□文│葉韋明

?

機(jī)器人新聞：變革歷程與社會影響

□文│葉韋明

［摘 要］以時間和機(jī)構(gòu)為線索，簡要梳理機(jī)器人新聞寫作的現(xiàn)狀，概述其原理，分析機(jī)器人新聞與記者新聞的區(qū)別；隨后將機(jī)器人新聞生產(chǎn)置于“宏觀-微觀、新聞-公眾”的四象限坐標(biāo)軸中，分析其對相關(guān)行動者（記者、讀者、新聞機(jī)構(gòu)、社會）的不同影響；最后從媒介社會史的視角提出討論和建議。

［關(guān)鍵詞］機(jī)器人新聞 新聞內(nèi)容生產(chǎn) 算法 行動者

今天，機(jī)器人技術(shù)廣泛影響了制造業(yè)、醫(yī)療保健和服務(wù)業(yè)等行業(yè)和就業(yè)市場，人們對此褒貶不一。一方面，移動機(jī)器人、工業(yè)機(jī)器人、服務(wù)機(jī)器人、模塊化機(jī)器人、軍事機(jī)器人幫助人類完成骯臟、危險、單調(diào)或艱難的任務(wù)，往往得到人類社會的積極反應(yīng)；另一方面，當(dāng)機(jī)器人涉足教育、法律、醫(yī)療和新聞等與人類本身、社會和文化直接相關(guān)的行業(yè)時，往往遭到較多的質(zhì)疑，甚至是抵制。究其原因，主要有三點(diǎn)：首先，人類社會對機(jī)器人的理解往往更承認(rèn)和重視“機(jī)器”的一面，默認(rèn)其功能為補(bǔ)充和替代人類的體力勞動；其次，隨著人工智能的發(fā)展，機(jī)器人逐漸演化出“人”的一面，盡管有限且緩慢，但大多數(shù)人類對機(jī)器人的了解仍然極有限，落后于機(jī)器人本身的演進(jìn)；最后，人類始終存在的對“他者”之恐慌——盡管機(jī)器人是人類創(chuàng)造出來的，但是這樣的恐慌情緒在大量的（早在人工智能之前產(chǎn)生的）人工智能文學(xué)作品中展露無遺。人類社會的這些反應(yīng)在面對機(jī)器人新聞時依然存在。

美國新聞協(xié)會（American Press Institute）對新聞的定義是：“收集、考查、創(chuàng)造和展示新聞與信息的行為。同時也是以上行為的產(chǎn)品?！保?］在這個定義中，確定新聞是一種行為和產(chǎn)品，但并沒有限定新聞生產(chǎn)的行為主體只能是人類。因此，本文更多從事實(shí)、過程和影響三個方面梳理機(jī)器人新聞的發(fā)展和困難。確切地說，機(jī)器人新聞（Robot Journalism或Automated Journalism）是使用算法自動地從結(jié)構(gòu)性數(shù)據(jù)中生成新聞。一旦開發(fā)出這樣的程序來，算法不僅可以生成針對特定主題的大量新聞，而且速度更快、更便宜、還可以比人類記者出錯更少。毫無疑問，機(jī)器人新聞的發(fā)展激起了新聞內(nèi)容生產(chǎn)者的恐慌，擔(dān)心機(jī)器的內(nèi)容生產(chǎn)可能將終結(jié)新聞編輯室的工作，但與此同時，學(xué)者和實(shí)踐者們則看到技術(shù)可能促進(jìn)新聞質(zhì)量。

一、機(jī)器人參與內(nèi)容生產(chǎn)：功能演化

近幾年，機(jī)器人新聞在媒體機(jī)構(gòu)中迅速發(fā)展。2014年，美聯(lián)社率先使用“自動洞察力”（Automated Insights）公司的軟件產(chǎn)品“語言大師”（wordsmith）撰寫每季度的公司財報。美聯(lián)社在拿到公司財報數(shù)據(jù)后，將其輸入到“語言大師”平臺上，隨后軟件生成一條150～300個單詞的新聞，值班編輯僅在新聞發(fā)布之前預(yù)覽一遍。美聯(lián)社認(rèn)為，財報類的新聞需要定期發(fā)布，且格式僵化，無法體現(xiàn)記者的創(chuàng)造性。次年，機(jī)器人使用自動化編輯器擴(kuò)大算法范圍，利用傳感器搜集實(shí)時數(shù)據(jù)，撰寫體育新聞。2014年，《洛杉磯時報》的記者和程序員肯·施文克（Ken Schwencke）開發(fā)了一套算法，可以將美國地質(zhì)調(diào)查局的信息置于事先寫好的模板中，從撰寫地震新聞到線上發(fā)布僅需3分鐘。隨后該報又將機(jī)器人新聞系統(tǒng)拓展到犯罪新聞領(lǐng)域。2015年，騰訊財經(jīng)開發(fā)的自動化新聞寫作機(jī)器人Dreamwriter，根據(jù)算法在第一時間自動生成稿件，一分鐘內(nèi)將重要資訊送達(dá)用戶。同年，新華社也使用機(jī)器人“快筆小新”撰寫體育新聞的中英文稿件和財經(jīng)信息稿件。

以“語言大師”平臺為例，新聞內(nèi)容的機(jī)器生產(chǎn)包括以下基本步驟：上傳結(jié)構(gòu)化的數(shù)據(jù)文件，創(chuàng)建多種敘述模板，撰寫基本文本結(jié)構(gòu)，為可能的變量替換關(guān)鍵詞，之后添加邏輯。它還可以創(chuàng)建分支內(nèi)容，根據(jù)數(shù)據(jù)的實(shí)際情況添加、修改特定的詞匯、短語或段落（比如，根據(jù)實(shí)際情況形容50寸的電視究竟是“巨大”還是“適中”）。雖然撰寫一兩篇文章看起來要花費(fèi)很多時間精力，可一旦使用該模板寫大量的新聞時，就不需要重復(fù)撰寫單個報道，只需上傳新的數(shù)據(jù)，并根據(jù)已有的模板和敘述結(jié)構(gòu)，根據(jù)編輯的標(biāo)準(zhǔn)更新創(chuàng)造性的細(xì)節(jié)。而“敘述科學(xué)”公司的“鵝毛筆”（Quill）則搜集可能的數(shù)據(jù)，如（在棒球賽中的）得分、每分鐘賽況、平均擊球率、歷史記錄或運(yùn)動員人口信息；隨后，該軟件利用統(tǒng)計方法來確定數(shù)據(jù)中重要和有趣的事實(shí)，包括超常的情況，如運(yùn)動員超常發(fā)揮，或者比賽的關(guān)鍵時刻；接著，該軟件根據(jù)重要性給不同的觀點(diǎn)進(jìn)行分類和排序；然后根據(jù)事先設(shè)置的規(guī)則安排具有新聞價值的細(xì)節(jié)，并生成故事；最后把這個故事上傳到媒體機(jī)構(gòu)的內(nèi)容管理系統(tǒng)，這個系統(tǒng)也可能會自動發(fā)布新聞。以上即是美國兩大機(jī)器人新聞公司“自動洞察力”和“敘述科學(xué)”的基本運(yùn)行邏輯。目前全球有11家企業(yè)能夠提供機(jī)器人新聞的服務(wù)：德國的AX Semantics、Text-On、2txt NLG、Retresco、Textomatic，美國的Narrative Science、Automated Insights，法國的Syllabs、Labsense，英國的Arria以及中國的騰迅，能滿足十余種語言的需求。

如今，美聯(lián)社、《福布斯》《紐約時報》《洛杉磯時報》、ProPublica作為先鋒，已經(jīng)在日常新聞生產(chǎn)中使用機(jī)器人新聞。機(jī)器人新聞最經(jīng)常被用來生產(chǎn)常規(guī)性、重復(fù)性主題的新聞，因?yàn)檫@些新聞來自于可獲取的結(jié)構(gòu)化的、精確的數(shù)據(jù)。因此，如果無法取得結(jié)構(gòu)化的數(shù)據(jù)，或者數(shù)據(jù)質(zhì)量較差時，機(jī)器人新聞幾無用武之地。機(jī)器人新聞的驅(qū)動力有三點(diǎn)：越來越豐富可得的結(jié)構(gòu)化數(shù)據(jù)、新聞機(jī)構(gòu)減少成本以及提高新聞質(zhì)量的目標(biāo)。所以，機(jī)器人新聞更加適用于那些快速和有效地提供事實(shí)的主題，而非細(xì)致敘述的主題，讀者對于寫作的質(zhì)量期待也較少。讀者可能會認(rèn)為機(jī)器人新聞比人類撰寫的新聞精確性更高，但并不特別喜歡閱讀機(jī)器人新聞。

基于以上內(nèi)容，概括機(jī)器人新聞和記者報道之間的區(qū)別如表1所述（當(dāng)然這樣的概括只是一種靜態(tài)的、理想型的描述，隨著機(jī)器人的演化，兩者的界限會逐漸模糊）。

表1　機(jī)器人新聞與人類記者報道的區(qū)別

除了寫作和分析，機(jī)器人在社交媒體推廣、核查信息和編輯等方面也有所發(fā)展?！都~約時報》的機(jī)器人布洛瑟姆（Blossom）基于臉書等社交平臺推送的海量文章進(jìn)行大數(shù)據(jù)分析，根據(jù)數(shù)據(jù)預(yù)測哪些內(nèi)容更具有社交推廣效應(yīng)，再把可能的“爆款”文章告訴編輯，并提供建議。通過機(jī)器學(xué)習(xí)，Blossom今后還有望獨(dú)立制定標(biāo)題、摘要文章、為文配圖等工作。2012年，《華盛頓郵報》啟動了名為“吐真者”（Truth Teller）的實(shí)時新聞核查項(xiàng)目，全程記錄新聞報道中的文字和語音等信息，并隨時與“打假”數(shù)據(jù)庫進(jìn)行對比，一旦發(fā)現(xiàn)異常便發(fā)出警報?！缎l(wèi)報》推出“#Open001”計劃，該機(jī)器人對社交網(wǎng)絡(luò)上的分享熱點(diǎn)和關(guān)注熱度進(jìn)行統(tǒng)計分析，隨即進(jìn)行內(nèi)容篩選、編輯排版和印刷，最終生成一份報紙。而路透社則推出一整套名為Open Calais的智能解決方案：從各類文本類型中提煉出元數(shù)據(jù)，并通過連接內(nèi)部的資料庫實(shí)現(xiàn)文本閱讀和分析。學(xué)習(xí)和模擬每位編輯在系統(tǒng)中敲下的單詞，并隨時與系統(tǒng)數(shù)據(jù)庫進(jìn)行比對，篩選出關(guān)鍵詞和重點(diǎn)內(nèi)容。當(dāng)記者寫完稿件之后，只需要再次比對關(guān)鍵詞、核查重點(diǎn)內(nèi)容部分即可完成稿件編輯和校對。

機(jī)器人已經(jīng)滲透到新聞內(nèi)容生產(chǎn)流程的各個環(huán)節(jié)：寫作、分析、推廣、核實(shí)、編輯等。面對新聞生產(chǎn)中這個巨大的變化，相關(guān)的行動者們受到什么影響？又是什么反應(yīng)？

二、機(jī)器人新聞與相關(guān)行動者

安德里亞斯·格雷費(fèi)（Andreas Graefe）提出基于“新聞-公眾”和“微觀-宏觀”坐標(biāo)軸的四象限圖（見圖1），概括機(jī)器人新聞及相對應(yīng)的四個行動者（機(jī)構(gòu)和個體）：記者和新聞消費(fèi)者（即讀者）處于微觀一端，而新聞機(jī)構(gòu)和社會則處于宏觀一端；在另外一個維度，記者和新聞機(jī)構(gòu)具有新聞屬性，讀者和社會則具有公眾屬性。［2］機(jī)器人新聞對以上四個行動者：記者、讀者、新聞機(jī)構(gòu)和社會都產(chǎn)生深遠(yuǎn)的影響。

圖1　機(jī)器人新聞與相關(guān)行動者，四象限坐標(biāo)軸

1.對記者的補(bǔ)充還是取代

首當(dāng)其沖的是機(jī)器人新聞對新聞工作者的影響，前者對后者究竟是取代還是補(bǔ)充，取決于記者的任務(wù)和技能。對于常規(guī)的和重復(fù)的任務(wù)，從原始數(shù)據(jù)到標(biāo)準(zhǔn)化寫作的過程（如體育賽事或公司財報），記者無法與機(jī)器人內(nèi)容的速度和維度相媲美。記者們對這一發(fā)展的態(tài)度往往趨于積極和悲觀兩極——樂觀者認(rèn)同“機(jī)器解放人類”的論述，他們認(rèn)為機(jī)器人如果承擔(dān)常規(guī)任務(wù)，就可以將記者從日常的任務(wù)中解放出來，使得記者可以投入深度分析、評論和調(diào)查性工作，有助于提高新聞的質(zhì)量。而悲觀的“機(jī)器對抗人類”的論述則將機(jī)器人新聞與人類記者對應(yīng)起來，主張機(jī)器人新聞是降低成本的新方法，可以取代那些僅完成常規(guī)任務(wù)的記者。

面對來勢洶洶的機(jī)器人新聞，記者們往往指出，機(jī)器生產(chǎn)內(nèi)容的質(zhì)量低下或一般，他們強(qiáng)調(diào)人類有能力做出精妙細(xì)致的陳述。然而，“講故事”往往不是記者作為一種職業(yè)最為人稱道的技能；客觀性、準(zhǔn)確性和時效性才是記者們常被贊揚(yáng)的特征，可是這些特征恰恰是算法的強(qiáng)項(xiàng)。更重要的是，這種論述忽視了這樣的事實(shí)，即機(jī)器人新聞最擅長完成重復(fù)的、常規(guī)的和基于事實(shí)的故事，而在這樣的故事中，寫作的質(zhì)量可能并非關(guān)鍵，準(zhǔn)確、簡潔、快速的信息才是其核心。

2.對讀者的影響

機(jī)器人新聞對讀者產(chǎn)生的影響主要圍繞兩個方面：讀者如何理解機(jī)器人新聞的質(zhì)量？讀者對算法透明度有哪些要求？如前文所述，記者們往往質(zhì)疑機(jī)器人新聞的內(nèi)容質(zhì)量，認(rèn)為它們只能滿足讀者對清晰和準(zhǔn)確信息的最低要求，通常認(rèn)為機(jī)器人新聞缺少精妙的描述，機(jī)械化且無聊。一份來自三個國家（德國、瑞典和荷蘭）的實(shí)驗(yàn)研究發(fā)現(xiàn)，讀者對機(jī)器人新聞的感知與記者的評價一致。實(shí)驗(yàn)被試被要求閱讀英文文章（但讀者并不知道作者身份），并對不同維度做出評分，結(jié)果顯示，人類寫的新聞比機(jī)器人新聞在可讀性上得分更高；但在可信性上機(jī)器人新聞則略勝一籌；但兩種新聞的質(zhì)量差別并不大，被試很難區(qū)分出一篇文章到底是機(jī)器寫的還是出自人手。［3］另外有研究考察當(dāng)讀者知道作者身份時的反應(yīng)，荷蘭讀者對機(jī)器人新聞和記者新聞（涉及體育和財經(jīng)領(lǐng)域）內(nèi)容的專業(yè)度和可信性的評估并沒有區(qū)別。［4］德國讀者閱讀機(jī)器人和人類撰寫的體育和金融新聞，盡管標(biāo)明了文章的作者（可能有誤），但這并沒有影響讀者的判斷，結(jié)果仍與上述實(shí)驗(yàn)一致，即機(jī)器人新聞更可信，更具專業(yè)性，而人類記者寫的新聞則更有可讀性。［5］這些證據(jù)指出，機(jī)器人新聞在常規(guī)的、重復(fù)的主題上可以與記者撰寫的新聞相媲美；但是當(dāng)主題超出簡單的事實(shí)陳述，需要記者通過解釋、說理和觀點(diǎn)來貢獻(xiàn)價值時，機(jī)器人新聞尚不能勝任。

機(jī)器人新聞對讀者的影響還體現(xiàn)在讀者想知道算法的運(yùn)作方式，如算法對他們了解多少以及其他人看到的故事有何不同。學(xué)者指出，讀者關(guān)注機(jī)器人新聞的五類信息：涉及的人群、底層數(shù)據(jù)、模型、推論和算法。［6］比如讀者想知道，機(jī)器人新聞背后是什么——算法的目標(biāo)和意圖是什么，包括編輯的目標(biāo)；誰開發(fā)和控制這些算法；誰對這些內(nèi)容負(fù)責(zé)；最終產(chǎn)品在發(fā)表前是否有人類編輯閱覽，等等。關(guān)于數(shù)據(jù)來源，新聞機(jī)構(gòu)應(yīng)該公開完整的原始數(shù)據(jù)；或者提供數(shù)據(jù)質(zhì)量的信息，例如數(shù)據(jù)的精確度（或潛在的不確定性）、完整性和時效性。此外，讀者還想知道數(shù)據(jù)是如何獲取、變換、確證和編輯的；是公開數(shù)據(jù)或私人數(shù)據(jù)；生成故事時，使用（或忽略）了哪一部分的資料；如果這是個人的故事，使用了讀者的哪部分信息。關(guān)于算法，讀者們對從數(shù)據(jù)中發(fā)現(xiàn)有趣的事件和洞察的基礎(chǔ)模型和統(tǒng)計方法很感興趣，并好奇是何種新聞價值決定了最終的故事。但是，與其說以上問題是讀者的問題，不如說是專家的問題，很少有普通讀者能夠清晰地意識到算法在新聞中起的作用。只有當(dāng)算法產(chǎn)生重大錯誤或者被黑客入侵時，讀者才可能真正重視算法透明度。對于算法透明度來說，有兩點(diǎn)值得未來研究關(guān)注：更好地理解讀者對算法透明度的需求以及信息公開如何有助于公共利益；如何更好地展示信息而不影響用戶體驗(yàn)。

3.機(jī)器人新聞的應(yīng)用范疇

機(jī)器人新聞在體育賽事和金融主題的內(nèi)容生產(chǎn)只是開始。鑒于其可能減少成本及增加新聞出稿量，越來越多的媒體機(jī)構(gòu)可能采用機(jī)器人進(jìn)行內(nèi)容生產(chǎn)；機(jī)器人新聞可能被用在更具挑戰(zhàn)性的主題，如涉及政治和社會議題、符合公眾利益的新聞。一旦機(jī)器人新聞涉及批判性議題，問題的準(zhǔn)確性、內(nèi)容的質(zhì)量以及底層數(shù)據(jù)和算法的透明度變得愈加重要。湯姆·肯特（Tom Kent）提出“機(jī)器人新聞的倫理清單”，主要包含以下四個方面：資料來源（新聞機(jī)構(gòu)需確保有修改和發(fā)布數(shù)據(jù)的合法權(quán)利，確保資料的準(zhǔn)確性），資料處理（新聞機(jī)構(gòu)在發(fā)布信息前檢驗(yàn)數(shù)據(jù)和算法），輸出（發(fā)布的內(nèi)容符合新聞機(jī)構(gòu)的公開規(guī)定，在不同的故事中能夠使用多樣的表達(dá)，新聞機(jī)構(gòu)需要說明故事是由機(jī)器、人類或合作生產(chǎn)的），責(zé)任（算法不能承擔(dān)所有的責(zé)任，新聞機(jī)構(gòu)在必要的時候至少要能說明故事如何生產(chǎn)出來）。［7］

由于機(jī)器人新聞能夠快速、便宜、大量和按需生產(chǎn)內(nèi)容，可能從本質(zhì)上增加了新聞的數(shù)量。這樣的變化可能有望滿足人們對信息的需求，但同時也增加了人們尋找相關(guān)內(nèi)容的負(fù)擔(dān)，搜索引擎和個性化新聞聚合也愈發(fā)任重道遠(yuǎn)。另外，我們能否完全信任算法成為提供監(jiān)督和平衡的機(jī)制，發(fā)現(xiàn)重要議題，并為輿論的形成而設(shè)立公共議程？未來的研究應(yīng)該多關(guān)注，算法在什么程度上可以承擔(dān)“把關(guān)人”的角色。

三、建議與討論

至21世紀(jì)早期，計算機(jī)輔助新聞報道的使用已經(jīng)得到了巨大發(fā)展，數(shù)據(jù)不僅成為了日常新聞的一部分，同時也成為新聞報道的一大驅(qū)動力——這個過程被稱為“精確新聞”“計算機(jī)輔助報道”“數(shù)據(jù)新聞”“數(shù)據(jù)驅(qū)動新聞”或是“計算新聞”。在未來，算法可能更迅速地、從更廣闊的范圍中、用多種語言、根據(jù)讀者的偏好和問題生產(chǎn)新聞，還可能比人類記者犯更少的錯誤。

但是，基于算法的內(nèi)容生產(chǎn)仍然存在局限性。首先，機(jī)器人生產(chǎn)內(nèi)容意味著需要從已有記錄的信息和數(shù)據(jù)中找到題目，當(dāng)然全民連線、全民記錄的時代給新聞提供了大量的主題來源，但如果有一些事件和觀念太隱晦，以至于大多數(shù)人都對此習(xí)以為常或者缺乏記錄的行為；或者由于種種原因，一些事件和觀點(diǎn)被屏蔽在已有的信息平臺之外；或者算法只能捕捉“顯著”的、“大量”的主題而忽略那些（可能）很重要但又尚未得到大部分人關(guān)注的主題——這些是在選題中可能存在的問題，即如果基于已有的社會記錄作為“主題庫”尋找選題，可能意味著越來越窄的選題空間。其次，人類自然語言的多樣性導(dǎo)致了表達(dá)的模糊，機(jī)器算法仍然很難精準(zhǔn)地判斷自然語言中的多種情緒和態(tài)度，記錄者通過反諷、隱喻、諧音、別字等多種方式所表達(dá)的共同意義也給算法增加了重重難度。僅以反諷這一點(diǎn)而言，機(jī)器人新聞公司敘述科學(xué)（Narrative Science）在芝加哥的總部坐落在《論壇報》的不遠(yuǎn)處，而這個對記者職業(yè)產(chǎn)生巨大威脅的技術(shù)則是從美國西北大學(xué)梅迭爾新聞、媒體管理與整合營銷傳播學(xué)院中孕育出來的——這些事實(shí)中所包含的反諷意味對人類而言很容易理解，但對機(jī)器則是尚待克服的難題。從這個意義上說，機(jī)器人取代記者進(jìn)行新聞生產(chǎn)，特別是深度新聞寫作尚需時日。

目前機(jī)器人新聞主要涉足天氣預(yù)報、體育賽事、公司財報、信息匯編、突發(fā)快訊等。機(jī)器人新聞的算法限定了數(shù)據(jù)的結(jié)構(gòu)、報道的主題、常用的模板。一旦要求創(chuàng)意、批判性思維、理解社會等任務(wù)，機(jī)器人尚無法勝任。因此，新聞從業(yè)人員不能以外部變化（如機(jī)器人新聞）為借口，放棄專業(yè)性——一旦記者只能寫流水賬和信息羅列，沒有聯(lián)想、思考、討論和分析，那么被機(jī)器人代替也沒有什么可遺憾的。

另外，雷金納德·蔡（Reginald Chua）提出新聞生產(chǎn)中“人機(jī)結(jié)合”的設(shè)想：算法分析資料，發(fā)現(xiàn)有趣的故事，呈現(xiàn)初稿，記者進(jìn)行深入的分析，采訪關(guān)鍵行動者，挖掘背后的意義以豐富故事?！堵迳即墪r報》的犯罪報告就是這樣的一次嘗試，算法提供基本事實(shí)，如日期、地點(diǎn)、時間、年齡、性別、種族和轄區(qū)；之后記者抓住最有價值的新聞，進(jìn)行訪談和分析，提供受害人的生活和家庭細(xì)節(jié)，解釋現(xiàn)象或建立因果聯(lián)系。

從記者的職業(yè)未來角度看，自動化報道的崛起比新聞業(yè)面對的經(jīng)濟(jì)困境威脅小得多。新聞業(yè)當(dāng)前面臨印刷內(nèi)容向網(wǎng)絡(luò)轉(zhuǎn)移、廣告業(yè)務(wù)枯竭等致命問題，而這些都不是機(jī)器人革命造成的絕境。機(jī)器和工具對人類的工作和生活始終是一種補(bǔ)充，正如計算機(jī)的產(chǎn)生并沒有完全取代電話，它是一種補(bǔ)充，也使人們的工作和生活發(fā)生了改變。

（作者單位：北京大學(xué)深圳研究生院）

參考文獻(xiàn)：

［1］American Press Institute， “What is Journalism？” http://www.americanpressinstitute.org/journalism-essentials/what-isjournalism/

［2］Andreas Graefe， “Guide to Automated Journalism，” January 7， 2016， http://towcenter.org/research/guide-to-automatedjournalism/.

［3］Christer Clerwall，“Enter the robot journalist，” Journalism Practice， 2014 （5）， pp. 519-531.

［4］Hille van der Kaa and Emiel Krahmer， “Journalist versus news consumer: The perceived credibility of machine written news，” Computation Journalism Conference， Columbia University， New York， 2014.

［5］Andreas Graefe et al.， “Readers’ perception of computer-written news: Credibility， expertise， and readability，”DubrovnikMedia Days Conference， University of Dubrovnik， 2015.

［6］Nicholas Diakopoulos， “Algorithmic accountability: Journalistic investigation of computational power structures，”Digital Journalism， 2015 （3）， pp. 398-415.

［7］Tom Kent， “An ethical checklist for robot journalism，” February 24， 2015， https://medium.com/@tjrkent/an-ethicalchecklist-for-robot-journalism-1f41dcbd7be2.