通过详细阐述模型（elaboration likelihood model）分析人工智能生成的谣言的传播机制

AI谣言通过技术现实削弱用户认知能力，90.5%的评论显示外围处理机制，技术真实性与认知惰性结合加剧信息传播风险，提出多层级防御框架。

　　
人工智能生成谣言的认知传播机制研究——基于精细加工可能性模型的理论拓展与实践启示

一、研究背景与理论框架
当前生成式人工智能技术已突破传统信息传播的物理边界，其技术特性与传播效率正在重构人类社会的认知图式。研究团队基于精细加工可能性模型（ELM）理论框架，首次系统揭示了人工智能生成谣言（AGC）对网络用户认知处理模式的深层影响。该模型作为社会心理学领域的经典理论，成功解释了用户在信息接触后通过中央路径（逻辑论证）或外围路径（情感/权威依赖）形成的态度改变机制。

研究突破性地将ELM理论迁移至AI时代，构建了"技术现实"（Technological Realism）这一关键变量。该理论指出，AI生成内容通过物理层面的超真实表现（Hyper-Realism），显著改变信息接收者的认知资源分配模式。这种技术特性与人类认知机制的相互作用，形成了新型社会工程攻击的认知基础。

二、研究方法与数据特征
研究采用多阶段系统内容分析法，构建了包含12,795条原始评论的基准数据集。通过853条无效数据的清洗处理，最终获得11,942条有效评论样本，覆盖短视频平台（抖音）、社交媒体（B站）及新闻门户等多元传播场景。样本选取特别关注三个典型谣言案例："悬空寺坍塌"（公共安全主题）、"大理交通事故"（社会冲突主题）、"峨眉山人猴冲突"（文化认同主题），确保研究覆盖不同风险维度的谣言传播。

编码方案经过严格验证，采用双盲标注法确保信效度。研究创新性地将Kappa系数控制在0.89的高水平，并通过主题分析法将评论内容细分为5个外围路径指标（情感表达、权威诉求、人身攻击、表层认同）和3个中央路径指标（逻辑反驳、信源质疑、系统反思）。这种多维编码体系成功捕捉到用户从信息接触到认知加工的完整链条。

三、核心研究发现
1. 认知路径分布呈现显著极化特征
研究数据显示，90.5%的评论（10,807条）属于外围路径处理，其中情感表达占比达75.1%（8,116条），显著高于其他指标。而中央路径仅占9.5%（1,135条），其中逻辑反驳（50.3%）和信源质疑（29.8%）构成主要类型。

2. 技术现实对认知资源的双重压制
通过对比不同主题谣言的响应模式发现：公共安全类谣言触发恐惧情绪（占比38.7%），社会冲突类激发愤怒情绪（42.3%），文化认同类则引发身份焦虑（35.6%）。这种情绪极化与信息真实性呈现负相关，验证了技术现实对认知资源的双重压制效应——既削弱了用户的逻辑分析能力（System 2抑制），又消解了动机投入（Motivation衰减）。

3. 模块化认知缺陷的典型表现
研究发现用户存在三种典型认知短路：
- 现象级验证：78.2%的评论者无法识别AI生成内容的技术特征（如光影失真、物种错误等）
- 权威依赖症：12.6%用户将官方声明视为终极真理，形成"被动验证"循环
- 情感代偿机制：85.4%的负面评论（愤怒/恐惧）未伴随事实核查，形成"情绪-传播"的正反馈 loop

四、理论创新与机制解析
1. 技术现实的三重作用维度
研究提出技术现实通过以下路径影响认知：
- 视觉欺骗：83.6%的AI生成视频在0.3秒内触发信任反应
- 语义嵌套：利用多模态数据增强的语境记忆，使谣言具备72.3%的语境自洽性
- 情感共振：通过情感计算模型模拟人类情绪特征，使内容接收者的杏仁核激活度提升40%

2. 认知系统的双通道崩溃
通过眼动追踪实验（n=152）发现，面对AI谣言时：
- 中央路径系统（前额叶皮层）活跃度下降37.2%
- 外围路径系统（杏仁核-海马体）连接强度提升58.9%
这种神经资源的重新分配导致用户形成"直觉优先"的认知定势，与经典ELM理论预测的"动机-能力"双条件模型产生结构性偏离。

五、实践启示与防御体系
1. 多层级防御架构
- 预警层：建立AI生成内容指纹库（已收录2.3万种特征模式）
- 干扰层：开发认知反制技术（如动态验证水印、情绪中和算法）
- 响应层：构建"黄金四小时"应急机制（数据验证-权威发声-认知干预-溯源打击）

2. 数字素养教育革新
研究揭示教育干预需突破传统范式，建议：
- 建立"认知负荷-技术现实"匹配模型
- 开发基于VR的沉浸式谣言识别训练系统
- 引入群体极化模拟实验（已实现87.4%的个体认知干预成功率）

六、研究局限与未来方向
1. 文化情境特异性
当前样本集中于中文互联网生态，需进行跨文化验证。后续计划在欧美平台开展对比研究，重点关注集体主义/个人主义文化对认知路径选择的影响差异。

2. 动态演化研究
建议建立谣言传播的"认知熵值"评估体系，追踪技术现实对认知模式的长期影响。计划开展为期12个月的纵向研究，观测用户认知系统的适应性进化。

3. 技术反制创新
正在研发的AI内容溯源系统（TRUST 3.0）已实现98.7%的生成内容识别准确率，但需解决"对抗性生成"的进化博弈问题。建议设立国际联合实验室攻克这个技术伦理难题。

该研究不仅验证了ELM模型在AI时代的适用性，更揭示了技术现实对人类认知系统的结构性改造。其提出的"技术现实-认知资源"匹配模型，为数字时代的认知安全防护提供了全新理论框架。后续研究将重点突破跨文化比较和动态防御系统构建，以应对生成式AI技术指数级发展的挑战。