这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

作者及机构
本研究由燕东祺（北京师范大学新闻传播学院新媒体传播研究中心）、张洪忠（北京师范大学新闻传播学院教授、博士生导师）、林润（北京师范大学新闻传播学院新媒体传播研究中心）、何苑（河北大学新闻传播学院副教授）共同完成，发表于《江西师范大学学报（哲学社会科学版）》（Journal of Jiangxi Normal University, Philosophy and Social Sciences Edition）2025年第4期。

学术背景
研究领域为人机交互与智能传播，聚焦于用户对大模型对话应用（如ChatGPT）的认知方式与信任效果。研究背景基于以下两点：
1. 技术发展：2022年底ChatGPT的突破性进展引发全球关注，其自然语言处理能力显著优于传统AI对话应用，甚至被认为可能通过“图灵测试”，形成“准社会交往”关系。
2. 认知矛盾：公众对AI的认知长期依赖媒介想象（如影视作品《西部世界》）与技术理性（如专业报告）两种途径，但二者对信任的影响机制尚未明确。

研究目标是通过实证分析，揭示不同信息接触方式（媒介想象 vs. 技术理性）如何通过“线索路径”和“行为路径”影响用户对大模型应用的信任，并验证HAII-TIME（Human-AI Interaction-Theory of Interactive Media Effects）理论模型的适用性。

研究流程与方法
1. 研究设计：
- 数据收集：采用分层抽样法，面向CSDN技术社区、豆瓣AI讨论组、微信平台投放问卷，筛选有使用经验的用户，最终获取有效样本567份（有效率88.5%）。
- 变量测量：
- 因变量：大模型对话应用信任（5分量表，Cronbach’s α=0.65），包含“相信应用使用可靠算法”等题项。
- 自变量：信息接触方式分为媒介想象类（影视、文学作品、社交媒体）和技术理性类（专业课程、技术社区、行业报告）。
- 中介变量：基于HAII-TIME模型，测量社会存在启发式（如“感觉AI具有智慧生物特质”）、利益启发式（如“认为AI旨在帮助用户”）、交互（如“可调整AI回复”）、社会交换（如“收益大于成本”）。
- 控制变量：性别、年龄、教育程度、职业类别。

1. 统计方法：
   
   • 使用SPSS 26.0进行相关分析与分层回归。
     
   • 通过PROCESS插件检验中介效应，采用Bootstrap法（Model 4）验证路径关系。
     

主要结果
1. 信息接触与信任的关系：
- 媒介想象类信息接触显著提升信任（β=0.448, p<0.001），而技术理性类信息接触的直接影响不显著（β=-0.014, p>0.05）。
- 教育程度与信任负相关（β=-0.179, p<0.001），年龄与信任正相关（β=0.109, p<0.05）。

1. 中介路径分析：

   • 线索路径：社会存在启发式（β=0.288）与利益启发式（β=0.429）完全中介了技术理性对信任的影响，部分中介了媒介想象的影响。
     
   • 行为路径：交互（β=0.134）与社会交换（β=0.234）显著增强信任，且媒介想象通过这两条路径的间接效应更强（总间接效应β=0.308）。
     

2. 模型解释力：
   分层回归最终解释方差52.5%，表明HAII-TIME模型对大模型信任机制具有较强解释力。

结论与价值
1. 理论意义：
- 验证了媒介想象在信任构建中的主导作用，揭示技术理性需依赖启发式认知才能转化为信任。
- 拓展了HAII-TIME模型的应用场景，提出大模型时代“人—AI”信任的双路径机制。

1. 实践价值：
   
   • 为AI开发者提供优化方向：增强交互易用性（如自然语言调整功能）和社会交换感知（如明确收益提示）。
     
   • 提示媒体需平衡科幻叙事与技术传播，避免过度渲染导致信任泡沫。
     

研究亮点
1. 创新性发现：首次实证比较媒介想象与技术理性对AI信任的差异化影响，揭示技术理性的“完全中介”效应。
2. 方法创新：结合分层回归与Bootstrap中介检验，量化双路径的作用强度。
3. 跨学科视角：融合传播学、心理学与计算机科学，为智能传播研究提供新框架。

其他价值
研究指出，未来需关注AI应用的“社会行动者”角色（如拟人化交互设计）对长期信任的影响，为后续研究指明方向。

（注：全文约1500字，严格遵循学术报告格式，未包含类型判断及开场白。）