中心新闻 | 中澳“AI传播和数字治理的跨文化比较”深研会顺利举办

2026年6月23日上午，中澳“AI传播和数字治理的跨文化比较”（Intercultural Comparative Studies of AI Mediated Communication and Digital Governance）深研会于武汉大学媒体发展研究中心召开。本次会议由武汉大学跨文化传播研究中心主办，武汉大学人文社会科学研究院、武汉大学媒体发展研究中心、武汉大学新闻与传播学院共同指导，汇聚中澳两国高校学者、平台业界专家，分设中英双语两个主题论坛开展深度研讨，搭建起中澳人工智能传播与数字治理领域的交流桥梁。

吴世文（武汉大学新闻与传播学院院长、教授，武汉大学媒体发展研究中心研究员）发表欢迎致辞。会议发言人依次为Jonathon Hutchinson（悉尼大学媒体与传播学科副教授，前学科主任、Policy & Internet期刊主编、澳大利亚和新西兰传播学会主席）；谢天（武汉大学新闻与传播学院副教授、跨文化传播研究中心研究员）；Xuanzi Xu（悉尼大学媒体与传播学科讲师，Policy & Internet 学术编辑）；薄红恺（微博总编室主任）；肖珺（武汉大学媒体发展研究中心副主任、跨文化传播研究中心主任、新闻与传播学院教授）；高天赐（武汉大学新闻与传播学院硕士研究生）；罗晨（武汉大学媒体发展研究中心研究员、新闻与传播学院副教授）。吴世文、甘丽华（华中师范大学新闻传播学院副教授）、田卓灵（武汉大学外国语学院英文系特聘副研究员）、肖珺、Xuanzi Xu、石天林（微博总编室高级经理）担任学术对话人。另有来自湖北大学、乐山师范学院老师和我院博士后、博士生、硕士生等参会交流。

图1  参会学者合影

吴世文在欢迎致辞中指出，人工智能重构全球传播生态，AI传播（AI Mediated Communication）、数字治理（Digital Governance）是全人类共同面对的难题。6月份，我们和悉尼大学连续开展的两次中澳跨学术对话，显示两国学者共同的研究关注。希望通过深入和持续的学术交流，两国学界和业界的合作能够为智能向善的数字治理实践提供多元参照。

上半场（英文论坛）

英文论坛由罗晨主持，三场学术对话分别围绕AI与创意产业、人机交互治理、教育公平等议题展开。

Jonathon带来首场报告《人工智能娱乐：解析中介研究视角下生成式人工智能正向实践》，他的分享从中国和海外的相关现象谈起。他提到，中国电商AI主播产业规模不断扩大、经济收益持续提高。与此对比，海外类似的AI虚拟演员Tilly Norwood却遭遇大量抵制。他的研究试图系统解释两类AI媒介受众认知差异，已完成“动机（motivations）— 可供性（affordances）— 验证（validations）”三维度的横向比较。研究发现，AI使用背后的动机决定了它们被期望执行的任务类型，当AI执行商业销售任务时，用户普遍接受AI的高拟人等可供性；但当AI执行的任务涉及情感类创意内容生产时，用户则会启动强烈的排斥心理，显现出一个难以逾越的“天花板”。Jonathon指出，AI正以低成本、易操作等特征全面渗透影视等创意产业，从业者对AI的认知态度亦存在分歧，全球现有治理模式仍以被动应对为主。未来研究应关注AI与用户之间的中介鸿沟（Intermediation Gap），从用户视角补齐现有研究的短板。吴世文与Jonathon展开交流，提出“以人为中心”还是“以机器为中心”是相关研究需要思考的哲学命题，而国家、代际对人机关系的认知存在差异，亟须更多跨文化比较研究。Jonathon强调了从“计算机中心”向“人类中心”研究范式转变的重要性，指出应借鉴过往数字技术监管的历史经验，避免在AI治理上从零开始。结合肖珺对“文化政策”（Cultural Policy）解释的关注，Jonathon强调不同文化语境将产生独特的治理特色，比如，通过对澳大利亚和中国的比较研究，会发现文化政策对社会影响的重要性。

图2 Jonathon与吴世文展开讨论（从左至右）

谢天发表报告《超越AI谄媚：人工智能治理的新挑战》，该研究由Science期刊上的AI谄媚（Sycophancy）研究引入，认为学界应当审慎界定研究术语，语言概念直接塑造人们对现象的认知，并提出AI迎合（AI Catering）概念，即人工智能系统持续调整输出信息与人机交互模式，优先迎合、印证用户固有认知，而非引导用户接触异质观点。需要明确的是，AI迎合中，权力掌握在技术供给方，而非用户，因此，比AI谄媚更为深层的治理困境，是AI迎合。谢天通过控制实验发现，使用批判性思维AI的学生在作业质量和AI使用行为上表现更好，可见AI迎合带来的负面效应可以通过技术干预来解决。研究表明，AI治理的新焦点应从信息真实性转向防止“自我确认”，跨文化传播可为此提供规范性基础 。甘丽华在学术对话中，分别从“他者”的本质、AI的本质以及跨文化传播研究中生成AI治理规范性理论的潜力三方面展开讨论。对谈中，甘丽华引用韩炳哲的《他者的消失》，指出AI迎合可能消解人的多元思考能力，由此制造出“同一的暴力”。

图3 谢天与甘丽华展开讨论（从左至右）

Xuanzi Xu分享了《澳大利亚大学生群体中的人工智能鸿沟研究》，研究以澳洲高校中国留学生为研究对象，围绕采用苏格拉底式提问风格的“认知导师”（Cognitive Tutor）AI开展实证调研，旨在考察该AI能否有效促进学生批判性思维能力的培养。研究结果显示，学生的问题以基础信息查询为主，如“作业要求是什么”“请推荐案例”“帮我翻译”等，鲜有追问、质疑或反思性对话。研究表明，AI并非如预期般弥合教育鸿沟，反而可能在AI素养高与低的学生群体之间制造新的不平等。田卓灵在对谈中提出，AI时代的核心问题“不是学生是否使用AI，而是如何向AI提出好问题”。她分享了自己在教学中的观察，认为教育者应当引导学生理解AI的“思考”过程、学会优化提示词，而非被动接受答案。不同文化背景学生对AI角色的认知存在差异（如视为权威、朋友或治疗师），高等教育应致力于培养学生AI无法替代的能力。田卓灵与Xu一致认为，AI素养已成为高等教育的紧迫任务，教育目标应从“将学生培养为AI的消费者”转向“将学生培养为AI的主人”。

下半场（中文论坛）

中文论坛由谢天主持，来自业界和学界的三场报告，分别聚焦中国本土平台治理、AI社会想象及青少年使用、工作场景中的AI采纳机制。

薄红恺发表报告《守护公共表达：微博平台网络生态治理的实践与探索》。薄红恺先从用户活跃度、用户年龄结构、AI内容生产量等方面介绍了平台概况。微博兼具公共性、多元性、强影响力三个特征，是研究平台生态治理的典型研究对象。随后，薄红恺从具体实践层面系统梳理了微博在网络谣言治理、网暴防治、AI反诈、算法治理、未成年人保护等领域的技术升级与机制完善举措。薄红恺指出，其一，AI生成内容的识别已成为全球性难题，AI检测系统时常将真人创作误判为AI生成；其二，色情、饭圈、未成年人等多重风险因素的叠加，使治理复杂度急剧攀升。目前，微博已通过大众评议与社区志愿者机制探索共治路径，未来期待学界在治理标准与判定规则方面给予更多学术支持。肖珺在对谈中提出，微博的AI治理实践具有鲜明的中国本土特色，其中，对AI应用领域新出现的“饭圈”文化治理显示出当前平台治理的难点。平台如何与各利益相关方共同构建“复杂治理”新格局，值得持续关注。Jonathon对AI谣言检测中人机协作的具体操作流程展开提问，薄红恺援引具体案例，详述了从算法预警、人工研判到权威媒体核实的全链条流程。Xuanzi Xu就微博社区的志愿者招募机制提问，薄红恺介绍，申请者须满足信用分门槛并通过网络规则考试，同时也会定向邀请特定领域专家，由此不同形成多元群体相结合的治理社区。

图5 薄红恺与肖珺展开讨论（从左至右）

肖珺与高天赐汇报《中国语境下的人工智能想象、青少年使用与治理演进》的近期研究。他们首先结合对微博平台数据的分析，发现中国社会的AI想象以高度乐观为主基调，加速AI应用落地和场景开发。同时，全球出现的普遍问题是，青少年在AI使用中出现“情感幻觉”的认知和行为风险。通过聚焦中国涉未成年人AI治理政策的文本分析发现，现行政策多停留于素养倡导层面，对具体风险场景的规制尚不充分。Xuanzi Xu在学术对话中，认为情感幻觉研究具有启发性，并追问不同文化背景下青少年与AI“拟人化对话”的认知差异。肖珺表示，研究团队通过Bilibili与YouTube双平台采集数据的分析，发现情感幻觉风险为全球共性问题，中西方用户的比较分析显现跨文化认知的共性和差异。此外，不同国别区域的政策及执行也会明显影响用户行为和风险。

图6 高天赐、Xuanzi Xu与肖珺展开讨论（从左至右）

罗晨基于其与合作者共同开展的研究进行了题为《工作场景中生成式人工智能采纳机制剖析》的报告。研究以算法伦理领域的FATE模型为基础，在人工智能特性之外引入用户特质作为边界条件，在“人智融合”的视角下建构了从算法伦理感知到生成式人工智能技术采纳之间的解释机制。凭借涵盖两轮次纵向调查与半结构式深度访谈的混合方法路径，研究发现公平性与可解释性感知显著正向影响信息质量评价，进而促进采纳意愿；透明性与问责性感知对信息质量评价的影响未达显著。质性访谈进一步为量化研究结果提供情境化解读，中国用户偏好将透明性作为默认条件或将透明性把关“外包”给监管机构，问责性与信息质量在用户认知中处于分离状态。高知识谦卑者常因自认“没有足够能力理解问责手段”而放弃自主判断，致使问责性感知与信息质量评价间的关系在对应群体中不显著。石天林基于自身从业经历，指出生成式AI正从一项“独立工具”逐渐演化为全面嵌入办公与生活场景的“算法行动者”，透明性的重要性因用户角色而异，比如创作者往往高度关注算法透明性以维护自身权益，而普通用户对此诉求较低。当前，用户可能因过度信任AI而忽略了数据来源核查。罗晨回应，该研究之数据于2023年采集，彼时正值生成式AI斩获广泛关注的初始阶段，部分用户对AI技术尚持有“乌托邦式想象”。当下，面对技术生态的持续变迁，研究者需要保持足够敏感，不断优化研究设计并展开动态追踪。

图8 悉尼大学、微博和武汉大学三方代表合影

撰稿/拍摄：常乐、严蜜

校对：肖劲草

审核：肖珺

终审：单波