“人工智能” 能否增强人们对在线审核的支持，以及支持他们对不同政治观点的开放性？
· 文章作者 · Author of article
1
Department of Communication, University of California, Davis, CA 95618, USA
2
Amsterdam School of Communication Research, University of Amsterdam, 1018 WV Amsterdam, The Netherlands
3
Department of Communication, University of California, Davis, CA 95618, USA
4
Department of Media & Communication, Erasmus University Rotterdam, Rotterdam, 3000 DR, The Netherlands
5
Department of Communication Science, Vrije Universiteit Amsterdam, Amsterdam, The Netherlands
6
School of Communication, American University, Washington, DC 20016, USA
7
Amsterdam School of Communication Research, University of Amsterdam, 1018 WV Amsterdam, The Netherlands
· 文章内容的关键词 · Keywords of article content
Artificial Intelligence, AI, algorithms, content moderation, news recommendations,polarization, biased information processing, social media, counter-attitudinal views, news, bias,online moderation, perceived justice
人工智能，AI，算法，内容审核，新闻内容推荐，两极分化，有偏见的信息处理，社交媒体，反常规态度的观点，新闻，偏见，在线审核，对公正的感知
· 导读 · Guide reading
本文是来自名叫《Journal of Computer-Mediated Communication》的杂志文献，是由来自5所不同大学的7位学者，且同为传播系的学者团队研究并编写。
该团队从当今的社交媒体传播现象——人工智能以及算法对信息的筛选以及推送作为研究的切入点，并且结合现今社会出现的对人工智能、算法的“算法厌恶”观点作为反思的角度，以及融入与“算法厌恶”观点相反的“算法欣赏”观点和MAIN框架内的研究支持机器启发式算法欣赏的工作作为研究支撑。并且以人工智能、算法在当今社交媒体对于人们浏览信息的喜好筛选、精准推送的功能来影响人们在社交媒体上的浏览行为来看，该团队认为，人工智能、算法能够较为客观地进行信息的筛选以及推送。
由此，该团队以当今社会政治信息讨论现象作为研究的主要内容导向，同时，针对社交媒体出现的真假政治信息的现象来研究并论证：1、人工智能以及算法的内容推送能否影响人们对政治信息的判断；2、人工智能以及算法能否实现一定程度上与人工相比对政治信息有更加客观信息传播。因此，该团队希望通过该研究来解决：1、当人们看到的信息是由人工智能或者人工智能辅助的人类进行编辑、推送的时候，人们是否认为这些信息更加客观、公正？2、当跨意识形态邻域的信息是由人工智能或者人工智能辅助的人类进行编辑、推送的时候，人们是否更愿意接受？
在这种设想下，该团队结合他们所处的环境，在美国、西班牙、波兰共随机抽样6，728人进行预先的实验登记，为了研究的结果能够在信度和效度上具有说服力，该团队在政党制度、制度体系和新闻信任度这三者不同程度的国家进行研究实验。
并且，在Dynata公司（在美国、西班牙）和Panel Ariadna（在波兰）的协助下，进行取样和筛选，进行以下四个维度的预测试的样本筛选：
1.阅读或查看社交媒体上的内容;
2.在社交媒体上分享、发布或评论;
3.在新闻网站或新闻社交媒体页面上发表评论;
4.并阅读新闻网站、新闻应用或新闻社交媒体页面上的评论。
最终得出样本为：
在此基础上进行实验一与实验二。
实验一（根据不同的条件，人们将阅读人类、人工智能、人工智能辅助的人类编辑的信息，并且在人工智能能够运用的四个场景后，回答他们对三种信息处理代理人的公平性、决定的可信性、合法性以及对代理人的客观性，进行量化的评分）
实验二（与实验一同样代理人的条件下，分配各50%的对政治的支持和反对态度的信息，同时，他们将被告知：他们所阅读的信息是为哪一类代理人所编写，在了解过信息以后，人们将对三种不同代理人所编写的信息进行“同意程度”、“信息质量”、“代理人的可行度”以及“代理人的客观性”进行相应的量化评分）。
根据以上的实验组，得出以下结论：
在内容的审核、生成和推荐方面来看，三个国家中的两个国家的样本数据反应，在各种情况下，人工智能所辅助的人类对信息的审核、生成和推荐相比于人工智能更能得到更多的积极评价。
在对反常规态度信息的接受开放程度来看，每一个国家的参与者，在对一个问题上（美国：有关于特朗普政府期间的经济政策预测；西班牙：有关移民问题的有关预测；波兰：与医疗有关的预测）更加愿意接受由人工智能所反馈的反常规态度的政治信息。但是，对于其他的信息而言，结果表明，当人工智能和人工智能辅助的人类对参与者传播反常规态度的政治信息时，人们的接受开放程度并没有明显差异。因此并不能够支持“人工智能（而不是人类）所传播的不同信息的正向差异能够影响哪些具有更强政治认同感的人更明显的反应。”
尽管，在实验中，并不能够证实人工智能在网络环境的政治信息传播中占有优势，但是能够发现，人类被视为比人工智能甚至是比人工智能辅助的人类更适合作为内容的生成者和调节者。并且总结了实验以及社会中有关于对技术恐惧等现状以及技术发展的问题，该团队希望能够集结更多对政治、政治传播以及算法技术的有志之士加入，进行更加深入的研究和讨论。进而发现其中在线传播的根本问题，并延伸到当代社会中发挥作用。
· 视频形式介绍 · Introduce in the form of video.
· 观点介绍 · Introduction of viewpoints
在前所未有的政治分歧和错误信息交错出现的时代，人工智能（AI）和算法通常被视为罪魁祸首。与这些占主导地位的叙事观点相反，该团队认为，在网络政治环境中，人工智能可能被视为与人类相比拥有更少个人色彩偏见。
同时他们认为，人工智能具有重要的民主潜力，而这种潜力在如今网络政治背景下却没有得到充分的发现和研究。
· 社会背景介绍 · Introduction of social background
政治分歧、民粹主义和错误信息正在不断上升。许多观察家将这些问题归因于在线讨论的本质，更具体地说，归因于算法和人工智能（AI）。
这些技术被指责为最大限度地减少了不同的曝光率并将用户置于回声室中，并且被认为自动机器人在网络讨论中充斥着不文明的行为，同时传播低质量的内容。
但是，这些内容却与部分事实相矛盾——人类传播错误信息的概率要大于人工智能算法、算法对新闻的推荐并不会影响限制多样化的曝光。尽管如此，人工智能算法还是会被指责为发挥作用于政治分歧和错误信息的传播。
· 提出的问题 · The question raised
1）当讨论内容的修改、内容生成和新闻推荐的决定由人工智能、人工智能辅助的人类或者是人类个人做出时，人们是否会认为其中哪一方要更加公正？
2）当有跨意识形态的政治信息是由人工智能所做出了，人们是否会更愿意接受这些信息？
· 基本术语介绍 · Introduction of basic terms
《人工智能是个啥》—— 人工智能简史 – 知乎 (zhihu.com)
· 参考理论（理论支持）· Reference theory (theoretical support)
(4 条消息) 机器学习算法，哪些是启发式算法？哪些不是？ – 知乎 (zhihu.com)
算法欣赏：人们更喜欢算法而不是人类判断 – ScienceDirect
· 使用方法 · The method used
实验组、问卷（使用liket量表）
· 分析方法 · Method of analysis
R软件中的非线性混合效应 (NLME) 模型
如何使用的案例分享：
拓端tecdat：R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平_大数据部落-CSDN博客
拓端tecdat|R语言非线性混合效应 NLME模型(固定效应&随机效应)对抗哮喘药物茶碱动力学研究_大数据部落-CSDN博客
因为每一位参与者都需要参与实验一与实验二的研究，所以对三种类型的信息传播代理人的评价不是单一的，而是需要综合每一位参与者所参与的条件与结果进行分析评价，因此对代理人的评估是需要嵌套在参与者中。
数据结构嵌套——学习笔记_CleverLarry的博客-CSDN博客_嵌套数据
· 实验信息可视化 · Visualization of experimental information
· 感想 · Impressions
非常感谢有这一次课程的体验，虽然，能够上这门课程完全是因为选课的时候落选了，在教务处补选的时候才能够上这门课。但是，正因为这股神奇的缘分，让我能够加入到这堂课程的学习。
首先，在广美这三年里，与多为优秀的老师、师兄师姐们的聊天中，渐渐了解到论文的重要性。于是，在上这堂课之前，也在选修课中有意地去寻找论文的学习课程，但是非常不巧的是，无论“国际文献研读”的名称在我眼前晃过多少次，我都曾一度以为——这是关于艺术书籍的研读课程，并不是我所想要了解的论文课程。也许，正是这种奇妙的误解，使得当我在正式上课时，总是忍不住的感到惊喜。
其次，也许缘分就是如此奇妙，在上课之前，曾经和合作的伙伴们商量“能不能在假期写一写小小的论文，将自己的设计作品能够有一个小小的见证。”但是，这都是空口说白话，只有想法，连基础的论文如何写都处于两眼一抹黑的状况。因此，也十分幸运，在这堂课上，学习到了一些基本的论文结构、论文数据的调查方法、论文的支撑材料来源等等。这在我这里看来，就是一场“及时雨”。
最后，本课程有着一位非常元气满满的老师。都说“师傅领进门，修行看个人”正因为有着这么一位充满干劲的老师，有着他的影响下，才能够使得我能够产生对论文的兴趣，带着好奇心去阅读文献，就为了找找老师所说的“论文有趣的点”在哪里。当然，在这过程中，也许并不能够发现十分有意思的内容，但是，对于自己来说，在这个过程渐渐地也有了自己的理解，学到了对于自己来说十分有利的知识。
最后的最后，对于本篇论文，我有以下几点的疑惑：
- 因为文章所涉及的是线上人工智能是否影响政治信息的传播，所以该团队寻找了美国、西班牙、波兰的样本进行研究。但是互联网的信息传播是有着全球性质的，同样的信息给予不同意识形态的人阅读时，也会有不同的解读，因此，对于样本的选择来看，我认为缺少一些以经验科学影响行为思维模式的样本人群，或许因为这一变量的加入，会使得研究结果发生改变。
2.文中描述“为了效果不取决于任何特定的背景，我们选择了在政党制度、制度体系、和新闻信任度不同的国家”，尽管如此，研究的结果还是与设想有所偏差，因此我认为选取美国、西班牙、波兰这三个国家的样本人群作为研究，会不会就存在着“特定背景”的影响存在。
以上便是我在此次课程中的所想所悟，如果有什么错误的地方，欢迎评论区指正。
· 原文 · Original text
[1] Magdalena, W. , Arti, T. , Fernando, F. , Andreu, C. , Ericka, M. T. , & Miriam, B. &. . (2021). Can ai enhance people’s support for online moderation and their openness to dissimilar political views?. Journal of Computer-Mediated Communication.
