記者和算法誰更值得信任：“機器人新聞”可信度的影響因素探析*

■ 鄭 越 楊 帆

一、研究背景

目前,國內外新聞領域的人工智能技術應用正在蓬勃發展中,與此同時,人們開始思索新科技影響下的新聞發展前景以及新聞記者角色的改變。有學者發現,新聞機器人可以通過對比分析現有和歷史數據,提供多個報道重點供記者選擇,從而提升調查性報道的水準②。也有學者認為,未來的機器人新聞寫作除了自動獲取數據之外還能引導新聞線索的發現并驅動新聞深度廣度的延伸③。由于機器人新聞的發展取決于社會整體的數據化水平④,當前的機器人新聞研究還處于起步階段。大多數研究是從媒體的角度看待這一新興現象,較少學者從受眾的角度出發,探究機器人新聞的寫作質量和可信度。機器人新聞對新聞實踐的影響是什么？新聞受眾如何從新聞質量、新聞來源聲譽和個人喜好方面感知自動化新聞報道？這些問題值得進一步探討。因此,本文采用數據-語言轉化系統⑤,使用2(啟動信息:有,無)X 2(作者:機器人,記者)X 2(媒體:網絡,傳統)X 3(新聞話題:體育、財經、突發新聞)混合設計方差分析受眾對于機器人新聞的可信度感知。研究結果將有助于更好地理解用戶對自動化新聞內容的反應,并有助于深入了解機器人新聞的傳播和21世紀媒體改革的新方向。

二、文獻綜述

(一)機器人新聞的定義

新聞生產中的新科技應用近幾年大量涌現,使用計算機或軟件收集數據后產出新聞更是屬于新生事物。有學者將機器人新聞定義為“在沒有或者有限的人類干預下,由預先設定的程序將數據轉化為新聞文本的自動算法過程⑥。與之類似的提法還有“計算新聞”(computational journalism)或“自動化新聞”(automated journalism)、“自動化內容”(automated content)、“算法新聞”(algorithmic news)或“精確新聞”“數據新聞”等⑦。其中,機器人新聞可以看作是自動化新聞的一種,是一種稿件自動生成軟件。我們將其定義為使用書寫算法自動生成自然語言文本的過程,在這個過程中除了算法的初始編程之外不需要人工輸入。⑧機器人新聞是計算新聞學的最新發展,它的生產方式是利用結構化數據、挖掘用戶數據和利用記者數據模型生成稿件,可以看作是媒介變革的第一階段。Hamilton 和 Turner(2009)主張計算新聞學建立在兩種熟悉的方法上:計算機輔助報告和社會科學工具和模型的使用。⑨在此階段,這些工具主要是用來幫助新聞工作者分析大量數據以提高報告質量的,而不是代替人類新聞記者撰寫報道。為此,計算機輔助報道給新聞實踐帶來的大部分變化是關于新聞收集、生產和傳播的,而不是撰寫新聞稿件。

寫作算法的興起則代表了媒介變革的第二階段,因為它開始重塑新聞事業的基本部分——寫新聞稿件。在這一階段,自然語言生成算法的發展使得新聞媒體的轉換速度越來越快,可以生成完整的體育、經濟和突發新聞報道,很少或沒有人類記者的幫助。并且還可以對受眾新聞閱讀行為精準測量和預測,再將新聞以信息的形式推送給受眾。

(二)新聞可信度研究:媒介、內容與信息源

新聞質量可以從多方面衡量,例如新聞的語言結構及新聞來源等。以往的研究發現,新聞可信度是決定新聞質量的重要因素。這可以從不同維度測量,通常從信息源(source)、信息內容(content)和傳播媒介(medium)三方面展開。⑩信息源可信度的研究主要是有關信息源的專業性和可信任性。信息內容可信度是受眾對信息質量、準確度和價值的可信任程度的感知。媒介可信度是受眾對信息傳播媒介可信任程度的感知。1951年,自霍夫蘭及同事開始研究新聞可信度后,許多學者開始關注這個領域。例如Flanagin和Metzger通過問卷調查和實驗研究發現,盡管維基百科的使用越來越普遍,但人們對它的信任度并不太高,尤其是在與在線大英百科全書的對比實驗中,不論成人還是兒童都認為同樣的內容出現在大英百科全書網站上更為可信,維基百科的可信度則最低。在20世紀60年代,美國羅珀(Roper)機構便就電視和報紙這兩種傳統媒體開展了一項民意調查,結果表明,在公眾眼中電視是一種比報紙、雜志和收音機更為可信的新聞渠道。紐哈根和納斯認為這是因為電視新聞屬于“內源”且體現了“眼見為實”這一理念,因而更易獲得公眾信賴。

(三)機器人新聞可信度研究

機器人新聞的可信度是一個與內容質量相關的概念,近年來一些國外學者開始涉及這個領域。Clerwall(2014)曾把一篇機器人新聞和人類記者編寫的新聞進行比較,研究新聞受眾如何看待這兩者的可信度。他認為兩種類型的新聞報道在可信度上沒有顯著差異。在同一項研究中,他還發現,那些傳播學專業的大學生(46名)并不能正確地辨認出是記者還是機器人寫的文章。在另一項擁有較大樣本(232名)的研究中,荷蘭學者Van der Kaa & Krahmer研究了記者和新聞受眾對于機器人新聞的可信度有何不同。在這項研究中,參與者被要求評估一篇有關體育賽事、足球比賽或金融新聞等組成的機器人新聞。研究結果表明,新聞記者和新聞受眾在新聞報道的可信度和新聞質量評估方面都沒有顯著差別,這符合Clerwall的研究即無論新聞文章被標記為記者或機器人,受眾對其可信度的評估差異沒有顯著不同。

三、研究問題的提出

根據以上文獻綜述,本研究提出以下三個研究問題：研究問題一:當受眾被告知新聞報道是由記者編寫或是由機器人生成的時候,他們對新聞報道質量的看法是否不同？研究問題二:對于人類記者和機器人編寫的新聞,受眾的喜好有何不同？本研究不僅研究機器人新聞的可信度,而且探討新聞受眾對機器人生成的新聞文章的喜愛程度。相比那些由人類記者編寫的文章,機器人新聞是否是“沉悶的、生動的、有趣的還是令人愉快的”。研究問題三:相比而言,受眾更加信任人類記者還是機器人編寫新聞報道？研究人員認為,信任和可信度這兩個術語并不是相互排斥的概念。在新聞學研究中,對新聞報道的信任包括新聞主題的選擇、事實描寫的準確性以及對新聞專業性的評價。

四、研究方法

本研究采用了2(啟動信息:有,無)X 2(作者:機器人,記者)X 2(媒體:網絡,傳統)X 3(新聞話題:體育、財經、突發新聞)之間的主題設計,以調查受眾對機器人新聞的反應。實驗開始之前,受眾被隨機分成了兩組,一組接收啟動信息,另一組則沒有。啟動信息如下:“Automated Insights公司制作的新聞報道都是由計算機自動生成。通過計算機程序,越來越多的機器人或計算機新聞記者已經開始利用數據并遵循寫作規律進行新聞報道。雖然近來越來越多的新聞媒體已經開始采用計算機自動生成的新聞,計算機生成新聞的質量和品質仍然引發了不少質疑。”

參加者然后隨機閱讀一則新聞并回答有關問題,結束后需要留下性別、年齡和受教育程度信息。三則相似長度的新聞(經濟、體育和突發)均翻譯自《紐約時報》,每則新聞標注為記者和機器人寫作,并來自不同類型的媒體(騰訊新聞或《南方日報》)。因此,每則新聞有四個版本,十二種實驗條件。即自變量:1.媒體。選擇《南方日報》和騰訊新聞因為它們分別為當地大學生使用的主要傳統和網絡媒體。2.報道者。分別為人類記者和機器人。因變量:1.新聞報道質量。根據Sundar 和Nass(2001)可感知的新聞質量可用四個指標來衡量。針對文章可使用諸如“清晰、連貫、簡潔”等字眼來描述的程度,參與者被要求用里氏量表進行評分(1=很差,7=很好)。2.對新聞報道的喜愛程度。與可感知的新聞質量相似,Sundar and Nass(2001)也使用了五個指標來測量受眾對新聞報道的喜愛程度。關于使用形容詞“沉悶、生動、讓人愉悅的、有趣的”等詞匯來描述的程度,參加者被要求用里氏量表進行評分(1=很差,7=很好)。3.對新聞報道的信任度。Kohring 和 Matthes(2007)曾使用了16個指標來測量新聞報道的可信度。關于諸如“新聞報道得到了必要的關注”或“新聞報道的重點是新聞事實”“報道的信息是真實的”“報道者的觀點是全面的”等陳述,參加者被要求用里氏量表進行評分(1=強烈不同意,7=強烈同意)。本研究在qualtrics上共收集了196份問卷,調查時間為2017年9月至2017年10月。參加者為中國華南某高校的大學生(N=196),有40位填寫了個人信息。其中141位(72.4%)女性,54位(27.6%)男性,192 位(98%)是本科學生,4位(2%)是研究生。

五、結果與討論

本研究在分析數據之前,首先進行了一系列方差分析,以檢驗參與者的性別、年齡或教育背景是否對調查結果產生影響。結果表明,所有這些變量與其他變量之間沒有顯著的關系,隨后的統計分析不再考慮這些變量。

卡方檢驗測量了啟動效應,結果表明與未接收啟動信息的受眾(N=14)相比,接收過啟動信息的受眾中沒有人(N=0)將機器人記者誤認為人類記者,(N=55),χ2(2,N=196)=15.73,p<0.001。另一次卡方檢驗被用來測試對媒體類型的影響,結果表明受眾可以準確辨識自己閱讀的新聞是來自騰訊新聞(N=71)還是來自《南方日報》(N=78),χ2(2,N=196)=112.73,p<0.001。數據分析如下:

(一)研究問題1:可感知新聞報道質量

2(啟動信息)X 2(記者)X 2(媒體)X 3(新聞主題)多元方差分析被用來分析受眾如何看待人類記者或機器人新聞編寫的新聞。分析顯示,啟動信息并沒有顯著的影響。Wilks’Λ=0.97,F(9,164)=0.53,p=0.85,部分 η2=0.03。記者 Wilks’ Λ=0.95,F(9,164)=0.90,p=0.53,部分η2=0.05。媒體 Wilks’ Λ=0.93,F(9,164)=1.42,p=0.18,部分η2=0.07。新聞主題 Wilks’Λ=0.88,F(9,164)=1.25,p=0.22,部分η2=0.06。

對于媒體X 記者X新聞主題互動的單因素分析顯示,盡管媒體、記者、以及新聞主題對信息質量和可信度的影響不顯著,媒體、記者和新聞主題這三者間的互動卻很顯著。Wilks’Λ=13.80,F(2,172)=5.23,p<0.01,部分η2=0.06；可感知的信息質量,Wilks’Λ=9.73,F(2,172)=5.09,p<0.01,部分η2=0.08；可感知的信息重要性,Wilks’Λ=14.28,F(2,172)=5.19,p<0.01,部分η2=0.07；對媒體的信任,Wilks’Λ=8.96,F(2,172)=5.69,p<0.01,部分η2=0.06。

根據圖1,對于網絡媒體來說,記者對受眾對突發新聞和體育新聞可信度的評價沒有多大影響(突發新聞:人類記者M=4.53.SE=0.27,機器人記者M=4.20.SE=0.37;體育新聞:人類記者M=3.80.SE=0.32,機器人記者M=3.66.SE=0.27)。然而,報道者對經濟新聞有著重大的影響,如機器人報道的經濟新聞(M=4.12,SE=28)被認為比人類記者(M=2.88.SE=0.44)報道的更可信。對于傳統媒體而言,記者對受眾對體育新聞可信度的評價沒有多大影響(人類記者M=4.08.SE=0.33,機器人記者M=4.22.SE=0.30)。然而,記者顯著影響了受眾對經濟新聞和突發新聞的可信度感知。人類記者報道的經濟新聞(M=4.83.SE=0.33)被認為比機器人報道的經濟新聞更可信(M=4.11.SE=0.30)；相反,人類記者報道的突發新聞(M=3.75.SE=0.33)被認為不如機器人報道的突發新聞可信(M=4.43.SE=0.37)。

圖1 可感知新聞報道可信度比較

圖2 可感知新聞報道質量

如圖2所示,對于網絡媒體,記者對體育新聞的感知質量沒有太大的影響(人類記者M=3.51.SE=0.27機器人記者M=3.60.SE=0.23)。然而,記者顯著地影響了受眾對經濟新聞和突發新聞的感知質量。例如，受眾認為人類記者報道的突發新聞(M=4.21.SE=0.23)比機器人新聞(M=3.72.SE=0.31)的質量好。相反,人類記者報道的經濟新聞(M=3.57.SE=0.37)被認為比機器人報道的經濟新聞的質量低(M=3.95.SE=0.24)，但對于傳統媒體,人類記者報道的突發新聞(M=3.13.SE=0.28)與機器人編寫的突發新聞(M=4.09.SE=0.31)相比,被認為質量不高。這與經濟新聞(人類記者M=4.32.SE=0.28,機器人記者M=3.77.SE=0.26)和體育新聞(人類記者M=4.01,SE=0.28,機器人記者 M=3.52.SE=0.25)的模式不同。

(二)研究問題2:新聞報道的可感知信息重要性

如圖3所示,對于網絡媒體,記者與機器人寫作對體育新聞(人類記者M=2.48.SE=0.33,機器人記者M=2.73.SE=0.28)和突發新聞(人類記者M=3.08.SE=0.28,機器人記者M=2.79.SE=0.38)的感知重要性影響差別不大。然而,記者寫作在更大程度上影響了受眾對經濟新聞的感知,例如人類記者報道的經濟新聞(M=3.57.SE=0.37)被認為不如機器人報道的那么重要(M=3.95.SE=0.24)。然而,對于傳統媒體來說,記者對突發新聞的影響遠大于對經濟新聞的影響(人類記者M=2.90.SE=0.34,機器人記者 M=2.67.SE=0.31)和體育新聞(人類記者M=2.48.SE=0.34,機器人記者M=2.68.SE=0.30)。例如機器人報道的突發新聞(M=4.19.SE=0.37)被認為比人類記者報道的更重要(M=3.08.SE=0.28)。

圖3 可感知信息重要性

(三)研究問題3:受眾對機器人和人類記者新聞信任度比較

如圖4所示,記者對網絡媒體上的體育報道的信任度沒有多大影響(人類記者M=3.74.SE=0.25,機器人記者 M=3.82.SE=0.21)。然而,記者對網絡媒體上的經濟新聞和突發新聞的信任程度有顯著影響。例如,受眾對人類記者報道的突發新聞(M=4.06.SE=0.21)比機器人報道的突發新聞(M=3.72.SE=0.28)的信任度要高。而受眾對機器人編寫的經濟新聞(M=3.90.SE=0.22)比人類記者報道(M=3.03.SE=0.34)的經濟新聞信任度要高。

傳統媒體上的情況則正好相反。記者對體育新聞的信任度沒有顯著影響(人類記者M=3.58.SE=0.26,機器人記者 M=3.73.SE=0.23)。但受眾對人類記者編寫(M=4.24.SE=0.26)的經濟新聞比機器人編寫的經濟新聞(M=3.61.SE=0.23)更加信任。然而,受眾對機器人編寫的(M=4.19.SE=0.28)突發新聞比人類記者編寫(M=3.56.SE=0.26)的更加信任。

圖4 對新聞報道的信任度比較

如圖5所示,對于網絡媒體,記者對體育新聞的分享意愿沒有太大的影響(人類記者M=2.58.SE=0.38,機器人 M=2.47.SE=0.32)。然而,記者對經濟新聞和突發新聞的分享意愿有顯著的影響。例如受眾對于人類記者報道(M=2.99.SE=0.32)的突發新聞比機器人報道(M=2.45.SE=0.43)的分享意圖更強烈,但受眾對于機器人編寫(M=2.58.SE=0.33)的經濟報道比人類記者報道的(M=1.80.SE=0.52)分享意愿更強。對于傳統媒體,記者對體育新聞(人類記者M=2.43.SE=0.39,機器人(M=2.25.SE=0.35)和經濟新聞(人類記者M=3.03.SE=0.39,機器人M=2.70.SE=0.35)的分享意圖沒有顯著影響。受眾對機器人編寫(M=4.03.SE=0.43)的突發新聞比人類記者報道(M=2.30.SE=0.39)的更有分享的意愿。

圖5 新聞分享意愿比較

綜上所述,受眾普遍認為網絡媒體上機器人生成的新聞比人類記者編寫的質量高。但在傳統媒體中,人類記者編寫的新聞報道比機器人生成的質量要高。

總體來說,媒體機構對新聞質量沒有顯著的影響。有關不同新聞報道的喜好結果顯示,受眾認為網絡媒體上的機器人生成新聞更加有趣,而傳統媒體上的人類記者新聞更受歡迎。有關新聞可信度的結果則表明,網絡或傳統媒體上的新聞可信度并沒有顯著差別。第二階段的問卷調查結果與第一階段的調查結果接近,不同職業和所在地區并未對調查結果產生較大的影響。

盡管本文對機器人新聞受眾研究提供了實證案例,但依然有以下局限。首先,實驗是在網上進行的,這會引起外界環境因素對調查結果未指明的影響的擔憂。其次,本研究選擇的是熟練掌握現代信息和傳播技術的人群,那些未能熟練掌握該技術的人群或許對機器人新聞有著不同的看法。最后,本文選擇的新聞類型(體育、財經、突發)主要是機器參與度比較高的新聞樣式。對于深度報道和調查性報道等機器寫作參與程度不高的新聞樣式目前還不能采用本文的分析方式來測量。機器寫作是否只適合程式化的寫作？未來的機器寫作是否能在某些領域完成個性化創作？這些問題目前還沒有答案,有待進一步探索。因此,未來的研究除了盡量覆蓋更廣闊的人群之外還可以考慮擴大新聞類型。

(感謝美國賓夕法尼亞州立大學傳播學院鐘布教授的指導。)

注釋:

① Pavlik,J.V.,NewMediaandNews:ImplicationsfortheFutureofJournalism. New Media & Society,1(1),1999.pp.54-59.

② 鐘布:《后IT時代的傳媒產業創新》,《深圳大學學報(人文社會科學版)》,2017年第5期。

③ 彭蘭 :《智媒化:未來媒體浪潮——新媒體發展趨勢報告》,《國際新聞界》,2016年第11期。

④ 鄧建國:《機器人新聞:原理、風險和影響》,《新聞記者》,2016年第9期。

⑤ Theune,M.,Klabbers,E.,De Pijper,J.R.,Krahmer,E.,& Odijk,J.,FromDatatoSpeech:aGeneralApproach.Natural Language Engineering,7(1),2001.pp.47-86.

⑥ Carlson,M.,TheRoboticReporter:AutomatedJournalismandtheRedefinitionofLabor.Compositional Forms,and Journalistic Authority,Digital Journalism,3(3),2015.pp.416-431.

⑦ Anderson,C.W.,TowardsaSociologyofComputationalandAlgorithmicJournalism,New Media & Society,15(7),2012.pp.1005-1021.

⑧ D?rr,K.N,MappingtheFieldofAlgorithmicJournalism,Digital Journalism,4(6),2015.pp.700-722.

⑨ 許向東、郭萌萌:《智媒時代的新聞生產:自動化新聞的實踐與思考》,《國際新聞界》,2017年第5期。

⑩ Chung,Chung Joo,Hyunjung Kim,and Jang Hyun Kim,AnAnatomyoftheCredibilityofOnlineNewspapers,Online Information Review 34(5),2010.pp.669-685.