框架理論視角下人工智能風(fēng)險的社會建構(gòu)：基于事件新聞文本挖掘的分析

The Social Construction of Al Risks from the Perspective of Framing Theory： An Analysis Based on Event News Text Mining

AbstractThroughtheframing strategies，the mediaconstructesocialmeaningofartificial intelligence （AI）risks，shaping public perceptionand influencing policyresponses.Clarifying the theme characteristics and emotional expressions in AIriskreportingcan provide theoretical supportand empirical evidence for improvingAIrisk governance.This paper， groundedinframing theory，proposesathree-dimensionalanalyticalmodelof“Scope-Perspective-Tone”andemploys naturallanguageprocessing techniquesincludingLDAtopicmodeling，sentimentanalysis，andlinguisticambiguitydetectionto systematicallexamineAIrisk news texts，uncovering themechanismsandevolutionof mediaframing inthis context.Itturnsout theframingofAIriskinthenews hasshiftedfromafocusontechnicalissues—suchasdata privacyand algorithmicbiasinearlieryears—tobroadersociopoliticalconcerns inrecentyears，includingalgorithmicdiscrimination， election interference，andpsychologicalmanipulation.Distincttypesofmediaoutletsdemonstratesignificantdierences inreporting stanceand focal points，reflecting theconstructionof diverse perspectives inriskcommunication.Moreover， the media generalltends toadoptnegative emotional tonesandemploy vague orhedging language，whichamplifies publicanxietyandalertnessregardingAIrisks.Researchshows thatmediaarenotmerelyconduitsofinformationbutactive agents in shaping the social meaning of AI-related risks.

KeywordsAI risk; framing theory;LDA;sentiment analysis;risk evolution

人工智能（ArtificialIntelligence，AI）技術(shù)在醫(yī)療、教育、金融、交通和司法等領(lǐng)域的廣泛應(yīng)用，不僅顯著提升了工作效率，還推動了技術(shù)創(chuàng)新[。然而，AI技術(shù)的快速發(fā)展亦伴隨著諸多潛在風(fēng)險，如數(shù)據(jù)隱私泄露、算法歧視、虛假信息傳播與自動化決策失誤等[2]。這些風(fēng)險不僅關(guān)系到個體權(quán)益的保障，也可能對社會穩(wěn)定與公共政策制定產(chǎn)生深遠(yuǎn)影響[3]。

人工智能風(fēng)險具有高度的不確定性和系統(tǒng)性，正如UlrichBeck在“風(fēng)險社會\"理論中所指出的那樣，當(dāng)代社會中許多風(fēng)險不再源自自然，而是源于現(xiàn)代科技自身的發(fā)展，其本質(zhì)是一種被建構(gòu)、被感知、被傳播的技術(shù)風(fēng)險[4]。換言之，風(fēng)險并非僅僅是一個客觀存在的實體，而是在媒體話語、公眾認(rèn)知與文化語境中共同生成的社會現(xiàn)象。因此，AI風(fēng)險的呈現(xiàn)不僅反映出技術(shù)本身的問題，更體現(xiàn)出媒體如何在社會語境中賦予其意義與影響力。

新聞媒體作為重要的信息傳播主體，借助其特定的報道方式與敘述框架，在塑造公眾對AI風(fēng)險的認(rèn)知、引導(dǎo)社會討論方向和政策議程方面發(fā)揮著關(guān)鍵作用。媒體如何“框定”AI相關(guān)事件，即通過特定的視角、語言與解釋邏輯呈現(xiàn)風(fēng)險信息，直接影響受眾對人工智能技術(shù)的理解方式、情緒反應(yīng)和應(yīng)對態(tài)度。近年來，關(guān)于AI風(fēng)險的報道日益增多，但媒體在風(fēng)險敘事中究竟聚焦哪些議題、其報道重點是否隨時間演變而變化，以及是否通過情緒化敘述強(qiáng)化特定風(fēng)險框架，這些問題尚缺乏系統(tǒng)性的實證分析。

本研究以框架理論為指導(dǎo)，構(gòu)建了“范圍-視角-色彩”三維分析框架，以刻畫媒體在AI風(fēng)險報道中所采取的敘事策略和價值立場。在此基礎(chǔ)上，結(jié)合LDA主題建模與情感分析等文本挖掘方法，對2013年-2024年有關(guān)人工智能風(fēng)險的新聞報道文本進(jìn)行了系統(tǒng)性分析，揭示了不同類型風(fēng)險事件在媒體報道中的框架結(jié)構(gòu)、主題演化路徑與情感傳播特征，拓展了框架理論在新興技術(shù)風(fēng)險傳播研究中的應(yīng)用維度，并深化了對技術(shù)風(fēng)險社會建構(gòu)機(jī)制的理解。一方面，本研究有助于揭示媒介在塑造公眾對新興技術(shù)風(fēng)險認(rèn)知過程中的關(guān)鍵角色，推動框架理論向非傳統(tǒng)議題拓展；另一方面，在人工智能日益滲透于社會治理、教育傳播與倫理辯論等多個領(lǐng)域的背景下，厘清媒體話語中AI風(fēng)險的建構(gòu)邏輯，亦可為政府制定監(jiān)管政策、推動媒體責(zé)任規(guī)范化提供重要的理論支持與現(xiàn)實參考。

1相關(guān)研究

1.1 人工智能風(fēng)險

人工智能技術(shù)的快速發(fā)展引發(fā)了廣泛關(guān)注，尤其是其潛在風(fēng)險問題已成為學(xué)術(shù)界[5]和政策制定者探討的重點[。Turchin和Denkenberger提出針對全球范圍的人工智能災(zāi)難性風(fēng)險分類框架，并指出不同階段的AI發(fā)展可能引發(fā)不同類型的災(zāi)難[7]。特別是在技術(shù)高速演進(jìn)的背景下，AI系統(tǒng)可能造成大規(guī)模的社會危害，甚至存在人類對自主AI系統(tǒng)失控的風(fēng)險。在信息服務(wù)與圖書館領(lǐng)域，AI系統(tǒng)可能引發(fā)隱私泄露、算法偏見、數(shù)據(jù)安全與倫理透明性等問題。王旭等指出智慧圖書館面臨技術(shù)性壓力與系統(tǒng)性安全風(fēng)險，需構(gòu)建動態(tài)防御機(jī)制8。在新聞傳播與內(nèi)容創(chuàng)作領(lǐng)域，生成式AI可能加劇虛假信息傳播，模糊作者責(zé)任。楊洋洋分析了AIGC引發(fā)的輿情情緒波動，指出負(fù)面認(rèn)知易被情感放大[9]。在醫(yī)療與金融等高敏感行業(yè)，AI的不透明決策過程與模型偏差可能會對生命安全與經(jīng)濟(jì)穩(wěn)定造成嚴(yán)重影響。Bengio等強(qiáng)調(diào)了通用人工智能若失控可能帶來災(zāi)難性后果[10]。在法律與倫理層面，Novelli等指出當(dāng)前AI風(fēng)險分類仍缺乏針對具體行業(yè)的情境適配性，難以支撐有效監(jiān)管[]。此外，AI技術(shù)還可能加劇勞動力替代，導(dǎo)致就業(yè)結(jié)構(gòu)性失衡，引發(fā)社會不穩(wěn)定。

然而，當(dāng)前治理機(jī)制尚難以有效應(yīng)對這些復(fù)雜挑戰(zhàn)，AI安全研究的進(jìn)展亦明顯滯后于其技術(shù)發(fā)展速度[12]。因此，多個研究呼呼應(yīng)從行業(yè)場景出發(fā)，構(gòu)建具有針對性的風(fēng)險感知與治理體系，實現(xiàn)技術(shù)發(fā)展與風(fēng)險控制的平衡。一些學(xué)者建議借鑒其他高風(fēng)險技術(shù)的治理經(jīng)驗，并結(jié)合技術(shù)研發(fā)和適應(yīng)性治理機(jī)制，以降低AI的潛在威脅[13]。蘇文成等構(gòu)建了人工智能風(fēng)險體系及其模塊化評價指標(biāo)，從技術(shù)、倫理、法律和社會等多個維度系統(tǒng)性地評估AI風(fēng)險[14]。這一研究為人工智能風(fēng)險的定量分析和治理策略提供了基礎(chǔ)，也為政策制定者提供了決策依據(jù)。在人工智能治理框架的構(gòu)建方面，美國NIST發(fā)布《Artificial IntelligenceRisk Manage-ment Framework：Generative Artificial IntelligenceProfile》，旨在為AI技術(shù)的開發(fā)、部署及使用提供指導(dǎo)，以確保其安全性和可信性，并強(qiáng)調(diào)治理機(jī)制需具備靈活性，以適應(yīng)不斷變化的技術(shù)環(huán)境[15]。歐盟《ArtificialIntelligenceAct》旨在對人工智能技術(shù)的應(yīng)用進(jìn)行規(guī)范化管理，重點圍繞數(shù)據(jù)公開透明、監(jiān)督機(jī)制以及責(zé)任認(rèn)定體系等方面建立相應(yīng)準(zhǔn)則，以切實保障民眾的基本權(quán)益不受侵害[16]

除了技術(shù)治理和政策框架，AI風(fēng)險的社會認(rèn)知與傳播機(jī)制亦值得關(guān)注。媒體作為信息傳播的重要渠道，在塑造公眾認(rèn)知及影響政策制定方面發(fā)揮關(guān)鍵作用。然而，現(xiàn)有研究主要集中于技術(shù)風(fēng)險分類、治理框架及政策監(jiān)管，對AI風(fēng)險在新聞報道框架中的演變研究相對不足。

1.2框架理論

框架理論（FramingTheory）作為傳播學(xué)研究的核心理論之一，其發(fā)展歷程經(jīng)歷了從社會學(xué)基礎(chǔ)到傳播學(xué)應(yīng)用的轉(zhuǎn)變。Goffman最早提出“框架分析”概念，用以解釋如何借助既有經(jīng)驗結(jié)構(gòu)解讀事件[17]。Entman進(jìn)一步深化了框架概念，強(qiáng)調(diào)框架是通過“突出某些信息，使其在交流文本中更為顯著”[18]

在國家形象建構(gòu)方面，框架分析揭示了媒體如何通過選取特定敘事資源與結(jié)構(gòu)策略，影響國際輿論圖景。安珊珊和梁馨月分析了美國主流媒體在“一帶一路\"報道中的框架對立，進(jìn)一步揭示了國際傳播中“框架競爭\"的敘事博弈格局[9。在國際背景下，Clark與Nyaupane的研究表明，西方媒體在\"過度旅游”議題中傾向于選取負(fù)面框架，進(jìn)一步激化了公眾對旅游目的地的負(fù)面認(rèn)知，體現(xiàn)出媒體對國家形象建構(gòu)的深層影響[20]?？蚣懿呗砸嗌钍苊襟w屬性與受眾定位影響。張錦儀與張光輝指出，自媒體“差評\"通過人格化敘事增強(qiáng)科學(xué)傳播親和力[21]。李建偉與付盛凱則發(fā)現(xiàn)中央與地方媒體在自然災(zāi)害報道中展現(xiàn)出不同的情緒引導(dǎo)與議題重構(gòu)方式[22]。Park等對美國校園槍擊案的分析進(jìn)一步揭示了西方主流媒體在種族框架上的系統(tǒng)性偏向，其通過“心理問題”與“暴力犯罪”的雙重標(biāo)準(zhǔn)建構(gòu)，不僅反映了媒體立場，也暴露出深層的結(jié)構(gòu)性偏見[23]

框架理論還被用于剖析虛假信息傳播機(jī)制與輿論治理策略。王國華等通過分析“上海女孩逃離江西農(nóng)村\"事件發(fā)現(xiàn)，謠言往往通過事實重組與情感動員構(gòu)建\"可信框架”[24]。侯欣潔與王燦發(fā)則探討人民網(wǎng)\"求真\"欄目在辟謠中如何利用\"組合求證”提升信息可信度，提示主流媒體在數(shù)字輿論場中運(yùn)用話語調(diào)控策略[25]。在民族議題報道中，湯天甜觀察到“譴責(zé)分裂”與“政府關(guān)懷”的雙框架策略[26]。Msughter等以尼日利亞身份沖突為背景，發(fā)現(xiàn)媒體在報道中對沖突雙方進(jìn)行不同框架選擇，直接影響公眾對責(zé)任歸屬與沖突正當(dāng)性的認(rèn)知[27]。這些研究共同表明，框架選擇不僅反映媒體立場，更影響著社會認(rèn)知的分化與整合。

框架理論已形成較為成熟的研究體系，并在多元議題和傳播場景中展現(xiàn)出較強(qiáng)的解釋力與適應(yīng)性。然而，已有研究仍存在以下不足：其一，研究多集中于個別事件或短時間段報道，缺乏對跨事件、長時段新聞?wù)Z料的系統(tǒng)性比較分析；其二，大多數(shù)框架研究仍依賴人工編碼與定性歸類，難以應(yīng)對大規(guī)模語料處理與量化驗證需求；其三，新聞報道中的情緒表達(dá)與議題結(jié)構(gòu)往往被割裂分析，缺少對主題、情感、態(tài)度之間互動關(guān)系的整體性揭示。

2研究設(shè)計

2.1 研究框架

框架理論強(qiáng)調(diào)媒體并非中立傳遞信息的通道，而是通過有選擇地強(qiáng)調(diào)、組織與呈現(xiàn)特定信息元素，構(gòu)建意義結(jié)構(gòu)，從而影響公眾對事件的認(rèn)知與情感判斷[28]。尤其在風(fēng)險傳播的語境下，框架不僅決定“公眾看見什么”，而且更深層次地引導(dǎo)“公眾如何看”。在人工智能等前沿技術(shù)迅猛發(fā)展的背景下，相關(guān)風(fēng)險的不確定性、高技術(shù)性和社會關(guān)聯(lián)性使得媒體框架成為公眾理解AI風(fēng)險的關(guān)鍵中介。新聞框架就如一扇特別構(gòu)建的\"窗”[29]，透過它，公眾不僅接收到信息，也在媒體建構(gòu)的語境中被引導(dǎo)理解風(fēng)險的嚴(yán)重性、歸因方式與應(yīng)對態(tài)度。

本研究在繼承傳統(tǒng)框架理論基礎(chǔ)上，提出從“范圍-視角-色彩\"三個維度重新闡釋媒體在人工智能風(fēng)險報道中的框架建構(gòu)機(jī)制：“范圍\"強(qiáng)調(diào)議題選擇、主題演化所呈現(xiàn)的報道邊界與關(guān)注重心；“視角\"關(guān)注特定媒體的立場與報道角度；“色彩”聚焦媒體在情緒表達(dá)和語言策略中賦予風(fēng)險的情感傾向與不確定性表達(dá)，旨在揭示媒體如何通過框架策略建構(gòu)人工智能風(fēng)險的話語現(xiàn)實。

從“范圍-視角-色彩”三維視角出發(fā)，本研究首先借助LDA主題建模技術(shù)對大規(guī)模新聞?wù)Z料進(jìn)行分析，識別人工智能風(fēng)險報道中的潛在主題，提取高頻議題范疇，并通過時間序列可視化手段展示其演化趨勢，從而揭示報道“范圍”的演變路徑與議題設(shè)定邏輯。其次，分析不同類型新聞來源所涉主題及其差異，揭示媒體在風(fēng)險建構(gòu)中的“視角”差異與立場取向。隨后，運(yùn)用情感分析模型對報道進(jìn)行傾向性分類，劃分出正向、負(fù)向與中性三類情緒，分析媒體在不同框架下為風(fēng)險賦予的“色彩”屬性。最后，通過識別報道文本中的模糊限制性語言，進(jìn)一步剖析媒體如何利用語言策略建構(gòu)風(fēng)險的不確定性語境，豐富其敘事彈性與公眾解讀空間（研究框架見圖1）。

2.2 數(shù)據(jù)來源與預(yù)處理

本研究所使用的數(shù)據(jù)來源于AIRiskRepository（人工智能風(fēng)險存儲庫），該數(shù)據(jù)庫首次嘗試系統(tǒng)性整理、分析并提取人工智能風(fēng)險框架，將其整合為一個公開可訪問、結(jié)構(gòu)完整、可擴(kuò)展且分類清晰的風(fēng)險數(shù)據(jù)庫[30]。AIRiskRepository匯集了近年來國內(nèi)外與AI相關(guān)的風(fēng)險事件，包括自動駕駛事故、深度偽造技術(shù)濫用、人工智能倫理爭議及政策監(jiān)管動態(tài)等。每一個人工智能風(fēng)險事件包括簡介、新聞報道等。關(guān)于風(fēng)險事件的新聞報道數(shù)據(jù)主要來自《華盛頓郵報》《紐約時報》《衛(wèi)報》BBC、CNN等。

為深入探究主題演化的動態(tài)軌跡，本研究采用時序滑動窗口法對新聞數(shù)據(jù)集進(jìn)行階段性劃分。鑒于早期新聞數(shù)據(jù)量較少，為保證各時段數(shù)據(jù)的可比性與分析的有效性，選取近12年（2013年-2024年）的新聞數(shù)據(jù)作為分析對象。去掉重復(fù)數(shù)據(jù)，共獲得新聞報道3977件。將研究時段劃分為六個連續(xù)的雙年區(qū)間：2013年-2014年、2015年-2016年、2017年-2018年、2019年-2020年、2021年-2022年以及2023年-2024年，以此構(gòu)建具有時序連續(xù)性的分析框架，從而系統(tǒng)考察主題演化的動態(tài)特征與規(guī)律（見圖2）。

3研究結(jié)果與分析

3.1AI風(fēng)險報道的議題構(gòu)成與演化趨勢

3.1.1人工智能風(fēng)險主題分布

LDA（LatentDirichletAllocation）是一種基于貝葉斯推斷的主題模型，能夠從文檔集合中自動發(fā)現(xiàn)潛在主題，由詞、主題和文檔三層結(jié)構(gòu)組成[31]，廣泛應(yīng)用于主題探索、知識組織、學(xué)術(shù)評價、情感分析等領(lǐng)域[32]。它假設(shè)每篇文檔是多個主題的概率分布，而每個主題由詞匯以多項式分布的方式生成[33]。在應(yīng)用LDA時，主題數(shù)量（K）的選擇至關(guān)重要[34]。結(jié)合主題一致性得分和困惑度曲線確定最佳主題數(shù)量，最終得到不同時間窗口下的主題分布情況（見表1）。

人工智能風(fēng)險的主題主要集中在數(shù)據(jù)隱私、安全、倫理、公平性、社會治理以及行業(yè)應(yīng)用等多個維度，反映出人工智能技術(shù)在不同情境下可能帶來的系統(tǒng)性挑戰(zhàn)。從數(shù)據(jù)與隱私的角度來看，AI數(shù)據(jù)泄露、濫用及歷史信息篡改問題揭示了算法驅(qū)動的個人信息控制權(quán)和透明度缺失的風(fēng)險。倫理與公平性方面，司法決策偏見、算法歧視、商業(yè)定價不公等問題凸顯了人工智能在社會正義和公平競爭中的潛在失衡。社會與政治風(fēng)險則表現(xiàn)為人工智能對信息傳播、社交媒體操控、選舉干預(yù)及心理影響的滲透，可能加劇公眾認(rèn)知偏差和民主治理困境。安全與犯罪領(lǐng)域，AI武器化、深度偽造、詐騙及安防誤判等風(fēng)險展現(xiàn)了人工智能在安全防護(hù)與攻擊性應(yīng)用中的雙刃劍效應(yīng)。行業(yè)應(yīng)用層面，自動駕駛、醫(yī)療AI、教育AI等技術(shù)的不確定性和誤判可能引發(fā)廣泛的社會后果。

這些主題共同勾勒出人工智能技術(shù)在\"技術(shù)-社會-倫理-治理\"交叉領(lǐng)域的深層次風(fēng)險結(jié)構(gòu)，呼應(yīng)了其作為一項通用技術(shù)在不同社會系統(tǒng)中的適應(yīng)性挑戰(zhàn)和長期影響。從框架理論的視角來看，這些主題并不僅僅是對客觀風(fēng)險全貌的被動呈現(xiàn)，而且是媒體在信息篩選與組織過程中，主動構(gòu)建出的“觀察邊界”。也就是說，媒體通過選擇性聚焦某些議題、忽略或淡化其他風(fēng)險面向，從而設(shè)定了公眾通過新聞報道所能“看見\"的范圍。這一框架的\"邊界\"決定了人工智能風(fēng)險圖景中哪些內(nèi)容被突出展示，哪些則被邊緣化或隱藏，最終塑造出一個帶有媒體選擇痕跡的“風(fēng)險景觀”。議題組織的方式同樣具有建構(gòu)力，不同的議題組合邏輯與敘事順序，賦予事件不同的結(jié)構(gòu)重點與意義導(dǎo)向，從而影響公眾對風(fēng)險問題的整體理解與優(yōu)先關(guān)注。

3.1.2人工智能風(fēng)險主題熱度

根據(jù)特定日期內(nèi)所有文檔的平均主題權(quán)重分布[35繪制出人工智能風(fēng)險主題熱度圖（見圖3）。由于每篇文檔的主題權(quán)重總和為1，熱度圖能夠直觀反映各主題在不同年份的相對關(guān)注程度。并進(jìn)一步呈現(xiàn)出人工智能風(fēng)險各主題在不同時間段的關(guān)注強(qiáng)度變化，灰度梯度用于量化關(guān)注度，從而揭示出人工智能風(fēng)險在不同歷史階段如何被媒體選擇性地凸顯與弱化。

從整體趨勢來看，媒體在構(gòu)建人工智能風(fēng)險議題時體現(xiàn)出明顯的優(yōu)先級排序。不同主題在不同時期成為核心關(guān)注，背后不僅反映出具體技術(shù)形態(tài)的發(fā)展演進(jìn)，也關(guān)聯(lián)著特定歷史節(jié)點上的典型事件與社會政策背景。

2013年-2014年，AI隱私泄露風(fēng)險獲得最高關(guān)注。這一時期正值大數(shù)據(jù)技術(shù)加速興起，智能終端廣泛普及，個人數(shù)據(jù)成為商業(yè)競爭的重要資產(chǎn)，媒體對\"技術(shù)侵犯個人權(quán)利\"的問題展開系統(tǒng)性關(guān)注。谷歌街景車通過WiFi竊取用戶數(shù)據(jù)事件與Facebook操控用戶情緒實驗相繼曝光，暴露了企業(yè)濫用數(shù)據(jù)的深層機(jī)制。這些事件不僅激發(fā)公眾對算法行為邊界的反思，也促使歐美國家加快數(shù)據(jù)保護(hù)立法進(jìn)程，如推動歐盟的《通用數(shù)據(jù)保護(hù)條例》（GeneralDataProtectionRegulation，GDPR）制定。媒體報道多聚焦在算法行為的隱蔽性與數(shù)據(jù)權(quán)力的不對等分布，將技術(shù)對個體權(quán)利的結(jié)構(gòu)性挑戰(zhàn)上升為公共輿論焦點。除上述高關(guān)注議題外，AI司法偏見在同期獲得中等以上關(guān)注，表明技術(shù)開始進(jìn)入公共治理系統(tǒng)，引發(fā)公眾對司法程序正義的反思。美國COMPAS算法被揭示對黑人被告評分偏高事件，凸顯出訓(xùn)練數(shù)據(jù)偏倚如何轉(zhuǎn)化為制度性歧視風(fēng)險。這類報道不僅聚焦結(jié)果偏差，更開始探討算法嵌入公共決策系統(tǒng)后對權(quán)力運(yùn)行邏輯的影響。

2017年-2018年，社交媒體中的AI操控與推薦風(fēng)險的關(guān)注度顯著上升。這一轉(zhuǎn)向反映出媒體意識到人工智能已從技術(shù)系統(tǒng)過渡為信息傳播機(jī)制的核心嵌入者。YouTube的“艾莎門”事件揭示了推薦算法在激勵機(jī)制驅(qū)動下呈現(xiàn)的內(nèi)容扭曲與道德滑坡問題。Facebook在2016年美國大選期間因其推薦系統(tǒng)被操縱傳播虛假新聞而廣受批評，推動“信息繭房”“認(rèn)知操控”等概念進(jìn)人輿論場。媒體報道不僅止于技術(shù)運(yùn)作邏輯，更開始引入社會心理與傳播理論，強(qiáng)調(diào)算法如何改變個體認(rèn)知結(jié)構(gòu)和群體分化路徑。

2019年-2020年，AI數(shù)據(jù)濫用與侵權(quán)風(fēng)險上升為輿論焦點，呈現(xiàn)出對平臺治理合法性與技術(shù)監(jiān)管體系的系統(tǒng)性審視。ClearviewAI非法抓取人臉數(shù)據(jù)的事件在全球范圍引發(fā)監(jiān)管風(fēng)暴，揭露AI企業(yè)繞過用戶知情同意獲取數(shù)據(jù)的灰色空間。而亞馬遜AI招聘系統(tǒng)對女性求職者的歧視則暴露出數(shù)據(jù)偏見如何在模型學(xué)習(xí)中持續(xù)放大。此階段，媒體的報道更強(qiáng)調(diào)算法治理的制度化困境，即如何建立技術(shù)透明度、可問責(zé)機(jī)制和監(jiān)管協(xié)調(diào)機(jī)制，構(gòu)建\"數(shù)據(jù)權(quán)力失控”的議題框架。

2021年-2022年，AI自動駕駛技術(shù)風(fēng)險顯著增大，體現(xiàn)出AI從虛擬空間向現(xiàn)實世界廣泛部署所引發(fā)的安全性與倫理責(zé)任問題。特斯拉Autopilot引發(fā)的系列交通事故促使美國國家公路交通安全管理局（NHTSA）啟動正式審查，引發(fā)“責(zé)任歸屬”與“人機(jī)協(xié)同邊界”的輿論討論。與此同時，社交平臺的內(nèi)容治理機(jī)制也引發(fā)廣泛批評，虛假信息的泛濫暴露出平臺在算法治理中面臨的效率與正義沖突。

2023年-2024年，算法歧視與倫理風(fēng)險獲得持續(xù)性報道。不同于早期對個案偏見的關(guān)注，媒體逐漸將視角擴(kuò)展至系統(tǒng)性偏見的生成機(jī)制及其社會后果。美國醫(yī)療AI系統(tǒng)在非裔患者治療推薦中具有顯著偏差，英國移民系統(tǒng)AI誤判非英語母語者，以及OpenAI模型在性別角色分類上的偏見，構(gòu)成了一組結(jié)構(gòu)性風(fēng)險的代表案例。此類報道已不再局限于揭示算法結(jié)果的偏差，而更強(qiáng)調(diào)技術(shù)嵌入制度中的“不平等再生產(chǎn)”作用。

相較而言，智能家居AI安全漏洞、工業(yè)AI自動化安全風(fēng)險、金融AI算法交易風(fēng)險及AI選舉干預(yù)等議題，雖然在技術(shù)上已具備實際影響力，但在媒體呈現(xiàn)中整體處于“低關(guān)注\"狀態(tài)。原因可能在于其社會影響尚未集中爆發(fā)，或傳播門檻較高，不易激發(fā)公眾共鳴。但需指出，這些邊緣議題在特定社會事件驅(qū)動下具有轉(zhuǎn)化為主流風(fēng)險主題的潛力，特別是在AI加速部署于關(guān)鍵行業(yè)與政策場景的背景下，其媒介可見度有望快速上升。

總體來看，人工智能風(fēng)險報道中最受關(guān)注的核心議題包括：數(shù)據(jù)權(quán)利與隱私保護(hù)、平臺算法對認(rèn)知結(jié)構(gòu)的操控、技術(shù)治理與制度問責(zé)困境、司法系統(tǒng)中的程序公正挑戰(zhàn)，以及現(xiàn)實世界中的技術(shù)安全與倫理歸屬問題。媒體在議題建構(gòu)中并非被動接受技術(shù)變革，而是通過有意識地選擇事件、強(qiáng)調(diào)后果、嵌入框架，將人工智能塑造成一種\"社會性風(fēng)險”，這一過程反映出其對技術(shù)發(fā)展所伴生的不確定性與制度張力的深度參與。

3.1.3AI風(fēng)險的主題演化分析

為系統(tǒng)揭示不同歷史階段媒體報道中主題的語義延續(xù)性與演化特征，本研究引入基于詞向量的主題相似性度量方法。首先使用Word2Vec算法對整個語料構(gòu)建統(tǒng)一的詞向量語義空間，從而捕捉詞語之間的深層語義關(guān)聯(lián)。隨后，對于每一時間窗口內(nèi)由LDA模型生成的各主題，提取其Top-20關(guān)鍵詞，并基于詞向量計算這些關(guān)鍵詞的平均向量表示，作為該主題的語義嵌入向量。接著，通過計算不同時期主題間詞向量的余弦相似度，識別相鄰時間窗口中語義上具有連續(xù)性的主題，并設(shè)定相似度閾值（0.4）以篩選語義延續(xù)性較強(qiáng)的主題對。在此基礎(chǔ)上，構(gòu)建主題演化路徑圖（見圖4），以可視化的方式呈現(xiàn)人工智能風(fēng)險報道中各主題的動態(tài)變化軌跡。該方法有效融合了LDA主題模型的結(jié)構(gòu)可解釋性與詞向量模型的語義表達(dá)能力，能夠在不依賴人工標(biāo)注的前提下，量化主題在時間序列中的延續(xù)與轉(zhuǎn)化過程。

人工智能風(fēng)險主題的演化呈現(xiàn)出清晰的階段性特征和漸進(jìn)式發(fā)展趨勢。從2013年-2014年到2023年-2024年的十余年間，媒體所建構(gòu)的風(fēng)險敘事核心經(jīng)歷了從技術(shù)性缺陷向社會性結(jié)構(gòu)失衡的顯著轉(zhuǎn)變。在早期階段，主流框架聚焦于AI系統(tǒng)的“系統(tǒng)性故障”與“工具性偏差”，如司法決策中的誤判、人臉識別系統(tǒng)的不穩(wěn)定等，風(fēng)險往往被歸因于技術(shù)本身的不成熟或算法能力的局限。這類敘事以“責(zé)任歸因框架”為主，強(qiáng)調(diào)的是風(fēng)險事件背后的技術(shù)失誤與工程瓶頸。

隨著AI技術(shù)加速嵌入社會生活，媒體敘事逐漸轉(zhuǎn)向“結(jié)構(gòu)性不公\"與“倫理缺位\"框架。算法歧視、數(shù)據(jù)濫用、平臺操控等議題的興起，標(biāo)志著AI風(fēng)險已不再是“中性工具的異常表現(xiàn)”，而成為“權(quán)力再生產(chǎn)機(jī)制的一部分”。如在算法招聘、金融信貸等場景中，AI決策已表現(xiàn)出深度嵌人社會評價體系的趨勢，媒體報道也隨之強(qiáng)調(diào)其在“制造不平等”中的作用邏輯，轉(zhuǎn)而建構(gòu)出以制度批判為導(dǎo)向的風(fēng)險敘事框架。

同時，政策與制度環(huán)境的變化亦深刻影響了主題的延續(xù)與擴(kuò)展。如2018年《通用數(shù)據(jù)保護(hù)條例》（GDPR）的實施，使得\"數(shù)據(jù)隱私\"類風(fēng)險主題從個人維度迅速擴(kuò)展到\"數(shù)據(jù)主權(quán)\"\"平臺權(quán)責(zé)”與\"監(jiān)管正當(dāng)性”等更廣闊的治理層面；而2022年美國《人工智能權(quán)利法案》藍(lán)圖文件的出臺，則進(jìn)一步推動了“算法公平性”議題向立法維度的演進(jìn)。這種從微觀技術(shù)性風(fēng)險向宏觀制度性治理的語義拓展，表明媒體在風(fēng)險構(gòu)建過程中不僅在報道“事件”，更在參與“建構(gòu)公共議題的意義框架”。

當(dāng)前，人工智能風(fēng)險報道已進(jìn)入一個多維度、多議題交織的復(fù)雜階段。媒體對AI風(fēng)險的描述與解釋不再依賴于單一框架，而是借由道德框架、歸因框架與解決框架等多種結(jié)構(gòu)，系統(tǒng)性地組織風(fēng)險話語。這種話語建構(gòu)的多重性，反映出媒體在技術(shù)變革語境下對人工智能風(fēng)險意義的持續(xù)重塑。因此，從框架理論來看，人工智能風(fēng)險主題的演化不僅是議題本身內(nèi)容的變化，還反映了媒體在不同階段所采取的風(fēng)險敘事框架的策略調(diào)整。通過風(fēng)險敘事邏輯與意義建構(gòu)策略，不斷生成社會認(rèn)知圖式與公共理解路徑的過程。

3.2AI風(fēng)險報道來源媒體與視角建構(gòu)

新聞來源對新聞媒體報道的可信度有很大影響，新聞不一定代表真相，但新聞報道代表了由相應(yīng)新聞來源決定的真相[36。通過統(tǒng)計各新聞來源報道數(shù)量與主題分布，可以發(fā)現(xiàn)，不同媒體在議題選擇與報道重心方面表現(xiàn)出顯著的立場傾向與關(guān)注差異。

3.2.1媒體分布與議題覆蓋

通過對新聞來源進(jìn)行統(tǒng)計分析，可以看到不同媒體對AI風(fēng)險的關(guān)注度及其覆蓋的議題范疇（部分媒體的數(shù)量分布與相關(guān)風(fēng)險主題見表2）?！缎l(wèi)報》《紐約時報》《華盛頓郵報》、TheVerge等媒體在報道數(shù)量上占據(jù)主導(dǎo)地位，成為AI風(fēng)險話語的核心報道來源。這些媒體不僅在數(shù)量上占據(jù)優(yōu)勢，而且覆蓋的風(fēng)險類型也極為廣泛。涉及的風(fēng)險主題包括AI數(shù)據(jù)隱私泄露、AI人臉識別風(fēng)險、醫(yī)療AI診斷失誤、AI司法決策偏見、AI生成虛假新聞等，體現(xiàn)了這些媒體在風(fēng)險議題上的全面性。相比之下，其他一些媒體則在報道數(shù)量和風(fēng)險主題的覆蓋面上相對較少。

3.2.2 媒體屬性與議題偏好差異

不同類型的新聞來源在報道AI風(fēng)險時展現(xiàn)出明顯的立場傾向和關(guān)注重點。技術(shù)類媒體，如《科技藝術(shù)》《連線》、TheVerge，更多聚焦于AI技術(shù)本身的問題，如算法濫用、隱私泄露和技術(shù)漏洞等。這些媒體傾向于采用批判性敘事方式，揭示技術(shù)本身存在的潛在風(fēng)險與系統(tǒng)性問題。傳統(tǒng)主流媒體，如《紐約時報》《華盛頓郵報》、BBC，則更注重人工智能在社會制度、倫理規(guī)范以及公共治理中的角色。他們頻繁報道涉及AI對司法、公民權(quán)利、政府決策等方面的影響，展現(xiàn)出一種將科技發(fā)展與社會責(zé)任緊密結(jié)合的報道取向。商業(yè)媒體，如BusinessInsider、Forbes，關(guān)注的議題更傾向于市場風(fēng)險，如金融AI、商業(yè)算法操控與AI競爭倫理等問題，這些報道關(guān)注的是技術(shù)與市場力量的關(guān)系，分析其對商業(yè)環(huán)境的潛在影響。此外，以通俗傳播為導(dǎo)向的平臺，如DailyMail、FoxNews、Vice，則強(qiáng)調(diào)AI技術(shù)的倫理失控、深度偽造和心理操控等潛在威脅，往往通過引發(fā)情緒反應(yīng)來吸引讀者的關(guān)注。

3.2.3新聞來源的框架視角建構(gòu)作用

新聞來源不僅僅是信息的出發(fā)點，更在根本上決定了風(fēng)險報道的\"視角\"設(shè)定一一即媒體選擇從何種立場、以怎樣的價值取向來觀看與呈現(xiàn)人工智能風(fēng)險。在框架理論的語境中，這種“視角\"正是框架建構(gòu)的一個環(huán)節(jié)，它不僅影響報道內(nèi)容的呈現(xiàn)方式，也深刻塑造著新聞話語的傾向性與導(dǎo)向性。不同類型媒體由于其政治立場、專業(yè)背景、受眾定位及組織目標(biāo)的差異，在AI風(fēng)險問題上展現(xiàn)出不同的觀察角度與敘事邏輯：主流精英媒體往往從制度批判與公共治理角度切入，將人工智能置于法治、公民權(quán)利與社會規(guī)范的大背景中加以審視；技術(shù)媒體則更聚焦技術(shù)本身的邏輯漏洞與系統(tǒng)性隱患；而商業(yè)媒體則傾向于從市場競爭與經(jīng)濟(jì)倫理視角，揭示AI技術(shù)在資本邏輯驅(qū)動下的濫用風(fēng)險。這些差異化的“視角”不僅決定了公眾看見的是哪一面“風(fēng)險”，更在無形中引導(dǎo)了他們?nèi)绾握J(rèn)知、解釋并回應(yīng)這些技術(shù)帶來的挑戰(zhàn)。因此，新聞來源作為框架中“觀看的位置”，不僅是傳播路徑的起點，更是意義建構(gòu)的關(guān)鍵樞紐。

3.3AI風(fēng)險報道的情緒傾向與語言策略分析

3.3.1AI風(fēng)險新聞的情感傾向分析

本部分運(yùn)用情感傾向分析方法，探討媒體對人工智能風(fēng)險報道的態(tài)度偏向及其在議題建構(gòu)中的潛在傾向性。情感分析是一種找出文本中表達(dá)觀點極性的方法，在本研究中，指的是一篇新聞文章。情感分析可分為監(jiān)督學(xué)習(xí)和無監(jiān)督方法[38]。監(jiān)督方法使用標(biāo)注數(shù)據(jù)訓(xùn)練分類模型，而無監(jiān)督方法基于單詞極性推斷文本情感，通常通過累計單詞極性確定整體情感傾向[39]。

根據(jù)訓(xùn)練好的主題模型計算得出每個新聞文檔的主題，基于詞典的方法將其劃分為正面、中性和負(fù)面三類，以量化媒體在AI風(fēng)險報道中的情緒表達(dá)模式。通過計算不同AI風(fēng)險主題的情感極性分布（見圖5），揭示媒體在AI風(fēng)險議題建構(gòu)過程中的認(rèn)知框架，為理解風(fēng)險傳播中的媒體角色提供實證依據(jù)。

人工智能風(fēng)險報道的情感傾向分析顯示，媒體在構(gòu)建AI議題時呈現(xiàn)出明顯的負(fù)面偏向。絕大多數(shù)AI風(fēng)險主題的負(fù)面報道數(shù)量遠(yuǎn)超正面報道，尤其是涉及倫理安全和社會影響的議題，如AI生成虛假新聞、自動駕駛技術(shù)風(fēng)險和算法歧視等，負(fù)面情感占比均超過 70% 。這種報道傾向表明，媒體更傾向于扮演\"風(fēng)險警示者”的角色，通過強(qiáng)調(diào)AI技術(shù)可能帶來威脅和挑戰(zhàn)來吸引公眾關(guān)注。這種敘事框架可能會強(qiáng)化公眾對AI的恐懼和抵觸情緒，進(jìn)而影響社會對AI技術(shù)的接受度和相關(guān)政策制定。

值得注意的是，不同AI應(yīng)用領(lǐng)域的情感傾向存在差異。在教育、醫(yī)療等具有明確社會價值的應(yīng)用場景中，雖然負(fù)面報道仍占多數(shù)，但正面報道的比例相對較高，呈現(xiàn)出一定的平衡性。這種差異化的報道策略可能反映了媒體對AI技術(shù)雙重性的認(rèn)知一既看到其變革潛力，也警惕潛在風(fēng)險。特別是在AI就業(yè)替代這樣的爭議性議題上，正負(fù)面報道數(shù)量接近平衡，表明媒體對該議題的討論更為多元。這種相對客觀的報道方式有助于讓公眾形成更為全面的認(rèn)知。

從框架理論的視角來看，媒體在AI風(fēng)險報道中所體現(xiàn)出的情緒傾向，正是其賦予新聞敘事以“色彩\"的過程。這種“色彩化\"的傳播策略，不僅為信息披上了情感基調(diào)的外衣，也直接影響了公眾對人工智能技術(shù)的風(fēng)險認(rèn)知與情緒共鳴。情緒傾向作為框架的一部分，并非中立反映事實，而是通過語詞選擇、敘事語氣與主題聚焦等手段被嵌入新聞文本中，構(gòu)成影響受眾態(tài)度的重要機(jī)制。因此，媒體在構(gòu)建人工智能風(fēng)險圖景的過程中，不僅在\"報道什么”與“如何呈現(xiàn)”上發(fā)揮作用，更在“賦予何種情感色彩”上深刻介人，進(jìn)而共同塑造了AI技術(shù)在公眾眼中的意義圖譜與社會心理基礎(chǔ)。

3.3.2AI風(fēng)險新聞的語言特征分析

為進(jìn)一步揭示AI風(fēng)險報道語言表達(dá)的模糊性與謹(jǐn)慎性，本研究引入“模糊限制語”分析視角。模糊限制語最早由G.Lakoff提出，用于指代那些使表達(dá)變得模棱兩可的詞語，這些詞語傳達(dá)了不確定性和暫時性的觀點[40]。通過模糊限制語詞典[41]（部分模糊限制語見表3），對新聞文本中相關(guān)詞匯的出現(xiàn)頻率及占比進(jìn)行量化分析，從而評估報道語言的確定性與態(tài)度強(qiáng)度。模糊語占比越高，通常意味著報道態(tài)度越溫和、立場越謹(jǐn)慎。

各類人工智能風(fēng)險主題的模糊語占比大致分布于0.041-0.057之間，表明媒體在報道AI風(fēng)險事件時普遍采用了相對謹(jǐn)慎、模糊的措辭，以維護(hù)客觀性和避免過度煽動風(fēng)險情緒（見圖6）。然而，不同風(fēng)險類型之間的模糊語占比呈現(xiàn)出一定差異，顯示出媒體在面對具體議題時存在差異化的話語風(fēng)格與報道策略。

模糊語占比最高的主題包括“金融AI算法交易與市場操控風(fēng)險”“智能家居AI安全漏洞與黑客攻擊風(fēng)險\"“AI司法決策偏見風(fēng)險”“政務(wù)AI決策失誤與偏見風(fēng)險”。此類議題往往涉及系統(tǒng)性風(fēng)險、復(fù)雜的算法機(jī)制或高度敏感的公共治理問題，信息來源的不確定性與事件結(jié)果的難以預(yù)測性，使媒體更傾向于采用模糊性措辭以維持報道的中立性與審慎性。這種語言策略有助于在信息尚未完全明朗化的情況下減少責(zé)任歸屬的風(fēng)險，并避免導(dǎo)致公眾過度恐慌。

相比之下，一些主題的模糊語使用頻率處于中等水平，如“AI倫理失控與責(zé)任缺失風(fēng)險”“AI就業(yè)替代風(fēng)險”“預(yù)測AI的社會公平風(fēng)險”等。這類議題通常處于技術(shù)與社會價值沖突的交界地帶，媒體在報道中既需要表達(dá)對潛在風(fēng)險的關(guān)注，又需避免絕對性判斷，因而使用適度模糊的語言以實現(xiàn)立場的平衡和論述的開放性。

部分主題的模糊語占比相對較低，如\"AI數(shù)據(jù)濫用與侵權(quán)風(fēng)險”“安防AI誤判與傷害風(fēng)險”“AI武器化與自動化戰(zhàn)爭風(fēng)險”等。這類風(fēng)險往往涉及個人隱私、生命安全與戰(zhàn)爭等高度敏感領(lǐng)域，公眾情緒易受波動，因此媒體更傾向于采用直接、強(qiáng)烈的表達(dá)方式，明確指出潛在危害。這種低模糊度的語言風(fēng)格有助于強(qiáng)化報道的風(fēng)險指向性，激發(fā)公眾關(guān)注和道德共鳴，也反映出媒體在某些議題上的批判立場與價值判斷。

模糊限制語作為量化新聞文本語言表達(dá)強(qiáng)度和態(tài)度傾向的重要指標(biāo)，能夠揭示媒體在人工智能風(fēng)險報道中的話語策略與風(fēng)險傳播意圖。媒體在面對不同類型AI風(fēng)險議題時，通過調(diào)節(jié)語言的模糊程度，展現(xiàn)出在風(fēng)險意義建構(gòu)中的策略性角色。語言模糊性的運(yùn)用，不僅構(gòu)成風(fēng)險報道的話語風(fēng)格特征之一，也反映出媒體如何在權(quán)威性與客觀性之間尋求話語平衡，從而影響公眾對人工智能技術(shù)的風(fēng)險感知與社會議程的構(gòu)建。

4結(jié)語

本研究以大規(guī)模新聞?wù)Z料為基礎(chǔ)，結(jié)合LDA主題建模、情感分析與語言模糊性識別等方法，揭示出人工智能風(fēng)險報道在主題構(gòu)成、媒體立場、敘事策略等方面的多層次特征，旨在豐富技術(shù)傳播語境下的風(fēng)險傳播研究路徑，獲得了諸多研究發(fā)現(xiàn)。

在“范圍”維度上，研究發(fā)現(xiàn)媒體對人工智能風(fēng)險的報道展現(xiàn)出高度的議題設(shè)定功能與明顯的優(yōu)先級劃分，體現(xiàn)了議題邊界構(gòu)建的主觀能動性。通過對時間序列語料的分析可見，AI風(fēng)險報道呈現(xiàn)出由技術(shù)層面向社會結(jié)構(gòu)層面逐步過渡的演進(jìn)邏輯。早期報道集中于數(shù)據(jù)隱私泄露、算法故障和自動化誤判等“工具理性\"層面的技術(shù)風(fēng)險，而隨著技術(shù)應(yīng)用深入，媒體關(guān)注的風(fēng)險主題轉(zhuǎn)向平臺算法操控、信息繭房、算法歧視、教育倫理等“制度性\"“結(jié)構(gòu)性\"社會問題。這一議題結(jié)構(gòu)的演化不僅反映了技術(shù)從邊緣走向核心、從封閉走向嵌入的過程，也顯示出媒體在風(fēng)險想象與公眾議程建構(gòu)中的主動作為。媒體通過議題選擇、信息篩選與框架設(shè)置，不斷重構(gòu)人工智能風(fēng)險的“觀察邊界”，在塑造公眾關(guān)注焦點的同時，也間接參與了風(fēng)險社會的規(guī)范秩序建構(gòu)。

在“視角”維度上，研究表明不同類型新聞來源在人工智能風(fēng)險報道中展現(xiàn)出多元化的立場立點與敘事取向，體現(xiàn)出框架理論中的“觀看位置”機(jī)制。主流綜合媒體普遍采取“宏觀制度視角”，強(qiáng)調(diào)技術(shù)治理、法律監(jiān)管與社會責(zé)任，構(gòu)建AI風(fēng)險的“系統(tǒng)性困境\"敘事；科技專業(yè)媒體則以“技術(shù)內(nèi)部視角\"解構(gòu)算法機(jī)制、數(shù)據(jù)訓(xùn)練與模型偏差，突出AI風(fēng)險的工程可控性與結(jié)構(gòu)復(fù)雜性；財經(jīng)商業(yè)媒體則立足“市場視角”，將人工智能風(fēng)險框定為技術(shù)資本之間的博弈與倫理沖突，如在“AI裁員”\"算法不公平\"議題中聚焦企業(yè)責(zé)任與商業(yè)合規(guī)壓力；而通俗大眾媒體更傾向于“情緒化視角”，常以感官性語言和災(zāi)難化敘事放大AI的不確定性與危險性。這種立場與視角的分化不僅反映出媒體背后的話語利益訴求，也體現(xiàn)出AI風(fēng)險在不同社會語境下的話語再生產(chǎn)邏輯，對公眾的認(rèn)知建構(gòu)和情緒感知產(chǎn)生深遠(yuǎn)影響。

在“色彩\"維度上，研究表明AI風(fēng)險報道整體呈現(xiàn)明顯的負(fù)面情緒偏向，同時在語言策略上大量使用模糊限制語，展現(xiàn)出報道中對不確定性與語義開放性的精細(xì)調(diào)控。尤其在涉及系統(tǒng)性風(fēng)險、倫理爭議或治理空白的議題中，模糊語言的運(yùn)用構(gòu)建了一種“認(rèn)知緩沖地帶”，既避免了立場過激所帶來的爭議風(fēng)險，又為報道保留了解釋空間與再敘事的可能。這種語言策略與情緒傾向的協(xié)同作用，最終形塑出一套特定的\"風(fēng)險話語風(fēng)格”一以負(fù)面情緒牽引為導(dǎo)向，輔以模糊措辭平衡不確定性，以維持報道的傳播張力與社會影響力。

本研究在理論上細(xì)化并拓展了傳統(tǒng)框架理論，提出“范圍-視角-色彩”三維分析模型，從議題設(shè)定、立場體現(xiàn)到語言表達(dá)三個層面系統(tǒng)刻畫了媒體在技術(shù)風(fēng)險報道中的框架建構(gòu)路徑。相比以往對框架的宏觀描述，該模型具有更強(qiáng)的解釋力與操作性，豐富了框架理論在技術(shù)傳播與風(fēng)險傳播語境下的適用維度。然而，仍存在若干局限與未來拓展空間：報道樣本主要來源于新聞媒體，尚未涵蓋社交媒體平臺的風(fēng)險話語體系；框架理論雖然有效解釋了新聞文本的組織邏輯，但對于AI風(fēng)險傳播中的受眾反饋機(jī)制、平臺算法干預(yù)機(jī)制等仍有待深入探討。

參考文獻(xiàn)：

[1]任嬌菡，王，初景利.智慧圖書館：從認(rèn)知到實踐[J].圖書館建設(shè)，2023（6）：113-121.

[2]王芳，朱學(xué)坤，劉清民，等.生成式人工智能研究進(jìn)展[J].圖書與情報，2024（4）：45-64.

[3]丁曉蔚，蘇新寧.基于區(qū)塊鏈可信大數(shù)據(jù)人工智能的金融安全情報分析[J].情報學(xué)報，2019，38（12）：1297-1309.

[4][德]烏爾里希·貝克，約翰內(nèi)斯·威爾姆斯.自由與資本主義[M].路國林，譯.杭州：浙江人民出版社，2001

[5]黃崑，徐曉婷，黎安潤澤，等.近5年圖情SSCI期刊人工智能倫理研究文獻(xiàn)分析與啟示[J].現(xiàn)代情報，2021，41（6）：161-171.

[6]張濤，馬海群.智能情報分析中數(shù)據(jù)與算法風(fēng)險識別模型構(gòu)建研究[J].情報學(xué)報，2022，41（8）：832-844.

[7]TurchinA，DenkenbrgerDClasificationof globalcatastrophicsksonectedwitharticialintellgnceJ]Aiamp;ociety，2020，35（1）：147-163.

[8]王旭，程光輝，趙鴻玉，等.技術(shù)性壓力視角下智慧圖書館人工智能風(fēng)險防控體系研究[J].圖書館學(xué)研究，2024（7）：56-69.

[9]楊洋洋.基于人工智能生成內(nèi)容的輿論風(fēng)險感知與驅(qū)動機(jī)制研究[J].情報雜志，2025，44（6）：149-157，137.

[10]BengioY，intonG，YaoA，etal.ManagingextremeAIisksamidrapidprogressJ].Sience，4，84（698）：84845.

[11]NovelliC，CasolariF，RotoloA，etal.TkingAIrissseriously：anewaessmentmodelfortheAIAct[J]AIamp;SOCIETY，2024，39（5）：2493-2497.

[12]羅梓超，李榮，劉如，等.預(yù)見性情報視角下生成式人工智能安全風(fēng)險感知實踐探究[J].情報理論與實踐，2025，48（4）：64-71.

[13］劉曉麗，崔文波，張濤.生成式人工智能視域下情報分析算法風(fēng)險多重治理機(jī)制研究[J].圖書與情報，2024（5）：77-84.

[14]蘇文成，洪舒悅，盧章平，等，潘穎.人工智能風(fēng)險體系與模塊化評價指標(biāo)構(gòu)建實證研究[J].情報雜志，2025，44（1）：136-145，154.

[15]AI，Niticialintellgeneisageetaeok（A）]Uhtp：//ubssostub/t2023：100.

[16]VealeM，uiderveBorgesiusFDemystifyingthDraftEUrtificialInteligenceAct—Analysingthegood，teadndteunclear elements of the proposed approach[J].Computer Law Review International，2021，22（4）：97-112.

[17]GoffmanE.Frame analysis：Anessayon the organizationof experience[M].Harvard UniversityPress，974.

[18]EntmanRM.Framing：TowardclarficationofafracturedparadigmJ].Joualofommunication993，43（4）：5-8.

[19］安珊珊，梁馨月.美國新聞報道框架建構(gòu)下的\"中國形象”——美國主流媒體\"一帶一路\"峰會新聞報道框架解析[J].哈爾濱工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2018，20（2）：82-88.

[20]Clark C，NyaupaneGP.Overtourism：Ananalysisofitscoveragein themediabyusingframingtheoryJ].TourismReviewIn-ternational，2020，24（2-3）：75-90.

[21］張錦儀，張光輝.框架理論視角下自媒體科學(xué)傳播的優(yōu)化路徑研究——以微信公眾號“差評\"為例[J].新聞愛好者，2023（5）：39-41.

[22］李建偉，付盛凱.框架理論視角下中央與地方媒體自然災(zāi)害報道對比分析——以《人民日報》《河南日報》對河南特大

暴雨報道為例[J].新聞愛好者，2022（8）：25-27.

[23]ParkSYHolodyKJ，ZhangXRaceinmediacoverageofshoolshotings：Aparalelaplicationoframingtheorydttribute agenda setting[J].Journalismamp; Mass Communication Quarterly，2O12，89（3）：475-494.

[24]王國華，吳丹，王戈，等.框架理論視域下的虛假新聞傳播研究——基于\"上海女孩逃離江西農(nóng)村\"事件的內(nèi)容分析[J]. 情報雜志，2016，35（6）：56-64.

[25］侯欣潔，王燦發(fā).框架理論視域下“涉謠報道”\"證偽\"研究——以人民網(wǎng)\"求真\"欄目為例[J].新聞與傳播研究，2013， 20（6）：101-107，127.

[26］湯天甜.媒體報道框架與程式化的民族風(fēng)險報道——基于《人民日報》民族風(fēng)險事件報道的實證研究（2000-2014）[J]. 西南民族大學(xué)學(xué)報（人文社科版），2015，36（11）：172-177.

[27]MsughterAE，GarbaS，RabiuAB.FramingTheoryPerspectiveofIdentityandNarrativesofConflictinNigerianMediaJ]. Indian Journal of Mass Communication and Journalism，2023，1（2）：1-5.

[28]SenocakE.Aframingtheory-basedcontentanalysisofaTurkishnewspaper’scoverageofnanotechnologyJ].Jouralof Nanoparticle Research，2017，19（7）：255.

[29]RoosvallA.Gaye Tuchman（1978）MakingNews：A Studyin theConstructionofRealityM]//Clasics in MediaTheoryRoutledge，2024：227-241.

[30]SlateryPeriAK，GrundyEAC，talTheaiisrepository：Acomprehensiemetareview，atabase，ndtaooyf risks fromartificial intelligence[J].arXiv preprint arXiv：2408.12622，2024.

[31]BleiDNgAJrdanMLatentDrichletlocationJ]JouralofacineLearingResearch，，3（1）99.

[32]張東鑫，張敏.圖情領(lǐng)域LDA主題模型應(yīng)用研究進(jìn)展述評[J].圖書情報知識，2022，39（6）：143-157.

[33］胡澤文，韓雅蓉，王夢雅.基于LDA-Word2vec的圖書情報領(lǐng)域機(jī)器學(xué)習(xí)研究主題演化與熱點主題識別[J].現(xiàn)代情報， 2024，44（4）：154-167.

[34］許海云，武華維，羅瑞，等.基于多元關(guān)系融合的科技文本主題識別方法研究[J].中國圖書館學(xué)報，2019，45（1）：82-94.

[35］胡麗云，唐莉.美國科研誠信與安全政策的LDA主題模型分析[J/OL].科學(xué)學(xué)研究，1-22[2025-03-12].https：/doi.org/ 10.16192/j.cnki.1003-2053.20250227.001.

[36]LinjingC.Astudyonthetheoreticalframeworkofdiscourseanalysisofchina’sresponsetoSinoUStradefrictionsJAGE Open，2022，12（1）：21582440221086656.

[37]RieisJ，deSouzaFdeMeloPV，talBreakingthenews：FirstimpressionsmatterononlinenewsC//Procdingfthein ternational AAAI conference on web and social media.2015，9（1）：357-366.

[38]王芳，朱宏智，朱健剛.我國社會組織政策主題與態(tài)度演化動因研究[J].現(xiàn)代情報，2022，42（7）：3-21.

[39]MustoC，SemeraroG，PolignanoM.A ComparisonofLexicon-basedApproaches for Sentiment Analysisof Microblog Posts[C]//DART@AI*IA.2014：59-68.

[40]LAKOFFGHdges：astudyinmeaningcriteriaandthelogicoffuzzyonceptsJ]JoualoflosopicalLogic，97，（4）： 458-508.

[41]CHOIE，TANC，LEEL，etal.Hedgedetectionasalenson framing intheGMOdebates：apositionpaper[J].arXivpreprint arXiv：1206.1066，2012.

[42]陳明珠，謝群.新冠肺炎疫情外宣新聞報道的模糊限制語研究——以People's Daily為例[J].湖北經(jīng)濟(jì)學(xué)院學(xué)報（人文 社會科學(xué)版），2020，17（9）：100-103.

作者簡介：劉清民（1993-），男，博士研究生，研究方向：自然語言處理、政府?dāng)?shù)據(jù)治理；王芳（1970-），女，、教授，博士生導(dǎo)師，研究方向：知識發(fā)現(xiàn)、政府信息資源管理。