这篇文档属于类型a，即报告了一项原创性研究。以下是根据文档内容生成的学术报告：

研究作者与机构
本研究的作者包括Jaemin Jung、Haeyeop Song、Youngju Kim、Hyunsuk Im和Sewook Oh。他们分别来自韩国科学技术院（KAIST）管理学院和韩国新闻基金会（Korea Press Foundation）。研究发表在《Computers in Human Behavior》期刊上，发表日期为2017年2月。

学术背景
随着互联网的发展，新闻的生产、分发和消费方式发生了巨大变化。近年来，算法生成的新闻内容（robot journalism）逐渐进入新闻领域，成为新闻生产的新趋势。然而，公众和记者对算法生成新闻的接受度和评价尚未得到充分研究。本研究旨在探讨公众和记者对算法生成新闻与人类记者撰写新闻的感知差异，并分析作者身份通知（author notification）对评价的影响。研究基于技术接受理论（technology adoption）和群体内外偏见理论（ingroup-outgroup distinction），试图揭示公众和记者对算法生成新闻的态度及其背后的心理机制。

研究流程
研究分为两个主要实验，分别针对公众和记者群体，采用了2（作者：算法或记者）×2（作者身份通知：真实或反向）的组间设计。以下是详细的研究流程：

1. 刺激物选择
   研究选择了由韩国某大学研究团队开发的算法生成的棒球比赛新闻文章作为实验材料。为了确保刺激物的代表性，研究团队首先比较了10篇算法生成文章的质量，并通过20名受访者的评分确认了其相似性。随后，从10篇人类记者撰写的棒球比赛新闻中选择了与算法生成文章最相似的一篇。预实验（pretest）结果显示，公众在未被告知作者身份的情况下，无法区分算法生成文章和人类记者文章的质量。

2. 实验1：公众评价
   实验1招募了400名韩国公众参与者，随机分配到四个实验条件中：

   • 条件1：阅读算法生成文章，并被告知作者为算法。
     
   • 条件2：阅读算法生成文章，但被告知作者为人类记者。
     
   • 条件3：阅读人类记者文章，并被告知作者为人类记者。
     
   • 条件4：阅读人类记者文章，但被告知作者为算法。
     参与者阅读文章后，从“写作质量”、“清晰度”、“专业性”和“可信度”四个方面对文章进行评分。结果表明，公众对算法生成文章的评价显著高于人类记者文章，尤其是在被告知作者为算法时。

3. 实验2：记者评价
   实验2招募了164名记者参与者，采用与实验1相同的实验设计。结果显示，记者对算法生成文章的评价也高于人类记者文章，尤其是在被告知作者为算法时。这一结果与假设相反，表明记者并未表现出对群体内成员（人类记者）的偏好。

主要结果
1. 公众评价结果
公众对算法生成文章的评价显著高于人类记者文章，尤其是在被告知作者为算法时。这表明公众对算法生成新闻持积极态度，并对人类记者的可信度存在负面偏见。

1. 记者评价结果
   记者对算法生成文章的评价也高于人类记者文章，尤其是在被告知作者为算法时。这一结果与群体内外偏见理论的预期相反，表明记者并未表现出对群体内成员的偏好。

结论与意义
本研究揭示了公众和记者对算法生成新闻的积极态度，并表明作者身份通知对评价结果有显著影响。研究结果对新闻行业的未来发展具有重要意义：
1. 科学价值
研究为算法生成新闻的接受度提供了实证证据，并揭示了公众和记者对新闻生产自动化的态度。
2. 应用价值
研究结果提示新闻机构可以利用算法生成新闻提高生产效率，同时为人类记者腾出更多时间进行深度调查报道。
3. 行业影响
研究为新闻行业的数字化转型提供了理论支持，并呼吁新闻机构在引入算法生成新闻时注重透明度和伦理问题。

研究亮点
1. 新颖的研究设计
研究采用了2×2的组间设计，系统探讨了作者身份通知对评价结果的影响。
2. 重要的研究发现
研究揭示了公众和记者对算法生成新闻的积极态度，这一发现与群体内外偏见理论的预期相反。
3. 实际应用价值
研究结果为新闻行业的数字化转型提供了重要参考，并提出了未来研究方向。

其他有价值的内容
研究还讨论了算法生成新闻的潜在优势和挑战。例如，算法可以快速生成大量新闻，减少错误，并从不同角度讲述故事。然而，算法依赖数据和假设，可能导致意外错误和伦理问题。此外，研究指出，新闻机构需要在引入算法生成新闻时明确责任分工，并与读者保持沟通。

这篇报告详细介绍了研究的背景、流程、结果和意义，为读者提供了全面的理解。