,感知技术优势或将可能预测新闻节目生产者的接受意愿。而对于受众而言,即便他们感知到了新闻AI主播在新闻节目生产上的相对技术优势,也并不会因此而更愿意接受新闻AI主播。因此,在介绍和宣传新闻AI主播的时候,并不应当将重心放在其技术特征上,而更应当强调其新颖、权威、拟真、能动等特质。
最后,本研究同时为新闻播音员自身竞争力的提升提供了一个外部竞争的视角。回归分析表明,与播音主持相关的从业者对新闻AI主播持有更为负面的态度。从本研究的结论来看,至少对于广大受众而言,新闻AI主播的相对智能优势并不直接促成人们的正向态度与接受度。也就是说,哪怕真人主播没有办法匹敌人工智能的学习效率与处理效率,真人主播也并不需要妄自菲薄。同时,身处人工智能时代下,真人主播若是要发挥个人竞争力,突出不可替代性,那么在主观能动性、信源可信度与新鲜感上的个人竞争力就不应该弱于AI主播。基于此,在当今时代,做一名言之有物、心中有人的播音员主持人,做一名目牛游刃、守正出奇的主持人,对于新闻主播提升个人竞争力尤为重要。
本研究存在如下研究局限:首先,本研究的测量部分是基于成熟量表与深度访谈研发出的相应量表,对于量表改进的方法、形式有待进一步完善,并需在不同的群体中得到验证。其次,受限于时间与资源,本研究采用的是便利样本,未来研究应该增强样本的代表性。最后,本研究仅从新技术特质和社会行动者特质对新闻AI主播的接受度进行考察,未来研究应当为人们理解不同节目(如综艺娱乐节目)的AI主播接受机制提供更多的理论视角与实证支撑。
本文参考文献从略,完整版请参看刊物原文
原文刊载于《全球传媒学刊》2021年第4期。
全球传媒学刊
微信号 |
GJMS2014 (←长按复制)
邮 箱 |
gmj2014@tsinghua.edu.cn
唯一指定投稿系统地址 |
http://qqcm.cbpt.cnki.net
*本刊不以任何形式向作者及单位收取版面费、审稿费、中介费等费用。
望学界业界垂青,我们共同助力中国新闻传播学研究。