倪子涵 蘇俊斌

【摘要】當(dāng)代信息技術(shù)革命正推動媒體產(chǎn)業(yè)朝著智能化方向發(fā)展，人工智能被運用在新聞采集、生產(chǎn)、分發(fā)以及反饋等流程中。在新聞生產(chǎn)流程中采用算法代替人力，是避免了主觀偏頗抑或放大了主觀偏頗？面對算法新聞的時候，受眾所感知的新聞可信度是更高還是更低？本研究針對中國某高校的大學(xué)生（N=604）進行了問卷實驗，探究受眾算法素養(yǎng)對新聞可信度的影響，與此同時還驗證了前人關(guān)于受眾對算法新聞與記者寫作新聞的感知可信度差異。研究發(fā)現(xiàn)：受眾對新聞可信度的評價與其算法素養(yǎng)顯著相關(guān)，算法素養(yǎng)高的受眾對新聞可信度評價低，反之算法素養(yǎng)低的受眾對新聞可信度評價高。實驗還證實了之前的研究結(jié)果，即算法署名新聞被感知到的可信度高于記者署名新聞，體育新聞被感知可信度高于社會新聞。作者認(rèn)為受眾感知算法新聞可信度的差異可能是由于算法素養(yǎng)的差異所導(dǎo)致。本研究的目的是為我國新型主流媒體增強公信力提供參考。

【關(guān)鍵詞】算法新聞；算法素養(yǎng)；感知可信度；馬克思主義新聞觀

2023年，在深度學(xué)習(xí)邁進迅速發(fā)展的第十年之際，生成式預(yù)訓(xùn)練自然語言大模型（ChatGPT）成為了舉世關(guān)注的焦點。相應(yīng)地，人工智能生成內(nèi)容（AIGC）隨之成為了繼專業(yè)生產(chǎn)內(nèi)容（PGC）和用戶生產(chǎn)內(nèi)容（UGC）之后的主要內(nèi)容生成模式。既有研究圍繞算法新聞的可信度及其影響因素、評價維度等方面進行了有益探索。本文采用2（署名作者：智能算法，記者）乘2（新聞主題：體育新聞、社會新聞）混合設(shè)計方差分析探求受眾對算法新聞的可信度感知。本研究旨在為算法如何影響新聞可信度的研究進行前期探索，并為人機協(xié)同條件下如何改善智能媒體公信力提供借鑒。

一、研究問題的提出

（一）算法素養(yǎng)對算法新聞可信度影響研究

有學(xué)者從人際傳播角度出發(fā)，提出可信度研究的關(guān)鍵是受眾與信源、媒介、信息本身之間的關(guān)系。[1]Miriam等研究指出，人口學(xué)特征、媒介使用情況、媒介素養(yǎng)等受眾特征是網(wǎng)絡(luò)媒體時代新聞可信度相關(guān)研究的重要方向。[2]從受試者媒介素養(yǎng)角度而言，研究者將受試者分為傳媒從業(yè)者和普通人兩類進行研究。如Van?der?Kaa通過量表測量發(fā)現(xiàn)，相較于普通人，傳媒從業(yè)者對算法新聞具有更高的專業(yè)性感知，但可信度感知較低。[3]

隨著互聯(lián)網(wǎng)和媒介技術(shù)的更迭，算法素養(yǎng)這一概念在媒介素養(yǎng)的基礎(chǔ)上得以發(fā)展。然而，算法素養(yǎng)對算法新聞可信度感知的影響相關(guān)研究相對缺乏。Waddell研究發(fā)現(xiàn)，新聞的歸屬（人類、機器、或人機合作）對新聞的偏見感知和可信度有顯著影響，特別是在對媒體有預(yù)先批判態(tài)度的受眾中。當(dāng)新聞被歸屬于人機合作時，其被感知為較少偏見且更加可信。這表明，對于有一定算法素養(yǎng)的受眾，了解新聞產(chǎn)生的背后機制（人工、自動化或兩者結(jié)合）可能影響他們對新聞內(nèi)容的信任度。[4]在此基礎(chǔ)上，Waddell進一步深入探討了自動化新聞和人類新聞的可信度感知差異，并提出機器歸屬可能通過減少偏見感知來增加新聞的可信度，同時人類歸屬可能通過增加人性化來增加可信度。這暗示了算法素養(yǎng)較高的受眾可能通過理解新聞來源的機器性質(zhì)或人類特征來評估新聞的可信度。具有高算法素養(yǎng)的受眾可能更能認(rèn)識到自動化新聞的潛在偏見和局限性，同時也可能對人機合作產(chǎn)生的新聞內(nèi)容持更開放的態(tài)度。[5]然而，部分研究發(fā)現(xiàn)，算法知識儲備不足的受眾群體更容易信任算法技術(shù)。[6]此外，Jaemin等研究發(fā)現(xiàn)，相較于傳統(tǒng)新聞，受試者普遍對算法新聞信任度更高，算法素養(yǎng)對其影響甚微。[7]

這種結(jié)論上的不一致需要更多的研究來加以檢驗?；诖耍岢龊诵难芯繂栴}：

RQ1：算法素養(yǎng)的差異是否會影響受試者對新聞可信度的感知？

（二）新聞作者對算法新聞可信度影響研究

當(dāng)前針對算法新聞可信度的研究主要以西方情境為出發(fā)點。然而，研究表明，政治制度、文化體制、媒介體制等評估情境的差異將有一定概率引發(fā)可信度評價產(chǎn)生變化。[8]如Jung等研究發(fā)現(xiàn)，在韓國語境下，算法署名新聞可信度評估明顯優(yōu)于記者署名新聞。[9]但這與歐美國家語境下的相關(guān)研究結(jié)論出現(xiàn)分歧。在中國文化語境下，馬克思主義新聞觀要求新聞報道立足中國實踐，從事實著手，站在人民的角度滿足人民群眾的需求。[10]然而，國內(nèi)部分研究選用美國媒體所發(fā)布的新聞作為實驗刺激材料，[11]立足中國文化語境的可信度相關(guān)研究相當(dāng)稀少。蔣忠波等學(xué)者針對中國語境中的算法新聞和人類記者新聞的可信度感知差異及其內(nèi)在要素進行了深入研究。研究發(fā)現(xiàn)，受試者對算法署名新聞的可信度感知顯著高于人類記者署名新聞，其中“偏見”維度最為突出。[12]鑒于國內(nèi)外研究結(jié)論存在差異，且國內(nèi)相關(guān)研究相對匱乏，以中國文化語境下進一步深入研究作者差異（算法還是人類記者）對受眾感知新聞可信度的影響顯得尤為必要。由此，本文提出研究問題：

RQ2：作者差異（署名算法或署名人類記者）是否對受眾感知新聞可信度產(chǎn)生影響？

（三）新聞主題對算法新聞感知可信度內(nèi)部要素的影響研究

已有研究提出，受眾對不同主題的算法新聞報道的可信度感知研究是未來算法新聞可信度感知相關(guān)研究的焦點。當(dāng)下相關(guān)研究的新聞主題多集中于體育、財經(jīng)領(lǐng)域，對社會新聞等其他新聞領(lǐng)域研究較少。[13]隨著智能算法的發(fā)展，算法新聞可能在未來拓展至社會新聞等新聞領(lǐng)域，還對新聞寫作的價值觀念、意識形態(tài)等方面提出了更高的要求。[14]這不僅對于算法寫作系統(tǒng)而言是個挑戰(zhàn)，更會影響新聞可信度感知評估。蔣忠波等將社會新聞納入為研究對象，探討社會新聞和體育新聞的主題差異對新聞可信度受眾感知的影響。其研究發(fā)現(xiàn)，相較于體育新聞，社會新聞更難以獲得更高的可信度感知。[15]然而，該研究僅從社會新聞和體育新聞角度進行了初步探討，尚未深入揭示新聞主題差異怎樣影響新聞的準(zhǔn)確性、真實性、值得信賴、客觀性、權(quán)威性等新聞可信度內(nèi)部要素的感知評估。由此，本文重新檢驗前人研究，以回答以下問題：

RQ3：新聞主題的差異怎樣影響受試者對新聞可信度五大內(nèi)部要素的感知？

二、研究方法

本研究采用填答問卷的在線實驗法，研究受試者對不同主題、不同署名的新聞可信度的感知。通過有意識地控制可能影響受試者對新聞可信度感知的變量，減少干擾因素的影響，從而揭示或驗證變量之間的關(guān)聯(lián)，確保研究結(jié)果具有可靠性。并且，本研究旨在測試特定假設(shè)，因此歸類為實驗法而非調(diào)查法。

（一）受試者的選取

本研究選取中國某高校大學(xué)生為受試者。在626名參加者中回收有效問卷604份（N=604），其中女性占比為62.3%。

（二）實驗材料

本研究選擇一則由騰訊寫稿機器人Dreamwriter自動撰寫的體育新聞《德羅贊27分馬刺勝鵜鶘取兩連勝》（刊發(fā)于2020年8月10日），以及一篇由南京日報社記者朱靜采寫的社會新聞《買賣手表賺差價？女子投資10萬余元被騙》（刊發(fā)于2021年4月8日）作為實驗材料。每則新聞的署名作者分別被標(biāo)注為“Dreamwriter”“朱靜”，并將署名作者相同的兩則新聞組合形成算法組和記者組。

（三）變量測量

1.因變量

本研究所探討的因變量是新聞可信度感知評估。當(dāng)前已有諸多研究試圖量化受眾的新聞感知評價。如S.Shyam?Sundar在前側(cè)所得出的項目基礎(chǔ)上梳理出21個指標(biāo)[16]，Philip?Meyer設(shè)計了信源可信度測量量表[17]和Andrew?J.Flanagin等開發(fā)了信息可信度測量量表[18]。研究表明，信息可信度和信源可信度之間關(guān)系緊密[19]，這在測量量表中也得以體現(xiàn)。因此，本研究在Sundar提出的21個指標(biāo)的基礎(chǔ)上參考了PhilipMeyer和Andrew?J.的可信度測量量表，基于各個題項的重復(fù)率初步篩選出8個指標(biāo)：客觀、準(zhǔn)確、可信、真實、權(quán)威、易于理解、簡潔、生動。為了進一步了解讀者對新聞可信度感知評價的指標(biāo)，本研究進行前測訪談，進而對測量量表進行補充。訪談的問題為：您通常會用哪些形容詞來評價一篇新聞報道的可信度？

前測共對20位20-24歲本科生進行一對一訪談，專業(yè)分布廣泛。統(tǒng)計數(shù)據(jù)顯示，80%的受訪者在描述新聞報道時談及與信賴度相關(guān)的形容詞（值得信賴、有說服力等）；65%的受訪者提及與客觀性相關(guān)的形容詞（中立、偏見等），45%的受訪者提到了與真實相關(guān)的形容詞（貼近現(xiàn)實等），與可讀性相關(guān)的形容詞（生動、感人等）僅被20%的受訪者提及。因此，通過將前測結(jié)果與初步篩選的指標(biāo)相比對，剔除易于理解、簡潔、生動這三項指標(biāo)，保留準(zhǔn)確、可信、客觀、真實這四項信息可信度測量題項，以及權(quán)威性這一信源可信度測量題項。要求受試者用5級李克特量表來回答每個問題，回答選項的范圍從“非常同意”到“非常不同意”，從而衡量受試者對所閱讀新聞的可信度感知評價。

2.算法素養(yǎng)變量

算法技術(shù)更新速度快和非公開等特點致使當(dāng)前學(xué)界并未形成一致的算法知識測量量表。本研究參考Cotter和Reisdorf就搜索引擎提出的算法知識量表[20]和Matthew和Eastin對于網(wǎng)絡(luò)自我效能的量表設(shè)計[21]，基于思維培養(yǎng)和風(fēng)險教育兩個維度對受訪者進行測量。問卷設(shè)置“我能理解關(guān)于算法的概念與術(shù)語”“我會在日常生活中對網(wǎng)絡(luò)平臺的算法邏輯進行思考”“我能主動根據(jù)自己的使用行為調(diào)整APP給我推送的內(nèi)容”“我能夠利用算法獲取我想要的信息”“我知道如何在網(wǎng)絡(luò)環(huán)境中有效保護個人數(shù)據(jù)和隱私”五個題項，以5級李克特量表計算上述題項的得分。

（四）實驗過程

（1）實驗分組。本實驗采用兩組受試者，分別閱讀智能算法署名的A1B1新聞和人類記者署名的A2B2新聞，并比較其可信度感知評估。第一組算法署名組304名受試者，第二組記者署名組300名。

（2）數(shù)據(jù)采集。本次實驗采用問卷星在線調(diào)研，通過滾雪球抽樣的方式發(fā)放問卷，進而使受試者的年齡、專業(yè)、算法素養(yǎng)等特征更豐富。受試者需要填寫對該新聞可信度測量的量表。最后測量受試者的算法素養(yǎng)，并回答完成人口統(tǒng)計學(xué)相關(guān)問題后提交問卷，即算完成實驗。

（3）樣本結(jié)構(gòu)。本次研究共回收問卷626份，剔除答題時長過短和新聞署名作者選擇錯誤的無效問卷，有效問卷為604份，問卷有效比例為96.5%。每組的實驗參與者的性別、年齡等基本數(shù)據(jù)沒有顯著差異。

三、實驗結(jié)果與相關(guān)討論

研究首先對各變量進行信度和效度的分析。信度分析顯示，新聞可信度變量和算法素養(yǎng)變量的克朗巴哈系數(shù)（Cronbachα）均大于0.7，信度可以接受。其次，一組與二組受試者的算法素養(yǎng)不存在顯著差異，在可能會影響到新聞可信度感知的變量上處于基本一致的水平。

（一）算法素養(yǎng)對新聞可信度感知的影響

由預(yù)實驗可知，一組與二組受試者的算法素養(yǎng)不存在顯著差異。為分析算法素養(yǎng)對新聞可信度感知的影響，研究采用相關(guān)分析和線性回歸分析受試者的算法素養(yǎng)對每種署名方式下不同主題的新聞可信度感知的影響（見表1）。

首先，利用相關(guān)分析分別研究各組算法素養(yǎng)與新聞可信度感知之間的相關(guān)關(guān)系。具體分析可知：一組算法素養(yǎng)和對算法署名的體育新聞和社會新聞可信度感知，二組算法素養(yǎng)和對記者署名的體育新聞可信度感知和社會新聞可信度感知之間均存在顯著負(fù)相關(guān)關(guān)系。

其次，相關(guān)分析只能揭示對等的線性關(guān)系，為了進一步確定確切的因果影響，本研究分別以一組和二組受試者的算法素養(yǎng)為自變量對算法署名和記者署名的新聞可信度感知進行線性回歸分析。

結(jié)果顯示，算法素養(yǎng)與算法署名的體育新聞和記者署名的體育、社會新聞存在負(fù)相關(guān)關(guān)系，即算法素養(yǎng)越高的受試者對新聞可信度的感知評估越低。其原因可能在于：具備較高算法素養(yǎng)的受眾往往以批判性和辯證性的眼光看待智能算法新聞，在認(rèn)可其高效、客觀的優(yōu)勢的同時，也對其結(jié)構(gòu)固化、缺乏人文關(guān)懷等局限性提出批評。因此，算法素養(yǎng)較高的受眾認(rèn)為智能算法自動生成新聞的技術(shù)目前仍有待進一步完善，對算法新聞的可信度感知較低。

最后，為分析算法素養(yǎng)的影響在內(nèi)部維度上的具體體現(xiàn)，研究采用線性回歸對算法新聞可信度感知量表的各構(gòu)成要素做進一步分析。

分析發(fā)現(xiàn)，當(dāng)面對算法署名的體育新聞時，算法素養(yǎng)與新聞可信度的準(zhǔn)確性、真實性、值得信賴、客觀性、權(quán)威性五個維度均存在顯著負(fù)相關(guān)關(guān)系，即算法素養(yǎng)越高的受試者對新聞可信度的準(zhǔn)確性、真實性、值得信賴、客觀性、權(quán)威性程度評價越低。此外，算法素養(yǎng)與算法署名社會新聞可信度感知的真實性維度之間的負(fù)相關(guān)關(guān)系相對顯著。

原因可能在于：智能算法新聞寫作通過算法程序?qū)Ａ繑?shù)據(jù)進行統(tǒng)計、分析，并套用標(biāo)準(zhǔn)新聞格式快速生成新聞。這種寫作方式與體育新聞的文本結(jié)構(gòu)和話語表達較為一致，因此算法素養(yǎng)高的受眾認(rèn)為其受限于框架，存在生搬硬套模板的局限性。此外，社會新聞要求對事件進行立體描述，而算法新聞難以滿足其深度、溫度等高要求，因此，算法素養(yǎng)高的受眾對真實性維度的感知評價較低。

（二）新聞作者對算法新聞可信度感知的影響

為比較受試者對算法新聞和人類記者新聞的可信度感知，對算法組、記者組的受試者所感知到的體育新聞、社會新聞可信度分別進行單因方差分析。結(jié)果顯示，對于體育和社會主題的新聞而言，算法署名新聞被感知到的可信度顯著高于人類記者署名新聞。這一結(jié)論與蔣忠波等學(xué)者研究結(jié)論相一致。[22]

為分析其差異在內(nèi)部維度上的具體體現(xiàn)，對新聞可信度感知量表的內(nèi)部要素做單因方差分析。分析發(fā)現(xiàn)，面對體育新聞，受試者對算法署名新聞的“準(zhǔn)確性”和“客觀性”評分都要顯著高于人類記者署名新聞。面對社會新聞，算法署名新聞的“準(zhǔn)確性”“真實性”和“客觀性”具有顯著優(yōu)勢。并且，本研究發(fā)現(xiàn)，無論是體育新聞或社會新聞，“準(zhǔn)確性”這一題項的差異最大。

（三）新聞主題對新聞可信度內(nèi)部要素感知的影響

研究采取配對樣本T檢驗探討新聞主題是否對新聞可信度感知產(chǎn)生影響。分析發(fā)現(xiàn)，無論是算法署名新聞，還是人類記者署名新聞，社會新聞被感知到的可信度均顯著低于體育新聞。

在分析新聞主題對新聞可信度影響的基礎(chǔ)上，本研究進一步對新聞可信度感知量表的各構(gòu)成要素進行單因方差分析，探討其差異在內(nèi)部維度上的具體體現(xiàn)。研究發(fā)現(xiàn)，在算法署名和人類記者署名條件下，社會新聞被感知到的可信度在五個內(nèi)部維度都低于體育新聞。其中，受試者對體育新聞的“真實性”“值得信賴”和“權(quán)威性”這三個題項的評分都要顯著高于社會新聞的評分，對“準(zhǔn)確性”和“客觀性”這兩個題項的評分差異相對較小。

四、結(jié)論

本研究聯(lián)系算法時代馬克思主義新聞觀提出的新要求，聚焦算法新聞可信度，厘清人工智能技術(shù)與新聞傳播的復(fù)雜關(guān)聯(lián)，以回應(yīng)算法時代之問，旨在為算法如何影響新聞可信度的研究進行前期探索，并為人機協(xié)同條件下如何改善智能媒體公信力提供借鑒。研究具體結(jié)論如下：

（一）算法素養(yǎng)與新聞可信度負(fù)相關(guān)

研究結(jié)果顯示，算法素養(yǎng)與讀者對新聞可信度的評價存在負(fù)相關(guān)，即算法素養(yǎng)越高的受試者對新聞可信度評價越低。其原因可能是：受眾在算法認(rèn)知維度加深對算法理解和邏輯思考的同時，可能在情感維度產(chǎn)生由算法催生的情緒波動，進而引起人們對算法的重新審視和反思。具備較高算法素養(yǎng)的受眾對算法新聞當(dāng)前的發(fā)展形勢更為了解，往往以批判性和辯證性的眼光看待算法新聞，對算法新聞持有更高的期望和要求。

此外，從內(nèi)部維度具體分析可知，算法素養(yǎng)越高的受試者對體育新聞可信度的準(zhǔn)確性、真實性、值得信賴、客觀性、權(quán)威性評價越低。此外，算法素養(yǎng)越高的受試者對社會新聞可信度的真實性維度評價較低相較于體育新聞。這表明算法素養(yǎng)較高的受眾群體對算法新聞基于大數(shù)據(jù)套用標(biāo)準(zhǔn)新聞格式這一生產(chǎn)流程較為熟悉，認(rèn)為話語表達與文本結(jié)構(gòu)一致化的體育新聞是一定框架下的產(chǎn)物，對其認(rèn)可度較低。此外，算法新聞難以達到社會新聞對深度、溫度等方面的高要求，在真實性維度存在不足。

（二）受試者對算法署名新聞的可信度感知顯著高于記者署名新聞

本研究發(fā)現(xiàn)，不論所報道新聞的領(lǐng)域為體育或社會，算法署名新聞被感知到的新聞可信度均顯著高于人類記者署名新聞。這與國內(nèi)以及韓國相關(guān)研究結(jié)果一致，但與歐美國家語境下的相關(guān)研究結(jié)論出現(xiàn)分歧。這也在一定程度上驗證了可信度受評估情境影響而出現(xiàn)差異的既有研究結(jié)論。

其差異在內(nèi)部維度上具體體現(xiàn)在算法署名新聞在準(zhǔn)確性、客觀性這兩個維度具有顯著優(yōu)勢。研究發(fā)現(xiàn)，無論是體育新聞或社會新聞，“準(zhǔn)確性”這一指標(biāo)的差異最大，且算法新聞的“值得信賴”和“權(quán)威性”感知均低于人類記者寫作的新聞。由于沒有揭示值得信賴和權(quán)威性之間的邏輯聯(lián)系，這個結(jié)果具有多種解釋可能性。一種可能是，當(dāng)前算法新聞理解、表達情感的能力仍有所欠缺，并且其普及度不及傳統(tǒng)的記者寫作新聞，因此難以取得受眾的信任和對權(quán)威性的認(rèn)可。另一種不可忽視的可能是，受眾受到寫作主體的影響較大，即讀者更傾向于相信人類記者而非機器自動化生成的新聞，并認(rèn)為人類記者具有更高的權(quán)威性。這種認(rèn)知全然不顧其內(nèi)容是否準(zhǔn)確、是否客觀。

（三）受試者對社會新聞的可信度感知顯著低于體育新聞

研究結(jié)果表明，在兩種署名條件下，受眾對社會新聞的可信度感知表現(xiàn)得更為謹(jǐn)慎，即對社會新聞可信度的感知值都顯著低于體育新聞。從內(nèi)部維度具體分析可知，無論是智能算法新聞還是人類記者寫作新聞，受試者普遍認(rèn)為體育新聞在真實性、值得信賴和權(quán)威性方面顯著優(yōu)于社會新聞。這可能是因為，相較于體育新聞，社會新聞通常報道社會問題，可能無形中傳遞了記者的價值觀和個人情感，受眾往往難以迅速分辨有效信息，從而對信息的真實性、可信度和權(quán)威性產(chǎn)生更多的疑慮。

結(jié)合算法新聞發(fā)展趨勢來看，將來算法新聞將向政治、科技等新聞主題拓展，因此，分析這些主題的算法新聞可信度感知對于完善當(dāng)下新聞實踐具有重要意義。然而，當(dāng)前相關(guān)研究較為稀少，研究結(jié)果的不一致需要更多研究對其差異的普遍性和背后原因加以驗證和解釋。

[本文為國家社科基金項目“新聞推薦算法的把關(guān)機制、倫理問題及其對策研究”（立項號19BXW118）的相關(guān)成果]

參考文獻：

[1]Chaffee，S.H.Mass?media?and?interpersonal?channels：Competitive，convergent，or?complementary[J].Inter/Media：Interpersonal?Communication?in?a?Media?World，1982，5：57-77.

[2]Metzger，M.J.，F(xiàn)langin，et?al.Credibility?for?21st?Century：Integrating?perspectives?on?source?message，and?media?credibility?in?the?contemporary?media?environment[J].Communication

Yearbook，2003，27：293-335.

[3]Kaa?H，Krahmer?E?J.Journalist?versus?news?consumer：The?perceived?credibility?of?machine?written?news[C].Computation+Journalism?Symposium，2014.

[4]Waddell?T?F.Attribution?practices?for?the?man-machine

marriage：How?perceived?human?intervention，automation?metaphor

s，and?byline?location?affect?the?perceived?bias?and?credibility?of?purportedly?automated?content[J].Journalism?Practice，2019，13（10）：1255-1272.

[5]Waddell?T?F.Can?an?algorithm?reduce?the?perceived

bias?of?news？?Testing?the?effect?of?machine?attribution?on

news?readersevaluations?of?bias，anthropomorphism，and?credibility[J].Journalism?&?mass?communication?quarterly，2019，96（1）：82-100.

[6]Goldman?E.Search?engine?bias?and?the?demise?of?search?engine?utopianism[J].In：SpinkA.&?Zimmer?M.（Eds.），?Information?Science?and?Knowledge?Management.Berlin：Springer，2008，121-133.

[7]Jaemin?Jung?Haeyeop?Song，Youngju?Kim，et?al.Intrusion?of?software?robots?into?journalism：The?public's?and?journalists'?perceptions?of?news?written?by?algorithms?and?human?journalists[J].Computers?in?Human?Behavior，2017，71：291-298.

[8]Stamm，K.，Dube，et?al.The?relationship?of?attitudinal?components?to?trust?in?media[J].Communication?Research，1994，

21：105-123.

[9]Jung，J.，Song，et?al.Intrusion?of?software?robots?into?journalism：The?public's?and?journalists'perceptions?of?news?written?by?algorithms?and?human?journalists[J].Computers?in?Human?Behavior，2017，71：291-298.

[10]鄧紹根，曾林浩，李歡.立足中國、回應(yīng)時代：2022年中國的馬克思主義新聞觀研究[J].國際新聞界，2023，45（01）：68-83.

[11]Zheng?Y，Zhong?B，Yang?F.When?algorithms?meet?journalism：The?user?perception?to?automated?news?in?a?cross-cultural?context[J].Computers?in?Human?Behavior，2018，86：266-275.

[12]蔣忠波，師雪梅，張宏博.人機傳播視域下算法新聞可信度的感知研究：基于一項對大學(xué)生的控制實驗分析[J].國際新聞界，2022，44（03）：34-52.

[13]Waddell，T.F.Can?an?algorithm?reduce?the?perceived?bias?of?news？Testing?the?effect?of?machine?attribution?on?news?readers?evaluations?of?bias?anthropomorphism，and?credibility[J].Journalism&Mass?Communication?Quarterly，2019，96（1）：82-100.

[14]Caswell，D.，&?D？rr，K.Automated?Journalism?2.0：Event-driven?narratives：From?simple?descriptions?to?real?stories[J].Journalism?Practice，2018，12（4）：477–496.

[15]蔣忠波，師雪梅，張宏博.人機傳播視域下算法新聞可信度的感知研究——基于一項對大學(xué)生的控制實驗分析[J].國際新聞界，2022，44（03）：34-52.

[16]Sundar，S.S.Exploring?receiverscriteria?for?perception?ofprint?and?online?news[J].Journalism?and?Mass?Communication

Quarterly，1999，76（2）：373–386.

[17]Meyer?P.Defining?and?measuring?credibility?of?newspapers：Developing?an?index[J].Journalism?quarterly，1988，65（3）：567-574.

[18]Flanagin，A.J.，Metzger，et?al.Perception?of?Internet?information?credibility[J].Journalism&Mass?Communication?Quarterly，2000，77：515-540.

[19]Roberts?&?C.Correlations?among?variables?in?messageand?messenger?credibility?scales[J].American?Behavioral?Scientist，2010，54（1）：43-56.

[20]Cotter，K.，Reisdorf.Algorithmic?knowledge?gaps：A?new?dimension?of（digital）inequality[J].International?Journal?of?Communication，2020，14：745-765.

[21]Matthew，S.Eastin.Internet?Self-Efficacy?and?the?Psychology?of?the?Digital?Divide[J].Journal?of?Computer-Mediated?Communication，2000，6（1）.

[22]蔣忠波，師雪梅，張宏博.人機傳播視域下算法新聞可信度的感知研究：基于一項對大學(xué)生的控制實驗分析[J].國際新聞界，2022，44（03）：34-52.

作者簡介：倪子涵，廈門大學(xué)新聞傳播學(xué)院碩士生（廈門?361005）；蘇俊斌，廈門大學(xué)新聞傳播學(xué)院副教授、碩士生導(dǎo)師，博士（廈門?361005）。

編校：王志昭