 推介语 在多模态内容生成领域，DALL-E等多模态大模型已取得显著进展。这些模型能够根据提示词创造高度逼真、创新的内容，为艺术、娱乐、教育等领域带来新可能。但同时，模型训练过程中数据集偏差、算法的不透明性也以视觉可视化形式更直接展现出来，可能复制甚至强化社会偏见。 此外，随着大语言模型在对话交互领域的应用，作为对话代理的大模型角色凸显。这些模型不仅能生成流畅的语言响应，还能根据用户行为及偏好提供个性化内容；这一技术突破引发了对算法透明度、偏见问题及社会影响的关注。 本期，新媒体观察摘选了Digital Journalism中两篇关于图像内容生成与新闻对话代理的研究，涉及生成式人工智能、算法偏见、人机交互、对话代理等议题，与各位读者共同探讨。   研究一 标题：What Does a Journalist Look like? Visualizing Journalistic Roles through AI 出版时间：07 Jul 2023 作者：Ryan J. Thomas & T. J. Thomson 发表期刊：Digital Journalism  背景及问题提出 01 21世纪以来的技术发展、经济社会变革使得“谁是记者”的讨论一直延续并受到广泛讨论。与此同时，类似议题包括记者的外在形象建构，尤其是人工智能代理对“记者是什么”及“他们长什么样”的理解。这项研究分析了Midjourney 等AI绘图应用建构的记者形象图片。 研究提出如下问题： RQ1 支持人工智能的图像生成器Midjourney作为更广泛的集体意识的代理，如何表现通用“记者”描述语？ RQ2 作为更广泛的集体意识的代理，支持人工智能的图像生成器Midjourney如何表现专业“记者”描述语？ RQ3 六个月后重复生成过程时，RQ1和RQ2中相同关键字的结果有多稳定或可变？ 方法 02 第一轮研究于2022 年 8 月 14 日开始，在Midjourney 中发布文本提示、生成图像。对于每个文本提示，Midjourney 会根据该提示词在 2 × 2 网格中生成四张图像。研究确定了4个通用型提示词：“journalist” “reporter” “correspondent” “the press”，以及3个专业型提示词：“news analyst” “news commentator” “fact-checker”。为确保研究结果稳定性，在生成第一轮图像集六个月后，研究者在 Midjourney 中针对相同的七个关键词生成另外两轮图像集。 研究通过开放编码方式，参考视觉社会符号学（特别是图像行为/凝视、距离以及垂直和水平观点的符号学资源）及先前有关记者/新闻表现的研究确定分析类目。同时通过同一关键词图像内容的逐列对比，评估算法稳定性或可变性。 结果 03 （一）通用记者提示词  journalist  reporter  correspondent  the press   左右滑动查看更多  （二）专业记者提示词 news analyst news commentator fact-checker （二）历时比较 将四个“通用”术语可视化的16 张图像进行分析：在几乎所有图像中，算法都将这些术语与浅肤色、衣着保守的女性联系起来。这些图像中明显没有数字技术的痕迹。相比之下，将三个“专业”术语可视化的 12 张图像更加普遍地突出了数字技术，并在更大程度上突出年长、浅肤色、男性指标。总体而言，这些图像为分析和反思谁成为（或应该成为）记者、在何处、为谁以及使用哪些工具扮演哪个角色提供了丰富的基础。该研究的第三个研究议题探讨了算法视觉在六个月时间内如何持久或变化。可以看出，这七个关键词的第二轮和第三轮图像生成的视觉风格与第一代所采用的风格明显不同。尽管相同关键词的视觉风格存在差异，一些内容特征和属性保持不变。 研究结果体现出生成式人工智能生成关于记者图像的两个特点。一是算法代表性差异：初级新闻职位中女性的代表性过高，但高级职位中女性的代表性不足。二是角色中的性别偏见：研究观察到人工智能渲染中的性别偏见，其中男性主导“分析师”与“评论员”等角色，而女性则经常出现在更常规的新闻角色中。 研究二 标题：Hey Google, What is in the News? The Influence of Conversational Agents on Issue Salience 出版时间：26 Jul 2023 作者：Valeria Resendez, Theo Araujo, Natali Helberger & Claes de Vreese 发表期刊：Digital Journalism 背景及研究问题 01 会话代理（Conversational Agents，例如 Google Assistant、Alexa 、Siri）的使用凸显了算法把关能力在新闻消费中的作用。然而，当前研究较少关注会话代理对公众感知议题重要性的影响。本研究基于荷兰用户开展，比较不同用户通过各种渠道（包括 会话代理、社交媒体和新闻网站）感知的议题重要性，以此分析会话代理如何通过影响信息从渠道到用户、进而影响议题重要性呈现。 研究提出如下问题和假设： RQ 会话代理如何影响议题的显著性？ H1 使用会话代理的用户感知重要的议题集合比使用新闻网站的用户更加多样化，但比使用社交媒体的用户更加同质化。 H2a “广义媒体信任”将正向调节新闻网站的“议题重要性”向个人转移。 H2b “对渠道的信任”将正向调节新闻网站、会话代理和社交媒体的“议题重要性”。 H3 “对新闻的关注”将正向调节“议题重要性”从新闻网站、会话代理和社交媒体向个人的转移。 研究过程 02 （一）调查问卷收集 研究于 2021 年 10 月对荷兰的 Google Assistant、Facebook 和 NOS 用户进行了为期 7 天的在线小组调查。民意研究公司 (Panel Inzicht) 负责招募参与者，并根据预先开展的渠道使用（Google Assistant、Facebook 、NOS）和新闻消费调查结果，将参与者随机分到三个小组。 每日调查包含两个议题（国家议题/新闻议题）： （1）当今国家面临的最重要的议题是什么？ （2） 当今新闻中最重要的议题是什么？这些议题以开放的形式提出，要求参与者按排名列出五个议题。此外，第一份每日调查还包括调节因素（广义媒体信任、对渠道的信任和对新闻的关注）和控制变量（感知缺乏多样性、政治倾向、政治利益等）。 （二）内容分析 根据国家议题和新闻议题，研究对 3965 个议题进行了定量内容分析，以确定因变量：议题重要性。编码变量是事件和议题主题。 跨模型议题重要性共识的估计概率：这些模型基于二分变量 (1/0)，其中 1 表示报告的议题位于前五个议题主题或事件列表中。由于研究在两种议题类型（即国家议题与新闻议题）之间测试了四个因变量（共识级别：渠道内与所有参与者之间；议题级别：事件与议题主题），因此研究使用多层次分析创建八个模型来检验假设。 结果 03 跨渠道的“议题重要性共识”：结果显示，使用会话代理的用户感知重要的议题集比新闻网站用户的议题集更加多样化，但在社交媒体用户中不成立，H1部分成立。 “媒体信任”对于“议题重要性共识”调节作用：研究分析了“广义媒体信任”和“特定渠道信任”是否影响“议题重要性共识”。结果显示，广义媒体信任与新闻网站 (NOS) 的议题重要性之间缺乏显著性，因此H2a 不成立；对于“渠道的信任”将积极调节新闻网站 (NOS)、会话代理 (Google Assistant) 和社交媒体 (Facebook) 的议题重要性的转移这一假设，模型中的交互作用并不具有静态显著性 。因此，假设 H2b 不成立。 “新闻关注度”与“渠道”的互动：“新闻关注度”是所有参与者和渠道内国家事件议题重要性共识的重要预测指标。此外，对于渠道内国家/地区的议题主题，新闻关注度与 NOS 之间的交互作用非常显著。然而，由于 H3 预测对新闻的关注将积极调节新闻网站、会话代理和社交媒体的“议题显著性共识”，并且大多数模型缺乏统计意义，因此H3不成立。 虽然一些研究假设没有得到支持，但研究发现了不同模式特点。通过会话代理获取新闻的用户达成国家议题重要性共识的概率比在社交媒体和新闻网站上获取信息的参与者低。这表明，由会话代理中介的新闻消费提供的共享语境可能比其他渠道少。此外，对渠道的信任和对新闻的关注是议题重要性共识的显著预测因素。 结论 04 研究结果揭示，新闻网站的用户往往更有可能就国家层面的重要事件达成一致。同时研究发现，与通过会话代理消费新闻的用户相比，社交媒体用户有更高的概率就重要议题和事件达成一致。 研究发现，广义媒体信任对于用户的议题重要性共识与新闻渠道的选择没有显著作用。对特定新闻渠道的信任是议题显著性共识的预测因素，尤其是使用会话代理和社交媒体等算法驱动平台的用户。 推介人： 燕东祺，北京师范大学新闻传播学院博士研究生 部分配图DALL.E生成 编辑 | 倪可 审校 | 倪可 任吴炯 |
|
|
来自： SAIJIN > 《科研论文写作与发表》
