生成式智能搜索结果可信度研究

以ChatGPT为代表的生成式人工智能取得突破性进展,使生成式智能搜索在运行机制和结果呈现形式上与传统搜索引擎的差异更加显著,也使得生成式智能搜索这一新型搜索工具的结果可信度面临新的挑战。本研究以SOR模型为基础,基于可信度研究的成果和想象可供性理论,从用户信息获取的视角出发,运用卡片分类法和叙事研究法,通过生成式智能搜索典型代表New Bing开展实验,旨在厘清生成式智能搜索结果可信度从刺激、机体到反应的个体心理链路,探究其形成机理与影响因素。以生成式智能搜索结果界面的信息线索为外部刺激,以用户的内在感知和信任意愿为机体,将导致的用户情绪及行为作为反应,最终形成了生成式智能搜索可信度的SOR模型。对生成式智能搜索可信度的形成机理进行分析后认为,系统的研发者可以面向用户,根据使用体验催生的搜索需求,从内容整合性、问答交互性、工具拟人性三个维度出发,优化生成式智能搜索系统。图4。表2。参考文献54。     

数字原住民算法感知及作用机制研究

[目的/意义]在人工智能技术迅速发展的背景下，算法已然成为人们获取、利用信息不可或缺的“幕后伙伴”。然而，算法使用的负面效应逐渐被披露，与之对应的，人们对算法的认知、了解却十分匮乏。剖析算法感知构成及其在算法交互中的作用机制，有利于寻找算法感知培育方式，提升大众对技术环境变革的适应力。[方法/过程]本研究聚焦对数字环境具有极高适应力、与算法交互更加频繁的数字原住民，对29名在华留学生进行了访谈，采用扎根理论对访谈数据进行三级编码，发现了算法感知的构成要素及其作用机制。[结果/结论]本研究发现当前数字原住民的算法感知由概念感知、数据感知、功能感知与风险感知构成。数字原住民通过平台选择进入算法环境，实现算法交互，在交互过程中形成算法感知。算法感知是其算法态度的来源，与算法态度共同作用影响数字原住民的算法管理行为。本研究明确了算法感知的作用机制，并基于此提出了算法感知的培养策略。