摘要：作者：罗羽荻（复旦大学新闻学院博士研究生）；刘志远（复旦大学新闻学院博士研究生）；孙少晶（复旦大学新闻学院教授、博士生导师，复旦大学传播与数据科学实验室主任，中国新闻史学会健康传播专业委员会会长，本文通讯作者）

作者：罗羽荻（复旦大学新闻学院博士研究生）；刘志远（复旦大学新闻学院博士研究生）；孙少晶（复旦大学新闻学院教授、博士生导师，复旦大学传播与数据科学实验室主任，中国新闻史学会健康传播专业委员会会长，本文通讯作者）

来源：《青年记者》2025年第1期

导 读：

本研究以新浪微博公开博文为数据来源，以属性议程设置理论为视角，将议题和话语分析与时序分析相结合，揭示技术语境下不同行动者议题与话语的联结、合作和竞争的关系，从全局、动态的角度描摹ChatGPT发布初期的社会技术认知及其意义建构过程，以期从实证研究的角度对学界和业界提供一些参考。

一、引言

美国人工智能公司OpenAI在2022年11月30日发布了基于大语言模型（Large language model,LLM）的ChatGPT（Chat Generative Pre-trained Transformer，聊天生成预训练转换器），定位为聊天机器人程序。它能根据聊天的上下文进行互动，像人类一样聊天交流，还能够根据用户的个性化输入完成撰写邮件、文案和翻译、编写代码等任务。其功能强大，一发布便火速“破圈”，引发各界的关注和讨论。据瑞银集团的研究报告，ChatGPT是史上用户增长最快的互联网应用程序，月活跃用户在其推出仅两个月后便达到1亿①。科技大厂更是纷纷入局，掀起全球AI人才争夺战[1]，甚至引起国家相关部门的重视[2]。

学界，尤其新闻传播学界，更是从不同角度对ChatGPT展开了大量的讨论和研究。一些研究聚焦技术层面，根据ChatGPT底层技术架构来剖析生成式人工智能的关键技术和运行逻辑[3]；还有学者将ChatGPT拟物化或实体化，如作为书写的载体[4]、“新常人”[5]、人类文明进程动因的媒介[6]等。另有研究则关注生成式人工智能在法律[7]、教育应用[8]等方面的风险。

然而，已有研究多是从阐释或思辨批判的角度展开，截至目前关于ChatGPT的经验性研究很少，基于社交媒体文本数据探讨不同行动者话语博弈与意义建构的研究更是缺乏。相较于基因编辑、元宇宙等科学技术，ChatGPT作为开发完备的应用程序，具有更低的使用门槛和理解门槛，允许每名用户轻松参与到技术互动之中。同时，社交媒体为各用户群体分享使用ChatGPT的新奇体验或独特见解提供了交流平台，不同行动者的话语相互冲突、相互交织，共同促进社会技术认知的建构与演化。基于此，研究不能停留于思辨与阐释，还需从社交媒体话语中捕捉公众对新技术的实际体验和理解，挖掘影响技术讨论走向的重要力量，从而更全面地理解公众对新技术的认知以及背后信息传播的动态机制。

新浪微博是国内最受欢迎的社交媒体平台之一，拥有约5.86亿月活跃用户和约2.52亿日活跃用户[9]，是研究公众关于ChatGPT讨论的理想数据来源。因此，本研究以新浪微博公开博文为数据来源，以属性议程设置理论为视角，将议题和话语分析与时序分析相结合，揭示技术语境下不同行动者议题与话语的联结、合作和竞争的关系，从全局、动态的角度描摹ChatGPT发布初期的社会技术认知及其意义建构过程，以期从实证研究的角度对学界和业界提供一些参考。

二、文献综述

（一）社交媒体上的技术话语建构与多元行动者

社交媒体是基于用户关系的内容生产与交换平台，给予了不同行动者表达自我观点和参与公共讨论的机会[10]。每类行动者都可能成为讨论的中心和重要节点，对公众认知的形成、演化发挥重要的导向作用。通过调查社交媒体上关于新技术的讨论，研究者可以全面了解多元行动者关于技术的认知和立场、各方侧重的议题及互动关系，探讨新技术可能的社会影响以及潜在风险。

许多学者基于社交媒体讨论研究公众围绕新技术（例如基因编辑、人工智能）的认知、框架与情绪[11][12]。部分研究聚焦社交媒体技术讨论中的多元行动者的话语和议程建构，分析各用户群体的立场、讨论框架和技术想象，以及他们在公共讨论中发挥的作用。其中，媒体、政府部门、科技公司、科学家与科技行业工作者和普通用户这五类行动者最受关注。一方面，由于不同的背景、身份和立场，各类行动者关于技术的讨论在议题、讨论方式等层面存在差异[13]；另一方面，各类行动者在公共讨论中担任不同角色，例如政府部门主要担任决策者角色，而媒体是科学家和普通公众之间的调解者，以塑造公众对科学技术的看法[14]。

目前，国内已有一些研究考察了公众如何在社交媒体上讨论ChatGPT并主要从主题和情感倾向两个层面展开分析。在主题上，大部分研究使用Python爬虫对社交媒体内容进行爬取，并利用LDA模型（Latent Dirichlet Allocation，隐含狄利克雷分布，可以集中每篇文档的主题按照概率分布的形式给出，是自然语言处理领域最重要的技术之一）对样本建立主题或框架认知。多数研究都提及了“技术介绍”“产业生态与投资市场”“应用”“社会影响”四类主题[15][16]。在情感上，不同社交媒体上的行动者表现出不同的情感倾向。微信公众号的行动者对ChatGPT主要持有乐观的情感倾向，而微博上则以负面情绪为主[17]。然而，上述研究对参与讨论的行动者少有关注。虽然高鑫鹏和李娜对行动者身份进行了区分，但其仅探讨了不同行动者的叙事话语与框架差异，并没有对讨论过程中议程流动和传播互动实践进行考察。在人工智能技术应用越来越多的当下，有必要了解并描绘公众在初步接触人工智能技术时，对其关注的侧重点和多元行动者之间讨论议程的互动和演变。

（二）属性议程设置

早期的议程设置研究主要聚焦于不同新闻媒体报道议程的相互影响，伴随着社交媒体的兴起，议程设置的研究对象扩展至新闻媒体和社交媒体间的议程影响。部分学者认为社交媒体受众可以通过评论和分享新闻积极塑造新闻议程[18]，也有研究结果指出传统新闻媒体仍是主要议程设置者[19]。其他研究认为新闻媒体和社交媒体间属性议程设置是双向互惠的关系，随着时间的推移和问题类型的改变，议程设置方向会出现显著差异[20]。

社交媒体账户的不同类型及其之间的相互关系也是近年来议程设置研究的侧重点。与传统媒体单向传播不同，社交媒体上的信息传播包括一对多、多对多两种传播面向，为多元行动者参与传播过程提供了可能。普通用户在一定程度上掌握议程设置的主动权，甚至可能取代传统大众媒体成为数字时代受众的议程设定者[21]。鉴于社交媒体在塑造公众观念、形成社会态度和影响政策制定方面发挥着越来越重要的作用，研究社交媒体上不同行动者之间的议程互动有助于了解谁在社交媒体上拥有话语权，以及这种话语权如何影响其他行动者对事物的观点和兴趣。

从新浪微博相关研究文献梳理中发现，媒体、影响者（经过身份验证，并有大量微博用户关注）、政务和普通用户通常是属性议程设置研究中的重要行动者。Wang发现相较于媒体行动者，意见领袖是微博平台的主要议程设置者[22]。王晗啸和于德山则发现政务微博在微博舆情热点事件讨论中也具备一定的议题影响力。政务微博是政府部门及党政群团组织等以机关名义设立的微博账户。经过近十年的发展，政务微博数量逐渐增加，其功能也从单一的信息发布转变为倾听社情民意、促进政民互动等，和其他行动者一同成为微博社区讨论的重要参与者，拥有一定的讨论影响力[23]。

由于技术议题的特殊性，科学家这一行动者往往会被特别关注。目前的研究大多遵循更广泛的科学家定义，包括那些致力于生产科学知识的人以及其他与科学相关工作的人[24]。考虑到专家行动者需要兼有与科学相关的背景和社交媒体影响力，本研究将科学、技术相关领域的专业认证博主和不同领域的教授、学者，并且粉丝数量超过1万的行动者定义为“专业博主”，探讨具有一定影响力的相关专家在科学传播领域发挥的作用。最终，我们将参与ChatGPT在线讨论的参与者分为四类：媒体、政府部门、专业博主和普通用户。

据此，本研究以新浪微博上关于ChatGPT的微博文本为研究对象，依据账号的认证信息和类型，将账号分为媒体、政府部门、专业博主和普通用户等四种行动者主体，进而对微博涉及的议题展开分析，并就不同议题之下不同行动者之间的议程影响关系进行探究。本文提出以下研究问题：

RQ1：微博上关于ChatGPT的讨论，主要围绕哪些议题？议题在不同行动者之间是否有差异或侧重？

RQ2：谁在主导议题？不同议题下行动者之间的议程设置关系如何？

RQ3：在围绕ChatGPT等人工智能的讨论中有哪些较为突出的具体议题？呈现出什么样的话语特点？

三、研究方法

（一）数据收集和处理

利用新浪微博搜索API（Application Programming Interface，应用程序编程接口），以ChatGPT、ChatGPT4、GPT4等（包括所有大小写组合）作为检索关键词，共搜集到75896条（已去重）微博，时间范围为2022年12月1日至2023年4月13日。为了排除无关博文，又利用上述关键词进行了二次筛选和过滤，过滤后条数为75588。其中含有话题标签（Hashtag）共641个，人工审阅后剔除标签含义不明和无关的标签后剩余636个。

（二）账号和议题分类

社交媒体的标签与人们希望加入的讨论主题相互关联，因此本研究借鉴Hellsten和Leydesdorff[25]所使用的方法，将微博博文中的话题标签作为该博文主题（Topic）。与ChatGPT相关的讨论主题共636个，获取含有上述标签的博文27928条。参考已有研究对人工智能相关讨论的主题分类，并结合博文标签信息和讨论主题下具体博文的内容，最终确定了“科普”“产业”“应用”和“影响”这4个主题（见表1）。

表1 微博用户讨论的与ChatGPT相关的主题

（三）格兰杰因果检验

格兰杰因果检验是格兰杰于1969年提出的一种时间序列分析的统计假设检验，用于检验一个时间序列是否能预测另一个时间序列。如果一个时间序列可以预测另一个时间序列，那么第一个时间序列就被认为是第二个时间序列的因变量[26]。近年来，该方法常常被应用于传播学议程设置研究，用于探究某一特定事件下不同媒体间的议程关系[27]。需要注意的是，格兰杰因果检验的是事件在时间序列上发生的先后，只是“格兰杰因果”而非真实的因果关系。

同时，在做格兰杰因果检验之前需要对以上数据构建的时序数据进行平稳性检验，使用ADF（Augmented Dickey-Fuller test）[28]和KPSS（Kwiatkowski–Phillips–Schmidt–Shin test）[29]进行双重平稳性检验（stationary test）。因原始数据无法通过ADF和KPSS双重检验，故将原始数据进行差分或转换处理后重新检验。结果显示一阶差分后所有时序数据均通过平稳性检验，其中KPSS检验的p值均大于0.1，ADF的p值均小于0.05。

四、研究结果

与ChatGPT相关的博文数量，2023年2月7日之前讨论量一直较少，2月7日单日博文数量达到峰值4166条，后续讨论量随时间迅速衰减，直至3月15日ChatGPT4发布引发又一轮讨论高潮。新闻媒体、政府部门、专业博主和普通用户各自讨论的时间分布，与整体趋势基本一致。

各类别账号对ChatGPT的讨论，先由普通民众发起，媒体和专业博主紧随其后，政府部门则反应较为迟钝，直至2023年1月底才加入讨论。在参与行动者数量上，普通用户是参与讨论的主体（n=11789，82.4%），媒体次之（n=1294，9.0%）。虽然媒体在2023年2月12日之后对ChatGPT的关注度有所下降，但后续每周仍维持着较为稳定的博文数量，表现出对人工智能领域的持续关注。

公众对ChatGPT的讨论表现出较为明显的话题驱动特征。当ChatGPT相关事件被媒体报道时，公众讨论便会随之增加。推动公众讨论的事件可分为三类：第一类是ChatGPT等生成式人工智能的技术进步和突破，例如OpenAI公司推出大型多模态模型GPT-4，使得生成式人工智能实现了图像识别方面的技术突破。在此类事件中，“打造中国OpenAI”等国内生成式人工智能研发事件能够引起微博用户更高的讨论热度；第二类是ChatGPT股市出现新动向，比如ChatGPT导致股市资金回流，或ChatGPT概念股熄火；第三类是与ChatGPT应用相关的事件，例如调查显示美国89%的大学生都是用ChatGPT做作业，以及微博大V“小橙评测”发布了ChatGPT使用视频，讨论ChatGPT的功能和体验。

（一）讨论主题分析

为了回答研究问题1，采用主题内容分析的方法，研究微博各用户群体围绕ChatGPT讨论的话题，主要分为“科普”“产业”“应用”和“影响”四个主题（见表2）。

表2 不同主题下各用户群体讨论分布

第一个主题为“科普”（n=1762，6.3%），主要讨论ChatGPT是什么、能够完成什么和如何登录使用等科普性问题。科普话题的讨论集中于2023年2月上旬，即国内网民接触ChatGPT概念的初期。相较于其他讨论主题，政府部门对参与技术科普的讨论更为活跃，其讨论量占政府部门总讨论量的32.7%。而普通用户对科普内容兴趣不大，仅占普通用户总讨论量的2.7%。

第二个主题为“产业”（n=8964，32.1%），主要讨论ChatGPT等生成式人工智能及其相关产业的发展和未来趋势。人们特别关注百度、腾讯、阿里巴巴等国内互联网大厂在生成式人工智能方面的布局，以及ChatGPT和智能汽车、电脑等产业的跨界发展。ChatGPT相关概念股的涨势和未来行业预期也是公众讨论的重要话题，很多财经类微博账号会定期和其他用户同步投资市场的最新动态。媒体微博（3438/9740，35.3%）和专业博主（511/1452，35.2%）都更倾向于参与和ChatGPT产业发展相关的讨论。

第三个主题“应用”（n=4079，14.6%），主要讨论ChatGPT的一般用途和功能，以及用户的使用体验。具体而言，公众对ChatGPT在日常学习和学术上的应用最感兴趣。许多用户对ChatGPT的使用体验给予了认可，因为ChatGPT的表现超乎他们对于人工智能的预期。但由于ChatGPT在国内的应用存在壁垒，所以关于ChatGPT使用体验的讨论相对较少。

第四个主题是“影响”（n=13123，47.0%），主要讨论对社会的影响，包括对具体行业或职业的影响、对人们日常生活的影响以及可能引起的伦理问题。“影响”是微博上最早被提及的主题，早在ChatGPT还未完全在国内普及的时候人们便开始讨论ChatGPT对搜索引擎可能产生的影响。普通用户对ChatGPT对社会影响的讨论最为热衷（7712/15082，51.1%）。需要注意的是，微博用户对生成式人工智能可能涉及的伦理问题讨论十分热烈，例如版权问题、信息安全、虚假信息传播、对学术规范体系造成的影响以及人类面临被人工智能取代的威胁。

从时间来看，虽然微博各行动者对与“应用”相关的讨论开始最早，但关于“影响”主题的讨论时间跨度最长。ChatGPT的发布刺激了相关产业的不断发展，所以微博各用户对于人工智能产业和相关领域产业趋势的关注也较为持续。从数量上来看，微博上关于“影响”和“产业”的讨论较为热烈，“应用”和“科普”则相对较少，但四个主题的讨论峰值都较为一致，集中在2023年2月7日-10日。

综上所述，微博用户关于“科普”“产业”“应用”和“影响”主题的讨论在时间上相对集中，且不同用户群体的主题偏好存在差异。在上述四个主题中，“影响”主题是各类用户群体共同关注的重点。此外，媒体、专业博主和普通用户更倾向于参与与产业发展相关的讨论，政府部门则更偏好“科普”主题的讨论。

（二）议程设置结果

为了评估媒体、政府部门、专业博主和普通用户四者之间的议程设置过程，采用了格兰杰因果检验的方法。数据已通过时间序列平稳性检验（见表3）。

表3 格兰杰因果检验结果

表3是不同主体和议题下，对媒体、政府部门、专业博主和普通用户的时序的格兰杰因果检验结果。格兰杰因果检验结果显示，仅在“影响”和“产业”议题下，媒体和普通用户分别对其他行动者均具有设置能力。在“应用”主题的相关讨论中，专业博主展现出较强的影响力，引导了媒体、政府部门和普通用户关于ChatGPT应用的讨论。这可能是由于ChatGPT对国内用户存在较高的使用门槛，而专业博主具有相关的背景或技术条件，相较于其他行动者拥有更多使用ChatGPT的知识和机会。但专业博主并没有在所有主题下都表现出如此的设置能力，在“科普”和“产业”主题下，专业博主的讨论被媒体和政府部门所影响。普通用户也非完全被动地接受专业博主在“应用”主题下的议程设置，其在讨论中对专业博主存在反向议程设置效果。

值得注意的是，检验结果更多地表现了四类行动者在科学传播领域中议程的相互交织。政府部门、专业博主和普通用户对ChatGPT的社会影响的讨论均与媒体的议程呈现出显著双向关系，普通用户与媒体、政府部门两类行动者在“产业”主题下发生了议程的相互设置。其中，专业博主和普通用户之间的双向关系最为显著，两者在所有讨论主题下都存在议程的双向流动。由此可以看出，专业博主和普通用户的联系较为紧密。

（三）话语分析

正如前文所述，生成式人工智能对社会的影响是公众最关注的议题。有网民从技术优势的角度认为ChatGPT是“好助手”，人工智能能够辅助人类完成资料收集、数据分析等工作，提高生产效率，从而让人类集中于决策、思考等工作。而另一些人对ChatGPT的态度并不乐观。部分持有“技术不是万能的”观点，认为人类有很多人工智能无法取代的能力；还有一部分出于对人工智能的恐惧，担心其会让人类逐渐放弃自主思考的能力，甚至会取代人类，使底层脑力劳动者陷入失业的境地。对于这些议题，专业博主和普通用户通常表现出明确的积极或消极立场，会使用“爱死ChatGPT”“太喜欢了”“好可怕”“人类完了”等富有情绪色彩的话语鲜明直接地展现自己的态度，更多是抒发个人的情绪和感受。而媒体和政府部门的讨论则较为克制，很少对“是否应该禁止使用ChatGPT”“人工智能是否会取代人类”等问题给出直接的回答。为了维持其内容的中立性和专业性，大部分媒体还会援引人工智能领域专家和学者的观点，尽可能从正反两个方面客观地论述人工智能对社会的影响。

在具体议题的选择上，媒体和政府部门倾向于讨论与现实联系较为紧密的问题，例如ChatGPT可能对哪些行业或职业产生影响、ChatGPT会如何助力智能汽车的发展等。而专业博主和普通用户则会更大胆地讨论距离当下生活较远、更深层的议题，其中便涌现了一些较为独特有趣的具体议题。本文选择了比较具有代表性的“AI自我意识”“未来人机关系”“数字生命”和“数字永生”问题作为特殊案例进行具体分析。

围绕上述议题，我们发现了专业博主和普通用户之间议程互惠的具体表现。因为专业博主具备相关领域的知识和技能，所以他们往往能更敏锐地挖掘技术与伦理问题，引导公众的讨论。例如专业博主周鸿祎认为，个人长期的生活信息数据可以作为大数据模型机器人的训练语料库，个体的说话方式与个性特征得以保存和模拟。再结合逼真的虚拟形象，就能实现这个人的数字永生[30]。部分专业博主还引入“碳基生命与硅基生命”的概念说明生物体和智能体之间的关系，认为“硅基生命（AI）似乎不能自我演化，它需要生物（人类）作为前导才能进化，人类只是硅基生命的开启程序……人工智能和人类灵魂的结合才是完美和永恒的，然后就可以永生”[31]。这些阐述都引起了大量的转发与讨论，甚至出现了名为“#周鸿祎称ChatGPT使数字永生成为可能#”的热搜。专业博主用通俗易懂的表述让普通用户对人工智能和人类之间的差异、人类通过人工智能实现数字永生的技术逻辑和机制有了基本的认知，促进了公众关于“数字永生”话题的探讨。

虽然技术讨论存在专业门槛，但专业博主并没有绝对的议程设置能力。普通用户的讨论也会引起专业博主对部分问题进行更深度的思考与论证，有时还能启发他们获得更加新颖的思考角度和议题。关于ChatGPT是否有自我意识的讨论就来源于普通用户的真实使用体验。在ChatGPT进入国内用户的视野初期，许多普通用户都在使用过程中发现其智能化、人性化的表现，纷纷感叹“感觉ChatGPT有自己的想法”“我能感觉到ChatGPT的情绪”，一时引发了大量用户去测试并分享自己的使用体验。此类讨论也引起了专业博主的关注，某位专业博主便带领团队对ChatGPT的情绪调节功能进行实验，发现AI在不同情绪条件下会表现出类似人类的行为调整，并认为AI的复制、变异和自我意识选择压力使得AI大概率会在未来进化出表现自我意识的特征[32]。之后，公众对于该实验的结论又进行了热烈的讨论。据此可以发现“AI自我意识”议题的流动过程：普通用户基于自身的使用体验提出AI是否有情绪和意识的疑问，专业博主使用专业的知识、方法和程序加以验证和阐释，最后推动议程走向更广泛、更深度的讨论。

多元行动者的密切联系不仅体现在议程互惠层面，还体现在话语的紧密交织上。许多用户会将其他行动者的文本内容或观点直接复制，作为自身话语生产的前提和背景。例如，部分政府部门微博账号常常全文复制或直接转载主流新闻媒体的观点，形成高度同质化的讨论语境以达到更好的传播效果。普通用户也常在表达自己的观点时直接援引他人的论点，例如一名专业博主在讨论中提起“AI太容易形成讨好人类自证正确的信息茧房”，之后便有许多普通用户将“信息茧房”这一观点直接放入自己的表述之中，完成对他人话语的吸收。还有的用户会使用“概述”的策略，采用删除和省略、归纳、重新构建的方法对前话语进行改写。例如某专业博主指出“人类只是产生高级智慧的引子”，有的普通用户便会追随专业博主的意思，将其改写为“人类只是硅基生命的开启程序”“人类就是个门童”，用“开启程序”“门童”等概念吸纳专业博主的观点。

整体而言，通过分析公众对具体议题的讨论，我们可以发现不同行动者之间议程与话语的流动与交织。遗憾的是，微博各行动者并未形成实质上的有效沟通。尽管不同行动者会对同一议题进行持续讨论，也能在部分行动者间达成观点的共识，但更多用户还是在贩卖自我观点，缺乏有效的理性探讨，没有形成一问一答螺旋式上升的动态沟通语境。不同观点的网民各执一词，互不相让，甚至会因为观点不同而相互指责谩骂。因此，即使议程是流动的，由于话语的阻滞，微博平台用户也很难在动态沟通过程中建构出相对深度的ChatGPT技术认知语境，不利于与人工智能相关的公共传播健康发展。

五、结语

本研究以微博平台上关于ChatGPT的微博文本为研究对象，同时对涉及的账号类型依据认证信息对行动者分为四类：媒体、政府部门、专业博主和普通用户。研究发现，微博中关于ChatGPT的讨论可以分为“科普”“产业”“应用”和“影响”四类主题，其中与“影响”相关的议题占比最大（47%）。在议程设置中，各行动者之间的议程和话语博弈更多地呈现出相互交织的关系，很难说明哪类行动者能够在社交媒体平台上完全引领ChatGPT讨论的整体趋势和议题。媒体和普通用户仅在“产业发展”和“ChatGPT对社会的影响”这两个议题下相对其他行动者展现出话语优势。其中，专业博主和普通用户之间的议程双向交织最为紧密，在所有主题下都呈现出高度一致性。

本研究发现，关于新技术的讨论不仅是媒体向公众进行科学知识普及的单向沟通，社交媒体平台使各行动者间大规模交流互动成为可能，让技术讨论转向一个涉及多元行动者参与的集体过程[33]，日益面向更加平等、开放多元和参与性的交流[34]。这种双向互惠关系在专业博主与普通用户之间体现得尤为深刻。在讨论中，专业博主在为普通用户提供信息和资源，帮助他们形成理性的看法方面有不可忽视的作用[35]。普通用户的诉求与疑惑同样会激发专业博主对部分问题进行更深入的反思，甚至能成为专业博主的灵感来源，寻得更加新颖的思考角度。然而，通过对具体讨论话语的分析发现，目前微博用户的讨论呈现出简单化、碎片化、情绪化的话语特点，虽在文本话语上存在相互交织的互文性，但多是自说自话各执一词，并未形成有来有回的动态语境。

本研究的贡献在于为ChatGPT等生成式人工智能公共传播研究提供了实证案例，补充了社交媒体公共话语视角，并以多重参与者为切口描绘了社交媒体多元行动者关于ChatGPT的技术认知图景。研究结果展现了各用户群体对新科学技术的议题偏好，探讨了社会对于新技术的认知模式，还聚焦于主体间复杂、多维的互动，通过时序分析刻画了公共讨论随时间产生的动态演变及其背后的话语交织与博弈，为深入挖掘围绕ChatGPT这一新技术的研究议题与方向提供角度和思路，也为理解多元行动者动态、互联的话语生产实践与传播逻辑提供参考和补充。

本文也存在一定的局限性。第一，议题分类不够精细。这四个议题都较为宏观，其下还有许多值得细分的议题未能顾及。而且微博博文所讨论的议题未必与标签呈现的话题完全一致，因此可能出现主题分类误判的情况。第二，本文开展的是不同议题之下微博不同的行动者之间的议程设置研究，还停留在第一二层次议程设置的讨论，文中结论还有待在第三层次的议程设置中进行检验。第三，ChatGPT在国内方兴未艾，随着生成式人工智能技术的不断发展迭代，社交媒体用户对其的讨论也绝不会止步于此。本研究只覆盖了生成式人工智能发展初期人们展开的讨论，未来还需要持续跟进社交媒体用户的讨论，以能深入理解复杂、丰富、动态的技术话语建构。

【本文为国家社科基金项目“社交媒体平台价值观的表征谱系与建构路径研究”（批准号：22BXW045）成果】

注 释：

①来自UBS Editorial Team: Let's chat about ChatGPT。检索于http://www.ubs.com/global/en/wealth-management/our-approach/marketnews/article.1585717.html。

参考文献：

[1]文巧.ChatGPT掀起全球AI人才争夺战：科技大厂紧急招聘，有企业10万月薪抢人；谷歌微软开出近30万美元年薪.(2023-02-26 ).http://www.nbd.com.cn/articles/2685141.html.

[2]周宏春.ChatGPT如何影响社会生产生活？[N].中国社会科学报，2023-03-06.

[3]朱光辉，王喜文. ChatGPT的运行模式、关键技术及未来图景[J]. 新疆师范大学学报(哲学社会科学版)，2023,44(4):113-122.

[4]邓建国.“延伸的心灵”和“对话的撒播”：论作为书写的ChatGPT[J]. 新闻大学，2023(04):25-37+120.

[5]刘海龙，连晓东. 新常人统治的来临：ChatGPT与传播研究[J]. 新闻记者，2023(06):11-20.

[6]黄旦.作为人类文明进程动因的媒介：从ChatGPT说开去[J]. 新闻记者，2023(06):3-10.

[7]邓建鹏，朱怿成. ChatGPT模型的法律风险及应对之策[J]. 新疆师范大学学报(哲学社会科学版)，2023,44(5):91-101+2.

[8]周洪宇，李宇阳.ChatGPT对教育生态的冲击及应对策略[J]. 新疆师范大学学报(哲学社会科学版)，2023,44(4):102-112.

[9]新浪微博2022年财年及第四季度未经审计财报.(2023-03-01).http://ir.weibo.com/static-files/7cd0056b-7e28-486b-86a4-42ea4b3918cb.

[10] Dahlgren P. The Internet, Public Spheres, and Political Communication: Dispersion and Deliberation[J]. Political Communication, 2005, 22(2):147-162.

[11][35] Chen A, Zhang X. Changing Social Representations and Agenda Interactions of Gene Editing After Crises: A Network Agenda-Setting Study on Chinese Social Media[J]. Social Science Computer Review, 2022, 40(5):1133-1152.

[12]高鑫鹏，李娜. 社会技术想象视域下ChatGPT的“媒介神话叙事”：基于微信公众平台的计算机辅助内容分析[J]. 新闻记者，2023(10): 28-44.

[13] Mao Y, Shi-Kupfer K. Online public discourse on artificial intelligence and ethics in China: context, content, and implications[J]. AI & Society, 2023, 38(1):373-389.

[14] Leydesdorff L, Hellsten I. Metaphors and Diaphors in Science Communication: Mapping the Case of Stem Cell Research[J]. Science Communication, 2005, 27(1):64-99.

[15]代一方. 基于微博数据的人工智能网络舆情分析：以ChatGPT话题为例[J]. 传播与版权，2023(21):93-95.

[16]张洪忠，王彦博，赵秀丽.热点生产:ChatGPT“破圈”的网络扩散研究[J]. 现代出版，2023(02):5-20.

[17]孟伦，杨博文. 公众对ChatGPT关注的舆论焦点与情绪研究[J]. 传媒，2023(22):87-90.

[18] Goode L. Social news, citizen journalism and democracy[J]. New Media & Society, 2009, 11(8):1287-1305.

[19] Vargo C J, Guo L, McCombs M, et al. Network Issue Agendas on Twitter During the 2012 U.S. Presidential Election[J]. Journal of Communication, 2014, 64(2):296-316.

[20] Wang W, Guo L. Framing genetically modified mosquitoes in the online news and Twitter: Intermedia frame setting in the issue-attention cycle[J]. Public Understanding of Science, 2018,27(8):937-951.

[21] Grzywinska I, Borden J. The impact of social media on traditional media agenda setting theory: The case study of Occupy Wall Street movement in USA[J]. Agenda setting: old and new problems in old and new media, Wroclaw, 2012.

[22] Wang Q. A comparative case study: Network agenda setting in crisis and non-crisis news[J]. Global Media and China, 2016,1(3): 208-233.

[23]王晗啸，于德山.微博平台媒介间议程设置研究：基于2018年舆情热点事件分析[J]. 新闻大学，2020(06):82-96+125.

[24] Liang J, Liu X, Zhang W. Scientists vs laypeople: How genetically modified food is discussed on a Chinese Q&A website[J]. Public Understanding of Science, 2019,28(8):991-1004.

[25] Hellsten I, Leydesdorff L. Automated analysis of actor–topic networks on twitter: New approaches to the analysis of socio-semantic networks[J]. Journal of the Association for Information Science and Technology, 2020,71(1):3-15.

[26] Granger C W. Investigating causal relations by econometric models and cross-spectral methods[J]. Econometrica: journal of the Econometric Society,1969:424-438.

[27] Vargo C J, Guo L, Amazeen M A. The agenda-setting power of fake news: A big data analysis of the online media landscape from 2014 to 2016[J]. New Media & Society, 2018,20(5):2028-2049.

[28] MacKinnon J G. Approximate asymptotic distribution functions for unit-root and cointegration tests[J]. Journal of Business & Economic Statistics,1994,12(2):167-176.

[29] Kwiatkowski D, Phillips P C, Schmidt P, et al. Testing the null hypothesis of stationarity against the alternative of a unit root: How sure are we that economic time series have a unit root?[J]. Journal of econometrics,1992,54(1-3):159-178.

[30]周鸿祎称ChatGPT使数字永生成为可能.(2023-02-09).http://weibo.com/5994003317/Mseji6NwQ?refer_flag=1001030103.

[31] ChatGPT——硅基生命开启.(2023-02-22).http://weibo.com/5770151273/Mu6gWaVF0?refer_flag=1001030103_.

[32] AI大概率会很快发展出自我意识.(2023-05-13).http://weibo.com/1787094780/N0rgaAv6T#comment.

[33] Latour B. Reassembling the Social: An Introduction to Actor-Network-Theory[M]. OUP Oxford,2007.

[34] Boynton G, Richardson G W. Agenda setting in the twenty-first century[J]. New Media & Society,2016,18(9):1916-1934.

本文引用格式参考：

罗羽荻，刘志远，孙少晶.多元行动者话语博弈中的ChatGPT——基于微博数据的实证分析[J].青年记者，2025(01):61-68.

来源：大众日报