Quality Perceptions and Intended Engagement in Response to AI-Generated and AI-Assisted News

तकनीकी सारांश: AI-जनित और AI-सहायता प्राप्त समाचारों के प्रति गुणवत्ता धारणाएं और लक्षित जुड़ाव

समस्या विवरण
समाचार उत्पादन में आर्टिफिशियल इंटेलिजेंस (AI) का एकीकरण, विशेष रूप से लार्ज लैंग्वेज मॉडल्स (LLMs) के माध्यम से, दर्शकों की प्रतिक्रिया को समझने के लिए एक महत्वपूर्ण चुनौती पेश करता है। जबकि AI दक्षता की संभावनाएं प्रदान करता है, जनता का संदेह उच्च बना हुआ है; पूर्व शोध सुझाव देते हैं कि दर्शक अक्सर AI-जनित सामग्री पर अविश्वास करते हैं, विशेष रूप से राजनीतिक संदर्भों में, और मानव-लिखित समाचारों को प्राथमिकता देते हैं। हालांकि, मौजूदा साहित्य अक्सर पूर्व-मौजूदा दृष्टिकोणों को वास्तविक सामग्री मूल्यांकन के साथ मिला देता है, और अक्सर यह मान लेता है कि अरुचि का कारण कथित निम्न गुणवत्ता है। इसके अलावा, अधिकांश पूर्व अध्ययन आधुनिक जनरेटिव AI की क्षमताओं से पहले के हैं, और बहुत कम अध्ययनों ने अज्ञात लेखकत्व के बिना प्रारंभिक गुणवत्ता मूल्यांकन को बाद के प्रकटीकरण (disclosure) के प्रति प्रतिक्रियाओं से अलग किया है। यह अध्ययन इस बात की जांच करके इन अंतरालों को संबोधित करता है कि क्या दर्शक तब गुणवत्ता में अंतर देखते हैं जब लेखकत्व अज्ञात होता है, और AI की भागीदारी का प्रकटीकरण जुड़ाव की मंशा को कैसे प्रभावित करता है।

कार्यप्रणाली
लेखकों ने जर्मन भाषी स्विट्जरलैंड (N = 599) में एक प्री-रजिस्टर्ड ऑनलाइन बिटवीन-सब्जेक्ट्स सर्वेक्षण प्रयोग आयोजित किया। प्रतिभागियों को आयु और लिंग के आधार पर कोटा द्वारा चुना गया था और उन्हें तीन स्थितियों में से एक में बेतरतीब ढंग से आवंटित किया गया था:

1. मानव-लिखित: पत्रकारों द्वारा मूल लेखों के अंश।
2. AI-सहायता प्राप्त: सूचना की हानि के बिना ChatGPT द्वारा पुनर्गठित मूल लेख।
3. AI-जनित: केवल मूल शीर्षक और लीड के आधार पर पूरी तरह से ChatGPT द्वारा जनरेट किए गए लघु लेख।

प्रायोगिक प्रवाह:

1. गुणवत्ता मूल्यांकन (अंध/ब्लाइंड): प्रतिभागियों ने दो 150-शब्दों के अंश पढ़े और तीन आयामों पर गुणवत्ता को रेट किया: विशेषज्ञता (स्पष्टता, सुसंगतता, व्यापकता, संक्षिप्तता, अच्छी तरह से लिखा गया), पठनीयता (उबाऊ, आनंददायक, दिलचस्प, जीवंत, सुखद) और विश्वसनीयता (पक्षपाती, निष्पक्ष, वस्तुनिष्ठ) का उपयोग करते हुए 1-5 लिर्ट स्केल (Likert scale) का उपयोग किया। महत्वपूर्ण रूप से, उन्होंने यह रेटिंग यह जानने से पहले की कि पाठ कैसे निर्मित किया गया था।
2. प्रकटीकरण (डिस्क्लोजर): प्रतिभागियों को वास्तविक उत्पादन पद्धति (मानव, AI-सहायता प्राप्त, या AI-जनित) के बारे में सूचित किया गया।
3. जुड़ाव की मंशा: प्रतिभागियों ने (a) विशिष्ट लेख को पढ़ना जारी रखने की इच्छा और (b) भविष्य में AI-जनित समाचार पढ़ने की इच्छा दर्ज की।

प्रमुख परिणाम

• अनुमानित गुणवत्ता (अंध/ब्लाइंड): तीनों स्थितियों में विशेषज्ञता, पठनीयता या विश्वसनीयता में कोई सांख्यिकीय रूप से महत्वपूर्ण अंतर नहीं पाया गया। इक्विवेलेंस टेस्ट (TOST) ने पुष्टि की कि पाठकों ने AI-सहायता प्राप्त और AI-जनित लेखों का मूल्यांकन मानव-लिखित लेखों के समान गुणवत्ता में किया। फलस्वरूप, परिकल्पनाएं H1-H6 (AI स्थितियों के लिए निम्न गुणवत्ता रेटिंग की भविष्यवाणी करने वाली) को खारिज कर दिया गया।
• अल्पकालिक जुड़ाव (प्रकटीकरण के बाद): AI की भागीदारी के बारे में जानकर, AI-सहायता प्राप्त और AI-जनित दोनों स्थितियों के प्रतिभागियों ने मानव-लिखित नियंत्रण समूह की तुलना में विशिष्ट लेख को पढ़ना जारी रखने की काफी उच्च इच्छा व्यक्त की (मध्यम-से-बड़े प्रभाव आकार, कोहेन का d = 0.53 और 0.61, क्रमशः)।
• दीर्घकालिक दृष्टिकोण: तत्काल रुचि में वृद्धि के बावजूद, तीनों स्थितियों में से किसी में भी भविष्य में AI-जनित समाचार पढ़ने की सामान्य इच्छा में कोई महत्वपूर्ण अंतर नहीं था। परिकल्पनाएं H9 और H10 (बढ़ी हुई भविष्य की इच्छा की भविष्यवाणी करने वाली) को खारिज कर दिया गया।
• AI-सहायता प्राप्त बनाम AI-जनित: खोजपूर्ण विश्लेषण में किसी भी माप में AI-सहायता प्राप्त और पूरी तरह से AI-जनित स्थितियों के बीच कोई महत्वपूर्ण अंतर नहीं पाया गया।

प्रमुख योगदान

1. स्रोत से गुणवत्ता का अलगाव: यह अध्ययन प्रमाण प्रदान करता है कि LLMs के युग में, जब स्रोत अज्ञात होता है, तो AI-जनित समाचारों की संदेश गुणवत्ता (विश्वसनीयता, पठनीयता, विशेषज्ञता) मानव पत्रकारिता के तुलनीय होती है। यह इस धारणा को चुनौती देता है कि AI समाचार के प्रति अरुची स्वयं पाठ की कथित निम्नता से प्रेरित है।
2. प्रकटीकरण का "जिज्ञासा" प्रभाव: शोध सामग्री की गुणवत्ता और स्रोत स्वीकृति के बीच आंशिक अलगाव को प्रदर्शित करता है। प्रकटीकरण ने पाठ की कथित गुणवत्ता को कम नहीं किया, बल्कि इसने जुड़ाव की मंशा में अल्पकालिक वृद्धि को ट्रिगर किया। लेखक इसे वास्तविक स्वीकृति या विश्वास निर्माण के बजाय, एक जिज्ञासा-संचालित प्रतिक्रिया या बढ़ी हुई सूक्ष्म जांच (एक "ऑटोमेशन ह्यूरिस्टिक") के रूप में व्याख्या करते हैं जहाँ पाठक AI के निशानों का पता लगाने के लिए पाठ का पुन: परीक्षण करना चाहते हैं।
3. परिस्थितिजन्य बनाम निरंतर रुचि के बीच अंतर: निष्कर्ष रेखांकित करते हैं कि AI-जनित सामग्री का एक एकल एक्सपोजर, प्रकटीकरण के साथ भी, व्यापक, दीर्घकालिक दृष्टिकोणों को बदलने के लिए अपर्याप्त है। परिस्थितिजन्य रुचि (नवीनता या विसंगति द्वारा संचालित) निरंतर व्यक्तिगत रुचि या भविष्य के पढ़ने के इरादों में परिवर्तित नहीं हुई।

महत्व और दावे
यह शोध दावा करता है कि इसके निष्कर्ष AI पारदर्शिता, पाठक धारणा और पत्रकारिता की विश्वसनीयता के बीच संबंध की सूक्ष्म समझ में योगदान देते हैं। यह तर्क देता है कि जबकि AI-जनित समाचार मानव समाचार के समान संदेश गुणवत्ता प्राप्त कर सकते हैं, AI के उपयोग का प्रकटीकरण आवश्यक रूप से सार्थक, दीर्घकालिक अर्थ में "विश्वास नहीं बनाता" या "जुड़ाव को नहीं बढ़ाता"। इसके बजाय, प्रकटीकरण क्षणिक रूप से जिज्ञासा को बढ़ा सकता है बिना गहरी आशंका या पढ़ने की आदतों को बदले।

लेखक अपने निष्कर्षों में विनम्र रहते हैं, यह नोट करते हुए कि यह अध्ययन वास्तविक व्यवहार के बजाय स्व-रिपोर्ट की गई मंशा को मापता है और एक एकल राष्ट्रीय नमूने पर निर्भर करता है। वे इस बात पर जोर देते हैं कि उनका डिज़ाइन जुड़ाव पर प्रकटीकरण के प्रभाव को अलग करता है लेकिन निरंतर स्वीकृति को सिद्ध नहीं करता है। अध्ययन बताता है कि "ऑटोमेशन ह्यूरिस्टिक" एक शक्तिशाली बल बना हुआ है, जहाँ पाठक सामग्री को सक्षम के रूप में तो आंक सकते हैं लेकिन स्रोत के प्रति संकोच बनाए रख सकते हैं, जो यह दर्शाता है कि पारदर्शिता अकेले AI की दक्षता और दर्शकों की मानवीय जवाबदेही की अपेक्षाओं के बीच तनाव को हल नहीं कर सकती है।