人工智能技能正在世界范围内掀起一场生产力和生产关系的颠覆性革命，人工智能天生内容（artificial intelligence generated content）正重塑着当下的数字化信息环境（刘逸伦，黄微，张晓君，李贺南，2023）。
天生式人工智能（generative artificial intelligence），因此大数据为根本，算法为框架，未经人为直接干预，由做事器天生内容的技能。
天生式人工智能提升了人类信息天生的速率、广度和深度，它的涌现打破了传统智能化机器人在大略情境下浅层信息交互的能力局限（匡野，向如平，2023），极大赋能了数字内容生产。
从医学到工程学再到教诲学，天生式人工智能正迅速崛起并广泛参与社会运用，其遵照“智能逻辑”对社会生产、"大众年夜众生活带来颠覆性和革命性的影响（尹帮文，孙伟平，2023）。
在科学传播领域，以Chat GPT为代表的天生式人工智能匆匆动了社会信息秩序的巨变，重新分配着社会的信息资源和数字权力（张文祥，沈天健，孙熙遥，2023）。
社会的技能建构论（social construction of technology）提出：技能不是独立于社会的客不雅观存在，哪些技能得以保留，哪些被淘汰，被保留的技能又将如何发展，实质上是社会选择的结果（Callon，1989；高鑫鹏，李娜，2023）。

天生式人工智能的运用越来越广泛，这一方面延展了人类能力的边界，另一方面又可能产生繁芜的、意想不到的风险和后果，诸如：非普遍意义的“中立性”知识（周葆华，2023）、知识产权归属（朱鸿军，李辛扬，2023）、可能存在重大意识形态风险（韦路，徐靓颀，2023）等问题，也使***传播实务和***传播教诲产生巨大的变革（刘海龙，连晓东，2023）。
因此，天生式人工智能的创新与发展成为一个纠葛于科技、"大众年夜众和社会等多主体间技能的社会建构问题。
尤其是，互联网使得新技能遍及速率大大加快，"大众有了广泛且深入参与新兴科技产品利用的机会，这极大地增加了公众年夜众“参与科学技能构建”的可能性。
公众年夜众对天生式人工智能产品的利用感知与反馈在很大程度上反响了他们对新兴科技产品的普遍认知（Hoyer，Kroschke，Schmitt，Kraume & Shankar，2020）。

在天生式人工智能的传播与利用中，其强大的功能表示叠加"大众年夜众对其朴素的技能想象与实际技能实践碰撞、交织、互构，使得"大众年夜众的认知态度与利用行为呈现出有别于其他技能媒介的多样性和繁芜性。
"大众年夜众在内容生产、数据剖析等方面产生的便捷性体验与隐私安全、信息伦理等角度的担忧常常共存共生，这种对立的情绪时常将用户置于认知失落调的田地，使其萌生出繁芜且多元的情绪。
同时，作为以内容生产为紧张卖点的新兴科技产品，天生式人工智能会依据用户不同的信息需求在产品的生产功能上做出细分以知足用户须要。
Greiner等（2023）认为，公众年夜众进行内容生产的过程受到多方成分的共同浸染，想要厘清"大众如何理解天生式人工智能，就要对影响"大众细分的认知态度、内容生产行为的归因成分进行全面的实证剖析。
据此，本文提出如下研究问题：

RQ1："大众如何认知、评估与利用天生式人工智能？

RQ2：哪些成分影响公众年夜众对天生式人工智能多维认知态度的天生，影响有何不同？

RQ3：当"大众年夜众参与到以天生式人工智能为媒介的数字化内容生产中时，他们会表现出何种细分的生产行为？哪些成分影响着"大众年夜众的细分行为，其浸染有何不同？

"大众年夜众对新兴技能的认知、评估与利用一贯是科学传播学界研究的重点。
过去，对新兴科学技能利用与认知的研究紧张基于技能接管模型（technology acceptance model）和技能接管与利用统一理论（unified theory of acceptance and use of technology）展开。
随着人工智能的发展，Lin等（2020）在古人研究的根本上改 进了TAM理论模型，开拓出了针对人工智能利用与接管（artificially intelligent device use acceptance，简称AIDUA）的研究模型。
然而，即便是最新的研究模型仍仅从接管与谢绝意愿层面来研究用户对天生式人工智能的利用。
事实上，影响公众年夜众对新兴科学技能收受接管意愿和利用感知的成分是繁芜且奇妙的，用户对新技能的意见深刻地影响着他们的利用行为（Saghafian，Laumann & Skogstad，2021）。
大众对科学技能的认知与收受接管是一个繁芜的系统性问题，涉及到多种细分的维度（Burns，O'Connor & Stocklmayer，2003）。
认知评估理论（cognitive assessment theory）认为：用户对新兴科技的认知在详细的、不同的利用场景中展现出来，对其抱有不同意见的人也会展现出不同的利用行为（Junker & Sijtsma，2001）。
如果仅从接管与谢绝意愿层面来研究用户对天生式人工智能的利用，会显得过于泛化，可能对后续研究产生误导（Theophilou et al.，2023）。
因此，本研究将社会成分、个体人格、产品功能、人机交互体验、"大众年夜众认知和内容生产行为全方位纳入研究框架，并将公众对天生式人工智能的认知态度和内容生产行为进行细分，以肃清以往研究中从接管/谢绝意愿来磋商人机交互的毛病。
终极将"大众年夜众认知、评估与利用天生式人工智能的归因成分梳理为：前端成分、中端成分、后端成分三层次，从而对用户认知、评估与利用开展更为细致、全面的研究。

此外，过往大量研究集中于国外科技传播背景下大众对天生式人工智能的认知、评估与利用，在中国语境下的研究较少。
然而，由于文化背景、科技代价不雅观、信息安全不雅观等方面的巨大差异，国外研究的结论是否适用于我国有待深入磋商。
我国的互联网用户对新兴科技普遍怀有较为积极的心态，抗拒生理较弱，多数网民对新技能持开放态度并支持新技能发展，对科技风险的评估较为理性（何薇，张超，任磊，黄乐乐，2021）；且相较于科技所能带来的长远社会效益，"大众更为关注科技的实用性和现实效益（Ma，Su，Zhang & Zhang，2023），这使得我国的科技传播环境呈现出积极开放，重效益、微风险，"大众年夜众科技理解较为朴素的特点。

据此，本研究旨在基于认知评估理论，在AIDUA模型根本上，改进研究模型使之适用于我国的科技传播环境，并对我国公众认知、评估与利用天生式人工智能的情形进行更为细致、深入的探究。

AIDUA研究框架指出用户对天生式人工智能的认知与利用紧张分为以下三个阶段：初次评估、二次评估和行为结果（Gursoy，Chi，Lu & Nunkoo，2019），并且，这三个阶段分别涉及公众认知、评估与利用天生式人工智能的前端、中端、后端三个不同层面的成分，本研究将三个阶段不同层次的影响设定研究假设并构建构造方程模型。

（一）初次评估阶段——影响公众年夜众认知与评估天生式人工智能的前端成分

1.社会环境成分——社会影响力的前端影响

社会影响理论（social influence theory）认为，人们在决策过程中会受到他们所处的社会环境和社会关系的影响。
因此，在采取新技能之前，用户会考虑朋友和家人的见地。
如果他们持积极态度，他们就更有可能主动考试测验新技能；反之，如果见地悲观，他们则不太乐意打仗（Berger，2014）。
本研究中，社会影响力包括大众媒体和用户周边社群的影响力。
在社交媒体中，名人效应是匆匆使"大众接管新技能的成分之一，而且用户周边社群的人际影响力也会影响他们对某种新兴技能产品的利用和评估。
这些成分会影响用户对该技能产品的技能想象和生理预设，从而影响着用户对该产品的实际利用感知（Weeks，Ardèvol-Abreu & Gil de Zúñiga，2017）。
据此，研究提出如下假设：

H1：社会影响力显著影响用户对天生式人工智能的感知。

2.用户个体成分——科技乐不雅观主义人格和先验技能履历的前端影响

不同的人群会对新兴科学技能表现出不同程度的“兴趣”。
"大众年夜众的“兴趣”构成了他们对科学技能的想象，并在很大程度上影响"大众年夜众对新技能的打仗和评估意愿（Jasanoff，2015）。
这种兴趣取决于"大众年夜众的人格特质、生活履历以及他们对该技能的代价不雅观、关注程度和理解程度等个体成分（Neuhofer & Buhalis，2014）。
个中，个体的科技乐不雅观主义人格和先验技能履历是影响用户是否乐意打仗新兴科技并考试测验利用它的前端成分之一（Clark et al.，2016）。
科技乐不雅观主义是指：个体对科技的未来和潜力充满信心的崇奉或态度。
科技乐不雅观主义者相信科技进步会带来社会进步和经济繁荣，因此十分支持科学技能的发展。
科技乐不雅观主义人格在很大程度上构建了用户对天生式人工智能的乐不雅观想象，并推动用户对其的打仗与利用。
此外，个体的科技乐不雅观主义还深刻影响用户对新兴技能（如人工智能）的利用效益和风险体验（Glikson & Woolley，2020）。

先验技能履历是指：个体打仗某项新技能之前，在学习、事情和生活中积累的对此类事物的认知、意见和履历。
这些履历不是用户在当下实践和体验中获取的，却对用户的决策起着重要浸染。
它会旁边用户如何构想新技能，勾引用户天生对新技能假设性的评估，并深刻影响着用户对新技能的利用决策（Rejali et al.，2023）。
用户可能会由于积极的先验认知而打仗天生式人工智能，并认为其能带来科技收益，但也可能由于悲观的刻板印象而谢绝打仗天生式人工智能，并认为其会带来利用风险。
据此，研究提出如下假设：

H2：科技乐不雅观主义人格显著影响用户对天生式人工智能的感知。

H3：用户的先验技能履历显著影响用户对天生式人工智能的感知。

（二）二次评估阶段——影响公众认知与评估天生式人工智能的中端成分

1.技能功利成分——科技效益感知与科技风险感知的中端影响

技能功利主义认为，新兴技能的发展和运用要以收益最大化为目标。
其强调用户在评估科技产品时，会反复权衡其带来的风险亲睦处，并基于付出的本钱和收成的效益做出综合性的判断（Kim，Chan & Gupta，2007）。
用户对科技产品的利用效益感知会使其对该产品产生积极态度，而风险感知则会导致悲观态度的产生（Lee，2009）。
据此，研究提出如下假设：

H4：用户对天生式人工智能的效益与风险感知显著影响其态度。

2.人机交互成分——天生式人工智能利用感知的前中端影响

技能接管与利用统一理论认为，用户对技能产品的利用感知能够有效阐明用户对天生式人工智能产品的利用意图。
用户对技能产品的利用感知包含两个方面：实用性感知与易用性感知。
实用性感知指的是人们对某项技能对事情绩效潜在影响的认知。
这包括用户对技能利用后是否能提高事情效率、任务完成的便利程度以及技能是否能够知足他们需求等方面的判断。
易用性感知指用户对技能利用过程的感知，个中包含着用户在利用新兴技能产品时所需承担的利用本钱、利用的便捷程度以及对技能操作体验的评估。
Lai和Chang（2011）指出，由于技能功利主义生理的影响，用户对科技产品的实用性和易用性感知深刻影响着他们对科技产品认知态度的天生。
据此，研究提出如下假设：

H5：用户对天生式人工智能的利用感知显著影响其态度。

（三）行为结果阶段——影响"大众年夜众评估天生式人工智能的后端成分与"大众年夜众内容生产行为的细分

利用天生式人工智能进行内容生产是一个存在争议的社会议题。
公众对天生式人工智能的认知态度并非一成不变，而是繁芜且多元的（Fui-Hoon Nah，Zheng，Cai，Siau & Chen，2023）。
在天生式人工智能的利用过程中，积极正面的感知成分和悲观负面的感知成分常常共存于用户的利用体验之中相互浸染，并影响着用户对其认知态度的天生。
其余，由于天生式人工智能内容生产功能和运用处景的多样化，用户对它的认知每每会随着利用情境的变革而发生改不雅观。
因此，"大众年夜众对天生式人工智能的评判不能仅从接管与谢绝这种大略地用非黑即白的单一维度来概括，理解"大众多维的认知态度至关主要（Rutjens，Heine，Sutton & van Harreveld，2018）。
同时，Cao等（2021）证明了用户不同的认知态度对其利用行为有着不同的影响，详细而言：积极态度正向影响他们对天生式人工智能的收受接管与利用，而悲观态度则负向影响着他们对天生式人工智能的收受接管与利用。
然而，天生式人工智能现已广泛运用于大众日常生活中的各种内容生产。
并且，鉴于其多样的内容生产功能、丰富的产品生态以及用户多变的需求，不同用户的内容生产行为存在很大差异（Park，O'Brien，Cai，Morris，Liang & Bernstein，2023）。
用户利用天生式人工智能进行内容生产可分为深度和浅度两种行为办法（Kim，Shin，Bae，Oh，Park & del Pobil，2020）。
深度内容生产行为指的是个体在利用内容生产工具加工、生产信息时，方向于将其运用到信息加工和生产的全过程。
这反响着天生式人工智能对用户内容生产行为的全面干预。
深度内容生产行为包括：利用人工智能进行内容创作、审核信息真伪、天生策划案等。
相反，浅度内容生产行为是指个体在利用内容生产工具加工、生产信息时，方向于对信息进行较为浅层和大略的加工、处理，只关注于信息的一些表面特色或形式化的方面，人工智能只充当赞助浸染。
例如：利用人工智能进行文本翻译、信息搜集、措辞润色等。

探究公众年夜众对天生式人工智能多元认知态度和细分解内容生产行为具有主要的社会现实意义（Mariani，Perez-Vega & Wirtz，2022）。
从市场营销的角度来看，天生式人工智能作为一种新兴的科技做事产品，"大众年夜众对其多维认知天生的归因研究是从用户层面入手对当下AI设计的优点与不敷的一次全面梳理，是运用层对技能层的有效反馈，可以帮助开拓者改进AI系统，使其更好地回应市场需求（Huang & Rust，2021）。
同时，理解用户对天生式人工智能的细分解利用，能够为企业剖析用户的元需求，找准目标客户群体，并依据用户画像供应精准的营销策略和定制化信息做事打下坚实根本（Kar，Varsha & Rajan，2023）。
从科技的社会发展视角来看，天生式人工智能作为助力社会发展的主要科技力量之一，公众年夜众对其认知与利用的研究是在社会科学领域对人工智能的一次综合性社会运用与实践的稽核（Tacheva & Ramasubramanian，2023）。
其可以为人工智能未来的创新路径与发展方向供应思路，使之与社会发展相契合，从而推动人工智能深度融入人类社会，迈向益发全面综合的发展新阶段（Ooi et al.，2023）。

因此，鉴于用户利用天生式人工智能进行内容生产行为的多样性和认知态度的多元性及其所带来的现实意义，本研究认为有必要在AIDUA框架中加入对用户认知态度和内容生产行为的细类化稽核，以全面理解"大众年夜众对天生式人工智能的认知、评估与利用。
据此，研究提出如下假设：

H6：用户对天生式人工智能的态度显著影响用户不同程度的内容生产行为。

综上所述，本研究基于AIDUA模型和认知评估理论，建构了影响公众年夜众认知、评估与利用天生式人工智能的三阶段模型，详见图1。

（一）问卷设计

研究问卷分为三部分：筛查问题、人口统计信息和"大众年夜众对人工智能的感知。
第一部分，问卷在受访者填写之前设置了三个筛查问题：“您利用过天生式人工智能吗？”“请您列举出一个你用过的天生式人工智能产品。
”“请您说说您常用天生式人工智能来做什么？”以打消未打仗过天生式人工智能或不理解天生式人工智能的受访者。
第二部分，我们网络了受访者的人口统计学信息包括：年事、性别、受教诲程度和常居地。
第三部分，利用量表调查了"大众年夜众对人工智能的利用与认知情形。
本研究所利用的量表均为揭橥在高质量国际期刊上的成熟量表，其已通过验证且具有良好的信效度。
同时，研究对所有英文量表均采取了标准的翻译-回译程序，确保了问卷的内容效度。
个中，科技乐不雅观主义量表利用Bao等（2022）体例的成熟量表，先验技能履历量表利用Gerlich等（2023）体例的成熟量表，社会影响力量表利用Ma和Huo（2023）体例的成熟量表，效益感知和风险感知量表利用Gursoy等（2019）体例的成熟量表，利用感知量表包含天生式人工智能的实用性感知和易用性感知，源自于Lee等（2021）体例的TPA量表，大众对天生式人工智能态度的丈量量表改编自Chi等（2023）体例的成熟量表，用户不同程度内容生产行为的丈量量表改编自Flavián等（2023）体例的成熟量表。
问卷中的所有题项均采取7分李克特量表丈量。

研究首先对问卷进行了预测试，在小范围发放了150份问卷，回收了126份问卷。
接着，研究依据被试反馈结果和专家修正见地优化了题项的表述，使得问卷逻辑连贯通畅、问题表述简明易懂，以降落被试理解与作答难度。
然后，研究利用网络的126份试测数据进行了预实验，根据实验结果，删除了信效度不达标的测度项后，终极组成了正式问卷。

（二）数据网络与样本选择

本研究于2023年9月在“问卷星”平台设计并发放问卷。
为探究公众对天生式人工智能的普遍态度，我们从全国范围内征集样本，并哀求样本数据基本符合人工智能利用人群的基本特色（参照第52次《中国互联网络发展状况统计报告》中城乡地域和性别成分），以担保其在分布较为均衡的情形下尽可能地具有广泛性和代表性。
据此，我们采取滚雪球抽样、效应抽样与立意抽样相结合的综合抽样法来网络数据。
首先，研究在小范围内随机向被试发放问卷，并通过被试供应的线索转发问卷，使问卷不断向更大范围的人群滚动扩散，以避免因特定渠道而造成的认知局限，担保样本数据网络的广度。
同时，研究随时关注数据的变异程度，并掌握问卷滚动方向，选择打仗过且理解天生式人工智能的样本，以担保数据网络的精准度。
末了，在统一回收问卷后，研究通过立意抽样按照人口统计学信息的变异程度对样本数据进行配额，以确保研究选取的实验工具可以准确充分地回应研究问题。

在对问卷进行洗濯（剔除无法描述人工智能利用情形或答非所问和80%以上的回答均同等的答卷）后，研究共网络了1805份有效样本，确保了研究的泛化能力。
为担保样本人群的多样性、代表性，研究对样本数据进行画像剖析。
结果显示，在人口统计特色方面，男性占比略高于女性，城镇人群显著高于屯子人群，年事分布集中在中青年群体，老年人占比较低。
在社会经济特色方面，样本人群基本都接管过九年责任教诲且受过高档教诲的群体占比较高（详见表1）。
这解释研究样本的总体分布与组间构造化差异特色与当下人工智能产品的利用主力人群的统计学特色较为吻合，适宜进行实证剖析。

（一）共同方法偏差考验

研究利用两种方法来降落问卷数据的共同方法偏差。
首先，在受试者回答问卷之前，明确奉告受试者这次问卷调查采取强匿名方法，问卷数据严格保密且仅用于课题研究，以此从源头上减少共同方法偏差的产生。
其次，研究选用Harman独身只身分考验，即将问卷所有条款进行未旋转的因子剖析，得到第一个主身分化释的变异量为37.81%，小于40%判断标准，解释该问卷不存在严重的共同方法偏差问题（汤丹丹、温忠麟，2020）。

（二）验证性因子剖析

研究利用SPSS 26.0和AMOS 24.0进行数据剖析。
首先，研究进行验证性因子剖析（CFA）来考验丈量数据的信效度。
结果表明，所有构面的Cronbach's Alphas均大于建议的临界值0.8，并且所有测度项的因子载荷均大于0.7，表明问卷具有良好的内部同等性（Taber，2018）。
所有构面的均匀提取方差（AVE）值均高于0.5，组合信度（CR）均高于0.8，表明问卷的收敛效度良好，并且所有构面的AVE的平方根都大于其与其他构面之间的干系性（表2），表明问卷的判别效度良好（Henseler，Ringle & Sarstedt，2015）。

接着，研究利用最大似然估计测试了CFA模型。
结果显示模型与数据拟合良好：χ2=1515.328，df=674，χ2/df=2.248（小于3），RMSEA=0.026（小于0.05），GFI=0.958，AGFI=0.951，CFI=0.981，NFI=0.966（均大于0.9），解释数据符合预期的理论建构。

（三）假设考验

研究假设考验结果显示，就影响公众年夜众认知、评估与利用天生式人工智能的前端成分而言：社会影响力、个体的科技乐不雅观主义、先验技能履历分别显著正向影响用户的效益感知，显著负向影响用户的风险感知（假设H1-H3成立）。
就影响"大众认知、评估与利用天生式人工智能的中端成分而言：用户的效益感知和利用感知分别显著正向影响其积极态度，显著负向影响悲观态度和抵牾态度（假设H4、H5成立）。
就影响"大众年夜众认知、评估与利用天生式人工智能的后端成分而言：用户的积极态度分别显著正向影响着用户的浅度内容生产和深度内容生产行为，悲观态度分别显著负向影响着用户的浅度内容生产和深度内容生产行为（假设H6成立），详见图2。

（一）"大众年夜众认知、评估与利用天生式人工智能的前端成分剖析

技能接管与利用统一理论提出，用户会从一项新技能的详细利用中依据其利用体验衡量与评判该技能（Venkatesh et al. ， 2016）。
但本研究创造社会环境成分、个体成分等外围技能想象在"大众真正打仗与利用天生式人工智能前，就已经在显著影响着公众对天生式人工智能的认知，且影响机制各不相同。

首先，社会环境成分对用户对天生式人工智能的各项认知都有显著影响，对效果认知和利用认知产生正向影响，对风险认知产生负向影响。
也便是说，用户打仗的信息环境（包括现实社交群体和多渠道的网络信息吸收）对天生式人工智能的评价越高，用户对其的效益认知和利用认知就越正面，并且还会同时降落对天生式人工智能风险的担忧。
但是总体来说，社会环境成分的影响程度小于用户的科学态度和先验技能利用履历。
这解释，社会外部成分虽然能够影响用户对新技能的利用与感知，但其相较于个体内部成分来说影响有限。

其次，以技能乐不雅观主义为指向的科学态度对用户对天生式人工智能的各项认知也有显著影响，同样是对效果认知和利用认知产生正向影响，对风险认知产生负向影响，影响机制基本与社会环境成分相同，但是影响强度全面高于社会环境成分。
值得一提的是，对待新兴科学技能较为乐不雅观的人对天生式人工智能有更敏感的认知，但认知的内容是降落对其可能存在或引起的风险的评价，未产生足够的当心。
这意味着，对新兴科学技能保持开放心态的科技乐不雅观主义人格会显著降落用户对新技能的技能抵触与风险想象，使得他们更乐意打仗与利用新技能，但即便是保持科技乐不雅观主义的用户也依然会对新技能保持较高的理性，并不会茫然地轻信技能，认为新技能一定会为其带来收益。

再次，先验技能利用经历对用户对天生式人工智能效益认知和利用认知的影响是最强的，也便是说，利用人工智能类技能越多的用户，对天生式人工智能产生的效益和利用体验抱有越积极和乐不雅观的认知。
先验技能利用经历虽然会利用户考虑到天生式人工智能的风险，但是影响程度明显低于以技能乐不雅观主义为指向的科学态度所带来的影响。
这预示着，来自用户个体的预先判断会更大程度上推动着用户打仗与利用天生式人工智能，并积极地促进人与技能的交互实践。

（二）"大众年夜众认知、评估与利用天生式人工智能的中端成分剖析

技能实践为用户认知与评估新技能供应了丰富的履历材料。
研究创造，在长续的人机交互中，"大众年夜众于利用体验、收益与风险的权衡中表现出了积极与悲观交织稠浊的认知态度，且上述三种成分对用户认知态度的影响各不相同。

首先，用户对天生式人工智能积极态度的天生显著受到效益感知与利用感知的正向影响，显著受到风险感知的负向影响。
并且，只管用户的风险感知会显著降落用户对天生式人工智能积极态度的形成，但是风险感知的负面影响低于收益感知的正面影响。
这意味着，人与天生式人工智能的交互带来了"大众对其积极、正面的意见。
并且，即便用户清楚利用天生式人工智能会给自身带来一定风险，但在它带来的信息便利等收益感知面前，科技风险并不能动摇用户对其的积极意见。
此外，相较于其他成分而言，用户的利用感知是驱动用户对其产生积极态度的最紧张成分。
这解释，在技能功利主义心态的使令下，"大众与天生式人工智能的实际交互体验是铸就人们对技能的积极意见的最显著要素，长续的人机交互实践不仅没有像过往研究以是为的那样会致使人对天生式人工智能的恐怖生理，反而能够催生公众年夜众对人工智能积极、正面的认知。
这预示着，技能实践给予用户对天生式人工智能的利用感想熏染降落了他们对天生式人工智能迟疑不决、旁边摇摆的认知，在人机交互中起着“稳定军心”的浸染。

末了，用户对天生式人工智能的悲观态度显著受到效益感知与利用感知的负向影响，显著受到风险感知的正向影响。
风险感知对悲观态度的正向影响大于其他两个成分对悲观态度的负向影响。
这表明，虽然在与天生式人工智能实际交互体验中所产生的科技效益感知可以在一定程度上降落用户的悲观态度，但因用户的先验技能履历等个体成分而产生的技能风险想象仍旧在很大程度上致利用户悲观态度的产生。

（三）公众年夜众认知、评估与利用天生式人工智能的后端成分剖析

"大众年夜众的内容生产行为并非是统一的，而是依据其不同的信息需求做出的细类化生产。
操持行为理论认为个体的行为意向受其主不雅观行为态度的主要影响（Fishbein，1963）。
研究创造，"大众积极和悲观的认知态度显著影响着其内容生产行为的细分，且发挥着不同的影响效应。

首先，公众年夜众的浅度内容生产行为受到他们对天生式人工智能积极态度与悲观态度的显著影响，且积极态度对浅度内容生产行为的正面影响远大于悲观态度对其的负面影响。
这解释，当用户利用天生式人工智能等新兴内容生产媒介从事信息搜索、措辞翻译等大略、浅层的内容生产行为时，并不会对所利用的媒介进行深入的利弊权衡，而是出于对此媒介利用便利性、信息搜集效益性和对内容生产媒介先入为主的先验技能履历等前端认知态度而做出浅易的工具性判断。
对付表浅的内容生产来说用户更为看重的是新技能作为生产工具所带来的信息搜索广度、效率等生产效益方面的便利性，而不会过多地受到技能偏见、技能风险想象等技能想象层面的负面成分的滋扰。

其次，公众年夜众的深度内容生产行为同样受到他们对天生式人工智能积极态度与悲观态度的显著影响。
但是，比较于浅度内容生产，用户积极态度对深度内容生产的正向影响较小，但悲观态度的负向影响较大。
这解释，当用户利用天生式人工智能进行深度内容生产时，他们对天生式人工智能积极、悲观的认知虽会对用户的深度利用行为造成影响，但用户对其的评判并不仅局限于大略的收益与风险的功能性博弈，而是会在人机交互中对生产媒介作出更为全面且综合的判断。
因此，即便"大众年夜众具有一定的天生式人工智能利用履历与技能理解，在明晰了它的短长得失落之后，当进入更深层次的内容生产时，公众年夜众依然会对天生式人工智能持保留态度。

技能的社会形成理论（social shaping of technology）指出技能不仅是客不雅观存在的伶仃工具，还是被社会所定义和解释的征象，技能的运用与传播都受到社会的影响（Williams，2019）；而人对技能的认知、评估与利用正为我们生动地展演着新兴科学技能是如何浸入社会，并在以技能想象与技能实践为代表的人技互构交融中逐步嵌入人类社会的生产生活之中的。

（一）技能想象——技能赋魅所带来的人机交互驱动力

公众年夜众对以天生式人工智能为代表的新兴科学技能的想象是他们对空想未来的愿景，充斥着人对技能潜力的代价期待（谭小荷，2023）。
当公众尚未参与到与新兴技能互动中时，新技能在人们的眼中还处于“只闻其声，未见其物”的混沌状态，技能附着着一层神秘的面纱。
此时，人对新技能的构想每每带有技能神化的赋魅性子（庙翰赢，2022），他们希望新兴技能犹如圣器降临，将他们的劳动力从繁琐的生活劳作中解放出来。
正是这种在混沌状态下的技能赋魅勾起了人们对新技能的兴趣，驱动着他们去考验技能的代价与效益（岳兵兵，2024），拨开新技能的面纱。
正如本研究创造，在"大众年夜众认知天生式人工智能的前端，个体的科技乐不雅观主义人格等前端外围成分构筑起的"大众年夜众对科学技能的想象，并驱动着他们打仗并利用天生式人工智能。
技能想象引发了人们对新兴科学技能的兴趣和期待，匆匆使人们更积极地参与到与技能的互动中来。
通过想象，人们预见着科技发展的可能性，畅想着技能为未来的生产、生活描述的新蓝图。
未知的技能面纱带来了"大众对技能的想象赋魅，推动着人与技能的交互。
然而，这种状态却将随着人与技能交互实践的逐渐深入而逐步被冲破。

（二）从“圣器”到“工具”——技能实践中代价理性的回归

人对技能的认知始终处于一个动态的过程之中（Bayerl，Lauche & Axtell，2016）。
技能想象和利用推动着人与技能的交互实践螺旋式上升，使新兴科学技能终极深入人们的生产生活之中。
人工智能技能问世以来，人们逐渐考量与核阅它的实际功能、可靠性和适用性，而不再勾留于将技能视作可以办理统统问题的“圣器”的赋魅式想象（刘鹏飞，2022）。
正如研究创造，进入公众年夜众对天生式人工智能中端，科技理性与代价理性逐渐凸显。
以技能媒介实用性与易用性为代表的利用感知标示着"大众年夜众基于技能实践而天生的科技代价判断，显著影响着用户对天生式人工智能更深层次的认知与利用。
此时，公众年夜众对天生式人工智能以积极态度为主，同时也保持着较高的当心（7级量表中，积极与悲观态度的得分比为4.57：3.41），可见"大众不会由于外部信息环境和个人利用带来的短期收益而产生盲目的信赖，而是开始多角度、全方位地认知与评估天生式人工智能。
当新技能走进"大众的日常生活，便完成了其从“圣器”到“工具”的转化。
人们的认知转向标示着人在技能实践中代价理性的回归，使得技能褪去了浮于生产生活之上的神话性，实现了社会落地。

（三）技能展皱——在人与技能的携手中走向技能的社会建构

新兴科学技能如何走入"大众年夜众生活并为人所理解、收受接管是科学传播始终要面对的问题（Miller，2022）。
技能代价理性的回归推动着人将技能带入更为全面的生产生活。
在"大众年夜众的日常技能实践中，人们逐渐形成了对技能的繁芜且多维的认知，并且这种认知又会反过来辅导他们将技能运用于不同的技能实践场景中（Dong & Mertala, 2021）。
正如研究创造，在公众年夜众认知天生式人工智能后端，他们多维的认知态度在不同程度上影响着其细分的内容生产。
此时，"大众年夜众开始逐渐具备依据自身对技能多维的认知，而将技能从不同层次细分解地运用到日常生产实践中的能力。
随着人与技能的深度互融，技能的工具属性越来越清晰，技能的社会功用越来越为人所内化，人对技能的认知与驾驭也在逐渐走向成熟。
新兴科学技能的传播离不开社会"大众年夜众的参与（Roco et al.，2013），正是在技能想象与技能实践的交织中，公众年夜众不断参与着技能的社会建构，推动技能逐步嵌入公众的日常生产生活，走向与人类社会领悟共生。

（四）研究局限与展望

本研究从科学传播视角出发对"大众年夜众的科技认知态度与内容生产行为做出了细分，并从人机交互层面重点稽核了影响"大众年夜众认知、评估与利用天生式人工智能的微不雅观成分。
社会文化成分、经济成分、拟态环境等更为宏不雅观的成分也可能影响着"大众对天生式人工智能的认知、评估与利用，本研究在这些方面的研究较少。
此外，由于样本不是按完备随机抽样的办法网络，可能存在一些偏差，研究的风雅度可能有所欠缺。

封面图片来源于网络

本期执编/肖鹏