新闻说，机器人说：移民和当地人如何在聊天机器人辅助的新闻阅读中有所不同

研究背景与问题

• 问题与挑战: 作者发现移民和本地居民在获取新闻信息方面存在明显差异，包括语言能力、对社会背景知识的掌握程度以及信息需求的不同。这些差异可能导致移民群体在新闻消费中更依赖技术，如对话式人工智能（如聊天机器人）的帮助，但同时也会在新闻的阅读和理解深度上面临挑战。
• 重要性: 在当今以读者为中心的新闻传播转型趋势下，了解不同社会群体的新闻消费行为对于设计满足其需求的技术工具至关重要，尤其是移民等具有特殊需求的边缘化群体。
• 研究动机: 现有关于新闻阅读支持的研究尚未充分探索聊天机器人对不同社会群体的影响，特别是移民和本地居民的比较研究。在此背景下，研究者利用LLM（大型语言模型）驱动的聊天机器人，旨在分析这些群体的需求差异以及如何优化技术解决方案。

解决方案

• 研究方法: 作者设计了一项包含144位参与者的实验，分为三组——本地居民、中国移民和越南移民。所有参与者使用由微软开发的Copilot聊天机器人进行新闻阅读与问答互动。
• 创新性:
  • 提出了新闻阅读中的问题类别体系，包括字面理解、分析性思考和实用指导等七大类别。
  • 开发了一种“新闻复述”任务，用于评估不同群体从新闻中得出的收获以及信息来源的依赖模式。
  • 在统计建模和内容分析的结合下，揭示了不同用户群体在新闻消费和信息寻求中的显著行为模式。
• 实现步骤和技术:
  • 实验包括四个阶段：准备阶段（熟悉聊天机器人）、新闻阅读阶段（通过聊天机器人辅助阅读）、问卷调查阶段（对新闻体验进行评价）和反思阶段（完成新闻复述任务）。
  • 数据分析包括分类参与者的提问类型、量化信息来源（新闻文章、聊天机器人或外部知识）的使用频率，并比较三组人群的行为模式。

研究成果

• 具体成果:
  • 参与者提问内容被分为七类，其中本地居民更倾向于分析性问题（如观点整合、广泛影响），而移民更关注字面理解（如文本摘要、单词解释）和实用性建议。
  • 在新闻复述任务中，移民比本地居民更倾向于依赖聊天机器人的反馈以生成具体的行动建议，同时对新闻原文内容的引用较少。
• 与现有研究的比较:
  • 与仅通过自主报告或眼动跟踪技术了解新闻需求的研究相比，作者的方法能够直接捕捉参与者的信息需求，并揭示隐含的深入理解不足的问题。
  • 不同于以往少量探索性研究，本文通过实证分析提供了更系统的证据，揭示了移民和本地居民在新闻内容互动和理解深度上的显著差异。
• 实验或评估结果:
  • 移民在新闻报道的字面理解和实用建议层面表现活跃，但在深入分析性思考方面较为缺乏。尤其是他们很少提出有关新闻内容之间扩展性关系的问题。
  • 调查显示，移民感知的新闻阅读价值显著高于本地居民，但三组间的工作负荷感知没有显著差异。
• 局限性与未来方向:
  • 局限性: 样本集中在中国和越南移民，没有涵盖更广泛的移民群体；实验主题集中于住房问题，对其他主题的适用性有待验证。
  • 未来方向:
    • 探索与其他移民群体或语言背景的比较研究。
    • 考察不同新闻主题（例如健康、教育）下聊天机器人支持的适用性。
    • 丰富数据采集方式，捕获更自然的新闻阅读行为。
    • 将研究延伸至新闻媒体从业者与政策制定者如何利用这些技术优化新闻传播模式。