对话式人工智能代理是出路吗？与移民和记者共同设计面向读者的新闻体验

文献标题

Are Conversational AI Agents the Way Out? Co-Designing Reader-Oriented News Experiences with Immigrants and Journalists

出版信息

• 主题领域: 通过与记者和移民共同设计，提升移民读者的新闻体验。
• 关键词: 会话式人工智能、新闻消费、移民读者、共同设计、人本计算、新闻学、读者导向设计、价值对齐、人机协作、边缘化读者群体。

背景与问题

• 问题/挑战: 移民读者在参与主流新闻时面临显著障碍，包括语言能力不足、文化陌生感以及与当地社会规范的不匹配。现有解决方案通常将移民读者孤立对待，未能整合记者的视角，从而在创建包容性、读者导向的新闻体验方面留下了空白。
• 重要性: 解决这些挑战对于改善移民获取可靠信息的能力、促进社会融合以及减轻与错误信息和回音室效应相关的风险至关重要。
• 动机与相关工作: 先前的研究探索了自动翻译、可访问文本框架以及大型语言模型（LLMs）提供的理解支持等工具。然而，这些努力通常仅关注为移民提供技术解决方案，而忽视了记者的角色或利益相关者之间的协作。

解决方案

• 提出的方法: 通过与移民读者和记者共同设计新闻技术，创建会话式人工智能代理，以提升新闻体验并解决价值不对齐问题。
• 创新点:
  1. 识别移民读者与记者在新闻主题选择、呈现和处理方面的价值（不）对齐。
  2. 开发四种会话式人工智能代理的设计隐喻：数据解码器（Data Decoder）、连接信息者（Connection Informer）、共情朋友（Empathetic Friend）和轨迹见证者（Trajectory Witness）。
  3. 引入平衡移民需求响应性与新闻职业责任感的人机协作工作流。
  4. 提出跨利益相关者协作的读者导向新闻技术设计框架。
• 过程与关键技术:
  • 在美国首都地区与11位移民读者和7位记者开展共同设计活动。
  • 组织了两组活动：“我的雷达上的新闻”（探索价值对齐）和“无障碍新闻”（设想人工智能辅助解决方案）。
  • 使用主题分析法综合研究发现并提炼设计隐喻。

结果

• 具体发现:
  • 移民读者优先关注可操作的、富有背景信息的、具有共情的新闻内容，这些内容需贴合其独特的社会和法律环境。
  • 记者强调专业把关、可信度以及谨慎的新闻呈现，以维持责任感。
  • 四种会话式人工智能代理的设计隐喻：
    1. 数据解码器（Data Decoder）: 解释新闻中的数据信息及其背景。
    2. 连接信息者（Connection Informer）: 突出新闻对移民的可操作性影响。
    3. 共情朋友（Empathetic Friend）: 通过平衡负面新闻与正面内容，减轻情感压力。
    4. 轨迹见证者（Trajectory Witness）: 分析并反映读者随时间变化的新闻消费模式。
• 相较基线的优势:
  • 通过促进移民读者与记者之间的相互理解与协作，弥合双方的差距。
  • 提出超越孤立技术修复的人工智能解决方案，以解决新闻消费中的系统性问题。
• 实验/评估:
  • 共同设计会话包括日记研究、小组讨论和大组创意活动。
  • 数据分析揭示了共享与分歧的价值观，进而得出可操作的设计见解。
• 局限性与未来工作:
  • 研究发现仅限于当地媒体环境和参与者的即时背景。
  • 未来工作应探索新闻实践的长期动态以及所提设计隐喻的更广泛适用性。

总结

本研究探讨了会话式人工智能代理如何通过解决与记者的价值不对齐问题，提升移民读者的新闻体验。通过与11位移民和7位记者的共同设计活动，作者提出了四种设计隐喻——数据解码器、连接信息者、共情朋友和轨迹见证者——为人工智能在支持新闻消费中的角色提供了明确的方向。所提出的人机协作工作流在满足移民对可操作性和共情内容需求的同时，也兼顾了记者对责任感的承诺。这些研究成果为创建整合多方利益相关者视角的包容性、读者导向的新闻技术奠定了基础。