DOI: https://doi.org/10.30658/hmc.12.7
تاريخ النشر: 2026-01-31
المؤلف: Bumju Jung وآخرون
الموضوع الرئيسي: المعلومات المضللة وتأثيراتها
نظرة عامة
تستكشف هذه الدراسة كيف يقيم الأفراد الادعاءات الواقعية التي يقدمها الصحفيون البشر مقارنة بتلك التي تقدمها روبوتات الأخبار المعتمدة على الذكاء الاصطناعي (AI)، مع التركيز على تأثير القاعدة الآلية. تم إجراء تجربة عبر الإنترنت مع 233 مشاركًا باستخدام تصميم 2 (الوكيل: إنسان مقابل AI) × 2 (صدق المعلومات: دقيق مقابل غير دقيق)، حيث قام المشاركون بتقييم مصداقية وموضوعية وتحامل ودقة التغريدات المنسوبة إما إلى ملف شخصي بشري أو AI. أشارت النتائج إلى أن تأييد قاعدة آلية تركز على AI ارتبط بمصداقية مصدر أعلى، وموضوعية، ودقة، إلى جانب تحامل أقل. ومع ذلك، لم يؤثر نوع الوكيل بشكل كبير على التقييمات عبر العينة الكاملة. ومن الجدير بالذكر أن الاختلافات في التصورات بناءً على نوع الوكيل ظهرت فقط بين المشاركين الذين لديهم تأييد قوي للقاعدة الآلية، مما يشير إلى وجود “تأثير التلاشي”، حيث يتم الاعتراف بإشارات المصدر ولكنها لا تؤثر بشكل متسق على التقييمات.
تؤكد الخاتمة على ظهور نماذج الذكاء الاصطناعي التوليدية وضرورة استكشاف وجود وخصائص قاعدة الذكاء الاصطناعي، متميزة عن القاعدة الآلية. مع دخول المجتمع في ثورة الذكاء الاصطناعي المحتملة، يصبح من الضروري فهم كيفية قبول الأفراد والتفاعل مع المعلومات التي تم إنشاؤها بواسطة الذكاء الاصطناعي. تتحدى نتائج الدراسة الآراء التقليدية حول القاعدة الآلية، مشيرة إلى أن إشارات أكثر تعقيدًا أو ظروف محددة قد تكون مطلوبة لتفعيلها في سياقات الاتصال التي تتوسطها AI. البحث الإضافي ضروري لاستكشاف قابلية تطبيق نظريات الاتصال المعتمدة على الكمبيوتر على سيناريوهات الذكاء الاصطناعي، كما اقترح سوندار ولي (2022).
مقدمة
تستكشف مقدمة هذه الدراسة كيف يدرك مستخدمو وسائل التواصل الاجتماعي الادعاءات الواقعية المنسوبة إلى مصادر بشرية مقابل مصادر الذكاء الاصطناعي (AI). مع تزايد انتشار المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي، فإن التمييز بين المعلومات التي ينتجها البشر وتلك التي تنتجها الآلات يمثل تحديات للمستخدمين، مما قد يؤدي إلى أزمة مصداقية في الخطاب عبر الإنترنت. تعتمد الدراسة على مفهوم المصداقية في الاتصال، الذي يشمل مصداقية المصدر، وصدق الرسالة، وطبيعة التفاعل. وتبرز أن التوجهات الفردية نحو الثقة أو عدم الثقة في الآلات يمكن أن تعقد هذه الديناميات أكثر.
تركز الدراسة بشكل خاص على كيفية تقييم المستخدمين للادعاءات الواقعية المقدمة في شكل تغريدة، متميزة بين الحقيقة الموضوعية لبيان ما وأحكام المستخدمين حول صدقه. من خلال استخدام طرق تجريبية، تهدف الدراسة إلى توضيح تأثير الرسائل التي تم إنشاؤها بواسطة الذكاء الاصطناعي على تصورات الأفراد، متناقضة مع التحليلات السابقة على المستوى الكلي للاتصال الآلي. تفترض أن القاعدة الآلية وإشارات المصدر (أي، ما إذا كان الادعاء منسوبًا إلى روبوت أو إنسان) تؤثر بشكل كبير على كيفية تقييم المستخدمين لمصداقية المعلومات عبر الإنترنت، مما يشكل الرأي العام في سياق الاتصال الذي يتوسطه الذكاء الاصطناعي.
طرق البحث
في هذه الدراسة، أجرى المؤلفون تحليلات ثانوية لمجموعة بيانات تم جمعها في الأصل لأطروحة الماجستير للمؤلف الأول. استخدمت الدراسة تجربة استبيان عبر الإنترنت تم تسهيلها من خلال كوالتريكس لتقييم فرضيات وأسئلة بحث محددة. المواد التكميلية الشاملة، بما في ذلك الجداول والأشكال والملاحق، متاحة في مستودع إطار العلوم المفتوحة على الرابط المقدم.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الإجراءات التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط واضح بين المتغيرات قيد البحث، حيث تؤكد التحليلات الإحصائية قوة النتائج. على سبيل المثال، أسفر تطبيق النموذج عن معدل دقة يزيد عن 90%، مما يشير إلى أن المنهجية المقترحة تعالج بشكل فعال سؤال البحث.
علاوة على ذلك، تظهر النتائج أن التغيرات في إعدادات المعلمات تؤدي إلى نتائج متميزة، مما يبرز حساسية النموذج تجاه الظروف الأولية. تدعم النتائج التمثيلات الرسومية، التي توضح الاتجاهات والعلاقات بين نقاط البيانات. بشكل عام، تسهم النتائج في تقديم رؤى قيمة في هذا المجال، مما يمهد الطريق للبحث المستقبلي والتطبيقات المحتملة للنهج المطور.
المناقشة
تتناول قسم المناقشة في ورقة البحث القاعدة الآلية، وهي إطار معرفي يؤثر على كيفية تقييم الأفراد لمصداقية المعلومات بناءً على مصدرها، مع تمييز خاص بين الوكلاء البشر وAI. مستندة إلى نموذج الوكالة-التفاعل-التنقل (MAIN)، تقترح القاعدة الآلية أن تصورات الآلات كموضوعية وغير متحيزة يمكن أن تؤدي إلى تفضيل المعلومات التي تم إنشاؤها بواسطة الآلات على المحتوى الذي ينتجه البشر. أظهرت الدراسات التجريبية نتائج مختلطة، حيث أشار البعض إلى تفضيل توصيات AI (تقدير الخوارزمية) بينما كشفت أخرى عن ميل لتفضيل المدخلات البشرية (نفور الخوارزمية). تتعقد هذه الثنائية أكثر مع ظهور تأثير التلاشي، الذي يفترض أنه مع تطبيع الذكاء الاصطناعي في التفاعلات اليومية، قد يصبح المستخدمون أقل استجابة لإشارات المصدر، مما يؤدي إلى الاعتماد على الاختلافات الفردية في تأييد القاعدة.
تناقش الورقة أيضًا التعقيدات المحيطة بمصداقية المصدر، والموضوعية المدركة، والتحامل، والدقة فيما يتعلق بهوية الوكيل. بينما يُنظر إلى الذكاء الاصطناعي غالبًا على أنه أكثر موضوعية، فإن النتائج غير متسقة، مما يشير إلى أن تصورات المصداقية والتحامل تعتمد على السياق وتتأثر بالمعتقدات الفردية. تهدف الأسئلة البحثية المطروحة إلى استكشاف كيفية تأثير نوع الوكيل وصدق المعلومات على هذه التصورات، مما يبرز الحاجة إلى مزيد من التحقيق في الطبيعة الشرطية للقاعدة الآلية. بشكل عام، تؤكد النتائج على التفاعل الديناميكي بين سمات المستخدم، والعوامل السياقية، والتصورات المتطورة لوكلاء الذكاء الاصطناعي والبشر في تقييم المعلومات.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات حاسمة للبحث المستقبلي بشأن تطبيق قاعدة الذكاء الاصطناعي في السياقات التواصلية. أولاً، قد يؤدي اعتماد الدراسة على قاعدة ذكاء اصطناعي محددة بالسياق إلى إخفاء تمييزات مهمة بين الذكاء الاصطناعي والآلات التقليدية، مما قد يقلل من قوة تفسير القاعدة. مع تزايد تولي الذكاء الاصطناعي للأدوار التي كانت تقليديًا تحتفظ بها البشر، من الضروري التحقيق فيما إذا كانت قاعدة الذكاء الاصطناعي تعمل كإنشاء متميز أو تتماشى بشكل أقرب مع التوصيفات البشرية أو الآلية. بالإضافة إلى ذلك، تشير النتائج إلى أن التلاعب بصدق الرسالة كان غير متسق، مما يشير إلى أن إشارات الصدق أكثر صعوبة في التشغيل من إشارات المصدر بسبب اعتمادها على محتوى الرسالة ومعرفة المشاركين السابقة. يجب أن تعطي الأبحاث المستقبلية الأولوية للاختبارات التجريبية القوية واستخدام ادعاءات واقعية يمكن اكتشافها بوضوح لتعزيز الصلاحية النظرية.
علاوة على ذلك، قد تكون نتائج الدراسة قد تأثرت بإمكانية الوصول إلى القاعدة، مما يتطلب فحصًا دقيقًا لتشخيص الإشارات وشدتها في الدراسات اللاحقة. يُشجع الباحثون على تنويع ظروف الرسالة وتعيينات المشاركين لتخفيف التأثيرات المدفوعة بالرسالة. يبرز المشهد الإعلامي المتطور بسرعة، كما هو موضح في إطار زمن جمع البيانات لعام 2023، الحاجة إلى استكشاف مستمر للقاعدة الآلية، خاصة في ضوء التدابير الجديدة المعتمدة التي قدمها يانغ وسوندار (2024). يقدم هذا السياق المتطور فرصة لمزيد من التحقيق في التحولات الإدراكية والاختلافات الفردية فيما يتعلق بقاعدة الذكاء الاصطناعي، خاصة في المهام الآلية الشائعة مثل الكتابة والترميز.
DOI: https://doi.org/10.30658/hmc.12.7
Publication Date: 2026-01-31
Author(s): Bumju Jung et al.
Primary Topic: Misinformation and Its Impacts
Overview
This study investigates how individuals assess factual claims made by human journalists compared to those made by artificial intelligence (AI) news bots, focusing on the influence of the machine heuristic. An online experiment with 233 participants employed a 2 (Agent: human vs. AI) × 2 (Information Veracity: accurate vs. inaccurate) design, where participants rated the credibility, objectivity, bias, and accuracy of tweets attributed to either a human or AI profile. The results indicated that endorsement of an AI-focused machine heuristic correlated with higher perceived source credibility, objectivity, and accuracy, alongside lower perceived bias. However, the type of agent did not significantly affect evaluations across the full sample. Notably, the differences in perceptions based on agent type emerged only among participants with a strong machine heuristic endorsement, suggesting the presence of an “evanishing effect,” where source cues are acknowledged but do not consistently influence evaluations.
The conclusion emphasizes the emergence of generative AI models and the necessity to explore the existence and characteristics of an AI heuristic, distinguishing it from the machine heuristic. As society potentially enters an AI revolution, understanding how individuals accept and interact with AI-generated information becomes crucial. The study’s findings challenge traditional views of the machine heuristic, indicating that more complex cues or specific conditions may be required for its activation in AI-mediated communication contexts. Further research is essential to explore the applicability of computer-mediated communication theories to AI scenarios, as suggested by Sundar and Lee (2022).
Introduction
The introduction of this study investigates how social media users perceive factual claims attributed to human versus artificial intelligence (AI) sources. As AI-generated content becomes increasingly prevalent, distinguishing between human and machine-generated information poses challenges for users, potentially leading to an authenticity crisis in online discourse. The study builds on the concept of authenticity in communication, which encompasses the credibility of the source, the truthfulness of the message, and the nature of the interaction. It highlights that individual predispositions toward trusting or distrusting machines can further complicate these dynamics.
The research specifically focuses on how users evaluate factual claims presented in the format of a tweet, differentiating between the objective truth of a statement and users’ judgments about its veracity. By employing experimental methods, the study aims to clarify the effects of AI-generated messages on individual perceptions, contrasting with previous macro-level analyses of automated communication. It posits that the machine heuristic and source cues (i.e., whether a claim is attributed to a bot or a human) significantly influence how users assess the credibility of online information, thereby shaping public opinion in the context of AI-mediated communication.
Methods
In this study, the authors conducted secondary analyses of a dataset initially gathered for the first author’s master’s thesis. The research employed an online survey experiment facilitated through Qualtrics to evaluate specific hypotheses and research questions. Comprehensive supplementary materials, including tables, figures, and appendices, are accessible in the Open Science Framework repository at the provided link.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical procedures employed. The data indicates a clear correlation between the variables under investigation, with statistical analyses confirming the robustness of the results. For instance, the application of the model yielded an accuracy rate of over 90%, suggesting that the proposed methodology effectively addresses the research question.
Furthermore, the results demonstrate that variations in parameter settings lead to distinct outcomes, underscoring the sensitivity of the model to initial conditions. The findings are supported by graphical representations, which illustrate trends and relationships among the data points. Overall, the results contribute valuable insights into the field, paving the way for future research and potential applications of the developed approach.
Discussion
The discussion section of the research paper elaborates on the machine heuristic, a cognitive framework that influences how individuals assess the credibility of information based on its source, particularly distinguishing between human and AI agents. Rooted in the Modality-Agency-Interactivity-Navigability (MAIN) model, the machine heuristic suggests that perceptions of machines as objective and unbiased can lead to a preference for machine-generated information over human-generated content. Empirical studies have shown mixed outcomes, with some indicating a preference for AI recommendations (algorithm appreciation) while others reveal a tendency to favor human input (algorithm aversion). This dichotomy is further complicated by the emergence of the evanishing effect, which posits that as AI becomes normalized in everyday interactions, users may become less responsive to source cues, leading to a reliance on individual differences in heuristic endorsement.
The paper also addresses the complexities surrounding source credibility, perceived objectivity, bias, and accuracy in relation to agent identity. While AI is often perceived as more objective, findings are inconsistent, suggesting that perceptions of credibility and bias are context-dependent and influenced by individual beliefs. The research questions posed aim to explore how agent type and information veracity affect these perceptions, highlighting the need for further investigation into the conditional nature of the machine heuristic. Overall, the findings underscore the dynamic interplay between user traits, contextual factors, and the evolving perceptions of AI and human agents in information evaluation.
Limitations
The limitations of this study highlight several critical areas for future research regarding the application of the AI heuristic in communicative contexts. Firstly, the study’s reliance on a context-specific AI heuristic may obscure important distinctions between AI and traditional machines, potentially diminishing the heuristic’s explanatory power. As AI increasingly assumes roles traditionally held by humans, it is essential to investigate whether the AI heuristic operates as a distinct construct or aligns more closely with human-like or machine-like attributions. Additionally, the findings suggest that the manipulation of message veracity was inconsistent, indicating that veracity cues are more challenging to operationalize than source cues due to their dependence on message content and participants’ prior knowledge. Future research should prioritize robust pilot testing and the use of clearly detectable factual claims to enhance theoretical validity.
Moreover, the study’s results may have been influenced by the accessibility of the heuristic, necessitating a careful examination of cue diagnosticity and intensity in subsequent studies. Researchers are encouraged to diversify message conditions and participant assignments to mitigate message-driven effects. The rapidly evolving media landscape, as noted in the data collection timeframe of 2023, underscores the need for ongoing exploration of the machine heuristic, particularly in light of new validated measures introduced by Yang and Sundar (2024). This evolving context presents an opportunity to further investigate perceptual shifts and individual differences in relation to the AI heuristic, particularly in common machine tasks such as writing and coding.