🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
过去十几年，人工智能从实验室话题变成了头版新闻。但新闻不是镜子，它有自己的取景框：同一件事，有的报纸写成“经济机会”，有的写成“伦理危机”，有的只当技术趣闻。
这些取景框很重要。公众对人工智能的态度，很大程度上不是来自读论文，而是来自读新闻。如果某国媒体长期只讲“人工智能会抢工作”，那这个国家的政策讨论就会围绕失业展开；如果只讲“人工智能是未来”，监管就很难推。
可是，跨国的、长时间的系统比较非常少。多数研究只看一个国家、一家媒体、一小段时间。这篇论文想把镜头拉远：十二个国家、十三年、三万八千多篇报道。
② 研究问题（要回答什么？）
研究问三件事：
- 框架：这些报道主要用什么角度讲人工智能？
- 情感：标题的语气偏正面、负面还是中性？
- 差异：全球北方和全球南方的报纸，讲法一样吗？
③ 研究方法（怎么做的？）
作者选了十二个国家的十二家主流英文报纸，时间跨度从二零一零年到二零二三年，共收集 三万八千七百八十七篇报道。
分析用两种计算工具：
- 主题模型（LDA）：让算法从海量文本里自动找出反复出现的主题群，作者再把这些主题解释成“报道框架”。
- 情感分析（SentiStrength）：给每条新闻标题打一个情感分，判断是正面、负面还是中性。
作者用“框架理论”来解释结果——这个理论说的是：媒体不是告诉你“想什么”，而是告诉你“该怎么想”。
④ 结果（发现了什么？）
算法一共识别出九个报道框架，占比从高到低是：
| 框架 | 占比 |
|---|---|
| 商业、经济与就业影响 | 37.40% |
| 教育与科研变革 | 17.70% |
| 国家安全与全球合作 | 11.20% |
| 对媒体与创意产业的冲击 | 9.60% |
| 创新解决方案 | 7.30% |
| 监管、伦理与数据隐私 | 6.40% |
| 科技行业竞争与市场格局 | 4.90% |
| 医疗与气候变化 | 3.47% |
| 政治、选举与舆论 | 2.03% |
情感上：标题里 65.63% 中性、21.04% 负面、13.33% 正面——负面明显多于正面。
南北差异很清楚：《卫报》和《纽约时报》这类北方报纸，约 24% 的标题把人工智能框成负面；而《中国日报》《曼谷邮报》这类南方报纸，约 14.5% 的标题是正面的。南方报纸对“创新解决方案”和“医疗与气候”的报道更多，北方报纸则更常谈监管与伦理。
⑤ 讨论（这些发现说明什么？）
作者认为这种差异反映的不是“谁更客观”，而是各国在人工智能产业链上的位置不同。北方国家是技术和监管的先行者，新闻自然聚焦风险与规则；南方国家更多是技术接受方，新闻更倾向讲机会与追赶。
他们还提醒一个盲点：“政治、选举与舆论”这个框架只占 2.03%。也就是说，在人工智能已经能生成假新闻、操纵舆论的年代，主流媒体几乎不怎么从这个角度报道它。作者认为这是公共讨论的一大缺口。
局限：只选了英文报纸，可能低估非英语媒体的多样性；情感分析工具对反讽和语境的识别有限；主题模型给出的“框架”需要研究者主观命名，存在解释空间。
⑥ 结论（最终结论 + 启示）
结论：新闻框架不是中立的，它决定了公众和决策者“看见”人工智能的哪一面。
对传播研究者，这项研究提供了一个可复用的跨国比较模板；对政策制定者，它提醒：如果公共讨论长期偏向经济机会而忽视政治与伦理风险，监管就会滞后于技术。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
人工智能的公共认知在很大程度上由新闻媒体塑造，但跨国、长时段的系统性比较稀缺，既有研究多局限于单一国家、单一媒体或短时间窗，难以刻画全球南北之间的框架差异。本文构建 2010–2023 年、12 国 12 家主流英文报纸的 38,787 篇 AI 报道语料，结合 LDA 主题建模与 SentiStrength 标题情感分析，识别九个报道框架并比较南北差异。贡献在于：(1) 提供迄今规模最大的跨国 AI 新闻语料之一；(2) 将框架理论与计算文本方法结合，给出可复用的比较流程；(3) 揭示“政治、选举与舆论”框架的边缘化，指出公共讨论的结构性缺口。
I. Theoretical Framework & Hypotheses（理论框架与假设）
| 理论 | 核心命题 | 操作化 |
|---|---|---|
| 框架理论（framing） | 媒体通过选择与凸显特定面向，界定议题的理解方式 | LDA 主题 → 研究者命名为九类框架 |
| 情感倾向理论 | 标题的情感基调影响受众的态度启动 | SentiStrength 对标题打分，三分归类 |
| 全球南北技术位差 | 产业链位置塑造媒体叙事取向 | 北方 vs 南方报纸的框架分布与情感比例对比 |
M. Materials & Methods（材料与方法）
- 语料：12 国 12 家主流英文报纸，2010–2023 年，N=38,787 篇 AI 相关报道。
- 框架识别：LDA 主题模型提取潜在主题，研究者依据主题词与代表文档命名并归并为九类框架。
- 情感测量：SentiStrength 对新闻标题计算情感极性，分为正面 / 负面 / 中性三类。
- 比较设计：按国家与“全球北方 / 全球南方”分组比较框架占比与情感分布。
- 注意：本文为摘要级阅读（付费墙 + 绿 OA 仅存机构库摘要页），方法细节与稳健性检验未能核实。
R. Results（结果）
九类框架占比：商业/经济/就业 37.40%；教育科研 17.70%；国家安全与全球合作 11.20%；媒体与创意产业冲击 9.60%；创新解决方案 7.30%；监管伦理与数据隐私 6.40%；科技行业竞争 4.90%；医疗与气候 3.47%；政治选举与舆论 2.03%。
情感分布（标题）：中性 65.63%，负面 21.04%，正面 13.33%。
南北差异：北方报纸（如 The Guardian、NYT）约 24% 标题呈负面框架；南方报纸（如 China Daily、Bangkok Post）约 14.5% 标题呈正面框架。南方报纸对“创新解决方案”“医疗与气候”覆盖更多，北方报纸对“监管、伦理与数据隐私”“媒体与创意产业冲击”覆盖更多。
a / D. Discussion & Conclusion（讨论与结论）
- 结构性解释：框架差异与各国在 AI 产业链中的位置相关——技术供给国聚焦风险与规则，技术接受国聚焦机会与追赶。
- 被边缘化的政治维度：政治/选举/舆论框架仅占 2.03%，与生成式 AI 在选举操纵、虚假信息中的现实影响严重不匹配，构成公共讨论的结构性缺口。
- 对政策空间的含义：长期偏向经济机会框架的媒体环境，可能压缩监管议程的合法性空间。
- 局限：仅英文报纸，非英语媒体多样性被系统性排除；SentiStrength 对反讽与语境依赖表达识别有限；LDA 主题命名具研究者主观性；未能核实全文的方法细节（abstract-only）。
🧠 IRMaD 思维导图
mindmap
root((十二国AI报道))
I 引言
新闻塑造AI公共认知
跨国长时段研究稀缺
多为一国一家短窗口
R 问题
用什么框架讲
标题情感如何
南北有无差异
M 方法
十二国十二家报纸
三万八千多篇报道
主题模型找框架
情感工具打分
R 结果
经济就业框架三成七
中性标题六成六
负面多于正面
北方负面两成四
南方正面一成四
a 讨论
产业位置决定叙事
政治框架仅占百分之二
监管空间被压缩
D 结论
框架决定看见哪一面
填补政治维度缺口
跨国比较可复用
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。