面对国家政策规制与行业转型的双重背景，本研究以“机器—社会”视角，运用“嵌入—脱嵌—再嵌入”理论框架，聚焦技术嵌入与脱嵌对新闻生产产生的双重影响，提出从三个维度构建再嵌入机制，为智能时代新闻业的可持续发展提供兼具理论纵深与实践价值的批判性思考。

  以大数据、云计算及生成式人工智能（AGI）为代表的新兴技术正深度重构新闻业态，尤其是2022年崛起的生成式人工智能凭借其多样化的生成与输出能力，已突破工具属性，嵌入新闻生产全流程，引发学界对技术伦理[1]、人机关系[2]、传播权力[3]及生态治理[4]的多维探讨。当前的研究虽在行业影响层面达成基本共识，却相对忽视了技术与社会结构的深层互动——生成式人工智能不仅改变新闻生产逻辑，更通过传播场域的权力博弈重构人类认知、改写人与社会的关系，其引发的价值震荡与不确定性风险亟待系统性解析。面对国家政策规制与行业转型的双重背景，本研究以“机器—社会”视角，运用“嵌入—脱嵌—再嵌入”理论框架，聚焦技术嵌入与脱嵌对新闻生产产生的双重影响，提出从三个维度构建再嵌入机制，为智能时代新闻业的可持续发展提供兼具理论纵深与实践价值的批判性思考。

  生成式AI对新闻业的渗透，本质上是技术逻辑与社会系统深度互构的动态过程。基于卡尔·波兰尼“嵌入性”理论的范式迁移，可将技术应用视为社会技术系统的适应性重构，即技术既作为结构性要素嵌入新闻生产网络，又在资本与权力驱动下产生脱嵌张力，最终推动新闻业的价值体系发生根本性重组。

  （一）技术嵌入与新闻生产常规的调适。“新闻生产常规”作为维系新闻生产秩序的核心机制，始终处于技术调适与社会变迁的张力之中。“新闻必然是新闻工作者通过机构程序并遵循机构规范而生产的产品”，“机构规范必然包括按照常规从事新闻报道活动的各个机构之间的协商”。[5]也就是说，新闻生产要遵循新闻机构的常规，“新闻生产常规”在维持新闻报道的正常运作中扮演着重要角色，对于个体而言，“新闻生产常规”帮他们将混乱的工作秩序化，并将个人的工作模式调整到与组织内成员一致；对于组织而言，“新闻生产常规”则是一种无形的控制和约束手段，有助于与个体达成共识与默契。但随着人工智能的崛起和对新闻业的不断渗透，传统新闻生产面临着双重变革：一方面，人工智能通过流程的优化提高采编效率，形成人机协同的自动化生产模式；另一方面，技术资本化导致算法代理性慢慢地加强，记者逐渐从内容生产者退化为算法训练者，编辑权被分解为数据标注与参数调试。而“随着新闻业媒介融合的动态发展和逐步加深，新闻从业者的工作常规也会随之调整”[6]。

  生成式人工智能融入新闻生产的演进轨迹，与波兰尼的“嵌入—脱嵌”形成理论共振。经济活动早期深刻嵌入社会关系网中，受社会规范、文化传统及人际关系的深刻影响。然而，随着工业革命与资本主义的崛起，经济活动逐渐从“嵌入”状态中脱离，形成了一种更为自主、追求利润最大化的“脱嵌”状态。这一过程虽促进了经济效率的提升，但也伴随着社会结构的变迁与非经济因素的边缘化，可能引发一系列社会问题。[7]同样，生成式人工智能初期作为辅助工具嵌入生产流程，在提升效率的同时维系专业价值；随技术自主性的增强，其运行逻辑逐渐从社会需求导向转向资本增殖导向，最终突破波兰尼所谓的“社会保护机制”的约束。

  严雪雁等学者敏锐地发现了技术异化的过程与波兰尼经济活动的“嵌入—脱嵌”过程的相似性，将此范式迁移至技术领域，形成“技术嵌入—技术脱嵌”的新范式[8]。在新闻生产场域，这种技术嵌入性体现为初期算法系统与新闻生产常规的耦合共生，即通过流程再造与人机协同，技术既遵循专业主义规范，又重构新闻生产的时空秩序。而技术脱嵌则表现为在市场、资本、权力、制度等角力下[9]，“算法生产常规”逐渐代替“新闻生产常规”。“技术嵌入—技术脱嵌”范式突破了传统技术工具论的认知，将AI视为具有价值负载与社会建构性的行动者，为理解智能时代的新闻业变革提供了新的视角。

  （二）价值脱嵌与再嵌入机制构建。生成式人工智能的脱嵌不仅造成新闻生产与专业伦理的断裂，更通过“阐释权”的让渡，动摇了新闻业作为社会意义系统的合法性根基，进而引发三个层面的系统性风险。其一，在认知层面，机器生成内容的过度逼真性模糊了真实与虚构的边界，导致新闻事实的根基被虚拟化内容侵蚀。其二，在传播层面，算法推荐系统过度追求个性化分发，使用户陷入封闭的“信息茧房”，削弱社会对公共议题的共识基础。其三，在行业层面，技术升级的资本化加剧了行业资源向少数平台集中，传统媒体的数字化转型面临“技术赋能却失去主导权”的困境。

  要应对这种系统性风险，须构建制度、伦理、技术三重再嵌入机制。在制度维度，建立动态立法框架，利用适应性制度约束技术资本的无序扩张；在伦理维度，将新闻专业准则转化为可计算的参数，通过编码事实核查标准实现人机价值的对齐；在技术维度，开发“公共价值算法”，在推荐系统中嵌入信息多样性权重与可见度指标。这种再嵌入机制的本质，是通过社会系统的反制力量，将脱嵌的技术逻辑重新锚定于新闻业的价值坐标中，进而建立技术创新与社会责任之间的动态平衡。

  美国学者德尼·古莱认为，现代技术包含着价值携带和价值破坏两方面特征。[10]在生成式人工智能嵌入新闻生产的过程中，这种技术的双重效应日益明显：一方面，技术通过流程再造与效率革命重构新闻生产网络；另一方面，资本和技术垄断对新闻专业主义价值进行侵蚀。

  （一）技术赋能推动新闻生产提质增效。路透社与牛津大学于2025年联合发布的《新闻、媒体与技术发展的新趋势与预测》称，全球77%的新闻机构计划将AI用于内容创作，70%的新闻机构将部署AI摘要功能，56%的新闻机构尝试开发聊天机器人[11]。生成式AI在新闻生产中的快速扩张，使过去由记者主导的单一化生产流程，逐渐演变为算法参与的多环节协作体系，提升了新闻生产效能。

  1.新闻生产的自动化。人工智能技术驱动的新闻生产变化大多数表现在媒体结构的数字化、生产流程的自动化和记者技能的多样化上。[12]其中，新闻生产流程的自动化尤为明显。但新闻生产环节较多（最重要的包含选择、采集、核查、分析、叙述、审校、分发、互动等），并非所有环节都适合自动化。只有那些事实可数据化程度高、价值判断复杂度低的环节才适合自动化。[13]在新闻生产各环节的技术采纳中，新闻写作环节对AI技术的使用最为突出。[14]根据各国媒体的实践，目前新闻生产的自动化大致分为三类：基于外部可靠数据库的自动化新闻简讯，基于媒体内部数据库开发的自动化新闻辅助工具，基于开放大数据的自动化新闻提示和转换工具。第一类的自动化程度最高，第三类的自动化程度最低。但对新闻生产影响最大的是第二类——人机协作式的中度“自动化新闻”，需要媒体投入较多资源开发自身数据库和独特算法，但可以从效率和质量两方面提升新闻生产。[15]比如，中央广播电视总台研发的“央视听媒体大模型”，实现了时政报道从语音识别到视频生成的端到端生产。[16]新华网“云边端协同”架构的AIGC平台，通过整合权威数据源将采编效率大幅度的提高。[17]人民日报新媒体中心推出的《与你有关！AI微缩景观看2024民生举措》《江山如此多娇》等AI共创视频，全网阅读总量超过6.5亿次。[18]

  2.信息传播的个性化。生成式人工智能基于深度学习算法和自然语言处理技术，可以通过分析海量文本数据建立不同媒体的风格特征模型，创造出多样化的叙述形式、修辞手法、文体结构以及新闻视角，在语言构建和意义表达上实现个性化创作。全球媒体Semafor的执行主编吉娜·蔡(Gina Chua)利用生成式人工智能Claude，让其按照、纽约邮报、中国日报和福克斯新闻各自的风格，对一则关于中国应对人口出生率下降的新闻进行了改写。她发现，的版本倾向于采用详尽的背景介绍，并带有较为正式的语气；纽约邮报的版本则采用了更为激进的语言，比如“中国的出生率下滑引发恐慌”这样的表述；中国日报的版本更多地引用了官方立场，例如“政府实施育儿假期政策以减轻家庭负担”；而福克斯新闻的版本则充满了尖锐的批评，并带有一定的主观偏见。[19]可见，人工智能大模型可以通过精准适配用户认知图式与媒体风格特征，实现信息传播的个性化。

  3.信息检测的智能化。在假新闻和虚假信息泛滥的背景下，人工智能驱动的虚假信息检测技术变得越来越重要。当前虚假信息的检测技术主要包括三大类。一是传统的机器学习算法，就是采用逻辑回归、支持向量机（SVM）和随机森林等经典算法，通过特征工程提取文本语义、传播模式等特征进行判别分析。二是深度学习方法，即基于卷积神经网络（CNN）的局部特征提取能力处理文本序列，利用循环神经网络（RNN）捕捉上下文时序关联，近年来Transformer架构展现出强大的语义理解优势。三是混合模型方法，结合矩阵分解处理高维稀疏数据，引入贝叶斯推理构建概率图模型，通过多模态融合提升检测鲁棒性。[20]智能化的虚假信息核查技术使得AI系统能够迅速分析海量文本和数据，部分识别出可能存在争议或错误的陈述。如以法国世界报为代表的新闻机构基于社交媒体平台开发了自动化核查机器人，通过自然语言处理技术实现可疑信息的即时验证；英国Full Fact组织则构建了涵盖新闻媒体与社交网络的实时监测系统。[21]微软研发的Face X-ray技术通过解析深度伪造图像的生成边界特征，建立了跨模型的合成图像检测框架，其泛化能力在对抗性样本测试中表现突出。[22]

  （二）技术脱嵌引发多重风险。生成式人工智能在提升新闻生产效能的同时，其技术理性与新闻价值理性之间的内在矛盾逐渐显现，可能引发多重风险。

  1.真实性的技术异化。当人工智能从辅助工具演变为自主生产系统时，其基于数据概率关联的内容生成机制，与新闻业追求事实准确性的本质要求产生根本性冲突。这种技术异化实际上印证了马克思的异化劳动理论。马克思认为：“工人生产的内容越多，他能够占有的对象就越少，而且越受其对象奴役。”[23]在智能新闻生产中，人工智能大模型通过一系列分析海量文本中的词汇关联规律进行内容创作，虽然能够快速生成语法通顺的文本，但其本质是对数据规律的模仿而非事实的客观再现。随着深度伪造技术的进步，人工智能已能生成高度逼真的音视频内容，新闻的真实性根基面临崩塌风险。

  更值得警惕的是，人工智能生成的内容与人类认知特性形成潜在共谋。研究表明，人们更倾向于接受语言流畅、符合自身认知模式的信息，而人工智能生成的内容恰好通过优化算法具备了这些特点[24]。这可能导致人们在接受信息时不自觉地降低对事实核查的要求，转而依赖主观感受来判断信息的可信度。这不仅会影响新闻业的公信力，还会侵蚀社会共识形成的客观基础。

  2.专业性的系统消融。人工智能对新闻生产流程的改造，正在改变从业者的角色和职能。正如学者担忧的那样，依赖数据，虽然同样可以做出独家的报道，但是缺乏第一手的、鲜活的现场体验和现实反映。[25]当新闻生产缺少了“记者在场”、新闻文本并非新闻工作者意志的产物时，记者的主体性和把关功能被削弱，新闻工作的社会价值根基被动摇。

  算法推荐机制引发的信息分化现象进一步加剧了行业困境。个性化推送虽能满足用户的偏好，但长期困于相似内容会导致公众视野窄化。而平台为吸引流量，往往优先传播争议性内容，这种机制在多平台叠加下易形成非理性舆论浪潮，AI通过算法和信息“回音壁”效应制造舆情事件的概率会极大增加。久而久之，算法不仅会重塑我们认知世界的途径，还会混淆人类对社会的风险感知：“未来我们的认知到底是我们的，还是机器的?”[26]“当我们……对虚拟风险草木皆兵时，我们的风险感知究竟是‘身体’的感知，还是被延伸了的中枢神经的感知？”[27]这一趋势会消解公共领域理性对话的空间，使新闻业从社会守望者滑向流量附庸。由算法主导的虚拟现实经由人工智能的多重生产与叠加，形成凌驾于真实社会之上的多层信息场域，干扰公众正常的分析与决策。

  3.资本权力的结构性扩张。生成式人工智能作为知识生产的革命性工具，其技术特性正在重塑社会权力的配置逻辑。在知识价值权力转化的过程中，技术资本通过双重路径强化其支配地位。一方面，将知识转化为关键生产要素实现财富增值；另一方面，借助技术垄断重构知识的生产规则，增加其政治性权力。这种“技术置换权力”的机制，使其既获得了技术进步带来的收益，也获得了社会话语和正当性的双重权力。[28]

  而技术资本的权力扩张，将重构新闻业的价值生产与分配机制。技术资本通过掌控算法模型与数据资源，形成从技术赋能到资本增值的闭环效应：在内容生产端，科技巨头既提供生成工具又垄断检测系统，这种双向控制使传统媒体丧失议价能力，导致行业利润单向流动；在传播环节，算法推荐系统将信息筛选权让渡给技术平台，平台通过不透明的算法机制影响舆论走向，公共话语空间面临私有化风险。在资源分配层面，数据垄断加剧“赢家通吃”效应，科技公司通过预训练模型构建行业标准，要求合作媒体开放历史数据却独占衍生内容权益，中小媒体陷入技术依赖与自主权丧失的双重困境，信息生态多样性遭受威胁。当数据、算法、渠道这些新闻生产的核心要素都被资本垄断时，媒体的独立性也会受到严重削弱，难以有效发挥其核心功能。

  新闻行业的技术脱嵌风险，源于技术资本的增殖逻辑与新闻业的社会功能发生结构性断裂。要弥合这一断裂，须构建制度、伦理与技术协同的再嵌入机制，将技术逻辑锚定于新闻业的价值坐标之中。

  （一）制度性再嵌入。制度性再嵌入的关键，是通过法律规制的弹性化转型与治理机制的协同化重构，将生成式人工智能的技术逻辑重新纳入新闻业的社会价值轨道，实现效率革命与价值守护的共生演进。

  首先，通过分级立法实施差异化规制。传统法律框架是建立在“人类中心”的传播秩序之上的，难以应对生成式内容对新闻真实性、时效性与公共性的复合冲击，可针对不同应用场景实施差异化规制。例如，对深度伪造新闻、算法操控舆论等高危场景，强制性要求生成内容添加可溯源的数字标识，并建立人工审核与机器审核并行的双重审核机制；而对体育报道、财经报道等低风险场景，则通过行业公约与弹性条款预留创新空间。比如由网信部门牵头，联合记协等行业协会建立动态风险评估机制，每季度发布技术应用风险清单，指导法规条款的及时更新。

  其次，利用智能技术提升监管效能。面对生成式新闻的海量产出与即时传播，传统人工审查模式已显乏力，需通过技术工具重构监管方式。可引入区块链技术，构建新闻生产全流程追溯系统，为事实核查提供可信数据链。也可开发智能风险预警系统，当监测到虚假信息传播量超过阈值时，自动启动内容限流、模型暂停等分级管控措施。这种“以技术治理技术”的路径，实质是将新闻专业的价值准则转化为算法可识别的约束参数，可大大提升监管效能。

  最后，推动多元主体构建协同治理网络。理想的治理模式，是政府、行业组织和公众形成协同机制，共同参与技术治理，形成功能互补的治理合力[29]：政府部门作为“守门人的守门人”[30]，应牵头建立统一的技术标准，要求媒体机构备案算法模型的基本架构和主要功能，并定期提交更新报告。新闻行业和技术行业可通过行业协会，制定人工智能开发和应用的行业规范，明确规定算法运行应保持透明，且重要内容须经过人工审核才能发布。对于普通公众，可搭建新闻可信度评价系统，让用户能够对存疑内容进行标记和评分，将专业机构的技术治理与大众监督相结合，通过多方协商达成共识。

  （二）伦理性再嵌入。生成式人工智能对新闻生产的深度介入，正在解构传统新闻伦理的认知根基。新闻业须通过生产伦理、传播伦理和主体伦理的重构与迭代，为技术化的新闻生产注入人文灵魂。

  生产伦理的重构关键在于重新界定人与机器的权责关系。随着生成式人工智能从单纯的辅助工具发展成为具有一定自主性的“非人类行动者”[31]，新闻行业需要建立新的责任共担机制。在此背景下，记者的角色从单一的内容创作者转变为算法监督者和价值校准者，肩负起三重伦理责任：其一，在算法训练阶段介入语料筛选与偏见修正，避免数据集的系统性偏差；其二，对生成内容进行事实准确性验证与社会影响评估，确保新闻质量；其三，通过参数调优将公共价值嵌入算法决策链。

  传播伦理的迭代须突破算法流量单向度统治的局面。马尔库塞关于技术理性导致“单向度社会”的批判极具启示意义。马尔库塞认为，技术进步的加速使人类的生存方式日益被技术逻辑支配，批判性思维与多元价值追求被技术系统的同质化力量消解[32]。当前，算法推荐系统通过精准的用户画像和兴趣投喂，不仅压缩了信息多样性空间，更利用“过滤气泡”效应将用户禁锢在自我强化的信息茧房中。因此，需要重新构建一套公共价值评估指标体系，通过考量信息多样性、可见度以及公共议题覆盖度等多个维度来量化传播效果，确保内容不仅迎合用户的个人兴趣，也能增进社会的整体福祉。

  主体伦理的重建需要强化记者的技术素养与专业价值。可在媒体机构设立AI培训基地，重点培养记者的数据叙事、算法批判和人机协作三大核心能力。数据叙事能力要求记者能够从机器生成的海量信息中筛选出具有公共价值的内容；算法批判能力则强调识别技术系统中的隐性偏见与事实性错误，确保报道的公正性和客观性；而人机协作能力关注在采编流程中合理分配人类创造力与机器效率，实现最佳工作效果。这种主体性的重建使得记者不再是被动的技术适应者，而是主动的技术驯化者，能够在新技术环境下有效履行其社会责任。

  （三）技术性再嵌入。生成式人工智能的技术性再嵌入，须聚焦算法透明性建设与价值对齐机制，将新闻行业的社会责任转化为技术系统的基础运行规则，从而使技术系统成为新闻公共性的数字载体而非解构力量。

  技术性再嵌入的首要任务是要求算法系统提供“透明模式”。首先，可要求新闻机构向监管部门备案算法训练数据的基本构成和决策逻辑，同时，监管部门应定期对算法模型进行审计，确保其符合新闻伦理和社会责任；其次，将新闻伦理准则转化为可量化的技术参数，通过设定多源验证、权威权重等约束条件，确保自动化内容符合专业规范；最后，须开展公众智能素养教育，借助模拟演示等方式揭示算法偏见的存在形式，帮助用户建立技术认知的自主判断能力。

  技术性再嵌入的关键在于构建包含事前、事中、事后的全流程控制体系。在数据采集阶段，设置关键词过滤清单，自动屏蔽含歧视性、煽动性内容；在模型训练阶段，引入公共价值损失函数，降低有害内容生成概率；在信息传播阶段，建立实时反馈通道，根据用户举报数据动态优化生成策略。

  技术性再嵌入的最终目标是实现人机协同的价值共创。在新闻生产端，开发辅助工具将人类专业判断与机器数据处理能力结合，例如为采编人员提供实时数据支持和虚假信息预警；在传播环节设计兼顾公共利益的推荐机制，利用算法加权确保重要公共信息的可见度。这一人机协同的价值共创模式既可保留人类的价值主导权，又能充分发挥技术的效能，推动形成效率与责任平衡的新型生产范式。

  生成式AI在新闻业的应用演进，本质上是技术逻辑与社会价值的动态博弈。在技术重构新闻生产规则的同时，资本驱动下的技术理性扩张正引发真实性消解、专业价值弱化等系统性风险。为维系技术理性与新闻价值理性的平衡，须构建制度规约、伦理转化与技术调适的三维再嵌入机制：通过分级法律框架约束技术应用的伦理边界，将专业伦理转化为可执行的算法参数，借助透明化机制重建传播信任体系。

  当算法透明度成为可验证的伦理准则、公共价值量化为可执行的技术指标、专业能力升级为动态的素养体系时，技术逻辑方能突破工具理性的桎梏，真正融入新闻业的社会意义网络。这种社会性再嵌入不仅是风险治理的技术应对，更是智能时代重构新闻业社会契约的必经之路——在技术效能与人文价值的张力中，探索人机协同的可持续发展范式，使技术创新始终服务于公共福祉。

  【本文为国家社科基金后期资助项目“技术哲学视角下人机传播的伦理风险防范研究”（批准号：24FXWB009）、四川省社会科学院一般项目“生成式人工智能嵌入主流媒体新闻生产的风险识别与防范研究”（编号：24YB04）成果】

  [1]周葆华，陆莹莹.生成式人工智能影响下的新闻生产创新:实践与挑战[J].青年记者，2024(03):5-11.

  [4]李本乾，刘家辰，孙滢昊.生成式人工智能传播伦理的系统风险及和谐共生治理[J].2025(04):87-94.

  [5]盖伊·塔奇曼.做新闻[M].麻争旗，刘笑盈，徐扬，译.北京:华夏出版社，2008:32.

  [6]何映霏，李龙飞.常规“脱嵌-再嵌入”：媒介融合视域下新闻从业者的行动逻辑与职业认知[J].传媒观察，2022(09):26-33.

  [7]卡尔·波兰尼.大转型：我们时代的政治与经济起源[M]．冯钢，刘阳，译．北京：当代世界出版社，2020:97．

  [8]严雪雁.ChatGPT技术的风险解构、防范措施及其治理范式转型——基于“嵌入—脱嵌”互动视角的分析[J].武汉科技大学学报(社会科学版)，2024(02):61-74.

  [9]张志安，章震.重审语境与重新出发：新闻生产社会学的“本土化”脉络和反思[J].新闻记者，2018(09):42-55.

  [10]丹尼斯·古莱特.靠不住的承诺:技术迁移中的价值冲突[M].邾立志，译.北京:社会科学文献出版社，2004:1.

  [12]强月新，胡青山.主流化、平台化、智能化：新型主流媒体的演进逻辑与实践进路[J].新闻大学，2024(08):30-42+118.

  [13][15]王辰瑶，秦科.嵌入实践的技术：“自动化”对新闻业意味着什么[J].新闻与写作，2023(09):92-103.

  [18]梁昌杰，张世悬，杨丽娟，等.重大主题报道的年轻态如何炼成——以人民日报新媒体2024年全国两会策划产品为例[J].传媒，2024(09):14-15+17.

  [19]蒋雪颖，刘欣，许静.人机协同视角下生成式AI新闻的前沿应用与规制进路[J].新闻爱好者，2023(11):38-42.

  [21]左亚莉.中外新闻事实核查实践的比较及启示[D].重庆:重庆大学，2022.

  [22]李净.国际视野下治理虚假新闻的技术方法及相关模型[J].中国传媒科技，2022(08):17-21.

  [23]卡尔·马克思.1844年经济学哲学手稿[M].中央编译局，译.北京:人民出版社，2000:52.

  [24]喻国明，苍海心，李泽源.生成式人工智能的认知协同机制研究：基于GenＡI深度嵌入人类创造性认知的逻辑解读[J].阅江学刊，2025(03):79-87.

  [25]陈昌凤.生成式A与新闻传播：实务赋能、理念挑战与角色重塑[J].新闻界，2023(06):4-11.

  [26]陈昌凤等.“算法推荐和AI”的发展与挑战[J].新闻大学，2019(06):1-8.

  [27]陈华明.网络社会风险论：媒介、技术与治理[M].北京:中国社会科学出版社，2019:105.

  [28]梅立润.技术置换权力：AI时代的国家治理权力结构变化[J].武汉大学学报（哲学社会科学版)，2023(01):44-54.

  [29]杨雅，苏芳，章雪晴.制衡还是共生:生成式人工智能治理的技术校准与行动框架[J].社会治理，2024(02):4-12.

  [30]方兴东，钟祥铭，张权.“守门人”的守门人：互联网空间全球治理范式转变[J].湖南师范大学社会科学学报，2023(01):49-60.

  [31]李韬，周瑞春.生成式人工智能的社会伦理风险及其治理—基于行动者网理论的探讨[J].中国特色社会主义研究，2023(06):58-66+75.

  [32]赫伯特·马尔库塞.单向度的人:发达工业社会意识形态研究[M].刘继，译.上海:上海译文出版社，2008:3-4.

  （刘立云：四川省社会科学院党委书记，教授；陈玉霞：四川省社会科学院新闻传播研究所研究员；李京丽：四川省社会科学院新闻传播研究所副研究员）

  刘立云，陈玉霞，李京丽.生成式人工智能嵌入新闻生产的双重效应与价值重构路径[J].青年记者，2025(11):59-64.