【中文标题】政治认同、算法新闻接触与数字媒体信任:动机性推理与错误信息易感性的序列中介关联

《Frontiers in Psychology》:Political identity, algorithmic news exposure, and trust in digital media: the sequential mediating associations of motivated reasoning and misinformation susceptibility

【字体: 大 中 小 】 时间:2026年08月27日 来源:Frontiers in Psychology 3.8

编辑推荐:

  背景:数字媒体已成为公民接触政治新闻、评估公共事务以及对信息可信度形成判断的主要环境。在算法中介的新闻环境中,对数字媒体的信任可能不仅取决于平台接触,还取决于用户如何处理与身份相关的政治信息。 目的:本研究探讨了政治认同和算法新闻接触如何通过动机性推理和错误信

  
背景:数字媒体已成为公民接触政治新闻、评估公共事务以及对信息可信度形成判断的主要环境。在算法中介的新闻环境中,对数字媒体的信任可能不仅取决于平台接触,还取决于用户如何处理与身份相关的政治信息。
目的:本研究探讨了政治认同和算法新闻接触如何通过动机性推理和错误信息易感性与数字媒体信任产生关联。
方法:研究人员通过在线调查小组招募了420名成年数字新闻用户,进行了横断面调查。使用多项目量表测量了政治认同、算法新闻接触、动机性推理和数字媒体信任。错误信息易感性使用从自我报告项目和包含准确和误导性政治或公共事务标题的标题判断任务中得出的综合分数进行评估。使用带有5,000个自助样本的偏最小二乘法结构方程模型 (PLS-SEM) 分析数据。使用PROCESS Model 6作为稳健性检验。将年龄、性别、教育程度、政治兴趣、数字新闻使用频率和媒体素养作为控制变量。
结果:政治认同与动机性推理呈正相关 (β = 0.359, p < 0.001),算法新闻接触也与动机性推理呈正相关 (β = 0.115, p = 0.010)。动机性推理与错误信息易感性呈正相关 (β = 0.335, p < 0.001)。错误信息易感性与数字媒体信任呈负相关 (β = ?0.283, p < 0.001)。从政治认同通过动机性推理和错误信息易感性的序列间接关联得到统计学支持 (β = ?0.034, 95% CI [?0.053, ?0.019])。从算法新闻接触到数字媒体信任的相应序列间接关联也得到了支持,尽管幅度较弱 (β = ?0.011, 95% CI [?0.021, ?0.003])。在纳入中介变量和控制变量后,从政治认同和算法新闻接触到数字媒体信任的直接关联未得到统计学支持。
结论:研究结果表明,对数字媒体的信任与基于身份的推理和算法结构的新闻接触都有关联,但主要是通过动机性推理和错误信息易感性产生的。研究表明,数字媒体信任与认知和信息过程(如动机性推理和错误信息易感性)有关,而不是仅仅作为平台使用或政治认同的直接相关因素。
数字媒体已成为公民接触政治信息、评估公共事务以及对新闻可信度形成判断的核心环境。不同于传统新闻系统,当代数字平台通过个性化推送、推荐系统、社交分享和算法排名等方式组织政治信息。这种转变使得公民处理新闻的条件发生改变,政治信息通常在充满情感、与身份相关且具有社交可见性的环境中被遭遇。公民不再仅根据准确性或证据质量评估新闻,而是可能受到先验信念、党派依恋、意识形态承诺和群体身份的影响。此外,算法新闻接触改变了政治认同被激活和强化的方式。以往研究通常将政治认同视为个体层面因素,将算法接触视为平台层面条件,将错误信息易感性视为认知脆弱性,将媒体信任视为独立结果,这些研究流尚未充分整合。为解决这一问题,本研究探讨了政治认同和算法新闻接触是否通过动机性推理和错误信息易感性与数字媒体信任产生关联。该研究发表在《Frontiers in Psychology》上,其重要意义在于将基于身份的认知和算法结构的接触整合到同一实证模型中,为理解数字媒体信任如何通过用户认知和信息处理过程形成提供了实证基础。

研究人员采用横断面定量调查设计,通过商业在线调查小组招募了澳大利亚的成年数字新闻用户。研究使用多项目量表测量了政治认同、算法新闻接触、动机性推理、信任数字媒体等变量。错误信息易感性的评估结合了自我报告项目与标题判断任务,该任务要求受访者判断包含准确和误导性政治或公共事务标题的真伪。数据分析采用偏最小二乘法结构方程模型 (PLS-SEM) 进行估计,并使用5,000个自助样本。同时,采用 PROCESS Model 6 作为稳健性检验,并在 R 软件的 lavaan 包中进行了协方差基结构方程模型 (CB-SEM) 敏感性分析。研究还纳入了年龄、性别、教育程度、政治兴趣、数字新闻使用频率和媒体素养作为控制变量。

4.1 样本概况与数据筛选结果
通过在线调查小组初步收集了468份回复,根据预设筛选标准剔除48份无效数据后,最终分析样本包含420名有效受访者,有效回复率为89.7%。受访者年龄在18至68岁之间,平均年龄为34.59岁。社交媒体推送和新闻应用程序是最主要的新闻获取渠道。项目层面的缺失率较低,采用期望最大化插补法处理缺失值。

4.2 描述性统计与相关性
五个核心变量的平均分在7点量表中介于3.99至4.06之间,显示各项特征处于中等水平。政治认同与动机性推理和错误信息易感性呈正相关,与数字媒体信任呈负相关。动机性推理与错误信息易感性呈正相关,并与数字媒体信任呈负相关;错误信息易感性与数字媒体信任也呈负相关。

4.3 共同方法偏差评估
通过程序和统计控制共同方法偏差。统计检验表明,Harman单因子检验中第一个未旋转因子解释了27.05%的方差,低于50%阈值;全共线性方差膨胀因子 (VIF) 值在1.18至2.06之间,低于3.3阈值。结果表明共同方法偏差不构成主要威胁。

4.4 测量模型评估
反射性构念的信度和效标效度均达标,克隆巴赫α系数大于0.830,组合信度大于0.884,平均方差提取量大于0.605。错误信息易感性综合分数由自我报告分数和反转编码的标题辨别分数标准化平均得出。异质-单质比率 (HTMT) 分析显示反射性构念之间的区分效度良好。

4.5 结构模型结果
在控制变量后,政治认同与动机性推理呈显著正相关 (β = 0.359, p < 0.001);算法新闻接触与动机性推理呈显著正相关 (β = 0.115, p = 0.010)。动机性推理与错误信息易感性呈显著正相关 (β = 0.335, p < 0.001)。错误信息易感性与数字媒体信任呈显著负相关 (β = ?0.283, p < 0.001)。在纳入中介变量后,政治认同和算法新闻接触到数字媒体信任的直接路径未得到统计学支持。模型解释了动机性推理27.8%的方差、错误信息易感性31.1%的方差以及数字媒体信任34.8%的方差。

4.6 中介分析
采用5,000次重采样自助法检验间接关联。结果表明,从政治认同经由动机性推理和错误信息易感性到数字媒体信任的序列间接关联得到统计学支持 (β = ?0.034, 95% CI [?0.053, ?0.019]);从算法新闻接触到数字媒体信任的对应序列间接关联也得到支持 (β = ?0.011, 95% CI [?0.021, ?0.003])。

4.7 使用 PROCESS Model 6 的稳健性检验
在 CB-SEM 敏感性分析中,全局模型拟合度令人满意 (χ2 = 415.22, df = 234, p < 0.001, CFI = 0.962, TLI = 0.955, RMSEA = 0.043, SRMR = 0.048),且与 PLS-SEM 的序列间接路径估计结果高度一致。在 PROCESS Model 6 中重新估计的序列中介结构与 PLS-SEM 估计结果在方向和置信区间上保持一致。对错误信息易感性各组成部分的敏感性分析也证实了结果的稳健性。

4.8 假设检验总结
所提出的8个假设均得到支持,表明动机性推理和错误信息易感性与政治认同、算法新闻接触及数字媒体信任之间存在显著的关联。

在讨论部分,研究人员指出政治认同与动机性推理存在强烈关联,但政治认同本身并不直接降低或提高信任,其相关性主要体现在处理政治信息的推理过程中。算法新闻接触与动机性推理的关联较小,表明不应过度确定性地解释算法的作用,平台暴露可能只是创造了身份一致性解释的条件,而非直接决定信任。值得注意的是,动机性推理与数字媒体信任之间存在显著的直接负相关,表明经常进行身份防御性评估会削弱对数字媒体环境的普遍信心。此外,算法新闻环境还可能通过平台架构促进低加工模式,从而直接增加对错误信息的易感性。

研究结论部分指出,本研究调查了政治认同、算法新闻接触、动机性推理、错误信息易感性与数字媒体信任之间的关联。研究结果支持了序列间接关联模型:政治认同和算法新闻接触与动机性推理相关,动机性推理与更高的错误信息易感性相关,而错误信息易感性则与更低的数字媒体信任相关。在纳入中介变量后,从政治认同和算法新闻接触到数字媒体信任的直接关联未得到统计学支持,表明认知和信息通路在模型中占据核心地位。本研究通过展示数字媒体信任应通过基于身份的推理与平台中介新闻接触之间的相互作用来理解,为数字媒体和政治传播研究做出了贡献。未来研究应使用纵向、实验性和特定平台数据测试该模型,以进一步验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号