三、 研究设计

（一） 研究问题

主流媒体向来以强大的传播效力与议程设置能力，把控着新闻报道的框架构建权，影响大众对新兴科技话题的感知与认识。2016年是人工智能走向主流的元年，在人工智能领域，AlphaGo击败李世石，百度推出无人车，IBM、微软、Facebook纷纷推出人工智能平台，用一句话来概括就是：人工智能开始走向主流（新华网，2016）。

中美两国作为全球科技大国，人工智能技术发展迅速，相应的媒体跟踪报道不断涌现，其讨论的话题影响并引导社会舆论。本研究旨在探讨1）中美主流媒体分别是如何呈现与建构人工智能这一话题的，包含哪些新闻内生框架？2）新闻报道中各自浮现的子议题共现情况如何，是怎样相互勾连起来的？3）两国媒体在人工智能报道方面各涉及哪些宏观命题，存在何种差异？4）基于科技传播的视角，如若两国媒体报道呈现差异，背后可能存在哪些原因？本研究拟在探究问题答案的基础上，描摹中美主流媒体人工智能的呈现图景。

（二） 样本选取

本文选取中美两家有代表性的主流媒体——《人民日报》和《纽约时报》在2016年一年中关于人工智能议题的报道为研究对象，拟探究两家媒体在该话题报道方面的语义网络生成机制。在《人民日报》报道获取方面，本文在“中国重要报纸全文数据库”中以“人工智能”、“机器人”“人机”“无人驾驶”为关键词进行《人民日报》及《人民日报-海外版》样本的抽取，以2016年1月1日－12月31日为基准，筛选主题为“人工智能”的报道，最终获得41篇报道。在EBSCO-Newspaper Source数据库中以“artificial intelligence”/“AI”/“robot”为关键词，设置同样的时间段，搜索《纽约时报》关于人工智能主题的报道，共获得48篇样本。两家主流媒体的报道文本均使用全样本，共计89篇。

（三） 研究方法

1、类目建构

本研究首先对《人民日报》和《纽约时报》各自报道文本进行类目建构和编码，统计类目包括版面、体裁、信源和倾向四大维度。版面维度上，因为选取的研究样本为纸质版报道，因此直接将报道所在版面或栏目名称列入统计范畴。体裁维度上，本文按照文字报道常见体裁划分五类，分别为短消息、通讯、特稿、专访、评论，同时考虑到研究文本的科技属性，特添加一类科普信息整合。信源维度上，本研究参考先前研究，共划分了十类，即政府、科学家或研究人员、科学领域以外专家学者、公众、国外媒体、媒体自身、产业界、非政府组织、其他和无信源，对于文本中出现的信源进行全部统计。倾向维度上，本文划分为正面、负面、中立（客观呈现正负观点，没有明显倾向）、质疑（对正负观点提出质疑，表露不确定性）和无态度（仅呈现客观事实），这些倾向性仅针对人工智能这一概念，而非文本整体态度调性。

2、语义网分析

做语义网分析之前，首先确定报道涉及的子议题。因为此前没有直接对人工智能这一话题进行框架分析或语义网分析的研究，以及其它科技报道的子议题并不适用人工智能这一报道主题，因此本研究采用文本通读的方式，以句为单位不断上升到段落，提炼每个意群的核心议题，进行自下而上的子议题归纳，并在通读过程中不断进行补充，由此形成人工智能报道的子议题。

最终归纳出的子议题共计30个，包括轰动效应、技术支撑、利益分配、未来前景、公众心理、技术风险、政策规划、社会变革、成果应用、经济效益、技术难题、技术突破、国外经验、跨行合作、研发成本、研发人员背景、国际合作、国际竞争、人类中心、规则制定、技术关怀、人民生活、失败归因、伦理道德、国际地位、文明形态、市场竞争、军事目的和企业战略。

为了探究人工智能报道子议题间的逻辑关系，将编码后的子议题共现矩阵，看作一个子议题网络进行语义网分析。语义网的节点为每个子议题，节点之间的关系即子议题之间的关系。本文借助UCINET软件进行子议题网络的密度、中心性和群集分析。语义网的密度用于测量网络节点之间的联系，密度越大，节点之间的联系越紧密，对其中行动者的态度、行为等产生的影响就越大；中心性是一个节点在整个网络中的中心地位（刘军，2014）。群集分析是将连接紧密的子议题进行群组分类，从而得出报道文本的宏观议题。

本研究拟通过报道类目构建以及语义网分析相结合的方式，探究出中美主流媒体人工智能报道的隐含框架与框架间的勾连情况。

四、 研究发现

（一）报道版面

《人民日报》的41个报道样本分布在国际（10篇）、科技（7篇）、经济（5篇）、文化（4篇）、理论（3篇）、评论（2篇）、民主政治周刊（1篇）、新青年（1篇）、要闻、海外版百姓话题（1篇）、海外版体坛风云（1篇）、海外版中国品牌（1篇）、海外版融媒时代（1篇）这些版面中，其中国际版、科技版和经济版为报道主要分布版面。

《纽约时报》的48个报道样本分布在技术（25篇）、经济（包含经济Economy，商业日Business day, 就业市场Job market,你的钱财Your money, 共同基金Mutual funds）（7篇）、区域（包含地区Region,亚太Asia Pacific,全球what in the world）（5篇）、科学（4篇）、观点（3篇）、封面（1篇）、旅游（1篇）、艺术设计（1篇）、AI（1篇）这些版面中，其中技术版、经济、区域、科学为四大主要分布版面，由此得出编辑出版层面人工智能的框架设定。

（二）报道体裁

由下表统计数字可以看出，两家媒体人工智能相关话题的报道体裁呈现多样性，《人民日报》以通讯和评论为主，《纽约时报》的体裁分布更为均匀，包括通讯、特稿、评论和消息。

（三）报道信源

统计发现，在信源这一类目构建中，两家媒体并没有全部呈现此前研究中总结的十大信源，而是共同呈现了政府、科研人员、科学界以外专家、媒体自身（因样本体裁为评论而计入）和产业界这五方的观点，其中两家媒体最主要的信源均为科研人员和产业界，由此可以看出，人工智能报道话题主要的框架定义者，集中在研究和应用两大领域。值得注意的是，相比《纽约时报》，《人民日报》的报道中缺少公众的声音。

（四）报道倾向

本研究将报道倾向划分为正面、负面、中立、质疑、无态度这五个方面，均针对人工智能本身进行统计。结果显示，《人民日报》对人工智能的态度倾向以正面为主（41%），《纽约时报》大体上保持中立（50%），无明显倾向。由于人工智能异军突起，存在不确定因素，因而两家媒体的部分报道呈现出怀疑态度，或只呈现事实，不表露态度。

（五）语义网络

本研究在对报道文本进行版面、体裁、信源、倾向性类目建构的基础上，还对每篇报道中的子议题进行了统计，生成子议题共现矩阵（详见附录），并进行语义网分析，意图对两家媒体报道中的内生框架和议题勾连情况进行呈现。

1、密度

语义网络密度指网络中各节点之间的紧密程度，如果各节点之间的连线越多，语义网的密度越大，据此可以观察报道子议题的共现情况。将《人民日报》和《纽约时报》的子议题共现矩阵分别输入UCINET，得到图1和图2可视化效果图。通过软件中的密度Density测算出，《人民日报》议题共现矩阵的密度为1.5592，《纽约时报》议题共现矩阵的密度为0.6736，相比较，《人民日报》的子议题语义网更加紧密，议题相互关联程度更高。

分享让更多人看到