ПСИХОЭМОЦИОНАЛЬНЫЕ ЭФФЕКТЫ ФЕЙКОВЫХ НОВОСТЕЙ, СОЗДАННЫХ ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ, НА ПОЛЬЗОВАТЕЛЕЙ СОЦИАЛЬНЫХ СЕТЕЙ
Ключевые слова:
созданный ИИ, фейковые новости, дезинформация, социальные сети, психоэмоциональные эффекты, социально-политическая поляризация, эмоциональная реакцияАннотация
Массовое распространение сгенерированных искусственным интеллектом фейковых новостей в социальных сетях стало серьезной проблемой для психического здоровья пользователей, общественного доверия и поведенческих моделей. Хотя социальные сети являются мощной платформой массовой коммуникации, они одновременно ускоряют широкое распространение дезинформации, особенно с помощью технологий, основанных на искусственном интеллекте, которые способны ежедневно создавать и распространять фейковые новости в беспрецедентных масштабах.
Данное исследование направлено на изучение психоэмоциональных эффектов фейковых новостей, созданных искусственным интеллектом, на пользователей социальных сетей, сосредоточившись на эмоциональных реакциях, когнитивных процессах и поведенческих изменениях, возникающие под воздействием подобного контента. Для сбора данных от пользователей социальных сетей использовался смешанный подход. Результаты показывают, что сгенерированные искусственным интеллектом фейковые новости могут вызывать чувство тревоги, недоверия и замешательства, что приводит к снижению самооценки, социальной изоляции и уменьшению доверия к социальным институтам. Более того, результаты четко указывают на то, что люди с более низким уровнем критического мышления более подвержены негативным психоэмоциональным эффектам фейковых новостей, созданных искусственным интеллектом. Результаты исследования подчеркивают необходимость разработки стратегий по ограничению распространения фейковых новостей, созданных искусственным интеллектом, а также продвижения медиаграмотности, критического мышления и эмоциональной устойчивости среди пользователей социальных сетей с различным языковым и культурным происхождением.
Скачивания
Библиографические ссылки
1. Aïmeur, E., Amri, S., & Brassard, G. (2023b). Fake news, disinformation and misinformation in social media: a review. Social Network Analysis and Mining, 13(1). https://doi.org/10.1007/s13278-023-01028-5
2. Azzimonti, M., & Fernandes, M. (2022). Social media networks, fake news, and polarization. European Journal of Political Economy, 76, 102256. https://doi.org/10.1016/j.ejpoleco.2022.102256
3. Bontridder, N., & Poullet, Y. (2021). The role of artificial intelligence in disinformation. Data & Policy, 3. https://doi.org/10.1017/dap.2021.20
4. Bolderston, A. (2012). Conducting a research interview. Journal of Medical Imaging and Radiation Sciences, 43(1), 66–76. https://doi.org/10.1016/j.jmir.2011.12.002
5. Bailey, P. K., Hole, B. D., Plumb, L. A., & Caskey, F. J. (2022). Mixed-methods research in nephrology. Kidney International, 101(5), 895–905. https://doi.org/10.1016/j.kint.2022.01.027
6. Baptista, J. P., & Gradim, A. (2020). Understanding Fake news Consumption: A review. Social Sciences, 9(10), 185. https://doi.org/10.3390/socsci9100185
7. Chen, S., Xiao, L., & Kumar, A. (2022b). Spread of misinformation on social media: What contributes to it and how to combat it. Computers in Human Behavior, 141, 107643. https://doi.org/10.1016/j.chb.2022.107643
8. Gao, J., Zheng, P., Jia, Y., Chen, H., Mao, Y., Chen, S., Wang, Y., Fu, H., & Dai, J. (2020). Mental health problems and social media exposure during COVID-19 outbreak. PLoS ONE, 15(4), e0231924. https://doi.org/10.1371/journal.pone.0231924
9. Fake news and Polarization: the Storytelling opportunity. (n.d.). https://www.freiheit.org/mexico/fake-news-and-polarization-storytelling-opportunity.
10. Hate speech and fake news: the impact on working conditions of local and regional elected representatives. (n.d.). In https://rm.coe.int/0900001680a8340b.
11. Liu, Z., Zhang, T., Yang, K., Thompson, P., Yu, Z., & Ananiadou, S. (2024). Emotion detection for misinformation: A review. Information Fusion, 107, 102300. https://doi.org/10.1016/j.inffus.2024.102300
12. Martel, C., Pennycook, G., & Rand, D. G. (2020). Reliance on emotion promotes belief in fake news. Cognitive Research Principles and Implications, 5(1). https://doi.org/10.1186/s41235-020-00252-3
13. Martel, C., Pennycook, G., & Rand, D. G. (2020b). Reliance on emotion promotes belief in fake news. Cognitive Research Principles and Implications, 5(1). https://doi.org/10.1186/s41235-020-00252-3
14. Moktefi, A., & Lemanski, J. (2022). On the Origin of Venn Diagrams. Axiomathes, 32(S3), 887–900. https://doi.org/10.1007/s10516-022-09642-2
15. Naeem, M., Ozuem, W., Howell, K., & Ranfagni, S. (2023). A Step-by-Step process of thematic analysis to develop a conceptual model in qualitative research. International Journal of Qualitative Methods, 22. https://doi.org/10.1177/16094069231205789
16. Rampersad, G., & Althiyabi, T. (2019). Fake news: Acceptance by demographics and culture on social media. Journal of Information Technology & Politics, 17(1), 1–11. https://doi.org/10.1080/19331681.2019.1686676
17. Raman, R., Nair, V. K., Nedungadi, P., Sahu, A. K., Kowalski, R., Ramanathan, S., & Achuthan, K. (2024). Fake news research trends, linkages to generative artificial intelligence and sustainable development goals. Heliyon, 10(3), e24727. https://doi.org/10.1016/j.heliyon.2024.e24727
18. Schrauf, R. W. (2017). Mixed methods designs for making Cross-Cultural comparisons. Journal of Mixed Methods Research, 12(4), 477–494. https://doi.org/10.1177/1558689817743109
19. Schrauf, R. W. (2017). Mixed methods designs for making Cross-Cultural comparisons. Journal of Mixed Methods Research, 12(4), 477–494. https://doi.org/10.1177/1558689817743109
20. Shahbazi, M., & Bunker, D. (2024). Social media trust: Fighting misinformation in the time of crisis. International Journal of Information Management, 77, 102780. https://doi.org/10.1016/j.ijinfomgt.2024.102780
21. Vertoudakis, V. P. (2024). Fake News and Misinformation During War or Civil Conflict: Some Case Studies from Greek Historiography. In De Gruyter eBooks (pp. 213–220). https://doi.org/10.1515/9783111393629-012
22. Zhang, Z., & Cheng, Z. (2024). Users’ unverified information-sharing behavior on social media: The role of reasoned and social reactive pathways. Acta Psychologica, 245, 104215. https://doi.org/10.1016/j.actpsy.2024.104215
23. Zaeem, C. Li and K. S. Barber, "On Sentiment of Online Fake News," 2020 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM), The Hague, Netherlands, 2020, pp. 760-767, doi: 10.1109/ASONAM49781.2020.9381323
24. 2/3 of digital content creators do not fact-check, UNESCO. (n.d.). news.un.org
25. LEARNING FROM SHARED NEWS: WHEN ABUNDANT INFORMATION LEADS TO BELIEF POLARIZATION. (n.d.). In https://www.nber.org/system/files/working_papers/w28465/revisions/w28465.rev0.pdf.
26. GENAI AND THE BATTLE AGAINST MISINFORMATION, Duke Education Corporation
27. https://www.dukece.com/insights/genai_and_the_battle_against_misinformation/
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Gevorg Grigoryan, Salah Eddine Salmi, Ning Huichun, Jingjing Shi
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
