内容提要：在人工智能技术深度驱动社会变革的背景下，算法正在深刻介入和影响人类的认知过程，已经发展为全球认知博弈的重要工具。以ChatGPT为代表的生成式大语言模型在认知重构中发挥着重要作用，西方国家的算法霸权对非洲民众的认知结构以及他们的对华认知产生了重要影响。作者构建了一个算法介入认知重构的双轨效应的分析框架，认为算法可以通过独立效应路径和遮蔽效应路径重塑用户认知。基于“非洲晴雨表”第九轮调查数据的独特时间分布特征和采用准自然实验设计与微观仿真模型相结合的方式，作者在“高接受、弱监管”的非洲场域实证检验了算法介入的认知重构效应，发现内嵌西方中心主义的ChatGPT算法一定程度上干扰了非洲民众的对华认知，这表明算法可以通过独立效应路径重塑用户认知。在算法介入前，非洲民众对民主的理解更多体现了他们尊重各国发展道路以及包容不同治理模式的后殖民理论内容，但在ChatGPT开放注册后，非洲民众原有的包容性认知路径效应被削弱，相关检验模型验证了算法介入后ChatGPT对传统认知路径形成的遮蔽效应。值得注意的是，互联网使用频率在认知重构过程中发挥着重要调节作用，高频用户则在认知方面表现出较强的韧性。
关键词：算法介入/ 认知重构/ 双轨效应/ 非洲对华认知/ 准自然实验
作者简介：刘丽娜，中国人民大学国际关系学院讲师，中国人民大学人工智能治理研究院研究员（北京 100872）。
原文出处：《世界经济与政治》(京)2025年第11期 第29-56页
标题注释：本文系国家社会科学基金青年项目(项目批准号：25CGJ033)的阶段性成果。
一、引言
在人工智能技术深度驱动社会变革的背景下，国家形象建构正在经历从传统的单向媒介传播到数字时代的网络多元互动再到人工智能时代算法认知重构的转型阶段。国家形象塑造由此从内容导向转向思维导向，算法不再只是关注信息到达与否的问题，而是更加关注信息如何被操控和被理解等问题，这从根本上改变了国家形象的建构与生成机制。软实力已超越传统的文化吸引力，转变为以精密算法干预公众认知并获取国际话语主导权的战略能力。①因此，理解人工智能时代国家形象建构的演变必须将算法逻辑与人工智能媒介化传播纳入国家形象研究的核心议程。
既有研究认为，以ChatGPT为代表的生成式大语言模型算法在处理非西方文化议题时表现出文化表征失衡、价值判断倾向和叙事框架固化等系统性偏差和缺陷。②算法不仅是技术工具，更是意识形态的载体，其隐性偏见通过信息传播和认知重构的方式潜移默化影响着全球用户的价值观与行为模式。一些学者担忧这种内置政治基因和隐性偏见的生成式大语言模型算法有可能构成系统性歧视、偏见和不平等社会后果，③强化“全球南方”国家的他者化形象，④甚至沦为西方新媒介帝国主义剥夺发展中国家对自身形象的阐释权和塑造权的工具。⑤尤其是在围绕全球对华认知的博弈中，西方国家通过算法偏见塑造认知偏见，以算法霸权维护其舆论霸权，试图重构和激化世界对中国的认知。这种认知攻势不仅对中国的国际形象构成挑战，也对全球认知域安全提出了严峻考验。然而，既有研究大多停留在理论分析层面，没有深入探讨算法介入如何通过具体机制影响用户认知这一问题，也没有对该问题的实际影响进行实证研究和评估。
在地缘战略上，非洲“高接受、弱监管”的特征使其成为学界研究算法介入认知重构效应的理想场域。非洲用户虽然对新兴技术表现出显著的包容性，但也存在监管缺失和用户认知不足等问题，导致算法偏见和隐性政治基因很容易被渗透到民众的认知体系中。这一特殊地缘政治舞台为研究算法介入的认知重构机制提供了独特视角，也为揭示人工智能技术在全球认知博弈中产生的深层次作用提供了重要契机。
本文结合理论分析与实证研究，重点分析了算法介入对全球认知格局的深远影响，探究了生成式大语言模型算法在非洲场域中重塑非洲国家对华认知的内在机制。本文构建的“算法介入认知重构的双轨效应”理论框架一定程度上揭示了以ChatGPT为代表的生成式大语言模型算法通过独立效应路径和遮蔽效应路径这两条并行且相互关联的路径对人类认知进行系统性重构的内在运作机制。这一理论框架不仅为分析算法介入对人类认知的影响机制提供了新视角，也拓展了我们对技术权力如何作用于国际关系这一问题的理解。在大规模跨国数据基础上，本文根据“非洲晴雨表”(Afrobarometer)第九轮调查数据的独特时间分布特征，采用准自然实验设计与微观仿真模型相结合的方式实证检验了算法介入对认知重构的因果效应。在研究场域选择上，本文聚焦具有特殊地缘政治特点的非洲，旨在探究算法在全球认知博弈中发挥的作用。
二、算法偏见、认知战与国家形象建构演变
(一)人工智能时代国家形象建构的演变
国家形象建构正在经历一场由人工智能技术深度驱动的范式转变。约瑟夫·奈(Joseph S.Nye)提出的软实力理论强调了文化吸引力、价值观感召力与政策正当性的重要性，认为这些非硬性资源只有通过有效传播才能转化为国际影响力。⑥西蒙·安霍尔特(Simon Anholt)提出了国家品牌六边形模型，主张从民众、旅游、出口、治理、投资和文化六个维度对国家形象进行评估。⑦这些理论将官方话语与大众媒体视为软实力传播与国家形象构建的主要途径。关于国家形象的既有研究因此也大多聚焦于电视、电影和新闻议程对国家认知的塑造。⑧
随着信息环境的数字化转型，曼努埃尔·卡斯特尔斯(Manuel Castells)认为，网络社会使国际传播权力结构出现“去中心化”趋势，国家形象建构正从由国家单一主体垄断向多元网络驱动转变。⑨詹姆斯·韦伯斯特(James G.Webster)进一步指出，数字平台对全球信息流动规则进行了重新配置，国家形象传播从大众媒体单向输出转变为网络化多向互动。⑩这些研究强调了社交媒体对国家形象的赋能效应以及公共舆论平台带来的价值偏见、信息茧房和舆论操控等风险。(11)
随着人工智能算法技术的发展，国家形象建构正在经历新一轮范式转变。算法不仅是一种传播工具，更是塑造民众认知的积极参与者。(12)人工智能技术使机器更具智能性，并赋予其社会文化意义的社交角色。具体而言，生成式大语言模型算法通过与用户进行高度拟人化的互动对话，在潜移默化中触发了“语义锚定效应”，可以通过微观语言对齐系统性地重塑用户脑海中的概念地图。(13)国家形象的竞争焦点已从物能性层面的内容可及转向了感受性层面认知框架权的争夺，从而颠覆了国家形象的传统生成逻辑。(14)
在人工智能时代，算法催生出国家形象竞争的新形态“认知战”(cognitive warfare)。这种趋势意味着软实力已经超越传统的文化吸引力，转变为一种用精密算法对公众认知进行系统干预来获取国际话语主导权的战略能力。(15)在国家形象对外传播中，算法的角色已经超越了传播工具的中介作用，转变为一种技术权力。国家间竞争不只是文化符号的输出，还在于国家对全球信息流中的参数、权重与提示模板的掌控与主导。换言之，谁掌握了推荐链路与生成模型，谁就可能在潜移默化中重构他国公众对自身的感知框架。以ChatGPT为代表的生成式大语言模型算法正在成为新的软实力载体，即生成式大语言模型算法通过语义对齐与认知锚定，在对话中植入特定价值预设与文化脚本，进而实现国家叙事的内隐式渗透。(16)这种算法叙事因为具有人际交互属性，所以较传统媒体更具认知操纵的隐蔽性和穿透力，逐渐发展为西方新媒介帝国主义剥夺发展中国家对自身形象的阐释权和塑造权的工具。(17)因此，在理解人工智能时代国家形象建构的演变这一问题时，必须将算法逻辑与人工智能媒介化传播纳入国家形象研究的核心议程。(18)
(二)生成式大语言模型算法的政治基因与隐性偏见
在人工智能时代，生成式大语言模型算法正成为影响全球受众对国家认知的重要内容来源。然而，这些看似中立的技术系统实际上隐藏着复杂的价值倾向和叙事偏见，通过内容生成过程系统地影响着各国在全球舆论场中的形象。美国开放人工智能研究中心(OpenAI)在其发布的“GPT-4o系统卡”中直言，该模型“会延续并强化其训练数据中本就存在的社会偏见和世界观，包括带有刻板印象与贬损意味的关联内容”。(19)不仅如此，“由于模型的预训练数据和对齐数据均为英语……因此绝大多数缓解措施都是在英语和以美国为中心的视角下进行设计、构建和测试的”。(20)OpenAI承认，针对非英语场景的安全与偏见缓解尚未进行充分开发与测试。这意味着以ChatGPT为代表的生成式大语言模型算法从语料输入、安全对齐到内容生成的整个技术链条中都深度内嵌了对西方话语与价值的优先级排序。
既有研究从文化表征失衡、价值判断倾向和叙事框架固化三个层面揭示了以ChatGPT为代表的生成式大语言模型算法在处理非西方文化议题时表现出的系统性偏差。在文化表征方面，大多数主流人工智能模型的训练数据一般来自西方国家，而这些国家存在根深蒂固的英语中心主义。(21)这种数据来源的不均衡性导致模型在处理和理解非西方文化、语言和价值观时产生偏差，形成了一种“数据帝国主义”。(22)阿布巴卡尔·阿比德(Abubakar Abid)等发现，以ChatGPT为代表的大语言模型在处理涉及伊斯兰相关话题时会表现出显著的负面倾向。(23)在价值判断层面，人工智能系统倾向于采用西方的价值标准作为评判依据，这种倾向性体现在对政治和社会等敏感议题的处理方式上。在涉及政治敏感话题时，这些模型往往表现出明显的西方立场，如在涉及西方、英语国家和发达国家(尤其是美国)时倾向于生成积极和友好词汇，但在描述发展中国家特别是非洲国家时容易产生负面或冒犯性内容。(24)在叙事框架构建方面，人工智能系统往往会不自觉地采用西方话语体系来构建回应，这种现象强化了西方叙事在全球传播中的主导地位。曾庆鸣等发现，ChatGPT在对美国的对外政策与行为叙事中明显表现出“颠倒黑白”和情感动员的特征。(25)安德烈·帕切科(Andre G.C.Pacheco)等采用对照实验法发现，ChatGPT在中国相关议题上经常与美国官方立场保持一致或以“表面中立、实质美式”的地缘政治模式展开叙事。(26)
因此，生成式大语言模型算法主导了国家形象与内容的生产，通过对特定国家形象元素的选择性强化或弱化可以深度影响全球受众对各国的整体认知结构。“文化霸权”的数字化延续使算法成为西方价值观传播的无形媒介，在全球范围内潜在地影响着用户的思维方式和价值判断，形成了系统性歧视、偏见和不平等社会等后果，(27)强化了“全球南方”国家的他者形象，(28)进而沦为新殖民主义的一种软实力工具。(29)有学者认为，媒介帝国主义对中国形象进行歪曲解读，主观制造了发展中国家与民主、文明和人权等现代性概念之间的隔阂，这些问题已经对人工智能时代国际传播秩序和国际舆论场域构成重要挑战。(30)既有研究虽然揭示了算法的偏见来源及其在特定文化和政治背景下的表现，也对其潜在的威胁与风险提出了担忧，但没有对这些偏见如何通过具体机制作用于用户的认知过程进行深入探讨，也没有对偏见重塑用户认知的实际影响进行实证评估。鉴于此，本文重点关注的问题是算法偏见如何影响用户认知及其具体运作机制，尝试以实证研究的方式评估算法重塑国家形象认知的真实效应与路径。
(三)地缘视域下的认知战与国家形象建构
随着信息技术和人工智能的快速发展，认知域已成为继陆地、海洋、天空、太空和网络空间之后的“第六域”战场。这一新兴战场的出现标志着战争形态的深刻变革，也突显了算法技术在现代认知对抗中的核心地位。在概念与内涵方面，认知战是依托现代信息技术传播渠道且融合了心理学、传播学和社会学等多学科知识的一项系统性行动，其核心目标是通过信息传播、舆论引导和心理操控来影响目标群体的认知过程、价值观念和行为模式。(31)从意识形态和社会建构的角度来看，认知战已经被世界各国视为一种全面综合的意识形态战争。(32)认知战可以通过改写“意义文本”来颠覆目标国家的集体认知和精神纽带，最终实现精神殖民和认知演变的目标。(33)
中国学者普遍认为，认知域是影响大国竞争与全球安全的重要领域。韩娜等呼吁可以从战略与策略层面积极参与认知域的治理，以应对因认知操纵而导致的社会矛盾激化和外部国家形象受损等方面的威胁。(34)严展宇等建议，在认知域斗争中应做到灵活高效、攻守兼备；在认知战略上应预先布局、赢得先机；在认知安全上应提高敏感度、增强韧性。(35)上述学者大多从宏观战略布局的视角提出了政策建议，强调中国在全球认知域竞争中的角色，但尚未深入微观层面识别和梳理中国在认知域相关风险的具体来源，缺乏对认知域安全来源风险强度的实证检验。
作为认知战的被动方，有学者已经注意到了以美国为代表的西方国家对中国采取的日益频繁的认知战现象。蒋蕊韩等指出，西方国家正在构筑“价值观联盟”，通过夸大“价值分歧”、限定“民主标准”和构造“舆论陷阱”等手段发起对华认知战。(36)王存刚认为，美国正试图构建以西式价值观为核心的全球“思想链”，对西方国家和价值观一致的新兴经济体国家采取拉拢策略，而对中国进行打压，刻意制造价值观的二元对立。(37)俞新天指出，西方对华认知战采用的主要手段是抹黑中国，因此中国应通过升级民间外交的方式进行有效反击。(38)虽然这些研究都强调中国在国际认知域安全方面面临的认知战风险与挑战，但没有对算法内置的政治基因以及隐性偏见如何重塑全球民众对华认知等议题进行深入分析，对西方国家的认知攻势如何影响国际社会对华认知等问题也缺乏实证研究与分析。
在地区关注度方面，中国学者的主要关注点是美国和西方国家，而对非洲等发展中地区在全球认知博弈中独特地位的重要性认识不足。事实上，非洲作为全球“最年轻的大陆”，(39)其“高接受、弱监管”的特征使该地区成为算法介入认知重构的重要场域。全球互联网用户的增长主要来自非洲、南亚和拉丁美洲等发展中地区，这些地区的用户被称为“下一个十亿用户”。(40)在接受度方面，非洲对新兴技术表现出了显著的包容性。(41)以南非为例，南非ChatGPT的使用率高达31%，位居全球第七。与其他平台相比，ChatGPT的渗透速度更为惊人，在非洲仅用5天便获得了100万用户的注册，而音乐软件Spotify和社交媒体软件Instagram分别用了150天和75天才达到100万的用户规模。这种快速渗透得益于非洲年轻群体对新技术的高接受度。(42)到2025年年底，非洲预计将会形成超过5亿互联网用户的规模，(43)年轻人口的技术敏感性和开放性为人工智能技术的广泛应用奠定了坚实的用户基础。与此同时，非洲的人工智能监管体系相对薄弱。大多数非洲国家尚未建立专门的人工智能监管框架，数据保护法规也不够完善。(44)全球技术公司和英美新闻媒体在非洲占据主导地位，非洲国家对其高度依赖但缺乏议价能力。这些公司在内容审核政策方面往往缺乏透明度，这种情况势必会进一步加剧非洲在数字治理中的被动局面。(45)由于非洲用户群体普遍对算法机制的认知和理解不足，算法技术在非洲产生的“黑箱效应”也将进一步加剧。这种“高接受、弱监管”的双重特性使非洲成为全球认知博弈的一个独特实验场域：一方面，算法技术在非洲的快速渗透为大国间认知博弈提供了新的传播渠道；另一方面，监管的缺失和用户认知的不足使得算法偏见和隐性政治基因更容易通过人工智能技术渗透到非洲民众的认知体系中。鉴于此，本文从理论和实证层面探讨了算法介入在非洲的认知重构机制，尝试揭示人工智能技术在全球认知博弈中的作用机理。
三、算法介入对认知重构的双轨效应
本文将技术社会学与认知心理学的相关研究融入对算法权力和认知域安全的探讨，构建了算法介入认知重构的双轨效应理论框架。该框架揭示了以ChatGPT为代表的生成式大语言模型算法通过两条并行且相互关联的路径对人类认知进行系统性重构的过程。一是算法的独立效应路径(路径一)，揭示的是算法的自主性影响机制。独立效应路径通过算法内置的政治基因和技术特性，直接作用于个体认知过程，形成了独立于传统认知机制的新影响渠道。二是遮蔽效应路径(路径二)，展示的是算法介入对原有认知机制的干预作用。遮蔽效应路径通过重构信息环境和改变认知处理方式弱化或遮蔽了原有认知机制的作用强度，导致传统的认知关联(如价值观与态度的关系)衰减或消失。该双轨效应模型表明，算法介入不仅能创造新的认知形成机制，还可以重塑原有认知机制的运作方式，进而导致认知结构发生根本性转变。此外，个体的数字素养作为关键调节变量一定程度上可以影响算法介入的效果强度和方向。
(一)算法介入对认知重构产生的独立效应(路径一)
算法既包括以启发式规则和点击率优化为核心的推荐系统，也包括以深度神经网络为核心的生成式大语言模型算法。前者侧重于用“用户画像×物品特征”矩阵分解或强化学习与优化，(46)后者则依赖海量语料的上下文建模与生成。(47)尽管技术路径与任务目标不同，但从认知科学的视角来看，两者在“信息表征重构”上具有通约性，它们都通过参数化注意力或权重分配机制对输入信息进行重新排列，并据此影响用户对意义的建构。(48)在具体机制上，生成式大语言模型算法通过其独特的算法架构，可以从信息偏置到认知偏差路径上对人类的认知产生深刻的重构效应。
用户在接触信息后的态度是否出现变化将主要取决于其对信息的信任水平、确认偏误以及学习率。生成式大语言模型算法正是通过对这三个关键环节进行系统性干预实现了对人类认知的精细重构。首先，生成式大语言模型算法擅长生成高度连贯、表面上专业且格式规范的内容，这种形式特性使用户倾向于高估其可信度。信息一般具有处理流畅性效应，即信息在被用户加工以及理解时的顺畅程度会影响用户对内容的态度和接受度。信息内容越流畅越容易被理解，用户越倾向于认为该信息具有可信性、专业性和有价值性。(49)有学者提出，生成式大语言模型算法生成的内容具有表面上的连贯性和专业性，可能会让人产生欺骗性幻觉，误导用户对其内容进行准确性判断。如由生成式大语言模型算法生成的新闻文章“几乎无法被人类辨认出它与真实新闻文章的区别”。(50)
其次，生成式大语言模型算法通过与人类实现互动反馈来对上下文进行动态跟踪，能够在多轮交互中迎合用户立场。实验发现，ChatGPT能读懂用户在提示语中赋予的社会身份，并且会系统性地调整输出内容，使其在价值观、情感和信念上与该身份保持一致，并表现出与人类极为相似的内群/外群偏见，从而主动迎合用户的身份偏好。(51)这种“回音室效应”在算法层面上通过参数化操作便可以实现，即用户的初始立场作为先验分布被模型加以内化，随后由模型生成的内容强化了这种先验分布，进而形成自我验证的循环。更为微妙的是，生成式大语言模型算法能够在不同主题间建立隐性关联，将用户在某一领域的立场预期转移至其他看似不相关的议题上，实现“信念网络”的系统性强化，这不仅会使确认偏误加深，还能将其扩展至更广泛的认知领域。(52)
最后，生成式大语言模型算法在情感表达与拒答策略上表现出显著的差异性，进而能影响用户的知识学习效率和服务体验。情感共鸣式的表达方式以及选择性叙事方式可以系统地提高用户对其输出的学习率。情绪唤醒可以显著提高信息记忆与迁移，因此有限的注意力资源在情绪影响下能更有效地聚焦相关信息。(53)曾庆鸣等通过对照试验，发现ChatGPT在解读美国对外政策时更倾向于使用赞美、激励和鼓舞等正面情感语言，但在指涉他国的对外政策时会选择性地使用夸大威胁、悲惨或愤怒等词汇，具有一定的煽动性。(54)与此同时，OpenAI的“GPT-4o系统卡”明确承认模型可能会表现出“不平等的拒答行为”，对不同文化背景的敏感问题会采取不均衡的处理策略。(55)ChatGPT则会对西方的政治议题提供详尽的分析并形成对用户服务质量的差异。(56)
生成式大语言模型算法介入最终达成了系统性塑造认知的独立效应路径。算法不仅是一项技术工具，更是一种文化逻辑。人工智能系统对用户认知的影响不仅限于信息层面，还能够对更深层次的世界观和价值观进行重构。(57)本文认为，ChatGPT的使用会影响人们对华认知的判断。如前文所述，ChatGPT能够从文化表征失衡、价值判断倾向和叙事框架固化三个层面来处理非西方文化，在中国议题上具有明显的系统性偏差。基于泰娜·布赫尔(Taina Bucher)描述的算法框架效应和算法的认知同化框架，(58)本文认为持续的人机互动会逐步重塑用户的认知结构。由此，本文提出假说1。
假说1：用户对ChatGPT的使用会直接使其降低对华好感度。
(二)数字素养的调节机制对认知重构的缓冲
在当今信息技术迅猛发展的背景下，数字素养作为一种关键能力能够有效调节算法介入对用户认知的影响。在非洲，互联网使用频率作为数字素养的一个重要指标能够显著影响用户如何处理和理解生成式大语言模型算法推荐的信息。频繁接触互联网环境的用户往往表现出更强的算法意识和信息处理能力。伊坦·巴克希(Eytan Bakshy)等对脸书(59)用户进行大规模研究后发现，高频率使用者更有可能接触意见相异的内容，这种信息接触的多样性有助于减弱算法推荐系统造成的认知局限。(60)塞思·弗莱克斯曼(Seth Flaxman)等进一步证实，具备较高数字素养的用户能够主动突破算法形成的“过滤气泡”，通过多元化的信息获取途径来平衡算法推荐带来的认知偏差。(61)
可以从信息甄别能力和批判性思维两个层面来理解这种调节效应的形成机制。在信息甄别能力层面，高频率互联网使用经历培养了用户更强的信息评估和验证能力。理查德·弗莱彻(Richard Fletcher)等发现，频繁使用互联网的用户获得的在线新闻源明显多于非用户。(62)这种多源信息使用户能够在面对算法时保持理性判断，避免被单一信息源或片面观点所影响。在批判性思维层面，数字素养的提升使用户能够更深入地理解算法的运作机制及其潜在影响。这种批判性思维促使用户在算法互动时能够保持适度的怀疑态度，避免盲目接受其输出的内容。(63)这些发现共同指向了一个重要结论：数字素养通过增强用户的信息甄别能力和批判性思维，在算法介入与认知重构之间构建了一个有效的缓冲机制。在对华认知的具体语境中，这种调节效应尤为重要。当ChatGPT等算法参与对华信息的生产和传播时，具备较高数字素养的用户更有可能保持其在认知上的独立性和多元性，从而降低或减少算法可能带来的刻板印象或偏见。基于上述分析，本文提出假说2。
假说2：用户的互联网使用频率越高，ChatGPT使用户对华产生负面认知的影响就越弱。
(三)算法介入对原认知机制的遮蔽效应(路径二)
1.传统的认知路径
民主价值观作为影响非洲民众对华认知的传统路径，相关理论对其作用机制的解释模式有两种：第一种解释模式基于西方民主推广者和研究者的预设框架，强调民主价值观的排他性作用；第二种解释模式从后殖民理论的视角出发，揭示了民主价值观在非洲特殊历史文化情境中的包容性潜力。这两种解释模式并不是简单的对立关系，而是反映了不同理论视角对同一现象的不同解释方式，也体现了非洲民众自主性认知实践与外部话语框架之间的张力。
第一，民主价值观作为认知图式具有排他性。在西方主导甚至垄断的国际关系叙事和民主推广实践中，西方学者与政策制定者往往会顽固地信奉一种排他性的民主价值观。弗雷德里克·巴特利特(Frederic C.Bartlett)提出了认知图式理论，认知图式是一种抽象的知识结构，能够影响信息的选择、编码、存储和提取过程。(64)在西方语境下，民主价值观作为一种认知图式，其核心特征是对民主制度的排他性认同，并以此为标准对外部信息进行分类和评估。在这一理论框架下，西方一些观察者武断认定非洲民众必然会套用一个简单粗暴的“民主/非民主”二元对立框架来认知外部世界，并蓄意将中国构建为与西方民主根本对立的他者。
这种西方预设和强加的排他性民主认知路径主要体现在两方面：其一，在信息选择层面，西方话语假定持有强烈民主价值观的非洲民众会倾向于关注与自身价值观一致的信息来源，如西方媒体对中国精心炮制的抹黑报道等信息。这些信息惯于对中国进行污名化，以此来固化甚至激化民主价值观图式中的“非民主”标签。这种叙事上的蓄意“投喂”旨在让非洲民众更容易接受与西方民主价值观“相符”的叙事，使他们忽视或弱化中国在非洲的积极贡献，如中国对非洲提供的基础设施建设、经济援助和技术合作等。在信息解释层面，西方理论模型强行植入自身的解释框架，预设非洲民众会将中国的发展模式以及中国的对非政策解读为“价值观冲突”，如把中国在非洲的投资和援助解读为“债务陷阱”等。因此，西方理论模型提供的解释框架总体会强化对中国的负面认知，强化非洲民众对民主价值观采取排他性的认知态度。西方预设和强加的排他性民主认知路径由此假定：非洲民众的民主价值观越强，他们对中国的认知越可能趋向负面。这也是西方预设和强加的排他性民主认知路径想要实现的险恶意图。
第二，民主价值观作为跨文化理解方式具有包容性。非洲国家的后殖民理论视角提供了一个更符合非洲历史脉络和复杂现实的解释框架。该视角挑战了西方中心主义假定的核心预设，即西方的二元认知模式将西方标榜为自我，将中国恶意塑造为他者。后殖民理论指出，非洲曾长期处于西方殖民主义的统治下，这段历史使非洲民众对西方的民主既存在部分价值认同，又存在历史创伤的记忆和对西方文化的警惕。(65)在非洲民众的认知图式中，西方实际上是一个复杂的他者形象。同样，中国作为一个具有不同文化传统的国家，也构成了一个关键的他者，其形象建构同样有赖于非洲自身的主体性认知与解读。在这种双重他者的认知格局中，具有自身民主价值观的非洲民众更可能发展出一种独立并具有主体性的认知立场。从非洲后殖民理论的视角来看，民主价值观并不是一种简单的排他性价值观，在内涵方面具有内在的多元性和包容性，能够促进和改善非洲民众对中西方跨文化的理解。
民主价值观的包容性通过促进对他者认知的平等性、实践性和多元性的理解，进而为非洲民众构建更为积极的对华认知提供了可能。具有包容性民主价值观的非洲民众认识到的情况是，中美作为两个不同的他者，两国都具有各自的文化特质和发展逻辑，但双方的文化是平等的。这种平等性认知使非洲民众能够跳出西方主导的认知框架，以更加独立和客观的视角评估中国的发展模式和中非关系。在对他者的认知过程中，包容性的民主价值观还促使非洲民众能够更多关注实践层面的互动经验。作为与非洲合作的两个重要国家，中美两国在非洲都留下了深刻的实践印记，而具有包容性思维的非洲民众倾向于通过实际的互动经验而不是预设的价值判断来理解中国和美国这两个他者。如在评估中国的发展援助时，非洲民众更多关注的是项目的实际效果及其与本地发展需求的契合度，而不是简单套用西方的话语体系。作为曾经的殖民地，非洲国家对西方发展模式的局限性具有深刻的认识，这也使非洲民众更容易理解和接受各国自主选择多样性的发展道路。这种对多元发展道路的包容性认知使非洲民众能够更加理性地看待中国的发展模式以及对非洲的借鉴意义。基于上述分析，本文提出假说3。
假说3：在后殖民现实中，非洲民众民主价值观的自主性越强，其对中国的认知越趋向正面。
2.遮蔽效应的形成
算法介入对认知重构的路径在于它能够对原有认知机制产生遮蔽效应。这意味着重构信息环境和改变认知处理等方式可以弱化或遮蔽原有认知机制的作用强度，使传统的认知关联(如价值观与态度之间的关系)衰减或消失。
遮蔽效应在传统推荐算法中一直存在。基尔斯廷·索森(Kjerstin Thorson)等认为，脸书的算法推荐机制显著弱化了用户政治兴趣与新闻接触之间的传统关联。(66)在传统认知路径中，政治兴趣与政治新闻接触表现出稳定的正相关关系。在算法介入后，即使用户表达的政治兴趣较低，但算法仍然会持续推送相关政治内容，这直接证实了算法介入对原有认知机制的遮蔽作用。类似地，艾坦·巴克希(Eytan Bakshy)等所做的大规模实证研究也支持了这一论断，他们发现脸书的推荐算法可能会限制用户接触与其政治倾向不同的内容。(67)因此，算法推荐通过重构用户的信息接触环境使用户的信息接触模式不再由用户的价值观和态度所主导，而是更多地受到了算法推断和推荐的影响。传统推荐算法的遮蔽效应就像图书馆的智能书架系统，读者原本会基于自己的兴趣和价值观在不同书架间自由漫步，通过主动探索形成自己的知识结构和观点，但智能书架系统会根据读者过往的借阅记录系统地将读者感兴趣的书籍放在显眼位置。久而久之，读者的阅读选择越来越多地被这个“智能”系统的推荐所主导，原本基于个人兴趣和价值观的自由漫步式探索和阅读模式逐渐被遮蔽。
与以往依赖内容推送和用户行为预测的算法不同，生成式大语言模型算法通过对话式交互和结构化自然语言生成的工具能直接重构知识的生产与流转方式，从而深刻重塑用户认知逻辑与态度的形成路径。因此，生成式大语言模型算法的遮蔽效应更像一个私人对话式“导师”。在这样的场景中，读者不再漫步于图书馆，也无须自己寻找答案，而是坐在“导师”对面通过问答的方式直接获得学术的内容和观点。这位“导师”不仅提供信息，还会在互动中适时重述用户的问题、嵌入专业术语、设定思考框架，甚至在用户偏离主题时将话题拉回预先设计的逻辑轨迹。随着对话的深入，用户会逐渐把检索、判断和论证等认知工作外包给“导师”，不仅被指导“看什么”，还会被引导“怎样看”与“为何这样看”。用户原有的思维导图在对话中被不断修订和替换，以至于完全意识不到自己已经被动融入生成式大语言模型算法这个“导师”预设的知识模式中。这种机制超越了简单的内容筛选，直接介入用户认知形成的核心过程，从而产生了更为深层的遮蔽效应。
生成式大语言模型算法对原有认知机制的遮蔽效应主要通过认知外包和交互式认知锚定两个核心机制实现。这两种机制相互作用共同使传统的认知路径得以弱化。首先是技术现象学的认知外包机制。根据卢西亚诺·弗洛里迪(Luciano Floridi)的论述，认知外包是指人类将原本由自身完成的认知任务转移到数字技术系统的过程。(68)认知外包的内容包括基础层次的信息存储、中间层的信息处理和高级层次的判断决策等，体现了递进的认知转移层次。(69)在算法时代，人们将主观价值评估和决策过程交由算法处理并严重依赖“算法权威”，这势必会弱化个人的价值体系和独立的判断能力。(70)其次是交互式认知锚定会强化遮蔽效应的持久性。在连续对话情境中，生成式大语言模型通过反复使用或强调特定关键词、比喻或论证路径，将其作为思考锚点，引导用户沿着特定思路对相关议题进行深化理解。(71)这种对话式引导明显不同于传统算法的单向推送，会以更精细的细粒度对话式介入来塑造用户的认知发展路径，使用户更加难以跳出其预设的框架进行独立探索，进一步弱化了用户的原有价值观与态度之间的自然关联。在认知外包和认知锚定的相互强化下，ChatGPT的介入会弱化非洲民众对华认知的传统路径，进而形成对传统路径的遮蔽效应，本文由此提出假说4。
假说4：ChatGPT算法的介入会遮蔽传统的认知路径，包容性民主价值观与对华认知的作用关系会减弱。
四、研究设计
(一)准自然实验设计
本文基于“非洲晴雨表”第九轮调查数据的独特时间分布特征，采用准自然实验设计检验了算法介入对非洲民众对华认知框架的重构效应。“非洲晴雨表”第九轮调查覆盖了40个非洲国家，调查时间跨度从2021年10月31日至2023年7月17日，恰好横跨了ChatGPT于2022年11月30日开放注册的前后时段。由于ChatGPT的发布日期与“非洲晴雨表”的调查在时间上相互独立，这种偶然的时序重叠为本文提供了较为理想的准自然实验环境。在样本构成方面，40个受访的非洲国家中有7个国家获得了ChatGPT的官方注册权限，这些国家的调查时间同样跨越了ChatGPT开放注册的前后时段。值得注意的是，即使在未获得官方注册权限的非洲国家，其国内民众仍然可通过ChatGPT镜像网站和其他替代渠道获得使用机会。这种技术扩散的普遍性使我们可以更全面地考察算法介入对认知重构产生的影响。采用事件研究方法并利用ChatGPT发布这一外生事件可以考察算法介入对非洲民众认知框架的影响。本文通过比较ChatGPT发布前后的调查数据并结合不同国家的访问权限差异，从多角度验证了算法介入的效应。此外，本文采用多重验证策略构建了不同的样本集并对其进行分析，其中包括全样本分析、仅开放ChatGPT注册的国家子样本分析以及不同时间窗口的样本分析等，旨在检验重构效应的一致性。
在模型设计方面，本文采用事件研究方法将ChatGPT的开放注册时间作为事件时点，将受访者根据其接受调查的时间分为事件前后两组。(72)这种设计可以更好地捕捉ChatGPT对非洲民众认知框架的渐进影响，同时兼顾技术扩散的动态特征。相关具体模型设定如下：
(二)微观机制模型模拟
准自然实验设计虽然能揭示事件影响的宏观结果，但无法细致探讨个体在接触算法后的态度改变过程。为了进一步探究算法介入对非洲民众认知框架的微观机制，本文将采用基于贝叶斯更新逻辑的微观仿真模型，追踪还原从宏观统计效应到个体认知变化的内在动态机制(如图1)。
图1 微观机制模型模拟过程
资料来源：笔者自制。
本文的微观机制模型重点在于建立了宏观统计模型与微观仿真模型之间的参数映射机制，具体表达为：
Θmicro=f(Θmacro，∈) 式4
其中，Θmicro代表微观模型参数，Θmacro为宏观模型参数，∈为校准噪声。通过这一映射，可以实现从宏观统计到微观个体模拟的系统性转化。
具体而言，宏观参数主要通过四个关键参数体现：一是初始态度分布参数，用于捕捉非洲民众对华态度的均值和标准差；二是处理效应参数，用于量化ChatGPT介入的平均处理效应(记作α1)；三是人口统计学特征参数，包括年龄、性别、种族、宗教信仰和生活条件等重要特征；四是控制变量系数，涉及社交媒体使用、技术获取、教育、地理和住房等。这些宏观参数为微观机制初始化阶段的用户个体模拟奠定了基础。
为了刻画微观态度更新机制的模拟过程，本文设计了ChatGPT响应生成器、用户生成器和态度更新函数三个关键组件。首先，本文建立了一个ChatGPT响应生成模块，基于既有研究结论模拟了ChatGPT在不同的话题类型、语言选择和提问框架下对用户的响应倾向。其次，在用户生成器模块，本文构建了一个能够反映非洲人口统计学的用户群体生成模型。随机生成的用户群体模拟了宏观映射参数属性、认知参数(包括初始态度、对ChatGPT生成内容的信任水平、确认偏误和学习率)以及用户与ChatGPT的交互参数(包括交互频率和态度更新衰减率)。最后，本文设计了个体态度更新函数，用以模拟用户在接触信息后态度的变化，其数学表达式如下：
A(t+1)i=A(t)i+ηi×[Acceptance(τ，r)×R(q，l，f)-λ×A(t)i] 式5
其中，ηi表示用户的学习率，λ表示用户态度更新衰减率，Acceptance(τ，r)表示用户在受信任水平τ和确认偏误r影响下对信息的接受程度，R(q，l，f)表示受话题q、语言l和提问框架f影响下ChatGPT生成的响应倾向值。(73)
微观机制模型的最终目标是通过优化过程推断微观参数，优化过程基于以下数学公式：
minθ｜ΔA(θ)-ΔA*｜ 式6
其中，ΔA*代表宏观模型观测到的目标态度变化，θ表示模型的参数组合(包括微观机制模型中非宏观参数映射的其他参数)，ΔA(θ)是通过微观模拟获得的平均态度变化。
优化过程的核心在于寻找最优线束，即确定态度变化ΔA(θ)与目标态度变化ΔA*尽可能接近的参数组合。在寻求最优线束过程中，本文使用参数优化技术进行多次迭代，记录每一次尝试的结果，并通过随机搜索、贝叶斯精确搜索和局部微调三阶段策略来探索不同参数组合的表现，评估其与目标态度变化的误差，最终寻求最小误差的参数集。
五、实证分析
(一)路径一的独立效应
本文运用多层次实证策略系统评估了ChatGPT介入对非洲民众对华认知的影响，同时基于基准模型构建了五个互补的实证模型。首先，本文以具有ChatGPT官方访问权限的7个非洲国家为基准样本(表1模型1)，将2022年11月30日ChatGPT开放注册时间设定为处理节点。其次，通过时间窗口收缩(表1模型2，横跨处理时间点的6个月)、单一国家检验(表1模型3，聚焦于南非)和地理范围扩展(表1模型4和模型5，涵盖所有受访国家的6个月窗口期和全样本期间)等策略，逐步深化对处理效应α1的识别。选择南非作为模型3的研究对象，主要是因为对南非的调查时间恰好跨越了ChatGPT开放注册的时间点。通过样本的逐步调整和多重稳健性检验，可以全面评估ChatGPT介入效应的异质性和通适性，也为因果推断提供了可靠的内部效度支持。在标准误差处理策略上，本文对于涉及多个国家的模型(表1模型1、模型2、模型4和模型5)采用国家层面标准误差聚类，以便有效控制观测值在同一国家内可能存在的序列相关和空间相关。对于仅包含南非样本的模型3，由于不存在跨国聚类的需求，本文采用异方差稳健的标准误差以处理可能的异方差问题。
表1的实证结果为假说1提供了强有力的支持，揭示了ChatGPT介入对非洲民众对华认知的系统性影响机制。具体而言，在具有ChatGPT访问权限的国家样本中，全时段分析(表1模型1)显示处理效应α1为-0.305(p＜0.001)，表明ChatGPT的介入使其对华好感度下降了约7.4%。如果将分析窗口收缩至横跨处理时间点的6个月(表1模型2)，效应量则略有减弱(α1=-0.254，p＜0.01)，但效应仍然显著，这种短期效应的存在排除了与其他长期趋势出现的混淆可能。值得关注的是南非样本的自然实验(表1模型3)，其调查时间恰好跨越ChatGPT开放注册时间点，同样呈现相似的负向效应(α1=-0.219，p＜0.1)，但统计显著性的缺失可能反映了技术扩散的滞后性，算法介入对认知产生的影响可能需要时间积累才能实现。值得注意的是，当样本扩展至所有国家时，6个月窗口期(表1模型4)呈现出边际正向效应(α1=0.385，p＜0.1)，全时段分析(表1模型5)则显示显著的负向影响(α1=-0.545，p＜0.001)。这种动态变化模型可能是因为ChatGPT的西方中心主义倾向并没有通过简单的信息输出发生作用，而是通过持续的人机互动逐步重塑了用户的认知框架。虽然初期可能出现的正向效应(表1模型4)可以被理解为认知失调理论下的一种短期调适，但长期效应(表1模型5)充分展现了算法框架的深层影响力。总体而言，这些实证证据不仅验证了假说1，还重点揭示了ChatGPT作为算法影响对华认知的具体机制：通过持续的人机互动方式将其内嵌的西方中心主义价值判断逐步转化为用户认知的有机组成部分，进而实现深层次的认知重构。
(二)认知重构的缓冲
基于交互项模型的实证结果可以支持假说2，揭示了互联网使用频率在ChatGPT影响对华认知过程中的显著调节作用(见表2)。在具有ChatGPT访问权限的国家样本中，处理效应的基础项β1显示出更强的负向影响，这表明在控制互联网的使用频率后，ChatGPT对互联网使用频率低用户的负向影响更为显著。更为关键的是，交互项系数β3在核心模型中呈现显著的正向效应。这一结果验证了假说2，即高频率互联网使用者能够有效缓冲ChatGPT带来的负面认知影响。具体而言，在6个月窗口期(表2模型2)中，每提高一个单位的互联网使用频率，可以将负向处理效应削弱约19%；在全样本(表2模型1)中，这种抵消程度达到了13%。值得注意的是，互联网使用频率的主效应β2在大多数模型中并不显著，这表明互联网使用频率主要通过与ChatGPT的交互发挥作用，而非直接影响对华认知。在南非的自然实验样本(表2模型3)中，虽然交互效应的方向(β3=0.073，p＜0.1)与理论预期一致，但统计显著性的缺失表明短期内互联网使用频率的调节作用需要时间积累，并且可能与样本量较小、时间跨度短有关。这种时间依赖性在扩展样本分析中得到进一步印证：虽然全样本6个月窗口期(表2模型4)的交互效应(β3=0.041，p＜0.05)和全样本长期分析(表2模型5)的交互效应(β3=0.014，p＜0.1)有所减弱，但依然保持正向。总体而言，这些实证证据支持了假说2，揭示了互联网使用频率作为认知重构缓冲机制的具体运作方式，即高频率互联网使用者通过更强的信息甄别能力和批判性思维，能够在ChatGPT介入的环境中保持自身认知的独立性，并有效减缓算法带来的负面认知影响。
(三)路径二的遮蔽效应
本文通过比较ChatGPT开放注册处理前后民主价值观对非洲民众对华认知的影响差异来识别算法介入对原认知机制的遮蔽效应。基于民主价值观基准模型设定，本文采用多重子样本分析策略，将数据划分为5个数据集进行估计。本文首先构建了一个包含“非洲晴雨表”第八轮和第九轮调查数据的混合截面数据集，以便在更长的时间维度上考察效应的动态变化。本文随后进行了子样本模型估计，分别考察“非洲晴雨表”第八轮样本与第九轮样本(处理前)的合并样本、第八轮样本、第九轮样本(处理前)、第九轮样本(处理后)以及第九轮处理后具有ChatGPT访问权限的国家样本。通过比较不同数据集中民主价值观的系数估计值δ1，可以识别ChatGPT介入是否改变了民主价值观与对华认知之间的关系。
这种子样本分析策略具有独特的方法论优势。首先，它突破了传统交互项模型对处理效应线性假设的限制，允许民主价值观对对华认知的影响在不同情境下呈现非线性和非单调的变化模式，而这种灵活性对于捕捉算法介入带来的复杂认知重构过程尤为重要。其次，通过独立考察每个子样本，能够更好地处理样本选择性问题，特别是在区分具有ChatGPT访问权限的国家样本时，这种方法可以有效分离出真实的算法介入效应与国家特征带来的选择性效应。最后，子样本分析提供了更丰富的分析信息，通过观察各个子样本中估计值的变化模式，能够更全面地理解算法介入如何重塑了民主价值观与对华认知之间的关系(见表3)。
表3的实证结果显示，民主价值观与非洲民众对华认知之间存在显著的正向关系，这一发现支持了假说3。具体而言，在合并样本(δ1=0.054，p＜0.001)、第八轮样本(δ1=0.056，p＜0.001)和第九轮样本(处理前)(δ1=0.046，p＜0.01)中，民主价值观与对华认知均呈现显著的正向关联。这种稳健的正向关系反映了算法介入前非洲民众对华认知的传统路径，即民主价值观作为跨文化理解的包容性特征在非洲民众对华认知中发挥着主导作用。具体而言，持有较强民主价值观的非洲民众更可能将中国和西方同等视为他者，从而跳出西方主导的认知框架，以更加独立和客观的视角评估中国。为了进一步验证民主价值观在非洲民众对外认知中的包容性作用，本文还在稳健性检验中估计了民主价值观对非洲民众对美认知的影响，检验结果同样呈现了显著的正向关系。这表明民主价值观的包容性特征能够促进非洲民众对不同他者的跨文化理解，并没有强化简单二元对立的认知框架。
表3的实证结果支持了假说4关于ChatGPT介入对原有认知机制产生遮蔽效应的理论预期。在进入以ChatGPT为代表的算法时代后，民主价值观的传统认知机制发生了显著变化。在第九轮样本(处理后)中，虽然民主价值观对非洲民众对华认知的影响系数仍保持正向(δ1=0.061，p＜0.1)，但统计显著性已经消失。更引人注目的是，在直接暴露于ChatGPT影响的国家样本中，民主价值观对非洲民众对华认知的影响不仅其系数显著性完全消失，系数估计值甚至转为负向(δ1=-0.011，p＜0.1)。这一系数模式的戏剧性转变为算法介入的认知遮蔽效应提供了充分的经验证据。这些发现与理论框架中提出的认知外包和注意力转移机制高度契合。首先，系数显著性的消失印证了认知外包机制的作用：当用户在信息处理和判断决策上越来越多地依赖ChatGPT时，其原有的价值观对认知形成的影响力被削弱。其次，民主价值观对非洲民众对华认知的影响从显著正向关系到不显著负向关系的转变反映了注意力转移机制的深层影响，即算法通过精准的内容推送重构了用户的信息环境，使认知形成过程更多被算法推荐主导，而非传统的价值观引导。在ChatGPT国家样本中被观察到的负向系数尽管不显著，但这意味着传统认知路径在算法深度介入的环境中不仅被遮蔽，还会发生方向性改变。这些实证发现不仅验证了本文提出的假说，也拓展了对算法介入认知重构机制的理解。表3的实证结果揭示了技术系统不仅能够弱化既有的认知路径，还通过重塑信息环境和认知处理方式从根本上改变了人们形成判断和态度的方式。
(四)微观机制最优参数推断
经过对5000个随机生成用户进行为期180天的动态模拟，本文成功优化了微观机制模型的关键参数(见表4)。模型结果表明，如果用户与ChatGPT平均每个月交互3次，最终获得的平均态度变化值为-0.2414，达到了理论预期目标(即表1模型1的处理效应α1)的80%左右。
在最优参数组合中，本文得到的态度更新衰减率λ为0.0063，这一取值展示了用户态度向初始态度回归的相对缓慢性。这说明即使在面对新信息时，用户的基本态度依然对后续的态度变化产生较大影响。ChatGPT响应倾向值的最优参数值则在-0.60至0.53之间，这一取值范围不仅反映了ChatGPT在不同话题、语言和提问框架下的响应差异性，(74)还表明ChatGPT响应值倾向即便是处于中低水平，依然能对用户认知的重构产生重要影响。信任水平由基础水平和信任离散程度构成，最优拟合参数中基础信任水平值为4.1157，表明用户对ChatGPT持有相对较高的信任。信任离散程度值为3.9503，意味着用户的信任水平分布广泛且差异性较大。确认偏误的最优参数值为0.3278，表明用户在信息选择上会产生一定的非理性行为，更倾向于接受与其先前观点一致的信息，而对不一致信息的接受程度相对较低。这一参数结果也呼应了确认偏误理论的解释力，即用户在处理信息时会受既有信念的影响而引发信息泡沫，从而加深特定话题的态度倾向。学习率的最优参数值为0.1559，表明用户对新信息的吸收及态度更新是一个较为缓慢的过程。这种设置符合实际情况，反映了用户在态度改变时通常表现出的认知惯性，避免了信息冲击导致用户态度的剧烈波动。
基于最优参数组合，本文进一步分析了交互频率、ChatGPT主题以及确认偏误对用户态度变化的影响(如图2)。首先，交互频率与态度变化呈负相关。低频率交互组(表现为“很少”和“较少”)的态度变化表现出明显的负向波动，平均态度变化的值分别为-0.2525和-0.2922，高频率交互组(表现为“较多”和“很多”)的态度变化较为温和，其值分别为-0.1893和-0.2265。这一发现在一定程度上印证了接触理论的有效性，表明频繁的信息接触能够缓解用户对特定对象的负面态度，从而促进更积极的态度建立。这一现象强调交互频率作为影响用户态度变化的关键调节因素，与本文关于数字素养对认知重构的调节作用的假说2相一致。其次，主题层面的态度变化分析揭示了不同主题对用户态度的差异化影响。其中，基础设施主题展现出最为正面的态度变化(值为0.0505)，债务主题则保持最为负面的态度走向(值为-0.0547)。确认偏误效应分析更是突显了认知加工的非理性特征。当信息方向与用户既有观点一致时，接受率高达67.24%；而当信息方向存在冲突时，接受率骤降至34.46%。这一显著差异验证了确认偏误理论的有效性，揭示了个体在信息处理中固有的认知偏差机制。
图2 最优参数组合下平均态度差异度分析
资料来源：笔者自制。
注：在图2a和图2b中，柱形长度表示在微观机制模型中用户平均态度变化程度。在图2c中，箱形图表示在微观机制模型中用户与ChatGPT交互信息的接受率分布情况。
前文关于响应倾向值、交互频率和认知参数的推导虽然是一种基于宏观参数映射下的模拟推断，但这些参数具有一定的合理性。微观模型不仅仅验证了宏观结果的有效性，还深入揭示了算法介入对用户认知重构的运行机制。
(五)稳健性检验
为验证研究结论的稳健性，本文开展了多维度的检验分析。首先，本文对非洲国家(基准样本)在ChatGPT开放注册前后的不同时间窗口(分别为90天、120天、150天和180天)进行了模型估计。其次，为深入探究数字素养对认知重构的缓冲作用，本文将手机联网状况作为替代变量取代了原有的互联网使用频率指标。再次，为厘清民主价值观在塑造非洲民众认知中是体现包容性特征还是排他性特征，本文分析了民主价值观对非洲民众的对华认知与对美认知的影响机制。最后，为进一步验证算法介入对民主价值观的遮蔽效应，本文在稳健性检验中使用了交互项策略。
六 结论
传统国际关系理论长期将软实力视为一种文化产品、意识形态话语与象征性符号的跨境传播能力。然而，在算法驱动的数字治理时代背景下，软实力正在经历一场由算法技术驱动的深刻范式变革。软实力已超越传统的“吸引—感染”逻辑，演变为一种具备高度隐蔽性和技术强制性的认知重构权力。在用户完全无感知的情况下，算法通过微分算法、关联推荐和语义对齐等方式能够对认知系统实施深度重构。这种重构不需要让对象主动接受，而是通过技术中介直接嵌入个体的认知图式，实现了一种直达认知底层的隐蔽性意识形态植入。本文聚焦算法介入如何重构认知这一问题，深入探讨了以ChatGPT为代表的算法对非洲民众认知结构与对华认知的影响，证实了算法在认知塑造中的强大力量，揭示了算法霸权可能对特定国家形象、全球软实力版图以及国家在认知域安全事务上面临的潜在挑战。
本文尝试在三方面进行了探索。一是在理论上提出了算法介入认知重构的双轨效应分析框架。其中，独立效应路径揭示了算法对用户认知的直接影响，遮蔽效应路径则揭示了算法对传统认知模式进行替代与消解的作用机制。二是在实证上采取准自然实验以大规模跨国数据验证了ChatGPT介入对认知重构的因果效应，尝试构建贝叶斯更新逻辑的微观仿真模型，以便打开从宏观统计效应到个体认知动态演化的“黑箱”，进而提升本文理论框架的解释力。三是明确了互联网使用频率在认知重构过程中的关键调节作用。高频用户展现出的较强认知韧性为未来提升全民数字素养和抵御算法偏见提供了实证依据，也从侧面印证了中国积极推进“数字丝绸之路”建设、提升伙伴国家数字基建与民众网络能力的深远战略价值。
本文的研究也存在一些局限，如本文采用的准自然实验设计虽然能够有效进行因果识别，但需要指出的是，“非洲晴雨表”的调查数据并不是追踪同一批受访者的长期面板数据。这意味着本文捕捉的对象只是ChatGPT在发布前后相关群体的认知差异，而不是个体层面认知演化的连续轨迹。因此，未来的研究可尝试通过线上实验、田野实验与小范围的深度访谈相结合，以便更精细地刻画出在算法介入的情况下个体认知动态演变的全过程。
感谢《世界经济与政治》匿名审稿专家提出的意见与建议，文中错漏由笔者负责。
注释：
①Seumas Miller,"Cognitive Warfare:An Ethical Analysis," Ethics and Information Technology,Vol.25,No.46,2023,pp.1-10.
②Yan Tao,et al.,"Cultural Bias and Cultural Alignment of Large Language Models," PNAS Nexus,Vol.3,No.9,2024,pp.1-9; Shucheng Zhu,et al.,"Quite Good,But Not Enough:Nationality Bias in Large Language Models—A Case Study of ChatGPT," ArXiv Preprint,2024,arXiv:2405.06996；曾庆鸣、毛维准：《认知武器化与人工智能认知战——一项机器学习与行为实验研究》，载《国际安全研究》，2024年第5期，第80页。
③Virginia Eubanks,Automating Inequality:How High-Tech Tools Profile,Police,and Punish the Poor,St.Martin's Press,2018,pp.11-13; Shikha Verma,"Weapons of Math Destruction:How Big Data Increases Inequality and Threatens Democracy," Vikalpa:The Journal for Decision Makers,Vol.44,No.2,2019,pp.97-98；仇华飞、于利花：《Chatgpt类人工智能介入战略叙事的内在逻辑、具体表征及应对策略》，载《武汉科技大学学报(社会科学版)》，2024年第5期，第33页。
④Ruha Benjamin,Race After Technology:Abolitionist Tools for the New Jim Code,Polity Press,2019,pp.123-125.
⑤Paola Ricaurte,et al.,"Algorithmic Governmentality in Latin America:Sociotechnical Imaginaries,Neocolonial Soft Power,and Authoritarianism," Big Data & Society,Vol.11,No.1,2024,pp.1-6.
⑥Joseph S.Nye,Jr.,Soft Power:The Means to Success in World Politics,Public Affairs,2004,pp.17-28.
⑦Simon Anholt,"Anholt Nation Brands Index:How Does the World See America?" Journal of Advertising Research,Vol.45,No.3,2005,pp.296-304.
⑧邓依林、张伦、吴晔：《中国官方媒体的全球文化传播网络议程设置研究》，载《新闻大学》，2022年第9期，第14—28页；钟新、金圣钧：《疫情背景下国际主流英文媒体“一带一路”热门报道框架——基于大数据的扎根研究》，载《新闻与传播评论》，2022年第5期，第15—36页。
⑨Manuel Castells,"The New Public Sphere:Global Civil Society,Communication Networks,and Global Governance," The Annals of the American Academy of Political and Social Science,Vol.616,2008,pp.78-93.
⑩James G.Webster,The Marketplace of Attention:How Audiences Take Shape in a Digital Age,The MIT Press,2014,pp.128-129.
(11)Saleh Alrached,"The Impact of New Media on Foreign Policy:A Systematic Review of Social Media Algorithms," SSRN,2025,DOI:10.2139/ssrn.5151105；师文、陈昌凤：《分布与互动模式：社交机器人操纵Twitter上的中国议题研究》，载《国际新闻界》，2020年第5期，第61—80页；张怡、张昕钰：《数字叙事：新技术加持下的中国国家形象建构》，载《新媒体与社会》，2022年第2期，第37—46页；相德宝、曹春晓：《国际社交媒体平台算法对涉华国际舆论的价值偏见及其治理》，载《对外传播》，2022年第10期，第8—11页。
(12)Donghee Shin,"Embodying Algorithms,Enactive Artificial Intelligence and the Extended Cognition:You Can See as Much as You Know About Algorithm," Journal of Information Science,Vol.49,No.1,2023,pp.18-31.
(13)Jeremy K.Nguyen,"Human Bias in AI Models? Anchoring Effects and Mitigation Strategies in Large Language Models," Journal of Behavioral and Experimental Finance,Vol.43,2024,pp.1-8.
(14)周宏刚：《从物能性到感受性：智能新媒体时代国家形象新论——基于复杂系统视角的研究》，载《山东师范大学学报(社会科学版)》，2025年第2期，第162—172页。
(15)Seumas Miller,"Cognitive Warfare:An Ethical Analysis," pp.1-10.
(16)Jeffrey T.Hancock,et al.,"AI-Mediated Communication:Definition,Research Agenda,and Ethical Considerations," Journal of Computer-Mediated Communication,Vol.25,No.1,2020,pp.89-100.
(17)Paola Ricaurte,et al.,"Algorithmic Governmentality in Latin America:Sociotechnical Imaginaries,Neocolonial Soft Power,and Authoritarianism," pp.1-6.
(18)孙萍、刘瑞生：《算法革命：传播空间与话语关系的重构》，载《社会科学战线》，2018年第10期，第183—190页；朱鸿军、郑雨珂：《数字时代算法对国际传播的格局重构》，载《对外传播》，2022年第11期，第9—12页。
(19)Aaron Hurst,et al.,"Gpt-4o System Card:Open AI,August 8,2024," http://gffgg760181693fa340b9sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/pdf/2410.21276v1.GPT-4o是一款自回归全方位模型，可接受任何文字、音讯、图像和影片的输入组合并生成文字、音讯和图像的任何组合输出。
(20)Aaron Hurst,et al.,"Gpt-4o System Card:Open AI,August 8,2024," http://gffgg760181693fa340b9sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/pdf/2410.21276v1.
(21)Yan Tao,et al.,"Cultural Bias and Cultural Alignment of Large Language Models," pp.1-9.
(22)Nick Couldry and Ulises A.Mejias,"Data Colonialism:Rethinking Big Data's Relation to the Contemporary Subject," Television & New Media,Vol.20,No.4,2019,pp.336-349; Yaw Ofosu-Asare,"Cognitive Imperialism in Artificial Intelligence:Counteracting Bias with Indigenous Epistemologies," AI & Society:Knowledge,Culture and Communication,Vol.40,No.4,2025,pp.3045-3061.
(23)Abubakar Abid,et al.,"Persistent Anti-Muslim Bias in Large Language Models," ArXiv Preprint,2021,arXiv:2101.05783v2.
(24)Shucheng Zhu,et al.,"Quite Good,But Not Enough:Nationality Bias in Large Language Models-A Case Study of ChatGPT," arXiv:2405.06996.
(25)曾庆鸣、毛维准：《认知武器化与人工智能认知战——一项机器学习与行为实验研究》，载《国际安全研究》，2024年第5期，第80页。
(26)Andre G.C.Pacheco,et al.,"Echoes of Power:Investigating Geopolitical Bias in US and China Large Language Models," ArXiv Preprint,2025,arXiv:2503.16679.
(27)Virginia Eubanks,Automating Inequality:How High-Tech Tools Profile,Police,and Punish the Poor,pp.11-13; Shikha Verma,"Weapons of Math Destruction:How Big Data Increases Inequality and Threatens Democracy," pp.97-98；仇华飞、于利花：《ChatGPT类人工智能介入战略叙事的内在逻辑、具体表征及应对策略》，载《武汉科技大学学报(社会科学版)》，2024年第5期，第33页。
(28)Ruha Benjamin,Race After Technology:Abolitionist Tools for the New Jim Code,pp.123-125.
(29)Paola Ricaurte,et al.,"Algorithmic Governmentality in Latin America:Sociotechnical Imaginaries,Neocolonial Soft Power,and Authoritarianism," pp.1-6.
(30)延明、马忠悦：《国家形象传播博弈的多维透析及应对》，载《中共云南省委党校学报》，2024年第2期，第71页。
(31)Georgii Pocheptsov,"Cognitive Attacks in Russian Hybrid Warfare," Information & Security,Vol.41,2018,pp.37-43; Yuriy Danyk and Chad M.Briggs,"Modern Cognitive Operations and Hybrid Warfare," Journal of Strategic Security,Vol.16,No.1,2023,pp.35-50；韩娜、董小宇：《数字时代的认知域安全：理论解构、风险生成及治理路径》，载《国际安全研究》，2024年第3期，第55—75页；严展宇、刘文龙：《认知域国际竞争：问题缘起、行动维度与安全逻辑》，载《东北亚论坛》，2024年第4期，第57—76页。
(32)胡启明、王佳：《认知域下我国意识形态风险及应对》，载《南京邮电大学学报(社会科学版)》，2024年第10期，第1—11页。
(33)Teun A.van Dijk,"Discourse and Manipulation," Discourse & Society,Vol.17,No.3,2006,pp.359-383.
(34)韩娜、董小宇：《数字时代的认知域安全：理论解构、风险生成及治理路径》，载《国际安全研究》，2024年第3期，第73—75页。
(35)严展宇、刘文龙：《认知域国际竞争：问题缘起、行动维度与安全逻辑》，载《东北亚论坛》，2024年第4期，第72—76页。
(36)蒋蕊韩、吴艳东：《美西方构筑“价值观联盟”的动因、表现及中国应对》，载《国外理论动态》，2023年第6期，第16页。
(37)王存刚：《全球价值链重构与发达资本主义国家对外政策新趋向》，载《人民论坛·学术前沿》，2022年第9期，第70—72页。
(38)俞新天：《西方对华认知战的威胁与中国民间外交的提升》，载《国际问题研究》，2022年第6期，第30页。
(39)《这里洋溢着青春的气息——非洲青年投身“最年轻大陆”的蓬勃发展》，http://gffgga93b60c585e34cd1sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/world/20250107/7a5d7852beec49bf997e58369af2239e/c.html。
(40)Payal Arora,The Next Billion Users:Digital Life Beyond the West,Harvard University Press,2019,pp.25-27.
(41)Laura Silver,et al.,"Mobile Connectivity in Emerging Economies:Publics See Mobile Phones and Social Media Bringing Certain Benefits to Them and Their Societies.But These Views Are Paired with Widespread Concerns About Their Impact on Children," http://gffggc2e0ac6783d84943sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/internet/wp-content/uploads/sites/9/2019/03/PI2019.03.07Mobile-Connectivity_FINAL.pdf.
(42)BusinessTech,"South Africa Ranks as One of the Biggest Users of ChatGPT and AI Globally," http://gffgg66235517ec2d4423sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/news/technology/787980/south-africa-ranks-as-one-of-the-biggest-users-of-chatgpt-and-ai-globally/.
(43)《非洲电商交易持续扩大》，http://gffgg010ab4a7cd0947b3sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/nl/2023/0510/c1002-32682339.html。
(44)Oscar Otele,"Kenya's Data Protection Regime:Challenges and Future Prospects," Journal of African Politics,Vol.1,No.1,2021,pp.66-88.
(45)Brian Ekdale and Melissa Tully,"African Elections as a Testing Ground:Comparing Coverage of Cambridge Analytica in Nigerian and Kenyan Newspapers," African Journalism Studies,Vol.40,No.4,2019,pp.27-43.
(46)Abinash Pujahari and Dilip Singh Sisodia,"Item Feature Refinement Using Matrix Factorization and Boosted Learning Based User Profile Generation for Content-Based Recommender Systems," Expert Systems with Applications,Vol.206,2022,pp.1-2.
(47)Wenhan Xiong,et al.,"Effective Long-context Scaling of Foundation Models," ArXiv Preprint,2023,arXiv:2309.16039.
(48)Donghee Shin,"Embodying Algorithms,Enactive Artificial Intelligence and the Extended Cognition:You Can See as Much as You Know About Algorithm," pp.18-31.
(49)Rolf Reber,et al.,"Processing Fluency and Aesthetic Pleasure:Is Beauty in the Perceiver's Processing Experience?" Personality and Social Psychology Review,Vol.8,No.4,2004,pp.364-382.
(50)Jingfeng Yang,et al.,"Harnessing the Power of LLMs in Practice:A Survey on ChatGPT and Beyond," ACM Transactions on Knowledge Discovery from Data,Vol.18,No.6,2024,pp.1-32.
(51)Wenchao Dong,et al.,"I Am Not Them:Fluid Identities and Persistent Out-Group Bias in Large Language Models," http://gffgg760181693fa340b9sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/pdf/2402.10436v1.
(52)William M Hayes,et al.,"Large Language Models Are Biased Reinforcement Learners," ArXiv Preprint,2024,arXiv:2405.11422.
(53)Chai M.Tyng,et al.,"The Influences of Emotion on Learning and Memory," Frontiers in Psychology,Vol.8,2017,pp.1-22.
(54)曾庆鸣、毛维准：《认知武器化与人工智能认知战——一项机器学习与行为实验研究》，载《国际安全研究》，2024年第5期，第71—75页。
(55)Aaron Hurst,et al.,"Gpt-4o System Card:Open AI,August 8,2024," http://gffgg760181693fa340b9sqw6xccv6bvkf6xuo.fgzb.hbpu.wttczd-86544418598.com/pdf/2410.21276vl.
(56)Di Zhou and Yinxian Zhang,"Political Biases and Inconsistencies in Bilingual GPT Models-The Cases of the U.S.and China," Scientific Reports,Vol.14,No.1,2024,pp.1-13.
(57)郭全中、张金熠：《生成式人工智能价值观的存在问题及伦理风险》，载《新闻与写作》，2024年第10期，第68页。
(58)Taina Bucher，If...Then:Algorithmic Power and Politics,Oxford University Press,2018,pp.19-40.
(59)脸书(Facebook)是美国一家社交媒体公司，2021年更名为Meta。
(60)Eytan Bakshy,et al.,"Exposure to Ideologically Diverse News and Opinion on Facebook," Science,Vol.348,No.6239,2015,pp.1130-1132.
(61)Seth Flaxman,et al.,"Filter Bubbles,Echo Chambers,and Online News Consumption," Public Opinion Quarterly,Vol.80,No.S1,2016,pp.298-320.
(62)Richard Fletcher and Rasmus Kleis Nielsen,"Are People Incidentally Exposed to News on Social Media? A Comparative Analysis," New Media & Society,Vol.20,No.7,2018,pp.2450-2468.
(63)Motahhare Eslami,et al.,"First I ‘Like' It,Then I Hide It:Folk Theories of Social Feeds," CHI'16:Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems,2016,DOI:10.1145/2858036.2858494.
(64)Frederic C.Bartlett,Remembering:A Study in Experimental and Social Psychology,Cambridge University Press,1995,pp.18-33.
(65)Sabelo J.Ndlovu-Gatsheni,"Decoloniality as the Future of Africa," History Compass,Vol.13,No.10,2015,pp.485-496.
(66)Kjerstin Thorson,et al.,"Algorithmic Inference,Political Interest,and Exposure to News and Politics on Facebook," Information,Communication & Society,Vol.24,No.2,2021,pp.183-200.
(67)Eytan Bakshy,et al.,"Exposure to Ideologically Diverse News and Opinion on Facebook," pp.1130-1132.
(68)Luciano Floridi,The Fourth Revolution:How the Infosphere Is Reshaping Human Reality,Oxford University Press,2014,pp.87-100.
(69)Brent Daniel Mittelstadt,et al.,"The Ethics of Algorithms:Mapping the Debate," Big Data & Society,Vol.3,No.2,2016,pp.1-21.
(70)Sumit Kumar Dam,et al.,"A Complete Survey on LLM-Based AI Chatbots," ArXiv Preprint,2024,arXiv:2406.16937.
(71)Jeffrey T.Hancock,et al.,"AI-Mediated Communication:Definition,Research Agenda,and Ethical Considerations," pp.89-100.
(72)为验证研究设计的可靠性，本文利用虚假处理时间点进行了安慰剂检验。
(73)囿于篇幅，本文在正文中对ChatGPT相应生成器、用户生成器和态度更新函数的具体操作做了简化论述。
(74)在模拟模型中，受话题q、语言l和提问框架f影响下的ChatGPT响应倾向值R(q，l，f)共有54种组合。囿于篇幅，本文在正文中做了简化处理。
