年日本“核泄漏”事故后的抢盐风波也可 作为逆火效应的另一例证。当时有谣言称核辐射污染了海盐 导致国内食盐供应短缺，引发多个沿海城市出现抢购碘盐风 潮，很多超市食盐在数天之内就被抢光。尽管随后就有专家 出来辟谣，但是抢盐风波并未就此停止，据媒体报道，某些 城镇抢购风潮甚至愈演愈烈。 很多研究发现，逆火效应与信息接收者的自我认知有关， 当新信息超出了接收者的自我认知时，会激发接收者的负面 情绪，而这 调查网民中仍有无法判断或判断错误的情况。专家发现，在 权威部门、权威专家辟谣时,有时会先展示谣言的具体内容, 再提供针对性辟谣信息,无意中导致谣言再次传播;或者在辟谣信息中过度使用不同证据和科学分析,反而导致公众更 易于接受相对简单直观的谣言信息,心理上排斥相对科学严 谨的辟谣信息,这就是辟谣过程中的“逆火效应”,“也就是 说,本来出发点很好的辟谣过程无意中强化了一些谣言的负 面影响。”

影响了上千万人甚至上亿人。当你花更大力气纠正这个错误 的时候，效果还不如那个谣言传播的更广。 哥伦比亚大学研究者开发出一款 Emergent 谣言传播跟 踪工具，可记录每一个传言及质疑或辟谣的分享次数。从统 计数据看，大部分谣言获得的分享次数都要比辟谣的信息高 得多。如，网传佛罗里达州一女子植入第三个胸，假消息迅 速获得 18.8 万次分享。尽管媒体随后澄清是假新闻，但辟 谣消息获得的分享数不足谣言的 1/3。再如，武汉大学互联 跑断 腿”，只有几千条。 2016 年 9 月，《经济学人》杂志封面文章《社交媒体时 代的后真相政治》，有一张数据显示的是 Facebook 文章被分 享的次数，证明了真相跑不过谣言。谣言与辟谣本身就是一 场博弈。轻信谣言是因为人的潜意识会很自觉地排斥那些和 我们价值观不符的信息，遇到一个新鲜事情，第一反应不是看它合不合理，而是看它符不符合自己的看法。 2018 年 3 月出版的《科学》刊登麻省理工学院 客页面的 20 大虚假新闻的转发率高达 870 万，而《纽约时报》《华 盛顿邮报》《赫芬顿邮报》等主流媒体的 20 大选举新闻，转 发率却只有 740 万。 社交媒体一次又一次的爆料、辟谣、再爆料、再辟谣的 循环模式，使受众厌烦媒体对所谓事实的郑重报道，看到信 息第一时间不是思考信息是否是事实，而是怀疑整个事实的 真实性。人们对假新闻假消息早已习以为常，见怪不怪了， 即使出现大量未经证实的假新闻、假消息，很少有人会持续

的媒介特质与伴生风险 （二） 二、生成式 AI 的伴生风险 ChatGPT 等生成式 AI 具有强大的自然语言处理能力， 展现出惊人的推理能力，但人们对其内在运行机理尚不清晰， 可解释性的难度很大，并存在一些技术缺陷，这些问题能否 解决对控制并限制人工智能的负面影响至关重要。需要看到， ChatGPT 等在短时间积聚起庞大活跃的全球用户群体，正给 人们的生产生活方式、思想行为观念带来重大影响。但是， ， 后面又自己随意编写下去。[3] 可以想象，不良企图者可以通过引导引导或误导，让生 成式 AI 自信起来，编写出逻辑清晰、语言表达流畅的虚假 信息，而这些信息回被当作权威信息大肆传播，查证难度极 高。例如，2023 年 5 月甘肃平凉市警方破获一起利用 ChatGPT 编假不实信息牟利的国内首例 AI 虚假信息案。必须看到， 当不良企图者输入虚假信息，使用问题词语作为提示词时，

显超越个人意见，反映一种抽象的公共利益。舆论具有公众性，功利主义引导下的舆论价值从强调公共理性而排 斥边缘群体的公共舆论，转向强调多元主体和反映公共利益的公众舆论。舆论的公共性和公众性特征折射出传统 舆论控制的难度，美国的集团政治能够通过宣传活动来引导和控制舆论，因而成为一种趋势。在智能传播时代， 数字技术的介入改变了传统媒体的一元舆论主体结构，有影响力的新媒体、自媒体、网络意见领袖甚至个体，都 可能成为 Eye）潮流行动的主要平台。TikTok 还因其中国资本背景 受到美国政府的打压，从特朗普政府的“禁令”到美国国会的“剥离法案”，反映了社交媒体在舆论中占有的重要地 位。 数字技术介入舆论场域增加了舆情治理难度。例如，2021 年“货拉拉跳车事件”在网络舆论发酵过程中，仅 3 天时间累计生成 12.53 万条相关信息。在网络热点事件大规模讨论中，有网络参与主体对公平正义、道德准则 的追求，也有不法者对 册时提供可供验证的手机号，在推行手机号实名制的基础上，一定程度上实现了网络信息的追查。尽管如此，由 于手机号码实名制的推行力度不够，网络信息生成者、传播者的身份追踪和识别难度仍然较高。网络虚拟环境带 来的现实身份和虚拟身份的分离，导致网络虚假信息海量传播，失真信息治理的难度和成本仍然较大。网络表达 的虚拟特征还使得违法从众心理抬头，虚拟环境放大了“法不责众”的意识，网络虚假信息的传播带有群体性特征。 由于承担责任的

促进了知识的交叉 融合和协同创新。 元知识形成 创造力跃迁：零知启动 高识生产 创造力跃迁在AI时代体现为从“零知识启动”到“高知识生产”，再到“新知识创造”，最终到 “元知识形成”的完整过程。等级 特点 难度 概率 美感 凡品 使用简单的提示词 低 约90% （随手可得） 较好，满足较高视觉需求，适用日常 使用和快速创作 精品 需稍复杂的提示词，包括指 定的风格、细节和色彩搭配 中等 约9% 指定模型回答时的语气或风格。 • Example (示例):例子或模板可帮助模型理解输出风 格或格式。 2. ALIGN框架 • Aim (目标): 明确任务的最终目标。 • Level (难度级别): 定义输出的难度级别。 • Input (输入): 指定需要处理的输入数据或信息，或 要求模型依据某些事实或条件进行推理。 • Guidelines (指导原则): 提供模型在执行任务时应 该遵循的规则或约束。 人工润色：通过人工干预进行必要的修改和润色，提升作品的 艺术价值。 风格融合：融入艺术家的个人风格，使作品更具辨识度和深度。 智评反馈：五品评估法 将作品划分为五个的等级：凡品、精品、优品、罕品和孤品。 代表作品在创意、难度、艺术性和美感等方面的不同水平。 循环迭代：将AI评估与创作过程相结合，形成循环迭代的创作 模式。美学理论：启迪创意 引领风尚 不可能美学 趋无限美学 反 物

而是“鸭脖”，后被联合调查组的调查结果“打脸”。再如， 某地一银行员工实名举报原董事长一事在网上引发热议，银 行未阐明调查核实情况，就作出“举报不属实”的结论，引 发网上舆论炒作，遭到网民质疑。 对待网络舆情，一味强行辟谣或否认，滥用“情况不实” 来搪塞公众，结果反使舆情愈演愈烈，难逃“翻车”的命运， 对形象和公信力造成伤害。 六、“甩锅式”应对 前不久，某地一“市长信箱”在回复网民问题时出现“文 不对题”

存 在其他情况。一是网络舆论演化过程形成意见截然对立的两 种观点，网民形成不同意见阵营，进行舆论争论交锋，导致 两极分化。如，网上不时出现的“左右之争”。此时，调和 对立意见，引导舆论共识，难度非常大。二是网络舆论演化 过程形成多种不同意见，人们众说纷纭，公说公有理、婆说 婆有理，难以达成相对多数意见，导致多极碎化。三是网络 舆论演化过程因某个话题性或重要性因素突然消失，产生零 极退化。

习题、教学图片、教材教法的论文、课例等）。其核心技术是利 用协同过滤、深度神经网络、强化学习和大模型等算法，首先对 教师备课的显性需求与隐性行为进行多维建模以形成教师备课 需求特征，并解析教育资源属性（如知识点、解题技巧、难度标 签）构建资源内容特征；然后，基于教师需求特征，设计与资源 内容特征语义匹配机制以及多目标优化策略，对候选教育资源进 行动态排序，形成匹配教师备课需求的资源推荐列表，供教师选 择其中有价值、较感兴趣的教育资源。 支持和智能教学辅助的重要手段之一。 当前国内外已有多个智能出题系统和平台，通过预设结构化 格式，支持题目自动化生成。这些系统一般提供多种分类、学段、 科目等模板供选择，教师可定制模板设置，如语言、难度、题目15 数量、题型及知识点覆盖范围，系统将快速生成符合要求的试题， 例如生成数学口算题、英语填空题、语文选择题等。部分系统也 接入大模型支持文档自动分析，提取核心知识点并生成试题，以 用 对智能出题的需 求和期望逐渐加大。智能出题若能突破现有技术瓶颈，保证题目 质量并符合学科课程标准，将极大提升教学效率和质量。 从实际应用角度审视，现有智能出题系统生成的试题虽然包 含知识点、难度等内容，但尚未真正契合教学实际场景。为进一 步增强赋能实效，可从以下方面优化现有智能出题系统，以提升 生成质量和实用性：其一，在生成类型上，聚焦高阶思维、情境 化和跨学科试题生成，深入剖析在生活情境中运用知识解决问题、

舆情监测系统，企业可以实时监控品牌声誉，及时发现并处 理负面信息。先进的舆情监测系统具备舆情监测预警、信息 溯源分析、数据统计与分析等功能，能够追溯信息的源头和 传播路径，帮助快速定位不实信息的发布者和主要传播节点， 为辟谣和舆情回应提供决策支持。 危机应对是企业舆情管理的关键环节。研究表明，超过 40%的企业未能在第一时间给出合理的解释或合适的解决方 案，导致负面舆情进一步扩散。这就要求企业建立完善的舆 情应

视频等多种形式，这些内容在社交媒介中都能一键复制转发， 尤其当迷因戳中受众痛点，极易引发集体共鸣。迷因状态下， 现实中的种种情绪、心理等，会在虚拟的社交媒介中进行话 语场的叠加，以大众狂欢的形式表达集体宣泄，增加舆论引 导难度。 社交媒介内容生态中热搜的量化分析 以上分析显示，社交媒介中的内容生态多元且复杂，对 舆论生成和引导带来了深刻影响。为进一步揭示内容生态特 质，本文将进行量化分析。（一）样本选取 本次研究选取了