何映霏 理解-协商-阐释：技术创新采纳中新闻从业者的AI想象

　　生成式人工智能与新闻从业者之间的互构关系正深刻重塑着新闻业的生态格局。本研究融合创新扩散理论与社会技术想象理论，通过对25位新闻从业者的深度访谈与扎根理论分析，构建出“理解-协商-阐释”的分析框架，呈现出从业者AI想象的动态演化过程。研究发现：一是理解维度，新闻从业者主要从“相对优势、兼容性、复杂性、可试性和可观察性”去感知与评估技术创新；二是协商维度，新闻从业者共同呈现出“工具理性、身份区隔、替代焦虑”的集体叙事特征；三是阐释维度，新闻从业者的技术参与类型可分为先行者（深度嵌入）、探索者（机械嵌入）、保守者（防御性嵌入）和抵抗者（零嵌入）。这些发现不仅揭示了新闻从业者面对早期技术创新的认知态度与行动逻辑，也为理解其在技术创新采纳过程中对AI的想象提供了一种解释路径。

　　生成式人工智能（generative artificial intelligence，简称GenAI）与新闻从业者（下文简称从业者）之间的互构关系，已成为近年来数字新闻业的核心议题。目前中国新闻业正在进行的系统性变革，更是将生成式人工智能技术的应用作为创新突破的重要技术路径。当公众尚未与新技术产生互动时，新技术对于公众而言仍笼罩神秘色彩。莎士比亚的《仲夏夜之梦》或许可以给我们一些启发：“想象的力量可把不曾发现的东西变得具体，所以诗人的笔就可描写它们的形状，给虚无缥缈的东西以住址和姓名。”这一表述为理解二者的互动提供了切入点。GenAI初期，对从业者而言同样经历了从未知到认知再到接受的过程，从业者一次又一次地发挥对它的想象，畅想着技术为新闻生产实践描绘的新蓝图，应用其知识，付诸其行动，其本质正是借“想象”为该技术赋予“住址与姓名”。

　　当前，GenAI与新闻业的融合仍处于探索阶段，从技术发展规律来看，重大技术的普及往往需经历长周期，这一特征在15世纪古登堡印刷术、互联网及自动驾驶技术的发展历程中均有体现；而人工智能（下文简称AI）虽已历经六十余年发展，但从市场应用维度判断仍处于早期阶段，其与新闻业的融合进度亦符合这一技术扩散规律。2024年《人工智能时代新闻媒体的责任与使命》显示，全球仅10.2% 的媒体机构全面引入AI并建立配套机制，41% 的机构仍处于局部试用探索阶段（新华社，2024）。实证研究进一步指出，当前新闻机构对AI的实际应用远未达到大规模推广水平，且技术自身的发展目标与新闻业当下的核心需求之间仍存在差距（周葆华，陆盈盈，2024；刘于思，闫文婕，2024）。在此背景下，王辰瑶（2023）认为，新闻业与新闻人的未来是由新闻业面对技术的认知和行动方式决定的。

　　具体来看，从业者普遍将GenAI视作“亦敌亦友”的存在：一方面，他们对GenAI持乐观态度，将其视为提升新闻生产效率的助手（Serdouk & Bessam，2023；Thäsler-kordonouri & Barliag，2023）；另一方面，出于对“AI幻觉”的担忧，他们又表现出审慎甚至抗拒的态度，力图维护新闻伦理与专业价值（Nishal & Diakopoulos，2023；Cools & Diakopoulos，2024）。而这种态度分化，恰恰反映出从业者对AI技术既期待又警惕的复杂心态，以及对技术前景的不确定性。

　　社会技术想象理论为从业者对新技术的认知态度和行动逻辑提供了一种有价值的理论视角。据Jasanoff（2009）的界定，其作为上位概念，指特定社会群体对技术发展形成的制度化集体认知框架与未来愿景，核心在于揭示技术与社会之间通过集体认知建立的关联逻辑。本研究聚焦的从业者“AI 想象”正是这一理论的具体化呈现。同时，本研究引入创新扩散理论，通过梳理从业者对GenAI的认知差异，旨在探讨从业者围绕该技术形成的情感认知与行动预期，为深入解析“AI想象”的特征与形成逻辑提供经验支撑。

　　本研究结合创新扩散理论和社会技术想象理论，将GenAI看作新闻业的技术创新，以从业者为对象，力图跳出对“新闻机构是否采纳GenAI”现象的二元化描述，通过深度访谈和扎根理论的研究路径，系统考察从业者在技术创新采纳过程中对AI的想象，进而分析对新闻业技术创新发展趋势的预期判断。为此，本文拟提出三个研究问题：从业者如何认知GenAI技术创新的特征？从业者群体形成了何种集体叙事？从业者采取哪些行动策略以应对GenAI技术创新？

　　GenAI是AI的重要分支，特指具备自主生成文本、图像、音视频等内容能力的智能技术形态（如 ChatGPT、DeepSeek 等开源大模型），区别于侧重数据处理、自动化执行的传统AI技术。2022年底ChatGPT引发全球热潮，2023年，ChatGPT4.0实现了从单一文本到多模态处理的突破。2025年初，中国深度求索公司推出DeepSeek，该模型凭借深度思考技术架构和开源策略，在AI领域引起广泛关注。实际上，新闻业使用AI已有很长一段时间，但早期多聚焦自动化新闻报道，例如体育赛事和天气预报，而随着具备自主内容生产能力的GenAI兴起，从业者开始主动探索GenAI在新闻全流程应用的可能性。

　　GenAI技术为新闻业带来了机遇与风险的双重特征。正如刘于思和闫文婕（2024）所言，ChatGPT引发的学术研究热潮，反映出技术解决主义与能动性恐慌的双重话语交织。当下学界形成了赋能、威胁与共生三种观点。赋能层面，GenAI通过文字和图片等内容生成、智能数据检索、数据分析与新闻校对等功能提高新闻采写的数量与速度，进而优化运营效率（Serdouk & Bessam，2023；Thäsler-kordonouri & Barliag，2023；蔡梦虹、陈衍宁，2025）。威胁层面，GenAI 存在伦理困境与专业冲击，可能过度简化复杂问题、生成误导性内容（Cools & Diakopoulos，2024；Nishal & Diakopoulo，2023）。共生层面，学界共识认为GenAI与从业者存在互补优势，新闻业未来将呈现“人机共生”态势，如 GenAI 在新闻场景中与从业者决策形成“混合模式”（Schifman，2022），但无法真正取代人类的主体地位。

　　随着新闻业人机协同的不断深化，学界对从业者的研究从早期聚焦技术革新性特征，转向探究其技术接受度差异的深层原因。van Dalen（2024）指出，新闻机构在推动技术创新时的保守倾向，易引发从业者的防御性反应，且这种反应是技术进步的必然结果。具体来看，从业者对于AI的适应、态度和实施差异，主要受两类因素影响：一是AI应用场景下的具体任务类型，二是从业者群体特征（Cools & Koliska，2024；Cools et al., 2024）。综上所述，既有研究一定程度上探讨了GenAI的应用现状和从业者对该技术的不同反应，但对从业者在面对AI技术时所展现出的主体能动性关注不足，以及从业者与技术持续互动的动态关系研究仍有进一步深化的空间。

　　1962年，罗杰斯在《创新的扩散》中首次将创新扩散理论纳入传播学视野，定义为“创新被认为新颖的观念、实践或事物，经特定渠道在社会系统成员间随时间传播的过程”。罗杰斯（2003）后续提出的“认知、劝服、决策、实施、确认”五阶段模型与“相对优势、兼容性、复杂性、可试性、可观察性”五大属性，成为解析新闻业技术采纳的关键维度。就采纳者的群体差异而言，罗杰斯将其划分为“创新先驱者、早期采用者、早期大众、后期大众、落后者”五类，后续新闻业相关研究进一步细化此分类。

　　创新扩散理论虽已发展为技术创新研究的主导范式，但现有研究多聚焦“采纳与否”的行为差异及影响因素，对从业者面对技术时的主观认知、价值关切与意义建构过程关注不足，这一视角局限恰好为社会技术想象理论的引入提供了逻辑空间。

　　“社会技术想象”（sociotechnical imaginary）突破了传统技术决定论的局限，聚焦特定社会群体对新兴技术的集体认知框架、情感态度与价值判断（Taylor，2004）。Jasanoff进一步将其定义为“被特定社会群体所共享、并被制度化的未来愿景，由科技进步与社会生活的共享理解所驱动，并通过技术实践得以形塑（Jasanoff & Kim，2009），为研究技术主观认知提供重要视角。GenAI的兴起为社会技术想象研究提供了典型对象，学界也随之深化对该理论作用机制的研究，如有研究指出多元话语行动者对ChatGPT的社会技术想象呈现“权力秩序”、“身份区隔”、“现实投射”的差异化特征，为理解技术的集体认知逻辑提供了参照。

　　社会技术想象为新闻业承担着锚定目标、划定边界与激活潜能的功能（Karhunmaa，2019）。而从业者对AI与新闻未来的共同愿景，正是这种想象在新闻业场景中的具身化体现（Hepp & Loosen, 2021；Bucher & Loosen，2017）。在从业者与技术不断互动的过程中，Jones等（2022）指出AI与BBC记者的认知水平存在明显脱节，后者常以猜测和想象替代对技术的准确认知，Pranteddu 等（2024）对四国媒体从业者的调研发现，多数从业者将AI视为协作伙伴，认可其在提升效率、优化数据分析等辅助工作中的价值，但在写作、事实核查等核心环节仍需亲自把关，以维护新闻真实性、编辑自主性等职业伦理。这些研究都展现出从业者在与AI互动中的认知差异。

　　鉴于此，本研究将“创新扩散理论”与“社会技术想象理论”融合于一个整体分析框架，为理解新闻业中早期技术创新采纳提供合理的解释路径。一方面，创新扩散是通过时间逐步扩展、经历试错的动态过程，而传统扩散模型难以全面概括新闻机构早期采纳行为的不确定性与探索性。另一方面，社会技术想象理论关注行动者对新技术的情感取向和价值立场。为此，本研究将创新扩散理论的“过程视角”与社会技术想象理论的“主观认知视角”有效结合，旨在分析技术创新采纳过程中从业者对AI在新闻业未来发展的社会技术想象。

　　本研究通过滚雪球方式，对25名从业者展开半结构化深度访谈，其中男性13名，女性12名，并以F和M为受访者进行编码（F=Female女性，M=Male男性，受访者基本信处详见文末附录)。本次访谈采取线小时，受访者来自报社、通讯社、电视台等多家媒体机构，受访者年龄在25～45岁之间，工作年限都超过三年，均为记者或编辑（包括新媒体编辑）。再次，访谈内容围绕“对AI的理解与感受、对AI的接触与使用情况、AI的使用场景、AI的优点与缺点”等相关问题，以确保受访者的回答涵盖我们的研究问题。同时，在告知受访者访谈目的、数据用途以及匿名处理方式后，对相关新闻机构和姓名进行了模糊化处理。

　　本研究通过扎根理论对访谈资料进行分析。扎根理论是一个系统性归纳的过程，其宗旨是在经验材料的基础上建立理论的定性研究路径，是一套自下而上不断比较、归纳、分类的方法，直至达到理论饱和（陈向明，1999）。分析过程共分为三个阶段：第一阶段为开放式编码，从这25份访谈资料中可以发现研究资料已经接近饱和，初步浏览后开始导入Nvivo11软件。为了保证编码的一致性，整个过程由两位编码员共同完成，经反复推敲、筛选、合并重复编码后达成共识。第二阶段为主轴式编码，厘清概念类属之间的逻辑关系，逐步使范畴的属性和维度具体化，形成更高抽象层次的主范畴。通过比对，研究发现初步指向“技术创新属性的认知-从业者的集体叙事-从业者参与创新类型”三个主范畴，与之对应的次要范畴和开放性编码（见表1），为接下来的理论建构提供铺垫。第三阶段为选择性编码。该阶段目标是系统性地处理各个主范畴之间的关系，从而形成在基于所有范畴关系之上的理论框架，并提炼出一个具有统领性的“核心范畴”，即“理解-协商-阐释”（见图1），构建出“新闻从业者的AI想象”理论框架。

　　该模型结合了创新扩散理论与社会技术想象理论，并以扎根方法锚定从业者的日常经验。首先是“理解：技术创新属性的认知”，即从业者基于职业经验对AI技术创新属性（相对优势、兼容性、复杂性、可试性、可观察性）形成的主观感知与评估；其次是“协商：从业者的集体叙事”，即从业者通过“工具理性、身份区隔、替代焦虑”三类集体叙事，完成对AI技术的价值取向与职业身份的博弈与建构；最后是“阐释：从业者参与技术创新类型”，即从业者参与AI技术创新的差异化行动逻辑，这些逻辑以“认知水平-态度取向”矩阵为分类依据，可划分为“先行者、保守者、探索者、抵抗者”四类行动者，进而折射其对AI与新闻业的未来愿景构想。这三个维度“理解-协商-阐释”，层层递进、相互作用，共同构建了新闻从业者AI想象的理论框架。

　　从业者认知AI技术的五大创新属性——相对优势、兼容性、复杂性、可式性、可观察性，从根本上塑造了其对AI技术的感知与评估过程，进而构成驱动该技术采纳与扩散的核心要素。

　　1.相对优势。相对优势是指相较于传统观念或技术的优越程度。GenAI技术因提升了新闻生产效率获得了从业者的乐观预期。策划阶段，大模型可辅助数据采集分析，“提供丰富的背景信息资料”（M3），为选题提供线索；采写环节，可以生成采访提纲、标题、摘要给从业者提供参考，还能生成消息类报道以“快速形成初稿、减少人力成本”（F5），“用虚拟主播完成简单播报”（F9），也能借GenAI 转录工具替代实习生整理录音等基础工作，“原来整理录音常耗时一小时”（F9），释放人力聚焦深度生产，还可辅助制作创意内容，如“海外版两会特刊用AI做国潮风格版面”（M2），拓展报道视角；编辑环节，GenAI 审校能“检查基本文法错误，准确率高”（F6），助力提升内容准确性与专业性。此外，GenAI还可生产主营业务以外的产品（如AIGC短视频）。正如王焕超（2024）指出，其相对优势体现在新媒体运营“边角料”生产中：作为纸媒、电视台正片之外的运营宣传物料，这类内容是全媒体时代媒体创收与影响力的核心载体，能满足多平台“一日多更”需求。

　　2.兼容性。兼容性是指人机协同的流畅性及GenAI与新闻价值体系的适配度。从组织适配来看，媒体机构优化GenAI系统界面，使其无缝对接现有工作流程，降低技术采纳成本，如“部门有专门工作页面整合AI应用与智能审核”（M7）。同时GenAI可24小时配合全天候值班机制，像“猫头鹰工具帮值班记者捕捉市场资讯”（M4），助力记者们及时获取关键信息，提升新闻响应速度与竞争力。从报道载体适配来看，GenAI为新闻报道提供多模态形式和模板库，支持新闻内容自动适配多平台，契合“一鱼多吃”的媒体融合目标（M2）。GenAI 还推动报道从纯文本转向“可视化、立体化”的多模态传播，“可以让政治性强的新闻更有趣”（F8）。

　　3.复杂性。复杂性是指GenAI技术的使用难度与技术门槛，从业者在应用中面临技术生态、操作门槛、数据真伪三重障碍，一定程度上延缓了其在新闻领域的渗透。首先，技术生态的不兼容性增加了复杂性。在2025年国产大模型崛起前，文心一言、豆包、Kimi等在新闻场景中表现参差不齐。而ChatGPT4.0因网络访问限制，从业者最终还是望而却步，“想试试，但翻墙收费且麻烦”（M12），即便机构接入第三方接口也存在系统不稳定的问题。其次，操作存在一定的技术门槛，当前媒体普遍无强制学习要求，“领导没有要求，是自己想学”（M8）。当下，AIGC正在重塑新闻业的人才结构，催生了“提示工程师”这一新兴职业角色。从业者需额外投入时间精力掌握专业指令设计与数据喂养方法，否则难以高效使用大模型，受访者也坦言，“没学过提示词，很难获得想要的答案”（F11）。再次，大模型训练数据可能源头污染，导致可信度存疑。从业者难辨线索真伪，这加剧了从业者把关的复杂性，甚至牵连相关人员承担相应责任，换言之，对新闻真实性的验证仍高度依赖采编人员的专业判断。“我其实不清楚大模型的底层逻辑是什么，大模型帮我做信息检索时，如果从一开始提供的信息数据或源头数据就掺假，导致很多结论都是错的，需花费大量的时间甄别”（M13）。

　　4.可试性。可试性是指GenAI正式采用前可小范围试用与逐步推广，用于评估效果与可行性。例如，相关的培训活动和体验过程能帮助从业者获得对创新的个人理解。GenAI发展初期，多家媒体机构通过专家定向培训普及技术、开放试用名额，“大模型刚兴起时，账号需要提前申请使用名额，我们媒体就组织了相关培训，普及概念，也让我们提前体验了大模型”（M10）。从业者借此直观评估效能与适用性，积累的一手经验成为技术采纳决策的关键。当前，互联网公司针对财经媒体场景开发专用 GenAI，先小范围调研需求确定核心功能，“他们会根据我们的意见来调整AI技术的使用”（F3）。媒体也多采取渐进式策略，先在“新媒体或创意部”等岗位试点，“小范围内试用后逐步推广到整个新闻生产流程中”（F3）。这样既控制技术风险，又保障GenAI与新闻生产需求的适配度。

　　5.可观察性。可观察性是指GenAI技术成果的可见性与应用效果。Boczkowski（2010）指出，部分媒体机构以临时性试点来应对技术变革，本质上是模仿行业先行者，反映出组织间模仿的行为特征。本研究亦发现，多家媒体机构在实践中对标中央媒体。从业者观察到同行用新技术见效后，常因职业发展考量跟进以避免被淘汰，比如，市场爆款案例“我的军装照AI互动创意”也引发行业示范效应与跟进压力，呈现“羊群效应”。但新闻业对新技术的追逐存在盲目性，如多家媒体定制“数字主播”这一现象，受访者对此表达了审慎态度：“多数媒体无主持人短缺的问题，虽然认为这样可以缓解主持人的工作压力，但这种需求逻辑并不成立，毕竟不是都存在媒体主持人人力过剩或不足的情况”（F9）。这种“为了用而用”的创新既浪费资源，还可能误导行业方向。林照线）同样发现，此类竞争引发的新闻同质性泛滥，对行业发展不利。

　　从业者对GenAI技术的态度受到多种因素的影响，包括技术本身的特性、个人经验、行业发展趋势等。在技术创新扩散的早期，从业者内部之间容易产生意见分歧。因此，从业者对AI的集体叙事呈现出鲜明的协商性特征——在工具理性、身份区隔与替代焦虑的三重张力中得以重构。

　　其一，在工具理性的逻辑下，GenAI技术正以“智能协作者”的角色深度融入新闻生产流程，通过自动化改造与效率提升来实现对从业者工作的赋能，其核心价值首先体现在对基础性工作的承接，如信息抓取、数据整理和模板化内容生成，使从业者得以从程式化劳动中解放；其次表现为专业能力的延伸，通过智能转写、内容校验和传播优化等功能，强化从业者的核心采编优势；最终形成稳定的“人机协同”工作模式，来达到“专业性与效率”的平衡。“AI在新闻行业已经应用得很广泛了，我们和这些智能工具磨合了挺长时间，现在它就像个得力的小助手一样”（M10）。

　　其二，在讨论GenAI技术时，从业者倾向于强调人类记者的不可替代性，这种集体话语本质上是通过“身份区隔”来维护专业群体的职业边界。一方面，从业者强化新闻敏感度、专业判断、现场报道能力以及求真精神等非量化的专业素养，构成了AI技术难以逾越的专业壁垒。例如，大模型生成内容往往陷入同质化，既缺乏对新闻事件背景的深度把握，“它不太能够判断我们想要的新闻点，它可能只能给出泛泛而谈的内容”（F8），也难以呈现具有洞察力的独到观点，“大模型生成出来的采访提纲，因无法理解专业背景，反而增加了我们解释的时间”（F1），这些要素都高度依赖从业者的专业积累与判断力。作为建构社会认知的媒介功能，新闻工作的本质不仅在于信息传递，更在于通过专业的叙事帮助公众理解和阐释复杂的社会现象。“现在AI写文章最缺‘问题意识’。你看咱们记者写稿时，总想着把事儿说透、让人信服，但AI目前还做不到这种带观点的深度表达”（F2）。另一方面，从业者通过“能力领域划分”实现人机优势互补，将AI定位为标准化事实性工作的执行者，而将“深度访谈、调查报道、突发事件”等需要社会洞察力的领域划为人类专属领域，“AI其实早已将记者从程式化写作中解放出来，我们现在更专注做深度调查”（M3）。这种专业化分工不仅优化了资源配置，更使从业者能够集中精力深耕调查性报道与解释性新闻。这种身份区隔的建立，既反映了布尔迪厄（2017）所说的“场域保卫”行为，又是专业共同体应对技术冲击的一种自我防御机制。“会采访的记者不会被AI取代，因为AI不会采访啊！难道AI会通过反问、追问去核实吗？如果连跟人打交道的记者都能被替代，那么其他行业也无一幸免，跟AI聊天和跟真人对线）。

　　其三，GenAI技术引发了从业者的替代焦虑。不仅传统新闻采编技能面临技术性贬值风险，还会因岗位流失带来职业发展的不确定性，进一步导致从业者的主体性陷入被技术逻辑边缘化的结构性困境。相关研究显示，台湾地区媒体在应用新技术的过程中，虽出于经济考量暂未因使用ChatGPT实施裁员，但部分媒体管理层在引入ChatGPT后，已开始考虑通过裁员降低人力成本（林照线）。而本研究同样观察到：本次主流媒体系统性变革中，技术的普及与部门大规模裁员、组织架构重组之间，似乎存在一定关联。多家媒体表示，“人力成本的降低空间巨大，未来可能会重新规划岗位”（F10、M8）。多家媒体强调的“结构性改革”，正是对媒体内部人员岗位配置、职能分工的优化调整，即通过人员结构的重构适配技术应用与成本控制需求。

　　此外，这种转型压力容易在不同年龄段从业者中产生“技术代际差异”现象——资深从业者面临传统技能转型压力表现出抗拒心理，表示新技术会导致新闻失去人文关怀和深度报道的能力。“对于在传统媒体已经从业20多年的老记者来讲，骨子里还是更看重传统深度报道的内容。现在那些七八秒的短视频或AI生成的空洞的内容，我真是欣赏不来——你说光看个十几秒的片段能获取什么有价值的信息？”（M5）。与此同时，数字原生代记者虽具备技术禀赋优势，却陷入“技术娴熟而专业贫瘠”的发展悖论。“年轻记者对AI适应得挺快的，他们天生就对新技术比较亲近，但他们专业基本功不足，像我们这些老记者压力就大得多，以前学的采编技能、工作理念都得跟着调整”（F7）。

　　人对技术的认知始终处于一个动态的过程之中（Bayerl et al.，2016）。为了更全面地了解从业者对GenAI技术差异化的认知态度与行动方式，本研究借鉴罗杰斯创新扩散中的五类采纳者类型（Rogers, 2002），通过访谈资料概括出从业者参与技术创新的四种典型类型。基于此，本研究采用“认知水平-态度取向”框架，二者交互作用形成“技术创新嵌入新闻生产的程度”，即“高-低”和“积极-消极”，前者解释从业者对技术创新的认知是较高或较低的的水平，后者解释从业者面对技术创新是积极或消极的态度，最终AI嵌入程度分别对应“深度嵌入、防御性嵌入、机械嵌入、零嵌入”，具体可以归纳为以下四种类型（见图2）。

　　1.先行者（高认知、积极态度）。这类从业者属于GenAI技术的“深度嵌入”，成为推动新闻业数智化转型的中坚力量。访谈显示，他们不仅深刻理解AI技术的核心优势，更能娴熟地将其运用于新闻生产的多个环节——从自动化新闻写作、智能视频剪辑到数据可视化分析等。“我们现在已经用得很‘溜’了，编辑只需核实关键信息，省去了重复劳动”（F3）。这种深度应用并非偶然，而是建立在对技术的充分认知和实践积累之上。“我们团队花了很长的一段时间，从简单的天气稿、赛事快讯，到复杂的调查报道辅助分析。现在AI已经成为我们工作流中不可或缺的一环”（M4）。

　　2.保守者（高认知，消极态度）。这类从业者呈现“防御性嵌入”特征——他们对GenAI技术抱持一种既期待又迟疑的矛盾心态。具体表现为：虽然认可GenAI在提升效率方面的潜力，但由于对技术不确定性的顾虑，如数据安全、内容准确性、伦理风险等，且意识到“AI幻觉”可能损害新闻的正当性，他们暂未全面推动GenAI的应用，在实际工作中仍倾向于延续传统工作方式。“用AI的时候，你明明觉得自己已经把需求说得够清楚了，但生成出来的东西总是差点意思，得反复调整措辞才能让它get到你的点，有时候真觉得用AI就像在玩‘你画我猜’，得试好几次才行”（M7）。实际上，AI幻觉的出现，是因为大模型感知到不存在或人类无法察觉的模式或现象，从而创建无意义或完全不准确的输出（IBM，2024），这种心理防御机制使得他们处于“谨慎观望”、“担忧”的状态，“等这个技术比较成熟、有更多成功案例的时候再跟进”（M1），在这种情境下，他们往往采取折中策略，选择在低风险场景小范围试用。“虽然我们引入了AI辅助写作系统，但实际使用率并不高，主要因为生成的稿件需要花大量时间去做人工核查”（F7），但这类人群是GenAI在新闻业中扩散的潜在力量，他们的态度将直接影响GenAI的进一步推广。

　　3.探索者（低认知，积极采纳）。这类从业者属于“选择性嵌入”，呈现出 “边用边学”的特征。他们对GenAI的认知仍停留在基础层面——由于自身工作职责需接触GenAI，或是受到同行示范效应而主动尝试。这种从众心理驱动了他们的采纳行为，成为他们深化GenAI认知的重要途径。然而，这类“勇于尝鲜”的从业者往往需要经历较长的适应周期，才能实现从被动接受到主动融合的转变。“一开始我们对AI技术了解不多，看到同行都在用，觉得不能落后。像××媒体他们的AI新闻推送效果不错，我们就想着也试试看，我们正好和几家技术公司有合作，他们给我们做了一些培训，虽然现在还有很多功能搞不明白，但大家都挺愿意尝试的，反正用不好也不会被批评嘛”（M10）。此外，这类从业者对GenAI的运用往往表现出明显的“试错驱动”特征，这种试错的本质是技术认知与业务需求脱节的表现。因此，从业者对GenAI功能的认知不足，加上现有技术对新闻垂直场景的适配有限，是导致其技术理解水平与采纳积极性之间存在落差的因素。“上周用AI写了一篇稿件，它把专业术语都搞错了，我们得花双倍时间修改。不过技术部的同事说，这系统会越用越聪明，所以我们现在就当是在‘养’一个数字实习生”（F12）。

　　4.抵抗者（低认知，消极态度）。这类从业者认为GenAI前景尚不明朗，目前处于“零嵌入”状态，是GenAI在新闻行业落地的主要阻力群体，他们对GenAI持明显的抵触态度，一是由于缺乏相关背景知识或兴趣而未能深入了解。“我不怎么用，可能也和部门有关，传统的纸媒使用率还是相对小一点，新媒体部门要多一些吧”（F4）。二是从业者始终对AI表示出不信任，他们无法甄别AI产品质量，“短时间内市面上其实出现了很多良莠不齐的大模型，我也不知道哪个适合我”（M12），也严重质疑AI生成新闻的水平，“AI现在的能力吧，就像自动驾驶技术一样，还处在及格线上。自动驾驶现在大概相当于普通司机70分的水平，AI写文章也差不多是这个水准，可能比一般人强点，但远不到专业水平。其实记者中能在这个行业站稳脚跟的，文字功底至少都是80分往上的，专业记者的文字工作AI目前还线 结论与讨论

　　主流媒体系统性变革大背景下，GenAI与从业者持续演化的互构关系正在建构未来数字新闻业充满想象的图景。本研究聚焦中国媒体机构25位从业者的日常经验，融合了创新扩散理论与社会技术想象理论，采用深度访谈和扎根理论分析，通过“理解-协商-阐释”的分析框架，勾勒出从业者AI想象的动态演化过程。具体而言，一是理解维度，从业者对GenAI技术创新属性的认知作为其感知与评估AI的基本要素，构成了技术接受的前提条件；二是协商维度，在形成了认知的基础上，从业者围绕“工具理性、身份区隔、替代焦虑”展开集体叙事，经互动协商而达成价值共识；三是阐释维度，基于集体协商的结果，从业者进一步将其转化为个体层面的行动逻辑。通过划分四种从业者参与技术创新类型，深化了创新扩散理论中对采纳者的分类。这三个维度层层递进、相互作用，共同勾勒出从业者对技术创新的认知态度与行动逻辑，为全面理解从业者对AI在未来新闻业中的社会技术想象提供了新的解释路径。

　　其一，新闻业初期技术创新扩散呈现出独特的演进轨迹，拓展了创新扩散理论的适用边界。它不同于熊彼特（Schumpeter）所强调的“创造性破坏”的逻辑（以剧烈变革实现产业重构），当前AI对新闻业的冲击更多表现为一种渐进式、叠加进化的方式，人机互构已发展至“理解-协商-阐释”阶段。换言之，GenAI虽全面嵌入新闻生产流程，但从业者更倾向于将其视为“低成本填充流量渠道的工具”，而非“颠覆核心生产的技术”。这一特征既与王袁欣等（2023）发现“技术创新扩散呈现非线性、递进式趋势”的论断相符，也与王焕超（2024）提出的“AIGC带来的最大变化是内容形式上的变化”的观点一致。

　　其二，从业者对AI技术创新属性的感知体现为“相对优势、兼容性、复杂性、可试性、可观察性”。其中，GenAI的相对优势成为学界共识，同时，从业者更倾向于将 GenAI 视为“低成本填充流量渠道的工具”，而非“颠覆核心生产的技术”，这种务实的认知也让边界更清晰。尽管各大媒体机构在组织适配方面已取得进展，却意外陷入GenAI驱动新闻业最大的陷阱——一种“为技术而技术”的低效现象。例如，部分媒体虽已完成GenAI系统搭建，但这些产品的实际应用场景并不广，无法证明其对业务的实际价值，也很难解决行业中的实际问题。这种现象折射出一个本质问题：媒体机构在推进技术嵌入的过程中，未能充分评估员工的适应性需求。因此，有必要深度考察从业者如何将GenAI与既有的新闻价值观、过去的经验及实际需求进行有效整合，从而避免“虚假繁荣”现象。此外，罗杰斯（2003）曾提到“技术能降低不确定性”，AI技术降低新闻业未来不确定性时，又可能因使用的复杂性和兼容性问题制造出新的不确定。这种“缓解不确定”与“催生新不确定”的矛盾所带来的技术压力，逐步演变为行业焦虑，进而驱动新闻媒体主动关注GenAI热潮并寻求应用路径，这正是新闻业应对技术变革的历史惯性的体现。

　　其三，从业者对技术的集体叙事呈现“工具理性、身份区隔、替代焦虑”的差异性特征。GenAI已作为一种“智能协作者”，成为从业者能力的延伸，这与Pranteddu 等（2024）提出的“合作者”角色以及Schifman（2022）描绘的“混合模式”基本一致。面对这种情景，研究发现从业者通过两种路径实现自我身份区隔：一是深耕 “专业判断力、新闻敏感度”等非量化的专业素养，二是将“深度报道、调查报道、突发新闻”等划分为人类记者主导的能力领域。这种策略性选择厘定了人机协作的边界，也在技术渗透时代重申从业者不可替代的主体价值。鉴于当前GenAI内容仍存在“泛化、价值模糊”等局限，其角色定位更适用于承担基础性前期工作，替代从业者的重复性劳动，而非自主新闻生产，未来可能被用于替代主播或实习生等特定岗位。Cools和Diakopoulos（2024）所谓的替代焦虑并非无据，本次主流媒体系统性变革中，多家媒体公开信息显示正调整人员结构，以适配技术应用与成本控制的双重需求，这进一步放大了从业者对岗位的担忧。

　　其四，从业者应对GenAI创新的行动策略，塑造了未来技术在新闻行业中的愿景。研究发现，从业者嵌入技术创新的程度由“认知水平”与“态度取向”共同形塑，二者交互作用形成一个动态的“认知-态度”矩阵，并据此将从业者细分为四种参与类型：先行者（深度嵌入）、探索者（机械嵌入）、保守者（防御性嵌入）、抵抗者（零嵌入）。创新扩散理论曾强调了倡导者和早期采用者的价值（Rogers，2003），本研究进一步发现探索者和保守者同样构成了创新扩散中潜在的节点，可能成为后续采用的关键群体。此外，嵌入程度还受到所在媒体机构属性、部门文化及场景需求等多重因素调节。例如，头部媒体的新媒体创意部门比传统采编部门使用AI的频率更高，财经媒体在“财报数据分析、上市公司公告和股票动态追踪”等特定场景需求更广，上述因素将深化技术创新在组织内的扩散程度。

　　这是二十四节气里的第一个，听着就充满了春天的希望。今天走在河南的街头，确实能感到一股暖意，仿佛三月提前到来。

　　日本首相指名选举拟于2月18日举行；此前高市早苗称“达不成条件将即刻辞职”

　　据中国新闻网援引据日本共同社3日援引多名相关人士消息，日本政府和执政党已开始协调2月18日召集实施首相指名选举的特别国会。资料图：日本国会议事堂。据报道，被选出的首相将立即着手组建内阁，经在日本皇宫举行的首相任命仪式和内阁大臣认证仪式后，新内阁将正式成立。

　　【文/观察者网 阮佳琪】拉扯数月后，本周一（2日），美国前总统比尔·克林顿与前国务卿希拉里·克林顿松口，同意接受美国国会众议院监督委员会问询，就杰弗里·爱泼斯坦相关调查作证。

　　大连阿姨擦窗户时，突然发现对面楼一女子跨坐在6楼窗台上情绪激动，迅速报警

　　1月31日中午，社区居民史阿姨在家中擦窗户时，突然发现对面6楼窗台上跨坐着一名女子，情绪激动、情况危急。

　　火吞宏福苑：全景还原香港大埔火灾｜重建现场#香港大火 #火灾 #宏福苑 #媒体精选计划

　　#不得将点赞量投票数等作为考评依据 #不得强制下载使用政务APP 国务院办公厅通知：不得将点赞量、投票数、转发量、学习时长等作为考评依据

　　一口东北味儿的香港选手，我的速度是冰场练的，口音是食堂学的。#东北美食 #冬奥会 #大美吉林

　　2月2日，西安市高陵区纪委监委发布，通报3起违反中央八项规定精神典型问题。高陵区耿镇街道事业工勤人员张小鹏在借调区城市管理和综合执法局担任中队长期间违规收受礼品的问题。

　　日本国会选战即将拉开帷幕，高市为了展示决心，立下选败即辞职的誓言，相当于把首相职位押上赌桌，尽管在高市立誓后，她的民调数据出现了大幅波动，但现在看来，她的位置似乎相对稳定下来了，为什么这么说?

　　一个普通的不能再普通的农家，家有弟兄6人，每天要张嘴吃饭，是朝不保夕，吃了上顿没下顿。老六出生先天不足，母体就缺营养，孩子体弱，头大脖子细，经常生病。家里人一商量，地里也干不了多少活，就让他读书吧。条件是必须读出来，读出来要帮助家里人。

　　凌晨三点，他给我发来消息：“老师，我线岁的他在杭州打拼，妻子在老家待胎九月。本该是最期待新生命到来的时刻，他却和一个女大学生从聊天走到了出轨。“每次看到老婆的孕肚照，我就恨不得抽自己耳光。”他说着说着，声音就哽咽了。