【摘 要】在生成式人工智能广泛介入新闻生产与传播的背景下，技术披露与语言风格对用户认知的作用机理亟待揭示，其研究对于理解技术透明性在维护公共信息可信性中的价值至关重要。本研究通过2（AI来源标签：有vs无）×2（语言拟人化程度：高vs低）被试间实验，系统检验了来源标识与语言风格对用户偏见识别、感知可信度及认知负荷的影响。研究结果显示，明确来源标签显著提升偏见感知并降低可信度；高拟人化语言在无标签条件下既增强可信度，又加剧偏见感知；然而，当标签存在时，高拟人化语言的效应被完全抑制，呈现“认知遮蔽效应”。本研究揭示了AI内容标识在高风险新闻环境中的主导认知作用，丰富了技术线索与语言线索竞争的理论视角，并为优化AI新闻治理与平台标识机制提供了实证支持。
【关键词】拟人化；AI新闻；信任建构；认知遮蔽
庞华，天津大学新媒体与传播学院教授；张欣彤，天津大学新媒体与传播学院新闻传播学硕士研究生。
原文刊载于《全球传媒学刊》2026年第4期“新闻学研究”专栏
随着大语言模型驱动的生成式人工智能被广泛应用于新闻摘要、内容创作与公共信息分发等传播链条，一个紧迫的治理问题浮出水面，当AI生成内容在语言层面上高度自然、流畅甚至富有共情力时，用户还能有效识别其非人来源并保持应有的批判性吗？为回应这一挑战，中国《生成式人工智能服务管理暂行办法》等监管政策明确要求对AI生成内容进行显性标识，但技术来源的透明披露是否足以触发用户的理性审视？
人机交互领域的最新研究表明，人类对技术的反应并非完全依赖理性判断。即便用户明确知晓对方是机器，只要其表现出类人的语言特征，如使用第一人称、表达情感或展现个性等，人们仍可能会无意识地将其纳入社会认知框架，赋予其意图、可信度甚至道德责任（刘力铭，2024；张放、徐子涵，2024）。这种影响不仅限于表层的注意力分配，更可能引发深层次的认知加工偏移，即用户在解读内容时，倾向于优先采用社会性启发式策略而非批判性分析策略。由此，即便存在“AI生成”标签，其本应发挥的警示作用也可能被高度拟人化的语言风格所弱化。已有研究表明，在服务失误或营销推荐等场景中，拟人化设计虽有助于维系用户信任，却可能同时加剧认知失调，甚至诱发非理性决策（Yao et al.，2025；孙浩东、徐中瀚，2026）。在涉及公共信息真实性和公正性的新闻语境中，这种由语言风格引发的社会化解读，是否会干扰用户对AI来源警示信号的响应？换言之，当“AI生成”标签与高度拟人化的叙述并存时，用户的批判性认知究竟由哪一方所主导？
既有研究为回答这一问题提供了重要基础，但仍存在两个层面的不足。其一，研究情境与核心变量错位。拟人化研究虽已在新闻语境中验证了其对情感卷入与文章喜爱度的积极作用（Jang et al.，2023），却未将AI来源标签作为核心变量纳入考察；AI来源标签研究虽揭示了标签的“算法偏见”（Altay & Gilardi，2024）与“溢出效应”（Höltervennhoff et al.，2026），却尚未系统操控语言风格以检验二者的交互关系。其二，机制阐释存在方向性预设。多篇文献提及拟人化可能“削弱批判性思维”或“维持非理性信任”，但多基于单因素实验结果外推，或从商业场景类比至公共领域，缺乏在新闻语境下对“标签与拟人化如何竞争用户认知资源”的直接检验。因此，本研究在模拟新闻阅读情境中，系统操纵“AI来源标签”（有vs无）与“语言拟人化程度”（高vs低）两个关键变量，测量参与者在偏见感知、信任感知和认知负荷等方面的反应，以厘清在AI生成新闻的接收过程中，制度强制的透明标识与算法精心设计的语言风格，何者对用户的信息判断具有更强的主导力。研究结果不仅可为评估当前AI来源标签政策的实际效力提供关键理论证据，也为未来人机协同的交互设计与信息生态治理策略提供可操作的实证支撑。
一、文献回顾
（一）AI新闻与内容标记
AI新闻与AI来源标签作为人工智能技术深度嵌入传媒领域的产物，其概念内涵与研究范式已从早期的技术应用探讨逐步拓展至版权法理、传播心理及国家治理等多维度议题。就现有研究而言，AI新闻通常被界定为利用人工智能技术参与新闻采集、生产、编辑及分发全过程的产物，既包含完全由算法生成的“纯粹AI新闻”，也涵盖了在“编辑驯化性介入”或“样本引用性介入”模式下形成的“人机合作式AI新闻”（张洪忠等，2026）；后者因融入了人类主体的独创性智力投入而被视为具备版权属性的作品（周凯、张智鹏，2024；何秋红、陈晓菲，2025）。AI来源标签则是国家为规范生成性内容、维护网络生态而强制要求添加的标识，以文字、图形、声音提示等显式标识与数字水印等隐式标识相结合，旨在通过“源头标识、传播核验、全程追溯”的闭环机制，提升生成式内容的可识别性、可问责性与可治理性（张凌寒、贾斯瑶，2024；于永河，2026）。
早期研究主要聚焦于生成式人工智能对新闻业的结构性冲击，指出AI已从辅助工具转型为具备议程设置能力的“把关人”，推动新闻业态向模式化与深度化并存的方向发展，同时揭示了算法黑箱与内容虚构带来的治理难题（周凯、张智鹏，2024；张凌寒、贾斯瑶，2024）。随之而来的治理逻辑构建期，研究重心转向制度设计，强调通过标签等强制性信息披露来降低算法风险、矫正认知挤压。在此阶段，中国确立了以《人工智能生成合成内容标识办法》为核心的“1+1+N”制度体系，将标识制度定位为引导“智能向善”的“防火墙”与产业“护航者”（张凌寒、贾斯瑶，2024；肖睿平，2025；于永河，2026）。2025年至2026年，研究进一步由宏观制度层面下沉至受众心理与版权权益等微观维度。实验证据表明，AI来源标签虽在理论上保障公众知情权，却可能引发一定程度的“AI偏见”，导致受众对同质内容的可信度感知显著降低（高芳芳等，2025）。在媒体偏见识别情境中，即便通过高亮或注释形式向用户明确标注某新闻句子由“人类”或“人工智能”判定为存在偏见，这种干预对用户后续识别偏见的作用仍然有限（Spinde et al.，2025）。Altay和Gilardi（2024）以及Palmer和Spirling（2023）的研究发现，标注为“AI生成”的内容，即便事实准确，其感知准确性也会显著下降。Höltervennhoff等（2026）进一步揭示，AI来源标签虽然能降低用户对AI生成的虚假图像的信任，却可能使用户对未标注的人类生成图像更易轻信，同时对标注为AI生成的真实信息产生不必要的怀疑，这种“溢出效应”表明标签的认知影响远比预想的复杂。亦有研究指出，相较于标签本身，读者感知到的AI贡献度才是影响可信度判断的关键变量：当读者认为AI对文章的贡献越大，其对信息可信度及信源可信度的感知就越低（Jia et al.，2024）。上述研究表明，来源标识与内容表达特征之间存在复杂的竞争性线索关系，二者的相对影响力尚不明确，亟待进一步开展系统性的实证检验。
（二）语言拟人化与社会反应机制
语言拟人化指人类将自身的语言特征、思维模式、社会属性及意图、情感、信念等心理状态赋予非人类实体的认知倾向、设计实践与社会反应过程（Epley et al.，2007；刘力铭，2024）。在人工智能领域具体表现为通过算法模拟人类的自然语言生成机制，让机器在输出文本时呈现出具备人类情感、意图、个性乃至社会角色的特征，从而诱发用户对机器心智的感知，将其视为具有社会能动性的互动伙伴（姚亚男等，2022；Mirowska & Arsenyan，2025；Zhang & Sheng，2026）。从认知机理来看，拟人化是人类在面对不确定性时，利用已有知识来解释未知实体的本能反应，其背后受到效能动机与社会交往需求的驱动（Epley et al.，2007；喻丰、许丽颖，2020）。在技术语境中，语言拟人化能够激活“计算机作为社会行动者”（Computers Are Social Actors，CASA）范式下的社会认知机制（deVisser et al.，2016）。尽管用户明确知晓AI并无意识与情感，但当系统展现出第一人称叙述、共情表达或符合上下文的回应逻辑时，人类仍会无意识地将其视为类人实体，并产生信任、共情及责任归因等社会性反应（Nass & Moon，2000；Adam et al.，2021；姚亚男等，2022；刘力铭，2024）。
在设计与应用层面，语言拟人化既能借由情感词汇及类人对话节奏增强其社会可接受性（张放、徐子涵，2024；姜婷婷等，2025），也可借助模拟“共情”等心理状态，促进用户的情感投入与认知资源整合。实证研究表明，在情感陪伴、享乐型消费等交际导向型互动中，拟人化可显著提升用户好感与持续使用意愿（杨增茂等，2023；张放、徐子涵，2024）以及人机价值共创意愿（朱腾腾等，2024）。Shin（2022）在对话式新闻研究中发现，拟人化线索与可解释性线索存在显著的协同效应，拟人化不仅直接增强用户的“类人性”感知，还促进了其对算法公平性、透明度与问责性的理解。Jang等（2023）基于MAIN模型与拟人化理论的研究发现拟人化算法新闻在情感卷入度与文章喜爱度上显著优于非拟人化算法新闻。然而，在信息查询、功能型消费等任务导向型互动中，拟人化可能因干扰信息获取而产生负面效应（张放、徐子涵，2024），呈现出鲜明的情境依赖性。
值得注意的是，用户对拟人化线索的依赖可能演变为一种认知捷径。Horne和Nevo（2025）基于生态理性理论指出，在人类事实核查占主导的现有媒体环境中，用户已形成“信任标签”的启发式，且这种启发式会迁移至新的、可能错误率更高的AI标签环境中，导致用户即使在标签错误时仍过度依赖。此外，拟人化不仅是设计者的主动策略，也是用户在交互中自发建构的意义过程，可能带来“光环效应”（金帆等，2025）等认知偏差。陈小平（2024）警示，当前用户对大模型的“拟人化理解”存在根本性误区，基于统计关联的语言生成并非人类式的知识理解与逻辑推理能力，这种“拟人化陷阱”可能导致对AI能力的过高估计与治理失效。特别是在新闻等高风险信息领域，用户对准确性与公正性的核心诉求可能与拟人化语言所触发的社会反应形成张力。Chung和Lee （2026）在高情感议题上发现，AI作者被感知为显著不如人类作者真诚，且这种“真诚性赤字”在情感框架下尤为强烈，进而降低了受众对AI新闻的接受度与付费意愿。这表明在新闻语境中，拟人化效果可能从“信任增强器”转变为“真诚性质疑源”。
（三）信任建构与“认知遮蔽”
拟人化设计对用户信任的塑造同样具有高度的情境敏感性与效果复杂性。在低风险或关系导向型场景中，适度的拟人化策略能够有效提升用户的感知亲和力、社会临场感乃至品牌好感度（Wang et al.，2025）。但在高问责性或高信息风险领域，如在法律沟通或政务服务失败的情境下，高度拟人化的AI表达虽能缓解用户的负面情绪，却会诱发复杂的归因冲突（孙浩东、徐中瀚，2026）。类似地，Brunswicker等（2025）发现，尽管共情语言可提升AI文本的感知可信度，但强烈的情绪表达会显著削弱用户对其专业性的信任。因此，拟人化并非普适的信任增强器，其效果取决于用户所处的信息生态、任务目标以及对内容可靠性的诉求。那么，在AI新闻这一兼具制度权威性与人际互动性的复合传播生态中，当来源标识与拟人化语言共同作用于用户认知时，究竟哪类线索主导用户判断？为系统解析这一张力，本研究引入线索竞争视角，并将其嵌入双重加工理论框架加以阐释。
根据Kahneman（2011）提出的双系统思维模型，以及Petty和Cacioppo（1986）发展的精细加工可能性模型（Elaboration Likelihood Model，ELM），人类在处理外部信息时存在两条并行的认知路径。系统1依赖快速、直觉式的启发式判断，易受语言风格、信源亲和力等外围线索驱动；系统2则依赖缓慢、分析式的逻辑推理，需调动元认知资源对核心论据进行深度核查。在本研究语境中，“AI生成”标签作为一种元来源线索（meta-source cue），理论上应激活系统2，促使用户调用“AI内容可能存在偏见或失真”的既有模式。然而，使用第一人称、表达共情、模拟对话节奏等高度拟人化的语言风格构成一种强效的内容表达线索（content-expressive cue），其社会性特征容易触发系统1的自动化社会认知反应，引导用户依据“是否像人类所说”进行快速可信度推断。在此双重线索并存的条件下，用户的最终判断取决于两类线索的相对诊断性，即用户主观认为哪一线索更能有效预测信息质量。
基于上述理论推演，本研究将“认知遮蔽效应”操作化为一种可被实证检验的现象，即在AI生成新闻的接收过程中，AI来源标签与语言拟人化中的某一类线索对用户感知可信度、偏见感知主效应显著强于另一类，且在交互分析中表现为后者的效应在前者存在时不再显著或大幅衰减。本研究不预设遮蔽的方向性，既不排除“拟人化遮蔽标签”的可能性，亦不排除“标签遮蔽拟人化”的现实路径，具体模式将通过实验数据中的主效应强度、交互效应显著性及简单效应分析予以揭示，从而避免理论先行导致的解释偏差。
二、研究假设
如前所述，AI生成标识披露了技术来源或可触发用户的批判性认知，促使其审慎评估信息（Spinde et al.，2025），但高度拟人化的语言风格可能激活用户的社会认知机制，削弱标签的警示作用。依据CASA范式，即便用户知晓对方为AI，类人语言特征仍会引发信任与好感（Nass & Moon，2000；张放、徐子涵，2024），高主观性表达亦能维持较高的信任度（Yao et al.，2025）。在此双重线索并存的背景下，本研究首先考察两类线索的独立作用，继而检验其交互模式，假设模型图见图1。
首先，关于主效应，基于既有文献对来源透明与语言风格各自作用的发现，提出以下假设：
H1a：相较于无AI来源标签条件，有AI来源标签将增强用户对AI新闻的偏见感知。
H1b：相较于无AI来源标签条件，有AI来源标签将降低用户对AI新闻的感知可信度。
H2a：相较于低拟人化语言条件，高拟人化语言将减弱用户对AI新闻的偏见感知。
H2b：相较于低拟人化语言条件，高拟人化语言将提高用户对AI新闻的感知可信度。
其次，关于交互效应，鉴于AI来源标签与语言拟人化分别代表元来源线索与内容表达线索，二者可能在用户认知加工过程中产生竞争或协同作用。基于双重加工理论（Petty & Cacioppo，1986；Kahneman，2011），若某一类线索的认知权重显著高于另一类，则可能观察到交互效应：若AI来源标签具有高诊断性，其效应应在不同拟人化水平下均保持稳健，甚至完全抑制拟人化的影响，即“标签遮蔽拟人化”；反之，若拟人化语言成功激活了CASA范式所描述的社会脚本，用户可能依赖启发式理解路径，从而削弱标签的警示功能，即“拟人化遮蔽标签”（Nass & Moon，2000；刘力铭，2024）。因此，本研究提出以下探索性假设：
H3a：AI来源标签与语言拟人化程度在预测用户对AI新闻偏见感知上存在显著交互效应。
H3b：AI来源标签与语言拟人化程度在预测用户对AI新闻的感知可信度上存在显著交互效应。
最后，关于认知加工过程，根据精细加工可能性模型，当外围线索与中心线索并存时，用户的精细加工动机与能力将决定其信息处理路径（Petty & Cacioppo，1986）。结合生态理性理论，AI来源标签可能作为一种高效的认知捷径，降低认知负荷（Horne & Nevo，2025），而语言拟人化可能因修辞复杂性或激活社会认知脚本，增加认知负荷（张放、徐子涵，2024）。值得注意的是，标签虽能快速锚定用户的判断框架，却未必改变拟人化语言本身的修辞复杂性所带来的客观加工难度。因此，两类线索在认知负荷上可能独立作用，仅呈现主效应，亦可能因标签主导认知框架而削弱拟人化的增量效应，表现为交互作用。据此提出以下探索性假设：
H4：AI来源标签与语言拟人化程度在预测用户对AI新闻的认知负荷上存在显著交互效应。
三、研究方法
（一）研究设计与刺激材料
本研究采用2（AI来源标签：有vs无）×2（语言拟人化程度：高vs低）的被试间实验设计，有效分离并检验两个自变量的主效应及其交互作用，同时避免被试内设计可能引发的顺序效应与需求特征。实验流程包含中性背景引入、核心新闻阅读与问卷填写三个阶段。所有参与者均需阅读一段标准化背景信息，激活相关情境认知，而不引入情绪唤醒或可信度预判。随后，参与者被随机分配至四种实验条件之一，并阅读一篇关于具体社会议题的AI新闻报道，报道由研究团队训练AI模型基于真实政策文件撰写，确保事实内容在所有条件下保持一致，仅在两个自变量上进行系统性操控。在AI来源标签维度，“有标签”条件下的报道开头显著标注“【本文由人工智能根据公开信息自动生成】”，而“无标签”条件下则不提供来源说明。在语言拟人化维度，“高拟人化”版本采用第一人称视角，融入共情表达，使用情感化词汇及对话式语气；“低拟人化”版本则采用客观、中立的第三人称叙述，仅陈述事实与官方回应，避免使用人称代词、进行主观评价或情感修饰。所有实验材料均经过预测试，以确保两种语言风格在拟人化感知上存在显著差异，且核心信息理解无偏差。
（二）测量
本研究采用在线实验法，于2025年11月至2026年1月通过“问卷星”平台开展正式实验，此前在东部某高校完成预实验。参与者自愿点击实验链接后，首先签署电子知情同意书，确认了解研究目的后自愿参与。本研究采用SPSS26.0对实验数据进行统计分析，通过描述性统计与信度分析确保数据质量与量表可靠性，以双因素方差分析（Two-way ANOVA）检验主效应与交互效应（p<0.05）。
研究设定感知可信度、偏见感知与认知负荷三个核心因变量，从判断结果与信息加工过程两个层面捕捉用户在面对AI生成新闻时的认知反应。感知可信度是用户对信息源或内容本身的可靠性、真实性与专业性的综合评价（Lankton & Mcknight，2011；周路路等，2025）。本研究采用Lankton和Mcknight（2011）的技术信任信念模型，包含认知可信度与情感可信度两个子维度。偏见感知衡量用户主观判断新闻内容是否存在立场偏颇、选择性呈现或隐含倾向的程度，直接反映用户的批判性警觉水平。当用户面对AI生成内容时，AI来源标签可能激活用户对“非人来源可能存在训练数据偏差或价值预设”的认知图式，从而提升其对内容中立性的警觉，表现为偏见感知的升高（高芳芳等，2025）。而语言拟人化可能使用户在情感共鸣中降低对内容潜在偏见的敏感度，或反之，因过度拟人化的“策略性表达”而激发逆向心理抗拒，增强偏见识别反应。因此，偏见感知在本研究中充当了衡量“线索竞争”结果的核心指标，直接反映了在AI来源标签与拟人化语言的博弈中，用户的批判性警觉究竟被哪一类线索所主导。参考Spinde等（2025）的实验范式，采用7点李克特量表（1=非常不同意，7=非常同意），得分越高表示用户感知到的偏见越强。认知负荷是衡量个体在信息加工过程中所调用的认知资源总量与心智努力程度的关键过程性指标（Paas，1992）。本研究引入认知负荷，旨在从信息加工深度的视角揭示两类线索的影响机制，采用Paas（1992）提出的主观认知负荷量（Rating Scale Mental Effort，RSME）中的核心题项，同样采用7点李克特量表进行评估。
为确保实验操控的有效性，研究包含两项操纵检验。标签感知检验以单一题项确认参与者是否注意到AI来源标识；拟人化感知检验采用7点李克特量表，由5个题项构成，仅在操纵检验阶段使用，不参与主效应或交互效应的假设检验。
（三）数据分析结果
实验共回收问卷403份，经检测题项筛选及无效作答剔除后，最终获得有效问卷369份，有效率为91.56%。如表1所示，各量表信度均达到可接受水平（Cronbach’s α>0.7），表明测量工具具有良好的内部一致性。根据2（AI来源标签：有vs无）×2（语言拟人化程度：高vs低）的被试间设计，有效样本分布如下：高拟人化有标签组（n=87）、高拟人化无标签组（n=83）、低拟人化有标签组（n=91）、低拟人化无标签组（n=108）。在369位有效被试中，女性占比48.2%（n=178），男性占比51.8%（n=191）；被试年龄范围为18~40岁（M=30.50，SD=5.85）。文化程度方面，专科及以下学历者占比18.97%（n=70），本科学历者占比55.8%（n=206），硕士及以上学历者占比25.2%（n=93）。具体数据详见表2。对自变量进行的操纵检验显示，实验操控成功，有AI来源标签条件下的参与者对标签的感知显著强于无AI来源标签条件（p<0.001）；高拟人化条件下的参与者在拟人化感知量表上的得分（M=4.82，SD=1.21）显著高于低拟人化条件（M=3.73，SD=0.83）（t（367）=10.23，p<0.001，Cohen’s d=1.069），表明语言风格的操控有效触发了不同的社会线索感知，详见表3。
（四）效应分析
首先，关于AI来源标签的主效应，H1a与H1b均获得充分支持。结果显示，相较于无AI来源标签条件（M=3.93），有AI来源标签（M=4.44）显著提高了用户对新闻偏见感知（β=0.447，p=0.002），支持H1a；同时，相较于无AI来源标签条件（M=5.31），有AI来源标签（M=4.02）显著降低了用户对新闻的可信度感知（β=-1.013，p<0.001），支持H1b（详见表4、表5）。
其次，关于语言拟人化的主效应，H2a未获支持，而H2b成立。与假设预期相反，相较于低拟人化语言条件（M=3.75），高拟人化语言条件（M=4.71）并未降低偏见感知，反而显著提升了用户的偏见感知（β=2.067，p<0.001），说明高度拟人化的表达在新闻语境中可能被解读为一种策略性操纵，从而激发更强的批判性警觉，故H2a不成立。然而，在感知可信度维度上，相较于低拟人化语言条件（M=4.55），高拟人化语言条件（M=4.86）确实显著提升了感知可信度（β=0.697，p<0.001），支持H2b。
进一步地，为检验两类线索的相对影响力，本研究考察了其交互效应，结果显示H3a与H3b均获得统计支持。AI来源标签与语言拟人化程度在预测偏见感知（F（1，365）=103.10，p<0.001，η2=0.176）和感知可信度（F（1，365）=14.60，p<0.001，η2=0.023）上均存在高度显著的交互作用（详见表6）。简单效应分析揭示，该交互模式表现为在无AI来源标签的条件下，语言拟人化程度对偏见感知与感知可信度均产生显著影响。相较于低拟人化新闻（M=3.50），高拟人化新闻显著提升了用户的偏见感知（M=5.60）；与此同时，高拟人化新闻的感知可信度（M=5.70）亦显著高于低拟人化新闻（M=5.00）。然而，在有AI标签的条件下，无论语言拟人化程度高低，用户的偏见感知均稳定在约4.00，可信度均降至约4.00，组间差异不再显著（如图2、图3所示）。
关于认知负荷的分析进一步揭示了两类线索在信息处理过程中的作用边界。AI来源标签显著降低了用户的主观认知负荷（M=5.31 vs 4.18，β=-1.032，p<0.001），表明其作为元认知提示可简化判断过程，语言拟人化则显著增加了认知负荷（M=5.00 vs 4.57，β=0.619，p<0.001），反映其修辞复杂性带来额外加工需求。然而，方差分析显示，AI来源标签与语言拟人化程度的交互项对认知负荷的作用效果不显著（F（1，365）=2.04，p=0.155，η2=0.004），拟人化语言所引发的认知负荷增量在有无AI来源标签条件下保持恒定，如图4所示，H4未获支持，即AI来源标签未能调节语言拟人化程度对认知负荷的影响，两类线索在此过程性指标上表现为独立而非竞争关系。
综合上述主效应与交互效应，本研究实证确认，在AI生成新闻的接收过程中，AI来源标签的认知影响力显著强于语言拟人化。AI来源标签不仅能够提升用户对内容偏见的识别能力并降低其感知可信度，更在认知加工层面发挥框架性作用，即决定其他文本特征是否能够进入用户的判断体系。当AI来源被明确标识时，无论语言风格如何拟人化，用户均表现出趋同的批判性反应，而仅在来源信息缺失的情境下，拟人化语言才得以显著影响可信度与偏见感知，凸显其作用的高度条件依赖性。
四、研究讨论与建议
基于本研究对认知遮蔽效应的操作化定义，即某一类线索的主效应显著更强，且在交互分析中导致另一类线索的效应大幅衰减或不再显著，数据分析结果明确支持AI来源标签对语言拟人化的认知遮蔽效应。该效应表明，在高风险公共信息传播情境中，制度性透明机制占据认知加工的优先地位，能够有效抑制修辞性设计对用户判断的潜在干扰。下文将从理论路径、理论贡献与治理启示三个层面系统阐释该结果的深层意义。
（一）认知遮蔽效应的理论路径：为何标签能遮蔽拟人化
本研究引入生态理性理论（Horne & Nevo，2025）揭示遮蔽效应的认知机制。用户在长期与人类事实核查环境的互动中，形成了“信任标签”的启发式策略。当这一策略迁移至AI新闻语境时，标签演变为一种“启发式警觉”信号：用户一旦识别“AI生成”标识，便迅速调用“需谨慎对待”的既有模式，无需深度分析即可完成判断。数据显示，AI来源标签显著降低了主观认知负荷，印证了这一高效、低耗的认知捷径。这种认知框架具有强大的抗干扰能力，即便面对高度拟人化的语言，标签所建立的警觉状态依然稳固。
信号检测理论为理解遮蔽效应提供了另一条路径。Höltervennhoff等（2026）的研究表明，标签的作用并非提升用户区分真假信息的内在能力，而是通过提供明确的判断锚点，使用户的决策阈值向保守方向偏移。当这一保守标准与拟人化语言并存时，语言拟人化原本旨在拉近心理距离的“真诚性”功能被瓦解，甚至被逆向解读为“算法操纵的策略性修辞”。社会认同理论进一步解释了用户为何对来源身份高度敏感。Chung和Lee（2026）发现，在情感敏感议题中，用户对AI作者的“真诚性”感知显著低于对人类作者的“真诚性”感知。当AI来源标签标识了“非人来源”时，外群体贬损机制被激活，拟人化语言因其与“非人身份”的错位，被用户解读为值得警惕的“算法拟像”而非真诚的沟通尝试。
值得注意的是，认知负荷的分析结果显示，AI来源标签与语言拟人化程度仅存在独立的主效应，而无显著交互效应。这一发现进一步揭示了认知遮蔽效应的作用边界：AI来源标签对语言拟人化的认知遮蔽效应主要发生在判断结果的输出层面（偏见感知、可信度），而非信息加工的输入层面（认知负荷）。AI来源标签作为一种启发式警觉信号，快速锚定用户的判断框架，却并不改变拟人化语言本身的修辞复杂性所带来的客观加工难度。换言之，用户可以在系统1层面快速形成“需谨慎”的判断结论，同时仍在系统2层面投入额外的心智努力以解码拟人化文本。两类线索在认知负荷上的独立作用，恰恰印证了认知遮蔽效应定位于判断结果而非加工过程的本质特征。
（二）对现有理论的贡献与创新
首先，本研究对CASA范式在高风险信息场景中的适用性提出了重要补充。传统观点认为，拟人化语言可绕过理性审查而直接提升信任度，但本研究发现当AI来源被明确标识时，无论文本拟人化程度如何，用户的偏见感知与可信度判断均趋于一致，表明CASA所激发的社会性启发式在高风险新闻语境中被抑制。由此可见，CASA效应并非普适，其作用高度依赖任务目标与信息风险水平，即在以准确性为导向的公共信息消费中，AI来源标签可能优先触发归因图式，使拟人化表达被重新解读为“算法模拟”而非“真诚沟通”，从而阻断其社会吸引力向信任判断的转化路径。其次，本研究深化了对双重加工理论中“元认知提示”作用机制的认识。传统观点假定标签通过促发系统2的深度加工来发挥警示作用，但本研究发现标签反而降低了认知负荷，揭示了一种新的“启发式警觉”机制。标签并非通过增加认知努力来促发批判，而是作为一种高效、低耗的认知捷径，在系统1层面就锚定了“需谨慎”的认知框架。这一发现扩展了双重加工理论的解释边界，表明外围线索同样可以具有高诊断性并主导认知优先级。最后，本研究整合了生态理性、信号检测与社会认同等多重理论视角，揭示了“标签遮蔽拟人化”的深层机制。传统研究往往单一聚焦于AI来源标签或语言拟人化的认知效应，本研究则系统揭示了二者交互作用的认知路径：AI来源标签通过激活生态理性的“启发式警觉”，引导用户采用保守的判断阈值，并在此过程中激活对AI来源的“外群体”身份预设，从而使得拟人化语言不仅无法发挥其社会吸引力，反而被逆向解读为操纵性策略，为理解制度性透明机制在信息治理中的作用提供了系统的理论解释。
（三）实践启示与治理建议
本研究为完善AI内容治理提供了坚实的实证支撑。以《人工智能生成合成内容标识办法》为核心的强制标识制度，在新闻及其他高风险公共信息领域表现出显著的认知干预效力。清晰可见的来源披露能够有效激活用户的批判性认知，其作用不受语言拟人化程度影响，即“透明”可转化为“警觉”，“知晓”亦能引导“审慎”，有力回应了学界对标识政策可能流于形式主义的担忧，显示身份可见性本身即可构筑一条有效的认知防线。基于此，AI内容治理应从制度刚性、语言规制与公众素养三个维度系统推进。其一，应优化并严格执行强制标识制度，制定技术规范，确保标识置于首屏显著位置，使用统一措辞，禁止模糊责任边界的表述和通过交互设计规避用户注意。其二，可在保障事实准确前提下，适度允许功能性拟人化，以提升信息可及性与理解效率。本研究表明，在AI来源标签存在的情境中，语言拟人化对用户判断可信度与偏见感知影响甚微，表明修辞亲和力与批判性警觉并非零和关系。因此，在政策解读、科普及应急通知等场景，可采用逻辑清晰、结构化、用户导向的叙述方式；对虚构第一人称、情感渲染或道德评判等可能引发误导的内容，应实施严格限制，同时可利用技术进行拟人化风险预警，而非全面禁止。其三，应将AI标识素养纳入国家数字素养教育体系，构建以注重来源意识为核心的公众防御机制。AI来源标签效力依赖于用户理解与响应习惯，目前公众认知仍较模糊，可能将AI来源标签视为技术说明而忽略警示功能。教育部门可联合媒体与平台，在课程培训及公共宣传中，通过情景模拟培养“见标即审”的条件反射，强化主动核查信息源、警惕情感操纵的能力。这种以元来源线索为锚点的媒介素养，比识别具体修辞更具普适性、可持续性与迁移性，可有效应对未来不断演化的AI表达策略。
（四）研究局限与未来方向
本研究仍有一些不足。首先，实验采用模拟新闻阅读任务，虽严格控制了内容变量，但真实媒体环境中用户的注意力分散、多信源交叉验证以及既有立场偏见等因素可能调节效应强度。其次，样本以高校学生及青年网民为主，其较高的数字素养与技术接受度可能导致本研究高估AI来源标签的有效性，未来研究需拓展至中老年群体或低媒介素养人群，以检验结论的普适性。再次，认知负荷测量依赖主观量表RSME，该量表虽为学界常用工具，但被试仍可能存在回忆偏差，后续可结合眼动追踪指标或脑电成分更精准地捕捉信息加工深度的变化。此外，本研究聚焦新闻类内容，未来可在政务公告、健康咨询或金融推荐等不同风险等级的AIGC场景中进一步检验认知遮蔽效应的边界条件。
本文系国家社会科学基金后期资助项目一般项目“短视频场域下青年政治认同的驱动机理研究”（项目编号：24FXWB042）的阶段性研究成果。
本文引文格式：庞华、张欣彤：《超越拟人化：来源标签在AI新闻中的信任建构与认知遮蔽效应》，全球传媒学刊，2026年第4期，119-137页。
