本研究由来自University of Delaware和University of California, Berkeley的Paul R. Brewer、James Bingaman、Ashley Paintsil、David C. Wilson及Wyatt Dawson共同完成。该研究成果以“Media Use, Interpersonal Communication, and Attitudes Toward Artificial Intelligence”为题，发表于2022年10月的《Science Communication》期刊（第44卷，第5期）。

学术背景 此项研究扎根于传播学与公共舆论研究领域，特别是在新兴技术的公众接受度研究框架内。随着人工智能（AI）在社会各领域的广泛应用，公众对AI的态度可能深刻影响其发展、采纳与可持续性。先前研究显示，对其他新兴技术的态度能够影响个体行为与公共政策。尽管已有调查揭示了美国公众对AI既看到潜在益处也感知到风险，且观点存在政治与人口统计学上的差异，但关于不同传播形式如何塑造公众对AI的态度，以及这些传播形式之间如何相互作用的研究则相对不足。因此，本研究旨在探究媒体使用与人际沟通如何影响公众对人工智能的态度，尤其关注新闻、科幻影视和人际讨论这三种核心传播途径，并检验它们独立及协同作用的效应。研究的理论目标在于，利用框架理论深化对公众如何理解AI（即“头脑中的框架”， frames in mind）的认识，并扩展关于传播与新兴技术态度之间关系的理论模型，特别是构建一个互动传播效应的模型。

详细研究流程 本研究分为两个主要分析阶段，均基于同一项由美国国家民意研究中心执行的全国代表性在线面板调查数据。

第一阶段：横截面分析（使用第一波调查数据，样本量N=1936） 1. 研究目标：探究公众如何自发框架化AI（研究问题1，RQ1）、科技新闻使用是否能预测公众提及特定框架（假设1, H1a/H1b），以及这些框架是否与对AI的态度相关（假设2, H2a/H2b）。 2. 研究对象与处理：对1936名美国成年受访者进行问卷调查。核心测量包括： * 对AI的初始想法：通过开放式问题“当你想到人工智能时，脑海中首先浮现的是什么？”收集定性数据。两位编码员使用内容分析法，独立将回答归类至五个主要类别（可多重归属）：科学与技术泛论、具体AI示例与用途、社会进步框架（social progress frame）、潘多拉魔盒框架（Pandora’s box frame）以及科幻作品描绘。编码员间信度（Cohen’s κ）均表现良好。 * 对AI的态度：通过三个李克特量表问题（支持AI发展、支持AI研究公共资金、支持全面禁止AI）构建综合指数（Cronbach’s α = 0.77）。 * 传播变量：测量受访者关注科技新闻、观看科幻影视、讨论新技术的频率（从“每月少于几次”到“几乎每天”）。 * 控制变量：包括总体电视观看量、政党认同、政治意识形态、对科学权威的遵从、宗教活动参与度、日常生活对技术的依赖、性别、年龄、教育、收入、种族（非裔、拉丁裔、亚裔）等。 3. 数据分析方法： * 使用描述性统计和比例差异检验（z检验）分析开放式回答的框架分布。 * 使用二元逻辑回归，以是否提及社会进步框架或潘多拉魔盒框架为因变量，检验科技新闻使用、科幻观看及其他控制变量的预测作用（检验H1）。 * 使用普通最小二乘法回归，以对AI的态度指数为因变量，检验提及的框架（社会进步、潘多拉魔盒、科幻描绘）及传播变量、控制变量的预测作用（检验H2）。同时，进行了补充的中介效应分析，以检验科技新闻使用通过框架影响态度的间接路径。

第二阶段：面板数据分析（使用两波追踪数据，样本量N=1205） 1. 研究目标：在控制初始态度的基础上，检验第一波的传播变量是否能预测第二波态度的变化。旨在检验科技新闻使用的独立效应（假设3， H3）、科幻观看（研究问题2，RQ2）和讨论技术（研究问题3， RQ3）的独立效应，以及三者之间两两交互的调节效应（假设4，H4；假设5，H5；研究问题4，RQ4）。 2. 研究对象与处理：对完成第一波调查的受访者进行第二次追踪调查（追踪率62%），获得1205人的配对面板数据。第二波调查再次测量了对AI的态度（Cronbach’s α = 0.80）。 3. 数据分析方法： * 采用分层多元回归分析。第一层模型（模型1）纳入第一波的态度指数（以控制基线）、三个核心传播变量（科技新闻、科幻观看、技术讨论）以及所有控制变量，用于检验各变量的独立预测效应。 * 第二层模型（模型2）在第一层基础上，加入三个交互项：科幻观看 × 科技新闻、技术讨论 × 科技新闻、技术讨论 × 科幻观看，用于检验交互效应。 * 对显著的交互作用，使用Johnson-Neyman技术进行区域显著性分析，并绘制交互效应图以直观展示调节模式。

主要研究结果 第一阶段结果： 1. 公众的AI框架：回答显示，48%的受访者提到科技泛论（如“机器人”、“计算机”），9%提到具体示例（如Alexa、自动驾驶汽车）。更重要的是，9%的受访者自发使用了社会进步框架（强调AI的“帮助性”、“积极未来”、“改善工作”），13%使用了潘多拉魔盒框架（担忧“世界末日/接管”、“监控”、“失业”、“可怕”）。与新闻媒体报道趋势相反，公众更倾向于使用负面框架（潘多拉魔盒）而非正面框架（社会进步）。此外，11%的受访者提及了科幻作品描绘（如《终结者》、《我，机器人》、《2001太空漫游》），其中以威胁性描绘为主。 2. 框架设定：逻辑回归分析支持H1a和H1b。更频繁关注科技新闻的受访者，显著更可能同时提及社会进步框架和潘多拉魔盒框架。这表明新闻使用具有框架设定功能。科幻观看本身不预测使用这两个框架，但强烈预测提及科幻描绘。 3. 框架与态度的关联：OLS回归分析支持H2。提及社会进步框架与对AI的更积极态度显著正相关，提及潘多拉魔盒框架则与更消极态度显著负相关。提及科幻描绘与态度无显著关联。中介分析显示，科技新闻使用通过社会进步框架对态度产生正向间接效应，通过潘多拉魔盒框架产生负向间接效应，但正向的总直接效应和总效应占主导，这与新闻中对AI的正面框架更“响亮”的假设一致。

第二阶段结果： 1. 独立效应：面板回归模型1支持H3。在控制第一波态度后，第一波更频繁关注科技新闻，能显著预测第二波对AI的态度向更支持的方向变化。科幻观看（RQ2）和技术讨论（RQ3）的独立效应不显著。 2. 交互效应：模型2揭示了三个显著的交互作用： * 科技新闻 × 科幻观看（支持H4）：对于频繁关注科技新闻的人群，经常观看科幻影视的人对AI的支持度显著高于不看科幻的人。但对于很少关注科技新闻的人，这种差异很小。这表明，在科技新闻提供的（总体上积极的）解释框架下，科幻观看的效应被导向了更积极的方向。 * 科技新闻 × 技术讨论（支持H5）：对于频繁关注科技新闻的人群，经常讨论技术的人对AI的支持度显著高于不讨论的人。对于很少关注科技新闻的人，讨论与否的影响甚微。这符合“强化性人际影响模型”，即当媒体报道以积极框架为主时，人际讨论会强化支持态度。 * 技术讨论 × 科幻观看（回答RQ4）：对于经常观看科幻影视的人群，频繁讨论技术反而与对AI支持度的显著下降相关。对于不看科幻的人，讨论与否影响不大。研究者推测，这可能是由于科幻中（尤其是威胁性的）描绘为关于AI风险的人际对话提供了素材，从而放大了负面看法。

研究结论与价值 本研究的结论是，媒体使用和人际沟通能够塑造公众对人工智能的态度，这些影响有时是独立的，有时则是相互关联、条件依存的。具体而言，关注科技新闻直接促进了公众对AI的支持态度；而科幻观看和技术讨论的效应，则高度依赖于个体同时接触的新闻框架或另一种传播形式。新闻框架可以与科幻描绘或人际对话产生“共鸣”与“强化”，从而调节后两者对态度的影响方向。

本研究的科学价值在于：第一，从理论层面，它验证并拓展了框架理论在AI这一新兴技术议题中的应用，特别是展示了“头脑中的框架”与态度之间的关联，以及新闻的框架设定功能。第二，更重要的是，它构建并实证检验了一个“互动传播效应模型”，揭示了新闻、科幻娱乐和人际讨论三种传播渠道并非孤立作用，而是存在着复杂的交互关系，共同影响公众舆论的形成与演变。这为理解复杂媒体环境下公众态度的形成机制提供了更精细的理论图景。

在应用价值方面，研究结果提示，传播者和政策制定者在沟通AI技术时，需考虑多重传播来源的综合影响。单纯强调“社会进步”框架的新闻宣传，其效果可能受到广泛存在的科幻威胁叙事和与之相关的人际对话的制约或扭转。有效沟通需要认识到公众如何主动整合来自新闻、娱乐和社交圈的不同信息碎片来构建认知。

研究亮点 1. 研究设计新颖：结合了横截面内容分析与纵向面板数据追踪，既能揭示公众的认知框架，又能更严谨地推断传播变量对态度变化的因果影响。 2. 理论模型创新：超越了传统上对单一传播渠道独立效应的关注，率先系统性地提出并检验了新闻、科幻影视、人际讨论三者间的交互效应模型，对传播学理论有重要贡献。 3. 研究发现深刻：不仅确认了新闻框架的主导作用，更揭示了科幻娱乐和人际讨论在特定条件下的强大调节力量。特别是发现“科幻观看+技术讨论”的组合可能导致支持度下降，这一反直觉的发现具有重要的现实警示意义。 4. 方法严谨：采用全国代表性样本，运用前沿的统计方法（如Johnson-Neyman区域显著性分析）解析交互效应，增强了结论的可靠性和普适性。

其他有价值内容 研究也揭示了态度形成中的个体差异：共和党认同、宗教参与度、女性、非裔和拉丁裔身份预测了对AI更消极的态度或态度转向更消极；而对科学权威的遵从和教育程度则预测了更积极的态度。这些发现与先前研究一致，表明对AI的态度深植于更广泛的社会文化价值观与结构性因素之中。研究同时指出了自身的局限，如开放式问题可能低估框架的复杂性，自报告的传播测量较为宽泛等，为未来研究指明了方向，例如采用实验法、细化传播内容测量、考察不同AI应用场景的态度、以及进行跨国跨文化比较等。