FAccT-Checked: A Narrative Review of Authority Reconfigurations and Retention in AI-Mediated Journalism

这是一篇题为 "FAccT-Checked: A Narrative Review of Authority Reconfigurations and Retention in AI-Mediated Journalism"（FAccT-核查：AI 中介新闻中的权威重构与保留叙事综述）的学术论文详细技术总结。该论文由 Stefano Sorrentino、Matilde Barbini 和 Daniel Gatica-Perez 撰写，发表于 2026 年（预印本/投稿状态）。

以下是对该论文的详细技术总结：

1. 研究问题 (Problem)

随着生成式人工智能（特别是大型语言模型，LLMs）被整合进新闻编辑室的工作流，关于公平性、问责制和透明度（FAccT）的担忧日益加剧。然而，现有的研究往往将这些担忧视为技术系统的属性（如算法偏见或黑盒模型），而忽视了其背后的社会技术根源。

论文指出，AI 在新闻业中的核心问题不仅仅是技术优化，而是编辑权威（Editorial Authority）的重构。当 AI 介入新闻生产时，传统的决策权、知识合法性（Epistemic Warrant）和责任归属发生了根本性转移。如果不解决这种权威结构的重组，FAccT 原则在 AI 中介的新闻实践中将难以落实，甚至变得不可行。

2. 方法论 (Methodology)

• 方法类型：批判性叙事综述（Critical Narrative Review）。
• 理论框架：作者没有预设固定的分类，而是通过迭代分析，将“编辑权威”构建为理解 FAccT 问题的结构性前提。
• 权威定义：论文将编辑权威概念化为三个相互依赖维度的结合：
  1. 决策权 (Decision Rights)：谁有权决定发布什么内容（守门人角色）。
  2. 知识合法性 (Epistemic Warrant)：谁的知识主张被视为合法和真实的。
  3. 责任 (Responsibility)：谁必须为编辑结果负责。
• 数据来源：
  • 时间跨度：1955 年至 2025 年。
  • 数据库：Scopus, ACM Digital Library, IEEE Xplore, Web of Science, JSTOR, Google Scholar 以及灰色文献（政策文件、技术报告等）。
  • 筛选过程：分为四个阶段，从 FAccT 在 AI 新闻中的表现，逐步聚焦到“权威”作为底层结构条件，最终锁定“编辑权威”与"AI/LLM"的交叉点。
  • 最终语料库：共纳入 209 篇记录，涵盖实证研究、理论分析、批判性评论及从业者报告。

3. 关键贡献 (Key Contributions)

论文提出了四个主要贡献：

1. 编辑权威的整体框架：综合了 FAccT 研究、人机交互（HCI）和新闻学研究，提出了一个统一的理论框架，将权威视为 FAccT 保障的必要前提。
2. 内部权威迁移的深入调查：首次系统性地记录了在生成式 AI 采用下，编辑判断如何从记者逐步转移到大语言模型（LLMs）的过程。
3. 外部权威迁移的系统映射：追踪了决策权如何从新闻机构转移到平台、供应商和基础设施提供商，揭示了不同规模新闻机构面临的差异化脆弱性。
4. 参与式方法的批判性评估：评估了参与式设计（Participatory Design）作为保留或夺回编辑权威的潜在机制，同时指出了其局限性和“伪参与”的风险。

4. 主要结果与发现 (Results)

A. 内部权威迁移 (Internal Migrations of Authority)

这是指在新闻编辑室内部，权威从人类记者向 AI 系统的隐性转移。这种转移并非通过明确的政策决定，而是通过以下机制发生：

• 认知机制：
  • 自动化偏见 (Automation Bias)：记者倾向于认为 AI 输出更客观、可靠。
  • 拟人化 (Anthropomorphism)：LLM 的流畅性和社交线索使其被视为“同事”而非工具，导致无意识的顺从。
  • 规范投射 (Normative Projection)：用户假设 AI 的输出符合专业价值观，尽管技术上可能只是“弱对齐”（Weak Alignment）。
• 社会与结构机制：
  • 机构声音模仿 (Institutional Voice Mimicry)：LLM 能模仿特定新闻机构的风格，产生“强感知对齐”，掩盖了实际价值观的缺失。
  • 伪透明度 (Pseudo-transparency)：解释性 AI（XAI）提供的理由往往成为“道德缓冲”，让记者误以为理解了系统，从而推卸责任。
• 后果：记者的角色从“作者”转变为“验证者”或“质量检查员”。虽然记者仍对发布内容负有形式上的责任，但实际的控制权和认知劳动已转移给模型，导致责任缺口 (Responsibility Gaps)。

B. 外部权威迁移 (External Migrations of Authority)

这是指决策权从新闻机构向外部技术实体（平台、供应商、基础设施提供商）的转移。

• 基础设施依赖：新闻机构依赖外部提供的 AI 工具、数据集和分发渠道。这种依赖加剧了现有的权力不对称。
• 资源不平等：大型媒体机构可能通过谈判缓解依赖，但小型/地方媒体因缺乏资源而面临“锁定”风险，被迫接受外部设定的条款。
• 算法治理 (Algocracy)：决策权集中在少数技术精英和平台手中，导致新闻生产的逻辑从公共价值转向商业优化和效率。
• 后果：新闻编辑室失去了对内容分发和生产的完全控制，外部逻辑（如点击率、广告优化）被嵌入到编辑决策中。

C. 参与式方法的局限与潜力

• 潜力：深度的参与式设计（如共同设计、数据治理、价值对齐）可以将 AI 从“外部权威”转化为“协商产物”，帮助保留编辑权威。
• 局限：
  • 参与天花板 (Participatory Ceiling)：在“一刀切”的商业模型面前，局部参与者的影响力有限。
  • 伪参与 (Pseudo-participation)：如果参与仅停留在咨询或验证阶段，而不涉及核心设计决策，则无法改变权力结构，甚至可能 legitimize（合法化）既有的权威迁移。
  • 资源负担：参与过程需要大量时间和专业知识，往往由缺乏支持的记者承担。

5. 意义与启示 (Significance)

• 理论重构：论文挑战了将 FAccT 视为单纯技术问题的观点，提出FAccT 是机构权力、认识论合法性和责任分配的问题。如果不解决权威重构，单纯的技术优化（如提高模型可解释性）无法解决根本问题。
• 实践指导：
  • 新闻机构需要超越“人类在回路中”（Human-in-the-loop）的表层叙事，转向人类在回路设计（Human-in-the-design），即让记者参与 AI 系统的目标设定、数据选择和评估标准制定。
  • 政策制定者和行业组织应关注基础设施依赖带来的权力集中问题，支持小型媒体的技术能力建设。
• 未来研究方向：呼吁进行深入的实证研究，追踪不同组织背景下权威重构的差异，并探索如何通过制度设计重新分配 AI 时代的编辑权力。

总结：
这篇论文的核心论点是，AI 在新闻业中的影响不仅仅是自动化，而是一场深刻的权威重构。如果不主动干预这种内部（认知/工作流）和外部（基础设施/平台）的权威迁移，新闻业的公平性、问责制和透明度将名存实亡。解决之道在于通过有意义的参与式设计，重新夺回并保留编辑权威，使其成为 AI 系统部署的前提条件而非事后补救。