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：

AI与真实性：年轻人对AI生成视频内容信息可信度的评估实践

作者及机构
本研究由芬兰奥卢大学人文学院的Yucong Lao和Noora Hirvonen，以及瑞典隆德大学技术与社会科学系的Stefan Larsson共同完成，发表于2025年的《Journal of Information Science》（第1-15页）。

学术背景

研究领域与背景知识
研究聚焦于媒体与信息素养（Media and Information Literacy, MIL）领域，探讨生成式人工智能（AI）技术（如深度伪造（deepfake））对信息可信度评估的挑战。近年来，AI生成媒体（AI-Generated Media, AGM）技术快速发展，能够生成高度逼真的视频、音频和文本内容。然而，这类技术也加剧了虚假信息的传播风险，尤其是对社交媒体活跃用户——年轻人的影响。

研究动机与目标
研究旨在回答两个核心问题：
1. RQ1：年轻人如何验证AI生成的深度伪造视频的真实性？
2. RQ2：年轻人如何理解和反思这类视频的潜在影响？
研究选择芬兰作为背景，因其高媒体素养水平、高互联网普及率（97%）以及对青少年媒体素养教育的重视，使其成为研究MIL实践的理想案例。

研究流程与方法

研究设计
研究采用定性方法，结合访谈与实验。实验部分向参与者展示两段AI生成的视频，观察其验证真实性的策略，并收集其对视频影响的反思。

研究对象与样本
- 参与者：20名芬兰九年级学生（14-15岁），通过学校实习项目招募。
- 视频选择：从GitHub平台DeepFaceLab项目中选取两段视频：
1. 政治演讲类：朝鲜领导人金正恩的英文演讲（明显不符合其真实行为）。
2. 科幻场景类：马克·扎克伯格在太空船中讨论虚假新闻（虚构场景）。

数据收集与分析
1. 访谈与实验：
- 半结构化访谈分为六个主题，本研究聚焦“合成媒体/AI生成内容”部分。
- 参与者观看视频后，被询问其真实性判断依据及对视频的反思。
2. 数据分析：
- 转录访谈内容，进行归纳编码，提取出七个类别，最终形成两大主题：
- 真实性验证策略（图像、声音、叙事、直觉）。
- 对虚假信息的感知（技术、后果、相关人群）。

伦理考量
研究遵循芬兰国家研究诚信委员会的伦理指南，确保参与者匿名，并获得其本人及监护人的书面同意。

主要研究结果

1. 真实性验证策略
- 图像：超过半数参与者通过视频的视觉特征（如面部表情、身体动作、背景）判断真实性。例如，金正恩视频中“不眨眼”的异常被多次提及。
- 声音：约25%的参与者关注语音的“不自然性”，如金正恩的英语流利度与真实情况不符。
- 叙事：参与者将视频内容与既有知识对比。例如，金正恩批判民主的演讲被视为“不可能发生”。
- 直觉：少数参与者无法明确解释判断依据，仅凭“感觉”认为视频不真实。

2. 对虚假信息的感知
- 技术层面：多数参与者认为视频质量“逼真”，但也指出技术尚未完美（如口型不同步）。
- 后果层面：
- 安全风险：担忧身份盗窃（如“人脸替换”技术可能被滥用）。
- 民主威胁：认为深度伪造可能被用于政治宣传，加剧虚假信息传播。
- 相关人群：参与者特别关注缺乏AI知识的群体（如儿童或老年人）可能被误导。

结论与价值

科学价值
1. 填补研究空白：首次从年轻人视角系统分析其对AGM的MIL实践，补充了现有研究中以成人为对象的局限性。
2. 方法论创新：结合实验与访谈，揭示年轻人验证真实性的具体策略（如依赖“图像”而非“来源”）。

应用价值
- 教育领域：为媒体素养教育提供针对性建议，例如加强青少年对AI技术的批判性认知。
- 政策制定：呼吁监管AI生成内容，尤其是针对社交媒体的传播风险。

研究亮点

1. 重要发现：年轻人更依赖视频内容本身（消息可信度）而非来源验证，这与成人研究结果形成对比。
   
2. 方法新颖性：通过实验设计模拟真实场景，增强数据的生态效度。
   
3. 特殊研究对象：聚焦高媒体素养国家的青少年，为跨国比较提供基准。
   

其他有价值内容
研究还指出，AI生成内容的“真实性”是动态建构的，例如政治类视频的真实性被理解为“事实性”，而科幻类视频则关注“技术虚构性”。这一发现对后续研究如何定义“真实性”具有启发意义。

（报告总字数：约1800字）