🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
如今用人工智能就能轻松生成以假乱真的照片，这类假图正越来越多地出现在社交媒体上，被用来给各种谣言“作证”。你可能刷到过这样的画面：荷兰的弗里斯兰群岛整片泡在海水里，或者一群难民在城市公园里搭满帐篷。这些事从没发生过，看上去却像新闻照片一样真。
麻烦在于，照片天生带着“这是真的”的光环。一段文字谣言我们还会怀疑一下，一张逼真的照片却会让人下意识觉得“有图有真相”。传播学者把这叫做“真实感捷思”：大脑一看到照片，就默认它记录了现实。更让人头疼的是，X 平台自带的 Grok、谷歌的 Gemini 等工具让人人都能随手造图，假图的花样越来越多，光靠一张张辟谣已经跟不上了。
平台手里主要有三种“贴标签”的办法：一是标上“由 AI 制作”（类似水印，欧盟《人工智能法》要求平台标注 AI 生成内容）；二是请专业事实核查员标出“有误导”；三是让普通用户写“社区笔记”补充背景，这是 X 上的做法。2025 年 1 月，Meta 宣布在美国停止事实核查、全面改用社区笔记，“到底谁来贴标签更管用”一下子成了现实问题。可过去的研究大多针对文字谣言，而且常常只用单张图、单个话题做实验，把三种标签放在一起、专门比较它们对 AI 假图效果的研究还很少。
② 研究问题（要回答什么？）
这项研究想弄清楚，给人工智能生成的假图贴上纠错标签，能不能让人少信一点，以及由谁来贴最管用。作者关心两个结果：一是人们觉得这张图本身有多可信；二是人们多大程度上相信图里讲的那件假事。具体问题如下：
- H1：只要贴了标签（不管是谁贴的），是不是都比不贴更能降低图的可信度和人们对假事的相信？
- H2：事实核查员贴的标签，是不是比“由 AI 制作”的标签更有效？
- RQ1、RQ2：社区笔记和另外两种标签相比，谁强谁弱？
- H4 到 H6：越相信“机器很客观”的人，AI 标签对他越管用吗？越信任事实核查的人，核查标签对他越管用吗？越相信“大家都说对就是对”的人，社区笔记对他越管用吗？
- RQ3、RQ4：假图讲的是气候变化还是移民，结果会不会不一样？人们原本对这个话题的态度，会不会改变标签的效果？
有意思的是，作者特意让两个话题的“政治方向”相反：气候假图讲的是偏左的叙事（夸大气候变化的后果），移民假图讲的是偏右的叙事（渲染移民带来的问题）。这样就能看看，标签对左右两边的谣言是不是一样管用。
③ 研究方法（怎么做的？）
作者在荷兰做了一个事先登记方案的线上实验（预注册：先把要检验什么、怎么分析公开写好，防止事后“挑结果”）。调查公司 Dynata 按荷兰人口结构招募了 1018 名成年人，实验在 2025 年 4 月 7 日到 28 日之间完成。
第一步：造假图。研究者用 X 平台自带的 AI 画图工具 Grok 先生成了 30 张假图，再请 100 名荷兰网友打分：看起来多可信、故事多合理、多容易看出是 AI 画的。一眼就穿帮的、和逼真到谁都会信的都被剔掉，免得结果“触底”或“到顶”。最后留下 10 张图：5 张讲气候变化的夸张后果（比如弗里斯兰群岛被海水淹没），5 张讲关于移民的误导性故事（比如难民在公共公园里搭帐篷）。
第二步：贴标签。每张图都放进一条仿真的社交媒体帖子里，再配上四种处理之一：
抬头用的是 Meta 真实使用的“Made with AI”（由 AI 制作）。
写明是事实核查员作出的判定。
抬头用的是 X 上真实的“Readers added context”（读者补充了背景）。
什么标签都不贴。
为了公平，三种标签除了“是谁说的”以外一字不差，都写着：“某某已判定这张照片是用人工智能生成的。帖子中的说法具有误导性。”这样一来，效果上的差别就只能归到标签的来源上。10 张图乘以 4 种处理，一共 40 个版本，每个人随机只看其中一个，这叫“被试间设计”。
第三步：测反应。参与者先回答背景问题和几道“干扰题”（防止猜到实验目的），然后至少看帖子 12 秒，再用 1 到 7 分打分：这张图准确吗、真实吗、可信吗；以及“据你所知，这件事真的发生过吗”。实验前还测了他们对 AI 的看法、对事实核查员的信任、“随大流”的心理，以及对移民和气候变化的态度。结束时，研究者会告诉每个人这些图都是 AI 做的，并教大家怎么识别假图。
人数也是事先算好的：模拟计算显示每组要 235 人、共 940 人，才有九成把握发现标签的主效应；考虑到还要分话题比较，作者多招了一些，最终是一千零一十八人。
④ 结果（发现了什么？）
总体来看，三种标签都没能让人明显少信这些人工智能假图，只有在移民话题上，社区笔记显出了效果。先看全部 1018 人：按“觉得这张图有多可信”（1 到 7 分）来算，不贴标签的对照组平均 3.72 分，AI 标签组 3.50 分，事实核查组 3.46 分，社区笔记组 3.33 分。方向是对的，贴了标签的组分数都更低，社区笔记最低；但差距太小，统计检验的 p 值是 0.069，没跨过 0.05 这条“显著”门槛。“相信那件假事”的程度也一样：对照组 3.07 分，三个标签组分别是 2.84、2.76、2.69 分，p 值 0.14，同样不显著。所以 H1、H2 都被否定，三种标签之间也分不出高下。
只看看到气候假图的 502 人，结果和总体一样，哪种标签都没有显著效果。倒是另一个现象很清楚：越担心气候变化的人，越觉得这些夸大气候后果的假图可信（p = 0.003），而且不管贴没贴标签都这样。
只看看到移民假图的 516 人，情况就不同了。对照组“相信那件假事”的程度是 3.31 分，社区笔记组降到 2.56 分，差异显著（p = 0.02），效果大小属于“小到中等”。社区笔记组给图片的可信度打分也更低（3.21 对 3.75），但只是“接近显著”（p = 0.057）。
在移民假图上，反移民态度越强的人，社区笔记让他们降低对假图信任的幅度越大（p = 0.011）；同时，越不信任事实核查员的人，社区笔记对他们越有效（p = 0.015）。
还有一个值得留意的细节：那些相信“很多人都信的事多半是真的”的人（“随大流”心理强），AI 标签和事实核查标签对他们的效果会打折扣；社区笔记的效果虽然没有因此变强，但至少没有变弱，作者据此认为 H6 得到部分支持。在移民假图上，随大流心理越强的人，社区笔记和事实核查标签降低其“相信假事”的效果也越弱。
作者还做了一些没有事先登记的探索分析，只能当线索看：换一种更宽松的统计方法后，全体样本中社区笔记能显著降低可信度和相信程度；气候话题上，事实核查标签能降低假图的可信度；移民话题上，社区笔记再次两项都有效，AI 标签也能降低人们对假事的相信。
⑤ 讨论（这些发现说明什么？）
为什么贴了标签，人们还是差不多照样信？作者给出了几种解释。
照片被当成现实的直接记录，一个小小的标签很难打破这种默认的信任。而且实验里的假事在帖子文字和图片里各说了一遍，读起来更顺，也就更容易被当真。
实验里的标签只有短短两句话。以往研究发现，人们读完整篇核查文章才会有明显的纠正效果，一句“有误导”可能力度不够。
检查显示参与者都记得自己看到的是哪种标签，说明他们看得很仔细，可能比平时刷手机认真得多。于是三种标签都被“同样认真”地对待，差别也就显不出来了。
荷兰确实发生过森林火灾，一些骚乱里也确实有移民参与。半真半假的内容，可供纠正的“硬伤”更少。再加上作者用了 10 张不同的图，结果的“噪音”更大，效果更难测出来，但换来的是结论更贴近真实世界。
那为什么偏偏在移民话题上，社区笔记管用？移民问题牵动的是身份认同和“我们与他们”的群体情绪，和气候问题的心理机制很不一样。反移民态度越强的人，本来就越容易相信这类假图，所以可纠正的空间也更大；态度温和的人本来就不太信，标签能起的作用自然有限。更关键的是，社区笔记来自“和你一样的普通用户”，不像专业机构那样容易让人觉得“又是精英媒体在说教”，对不信任事实核查员的人尤其如此。作者认为这符合“动机性推理”和“选择性接受纠正”的研究：人们并不会一视同仁地接受所有纠正，来源让不让自己反感，影响很大。
不过作者也提醒，社区笔记靠普通人参与，可能出错、有偏见，甚至本身被谣言带偏；现实中的社区笔记还常常要引用专业核查文章。所以它应该是事实核查的补充，而不是替代。另外还有两个可能的干扰：一是两个话题的画面本身就不同，气候假图多是风景，移民假图多有人物，人脸和情绪线索本身就可能影响判断；二是数据收集于 2025 年 4 月，正好在扎克伯格宣布 Meta 放弃事实核查、改用社区笔记之后，偏右的受访者可能因此更不信核查、更愿意接受社区笔记。
⑥ 结论（最终结论 + 启示）
这项研究的结论是，对付人工智能生成的假图没有一招鲜的办法，标签管不管用要看话题和贴标签的是谁。总体上，三种标签都只让人“少信了一点点”，统计上站不住；但在移民这种高度两极化的话题上，普通用户写的社区笔记确实让人更少相信假事，对反移民态度强、最容易上当的人尤其有效。
这给平台和政策制定者带来三点启示。具体如下：
- 水印不等于纠错：“由 AI 制作”的标签能告诉你图是怎么来的，却不一定能纠正人们的错误看法。讨论政策时不能只问“要不要贴”，还要问“贴了想达到什么效果”。
- 事实核查员仍不可替代：平台正在缩减与核查机构的合作，但恰恰在移民这类两极化话题上，一部分人最容易信假，最需要专业人士把关。
- 多管齐下：没有适用于所有情况的方案，干预方式要看话题，甚至要看具体的图片和说法。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
议题源流。生成式 AI（Grok、Gemini、Meta AI 等）大幅降低了合成图像的制作门槛，AI 驱动的视觉虚假信息在社交媒体上日益常见（Corsi 等 2024），2025 年荷兰大选期间亦有案例（Votta 与 Kruschinski 2025）。既有研究表明，此类内容会被视为真实信息（Shen 等 2021）、负面影响对政治人物的态度（Dan 2026）、削弱对视觉材料（Weikmann 与 Lecheler 2023）和社交媒体新闻的信任（Vaccari 与 Chadwick 2020），进而可能侵蚀数字环境中新闻业的公信力。然而与文本虚假信息的纠正研究（Walter 等 2020；Martel 与 Rand 2023）相比，如何降低 AI 视觉虚假信息的误导力仍缺乏证据。
制度背景。欧洲《强化版虚假信息行为准则》（2022）要求更可见的事实核查；欧盟《人工智能法》要求平台标注 AI 生成内容；X 广泛部署社区笔记；Meta 于 2025 年 1 月宣布在美国终止事实核查、全面转向社区笔记模式。由此，AI 生成的视觉虚假信息可由三类主体标注：AI 标签（水印）、独立事实核查员、用户社区笔记；而与此同时，事实核查机构与平台的正式合作正在弱化。
文献空白。（1）标签总体有效但效应温和（Clayton 等 2020），针对视觉内容、尤其是比较不同标签来源的证据稀缺，而公众对各干预主体的信任本就不同（Lee 2024）；（2）既有研究多为单议题（如 Jia 等 2022）、单刺激（如 Koch 等 2023）设计；（3）多数研究聚焦美国语境与右倾虚假信息（Walter 等 2020）。
本研究贡献。预注册、经预测试的调查嵌入实验（荷兰代表性样本 N = 1,018），以原创生成的 10 张 AI 图像覆盖两个意识形态方向相反的议题（左倾的气候变化叙事 vs 右倾的反移民叙事），比较 AI 标签、事实核查标签、社区笔记与无标签对照对图像可信度与虚假主张认同的影响，并检验来源态度与议题态度的调节作用；作者称这是少数明确比较左右两种意识形态框架虚假信息纠正效果、且在美国以外检验平台干预的研究之一。
I. Theoretical Framework & Hypotheses（理论框架与假设）
两个结果变量。（1）图像可信度：视觉模态触发「真实感捷思」（realism heuristic；Sundar 2008 的 MAIN 模型），越逼真越可信（Weikmann 等 2025a、2025b），有效标签应明示图像非真以降低其可信度；（2）虚假主张认同：配图会让虚假记忆更生动（Weikmann 与 Lecheler 2023），效果取决于叙事与语境（Lee 与 Hameleers 2025），有效干预应阻止人们在「视觉证据」加持下接受虚假主张。两者分别测量，但预期同时发生。
标签起效的两条机制。其一，改变即时加工，促使个体重新评估而非「默认为真」（Pennycook 等 2018）；其二，可信来源提升纠正信息本身的可靠性（Prike 与 Ecker 2023）。对视觉虚假信息而言，真实感捷思与图像的指示性（indexicality）使其更抗纠正，纠正须「击穿」视觉证据与虚假叙事之间看似直接的联系。作者推想：AI 标签通过触发怀疑起效；事实核查进一步解释误导之处并提供替代解读；社区笔记提供社会证明。实验中三类标签在措辞与设计上被刻意设为「原则上同等有效」，只改变来源。
| 编号 | 假设 / 研究问题 | 对应理论 |
|---|---|---|
| H1a / H1b | 任一标签来源（AI、事实核查、社区笔记）相较无干预，更能降低图像可信度（a）与虚假主张认同（b） | 警示标签有效性综述（Martel 与 Rand 2023）；打断「默认为真」 |
| H2a / H2b | 事实核查来源比 AI 来源更能降低可信度（a）与认同（b） | 过程型 AI 标签效力较弱（Wittenberg 等 2025）；事实核查对深度伪造有效（Dan 2026） |
| RQ1a / RQ1b | 图像可信度：AI vs 社区笔记；事实核查 vs 社区笔记 | 社区笔记证据有限（Jia 等 2022；Drolsbach 等 2024） |
| RQ2a / RQ2b | 虚假主张认同：同上两组比较 | 同上 |
| H4a / H4b | 「AI 捷思」（相信 AI 客观、中立、准确、公平）越强者，AI 来源越有效 | 机器捷思：机器「不带意识形态偏见」（Sundar 2008）；人机传播来源理论（Lee 2024） |
| H5a / H5b | 对事实核查信任越高者，事实核查来源越有效 | 来源可信度；不信任主流媒体者抵触核查（Primig 2024） |
| H6a / H6b | 从众捷思（群体智慧）越强者，社区笔记越有效 | 从众捷思（Banas 等 2022）；众包核查（Drolsbach 等 2024） |
| RQ3 | 议题（气候 vs 移民）是否影响两项结果 | 动机性推理（Taber 与 Lodge 2006）；亲态度纠正更有效的元分析（Walter 等 2020） |
| RQ4a / RQ4b | 上述效应是否受气候变化 / 移民既有态度调节 | 党派一致性调节标签效果（Jia 等 2022） |
注：原文假设编号由 H2 直接跳到 H4，没有 H3。议题层面作者未设先验预期，将双议题比较定位为稳健性检验与探索。
M. Materials & Methods（材料与方法）
- 识别策略：预注册（OSF：osf.io/r38ae）、经预测试的调查嵌入式随机实验，单因素四水平被试间设计：AI 标签 / 事实核查标签 / 社区笔记 / 无标签对照；刺激层面嵌套「2 议题 × 5 图像」，共 40 个刺激版本，分析时合并为四组，另按议题拆分子样本。与预注册的（原文称「极小的」）偏离在 Supplementary D 报告。伦理审批：阿姆斯特丹大学 FMG-13362。
- 刺激生成：用 X 提供的文生图工具 Grok 生成初始图库 30 张（流程见 Supplementary E）。
- 预测试：Prolific 非代表性荷兰样本
N = 100，评估图像可信度、虚假叙事合理性、可辨识为 AI 生成的程度；据此做 k-means 聚类，剔除过易识破或过于逼真的图，以规避地板 / 天花板效应（Supplementary A）。 - 最终刺激：10 张 AI 图像：5 张夸大人为气候变化后果（如弗里斯兰群岛被淹），5 张围绕移民政策的误导叙事（如难民在公共公园搭帐篷）；每张分别配四种条件，
5 × 4 + 5 × 4 = 40。气候叙事为左倾（夸大人为气候变化风险），移民叙事为右倾（反移民）。 - 标签设计：仿照 Instagram / Meta 现行干预，位置与措辞跨条件标准化；抬头直接取自平台：AI 标签 “Made with AI”（Meta），社区笔记 “Readers added context”（X）；正文统一为 “A [label source] has determined that this photo was created using artificial intelligence. The claim in this post is misleading. More information.”
- 流程：知情同意 → 人口学与前测变量 → 干扰题（降低启动效应）→ 观看刺激至少 12 秒 → 操纵检验一（帖子主题，通过）→ 因变量 → 操纵检验二（能否正确回忆标签或无标签，通过；Supplementary B）→ 事后说明（告知图像由 AI 生成并提供识别指南）。
- 测量（除另注外均为 7 点 Likert，1 = 非常不同意，7 = 非常同意）：
| 变量 | 题项 | M | SD | Cronbach α |
|---|---|---|---|---|
| AI 捷思（Lee 等 2022） | 4 题：AI 客观、中立、准确、公平 | 3.99 | 1.34 | .83 |
| 事实核查信任（Martel 与 Rand 2023；Tsfati 与 Cappella 2003） | 4 题，以 Nieuwscheckers、deCheckers、Knack 为例：公正、讲出全貌、值得信任等 | 4.03 | 1.10 | .79 |
| 从众捷思（Banas 等 2022） | 3 题，如「如果很多人相信某信息为真，它大概就是真的」 | 3.59 | 1.33 | .80 |
| 移民态度（Hameleers 等 2021） | 5 题，如难民威胁安全、应对难民关闭边境 | 4.27 | 1.70 | .94 |
| 气候变化态度（Gustafson 等 2020） | 语义差异量表 4 题 | 4.71 | 1.46 | .79 |
| DV1 图像可信度（Appelman 与 Sundar 2016） | 3 题：准确、真实、可信 | 3.50 | 1.68 | .80 |
| DV2 虚假主张认同（Wittenberg 等 2025） | 单题：据你所知该事件是否发生过 | 2.85 | 1.96 | — |
- 功效分析与样本：R 包
Superpower做基于模拟的功效分析，参照 Wittenberg 等（2025）的均值：每组n = 235、共N = 940可在 90% 功效下检测主效应；为交互与议题差异预留余量，目标N = 1,000。经 Dynata 招募荷兰代表性样本N = 1,018，2025 年 4 月 7 日至 28 日施测。年龄 M = 49.49（SD = 17.55）；女性 51.6%、男性 48.2%；教育低 / 中 / 高 = 24.8% / 42.8% / 32.4%；政治取向（0 = 极左，10 = 极右）M = 5.65（SD = 2.35）；中位作答时长 7.4 分钟。议题子样本：气候n = 502，移民n = 516。 - 随机化检验：年龄
F(1, 1016) = 0.534, p = .47；政治取向F(1, 1016) = 0.128, p = .72；性别χ²(9, N = 1018) = 16.731, p = .053；教育χ²(6, N = 1018) = 0.853, p = .99，均判为随机化成功（性别一项接近临界）。 - 分析策略：H1、H2 与 RQ1、RQ2 用单因素 ANOVA，主效应显著时做 Bonferroni 校正的两两比较；H4 至 H6 与 RQ4 用 OLS 线性回归，以对照组为参照的虚拟变量加交互项。据原文描述可写作
Y = β₀ + β₁·AI + β₂·FC + β₃·CN + β₄·M + β₅·AI×M + β₆·FC×M + β₇·CN×M + ε（M 为调节变量；气候子样本模型自由度 F(7, 494) 与 7 个预测项吻合）。全样本分析完成后，按议题拆分子样本重复同一流程；另做未预注册的探索分析：k−1 虚拟编码的 OLS（对照组为参照）。
R. Results（结果）
R1 · 全样本主效应（N = 1,018）：均值方向一致（对照组最高、社区笔记最低），但单因素 ANOVA 均不显著，故未做事后比较。
| 条件 | 图像可信度 M（SD） | 虚假主张认同 M（SD） |
|---|---|---|
| 无标签对照 | 3.72（1.63） | 3.07（2.08） |
| AI 标签 | 3.50（1.68） | 2.84（1.92） |
| 事实核查标签 | 3.46（1.70） | 2.76（1.93） |
| 社区笔记 | 3.33（1.69） | 2.69（1.90） |
| ANOVA | F(3, 1014) = 2.37, p = .069, η² = .007 | F(3, 1014) = 1.82, p = .14, η² = .005 |
R2 · 假设检验汇总（全样本）
| 假设 | 检验项 | 系数 | p | 结论 |
|---|---|---|---|---|
| H1a / H1b | 标签 vs 无标签（ANOVA） | 见上表 | .069 / .14 | 拒绝 |
| H2a / H2b | 事实核查 vs AI | 未做事后比较 | — | 拒绝 |
| RQ1 / RQ2 | 社区笔记 vs AI、事实核查 | — | — | 无差异 |
| H4a | AI 来源 × AI 捷思 → 可信度 | β = 0.09 | .419 | 拒绝 |
| H4b | AI 来源 × AI 捷思 → 认同 | β = 0.03 | .816 | 拒绝 |
| H5a | 核查来源 × 核查信任 → 可信度 | β = 0.15 | .236 | 拒绝 |
| H5b | 核查来源 × 核查信任 → 认同 | β = 0.07 | .659 | 拒绝 |
| H6a | 社区笔记 × 从众捷思 → 可信度 | β = 0.07 | .50 | 部分支持 |
| H6b | 社区笔记 × 从众捷思 → 认同 | β = 0.15 | .236 | 拒绝 |
| 附 | AI 来源 × 从众捷思 → 可信度 | β = 0.21 | .049 | 从众越强，AI 标签越弱 |
| 附 | 核查来源 × 从众捷思 → 可信度 | β = 0.20 | .050 | 近显著，同向 |
- H6a 的「部分支持」：社区笔记的效力并未随从众捷思增强，但也不像 AI 与事实核查标签那样被削弱。
- R3 · 气候议题子样本（n = 502）：模式与全样本一致，标签无效，且不受 AI 捷思、核查信任或从众捷思调节。RQ4a：气候态度交互均不显著（可信度模型
F(7, 494) = 3.15, p = .003, R² = .04；认同模型F(7, 494) = 2.20, p = .033, R² = .03；交互项ps > .05）；但气候态度有显著主效应b = 0.30, SE = 0.10, t = 3.00, p = .003：越关切气候，越觉得夸大气候后果的假图可信，与条件无关。
R4 · 移民议题子样本（n = 516）：唯一出现显著效应的情境。
| 效应 | 结果变量 | 统计量 | p | 解读 |
|---|---|---|---|---|
| 条件主效应（ANOVA） | 可信度 | F(3, 512) = 2.89，偏 η² = .017 | .035 | Bonferroni 两两均不显著；对照 3.75（1.64）vs 社区笔记 3.21（1.70），p = .057 |
| 条件主效应（ANOVA） | 认同 | F(3, 512) = 3.71，偏 η² = .022 | .012 | 对照 3.31（2.17）vs 社区笔记 2.56（1.92），p = .02，Cohen d = 0.37；其余两两不显著 |
| 社区笔记 × 从众捷思 | 认同 | β = 0.42 | .019 | 从众越强，社区笔记越弱 |
| 事实核查 × 从众捷思 | 认同 | β = 0.49 | .009 | 从众越强，事实核查越弱 |
| 社区笔记 × 核查信任 | 可信度 | b = 0.44, SE = 0.18, t(508) = 2.43 | .015 | 核查信任越低，社区笔记越能压低可信度 |
| RQ4b 社区笔记 × 反移民态度 | 可信度 | b = −0.29, SE = 0.11, t(508) = −2.57 | .011 | 反移民态度越强，社区笔记效果越强 |
| RQ4b 社区笔记 × 反移民态度 | 认同 | b = −0.25, SE = 0.13, t(508) = −1.86 | .064 | 同向趋势，边缘显著 |
- 移民子样本中与 AI 捷思的交互均不显著；其余交互项
ps > .07，包括事实核查来源 × 核查信任。 - RQ3 回答：议题确实重要。气候假图上所有干预均无效；移民假图上社区笔记最有效，尤其对反移民态度强、对事实核查信任低的人。
- R5 · 探索性分析（未预注册）：作者以 ANOVA 加 Bonferroni 事后比较过于保守（Narum 2006）、η² 显示有意义的均值差异为由，改用 k−1 虚拟编码 OLS。全样本：社区笔记显著降低可信度与认同；气候：事实核查标签显著降低图像可信度；移民：社区笔记两项均降低，AI 标签降低虚假主张认同。作者自称该分析应谨慎对待、不够稳健；具体系数位于正文图表，本次抓取的 HTML 文本未含。
a / D. Discussion & Conclusion（讨论与结论）
- 核心结论：合并议题时零结果。不同于文本纠正研究（Walter 等 2020），AI 生成图像更抗反驳；与 Wittenberg 等（2025）以更大样本发现此类标签仅有温和降信效果的结论大体一致。标签条件均值有下降趋势但未显著。
- 对零结果的解释：（1）标签可能被图像「盖过」而被忽视（Oeldorf-Hirsch 等 2020），但本实验两项操纵检验均通过，说明被试注意力可能高于自然情境，对各标签施以相近的审视，反而压缩了条件间差异；（2）真实感捷思与指示性阻碍批判性审视（Sundar 2008）；（3）虚假内容在文字与图像中重复出现，提高内容流畅性（Prike 与 Ecker 2023），单个标签即便被注意到也难以打断加工。
- 议题依赖与动机性推理：移民议题触及身份威胁与群际动态（Hameleers 与 van der Meer 2020），故仅议题内分析出现显著效应不足为奇。调节效应符合动机性推理与选择性接受纠正的文献（Taber 与 Lodge 2006；Walter 等 2020）；反移民态度较弱者本就不易形成误判，纠正空间有限。社区笔记借同侪线索绕开制度性事实核查常引发的抵触（Primig 2024）。
- 与既往研究的张力：探索分析中常被视为中立来源的 AI 标签降低了移民虚假主张认同，与 Jia 等（2022）的美国文本型新冠虚假信息实验相呼应；但在 Jia 等研究中，社区笔记对政治右翼者尤其无效，与本研究移民议题上的结果相反，凸显跨语境检验的必要。事实核查或对气候虚假信息更有效，可能因为易受其影响者更认可成熟的新闻来源。
- 潜在混淆：视觉特征：气候刺激多为风景，移民刺激多含人物；人脸、情绪线索与生动性可能独立影响加工（Lee 与 Suk 2025），议题差异或部分源于表征方式。
- 局限：（1）2025 年 4 月施测，恰在扎克伯格宣布 Meta 终止事实核查、改用社区笔记之后，可能使右倾受访者更疑核查、更纳笔记；（2）现实社区笔记常引用正式核查，本设计未含此要素；机制究竟来自感知中立、来源框定还是措辞（如「Readers added context」传递较弱的说服意图）尚无法区分；（3）干预仅为简短标签，而阅读完整核查文章通常能产生显著纠正效果（Walter 等 2020），更详尽的标签或更有效（Dan 2026）；（4）合并多图增加预测误差，是测量精度与外部效度的权衡；（5）刺激含真实成分（荷兰确有森林火灾、部分骚乱确有移民参与），可纠正内容有限；（6）无法分离图与文各自的欺骗效应，需增设纯文本、纯图像条件。
- 实践启示：水印能标示图像来源，却未必能纠正错误信念，政策讨论应从「透明度上需要哪种标签」转向「标签要达成什么」；平台正缩减内容审核及与核查机构的合作，但事实核查员仍是评估两极化议题的关键专家；社区笔记依赖业余参与，可能出错、有偏、受虚假信息影响，应作补充而非替代；总体建议对 AI 视觉虚假信息多管齐下，因议题乃至具体图像与主张而异。
- 本报告评述：显著结果集中在全样本零结果之后的议题子样本与多组交互检验中，正文未报告对交互项的多重比较校正，移民议题的显著交互（p 介于 .009 与 .019）宜视为待复制的线索；这与作者自己「没有简单解药」的定调一致。
- 开放科学与声明：预注册见 OSF（osf.io/r38ae），预注册偏离见 Supplementary D，完整子样本结果见 Supplementary C，预印本已发布于 OSF；作者声明无利益冲突；致谢 Rinaldo Kühne 的统计支持；抓取文本中资助一节为空。
🧠 IRMaD 思维导图
mindmap
root((AI假图标签难奏效))
I 引言
AI假图日益泛滥
平台三类标签并存
Meta转向社区笔记
视觉纠错证据稀缺
多为单题单图研究
R 问题
标签能否降低可信度
核查是否胜过AI标签
社区笔记相对效力
来源态度是否调节
气候与移民有无差异
M 方法
荷兰预注册实验
代表性样本1018人
四组被试间设计
Grok生成10张假图
标签措辞统一只换来源
七点量表测两项结果
ANOVA与OLS交互
R 结果
全样本差异不显著
H1 H2 均被拒绝
气候议题全部无效
移民议题社区笔记有效
小到中等效应量
反移民者效果更强
从众心理削弱标签
a 讨论
图像真实感难打破
图文重复增强流畅
标签过短力度不足
身份威胁与动机推理
同侪线索少引抵触
画面特征或混淆议题
D 结论
没有一招鲜
水印不等于纠错
社区笔记宜作补充
核查员仍不可替代
多管齐下因题施策
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。