ARTICLE · 1222180
氧读⑱|人工智能工具在数据新闻中的应用——对阿拉伯数字媒体平台7iber和ARIJ的内容分析
The use of artificial intelligence tools in data journalism: A content analysis of 7iber and ARIJ platforms
Ramez Abuhasirah
人工智能工具在数据新闻中的应用——对阿拉伯数字媒体平台7iber和ARIJ的内容分析
摘要：
本研究对7iber和ARIJ于2022至2025年间发布的新闻内容进行分析，考察人工智能工具在数据新闻中的应用程度。为回应阿拉伯媒体研究中的相关空白，研究采用定性内容分析法，建立结构化编码框架，涵盖人工智能工具类型、数据类型、呈现形式、交互程度、编辑目的和数据使用深度等维度。依据内容与数据新闻及人工智能应用的相关性，研究通过目的性抽样选取10篇文章，每个平台各5篇。结果显示，文本生成和数据分析是最常见的工具类型，预测建模、交互式可视化等较高级的工具则应用不足。多数文章仅以文本形式呈现，交互程度较低，表明现有技术能力与实际编辑应用之间存在差距。交互性不足是本研究发现的一项明显局限，也呼应了既有研究的批评：人工智能工具在营造沉浸式用户体验方面尚未得到充分利用。主要编辑目的包括提高公众认知、开展教育和调查报道。数据使用以解释性运用最为常见，深入分析较少；多数文章采用解释性或描述性方式，说明人工智能主要用于支持相对简化的新闻叙事，在揭示复杂因果关系和开展探索性分析方面作用有限。
导言
近年来，技术创新的加速推动媒体行业发生深刻的结构性变革。媒体机构通过整合数字技术、开放数据和人工智能工具，重新探索新闻实践的方式。其中，数据新闻的兴起尤为突出。它利用大规模数据集和计算方法，制作以事实为基础、细节充分、视觉呈现生动且语境丰富的内容，已成为数字新闻的重要组成部分（Beckett & Yaseen, 2023；de-Lima-Santos & Salaverría, 2021）。这种实践使记者能够发现隐含的模式，借助可视化数据叙事增强表达，并对复杂问题形成更深入的分析（Ghabar, 2024；Sharma, 2024；Murad, 2023）。
数据新闻将传统新闻技能与分析技术、数字算法相结合。随着人工智能能力不断提升，记者能够更高效地获取、分析和可视化数据，并预测未来结果，为所谓的“预测性新闻”奠定基础（Diakopoulos, 2022）。半岛电视台媒体实验室开发的“Kashif”项目便体现了这一变化。该项目利用预测分析，预测2022年国际足联世界杯的比赛结果（Ghabar, 2024）。
多项研究强调，机器学习、自然语言处理和计算机视觉等人工智能工具，可以通过自动处理重复性任务提高新闻编辑部的生产效率，使记者有更多时间开展调查报道和分析性报道（Parratt-Fernández等，2021；Keegan, 2024；Amer & Atbiqa, 2025；Nizami & Abuhasirah, 2025a）。此外，大语言模型的出现，使记者能够更便捷地拟写数据获取请求、提取结构化信息并分析趋势，同时也引发了有关偏见、事实错误和使用伦理的担忧（Riley, 2024；Nizami & Abuhasirah, 2025b）。
尽管人工智能具有技术优势，多项研究仍对其新闻应用的伦理边界和专业影响提出了质疑，尤其关注输出的准确性、语境完整性以及人的创造力可能被取代的问题。这些担忧凸显了建立机构治理机制和新闻编辑部人工智能应用伦理框架的必要性（Nandini等，2024；Rojas-Torrijos & García-Cepero, 2020）。在这一持续变化的媒体环境中，考察7iber和ARIJ等先行的阿拉伯新闻平台如何将人工智能工具融入数据新闻实践，以及由此形成的内容具有什么性质、结构和功能，日益重要。
本研究关注当代媒体领域的一项紧迫议题，即人工智能在数据新闻中的应用，尤其聚焦研究相对不足的阿拉伯语境。7iber和ARIJ是利用数字工具制作数据驱动调查报道的先行平台，考察二者的实践有助于填补相关研究空白。通过分析，本研究识别人工智能的使用模式及其融入编辑流程的程度，并探讨相应的伦理与专业挑战，以增进阿拉伯媒体机构中记者、媒体从业者和决策者对此的认识。在更广泛的层面，本研究为人工智能与数字新闻交叉领域的知识积累作出贡献，并为后续研究提供基础，以进一步考察人工智能工具对阿拉伯调查性新闻的内容和实践表现所产生的结构性与技术性影响。
本文关注的核心问题是，学界对于阿拉伯媒体机构如何在数据新闻中使用先进数字工具，仍缺乏充分认识。尽管自动化数据处理、自然语言技术和交互式数据可视化等创新技术已广泛进入全球新闻实践，其在阿拉伯媒体中的应用仍缺少充分研究。国际媒体在利用这些技术进行数据收集和预测性叙事等方面已取得明显进展（Beckett & Yaseen, 2023；Riley, 2024），阿拉伯媒体领域的实践应用与学术研究却仍相对不足。
7iber和ARIJ以数据驱动的调查报道而广为人知，但关于它们具体使用哪些人工智能工具、这些工具在多大程度上融入编辑流程，以及如何影响新闻内容的结构与深度，现有实证分析仍然有限。此外，透明度、偏见和人工智能生成内容的准确性等伦理问题，使工具采用更加复杂，也引出了人工智能如何影响数据新闻可信度与叙事权威的问题（Ghabar, 2024；Sharma, 2024）。系统性研究的不足造成了重要的知识空白，妨碍人们全面理解人工智能如何塑造阿拉伯语境下的数据新闻生产。因此，本研究通过内容分析，考察7iber和ARIJ在数据新闻实践中对人工智能工具的使用，揭示其中的应用模式、挑战与伦理影响。
据此，本文对7iber和ARIJ发布的部分数据新闻报道进行内容分析，识别所使用的人工智能工具，分析其使用模式，并评估新闻报道对数据的处理方式。研究借鉴将人工智能与预测性新闻联系起来的理论框架，同时梳理这一快速发展领域近期的实证研究和概念研究。
鉴于上述考虑，本研究旨在回答以下问题：
1. 7iber和ARIJ在制作数据新闻报道时使用了哪些关键的人工智能工具？
2. 两个平台如何将人工智能工具融入数据新闻的编辑实践和内容生产？
3. 在数据处理与呈现中使用人
工智能，会形成哪些叙事形式和视觉叙事技巧？
4. 7iber和ARIJ在数据新闻中采用人工智能工具时，面临哪些专业与技术挑战？
5. 在数据新闻生产中使用人工智能涉及哪些伦理问题？这些问题如何影响内容的可信度？
文献综述
随着媒体行业数字化转型加速，人工智能通过大规模数据处理、自动化内容生成和算法驱动的叙事，在重塑新闻实践方面发挥着核心作用。其影响已从技术辅助延伸至编辑理念和新闻生产方式（Abuhasirah, 2025；Allani & Al Sallaq, 2025）。这种范式转变催生了新的新闻形式，其中尤以数据新闻为代表。数据新闻分析复杂的开放数据集，形成以证据为基础的报道，并借助视觉叙事增强表达。这既需要先进的技术工具，也需要超出传统新闻训练范围的解释能力（Beckett & Yaseen, 2023；Sharma, 2024；Abuhasirah等，2025）。
近期文献指出，人工智能工具既支持新闻生产中的技术工作，也影响新闻结构、叙事方向和呈现方式。这些变化要求重新审视传统新闻伦理与专业标准。尽管全球新闻编辑部越来越多地采用人工智能，阿拉伯媒体领域的应用实践及相关学术研究仍相对有限（Ghabar, 2024；Riley, 2024；Sharma, 2024）。因此，有必要考察7iber和ARIJ等领先的阿拉伯平台如何使用人工智能工具，以及这些工具如何参与塑造数据新闻的功能、形式和可信度。
新闻业中的人工智能
人工智能是重塑当代新闻业的重要力量。它为记者提供先进的分析工具，使其能够检索和处理来自不同来源的海量数据，包括传统的公开记录和持续变化的数字平台（Khawaldeh, 2017）。
人工智能是由计算机科学、控制系统、逻辑学、数学、语言学和心理学等领域交叉形成的研究领域。其目标是开发模拟人类智能行为的计算模型，使机器能够依据已学习的模式和情境分析解决问题、作出决策。它借助旨在模拟人脑的算法和人工神经网络，使机器具备学习与发现知识的能力，由此成为媒体创新中的变革力量（Mousa, 2020；Al-Fedawi, 2021）。
人工智能在新闻业中的重要作用，在于通过自动完成信息采集、分类、分析和内容生成等编辑任务，优化新闻编辑部的工作流程。记者因此能够将更多精力投入创造性工作和深入调查，同时缩短新闻生产周期、扩大报道范围（Nandini等，2024；Goyanes等，2024；Al-Quran等，2022）。
人工智能也被视为一种新的沟通媒介，记者可以通过算法设计表达专业价值与伦理价值。它在保留人类作用的同时提升内容质量，使编辑决策过程中的混合式人机互动成为可能（Lewis等，2019）。
近期文献讨论了人工智能在新闻业中的多种用途，包括大数据分析、趋势预测、编辑优化和自动新闻生成（Al-Zoubi等，2024）。这些技术显著降低了运营成本，提高了内容发布速度和新闻编辑部的竞争力（Gutiérrez-Caneda等，2024；de-Lima-Santos & Salaverría, 2021）。
人工智能已成为塑造新闻业未来的战略性要素。尤其随着自主系统和自编程系统兴起，它对新闻业的影响已从内容生产延伸至编辑重点的确定和编辑政策的制定（Túñez-López等，2020）。
新闻业中的人工智能工具
无论对于媒体机构还是自由记者，人工智能工具都已成为塑造现代新闻实践的数字生态系统的重要组成部分。这些工具几乎覆盖新闻生产的各个环节，包括数据收集与分析、核实、内容生成、编辑，以及可视化和交互式呈现。按功能划分，新闻业中的人工智能工具可分为以下五类。
（1）数据收集与分析工具。这类工具包括网页数据抓取应用和应用程序编程接口（API），帮助记者访问开放且支持交互的数据库。例如，Numerous.ai将人工智能能力整合到Google Sheets和Excel等平台，利用先进语言模型自动提取和处理数据（Bedi, 2023）。
（2）摘要生成、分类与编辑辅助工具。这类工具包括Google Translate、DeepL、Otter.ai和Whisper等自动转录或翻译工具，广泛用于多语言访谈，以及将音频转写为文字供编辑审阅。Google的Pinpoint尤其适用于调查报道，可通过具有智能检索功能的界面，组织和分析大量音频或文本档案（Bedi, 2023；Kaci, 2024）。
（3）自动文本生成工具，即自然语言生成工具。ChatGPT、Jasper AI和GitHub Copilot等工具，可以依据原始数据集或简单提示词生成新闻初稿及其他编辑内容，减少写作初期所需的时间和精力，让记者更专注于修改完善和批判性审阅（Philip, 2024；Alanati, 2024）。
（4）事实核查与错误信息识别工具。Rolli和Perplexity等工具通过与可靠来源比对、识别信息操纵模式，发现社交媒体上的误导性内容并核实信息。Aissani等（2023）指出，此类工具主要依托深度学习和网络分析技术，在全球新闻编辑部应对数字虚假信息的过程中日益重要（Abuhasirah & Salameh, 2025）。
（5）数据可视化与多媒体呈现工具。人工智能还可借助Flourish和Datawrapper等工具，将数据转化为生动的视觉形式。这些工具在数据新闻中得到广泛应用，可交互式呈现统计信息。Canva的Docs to Deck等工具则可将结构化文档转化为专业的演示文稿，使新闻内容更易理解（Bedi, 2023）。
人工智能工具帮助记者克服了时间、信息获取和资源方面的诸多传统限制，对自由记者和资源不足的新闻编辑部尤为如此。随着这些工具日益融入新闻生产，内容所有权、算法透明度和记者创造性技能弱化等问题也随之凸显（Abuhasirah等，2023）。因此，新闻业需要以自觉、合乎伦理并承担专业责任的方式使用人工智能（Lewis等，2019；Kaci, 2024）。
数据新闻
数据新闻是一种当代新闻实践：通过收集、分析和解释大型数据集，制作以证据为基础、服务公共利益的报道。Fürst（2025）将其定义为“在透明、开放和严谨调查原则的基础上，通过对大型数据集进行可视化分析和信息分析来建构并讲述故事的艺术”。Fleerackers等（2025）指出，数据新闻高度依赖政府和科学领域的开放数据，以揭示社会与政治现实，并强化记者作为数字中介者和公民教育者的角色。近期综述强调，数据新闻要求记者综合运用统计推理、编程和交互设计等技能，以制作兼具分析深度与清晰语境的内容（SAGE Scoping Review, 2024）。此外，数据新闻通过提供以证据为基础、易于理解的内容，被视为促进问责和重建受众信任的重要手段（SAGE Introduction to Audience Engagement, 2024）。
数据新闻具有一组区别于传统新闻形式的核心特征。最突出的是，它将数据作为主要信息来源，使用先进数字工具进行分析，并通过交互式视觉形式和叙事形式向受众呈现结果。其主要特征包括：使用开放数据库和官方数据库；结合定量与定性数据分析；开展基于证据的叙事；运用编程与可视化工具，如Datawrapper和Flourish；以及由记者、开发人员和设计师在新闻编辑部内协作（Al Jazeera Fellowship, 2024；Vural & Masip, 2021）。
根据半岛电视台研修项目（Al Jazeera Fellowship, 2024）的分类，数据驱动的报道有四种主要类型：单纯展示数据的报道、以数据充实内容的报道、解释性报道，以及以大型数据集为基础的综合性调查项目。最后一类最为复杂，对技术能力的要求也最高。Mustafa（2021）指出，数据新闻建立在这样一个前提上：“报道既来自信源的讲述，也来自对数据作出恰当分析后所揭示的内容。”
数据新闻的重要性在于，它能够依据可验证的证据产出准确、深入的报道，提升媒体机构的公信力，使其履行社会监督职能。通过严谨分析数据，记者可以发现腐败、歧视或制度失灵的模式，揭示被忽视的社会与经济趋势，并用可靠的数据叙事回应错误信息（Ghabar, 2022；Mustafa, 2021）。Houston（2021）认为，数据新闻的历史体现了从被动传递信息到分析性叙事的转变，记者由此能够通过数字逻辑解读复杂现实。人工智能的引入进一步拓展了数据新闻的能力，使数据挖掘、核实和可视化实现自动化，帮助记者更高效地工作，并制作高度个性化且交互性强的内容（Ojo & Heravi, 2017；Al Jazeera Fellowship, 2024；Vural & Masip, 2021）。
人工智能与数据新闻之间的关系
人工智能与数据新闻之间形成了深度融合的关系，结合了强大的分析和叙事能力。自然语言处理、机器学习和计算机视觉等技术，可以快速、准确地解读海量数据，增强数据新闻作为智能分析和叙事媒介的能力（Banafi, 2024；Fridman等，2025）。
近期研究指出，这些技术能够加快数据提取与清洗，并支持生成交互式数字叙事，以揭示隐含模式、支持数据驱动的预测（Frontiers in Communication, 2025；SAGE special issue, 2024）。
综合性综述表明，人工智能在数据新闻中的应用改变了新闻编辑部的工作流程：摘要生成、事实核查和样本选择等常规任务已实现完全自动化，使记者能够进行更深入的分析，并与受众开展更充分的互动（Fridman等，2025；VIEW Journal, 2024）。人工智能由此成为参与数据新闻叙事建构的积极行动者（active agent），增强媒体信息的影响力，并提升公众信任。
研究方法
研究工具
本研究依据近期有关人工智能新闻应用和数据新闻实践的学术文献，建立了结构化的定性编码框架。编码方案涵盖人工智能工具类型，如数据分析、文本生成、核实和可视化，以及数据类型、呈现形式和主题重点。
研究总体与样本
研究总体包括2022年1月至2024年6月期间，7iber和ARIJ网站“数据新闻”栏目下或主题与之相关的全部新闻内容。研究依据以下标准进行目的性抽样：
（1）文章须首发于相应网站。
（2）文章须明确或间接涉及人工智能在新闻业中的应用。
（3）主题须具有可测量性或以数据为基础，如公共卫生、经济、环境和透明度。
表1 7iber和ARIJ新闻内容样本（2022至2025年）
平台 | 标题 | 发布日期 | 是否使用人工智能工具 |
7iber | 非英语使用者如何与ChatGPT交流？ | 2025年6月18日 | 是 |
7iber | 7iber健康与环境新闻研修项目（Fellowship） | 2025年2月2日 | 是 |
7iber | 约旦的人工智能教学存在什么问题？ | 2025年8月31日 | 是 |
7iber | 战争合唱团：美国人眼中的台湾 | 2024年7月15日 | 是 |
7iber | 从安曼到利雅得：变化中的沙特劳动力市场中的约旦人 | 2025年6月 | 是 |
ARIJ | 人工智能正在接管新闻业吗？一种分析路径 | 2024年8月1日 | 是 |
ARIJ | 新闻编辑部人工智能影响力奖 | 2024年1月8日 | 是 |
ARIJ | ARIJ发布首个阿拉伯语人工智能战略 | 2023年7月17日 | 是 |
ARIJ | ARIJ举办高级开源情报（OSINT）技术大师班 | 2025年1月14日 | 是 |
ARIJ | 货物被拒收 | 2025年3月17日 | 是 |
编码类别
应用了以下分析类别：
（1）人工智能工具类型，如分析、生成、核实和可视化等。
（2）数据类型，如政府数据、公开来源数据和社交媒体数据等。
（3）呈现形式，如文本、视觉内容、地图和视频等。
（4）对人工智能使用的提及方式：明确提及、隐含提及或未提及。
（5）主题领域，如政治、社会议题、经济和环境等。
这一设计旨在批判性评估人工智能融入所选平台数据新闻实践的程度与性质。
内容编码分析表
以下内容分析编码表用于分类和评估7iber与ARIJ网站上与数据新闻相关的新闻内容，主要目标是识别人工智能工具在内容生产和呈现中的应用程度。编码类别建立在对近期数据新闻与人工智能文献的全面梳理之上，同时考虑阿拉伯数字媒体的编辑环境和技术条件。框架涵盖工具类型、数据性质、呈现形式、主题领域、交互程度、编辑目的及数据使用深度等维度。作为结构化的编码依据，该表支持系统、准确的编码，并帮助识别人工智能辅助新闻实践中的重要模式。
表2 7iber和ARIJ数据新闻中人工智能工具使用情况的内容分析编码表
类别 | 编码选项 |
1. 人工智能工具类型 | □ 数据分析 □ 文本生成 □ 事实核查□ 可视化 □ 分类 □ 其他 |
2. 人工智能提及方式 | □ 明确提及 □ 隐含提及 □ 未提及 |
3. 数据类型 | □ 政府数据 □ 公开来源数据□ 问卷调查数据 □ 社交媒体数据 □ 其他 |
4. 呈现形式 | □ 仅文本 □ 文本＋静态图表 □ 交互式可视化□ 地图 □ 视频／音频 |
5. 主题领域 | □ 政治 □ 健康 □ 经济 □ 环境□ 权利 □ 社会议题 □ 其他 |
6. 交互程度 | □ 高 □ 中 □ 低 □ 无交互性 |
7. 编辑目的 | □ 调查报道 □ 教育 □ 反腐败□ 提高公众认知 □ 新闻更新 □ 其他 |
8. 数据使用层次 | □ 描述性 □ 解释性 □ 分析性／探索性 |
信度校验
为保证定性内容分析的方法严谨性，本研究进行了编码者间信度检验，以检验编码过程的一致性。两名研究者使用预先制定的内容分析编码表，对两篇文章进行独立编码。原文称，两篇文章分别来自7iber和ARIJ。编码涵盖八个类别：人工智能工具类型、提及方式、数据类型、呈现形式、主题领域、交互程度、编辑目的和数据使用层次。检验结果如下。
表3 两篇7iber文章的编码者间信度检验
编号 | 文章标题 | 编码类别 | 编码者1 | 编码者2 | 一致 |
1 | 非英语使用者如何与ChatGPT交流？ | 人工智能工具类型 | 文本生成 | 文本生成 | 是 |
提及方式 | 明确提及 | 明确提及 | 是 | ||
数据类型 | 其他 | 其他 | 是 | ||
呈现形式 | 仅文本 | 仅文本 | 是 | ||
主题领域 | 社会议题 | 社会议题 | 是 | ||
交互程度 | 无交互性 | 无交互性 | 是 | ||
编辑目的 | 提高公众认知 | 提高公众认知 | 是 | ||
数据使用层次 | 解释性 | 解释性 | 是 | ||
2 | 7iber健康与环境新闻研修项目（Fellowship） | 人工智能工具类型 | 数据分析＋可视化 | 数据分析＋可视化 | 是 |
提及方式 | 隐含提及 | 隐含提及 | 是 | ||
数据类型 | 政府＋公开来源 | 政府＋公开来源 | 是 | ||
呈现形式 | 仅文本 | 仅文本 | 是 | ||
主题领域 | 环境＋健康 | 环境＋健康 | 是 | ||
交互程度 | 无交互性 | 无交互性 | 是 | ||
编辑目的 | 教育 | 教育 | 是 | ||
数据使用层次 | 分析性／探索性 | 分析性／探索性 | 是 |
两名编码者对两篇样本文章的所有类别均给出了一致编码，一致率为100%。这一结果表明编码工具具有清晰性和有效性，不同编码者能够一致理解所用类别及其定义。需要说明的是，此项检验仅涉及两篇文章，原文称每个网站各取一篇，其用途是程序性地检验编码框架，不能在统计意义上代表整个数据集。
数据分析
数据分析将收集到的新闻材料转化为可量化、可解释、可比较的信息，是内容分析的重要环节。本研究对预设编码类别进行了频次和百分比分析，涵盖人工智能工具类型、提及方式、数据类型、呈现形式、主题领域、交互程度、编辑目的和数据使用层次。分析旨在深入理解7iber和ARIJ新闻内容中的人工智能应用情况，回应研究问题，并识别这些数字新闻实践的编辑与技术趋势。
人工智能的工具类型
表4列示2022至2025年间7iber和ARIJ新闻样本中所用人工智能工具的分布，用以识别最常见的工具类型及其在内容生成、数据分析、可视化和其他编辑应用中的功能。
表4 人工智能工具类型
人工智能工具类型 | 频次 | 百分比 |
文本生成 | 2 | 20% |
数据分析 | 2 | 20% |
数据分析＋可视化 | 1 | 10% |
教育中的人工智能应用 | 1 | 10% |
文本分析 | 1 | 10% |
人工智能战略 | 1 | 10% |
开源情报工具（OSINT） | 1 | 10% |
人工智能检测（AI Detection） | 1 | 10% |
文本生成和数据分析是最常见的工具类型，各占样本的20%，表明新闻平台倾向于使用人工智能辅助内容创作和数字数据处理。文本分析、数据分析与可视化、人工智能检测、人工智能战略和开源情报工具等各占10%，显示出一定程度且逐步增长的应用多样性。开源情报和人工智能检测等较高级工具的应用仍不充分，反映其整合尚处于早期阶段，同时也表明人工智能在拓展调查报道方面仍有潜力。
人工智能提及方式
表5展示新闻内容如何提及人工智能工具，区分明确提及、隐含提及和未提及三种情况。明确提及指直接说明工具名称或描述工具；隐含提及指间接或笼统地指涉相关工具。这一分类有助于评估编辑透明度，以及媒体机构对自身人工智能应用的认识。
表5 人工智能提及方式
类别 | 频次 | 百分比 |
明确提及 | 6 | 60.0% |
隐含提及 | 4 | 40.0% |
60%的文章明确提及人工智能工具，体现出较好的编辑透明度，以及公开说明人工智能在内容生产或分析中所起作用的意愿。其余40%仅隐含提及，可能意味着披露不充分，或只作笼统说明而未给出具体工具名称。样本中没有完全不提及人工智能的文章。作者认为，这提升了样本的可信度，也表明数字新闻实践日益重视向受众说明技术的使用情况。
数据类型
表6展示使用人工智能工具的新闻文章所采用的数据类型，按内容所引用数据源的性质分类，包括政府数据集、公开来源数据、用户生成内容、学术资料和分析性数据集等。了解这些数据类型，有助于评估人工智能辅助数据新闻的可信度、覆盖范围和深度。
表6 数据类型
类别 | 频次 | 百分比 |
用户相关数据（User-based） | 1 | 10.0% |
政府数据＋公开来源数据 | 1 | 10.0% |
学术资料＋课程资料 | 1 | 10.0% |
军事／政治数据 | 1 | 10.0% |
劳动力＋人口统计数据 | 1 | 10.0% |
分析性数据 | 1 | 10.0% |
机构数据 | 1 | 10.0% |
战略资料 | 1 | 10.0% |
培训材料 | 1 | 10.0% |
调查报道资料（Investigative） | 1 | 10.0% |
结果显示，数据类型的使用较为均衡且多样，六类数据各占样本的10%。这些类别包括用户相关数据、政府与公开来源数据、学术与课程资料、军事或政治数据、劳动力与人口统计数据，以及人工智能驱动的分析性数据。这种多样性体现了7iber和ARIJ较为丰富的编辑取向，也显示它们利用多种数据来源支持新闻报道。不过，没有任何类别占据主导地位，说明两个平台在建立人工智能辅助新闻的数据使用规范方面仍处于探索阶段。
呈现形式
表7列示使用人工智能工具的新闻内容所采用的呈现形式，即仅使用文本，或辅以静态图表及其他视觉元素。呈现形式可以反映人工智能辅助新闻的技术整合程度和用户参与情况。
表7 呈现形式
类别 | 频次 | 百分比 |
仅文本 | 7 | 70.0% |
文本＋静态图表 | 3 | 30.0% |
70%的文章仅以文本形式呈现，没有视觉或交互元素；30%的文章以静态图表作为补充。即使在人工智能辅助的新闻报道中，传统文本形式仍占主导。可视化应用有限，意味着人工智能生成交互式或动态数据呈现的能力尚未充分发挥。因此，编辑策略需要更好地结合人工智能工具与视觉叙事，以改善读者体验和理解。
交互性
表8展示采用人工智能工具的新闻内容具有何种交互程度。交互性指内容是否包含支持用户参与的元素，例如交互式图表、动态地图、可点击图层，以及根据用户输入提供反馈的工具。它是衡量人工智能辅助新闻的数字叙事成熟度与用户体验设计的重要指标。
表8 交互程度
类别 | 频次 | 百分比 |
无交互性 | 6 | 60.0% |
低 | 3 | 30.0% |
中 | 1 | 10.0% |
60%的文章不具备交互性，表明多数内容尚未充分利用人工智能促进受众参与的潜力。30%的文章交互程度较低，通常仅提供超链接或静态附件等基础元素；10%具有中等交互程度，未发现高交互程度的文章。这显示出采用人工智能工具与将其融入沉浸式、由用户主动探索的体验之间存在差距，媒体平台需要更多投入动态的、人工智能辅助的数据叙事形式。
编辑目的
表9展示使用人工智能工具的新闻内容所追求的编辑目的，包括提高公众认知、教育、调查报道、信息传播、支持、战略规划和培训。各类别反映了新闻机构希望通过人工智能实现的新闻功能及更广泛的目标。
表9 编辑目的
类别 | 频次 | 百分比 |
提高公众认知 | 2 | 20.0% |
教育 | 2 | 20.0% |
调查报道 | 2 | 20.0% |
提供信息 | 1 | 10.0% |
提供支持 | 1 | 10.0% |
战略规划 | 1 | 10.0% |
培训 | 1 | 10.0% |
编辑目的呈现出明显的多样性。提高公众认知、教育和调查报道各占20%，显示人工智能被用于支持具有认知和监督价值的新闻功能。提供信息、提供支持、战略规划和培训各占10%，体现了更加专门化的用途。研究结果表明，7iber和ARIJ在追求效率之外，也借助人工智能辅助叙事，强化新闻业在促进透明度、教育和公众参与方面的社会作用。
数据使用层次
表10概括人工智能辅助新闻中的数据使用层次，反映数据使用的深度，包括简单描述、解释性报道，以及分析性和探索性运用。这一维度可以反映数据新闻的成熟度，以及人工智能工具从原始信息中提炼重要认识的程度。
表10 数据使用层次
类别 | 频次 | 百分比 |
解释性 | 5 | 50.0% |
描述性 | 2 | 20.0% |
分析性 | 2 | 20.0% |
分析性／探索性 | 1 | 10.0% |
50%的文章以解释性方式使用数据，重视结合语境解释信息，超出单纯呈现数据的层面。描述性与分析性运用各占20%，仅10%的内容体现了探索性分析。这表明记者日益重视解释性叙事及基于深入理解的报道。不过，高级分析技术的应用仍相对有限，人工智能工具在支持更深入、更复杂的数据调查方面还有发展空间。
综合结果分析
对7iber和ARIJ于2022至2025年间发布的新闻内容进行分析发现，人工智能工具在新闻实践中的应用日益明显，但应用深度和复杂程度有所差异。多数文章依靠文本生成和数据分析相关工具，体现出利用人工智能加快内容生产与编辑的倾向；交互式可视化和机器学习等较高级应用仍明显不足。
60%的文章明确提及人工智能工具，表明编辑透明度相对较高，披露技术使用情况的意识逐步增强。不过，仅含文本的内容占70%，无交互性的内容占60%，说明数字用户体验方面的投入有限，人工智能的技术潜力与其在交互式新闻中的实际应用存在差距。
主题涵盖社会、环境、教育和经济等领域，体现了平台多元的编辑议程。就编辑目的而言，提高公众认知、教育和调查报道各占20%，体现了新闻业的认知、伦理和监督职能。数据使用以解释性运用最多，占50%，表明记者倾向于借助人工智能结合语境解读数据。高级分析或探索性应用比例较低，说明新闻编辑部仍需投入资源，发展深入分析的能力。
结果讨论
本研究显示，7iber和ARIJ等数字新闻平台越来越多地采用人工智能工具，但应用主要集中于文本生成和数据分析等日常操作环节，交互式可视化、机器学习模型等较高级应用仍然有限。这与Túñez-López等（2020）的研究一致，即人工智能通常用于支持编辑流程，对解释性新闻或调查性新闻的替代有限。这表明阿拉伯媒体机构正处于转型阶段：它们借助人工智能优化流程，但尚未充分发挥其创造与分析潜力。该趋势既显示出创新机会，也反映出资源不足、技能缺口和机构采用意愿不足等可能妨碍深度应用的结构性限制。
这一结果也与Goyanes等（2024）的发现一致：人工智能辅助新闻仍在适应新兴工具，应用大多集中于常规任务的自动化。这与阿拉伯媒体数字化转型的初级阶段相吻合。Al-Zoubi等（2024）和Bedi（2023）同样强调，在创作和分析层面全面整合人工智能，仍属于有待实现的潜力。阿拉伯新闻业因而在较早的发展阶段体现着全球性的应用模式。日常操作应用与高级应用之间的差距，凸显了能力建设、机构投入，以及开发符合阿拉伯调查报道需求的本地化人工智能应用的必要性。
从人工智能提及方式来看，60%的内容明确说明了所用工具，体现出较好的编辑透明度。这支持了de-Lima-Santos和Salaverría（2021）的观点：人工智能应与新闻伦理和价值观相结合，透明度有助于增强受众对自动化或半自动化内容的信任。7iber和ARIJ等平台认识到披露对维护公信力的重要性，表现出积极的伦理取向。与此同时，另外40%的内容未说明具体工具，显示出有待改进之处。透明程度不一致，可能使受众产生疑惑，并制约问责。因此，符合伦理要求的人工智能应用虽已开始形成，具体实践仍不均衡。
在编辑目的和主题领域方面，研究发现人工智能较多用于提高公众认知、教育和调查报道。这与Parrat、Mayoral和Mera（2021）的观点一致，即人工智能可以通过制作易于理解、以数据为基础的叙事，提升新闻的公共价值。不过，交互性不足仍是明显局限，也呼应了既有批评：人工智能工具在提供沉浸式用户体验方面尚未得到充分利用。这表明，阿拉伯数据新闻重视信息价值和社会价值，但尚未充分采用以受众为中心的创新形式，如交互式叙事和参与式数据探索。因此，需要进一步投入叙事设计与数字素养建设，缩小内容生产与受众参与之间的差距。
从数据使用层次来看，多数文章采用解释性或描述性方式，说明人工智能主要支持相对简化的新闻叙事，在揭示复杂因果关系和开展探索性分析方面作用有限。这与Bounegru等（2021）的观察相呼应：数据新闻仍难以超越表层可视化，进入深入的分析与调查。该发现揭示了阿拉伯媒体机构的一项结构性局限，即人工智能较多发挥辅助作用，对深入数据探究的推动仍然不足。受众虽能接触以数据为依据的叙事，数据新闻的调查与分析潜力却尚未充分实现。解决这一问题既需要技术进步，也需要文化与制度层面的转变，以支持目标更高、以研究为导向的报道。
结论
本研究考察了7iber和ARIJ两个先行的阿拉伯数字媒体平台在数据新闻中使用技术工具的情况，重点关注整合模式、编辑目的和伦理问题。结果表明，这些工具主要支持文本生成、数据处理和描述性报道等日常新闻工作，对高级分析和交互式叙事的推动较为有限。这反映出阿拉伯媒体机构正逐步推进数字化转型，技术应用在其中发挥补充作用，记者仍承担解释、调查和创造性工作。
分析还发现，多数内容明确提及所用工具，体现出较好的编辑透明度，以及对伦理责任和受众信任的重视。与此同时，交互性、受众参与和探索性分析的不足，显示出资源、技能和机构准备程度有限等结构性与专业挑战。技术工具最常用于提高公众认知、教育和调查报道，凸显了其在提升新闻公共价值方面的作用。
本文有助于理解阿拉伯语境下数字新闻和数据驱动新闻的现状。技术工具虽日益融入新闻工作流程，但在深化调查、创新叙事和发展以受众为中心的报道方面，其潜力仍未充分发挥。因此，需要持续开展能力建设、增加编辑创新投入，并从战略层面整合技术，以加强该地区的调查性新闻和分析性新闻。由此，阿拉伯媒体机构能够在日益依赖数据的媒体环境中，更好地生产高质量、可信且具有社会影响力的新闻。
作者简介：
Ramez Abuhasirah,约旦中东大学新闻与大众传播系。
〇 版权声明
本栏目所载译文仅出于学术交流与知识传播之目的，不作任何商业用途。原文著作权及其他相关权利归属原作者及原出版机构所有，本译文不构成对原作品著作权的任何处分或授权。如相关权利人就本译文之使用存在异议，本栏目承诺于接获正式通知后即时配合采取必要处理措施。
任何个人或机构基于知识传播之公益目的转发或转载本译文时，须明确注明原文著作权归属、译者姓名及译文出处，不得擅自修改或用于商业用途；未尽前述义务所引发之一切法律后果，由转发或转载方自行承担。
