万利配资拟人化与智能化：AI主播媒介性与人机信任关系建构的实证研究

万利配资

本刊官方网站：

http://cjjc.ruc.edu.cn/

摘要

人工智能技术的迅猛发展带来人机交互的突破性跨越，由此引发的人对自我身份的迷惑和人机信任危机需引起理论研究的重视。AI主播的出现，不仅助推了网络直播行业智能化的深刻变革，也给媒介信任重塑以及新型人机信任关系建构带来巨大的机遇与挑战。本文将社会信任理论作为研究基础，以媒介等同理论为研究视角，基于问卷调查数据进行结构方程模型分析与AI主播媒介性考察，揭示了人工智能技术迭代发展下人机信任关系构建的路径与机制。研究发现，拟人化和智能化的媒介性呈现对AI主播的人机信任具有直接影响；媒介性还通过感知价值这一中介变量间接影响人机信任关系；技术自我效能感在媒介性与信任形成之间发挥着调节作用，具有较高技术自我效能水平的个体在互动中更易形成对AI主播的信任。研究提出的创新性观点可以促进以“智能为善、技术为人”为核心理念的新型人机关系的构建，进而完善新技术背景下的社会信任体系。

作者简介

钟丁静，中国传媒大学新闻学院博士研究生。

吴风（通讯作者），中国传媒大学新闻学院教授。

邱锐，北京市委党校公共管理教研部教授。

基金项目

本文系国家社科基金项目“新发展阶段领导干部网络素养提升路径及效能研究”（项目编号：21BDJ053）的阶段性成果。

一

研究缘起与问题提出

在传统媒体和网络直播平台中，真人主播凭借其个性化的表达和现场应变能力成为重要的内容传播媒介。随着虚拟现实、增强现实以及3D建模技术的逐步成熟，A.I.Channel绊爱、神乐Mea、星瞳、柳叶熙等虚拟主播应运而生。虚拟主播依赖计算机生成虚拟形象，突破了真人的物理限制，能在特定场景中替代真人进行内容展示和互动。早期的虚拟主播大多依赖于人工预设的动作与台词，其展演局限于既定情境，难以实现深度人机互动。人工智能技术的发展，尤其是和图像合成技术的进步，推动了AI主播的出现。AI主播融合了先进的感知智能和认知智能技术，涵盖视觉、语音、自然语言处理等多模态融合算法，能够展现出逼真的神态动作和自然的互动反应（王翠翠等，2023）。相较虚拟主播，AI主播具备实时应对复杂语境的能力，能够进行个性化推荐和智能化内容生成。从真人主播、虚拟主播再到AI主播的演进，反映了技术迭代对传播生态以及社会互动模式的深远影响。

凭借类人的外形、语音、表情和动作特征，AI主播能使用户在现实世界中与其进行更真实和深入的互动，进而重塑现有的连接方式和社会组织形态。在人与AI数字人进行自然语言对话和行为交互的情境中，人扮演着交互发起者的角色，负责提出需求和指令，而AI数字人则充当智能交互者，负责提供思考、决策以及情感表达（王国庆等，2024）。AI主播并非机械、冷漠的虚拟存在，而是富有情感的社会参与者。它们不但具备功能性价值，更在长期的互动实践中与人类产生情感联结，通过与受众建立信任、进行社交互动，发展出近似于亲密的关系（赵瑜，李孟倩，2023）。

认知心理学奠定了用户心智模型和认知过程的理论基础，促使人机交互效能研究从理性主义视角向情感、认知驱动的交互体验视角转变，实现了人机情感和交互行动的耦合（向安玲，许可，2023）。在人机交互语境下，信任既是多维度的潜在变量，又是支撑人与数字人在充满不确定性的环境中进行有效互动的核心要素，直接影响着人工智能产品与服务标准的制定。人工智能技术虽然为提升社会信任提供了新机遇，但也为深度造假、欺骗等行为提供了新渠道，从而加大了甄别、防范、监管和惩处的难度，引发了信任的背景性“脱节”。安东尼·吉登斯（Anthony Giddens）曾以“脱域”（disembedding）概念，描绘社会关系如何从地域性的互动关联中“抽离”，并在不确定的时间维度上通过无限穿越得以重构的现象。他指出，无论是象征标志还是专家系统，这些脱域机制无一不依赖于信任这一核心要素（吉登斯，1990/2011：18-23）。AI主播的自主性增强和拟人化特性改变了人机互动形式，推动人机关系逐渐从“以人为中心”的主从关系转向“人机融合”“人机互为主体”的伙伴关系（彭兰，2020；王姝彦，柴新，2024；喻国明，杨雅，2020）。当人工智能认知世界的方式发生深刻变革，人类的信任方式也亟待适应这一变化。信任的发生正逐渐从与互动场景直接产生接触中脱离，转向一种对技术的信心或依赖的新型信任模式。这意味着，基于智能技术信心而构建的新型信任模式日渐凸显。

学者们基于各自的研究视角，对人机信任机制进行了探索性研究。于雪（2022）从机器能动性视角出发，评估机器的可信度（trustworthiness），关注机器在协助人类完成特定任务时展现出的自动化程度、透明度与交互程度等。孙辛欣等（2024）从个体认知视角出发，用实验法证明知识经验在人智交互控制方式中对老年人信任体验的影响。以伦理规范视角为切入口，有学者研究了机器人遵守伦理原则与人机信任行动决策之间的关系（王晨等，2024）。国外学者则以人机信任校准（calibration）为视角，通过抑制（减少过度信任）和修复（减少信任不足）团队成员之间错误校准信任的方法，开发具有透明性和解释度的人机信任机制（De Visser et al.，2019）。尽管这些研究提供了有价值的视角与发现，但对人机信任关系机制的理解仍显不足，还需进一步探讨人机信任形成的动态过程及其影响因素。

生成式人工智能，如ChatGPT、Sora、DeepSeek大模型，已经能自生成文本、图像、音频等内容，并具备了一定的理解和交互能力。在真人主播信息播送的传统情境中，用户往往依赖于口碑效应和主播声誉来建立信任关系。然而，随着技术介入，人际信任的基础逐渐转变为由人工智能技术和算法所呈现出来的、用于代表或模拟真实个体的数字化信息或形象。基于此，本文引入媒介等同理论，从人机交互的研究背景出发，试图回答以下问题：1）AI主播的媒介性（智能化与拟人化属性）如何影响人机信任形成？2）有哪些因素影响AI直播互动中的人机信任产生？通过回答以上问题，本文为人工智能技术在直播领域的应用提供科学的理论依据和实践指导，从而促进人机信任关系的良性建构。

二

理论基础与研究假设

（一）理论基础

1.媒介等同理论

媒介等同（media equation）理论认为，人们通过社会化过程习得社会交往规则，并在与媒介互动时将这些规则应用于其交往过程中（钟智锦，李琼，2024）。巴伦·李维斯（Byron Reeves）和克利夫·纳斯（Clifford Nass）（1996/2001：6）指出在与计算机、电视等媒介互动时，人们会无意识地将其视为社会行动者，并根据媒介的表现调动已习得的规则进行互动。这意味着人们会将媒介视为真人，并产生无意识的社会性反应。社会规则的迁移，根源在于人与媒介互动时构建的“社会情景”。这种迁移并非单纯来自媒介本身营造的直观“场景”压力，而更多的是媒介通过其逼真度、相似性或语言描述等手段模拟出的情境，激发了交往者的构想并使其融入“真实交往情景”之中。AI主播作为高度智能化的媒介，在互动中展现出双向交流和拟人化的特点，是活跃的社会行动者。在AI直播的人机交互情景中，可以观察到类似人际交互的信任行为。

2.从社会信任到媒介信任

德国学者格奥尔格·西美尔（Georg Simmel）（1978/2002：68）阐述了信任对经济和社会的重要作用，并认为交换机制的前提条件是信任。德国社会学家尼克拉斯·卢曼（Niklas Luhmann）（1968/2005：7）则进一步将信任分为人际信任和制度信任，强调信任在社会结构和制度变迁中的功能化作用。随着媒介形式的拓展和媒体环境的变革，媒介信任问题日益突出。媒介信任不仅影响着信息传播的效率和效果，还影响着整个社会信任的形成与维持。媒介信任是受众对信息传播者及其所传递内容信赖程度的主观感知，包括信息的准确性、公正性、透明度以及媒介机构的专业性和道德水准等（李晓静，刘芹良，2021）。已有研究从多个维度对媒介信任进行了测量，包括来源可信度（机构/从业者）、信息可信度、渠道可信度等，并进一步挖掘了受众不信任媒介的关键指标（李晓静，2019：105-113）。还有研究以陌生来电为线索，提出城乡流动、社会信任、数字生活方式等因素会影响网络社会的媒介信任（麻宝斌，万果，杜平，2023）。随着智能技术的迅猛发展，AI主播所构建的人机信任关系正成为媒介信任研究重点关注的新议题。

（二）研究假设

1.AI主播的媒介性与人机信任

媒介理论家雷吉斯·德布雷（Régis Debray）（1994/2016：17）提出媒介是关乎媒介行为的动态整体，不单单是技术或介质，而是介于符号和事件生产之间的中间体。孙玮和程陶然（2023）从人工智能界面的系统交互视角，进一步阐释了媒介性的中介化意涵，突出通过特定的技术媒介、编码解码方式和系统交互，使信息和意义在不同社会、文化和主体之间流动的过程。胡翼青和谌知翼（2022）则从机器学的视角出发，提出媒介性表现为技术物在技术系统中的功能传递和关系形成，通过具体化技术物实现系统内部的协同、连贯和整体性，展现出自我生成、自主适应和调节的能力。在直播情景下，AI主播的媒介性表现为与外部环境进行能量、信息和物质的交换，实现自我维持和优化万利配资，从而显现出高度的生成性、自主性和关系本体论的特征。

根据心智知觉理论（mind perception theory），个体对非人类实体的感知主要围绕两个维度：温暖度和能力（Hu et al.，2021）。温暖度体现为个体对实体友好、可信赖度和类人特征的感知，而能力则反映了实体被认为具备的有效性、实用性及效率水平。两个维度相互交织，共同影响着人们对非人类实体特性的理解，进而作用于个体的情绪反应、归因判断及行为选择（Cuddy，Fiske & Glick，2008）。鉴于先前的研究已区分并强调了智能体的智能化（intelligence）与拟人化（anthropomorphism）特征是其重要属性（Balakrishnan & Dwivedi，2021），那么，本文则聚焦于这两个媒介属性对AI主播进行剖析。

拟人化是描述AI类人特征水平的术语，涵盖外表、行为及情感等层面的相似性（Cheng et al.，2022）。拟人化将人类特征、动机、意向或心理状态赋予非人实体的心理过程，使其成为人机互动中信任形成与修复的关键变量（De Visser et al.，2016）。本文将拟人化界定为，智能技术赋予AI主播人类般的特征和行为，并使其表现出情感、个性化和社交互动能力。有学者发现，当购物网站中的虚拟智能代理展现出拟人化特征时，消费者会自动将其视为真实人物，进行准社会交互并产生情感连接，进而增加消费者的信任感（Keeling，Mcgoldrick & Beatty，2010）。尽管拟人化会让用户产生机器如同人类一样可能犯错的认知，但这种认知实际上有助于增加信任的弹性，避免因过度依赖而产生信任丧失（黄心语，李晔，2024）。然而，恐怖谷理论认为这是有限度的，当机器过度类人时，可能触发不安与排斥感（Mori，MacDorman & Kageki，2012）。据此，假设如下：

H1a：AI主播的拟人化属性会正向影响用户对AI主播的信任。

当智能体展现出合规性（compliance）、响应性（responsiveness）、努力性（effort），并能从反馈中学习，具备透明度和鲁棒性（robustness）等特征时，会认为它具备智能属性（Krening & Feigh，2018）。本文将智能化界定为，AI主播能以自主和目标导向的方式运行，运用自然语言与人类交流，并具备高效输出的能力。智能的AI主播能通过增强唤醒能力和语义理解能力，提高问题回答的准确性和任务完成效率，从而优化用户对人机交互的体验（Sun，Li & Yu，2021）。具备高智能水平的AI主播能更敏感、准确地回应客户的问题并进行互动，这无疑缩小了AI主播与真人主播之间的差距（Niu，Yu & Dong，2023）。这种高质量的互动，既基于提供语义上正确的答案与值得信赖的体验，又反过来增加了智能体与人类互动的可能性（Abdul-Kader & Woods，2015）。但如果AI主播的智能水平不足，则可能仅停留在机械式地复述说明层面，无法提供用户所关心的细节信息，从而削弱用户的信任感。据此，假设如下：

H1b：AI主播的智能化属性会正向影响用户对AI主播的信任。

2.感知价值的中介作用

对感知价值的研究，存在两种观点：一种是沿袭经济学与心理学框架，将感知价值解构为感知收益与感知成本两个维度，核心在于计算两者的比率（Parasuraman，Zeithaml & Berry，1988）。另一种则更为宽泛和情境化，它强调感知价值在不同社会和技术背景下的多维性和动态性。特别是在社交媒体语境中，感知价值超越了单纯的功能性范畴，融入了用户对虚拟社区特性、互动质量以及服务性能的整体评估与认可，并催生了社会归属感、情感共鸣等非物质层面的情感价值创造（王新新，薛海波，2010）。基于此，本文选用情境化的感知价值概念进行分析。

研究表明，拟人化沟通方式在智能客服中的应用，会显著影响消费者的感知价值（董明放，李涵，2024）。这一发现与关于工人对协作机器人接受度的研究结果相似。该研究指出当机器人表现出更像人类的行为（如点头或移动头部）时，工人对互动中的价值感知会增加（Elprama et al.，2017）。这意味着拟人化属性能增强用户的互动体验，提升他们对智能系统整体的价值感知。此外，当用户感知到系统的智能化水平较高时，他们不但会认可系统的功能性表现，还会对系统的整体服务性能和互动质量给予更高评价，从而提升用户对价值的感知（Kamis，Koufaris & Stern，2008）。AI主播通过提供更准确的信息，解决了真人主播容易出错的痛点，给用户的价值感知带来更积极的影响。据此，假设如下：

H2a：AI主播的拟人化属性与用户对AI主播的价值感知正相关。

H2b：AI主播的智能化属性与用户对AI主播的价值感知正相关。

先前的研究证实，消费者在直播互动中感知到的实用价值、享乐价值和社会价值会正向影响他们对主播信任的建立（Wu & Huang，2023）。AI主播凭借其独特的魅力和特征提供优质服务，使用户在互动中收获情感价值，并有助于增强用户与主播之间的服务体验和心理亲密度，建立人机信任关系。此外，AI主播通过实时弹出窗口等机制收集受众反馈，使用户在获得有价值的信息或解决问题的过程中感知到服务价值，进而巩固对AI主播的信任基础。社会认知理论认为信任的形成是一种心理计算，在建立信任前，信任者会根据现有的线索或信息来评估受信人的能力（competence）、仁慈（benevolence）和诚信（integrity）等（Hoffmann，Lutz & Meckel，2014）。虽然情感倾向在这种计算中起了一定作用，但评价主要是基于认知的考虑，即用户在决定是否依赖交易伙伴时，必须先权衡交易的价值和风险（Smith，Dinev & Xu，2011）。因此，感知价值可能在AI主播的媒介性与人机信任关系建立中起到中介作用。据此，假设如下：

H3：用户对AI主播的价值感知与用户对AI主播的信任正相关。

H4：感知价值在AI主播媒介性与用户对AI主播的信任之间发挥中介作用。

3.技术自我效能感的调节作用

个体之间信任形成机制的差异性，源于他们在认知能力、互动方式和决策过程等方面的不同表现。社会认知理论认为，个体相信自己能完成某种任务和行动的信心取决于他的自我效能感水平。自我效能感被认为是人类动机、情感和行动的近端决定因素（Bandura，1989）。在自助服务技术（self-service technology）语境中，技术自我效能感（technology self-efficacy）特指用户对自己使用此类技术能力的主观评估（Robertson & Shaw，2009）。由于用户在自助服务提供过程中扮演着重要角色，他们对自己能否达成满意服务结果的信念将影响整体服务体验（Wang， Harris & Patterson，2013）。技术自我效能感作为一种情境化的、与特定任务或角色紧密相关的人格特质（Dierdorff，Surface & Brown，2010），其状态会随着时间的推移和信息或经验的获得而变化。因此，频繁使用或熟悉自助服务技术的用户，如高科技行业的从业者，往往拥有较高的技术自我效能感；相反，技术经验相对匮乏的群体，如部分老年人，则可能表现出较低的技术自我效能感。

沉浸倾向（immersive tendency）更强的用户，容易在脑海中触发“计算机作为社会行动者（computeras social actor）”的图式，因此更能对智能体产生社会临场感和信任感（刘伟，董悦，李纯青，2024）。技术自我效能感较强的个体往往认为自己更擅长技术，也更有能力适应人工智能技术变革。以往研究表明，技术自我效能感在用户参与对服务结果的影响中起着调节作用（Li et al.，2021）。还有研究发现，随着类人机器人智能功能和拟人度的提升，技术自我效能感的作用会显著增强（Latikka，Turja & Oksanen，2019）。这意味着，具有较高技术自我效能感的个体，更倾向于对服务类AI表现出较高的社会认可度。这背后的原因在于，这类个体通过有效管理不利因素，在与AI互动时具备更强的控制能力以减少人工智能焦虑等负面情绪，从而在与AI交流的过程中感受到更多的愉悦和信任。相反，技术自我效能感较低的个体会认为，对AI主播媒介性的感知超出了他们控制和应对的能力，这种认知加剧了他们的威胁感，并导致不安全和不信任等负面情绪。因此，本文认为拥有较高技术自我效能感的个体，在与AI主播互动时更能建立信任关系。据此，假设如下：

H5a：当个体的技术自我效能感达到较高水平时，AI主播拟人化属性会对人机信任形成产生更积极的促进作用。

H5b：当个体的技术自我效能感达到较高水平时，AI主播智能化属性会对人机信任形成产生更积极的促进作用。

综上，本文提出了AI主播人机信任机制模型，用于探讨AI主播的媒介性、感知价值、技术自我效能感与信任之间的关系。图1展示了各因素之间的关联及其相互作用机制。

三

研究设计

（一）数据收集与样本特征

AI主播能模拟真人主播的外观、声音、动作和情感表达，具备自主生成内容和与观众互动的能力，并且能通过自我学习和优化，逐步提升播报质量和个性化水平（见图2）。本文的研究对象为与AI主播有过互动经历的互联网直播平台用户。鉴于AI主播的用户基数相对较小且分布不均，加之该用户群体的具体特征与行为模式尚未形成明确认知，难以建立一个全面且准确的总体样本框架，所以无法使用概率抽样的方式来获取研究样本。因此，研究采用委托专业的商业化调研平台和线上自主发放问卷相结合的形式获得研究数据。

具体来说，一是通过一定约束条件使用Credamo平台的“数据集市”向目标群体推送问卷；二是直接向淘宝、京东、小红书、抖音、快手等直播平台用户发放问卷。为了提升研究的外部效度，样本采用了多种数据收集方式且覆盖不同的互联网直播平台，以确保样本的多样性和代表性。在问卷填写前，受访者被要求回忆一年内与AI主播互动的经历，并根据提供的图片判断是否为AI主播（见图3），没有相关经验的受访者会被自动排除在外，以确保样本的有效性和可靠性。

在2024年1月至4月期间，我们共采集到436份样本，并依据以下规则排除部分数据：（1）未正确回答陷阱问题的受访者；（2）回答时间过短或问卷有缺失。最终，获得了399份有效样本，样本有效率为91.5%。研究样本（N=399）的分布为：在性别上，女性占61.9%，男性占38.1%，与2023年中国虚拟主播用户画像中的男女比例接近（61.4%女性VS.38.6%男性）；在年龄上，主要分布在20岁至39岁之间（89.2%）；在职业上，超半数（56.4%）的受访者为公司职员；在教育水平上，以具有本科学历的受访者为主（69.4%）。此外，使用AI直播的累计时长少于半年的受访者占多数（49.6%），半数以上（55.9%）的受访者每次观看AI直播的时长在10分钟至30分钟之间。

（二）变量测量

所有变量的测量均基于成熟的研究量表，采用7分制李克特量表进行量化评估万利配资，1代表“非常不同意”，7代表“非常同意”。拟人化借鉴了Janarthanan Balakrishnan，Salma S. Abed和Paul Jones（2022）开发的感知拟人量表（Cronbach’s α=0.914）；智能化借鉴了Balakrishnan，Abed和Jones（2022）开发的感知智能量表（Cronbach’s α=0.933）；信任量表采用了Nick Hajli等（2017）以及Khaled Hassanein和Milena Head（2007）开发的感知信任量表（Cronbach’s α=0.927）；感知价值参考了Ronan de Kervenoael等（2020）开发的感知价值量表（Cronbach’s α=0.858）；技术自我效能感结合Chi Kin Yim、Kimmy Wa Chan和Simon S.K. Lam（2012）以及Daryl McKee、Christina S. Simmers和Jane Licata（2006）开发的技术自我效能感量表（Cronbach’s α=0.877）。此外，本文参考直播领域的相关研究，将性别、年龄、职业、学历设为控制变量。

（三）共同方法偏差检验

为了预防问卷调查中的共同方法偏差问题，我们在问卷设计和收集过程中采取了匿名测量、部分题项反向设置等措施，从程序上控制共同方法偏差。此外，运用哈曼单因素检验来评估共同方法偏差的严重程度，检验结果显示，变量的最高方差解释率为43.37%，这一数值低于50%的临界值，证实研究不存在明显的测量偏差。

四

数据分析与模型检验

（一）信效度检验统计

本文运用SPSS 26和AMOS 26分两个阶段检验结构方程模型。为了检验测量模型的信效度，对变量的标准化因子载荷、克隆巴赫系数（Cronbach’s α）、平均提取方差值（AVE）以及组合信度（CR）等进行了测量。如表1所示，每个变量的克隆巴赫系数在0.85到0.94之间，超过了建议的0.70的阈值，因此可以确认各变量内部一致性较高，整体信度和可靠性良好。标准化因子载荷均高于0.60，达到了内容效度的要求。平均提取方差值均高于0.5的建议阈值，表明变量的收敛效度较好（Fornell & Larcke，1981）。

为了评估变量的判别效度，我们比较了变量AVE的平方根与变量间的相关性系数。由表2可见，所有AVE的平方根均高于变量间的相关系数。这一发现为判别效度提供有力支撑的同时，也证明了变量在统计层面上的差异性。

（二）结构方程模型检验

利用AMOS 26软件进行路径分析，并采用最大似然法进行参数估计，得到了以下适配度指标：CMIN/DF=2.870（<3.0），GFI=0.913（>0.90），CFI=0.963（>0.90），NFI=0.944（>0.90），RMR=0.038（<0.05），RMSEA=0.069（<0.08）。参照吴明隆（2013：62）给定的适配指标推荐值，本模型有较好的整体拟合度。表3列出了主效应的所有假设检验结果，5个假设均得到了支持。AI主播的拟人化属性对人机信任（β=0.092，p=0.034）和感知价值（β=0.528，p<0.001）均有显著的正向影响，支持假设H1a与H2a。分析结果同样证实AI主播的智能化属性对人机信任（β=0.153，p=0.002）和感知价值（β=0.307，p<0.001）也具有显著的正向影响，支持假设H1b与H2b。此外，感知价值对人机信任（β=0.693，p<0.001）也存在显著的正向影响，支持假设H3。

（三）中介效应检验

为了检验感知价值在特定影响路径中的中介作用，本文根据Bootstrap法进行中介效应检验。采用SPSS PROCESS（Model 4）分步进行中介效应分析，样本量设定为5000，置信区间为95%，将性别、年龄、职业、学历设为协变量。若中介检验结果在95%的置信区间内不包含0，则说明对应的间接效应、直接效应或总效应显著存在，检验结果见表4。

结果显示，每条中介路径的总效应、直接效应和间接效应均表现出统计显著性，假设H4得到支持。感知价值在拟人化对人机信任形成的影响中起到正向中介作用[Effect=0.332，95% BC CI（0.259，0.401）]，效应量占比为68.16%。感知价值也在智能化对人机信任形成之间发挥了中介作用[Effect=0.342，95% BC CI （0.277，0.410）]，效应量占比为60.31%。

（四）调节效应检验

为了验证技术自我效能感在AI主播媒介性对人机信任影响路径中的调节作用，本文将性别、年龄、职业、学历设为控制变量，信任设为因变量，分别加入自变量拟人化、智能化，调节变量技术自我效能感，进行调节效应检验。根据多重共线性检验结果，VIF值的范围在1.0至1.7之间，表明数据不存在显著共线性问题（James & Hatten，1995）。表5的模型3证实，拟人化与技术自我效能感的交互项对人机信任形成有正向作用（β=0.129，p<0.001），说明技术自我效能感调节了拟人化属性与人机信任之间的关系，支持假设H5a。简单斜率分析表明（见图4），不论在高水平还是低水平的技术自我效能感情境下，拟人化属性都有助于提升人机信任，但高技术自我效能感的样本组斜率相对较高，说明在高技术自我效能感情境中，拟人化属性对提升人机信任能产生更大影响。此外，表6的模型3证实，智能化与技术自我效能感的交互项对人机信任形成有正向的作用（β=0.179，p<0.001），说明技术自我效能感也调节了智能化属性与人机信任之间的关系，支持假设H5b。简单斜率分析表明（见图5），相较于低水平的技术自我效能感，高水平技术自我效能感情境下智能化属性会对人机信任形成产生更大影响。

五

研究结论与讨论

（一）研究结论

随着AI主播逐渐卷入日常生活，人们将不可避免地与能模拟人类的智能体进行交互，这种互动将带来新的人机协作模式与信任关系。基于先前对于AI主播信任形成影响因素模型的梳理与分析，本文对AI主播人机信任关系的建构向度与机制进行了研究，并得出如下结论：

1.媒介性：拟人化与智能化驱动的人机信任

研究结果表明，AI主播的拟人化与智能化属性对人机信任的形成有显著的正向影响。这一发现与准社会互动理论的观点相契合，即用户在人机交互过程中倾向于将AI主播视为具有类人属性的社会互动对象，随着拟人化程度的提升，用户更易于将人际社会规则和社会反应投射到人机互动中（Ki，Cho & Lee，2020）。此外，研究结果还证实了用户对智能体的拟人化表现普遍持积极态度，而非由恐怖谷理论中对人工智能技术厌恶的情感所主导（Mori，MacDorman & Kageki，2012）。AI主播不单纯是对人类智能与言行的模拟，还体现了“数学因素”，展现了一个以数据与算法为基础的新世界。数字智能技术不仅能将人类全部的知识外化和数字化，还能实时将全球的动态信息转化为数字形式，将其纳入广泛的数字域中进行数据生成和共享，使得信息处理的深度、广度和准确度远超传统媒介（曾白凌，2024）。这些特性为人机信任关系的构建，奠定了媒介可信度的基础。

因此，AI主播的技术升级应兼顾“智商”与“情商”的双重提升。一方面，要充分考虑AI主播的准确性、高效性和可靠性，并利用强化学习、系统提示词等手段对模型进行微调并改进输出质量，以优化AI主播的服务性能和功能价值；另一方面，从用户体验的角度赋予AI主播情感价值，秉持情感导向的设计理念，通过强化AI主播的面部表现能力、语言交流能力、情感表达能力来增强拟人化效果，促进人机交互向共情演化。

2.价值感知：人机信任形成的隐性路径

研究发现，AI主播的智能化与拟人化媒介性不但直接促进了人机信任的形成，还通过感知价值这一中介变量间接产生了积极效应。感知价值作为连接用户和AI主播互动体验的通道，反映了用户对互动过程中获得价值的认知和评价，并影响了户对AI主播的信任感。这证实了当用户感知到外部环境的反馈超过主体的预期时，更容易产生积极情感。此外，感知价值的中介效应占比高于直接效应占比，这表明人机信任关系的形成，更多依赖于对互动价值的认知加工，而不只是对AI主播媒介性的直接观察。

因此，应积极对人机交互方式进行转型，以提升用户对AI主播的价值感知体验。要实现人机之间的和谐关系，关键在于优化AI主播的语言、表情和肢体行为等设计元素，而要建立起类似于友谊的亲密关系，则需要增设更多情感互动环节。为了提升用户对互动价值的感知，需要优化互动流程，提供有价值的信息和娱乐内容。例如，利用多模态线索（视听触觉及生理信号等心理、生理和社会线索），理解用户的需求和偏好。此外，还可以设计一些激励机制，如积分兑换、互动奖励等，以持续增加用户的价值体验。

3.个体差异：技术自我效能感调节下的人机信任

本文尝试将不同的用户类型（高自我效能感vs.低自我效能感）引入研究框架，进而扩展人机信任形成机制的理论内涵和实践意义。结果显示，拥有高技术自我效能感的个体对AI主播的媒介性表现出更积极的信任促进作用。这一结果证实了先前研究关于高技术自我效能感个体，更容易在与AI互动时享受和投入的结论（Turja，Rantanen & Oksanen，2019）。这说明高技术自我效能感的用户能更积极地应对与AI主播互动的挑战，并在互动中频繁体验到积极的情感。换言之，当用户的认知程度与AI主播的技术能力匹配时，人机信任关系才能达到和谐状态。

智能技术的发展为我们提供了与AI主播互动交流的“可供性”。然而，由技术本身的复杂性和不断演进的特征，大多数人由于缺乏必要的背景知识或专业训练，难以跟上技术更新的步伐。鉴于高技术自我效能感可以促进人机信任形成的究，相关企业需在用户与AI互动的过程中提供必要的技术支援，引导用户将AI视为得力助手，从而形成人类与AI联合互动的新模式。具体而言，直播平台应提供用户友好的界面设计和操作指引，降低用户与AI主播互动的技术门槛。此外，还可以通过在线教育、用户教程等多种途径，帮助用户提升技术自我效能感，增强他们与AI主播互动的能力。

4.法律与伦理：人机信任构建的双重规约

尽管研究发现用户对AI主播普遍持积极态度，但信任具有脆弱性。其根源在于算法黑箱的不透明性和不可解释性，使得人工智能系统在提供便利和赋权给部分人群的同时，也可能因为算法的滥用、误用和垄断，侵蚀他们的利益。当用户发现自己的个人信息在无意识中被收集或接收到虚假信息时，可能会导致AI主播信任崩塌的风险，甚至陷入“塔西佗陷阱”。人机信任关系伦理问题的底层逻辑是由“假象”引发的“欺骗”，当AI主播的拟人化特征被利用于掩盖技术操作或信息偏差时，信任危机便会加剧。

因此，基于技术秉性和法律伦理框架对人工智能技术进行规制，是建立可信赖人机关系的基础。在法律层面，立法机构需明确规定AI主播在信息获取和使用过程中的法律边界，确保用户隐私得到有效保护。法律规制还应涵盖AI主播在传播信息时的真实性责任，限制虚假信息或误导性内容的传播。在伦理层面，AI主播的开发和运营需遵循负责任原则，确保技术的应用符合道德标准。平台和开发者需建立透明的沟通机制，向用户明确展示数据收集的目的和范围，并提供用户选择退出或限制数据共享的权利，尊重用户的知情权和自主决策权。

（二）研究创新

1.研究以AI主播为视角，对人机传播范式进行了创新性探索

在传统的人机传播理论框架里，人是传播主体，机器是媒介。然而随着AI主播的迭代升级，传统的人机传播范式逐步演化为一种类人际传播的新范式。现代科技通过其工具理性，将一切事物（包括人类在内），都转化为“储备资源”，即可以随时调用和利用的对象。马丁·海德格尔（Martin Heidegger）（1954/2005：18- 27）用“集置”（enframing，德语das Ge-stell）概念来描述这种现象，意为一种将自然和人类纳入其操作范围并优化效率的秩序。这种“集置”的过程意味着人类逐渐丧失对自身存在方式的理解，无法聆听和回应自身本质的呼唤。智能技术不仅改变了人类与世界的关系，也改变了人类对自身的认知与理解，人类在技术环境中变得越来越被动和异化。AI主播作为“类人”的交流主体，在人机互动中代表了一种资源重新配置和效率优化的特殊形态，带来了更高效的信息传播，但也可能产生信任危机和伦理问题。

2.研究观点可以推进人机互动传播的智能话语体系创新

以AI主播为代表的新型“对话主体”的出现，打破了传统人际传播的话语主体格局。一方面，本文围绕媒介等同理论展开的AI主播人机信任关系及其机制研究，构建了数字人存在本质的认知方向与路径，这对人类数字异化的风险防范具有重要的参考价值，另一方面，拟人化和智能化作为AI主播重要媒介性的引入，在人机交互中起到了类似于人际交互中个体特质的作用，有助于我们重新审视智能话语主体的内涵和边界。

3.研究结论揭示了AI主播人机信任关系形成的中介机制

AI主播从中介转变为传播主体的媒介认识论问题，挑战了围绕人类中心主义建立起来的传播范式。简单的二元对立线性关系已无法解释当下的人机传播，关系层面的人机社交脚本指向了间性问题（别君华，2024）。本文指出，感知价值在人机信任形成的过程中起着中介作用。这一发现拓展了以往研究将媒介性与人机信任直接关联的简化模式，既丰富了人机关系形成的理论框架，使其更贴近实际互动场景中的多变性，又扩展了影响人机信任构建的变量体系，为预测和解释不同交互情境下人机关系的发展路径提供了有力工具。

（三）相关讨论

1.AI主播是传播主体还是传播工具

从人机关系的视角看，将AI主播从传统的传播中介角色提升为传播主体，即从人机传播定义为人与类人之间的双主体互动传播，还有待于智能技术的大幅度进步和更深层次的自我认知能力发展。

2.AI主播的价值性、公共性、正当性以及人机传播的法律伦理边界

随着AI主播的活动范围和技术水平的演进，相关议题的反思和讨论仍需持续更新和深入。这包括如何界定AI主播的社会责任、如何确保其操作的合法性和伦理性，以及如何在快速发展的技术背景下维护公共利益和用户权益。

六

研究局限

尽管研究取得了初步成果，但仍存在一些局限性，需要在后续的研究中加以探讨。第一，本文数据收集采用自我报告的形式，大多数受访者无法精确回忆或愿意分享既往与AI主播的互动经历及互动频率，使得未能充分控制这些影响因素，可能导致研究结论中的因果关系受到干扰。后续研究可明确区分受访者过往与AI主播互动的经历，如按互动频率高低进行分组，以便更精确地分析不同群体间的差异对研究变量的影响。第二，本文仅从用户和AI主播两个维度考察了影响信任形成的因素，尚缺乏对人机交互环境因素、信息内容真实性与客观性的全面考察。后续可着眼于跨场景、跨任务条件下的人机信任形成，以及信息内容多样性和复杂性会带来的影响，以全面揭示信任产生的背景与条件。第三，本文选用媒介等同理论作为主要研究视角，该理论在解释技术作为类人交互对象的基本机制上具有优势，但在涵盖范围和人机交互的深层适用性上存在一定局限。本文在创新观点的挖掘和理论应用的深度方面仍有不足，后续研究需加强对新兴人机互动场景的理论探索。

本文系简写版，参考文献从略，原文刊载于《国际新闻界》2025年第2期。

本期执编/肖鹏

订阅信息

全国各地邮局均可订阅《国际新闻界》，国内邮发代号：82-849，欢迎您订阅！

您也可通过下方二维码或网址https://mall.11185.cn/h5/#/bkGoodsDetails?spuId=113613&from=imgShare&dsId=zxSWChat&dsModule=c3df4964-af5d-40a8-d6cc-a768b5306e52 ，进入中国邮政微商城订阅本刊。

您还可访问《国际新闻界》官方网站 http://cjjc.ruc.edu.cn/ ，免费获取往期pdf版本。

进入官网下载原文

迎客松配资提示：文章来自网络，不代表本站观点。