信息信任视角下数字移民移动社交媒体AIGC规避行为研究学术报告

一、研究团队与发表信息
本研究由王文韬、陈越、钱鹏博、唐思捷、任艳虹、李力合作完成，发表于《图书馆建设》（ISSN 1004-325X, CN 23-1331/G2），网络首发日期为2025年2月17日。研究依托安徽省社科规划重点资助项目（项目编号：AHSKD2023D025）支持。

二、学术背景与研究目标
随着ChatGPT等生成式人工智能（Artificial Intelligence Generated Content, AIGC）的普及，AIGC已成为网络内容生产的重要推动力，但其“真假难辨”的特性也引发了信息信任危机。数字移民（Digital Immigrants，指1980年前出生、需适应数字环境的群体）因技术素养不足，更易受AIGC虚假信息影响，产生规避行为（Avoidance Behavior）。
本研究基于信息信任理论，旨在探究数字移民对移动社交媒体AIGC的规避行为形成机理，厘清信息信任与规避行为的关联，为优化数字移民的AIGC使用体验提供理论支持。

三、研究流程与方法
1. 研究设计
采用扎根理论（Grounded Theory）质性研究方法，通过三级编码（开放式编码、主轴编码、选择性编码）构建理论模型。研究选取26位45岁及以上活跃抖音用户作为访谈对象（男女各半，学历涵盖初中至研究生），通过半结构化访谈收集数据。

1. 数据收集

   • 访谈内容：涵盖AIGC辨识、信息信任影响因素（如感知风险、信息质量）、规避行为表现（如忽略、屏蔽）及结果预测（如规避利弊）。
     
   • 材料辅助：受访者需观看虚假AIGC短视频（科普/新闻类），并在被告知存在AIGC的情况下进行分辨与反馈。
     

2. 数据分析

   • 开放编码：从访谈文本中提取241个初始概念，归纳为26个基本范畴（如信息素养、规避益处预测）。
     
   • 主轴编码：聚类为10个主范畴（如环境要素、感知要素），建立逻辑关系（如“感知风险→信息信任受损→规避行为”）。
     
   • 选择性编码：形成核心故事线，构建“AIGC规避行为形成机理模型”，并通过4份额外访谈验证理论饱和度。
     

四、主要研究结果
1. 信息信任的双维作用
- 信任建立：当AIGC符合用户感知有用性（如提升生活技能）或感知相关性（如兴趣契合）时，用户倾向于信息交互（转发、点赞）和信息获取（搜索相关内容）。
- 信任受损：因AIGC特征（耸人听闻、情感极化）或信息质量低（内容虚假），用户触发规避行为，表现为五类：忽略信息（65.4%受访者）、转移注意力（53.8%）、屏蔽信息（30.8%）、否认信息（19.2%）及清除行踪轨迹（11.5%）。

1. 规避行为的驱动机制

   • 直接因素：信息信任受损是规避行为的核心驱动力，规避意愿强度与行为剧烈程度正相关。
     
   • 中介因素：感知要素（如心理情感不适）和环境要素（如人际信任缺失）通过影响信任状态间接触发规避。
     
   • 调节因素：规避结果预测（如“降低受骗概率”强化规避，“信息获取受限”弱化规避）决定行为持续性与强度。
     

2. 群体特殊性
   数字移民因算法素养不足，多依赖简单规避策略（如快速滑走），仅少数高素养用户能利用算法机制（如清除搜索记录）主动规避。

五、研究结论与价值
1. 理论贡献
- 首次将信息信任视角与AIGC规避行为结合，提出“感知-信任-行为”动态模型，弥补了现有研究对数字移民群体关注的不足。
- 揭示规避结果预测的调节作用，拓展了信息行为理论的应用场景。

1. 实践意义
   
   • 平台优化：建议设计“数字移民模式”过滤负面AIGC，强化内容标注与审核。
     
   • 素养提升：呼吁通过社区课程普及算法知识（如举报功能使用），帮助用户科学规避。
     
   • 政策参考：为AI内容治理提供实证依据，强调需针对弱势群体制定差异化保护措施。
     

六、研究亮点
1. 创新性：首次系统性解析数字移民AIGC规避行为的形成路径，提出“规避结果预测”这一新维度。
2. 方法学：结合扎根理论与实证访谈，构建的模型兼具理论深度与实践解释力。
3. 社会价值：为弥合“AI鸿沟”提供具体策略，助力数字包容性社会建设。

七、局限与展望
研究未区分AIGC类型（如新闻vs娱乐）的影响，未来可细分场景并引入定量分析（如结构方程模型）验证变量间权重。此外，可扩大样本覆盖城乡差异，增强结论普适性。