智媒时代网络舆情治理的转向及媒介化治理进路

Transformation of Online Public Opinion Governance and Mediated Governance Pathways in the Intelligent Media Era

摘要

智媒时代，社会信息传播和舆论生产的方式发生了深刻的变化。网络信息的病毒式传播和日渐开放的话语表达空间使得网络舆情与民意表达交融在一起。新时代网络舆情的复杂性、不确定性、模糊性与技术风险给舆情治理带来了新的挑战。从技术、制度和社会结构三个层面分析了舆情治理在应对信息泛滥、虚假信息和深度伪造内容方面的复杂性。通过解构传播空间失序、治理权力分散、共情传播异化三大困境的内在逻辑，揭示技术迭代后舆情治理的结构性转向。从媒介化治理的视角看，智媒时代的舆情治理是多元主体协同参与的过程性治理，其目标是实现多主体情感共通与共识达成。沿着“工具—方法—价值”的理论脉络，从技术、制度和情感动员三个方面探讨了通过媒介化治理范式提升舆情治理效能的路径。

Abstract

Online public opinion governance， as a critical component of the national governance system， has gained increasing prominence as generative artificial intelligence（AI） becomes deeply integrated into information dissemination. By leveraging multimodal content generation and algorithmic distribution mechanisms，generative AI has significantly reshaped the logic of public opinion production and communication pathways， giving rise to new characteristics such as heightened emotional intensity， blurring of truth and falsehood， and accelerated information diffusion. These developments have exposed the limitations of traditional governance models that prioritize information control， creating new challenges for public opinion governance.This paper examines the evolving landscape of public opinion in the intelligent media era by situating online public opinion governance within a multidimensional framework of “technology-system-society”. Employing case study analysis among methods， it systematically explores the mechanisms underlying public opinion evolution in the context of generative AI. Key cases analyzed include deepfake content dissemination，AI-generated public opinion events，and emotionally-driven cultural communication. Through comparative analysis of communication pathways and emotional structures， this study reveals how technological factors become embedded in the processes of public opinion generation and dissemination. Additionally， theoretical frameworks such as emotional contagion and the information gap are utilized to interpret the phenomena of emotional mobilization and cognitive polarization， thereby enhancing both the theoretical explanatory power and practical applicability of the research.In the intelligent media era，online public opinion governance has undergone a notable structural transformation. Technologically，it has shifted from a monitoring model dependent on human judgment to one based on data analysis and algorithmic recognition. In terms of governance logic， the focus has moved from reactive responses to a proactive，risk-warning-based governance approach. Moreover，the scope of governance has expanded beyond content regulation to encompass the comprehensive adjustment of cognitive environments and emotional structures. At the same time，generative AI amplifies emotional contagion， driving public discourse from fact-driven expression to emotionally charged rhetoric， further narrowing the space for rational debate and rendering the risks of public opinion governance more structural and systemic.Within this context， mediated governance seeks to redefine the relationship between “human-platform-algorithm”，embedding governance within the communication process itself. It emphasizes the regulation of algorithms，the internalization of platform responsibilities，and the strategic guidance of emotional expression，thereby constructing a governance framework focused on the adaptation of communication processes.

关键词

人工智能 / 媒介化治理 / 舆情治理 / 智媒时代 / 技术风险

Key words

artificial intelligence / mediated governance / public opinion governance / intelligent media era / technological risks

托马斯·弗里德曼在其著作《世界是平的》中指出：“当今世界改变的速度已与过去不同，每当文明经历一个颠覆性的技术革命，都给这个世界带来了深刻的变化。”^［1］技术的涌入使得社会充斥着多方面的不确定性因素，这也意味着“乌卡时代”的到来。2022年末，OpenAI公司发布ChatGPT，其定义为优化对话语言模型，发布仅2个月就创造了应用程序（App）用户过亿的新纪录。ChatGPT的出现意味着人工智能的颠覆性创新。相较于以往基于规则和模式的计算科技，生成式人工智能是一种基于学习大规模数据集生成新的原创内容的新型人工智能^［2］，可以根据用户的指令输出相应内容，在处理和传播信息时具有一定的自主性和创造性。

人工智能技术是一把“双刃剑”。在技术变革下，ChatGPT的出现成为推动网络舆情发展和转向的重要驱动因素，使得网络舆情传播与演化呈现主体数字化、话语多模态化、表达情感化、传播精准化以及互动仪式化等新特征^［3］。人工智能技术的嵌入正在重塑网络舆情的生成逻辑与风险形态，并推动舆情治理由经验驱动向数据驱动、由被动应对向主动预防、由信息管理向认知治理的结构性转变。相较于互联网时代侧重信息传播控制的治理思路，智媒时代更凸显算法机制、情绪结构与认知环境对舆情演化的深层影响，舆情治理的重点也由事件处置能力提升逐步转向风险前置防控与数字舆情生态优化。这一转向本质上体现为从“回应舆情”向“塑造环境”的治理升级，是网络舆情治理向智能化与现代化演进的重要方向。智媒时代，网络舆情呈现新的形态，由技术引发的一系列新的舆情治理问题也逐渐凸显。

一 智媒时代网络舆情治理的风险

为了厘清智媒时代的特点，本文将人工智能的发展分为四个阶段，分别是萌芽时期、发展时期、深度学习时期和生成式时期，具体如表1所示。

随着人工智能特别是生成式人工智能的迅速发展，网络舆情治理面临前所未有的风险和挑战。以ChatGPT为代表的生成式人工智能技术，能够快速生成大量文本信息，使得舆情治理在应对信息泛滥、虚假信息和深度伪造内容等方面变得更加复杂。本文尝试从技术、制度和社会结构三个层面进行分析。

（一） 技术异化：深度伪造干扰舆情治理

随着ChatGPT等生成式人工智能的应用和普及，网络舆情的生成和传播机制已经发生了根本性变化。然而，这一变化也带来了前所未有的伦理挑战。人工智能技术本身不具备道德判断能力，其生成的内容并不总是符合社会伦理和道德标准。技术的推陈出新本是为了改善人类生活，增进人类福祉，丰富和发展人的本质。但目前的情况是，作为主体的人所创造的客体反过来制约并控制了主体，技术出现与善的背离，即技术异化^［4］。“异化”现象本质上是人性的异变。它以价值为诱因，导致思维固化，形成心理惯性，最终造成人格异变，是人的“去人格化”和主体意识的旁落，反映了主体的人与人自身所创造的客体之间的主客关系颠倒。而深度伪造是指使用人工智能技术来创建或操纵视频、音频内容，使其看起来或听起来像是真实发生的一样^［5］。随着人工智能多模态功能的不断拓展，虚假信息的呈现形式趋于多样化，生成式人工智能影响网络舆情的能力越来越强，进而增加了普通民众的辨识难度，甚至出现技术僭越。

与传统信息造假相比，深度伪造技术不仅能够实现简单的信息拼接，还可以通过算法生成“无中生有”的内容，使虚假信息具有更强的迷惑性。这种技术应用不仅加大了公众识别信息真伪的难度，也在一定程度上助长了电信诈骗、虚假信息传播等违法行为，使网络信息生态面临更加复杂的风险挑战。当虚假内容与真实内容差异不断缩小时，公众往往难以在短时间内作出准确判断，进而容易引发对网络信息的信任危机，从而进一步增加了网络舆情治理的难度。在信息过载的传播环境中，个体在面对复杂信息时往往更依赖情绪判断而非理性分析，而生成式人工智能可以通过强化情绪表达提升内容传播力，使部分情绪化虚假信息更容易获得关注，从而在一定程度上加剧舆情的非理性波动。尽管目前已经出现针对深度伪造的检测工具，但总体来看，识别技术仍然滞后于生成技术的发展，这使得监管部门与平台在虚假信息识别方面面临现实困难，部分伪造内容可能在较长时间内传播，从而增加了舆情风险的不确定性。鉴于深度伪造技术所引发的风险，公众对虚假信息风险的认知日益增强，对诸如新闻媒体等传统信息传播渠道逐渐持审慎与质疑态度，这无疑严重侵蚀了社会的整体信任基础。

（二） 法规滞后：监管缺位破坏传播生态

在人工智能技术深度嵌入社会传播结构的当下，网络舆情治理的制度性风险集中体现为法律体系的适应性迟滞与多元主体协同治理的效能损耗，这种制度供给与治理需求之间的结构性失衡，本质上源于工业文明制度遗产与数字文明技术生态之间的代际断裂。法律体系作为社会关系的规范性表达，其固有的稳定性和程序性特征在面对技术迭代的指数级增长时，不可避免地陷入规制真空与执行偏差的双重困境。与此同时，传统以政府为主导的单中心治理模式在应对人工智能技术加持的分布式舆情生态时，暴露出主体权责模糊、协作机制松散等系统性缺陷。这种制度性风险的叠加效应使得舆情治理往往陷入“头痛医头、脚痛医脚”的被动局面，而传统治理网络常有“鞭长莫及”之时，许多新型治理盲区不断涌现^［6］。法律规制滞后的第一个维度就是规范文本与技术实践的时空错位。当前，针对人工智能舆情的立法多停留在原则性框架层面，具体操作细则的缺失导致执行层面出现制度性衰减。

例如，西藏日喀则地震期间，一张标注为“人工智能生成”的“废墟下六指儿童”的图片被恶意传播，转发者刻意删除标识并关联真实灾情，引发公众误判和情感共鸣。尽管《生成式人工智能服务管理暂行办法》要求对人工智能生成内容进行标识，但实际执行中，平台审核滞后、标识不显著等问题普遍存在。例如，部分平台采用“先发后审”机制，导致虚假信息传播窗口期长达数小时，而法律对转发者的连带责任界定模糊，仅能依据《中华人民共和国治安管理处罚法》对个别账号进行行政处罚，难以溯及源头技术开发者或平台。此类案例暴露了现有法律在技术标识执行、责任链条划分上的不足。更深层的矛盾在于，法律对责任主体的界定难以匹配技术创新的现实图景，当深度伪造内容引发名誉权纠纷时，模型开发者、内容生成者、平台传播者之间的责任分配陷入法理困境。制度性风险的第二个维度在于协同治理机制的碎片化。传统舆情治理依赖的“政府主导—平台配合”模式，在人工智能技术引发的舆情工业化生产面前显得力不从心。以多频道网络（MCN）机构利用人工智能批量制造谣言为例，尽管《互联网信息服务算法推荐管理规定》要求平台加强审核，但平台算法常优先推荐情绪化内容以获取流量，形成“技术中立”表象下的价值倾斜，这本质上构成了对协同治理目标的消解。

（三） 社会结构分化：智能鸿沟阻碍共识凝聚

卡茨曼提出了“信息鸿沟”理论，不仅揭示了信息时代的一个重要现象，也为缩小社会差距、促进信息公平提供了理论基础。随着时代的发展，“信息鸿沟”逐渐演化为“智能鸿沟”。智能鸿沟是指基于智能手机、智能算法等智能媒介技术以及各种人工智能生成内容所引发的全方位“差距”，也被定义为“数字鸿沟3.0”阶段，包含接入鸿沟、素养鸿沟和智能鸿沟的相互叠加与联动^［7］，本质是核心智能技术引发的社会不平等和不公正。智能鸿沟的表征主要体现在两个方面。一是若对人工智能生产的各种虚假信息缺乏相应的辨识能力，个体可能被虚假信息所包围并受到误导。因此，在智能传播时代，人们亟须掌握一种新型知识，即对智能生成内容进行辨识的能力，这包括了解人工智能生成内容的基本特征，并熟练掌握相应的辨识技巧。二是人们利用智能技术获取信息的广度与异质度存在差异，那些被同质化信息或知识所束缚的个体，即便获取的信息、知识数量庞大，其视野仍然受限，对事物的认知也将受到局限^［8］，容易陷入信息茧房的“囚徒困境”，从而在特定信息领域与其他人形成“信息沟”。

在生成式人工智能快速发展的背景下，社会层面的“智能鸿沟”问题日益凸显。这种鸿沟不仅体现在技术获取和使用能力的差异上，还体现在信息筛选、理解与判断能力的不平衡上。由于不同群体在教育水平、经济条件和媒介素养方面存在差距，生成式人工智能带来的技术红利并未被均等共享，部分群体甚至可能因技术能力不足而在信息社会中被边缘化，进而影响其在网络舆情中的表达能力与参与程度。与此同时，生成式人工智能依托算法推荐和个性化推送机制，根据用户兴趣进行内容分发。虽然这一机制提升了信息传播效率，但也导致不同群体获取的信息呈现明显差异。相较而言，高教育水平群体更容易获得多元且可靠的信息，而部分信息素养较低的群体则更容易陷入信息茧房甚至受到误导，这在一定程度上加剧了社会认知差距。此外，个性化推荐往往强化个体既有立场，使不同群体难以接触多元观点，进而加剧认知分化。特别是在公共议题讨论中，情绪化和极端化内容更容易被放大，导致公共讨论走向对立，增加社会共识凝聚的难度。

二 何去何从：智媒时代网络舆情的结构性转向

在人工智能技术推动下，舆情治理已由单一的内容监管转向更加复杂的系统治理。本文通过解构传播空间失序、治理权力分散、共情传播异化三大困境的内在逻辑，揭示技术迭代后舆情治理的结构性转向，为破解智能时代的治理悖论提供理论借鉴。

（一） 传播空间失序：流动空间中的机制易变

“流动空间”是卡斯特提出的一个颇具理论想象力的概念，指的是围绕人流、物流、资金流、技术流和信息流等要素流动而建立起来的空间，以信息技术为基础的网络流线和快速交通流线为支撑，创造一种反复的、可程式化的动态运动流动空间，通过节点将流向不同的各种要素相互连接起来，节点之间以微妙异同实现流动循环^［9］。这里的“流动性”在鲍曼《流动的现代性》中的说法是，现代社会的本质体现于时间与空间的分离，现代人生活在“时间密集，空间紧缩”的环境中，时间成为衡量智慧和能力大小的最重要因素，社会由固态变为液态，这导致人们的思维方式转向“零散化”，行为方式变得“非规则化”^［10］。在流动空间和液态社会的话语体系下，整个社会面临隔阂加剧、风险上升等诸多问题。从社会层面看，这些问题可能改变社会的运行机制，引发不稳定性和动荡，进而加大社会治理的难度和复杂性，舆情治理因此面临更为严峻的挑战。

现如今，网络舆情的传播机制发生了重大转变。网络舆情不再是单一话题或信息点的积累，而是通过智能算法在广泛的社交平台和虚拟空间中迅速扩散，其流动性体现为舆论话题的快速生成、变化和消失。与传统舆情相比，网络舆情的表征更多样、更为碎片化，同时，其传播路径和目标群体的界定也更加模糊，这使得舆情话题的生成与扩散呈现出非线性的动态特征。舆论焦点往往以数据驱动为核心，通过大数据分析和算法推送形成多元化、碎片化的传播模式。不同的算法与平台机制之间存在相互影响的作用力，导致网络舆情治理的目标与策略易变且难以实施。例如，舆情的表征不仅依赖技术手段，还与社交平台的规则设计、用户的个体行为以及大众媒体的参与度息息相关。在这种状态下，公共舆情更难以准确捕捉，且更容易被操控和干扰。而现代舆论空间的碎片化、即时化一方面使得舆情表现出极强的短暂性，生成式人工智能通过精确的算法推送，能够快速将热点话题推向舆论的中心；另一方面，也导致舆情话题的快消性，这种快消性不仅加剧了信息的过载和认知失调，也使得相关治理措施无法在短时间内有效反应，进一步加大了网络舆情治理的难度。

卡斯特认为：“网络构建了我们社会的新社会形态，而网络化逻辑的扩散实质地改变了生产、经验、权力与文化过程中的操作与结果。”^［11］在全球网络空间中，掌握科技、经济的资本主义国家利用经济全球化制定新的世界经济发展规则，流动空间中的逻辑机制成为世界范围内社会发展的统治逻辑。随着全球化的发展，新自由主义适应了以西方发达国家为主导的全球化初期阶段，逆全球化暗流开始浮现，使国家的角色重新凸显出来。面对种种挑战，舆情治理更需适应快速变迁的社会需求及个体权利的多元化，同时亦需展现出更高的灵活性，以有效应对持续变化的社会需求及各类问题。

（二） 治理责任弥散：技术泛化下的治理降效

在人工智能技术深度重构信息传播生态的背景下，传统科层制治理范式与技术生态系统之间的结构性张力愈发凸显，这种张力本质上源于工业时代制度设计与数字社会运行规律之间的代际冲突。科层制作为现代社会治理的经典范式，其核心特征表现为层级节制的权力结构、标准化的程序控制以及属地化的问题处置逻辑，这种以确定性应对不确定性的治理哲学在机械复制时代曾展现出强大的秩序建构能力。然而，当面对人工智能驱动的网络舆情生态系统时，其固有的制度刚性、时空局限与价值预设遭遇前所未有的解构危机。技术生态系统的去中心化拓扑结构、即时性传播特性和自我演化能力，不断冲击着科层制的底层逻辑，使得治理实践陷入工具理性膨胀而价值理性萎缩的困境。

从权力运行维度审视，科层制的垂直管控模式与智能技术的水平扩散特性形成尖锐对立。传统舆情治理依赖的“监测—研判—处置”线性流程，建立在信息传播速度可控、传播路径可溯的假设之上。但在生成式人工智能介入内容生产后，舆情事件往往呈现病毒式裂变特征，这种指数级传播速度已远超人工审核机制的响应阈值。更值得警惕的是，智能技术加持的舆情操纵正在突破地理边界与行政壁垒，境外人工智能舆情工厂通过分布式网际互联协议（IP）节点生成地域性谣言，利用算法推荐精准投放至特定群体，使得基于属地管理原则的治理框架形同虚设。这种技术穿透性不仅消解了科层制的空间治理效能，更动摇了数据主权根基。制度调适的滞后性则暴露出科层治理与技术生态在时间维度上的深刻矛盾。智能技术的迭代周期已压缩至3~6个月，而法律法规的制定修订往往需要3~5年时间，这种速度差导致治理体系持续处于“补丁式应对”状态。以生成式人工智能技术为例，生成式预训练变换器（GPT）模型架构从第三代迭代至第五代仅用时18个月，而中国《生成式人工智能服务管理暂行办法》自2023年7月颁布后，其配套细则和技术标准至今仍未完全落地。

技术生态的复杂性进一步放大了科层治理的认知局限。传统治理模式依赖的专家决策机制，在应对人工智能舆情风险时面临双重困境：一方面，算法“黑箱”化使得舆情生成机制变得不可解释，平台用于内容审核的违规判定模型往往包含数百万个特征参数，其决策逻辑难以被监管部门逆向解析；另一方面，智能技术引发的次生风险具有高度涌现性。2023年，某地政务系统引入人工智能舆情监测平台后，虽然研判效率有所提升，却因模型训练数据偏差导致将部分正当民生诉求误判为“敏感信息”，这种技术代理引发的治理异化折射出工具理性对价值理性的系统性侵蚀。更严峻的挑战在于，科层制强调的权责对应原则在技术生态中遭遇解构，当人工智能生成内容引发法律纠纷时，模型开发者、平台运营者、内容传播者之间的责任链条变得模糊不清，这种责任弥散现象严重削弱了治理效能。

（三） 共情传播异化：情绪极化下的理性缺失

“共情”一词最初在国外被应用于心理学领域，指“人与人之间存在情感连接的纽带，能够体会到别人的内心世界”^［12］。将“共情”研究引入新闻传播领域，为传播研究提供了新的视角。吴飞^［13］在2019年率先提出“共情传播”的概念，并阐述了其理论基础和实践路径：将“共情”引入新闻传播领域，即在传播过程中强调情感、共鸣的重要性。赵建国^［14］对共情传播进一步界定：共情传播就是共同或相似情绪、情感的形成过程和传递、扩散过程。但是，在这个真相让位于情绪的后真相时代，情绪充斥在网络平台中，面对铺天盖地袭来的情绪，能否做到合理共情，该如何正确地与他人共情，成为摆在公众面前的一道难题。

在生成式人工智能的推动下，社交平台与信息传播渠道中的“共情传播”效应被明显强化。在人工智能技术加持下，这一机制变得更加精准高效。生成式人工智能在内容生产过程中，往往更倾向于生成具有情绪感染力的叙事，通过情感识别与数据分析预测受众的情绪需求，从而有针对性地制造话题并推动舆情扩散。例如，通过模拟个体化的情绪表达方式，人工智能生成内容能够增强公众的情感投入，进而放大舆论场中的情绪共振效应。然而，过度依赖情绪驱动的传播模式也容易加剧认知偏差。公众在信息接收过程中往往更容易受到情绪影响，而非基于事实进行理性判断，这使得个体容易被情绪化叙事所吸引，从而形成片面认知。在一些热点舆情事件中，情绪最为激烈的观点往往更容易获得流量与关注，而理性讨论空间则被不断压缩。在算法推荐与媒体竞争的共同作用下，信息传播逐渐呈现出由“事实驱动”向“情绪驱动”的倾向。但从积极层面看，共情传播同样具有重要的社会价值。具有情感温度的传播内容往往更容易获得公众认同，对于主流媒体增强传播力与引导力具有重要意义。例如，2023年广受关注的文化类微短剧《逃出大英博物馆》，通过拟人化叙事讲述文物“回家”的故事，借助视听表达与历史隐喻成功激发了公众的文化认同与爱国情感。这类基于共情传播的内容，有助于增强公众对历史文化的理解，促进正向舆情的形成。

然而，“共情传播”同样可能被滥用为操纵舆情的工具。在后真相语境下，情绪往往优先于事实成为影响公众判断的重要因素。例如，在2020年美国总统选举期间，候选人通过社交媒体强化对立情绪、发布煽动性言论，营造强烈的情绪动员氛围，甚至在一定程度上诱发了国会山冲突事件。当双方的情感、信念及立场忽视或无视客观事实时，此类对立或对抗性的共情将难以调和，为社会秩序带来重大隐患与挑战^［14］。为此，新型主流媒体在进行舆情引导时，应当秉承优良传统，着重强调“共情式对话”的重要性，促使舆情引导模式由传统的“独白式单向传播”向“共情式多元对话”转变，在深入的对话与沟通中消除分歧、寻求共识^［15］。

三 媒介化治理：多元主体协同治理效能的提升

面对人工智能时代带来的复杂舆情治理挑战，媒介化治理作为一种创新的治理路径，有望通过技术赋能提升治理效能。需要注意的是，媒介化治理的视角更多强调“过程性”等特性。从过程论的角度而言，从媒介研究到媒介化研究的转向，实际上暗含着一条将媒介实践视为一种动态性过程的研究进路^［16］。因此，本文沿着“工具—方法—价值”的理论脉络，分别从技术、制度和情感动员三个方面，探讨如何通过媒介化治理范式提升舆情治理效能。

（一） 算法透明化与数据可溯的技术治理

吉布森用“可供性”概念讨论环境与动物之间的关系，指代环境、物体或系统能够提供给个体的所有可能性。但是，“可供性”并不是孤立分析环境和动物，而是对环境与动物之间的关系进行综合分析。近年来，新媒体的快速发展使得可供性理论成为理解新媒体技术带来的传播现象的一个重要研究视角。作为这一理论框架中的代表性概念，“技术可供性”关注的是技术变革，特别是物质性力量对传媒生态系统构建的深远影响提供了分析技术、传播过程与受众互动关系的理论依据。在舆情治理中，生成式人工智能为技术过程的透明化和可控性提供了新的可能性。舆情的产生和发展通常伴随着复杂的动态过程，过去依赖人工分析和决策的治理方式容易受限于人力资源和判断偏差，且在某些情况下可能存在“黑箱”操作的风险。然而，人工智能的引入加深了舆情治理过程把控的可供性，降低了这种“黑箱”的不确定性和不可预测性。例如，人工智能可以通过大数据分析实时监控舆情的变化，并提供基于数据的反馈。这一过程的可见性和可追溯性为舆情治理的透明化提供了保障。在这一过程中，人工智能生成内容不仅能识别舆情走向，还能准确分析其原因、趋势及潜在风险，帮助相关主体快速作出反应。相比传统的舆情管理方式，人工智能的技术可供性大大提高了过程的可控性，降低了由于信息滞后或决策失误带来的风险。

生成式人工智能的“可供性”不仅体现在数据分析和预测能力上，还体现在其自我学习和适应机制中。基于不断积累的数据和反馈，人工智能可以逐步优化其分析模型，提高舆情预测的精准度。在舆情治理中，尤其是在应对突发性事件时，人工智能能够迅速识别舆论的热点和情感波动，进而指导决策者制定有效的应对策略，避免舆情进一步恶化。然而，技术可供性所带来的优势并不意味着舆情治理过程中完全没有风险。人工智能的算法和模型在设计之初就可能带有一定的偏向性，且在实际应用中也可能因为数据的质量和选择性问题，导致舆情分析不准确。因此，如何保证技术不出现“黑箱”，如何确保算法透明、公正，并对数据来源和处理方式进行有效监控，成为技术可供性在舆情治理中的一个关键课题。与此同时，在技术可供性框架下，人工智能的介入能够有效减少人为因素对舆情判断的主观干扰，帮助治理者作出更加客观和理性的决策。尤其是在复杂的舆情环境中，人工智能能够提供科学、数据驱动的决策支持，避免人类决策中的情感化、非理性偏向，从而提升治理的整体效能。

（二） 共建共治共享的协同机制设计

随着生成式人工智能技术在舆情治理中的广泛应用，如何在技术发展与社会伦理之间找到平衡点，成为舆情治理中的重要问题。2022年，国家网络安全和信息化委员会办公室颁布的《互联网信息服务算法推荐管理规定》，是中国立法意义上构筑人工智能伦理审查制度的开端。2023年7月，国家网络安全和信息化委员会办公室等七部委颁布的《生成式人工智能服务管理暂行办法》则在实体法规则意义上列举了人工智能伦理的相关原则。舆情治理不仅仅是一个技术问题，更是一个涉及制度设计和伦理审视的复杂议题。虽然人工智能在提升舆情治理效能方面具有明显优势，但其可能带来的伦理风险也不容忽视。因此，建立健全的制度和伦理管理体系，优化舆情治理的空间秩序，成为解决这一问题的关键。为解决目前人工智能伦理制度建构过程中的逻辑自洽问题，可以尝试从技术伦理、监管机制、审查评估、管理创新四个方面进行调整。

其一，舆情治理中的制度建设需要充分考虑技术的伦理挑战。例如，人工智能在分析舆情时，如何保障个人隐私和数据安全，避免信息泄露和滥用，成为制度设计中的重要议题。人工智能在情感动员和信息传播中的作用，可能会影响公众的认知和判断。因此，在舆情治理过程中，如何设立相关的监管机制，确保技术使用的合规性和透明度，防止技术滥用，也是必须考虑的伦理问题。其二，人工智能在舆情治理中的广泛应用，促使传统的舆情管理模式向系统化、智能化转型。在这一过程中，制度的创新和伦理审查显得尤为重要。例如，在舆情管理过程中，人工智能不仅需要遵循法律法规，还需要尊重社会道德和伦理标准，确保技术应用过程中不会产生负面社会影响。所以，在技术的推进过程中，可以设立专门的伦理委员会，审查和评估人工智能在舆情治理中的应用，确保其符合社会价值观和公众利益。此前，日本人工智能学会及互联网巨头谷歌公司已相继设立内部伦理委员会，旨在为技术研发活动提供伦理方面的指导。针对此情况，中国需要倡导并鼓励相关行业组织构建技术伦理自律及自查机制，以确保算法技术的应用能够严格遵循道德准则及法律规范。其三，舆情治理的优化不仅仅是技术手段的提升，更需要制度的创新与调整。生成式人工智能技术的引入要求人们重新审视舆情治理中的权力结构和管理方式，推动舆情治理由传统的“单向”管理向“多元协同”管理转型。韦伯提出的“责任伦理”就是呼吁社会倡导超越良知伦理的责任伦理。他认为，只要人们做出了行为，就需要对自己的行为后果承担责任^［17］。因此，公众作为发展人工智能的利益相关者，享受着发展人工智能带来的便利，就需要对自身的行为承担伦理责任。而在媒介化治理过程中，政府、社会组织、企业以及公众等多方利益主体需要共同参与，形成制度合力，从而确保舆情治理的公平性和有效性。

（三） 情感资源的制度化动员与转化

情感动员指的是通过调动个体或群体的情感来促使其参与某一行动或认同某一理念的过程。在舆情治理中，情感动员主要体现为对公众情绪的引导、疏导与转化。情感动员的基本机制包括信息传递、情绪感染和社会认同等方面。兰德尔·柯林斯以涂尔干的研究为基础提出了情感仪式理论，其主要观点是：人与人之间的互动会唤起人们的情感，进而得到符号化的表征。情感传播具有塑造功能，媒体融合作品的受众经由互联网这一载体，能够形成可见的社群，从而对社会大众的心态、价值观念等产生较大影响^［18］。人工智能时代，社交媒体平台和传统媒体成为信息传播和意见表达的重要渠道。数字媒介的便利性和广泛性使得人们可以迅速获取各种信息，并且随时随地表达自己的观点和情感。但是，随着信息传播速度和规模的迅速增长，负性情感也加速传播，对社会稳定和个体心理健康产生负面影响。在此背景下，“情感治理”讨论的便是人类社会如何塑造和管理公众的情感^［19］。

随着生成式人工智能的发展，舆情治理也不再是单一政府或媒体的行为，而是一个多元主体共同参与的复杂过程。柯林斯认为，仪式开启的第一步是双方共在于同一个空间。技术的进步与迭代使得一个空间不再是仪式的束缚，人们依托媒体的距离不再受制于时空局限，信息通过各类媒介渠道传播，激发公众的情感反应^［20］。社交媒体平台上的新闻热点以及网民的评论和互动，构成了情感动员最直接的载体。如此一来，情绪动员的感染作用使得群体情绪快速蔓延，网络上的言论风向可能在短时间内发生剧烈变化，形成舆论压力，进而促进社会认同机制形成，促使个体在群体的影响下形成共识，从而推动整个社会或特定群体对某一议题的立场和态度趋同。在这一过程中，人工智能技术在情感动员方面的作用尤为突出。舆情的形成不仅依赖信息的传播速度和范围，更取决于公众情感的调动和集体认同的建立。人工智能通过其强大的数据处理能力，能够快速捕捉、分析社交媒体和新闻平台上的情感倾向，从而推动多方共识的达成。生成式人工智能通过文本生成技术模拟不同情感立场的表达，甚至在情感引导上起到积极作用。例如，在突发事件中，人工智能可以分析民众的情感波动，实时调整舆论引导策略，以避免情绪失控或集体行动的负面后果。此外，生成式人工智能还能够通过个性化推荐和情感计算，精准识别个体的情感需求和社会热点，促进公众情感的共鸣和集体行动的协同。智能化的情感动员机制，不仅提高了舆情治理的效率，也在一定程度上推动社会各方在关键问题上达成共识。

四 结　　语

媒介化治理体系在处理舆情问题方面仍然需要与传统治理模式相结合，生成式人工智能的崛起为舆情治理带来了新的挑战。技术突破既带来了新的技术形态和传播样态，也面临着深度媒介化所带来的算法专制、算法优先、隐形控制与伪赋权等风险^［21］。针对人工智能技术在舆情管理中的应用及其带来的转向，包括对传统舆情治理模式的影响，媒介化治理面临问题的复杂性也在提高。虽然技术本身是中立的，但其不当使用可能导致舆情的误导甚至操控，这对社会的信任基础构成了威胁。因此，如何有效监管和规范这一技术，成为当前网络舆情治理亟待解决的难题。面对风险，技术反制、价值对齐、法律规制只是治标之策，治本的关键在于重建人工智能的价值底座，使之具备真正意义上的“人文主义”内核^［22］。

媒介化治理是媒体深度融合发展与推进国家治理体系和治理能力现代化双向驱动的结果。党的二十大报告强调要“健全共建共治共享的社会治理制度，提升社会治理效能”。提升媒介化治理效能的核心，在于构建一个以精准有效的信息流动为基础、以开放协同的主体网络为支撑、以数据驱动的敏捷决策为核心、以韧性高效的风险应对为保障的治理生态系统，其不是简单地利用新媒体工具，而是要实现治理理念、结构、流程、工具与媒介生态的深度适配和融合。未来治理的关键在于保持动态适应能力，通过制度创新与多方合力，将技术潜能转化为构建可信、可治、可持续的网络舆情新秩序的驱动力，最终服务于社会治理现代化与人的全面发展。

参考文献

[1] 弗里德曼.世界是平的［M］.何帆，肖莹莹，郝正非，译.长沙：湖南科学技术出版社，2006：40.

[2] 刘箫锋，张锦霖.生成式人工智能冲击高校思政教育的三维探赜［J］.国家教育行政学院学报，2023（12）：66-75.

[3] 荣婷，张爽.人工智能时代网络舆情新特征与新治理［J］.传媒，2022（8）：74-76.

[4] 刘霞.ChatGPT技术异化危机及化解对策研究［J］.中阿科技论坛（中英文），2024（9）：40-44.

[5] 王国燕，张卓越.深度伪造技术的特征、风险与反制路径［J］.新媒体与网络，2024（2）：40-51.

[6] 黄晓春.党建引领下的当代中国社会治理创新［J］.中国社会科学，2021（6）：116-135.

[7] 钟祥铭，方兴东.数字鸿沟演进历程与智能鸿沟的兴起：基于50年来互联网驱动人类社会信息传播机制变革与演进的视角［J］.新闻记者，2022（8）：34-46.

[8] 彭兰.智能传播时代“智能鸿沟”的走向探询［J］.中国编辑，2024（11）：19-26.

[9] 薛凯.数字城市的实施策略与模式研究［D］.天津：天津大学，2012.

[10] 鲍曼.流动的现代性［M］.欧阳景根，译.北京： 中国人民大学出版社，2018：190-191.

[11] 卡斯特.网络社会的崛起［M］.夏铸九，等译.北京：社会科学文献出版社，2001：569.

[12] 李彪，王梦丹.联通“自我”与“他者”：国际传播中的共情转向及创新策略［J］.对外传播，2023（6）：21-25.

[13] 吴飞.共情传播的理论基础与实践路径探索［J］.新闻与传播研究，2019（5）：59-76.

[14] 赵建国.论共情传播［J］.现代传播，2021（6）：47-52.

[15] 秦汉，涂凌波.再造共识：智能媒体时代的舆论引导与新宣传［J］.中国编辑，2020（Z1）：39-44.

[16] 李春雷，申占科.媒介化治理：概念、逻辑与“共识”取向［J］.新闻与写作，2023（6）：5-12.

[17] 韦伯.新教伦理与资本主义精神［M］.康乐，简惠美，译.上海：三联书店，2019：48-50.

[18] 成伯清.情感的社会学意义［J］.山东社会科学，2013（3）：42-48.

[19] 袁光锋.数字媒介、不确定性与风险传播中的情感治理［J］.理论与改革，2023（3）：134-143.

[20] 柯林斯.互动仪式链［M］.林聚任，王鹏，宋丽，译.北京：商务印书馆，2012：173-176.

[21] 喻国明，金丽萍.生成式媒介的极致优化：DeepSeek对传播生态的系统性影响［J］.新疆师范大学学报（哲学社会科学版），2025（4）：71-79.

[22] 晏青，陈豪辉.作为意识形态的AI：逻辑、风险与调适［J］.未来传播，2025（6）：2-14.

基金资助

国家社会科学基金重大项目(21&ZD316)