🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
二零二二年十一月，一个叫 ChatGPT 的聊天机器人突然爆红。编辑部里立刻炸了锅：能不能用它写摘要？能不能让它配图？会不会编造事实？
各家新闻机构的第一反应不是等政府立法，而是自己先写一份内部规矩。有的叫“指南”，有的叫“政策”，有的叫“原则”。问题是：这些规矩是各自独立想出来的，还是互相抄的？
这件事很重要。如果全世界的媒体都在用几乎一样的措辞管 AI，那说明这个行业其实在共同形成一套看不见的标准——而标准一旦固化，后来者就很难跳出这个框。
② 研究问题（要回答什么？）
作者问了四个层面的问题：
- 整体：这些 AI 规范之间到底有多像？
- 形式：它们长什么样——多长、叫什么名字、什么时候发布、管哪些部门？
- 内容：允许用在哪、禁止用在哪、怎么人工把关、怎么标注透明？
- 盲区：它们没写的东西是什么？
作者借用了社会学里的“制度同构”概念——意思是，当一群组织面对同样的不确定环境时，它们会不约而同地变得相似，不是因为商量过，而是因为互相观察、互相模仿、以及来自同行的压力。
③ 研究方法（怎么做的？）
作者挑了十二个国家，覆盖西欧、北欧、北美，再加巴西和印度，刻意让“全球南方”也有代表。最后收到五十二份媒体 AI 规范。
分析分两条腿走路：
第一条是人工编码。三位编码者先把编码本试了两轮，然后每人独立编一部分，算一致性——结果平均是零点九四（满分一），一致性很高。编码维度有三十五个，包括：AI 允许用在哪些环节、哪里必须有人工监督、怎么向读者说明用了 AI。
第二条是机器比对。把所有规范清洗成纯文本，切成五个词一段的“词块”，然后两两比较相似度（余弦距离）。这有点像查重：不是比意思，而是比句子的骨架和用词顺序像不像。
④ 结果（发现了什么？）
先看形式：五十二份规范里，有三十三份能查到发布月份，其中近九成（87.88%）是二零二三年发的——也就是 ChatGPT 爆红之后那一年。名字最常叫“Guideline”（三成出头），其次是“How-to”和“Policy”。只有28.85% 的规范明确说适用于全编辑部所有部门。
再看内容趋同：各家在两点上高度一致——
用了 AI 就要告诉读者，几乎人人写。
AI 生成的内容必须有人审核，立场一致。
但差异也很明显：国家和机构性质仍在起作用。机器比对显示，最像的两份规范往往共享同一种语言——研究样本里最相似的一对是英国的 ITN 和加拿大的 CBC，都是英语机构。换句话说，语言的边界比国界更像边界。
另外，商业媒体写的规范往往更细，更明确列出“可以用什么、不能用什么”，也更关注数据保护；公共媒体则更强调公共责任。
⑤ 讨论（这些发现说明什么？）
作者怎么解释这种“既像又不像”？
他们用制度同构来解释趋同：ChatGPT 出现后，所有媒体同时面对同一种不确定性，谁也不知道该怎么办。这时候最省力的做法就是看同行怎么写，于是措辞开始互相渗透。这解释了为什么连句式都相似。
但他们也强调“同构是有边界的”。各国的媒体制度、法律环境、语言圈层不同，抄的时候会做本地化改写。所以看到的是“大致同构 + 局部差异”，而不是完全一样。
最有价值的是他们指出的三块盲区：
- 技术依赖：规范只谈“怎么用”，不谈“离不开谁”。媒体把核心能力外包给了几家大模型公司，这件事没人写进规范。
- 可持续性：训练和运行大模型耗电耗水，没有一份规范提到环境成本。
- 全球不平等：规范几乎都由全球北方机构制定，全球南方的媒体只能接受现成标准，数据和算力上的不平等被忽略。
局限：只分析了公开可得的规范，没写下来的内部惯例看不到；五十二份样本虽比以往大，但仍非随机抽样；机器相似度只能反映措辞，不能完全代表实质立场。
⑥ 结论（最终结论 + 启示）
三条结论：
- 趋同是真的：透明和人工把关已经成为全球新闻业 AI 规范的“公约数”。
- 差异也是真的：语言圈和媒体制度仍在塑造各自的版本。
- 盲区更值得警惕：技术依赖、环境成本、全球不平等三件事，现有规范集体失语。
对新闻机构来说，下一步不是再写一份更长的规范，而是把“我们依赖谁”“代价是什么”“谁被排除在外”写进去。对研究者来说，这套五十二份规范的语料，是观察行业标准如何自发形成的难得样本。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
生成式 AI 进入新闻生产链后，新闻机构在缺乏成文法约束的情况下率先展开自我规制，形成一批内部 AI 规范。既有研究多依赖小样本、便利抽样与盎格鲁圈案例，难以判断这些规范是否正在收敛为行业标准。本文构建 12 国 52 份编辑部 AI 规范的比较语料，结合人工内容分析（35 个形式与主题类目）与基于五词块（5-gram）的余弦距离文本比对，回答四个问题：规范之间是否同构（RQ0）、形式特征如何（RQ1）、主题内容如何（RQ2）、盲区何在（RQ3）。理论贡献在于把新制度主义的“制度同构”命题从组织场域扩展到跨国媒体规范场域，并以语料相似度提供同构的量化证据。
I. Theoretical Framework & Hypotheses（理论框架与假设）
以新制度主义与制度同构（institutional isomorphism）为核心，辅以新闻伦理与平台治理文献。
| 机制 | 内涵 | 在本研究中的可观测痕迹 |
|---|---|---|
| 强制性同构 | 来自法规与资源依赖方的压力 | 规范中对法律合规、数据保护的表述 |
| 模仿性同构 | 面对不确定性时模仿同行 | 五词块高度相似、措辞互相借用 |
| 规范性同构 | 专业共同体共享的职业规范 | 透明与人工监督成为跨机构共识 |
边界条件：国家媒体制度（Hallin 的媒体系统分类）与机构性质（商业/公共）构成同构的“摩擦项”，用于解释残余差异。
M. Materials & Methods（材料与方法）
- 案例选择：按 Hallin 媒体系统分类选取 12 国（比利时、巴西、加拿大、芬兰、德国、印度、荷兰、挪威、瑞典、瑞士、英国、美国），覆盖西欧、北欧、北美与全球南方；最终纳入 52 份编辑部 AI 规范。
- 编码：编码本经两轮试编码修订，三位编码者独立编码随机抽样子集；Krippendorff's α 平均 0.94（区间 0.73–1.00）。分析单位为整份文档，共 35 个形式与主题类目（AI 允许/禁止的部署环节、人工监督范围、透明披露方式等）。
- 文本比对：将 PDF 清洗（去数字、Unicode 标点、英文停用词）→ 向量化 → 以五词块重叠计算余弦距离，对每对文档做两两比较；另设 10 份一般编务规范作为基准样本（德语规范超采样以匹配语料语言分布）。
- 三角验证：人工编码捕捉语义类目，余弦距离捕捉措辞同构，两者互补以覆盖单一方法遗漏的盲点。
R. Results（结果）
形式特征：52 份规范中 33 份（63.46%）可考发布日期，其中 2023 年发布者占 87.88%（29/33），2021 年仅 1 份、2020 年 3 份——ChatGPT 发布构成明显的制度触发点。命名以 “Guideline” 为主（30.77%），其次为 How-to 类表述（13.46%）与 “Policy”（13.46%）、“Principles”（7.69%）；7.69% 无显式标题关键词。仅 28.85% 明确适用于全编辑部，其余面向特定部门（如数据、视觉、产品团队）。篇幅分布见图 3，跨度约 200–2,600 词。
同构证据：余弦距离矩阵显示明显聚簇，且聚簇边界与共享语言高度重合。基准样本中最相似的一对为 Sky News 与澳大利亚广播公司（同属英语）；研究样本中最相似的一对为英国 ITN 与加拿大 CBC（同为英语）。
主题趋同：在“对 AI 生成内容进行透明披露”与“保留人工监督”两项上，几乎所有规范均有一致表述；分歧主要出现在允许/禁止清单的颗粒度（商业媒体更细）与数据保护条款（商业媒体更强调）。
a / D. Discussion & Conclusion（讨论与结论）
- 同构的机制归因：2022 年 11 月 ChatGPT 发布制造了行业级不确定性，模仿性同构在缺乏监管参照的情形下成为主导机制；规范性同构（专业伦理共同体）解释了透明与人工监督为何成为跨语境共识。
- 同构的边界：语言圈层对措辞相似度的解释力强于国界——这表明规范传播沿语言网络扩散，而非沿政策网络扩散。
- 三大盲区：(1) 技术依赖——规范治理使用行为却不治理对少数大模型供应商的结构性依赖；(2) 可持续 AI——无一份规范涉及训练与推理的能耗/水耗；(3) 全球不平等——规范生产集中于全球北方，全球南方多为标准接受方，数据与算力不对称未被讨论。
- 理论意义：把制度同构的分析单位从组织场域上移至跨国规范场域，并证明“语言”可作为同构传播的结构性通道。
- 局限：仅分析公开可得文本，内部惯例与口头规范不可见；52 份为非随机目的性抽样；余弦距离反映句法而非语义立场；编码者主要为全球北方研究者，可能存在解释视角偏差。
- 展望：追踪规范的修订轨迹、纳入全球南方本土规范、以及将“依赖与代价”纳入编码框架。
🧠 IRMaD 思维导图
mindmap
root((新闻业AI规范))
I 引言
生成式AI进入编辑部
机构先于立法自我规制
小样本盎格鲁研究有局限
R 问题
规范之间有多像
形式特征如何
内容写了什么
盲区在哪
M 方法
十二国五十二份
三十五个编码类目
一致性零点九四
五词块余弦比对
R 结果
近九成二零二三年发布
透明与人工把关趋同
商业媒体条款更细
语言圈比国界更像
a 讨论
不确定性催生模仿
同构有边界
技术依赖无人提
能耗与不平等缺席
D 结论
补上依赖与代价
纳入全球南方
追踪规范修订
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。