类型b：学术报告（综述/观点类论文）

作者及发表信息
本文由三位学者合作完成：
- Seth C. Lewis（美国俄勒冈大学新闻与传播学院）
- Andrea L. Guzman（美国北伊利诺伊大学传播系）
- Thomas R. Schmidt（美国加州大学圣地亚哥分校）
论文标题为《Automation, Journalism, and Human–Machine Communication: Rethinking Roles and Relationships of Humans and Machines in News》，发表于2019年4月的期刊《Digital Journalism》（ISSN: 2167-0811）。

论文主题与背景
本文探讨自动化技术（如人工智能驱动的新闻写作软件）对新闻业的影响，并提出将人机传播（Human-Machine Communication, HMC）作为理论框架，重新思考人类与机器在新闻生产中的角色关系。研究背景基于两大趋势：
1. 新闻业的自动化转型：AI技术（如Automated Insights的Wordsmith）已能生成数据驱动的新闻叙事，挑战传统新闻生产中“人类中心”的假设。
2. 传播学理论局限：传统传播学将机器视为中介（mediator），而HMC将机器视为传播主体（communicator），需重新定义传播的 ontology（本体论）。

主要论点与论据

1. 传统传播理论的局限与HMC的革新
- 问题：现有传播理论（如Schramm的“传递模型”）默认传播主体仅限人类，机器仅是信息通道。
- HMC的突破：
- 通过实验证明，用户会将机器（如聊天机器人、新闻写作算法）视为独立传播主体（如Nass等1994年的“计算机是社会行动者”研究）。
- 案例：读者对算法生成新闻的信任度与人类新闻相当（Graefe等2018），表明机器已具备“传播者”身份。

2. 自动化新闻研究的理论缺口
- 现状：现有研究多聚焦算法生成内容的比较（如可读性、可信度），但忽视机器作为传播主体的理论意义。
- 缺失环节：
- 文化差异影响机器接受度（如韩国用户更信任算法新闻，Jung等2017）。
- 行动者网络理论（ANT）虽关注非人元素，但无法解释机器的“传播能动性”。

3. HMC框架下的自动化新闻研究路径
- 三个研究方向：
- 作为传播主体的技术：分析新闻写作软件如何嵌入传统新闻角色（如记者-读者关系），以及用户对其“作者身份”的认知。
- 人机社交关系重构：
- 机器-消费者关系：算法新闻可能回归单向传播模式（如Schramm的线性模型），而聊天机器人则模拟人际互动。
- 机器-记者关系：记者需“像机器一样思考”以训练算法，但可能因模板化写作削弱创造力（Thurman等2017）。
- 本体论挑战：当机器承担新闻写作（传统“人类专属”任务）时，需重新定义“新闻业”的本质。

4. 对新闻业的理论与实践意义
- 理论价值：HMC为新闻研究提供新范式，打破“人类中心主义”，探索机器作为传播者的社会影响。
- 实践启示：
- 新闻机构需权衡自动化效率与伦理风险（如算法偏见、责任归属）。
- 未来的AI技术可能进一步模糊人机边界，需动态调整研究框架。

论文价值与亮点
1. 理论创新：首次系统提出将HMC应用于新闻研究，挑战传播学的传统本体论。
2. 跨学科整合：结合新闻研究、人机交互（HCI）、社会机器人学（HRI）的实证成果。
3. 前瞻性：为AI时代新闻业的角色重构提供方法论（如研究机器-记者协同模式）。

局限性
- 尚未深入探讨非西方语境下的人机关系差异（如文化对技术接受度的影响）。
- 对自动化新闻的伦理框架（如算法透明度）讨论较少。

总结
本文通过HMC框架，揭示了自动化技术如何重塑新闻业的传播链与社会关系，呼吁学界关注机器的“传播主体性”。其价值不仅在于理论突破，更在于为AI驱动的新闻变革提供了分析工具。