算法想象视角下推特用户对ChatGPT的技术恐惧

Technological Fear of ChatGPT Among Twitter Users from the Perspective of Algorithmic Imagination

摘要

为探究公众如何认知理解新兴技术，并揭示影响大众对机器智能恐惧的因素，采用2023年1至3月的推特数据，运用算法想象模型，将社交媒体上关于ChatGPT的讨论概念化为互动数字叙事，并从算法想象视角出发分析叙事中的主题、结构、道德化、互动性如何影响公众的技术恐惧。结合框架理论与道德化基础理论，探讨ChatGPT给人们的生活带来的影响，并进一步讨论不同因素对公众情感与态度造成的影响。研究发现，互动数字叙事的讨论主题对于技术恐惧具有显著影响；道德基础中的关爱和圣洁维度可以增强技术恐惧；叙事曲折度和叙事速度可以抑制技术恐惧；用户获得的被转发数量同样可以抑制技术恐惧。

Abstract

In this context， understanding how the public perceives and reacts to new technologies becomes crucial， as these perceptions can shape societal attitudes toward their adoption and regulation. This paper， grounded in the concept of algorithmic imagination， explores how social media users construct their understanding of technology and through interactive digital narratives， shape their fear of emerging technologies. Specifically， the study examines public discussions surrounding ChatGPT， a recent development in machine intelligence， to understand how social media platforms， particularly Twitter， influence public sentiment toward this new technology. By analyzing approximately 500，000 tweets related to ChatGPT from January to March 2023， this study combines both quantitative and qualitative methods to uncover the public’s cognitive and emotional responses to machine intelligence， with particular focus on how these responses reflect concerns about its potential risks.The paper begins by employing the latent Dirichlet allocation （LDA） model to perform a thematic analysis of the tweets， identifying 12 key discussion themes that capture the public’s primary concerns regarding ChatGPT. These themes range from the technology’s potential business impact to its role in shaping user experience and technological innovation. Following this， narrative analysis is applied to explore the structural features of the tweets， specifically how narrative complexity， speed， and volume influence public technophobic sentiment. The study also integrates moral foundations theory to examine the moral dimensions reflected in the tweets， such as “care” “fairness” and “loyalty”， analyzing how these moral frameworks shape individuals’ perceptions of technological threats. Finally， the study investigates the social interaction characteristics of Twitter， particularly the number of retweets and likes， to assess how these factors influence the intensity of technophobic feelings.The findings reveal that Twitter users’ interactive digital narratives play a significant role in shaping technological fear. Furthermore， the “care” and “sanctity” dimensions of moral foundations significantly amplify technological fear， reflecting concerns about the potential harm and ethical consequences of emerging technologies. In contrast， the “loyalty” and “authority” dimensions have a more limited impact， indicating that moral concerns related to community or hierarchy are less strongly connected to technophobic attitudes. Regarding narrative structure， tweet complexity and speed are found to be negatively correlated with technophobia. This implies that more complex or rapidly unfolding narratives about ChatGPT tend to reduce public fear， likely by providing a sense of control or familiarity with the technology’s capabilities. Faster-paced events or intricate storytelling may help reframe the technology in a less threatening light. Additionally， the interactivity of social media， particularly the increase in retweets， plays a crucial role in mitigating technophobia. The widespread dissemination of tweets， especially those with higher engagement， appears to alleviate fear， suggesting that social validation and collective discourse contribute to a more balanced understanding of the technology.

关键词

ChatGPT / 算法想象 / 互动数字叙事 / 人工智能 / 技术恐惧 / 叙事结构 / 社交媒体

Key words

ChatGPT / algorithmic imagination / interactive digital narrative / artificial intelligence / fear of technology / narrative structure / social media

一 问题提出

技术进步是一把双刃剑。一方面，技术进步通过自动化提高生产效率；另一方面，技术进步也会带来失业问题。蔡斯在其著作《人与机器》中提出：“虽然生产和维护新机器需要利用其中的一部分人力，但余下的一些人将面临永久性失业。”^{［1］215-216}面对技术进步的浪潮，乐观与恐慌情绪并存。社交媒体用户可以通过互动数字叙事（interactive digital narrative）的形式讨论技术进步的社会影响。这种互动数字叙事不仅可以反映人们对于技术冲击的认知，而且有潜力塑造人们对于技术的情感反应。本文聚焦社交媒体用户关于技术进步的恐慌情绪，尝试探究一个核心问题：智能技术的互动数字叙事如何塑造社交媒体用户的恐慌情绪？

工业革命以来的技术演进经历了手工工具、机器工具、自动机器和智能机器四个阶段^［2］。进入21世纪，人工智能技术的突飞猛进标志着智能时代的到来。人类愈发依赖智能技术，又无时无刻不畏惧机器智能的扩张。在大语言模型时代，人类与技术间关系的密切性与复杂性达到了前所未有的高度^［2］。2022年11月30日，OpenAI公司发布全新聊天机器人程序ChatGPT。ChatGPT以大语言模型为基础，能够根据所需的长度、格式、风格、详细程度和语言来完善和引导对话，让人们通过对话的方式获取即时答案、寻找创意灵感和学习新知识。相较于以往的机器智能，ChatGPT通过高级的语言理解和生成能力，为人们提供了前所未有的帮助。从解答问题到辅助学习，从创作文本到编写程序，ChatGPT展现出了机器智能的新高度，迅速引起全球范围的广泛关注^［3］。

以ChatGPT为代表的机器智能正在对社会产生新一轮深远影响——人们正处于“AI新无知之幕”的前夜^［2］，同时面对着许多未知的挑战与机遇。在传播领域，ChatGPT通过生成与创造层面的“超模拟”模糊了传统的主客体界限，促成了人机共存的新局面，引导人们反思“人类中心主义”的观点^［4］；在教育领域，ChatGPT促进了个性化教育的发展，为构建新时代的教育模式提供了工具和机遇^［5］；在科研领域，ChatGPT的应用有助于节省大量时间和精力，同时引发关于内容真实性的担忧^［6］；在劳动力与就业方面，ChatGPT正在加速人工智能技术替代人类进行常规任务方面的发展^［7］。

作为一种颠覆性的传播技术，ChatGPT的出现激发了公众的技术叙事，进而塑造了公众的技术恐慌情绪。技术叙事在塑造人类行为和社会态度中扮演着关键角色^［8］69。社交媒体用户关于ChatGPT的讨论成为理解技术叙事的重要文本。2023年前3个月，推特用户发布约50万条推文讲述自己的ChatGPT使用体验，尤其是对于机器智能的理解与接受程度。人们往往难以掩饰对于智能技术的恐慌情绪。本文试图运用算法想象模型，结合框架理论与道德化基础理论，探讨ChatGPT给人们的生活带来了哪些方面的影响，并进一步讨论不同因素对公众情感与态度造成的影响。

二 理论框架

（一） 算法想象的叙事——恐慌逻辑

算法不仅是一个技术概念，还是一个文化概念。随着对算法的了解、尝试以及进一步应用，人们开始对算法进行“算法想象”（algorithmic imaginary），即对算法的角色、功能及其在日常生活中的作用构建起一套理解和想象框架^［9］。算法想象深化了人们对新技术的认识，不仅包括对技术本身的理解，更包括对其潜在社会作用的预测和评估。Jasanoff^［10］认为人们对技术的想象本质上是社会技术性的。这种想象是通过社会实践建构起来的，反映了一种集体愿景，即对符合社会利益的技术发展有所期待和设想。这种集体愿景不仅涉及技术本身，还包括技术可能带来的影响人类未来的个人和集体观念。例如，在教育领域，对于亟须创新的从业者而言，其想象中的ChatGPT可以是教学、研究和写作的有力助手，提升教学质量之余，也能够促进学习的个性化，提高教育的多样性、公平性与包容性^［11］；而对于教育管理者而言，其不得不重视对规则的重新制定，ChatGPT带来了依赖高质量数据、结果不确定性、偏见以及缺乏透明度等问题。特别是在教学实践过程中，过度依赖技术可能削弱创新性和批判性思维，触发教育伦理和诚信等深层问题^［12］。

以ChatGPT为代表的智能技术的崛起让人产生恐慌情绪。Emily等^［13］将技术恐惧分为隐私侵犯（privacy violation）、偏见行为（biased behavior）、工作替代（job replacement）、学习人工智能（learning artificial intelligence）、存在风险（existential risk）、伦理违反（ethics violation）、人工意识（artificial consciousness）、缺乏透明性（lack of transparency）8种类型。每种类型的恐惧都是多种因素共同作用的结果，包括用户对技术的感知、直接的技术交互体验以及文化和社会背景等。此外，感知到的人工智能（AI）控制则会增加所有类型的AI恐惧。研究者提出，理解用户对AI技术感知的可能性（如交互能力、自主操作和数据安全）对于理解AI恐惧的起源至关重要。

人们对于技术的恐惧深深植根于文化叙事和历史经验之中^［12］。对于机器人的恐惧源于人类对自身理性、自主性和情感缺失的担忧。大众媒体经常将机器人描绘成“怪物”，与弗兰肯斯坦、吸血鬼和僵尸等相提并论，这种描述触动了人们内心深处对科学技术的焦虑^［14］。有学者使用“投射”概念来解释人们对于技术的恐惧：人们害怕的不是实验室中的真实机器人，而是科幻电影和报纸头条中描绘的类人机器人；有学者提出对技术的恐惧源于其模糊传统界限的能力。技术创造了一种挑战既定规范和身份的混合状态，身体与机器之间的界限模糊，使得区分人体和机器变得越来越困难；空间和时间之间的界限模糊，使得“存在”变得不同，人们似乎能够在多个交织、可渗透的空间之间徘徊。据此，Buchanan^［15］提出了“边缘性”（liminality）的概念，强调身体与机器、人类与非人类、过去与未来以及存在与非存在之间的紧张关系。

人工智能想象（AI imaginary）已经成为公众对AI技术理解和期待的集体想法、观念和叙述。首先，人工智能想象不仅囊括了对技术本身的理解，更广泛地反映了人们对技术的接纳意愿和使用方式。其次，随着智能技术在现实生活中带来了新的恐慌与担忧，人们对技术的考量不再局限于文化烙印与自我投射，更加转向与自我发展、人类意识紧密关联的道德伦理、人类自尊、就业教育等方面。另外，人们对AI的恐惧与采用意愿之间存在张力。Cugurullo等^［16］发现尽管大多数受访者对AI驱动的汽车表现出明显的恐惧，但他们仍然愿意采用这一技术。2011年，苹果公司推出Siri应用程序时，虽然存在恐慌情绪，人们仍倾向于与Siri而非真人交谈，因为Siri提供的信息更加全面可靠。在面对AI技术时，人们除了表现出恐惧之外，还会考虑到技术带来的机会结构。综上，社交媒体上的互动数字叙事可以较好地折射AI想象的逻辑脉络，通过分析关于技术的数字叙事，可以更加系统地展现算法想象背后的叙事逻辑及其对技术恐慌情绪的影响。

（二） 研究问题

技术的进步始终伴随着叙事的记录——从水力、风力、马力到蒸汽动力所带来的巨大进步，再到自动化和人工智能引领的全新生产和生活方式^［8］。叙事传播研究奠基人Fisher^{［17］62-69}认为人类沟通本质上是一种叙事行为，不仅包括时间、历史、文化和个体特性的交织，还涉及对世界某些方面的符号性解释。在其阐述的叙事范式中，叙事不仅是一种语言形式，更是人类理性、价值和行动的基础。人们通过叙事来构建对现实的理解和解释，这些叙事包含对事件的解释、因果关系、道德评价和对未来的预期。随着社交媒体的兴起，互动数字叙事（interactive digital narrative）成为建构技术叙事的一种主要方式。互动性和数字化构成了这种叙事方式的主要特点。

公众在社交媒体平台上的互动数字叙事，反映了人们对技术的初步认知框架。作为想象的主体，人们如何看待和分析问题，是理解大众对ChatGPT态度的关键。戈夫曼提出，“大多数时候，我们所看到的，是‘什么出现在我们眼前’以及‘我们期待看到什么’这两者共同作用的结果。”在戈夫曼的理解中，框架是个体在社会互动中用来组织经验、赋予事件意义并指导行为的认知结构^{［18］331-338}。框架理论（framing theory）强调人们如何通过特定的认知框架选择、强调和解释信息，进而影响对事件的理解和解释。框架分析适用于研究社交媒体平台上的复杂传播过程^［19］。即便在使用技术一段时间后，这种最初的框架依然对人们的技术观感产生持续影响^［20］。据此，本文提出以下问题：

Q1：推特用户的互动数字叙事中，主题框架是否会影响其技术恐惧情绪？

互动数字叙事具有独特的叙事结构。与传统媒介相比，社交媒体上的互动数字叙事的单条信息往往内容较短，并且充满互动性。推特作为一个影响力巨大的社交媒体平台，允许用户通过简短的信息（即推文）来交流观点^［21］。ChatGPT的出现是一个划时代的里程碑，广大用户在开放的社交平台上分享他们的体验，讲述ChatGPT如何影响他们的日常生活。互动数字叙事的叙事结构决定了叙事的容量、速度和曲折度，进而影响叙事所承载的情绪特征。据此，本文提出以下问题：

Q2：推特用户的互动数字叙事中，叙事结构是否会影响其技术恐惧情绪？

互动数字叙事的实时性和互动性让信息流动性极强^［18］，促进了用户之间的广泛互动和连接。用户可以通过转发或评论其他人的推文来建立人际关系，而他人的观点则会通过这样的社交链条影响所有用户。在这种情境下，其他用户如何在推文中展现对ChatGPT的框架，可能会改变个体对该技术的情感和态度。基于此，本文提出以下问题：

Q3：在推特用户的互动数字叙事中，用户间的互动关系是否会影响其技术恐惧情绪？

道德判断影响着人们看待问题的方式。心理学家Haidt^［22］提出道德基础理论（moral foundations theory），认为存在5个基本道德基础可以影响人类道德判断^［23］，分别为关爱/伤害（care/harm）、公正/欺骗（fairness/cheating）、忠诚/背叛（loyalty/betrayal）、权威/颠覆（authority/subversion）、圣洁/堕落（purity/degradation）。道德基础有助于形成道德直觉和判断，影响人们对事物的认知。道德越轨常常会引发复杂的混合情绪，这些情感反应往往比道德基础理论最初的预期要复杂得多^［24］。由此，本文提出以下问题：

Q4：推特用户的互动数字叙事中，道德基础是否会影响其技术恐惧情绪？

三 研究方法

（一） 数据

本研究采集了2023年1月4日至3月29日之间推特平台上关于ChatGPT的推文数据，原始数据总数为500 036条。经数据清洗及去除无效数据后，保留了499 974条有效数据。为了更好地研究公众对于新型人工智能技术的态度与情绪，从有效数据中筛选出关注ChatGPT的核心用户作为研究对象。在这三个月中，每月至少发布1条相关推文的用户共有7 327人，占样本总数的1.45%；每月至少发布2条相关推文的用户有2 432人、至少发布3条的用户有1 301人、至少发布5条的用户有579人、至少发布10条的用户的有218人。最终，以每月至少发布1条推文的7 237位推特用户撰写的103 890条推文作为研究样本。

（二） 测量

1 主题模型

潜在狄利克雷分配（latent Dirichlet allocation，LDA）是一种广泛应用于文本挖掘的主题模型。通过这种层次化的生成过程，LDA能够从文档集中推断出隐含的主题结构，实现对文本的主题建模^［25］。公众在推特平台发表的推文同样可能包含多个主题，每个主题可以由不同词汇组成。将主题模型运用于关于ChatGPT推文的文本研究中，可以通过词汇的概率分布对内容进行分类，进而呈现公众讨论的不同主题与关注的重心，由此进一步分析ChatGPT的崛起对公众生活带来了哪些方面的影响以及不同主题对于公众恐惧情绪的影响程度。

使用LDA模型进行主题分析的具体过程如下：首先，对核心用户的103 890条推文内容进行基本处理，如删除停止词、短标记和重音，并将处理后的文本内容生成语料（由文档组成的列表，其中每个文档是一个词袋模型的词频向量）和词典（将词袋模型中的词ID映射回实际的词）；其次，分别生成主题数量为2~40的LDA模型，并计算每个模型的一致性分数，根据最高的一致性分数来确定最佳的主题数量。

其中，一致性分数最高的3个主题数量分别为12、24和16（其一致性得分分别为0.478、0.466和0.457）。一致性得分最高的三者中，主题数量为12时效果最好。接着对主题数量为12的LDA模型分别进行不同次数的迭代并计算一致性。其中，一致性分数最高的3个迭代数量分别为80、60和20（其一致性得分分别为0.489、0.469和0.467）。通过LDAvis可视化主题间距离，最终确认当迭代次数为60时主题间差距最大，模型表现结果优于迭代次数为80。综上，本文选择主题数量为12、迭代次数为60，通过LDA模型研究公众关于ChatGPT发布推文中隐含的不同主题。

根据LDA主题模型，本研究将核心用户发布的103 890条推文分成12个主题框架。主题1：数据科学和机器学习（5 125条）；主题2：商业和产业冲击（8 424条）；主题3：内容生产（11 978条）；主题4：用户体验（25 071条）；主题5：OpenAI技术创新（6 953条）；主题6：金融科技与投资（3 357条）；主题7：世界变化与挑战（7 367条）；主题8：大语言模型（8 419条）；主题9：OpenAI与商业服务（5 435条）；主题10：教学冲击（7 852条）；主题11：艺术创作（4 409条）；主题12：科技巨头的竞争（9 500条）。

2 道德基础

本文使用Moralstrength工具测量5种道德基础。关爱/伤害（car/har）：关注培养和关爱他人，强调保护个人免受伤害的重要性；公正/欺骗（fai/che）：公平基础与正义、权利和平等理念有关；忠诚/背叛（loy/bet）：强调爱国主义和对团体、家庭或国家的忠诚；权威/颠覆（aut/sub）：涉及尊重传统、合法权威和维护社会等级制度；圣洁/堕落（pur/deg）：重点是相信身体和生活的某些方面是神圣的，必须受到保护，以免堕落。

3 推文长度与人际互动

互动数字叙事中的推文长度与人际互动同样发挥着重要作用。本研究主要采用推文长度（len）与推文获得的点赞数（lik）和转发数（ret）三个变量进行测量。

4 叙事结构

本研究以用户发表的关于ChatGPT推文本身的叙事结构作为自变量，试图在推文内容之外探究推文语义结构对恐惧的影响。根据Toubia等^［26］的研究，叙事结构可以分为容量（vol）、速度（spe）和曲折度（cir）。其中，叙事容量指叙事的规模或容量，包括故事的长度、涉及的事件数量、角色的多样性以及背景设定的详细程度；叙事速度指叙事的进展速度，即故事中事件展开的快慢，在本研究中以每个用户的平均速度参与分析；叙事曲折度指叙事的复杂程度和情节的曲折性。

5 使用词向量嵌入计算技术恐惧情绪

恐慌和过度自信构成了人类行为的两个极端。本研究使用Word2Vec算法计算用户推文中与恐慌（认为ChatGPT带来挑战）和自信（认为ChatGPT带来机遇）相似的词语。词向量嵌入（word embedding）是一种将词汇表达为稠密向量的表示方法，通常是通过预测其上下文（周围的词），或者通过上下文来预测当前词来学习的。这种方法基于“分布假说”，即在相似上下文中出现的词在语义上通常是相似的。Word2Vec是词向量嵌入的一种常用方法，其核心在于使用神经网络模型从大量文本中无监督地学习词语的向量表示。这些向量的关键特性是它们的空间位置：语义或语法上相似的词语在向量空间中会彼此接近。

鉴于核心用户生成的推文样本量较大，本研究在使用Word2Vec进行情感分析时特别关注参数设置。参数“向量大小”（vec，指词向量的维度）直接影响词嵌入的质量和稳定性，而较高的“最小词频”（min，指纳入训练的单词的最低频次）有助于减少噪声，提高模型的泛化能力和稳定性^［27］；数据预处理步骤（如去除标点符号）是必不可少的，且在Work2Vec的两种模型中，Skip-gram模型在处理大规模数据集且计算速度不是主要考虑因素时，更能学习到高质量的词向量^［28］。因此，本研究以vec为300、min为5，并使用Skip-gram计算ChatGPT相关推文中恐惧和自信的相似词汇，据此得到“恐惧—自信”维度。通过将每一条推文投射到这一维度，得到每一条推文的“恐慌—自信”得分。将每一条推文的“恐慌—自信”得分累加到用户层面，得到用户的恐慌情绪，作为本研究的因变量。

（三） 回归模型

本研究采用双重固定效应模型对核心用户的面板数据进行分析。自变量为公众针对ChatGPT发布的推文主题、叙事结构、道德基础、互动网络特征；因变量为推特用户的技术恐惧。固定效应回归模型是用于处理面板数据的一种统计方法，主要用于处理不随时间变化的个体差异。固定效应模型通常采用以下形式来表示：

Y_it​=α_i​+βX_it​+u_it​（1）

其中，Y_it 是因变量；X_it 是自变量；α_i 是固定效应，针对每个个体i都是不同的但在时间t上是常数；β是待估计的系数；u_it 是误差项。本研究中每个变量都与特定月份的推特用户推文内容相对应，为了使用面板数据方法对这种数据结构进行适当分析，固定效应模型中将用户名设为个体标识符，将月份设为时间变量，从而定义面板数据。

四 研究发现

技术恐惧情绪的双重固定效应模型分析结果见表1。

其中，Q1主要关注叙事主题对于技术恐惧的影响，共有12个主题，采用哑变量的方式进行编码，本研究选择主题1作为对照组。回归结果显示，与主题1相比，基本上所有的其他主题对于叙事恐惧都具有显著影响。其中，主题2、主题4、主题5 、主题7、主题10具有正向影响；与之相反，主题3、主题6、主题8、主题9、主题11、主题12具有负向影响。

Q2主要关注叙事结构对于技术恐惧的影响。结果表明叙事曲折度和叙事速度都对技术恐惧具有显著的负向影响，而叙事容量的影响并不显著。

Q3主要关注互动性对于技术恐惧的影响。结果表明用户获得的点赞数并不显著，而转发数量与技术恐惧之间具有负向显著关系，即转发数量越多，技术恐惧越少。

Q4主要关注道德基础的5个维度对于技术恐惧的影响。结果显示关爱与圣洁两个道德维度与技术恐惧之间具有正向显著影响，其他3个道德维度的影响并不显著。

五 结论与讨论

本文通过对2023年1至3月推特平台上关于ChatGPT的推文进行分析，探究公众如何认知理解新兴技术，并详细分析影响大众对机器智能恐惧的因素。通过识别12个主题，研究ChatGPT对工作就业、教育科研、个人隐私和社会发展方面的潜在影响，特别是与个人紧密相关的工作和教育领域，人们担忧ChatGPT的出现可能会取代某些职位，以及可能对教育变革、原创诚信等带来挑战。

本文将社交媒体上关于ChatGPT的讨论概念化为互动数字叙事，并从算法想象视角出发分析叙事中的主题、结构、道德化、互动性如何影响公众的技术恐惧。研究表明，首先，互动数字叙事的讨论主题对于技术恐惧具有显著影响，并且根据影响方向可以分为两组；其次，叙事结构也能反映出用户分享自己的ChatGPT叙事的主要方式，研究表明叙事速度更快、曲折迂回程度更高的叙事方式可以抑制技术恐惧；再次，通过对道德维度的分析发现，关爱、圣洁因素显著提升公众对新技术的恐惧；最后，就互动性而言，获得更多的转发可以显著降低技术恐惧。此外，推文的长度与技术恐惧之间具有正向关联。

通过算法想象模型探究大众对于技术的态度不同于过往研究。人们对于技术、算法和人工智能的想象既是瞬间的直觉感受，又是长期的反复考量。当一个新技术开始进入人们的生活，人们总是会经历新鲜尝试，再与自己与社会实践相结合，最终形成自己对于新技术专属认知的过程。与创新相关的理论也是讨论人与技术间关系时绕不开的话题。ChatGPT因其简单易用且强大的功能容易被观测，理应被大众热捧并广泛扩散，然而事实却是相当一部分人踌躇且感到恐慌。在过往的研究中，技术接受模型是讨论人类对于技术态度常用的理论。技术接受模型通过感知有用性和感知易用性作为衡量技术被人们接受的尺度，这两个变量直接影响用户的使用态度，进而影响使用意图，最终决定实际使用行为^［29］。然而，已有研究发现技术焦虑、抵制使用和感知风险对人们接受新技术产生负向影响^［30］，超出了技术接受模型的解释范围。算法想象可以帮助解释人们对技术的抵制心理，例如担忧隐私泄露、对于远程社交的不信任等。

算法想象本质上是社会技术性的^［10］。面对新技术时，人们会从各方因素考量技术可能带来的影响，从而生成对于技术的认知与情感态度。在各方因素介入、影响的过程中，除了过去研究中的文化心理因素，大众自身的思考框架、群体的交流互动、社会的道德维度、叙事的方式同样影响着想象的结果。以算法想象为理论基础，探究参与影响想象的各种因素，以此形成完整的人类认知以及理解技术的模式，构成了本文的核心贡献。

社会因素（如道德基础）对大众理解技术有着重大影响。当ChatGPT拥有基础的人类价值观并能够通过强化学习不断提升自己的沟通反馈能力时，大众感知到的是人类与非人类、身体与机器间的模糊，这与“边缘性”相契合^［15］。通过大众探讨的有关ChatGPT的话题，本研究发现讨论量最高的主题4用户对ChatGPT提问的体验和用户对新技术的恐惧存在强烈的正相关。在提问ChatGPT时，用户直接与之互动，对AI技术的认知增强，产生对就业、隐私、伦理的担忧^［13］，这与已有相关研究结论一致。对于ChatGPT这种新技术，人们不再局限于采用传统意义上的“吸血鬼”“僵尸”等怪物形象进行描述。ChatGPT是一个完全新奇、近乎全能的虚拟存在，它具有理性，甚至表现出人性，在一些用户的口中成了自己的朋友或秘书般的存在，这与精神分析中使用“投射”概念解释恐惧大相径庭^［14］。

本研究也存在不足之处。一方面，研究只获取了推特平台上2023年前3个月的数据，数据时间跨度较短；数据中只包含英文推文，涵盖ChatGPT的受众范围不够全面；另一方面，在因果推断方面采用了面板数据和双重固定效应模型，可以有效剔除未观测到的、用户不随时间变化的特性作为混杂变量的影响，但是无法捕捉那些未观测到的、用户层面随时间变化的因素。为了弥补并完善人类对于技术认知的探索，未来研究可以从以下几个方面入手：一是让研究数据覆盖更长的时间跨度和更多平台，结合技术自身发展的重要节点分析随时间变化大众情感态度的变化；二是进一步细分影响因素，将影响大众对技术想象的因素划分为社会层面（如道德、经济、政策）、文化层面（如历史、价值观）、平台层面（如人际关系、叙事特征）、个人层面（如教育程度、年龄）等，尽量全面综合考虑并量化。

参考文献

[1] CHASE S， MURCH W T. Men and machines［M］. New York： Macmillan， 1930.

[2] 刘永谋，王春丽.智能时代的人机关系：走向技术控制的选择论［J］.全球传媒学刊，2023（3）：5-21.

[3] 赵瑜，曹凌霄.中国生成式人工智能的治理重点与规制框架［J］.新媒体与网络，2024（1）：32-44.

[4] 王建磊，曹卉萌.ChatGPT的传播特质、逻辑、范式［J］.深圳大学学报（人文社会科学版），2023（2）：144-152.

[5] 王佑镁，王旦，梁炜怡，等.“阿拉丁神灯”还是“潘多拉魔盒”：ChatGPT教育应用的潜能与风险［J］.现代远程教育研究，2023（2）：48-56.

[6] 王树义，张庆薇.ChatGPT给科研工作者带来的机遇与挑战［J］.图书馆论坛，2023（3）：109-118.

[7] 郑世林，姚守宇，王春峰.ChatGPT新一代人工智能技术发展的经济和社会影响［J］.产业经济评论，2023（3）：5-21.

[8] SHILLER R J. Narrative economics： how stories go viral and drive major economic events［M］.Princeton： Princeton University Press， 2020.

[9] BUCHER T. The algorithmic imaginary： exploring the ordinary affects of Facebook algorithms［J］. Information， Communication & Society， 2019，20（1）：30-44.

[10] JASANOFF S， KIM S H. Sociotechnical imaginaries and national energy policies［J］. Science as Culture，2013， 22（2）： 189-196.

[11] FUI-HOON N F， RUILIN Z， CAI J Y，et al. Generative AI and ChatGPT： applications， challenges， and AI-human collaboration［J］.Journal of Information Technology Case and Application Research， 2023，25（3）：277-304.

[12] R-L HSIAO. Technology fears： distrust and cultural persistence in electronic marketplace adoption［J］. The Journal of Strategic Information Systems， 2003， 12（3）： 169-199.

[13] ZHAN E S， MOLINA M D， RHEU M， et al. What is there to fear？ Understanding multi-dimensional fear of AI from a technological affordance perspective［J］.International Journal of Human-Computer Interaction， 2023， 40（22）： 7127-7144.

[14] SZOLLOSY M. Freud， Frankenstein and our fear of robots： projection in our cultural perception of technology［J］. AI & Society， 2017， 32： 433-439.

[15] BUCHANAN-OLIVER M， CRUZ A. Discourses of technology consumption： ambivalence， fear， and liminality［J］. Advances in Consumer Research， 2011， 39（5）： 287-291.

[16] CUGURULLO F， ACHEAMPONG R A. Fear of AI： an inquiry into the adoption of autonomous cars in spite of fear， and a theoretical framework for the study of artificial intelligence technology acceptance［J］. AI & Society， 2024，39：1569-1584.

[17] FISHER W R. Human communication as narration： toward a philosophy of reason， value， and action［M］. Columbia： University of South Carolina Press， 1987.

[18] GOFFMAN I. Frame analysis： an essay on the organization of experience［M］. Cambridge： Harvard University Press， 1974.

[19] GÜRAN M S， ÖZARSLAN H. Framing theory in the age of social media［J］. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi， 2022， 48： 446-457.

[20] VISHWANATH A. From belief-importance to intention： the impact of framing on technology adoption［J］. Communication Monographs， 2009， 76（2）： 177-206.

[21] CHONG D， DRUCKMAN J N. Framing theory［J］. Annual Review of Political Science， 2007， 10： 103-126.

[22] HAIDT J. The emotional dog and its rational tail： a social intuitionist approach to moral judgment［J］. Psychological Review， 2001， 108（4）： 814-834.

[23] GRAHAM J， HAIDT J， NOSEK B A. Liberals and conservatives rely on different sets of moral foundations［J］. Journal of Personality and Social Psychology， 2009， 96（5）： 1029-1046.

[24] LANDMANN H， HESS U. Testing moral foundation theory： are specific moral emotions elicited by specific moral transgressions？［J］. Journal of Moral Education， 2018， 47（1）： 34-47.

[25] SIEVERT C， SHIRLEY K. LDAvis： a method for visualizing and interpreting topics［C］//Proceedings of the Workshop on Interactive Language Learning， Visualization and Interfaces. Baltimore： Association for Computational Linguistics， 2014： 15169-15211.

[26] TOUBIA O， BERGER J， ELIASHBERG J. How quantifying the shape of stories predicts their success［J］. Proceedings of the National Academy of Sciences， 2021，118（26）：e2011695118.

[27] CHUGH M， WHIGHAM P A， DICK G. Stability of word embeddings using word2vec［C］//Proceedings of the Australasian Joint Conference on Artificial Intelligence， Cham： Springer International Publishing， 2018.

[28] MA L， LONG M， ZHANG Y Q. Using Word2Vec to process big text data［C］//Proceedings of the 2015 IEEE International Conference on Big Data.Santa Clara： IEEE， 2015： 2895-2897.

[29] MARANGUNIĆ N， GRANIĆ A. Technology acceptance model： a literature review from 1986 to 2013［J］. Universal Access in the Information Society， 2015， 14（1）： 81-95.

[30] KAMAL S A， SHAFIQ M， KAKRIA P. Investigating acceptance of telemedicine services through an extended technology acceptance model （TAM）［J］. Technology in Society， 2020， 60： 101212.

基金资助

国家社会科学基金一般项目(22BXW032)