2025年3月13日，乌克兰国立大学教授尤里·季亚琴科（Yuriy Dyachenko）及其团队在瑞士Frontiers期刊发表文章《大语言模型服务在社会传播管理中的应用》（LLM Services in the Management of Social Communications）。报告创新性地提出三元认知框架，在卡尼曼双系统理论基础上引入“系统3”（社会条件行为系统），揭示人类决策受直觉反应、理性思考和社会文化规范三者共同作用的复杂机制。

《大语言模型服务在社会传播管理中的应用》

编译：和风

全文摘要与关键词

1.双系统理论解构人类决策机制：通过系统1（直觉）和系统2（理性）两种认知系统来理解人类决策。

2.三元认知框架：系统1（直觉）&系统2（理性）&系统3（社会条件+身份认同）均影响人类行为。

3.AI工具在传播管理中的应用

①利用AI工具优化传播管理策略：系统1——LLMs通过快速生成基于大规模数据集的语言模式，实现即时、直觉式沟通；系统2——LLMs处理复杂信息，生成逻辑清晰的输出，适用于详细解释或解决沟通中的问题；系统3——LLMs学习并遵循社会文化规范，确保输出符合社会道德与传播伦理；

②LLMs在传播管理中面临的挑战：偏见传播风险、依赖自动化的风险。

4.实验设计方案

①实验步骤：信息创建、行为建模、数据分析；

②实验变量：信息类型、用户参与度；

③实验局限性：解释偏差、外部因素。

5.解决信息传播和反馈管理的难点：利用虚拟人格模拟受众反馈。

6.结论：

展望未来，本研究为AI赋能的社会传播指明了关键的研究路径。亟待解决的重要挑战包括：减少潜在偏见、确保信息真实性、构建负责任的AI部署框架。技术专家、伦理学家、社会学家和传播学者之间的跨学科合作，对于优化这些策略将起到至关重要的作用。通过持续开发更为精细、契合语境的AI沟通工具，尊重个体与集体的认知过程，我们有望开启更具包容性、信息丰富且蕴含变革潜力的社会互动新模式。

在数字时代，社会传播发生深刻变革，社交媒体平台日益影响公众舆论、文化话语和集体决策。通过自适应通信系统，这些数字网络创造了新的“集体智慧”形式，使群体能够更高效地交换信息、比较观点和做出决策。然而，这种社会传播的演变既提供了机遇，也带来了有效管理公共话语和理解其对公民行为影响的挑战。

01

双系统理论解构人类决策机制

  • 双系统理论：通过系统1和系统2两种认知系统来理解人类决策

在这种社会传播背景下，人类决策的复杂性可以通过丹尼尔·卡尼曼的双系统理论来理解。双系统理论即通过系统1和系统2这两种认知系统来理解人类决策。该模型揭示了直觉与理性在认知过程中的动态互动，影响从日常选择到重大决策的一切。

系统1（直觉）——主导快速本能反应：自动且快速运作，无需努力且无意识地进行决策。它通常被称为直觉系统，因为其涉及即时的本能反应，而无需经过深思熟虑。系统1的运行通常是快速、自动、无意识的，并依赖启发式模式。

系统2（理性）——修正直觉潜在偏差：涉及更深思熟虑、费力且有意识的决策过程。它专注于需要投入认知努力的活动，包括复杂计算和逻辑推理。系统2的运行较慢且更具方法论，通常用于评估和修正系统1生成的初步决策。当个体致力于逻辑推理任务，或是面临需深思熟虑的抉择（诸如数学运算或道德难题）之际，系统2随即启动。

02

三元认知框架

2.1 系统3（社会条件）

系统3（社会条件）：社会条件影响行为模式。在丹尼尔·卡尼曼提出的人类认知双系统理论的基础上，该理论将系统1（直觉）和系统2（理性）视为决策过程的关键框架。本研究引入第三系统（系统3），以捕捉更广泛的人类行为基础。系统3代表由社会条件所塑造的行为模式，其深受社会规范与自我认知的双重影响，体现了个人决策过程中，除潜意识和理性因素外，社会文化环境的深远作用。

社会认同塑造非理性决策路径。系统3反映了社会条件、身份认同和社会规范对行为和决策的影响，这一点可以在社会认同理论（Social Identity Theory）的框架内加以研究。该理论解释了个人的自我认同如何来源于群体归属感和社会类别，并进一步影响其行为与决策。例如，一个强烈认同环保的人会自动选择环保产品，而不会进行系统2典型的成本—收益分析，也不同于系统1直觉式的本能处理方式。

2.2 三元认知框架

三元认知框架整合文化规范变量。引入这一理论使我们能够融合系统1和系统2的认知效应，同时兼顾外部社会环境，构建出一个三元认知框架。具体而言，行为不仅受到本能反应（系统1）和理性思考（系统2）的双重影响，还受到社会条件与身份认同（系统3）的深远塑造。系统3的演化步伐相对迟缓，映射出文化规范与社会价值观随时光流转而逐步变迁的渐进历程。它构建了一种机制，能够将社会认可与否的信息融入个人的决策考量中，从而深远地影响个体的长期行为模式及道德观念。

身份认同关联社会历史脉络。此外，系统3深化了我们对身份认同的理解。它不仅仅是潜意识本能（系统1）与理性考量（系统2）的简单交互结果，更涉及个体在社会“镜子”中的自我认知。在此情境下，身份认同的内涵变得更为丰富，它不仅涵盖了个人的自我反思与理性评估，还深刻关联着文化、社会及历史等多重因素如何交织影响个体的身份建构，以及个体在面对社会期望时的顺应与抗争。

03

AI工具在传播管理中的应用

3.1 利用AI工具优化传播管理策略

整合人工智能（AI）工具，特别是大语言模型（LLM），标志着技术与社会互动的重大进步。通过三元认知框架（系统1、系统2和系统3），我们可以利用AI驱动的工具来优化传播管理策略。

大语言模型（LLM），如GPT（生成式预训练变换器），革新了自然语言处理（NLP），使机器能够理解和生成类人文本。

这些模型在三元认知框架的交汇点上运行：

  • 系统1（直觉）：LLMs通过快速生成基于大规模数据集的语言模式，实现即时、直觉式沟通；

  • 系统2（理性）：LLMs处理复杂信息，生成逻辑清晰的输出，适用于详细解释或解决沟通中的问题；

  • 系统3（社会条件）：LLMs学习并遵循社会文化规范，确保输出符合社会道德与传播伦理。这对于保持沟通的礼貌性、合适性和社会责任感至关重要。

在内容创作方面，AI工具擅长生成博客、报告、营销文案等文本内容，确保语法正确、风格合适，并能根据目标受众的文化背景进行调整，体现出对系统3的精准对齐。

在社交媒体管理中，LLMs可分析并生成社交媒体内容，管理帖子和互动，以符合社会规范。它们还能调节讨论、过滤不当内容，并维护品牌语调，展示了系统3在传播管理中的高级应用。

3.2 LLMs在传播管理中面临的挑战

  • 偏见传播风险

AI可能会继承训练数据中的偏见，导致不恰当或有害的传播输出。这与系统3的伦理考量直接相关——确保AI输出公正且符合社会价值观需要持续的监测与更新。

  • 依赖自动化的风险

过度依赖AI可能削弱人类在系统2和系统3方面的认知能力。如果个体过分依赖AI进行沟通，可能导致其在复杂信息处理和社交规范理解方面的能力下降。

因此，将LLMs应用于传播管理，展示了AI技术与人类认知框架之间的强大协同效应。通过强化直觉、理性以及社会条件所塑造的沟通方式，LLMs不仅提升了传播策略的效率与效能，更开辟了前所未有的机遇，同时也伴随着新的挑战。

04

实验设计方案

4.1 实验步骤

  • 信息创建

使用LLM生成针对特定行为或态度的多种版本信息。这些信息在语气、框架和内容上进行系统性调整，以探讨身份和世界观一致性的不同层面。同时，使用标准通信策略创建对照信息，以便与LLM生成的信息进行比较。

  • 行为建模

跟踪用户对每条信息的互动指标，如点赞、分享、评论和页面停留时间，以衡量参与度。

  • 数据分析

通过比较不同信息版本的参与度和行为数据，评估哪些信息更有效地影响行为，从而判断其在身份共鸣和世界观一致性方面的效果。

数据隐私保护：所有数据收集均符合隐私法律和平台政策，仅使用匿名化和汇总数据进行分析。在不收集直接反馈的情况下，确保用户知晓平台数据使用的相关政策。

4.2 实验变量

自变量（Independent variable）：信息类型（LLM生成 vs. 对照信息）

因变量（Dependent variable）：用户参与度（如点赞、评论、分享等）

4.3 实验局限性

● 解释偏差（Interpretation Bias）：在缺乏直接反馈的情况下，研究人员需要考虑用户对不同信息的互动差异背后的原因。

● 外部因素（External Factors）：社会事件或社交趋势可能独立于信息内容影响用户行为。

本实验设计采用间接测量的方法，深入评估了LLM生成的信息对用户行为产生的具体影响，进而为传播管理中的有效性问题提供了有益的见解。通过分析不同信息策略对用户参与度的影响，可以推断信息与用户身份和世界观的契合度，以及信息在不依赖直接用户反馈的情况下，对提升用户忠诚度的实际效果。

05

解决信息传播和反馈管理的难点

虚拟人格模拟受众反馈。针对信息传播和反馈管理的困难，我们提出使用虚拟人物进行模拟。我们运用了Anthropic公司的Claude 3.5 Sonnet模型来访问LLM，并依据受众的思维模式，对原始信息与修改后的信息进行了对比分析，以评估其效果。

AI模拟人类态度复杂性。Argyle等人（2023）的研究指出，GPT系列语言模型通过细粒度的响应和与人口统计特征相关的设计，能够精确模拟不同人群的回应分布。这表明LLM能够再现人类态度的复杂性、多面性，以及思想、态度与社会文化背景之间的交互作用。

然而，Dillon等人（2023）指出，将AI作为研究参与者使用时应考虑一些限制：“LLM在研究特定主题、特定任务、特定研究阶段和特定样本模拟时最有用。”因此，我们创建了10个虚拟人格，并设定任务，要求其针对原始信息和修改后信息进行反馈模拟。

图1. 由大语言模型提出的信息修改方案

  • 基于以下两个维度评估其反馈

对信息的态度（Attitude to the message），评分范围为 -3（极端负面）到 +3（极端正面）。

因收到信息而产生的行动意图（Intention to act），评分范围为 0（完全不会行动）到 3（一定会采取行动）。

虚拟受访者回答的图表解释见图2。

图2. 虚拟受访者对原始信息（顶部）和修改后信息（底部）响应的图形解释

06

结 论

三元认知框架拓展认知理论边界。本研究通过引入创新的三元认知框架（triadic cognitive framework），为利用大语言模型（LLM）进行社会传播管理提供了新的见解。基于虚拟人格的实验结果揭示了AI驱动的传播管理所蕴含的潜力与挑战。尽管经过LLM修改的信息导致受众态度出现显著的负向变化（中位数下降2.5个单位），但在行为意图方面却呈现出轻微的上升趋势（中位数上升0.2个单位）。这一出乎意料的现象凸显了信息框架、认知系统与潜在行为反应之间错综复杂的交互作用。

跨学科合作优化AI策略。展望未来，本研究为AI赋能的社会传播指明了关键的研究路径。亟待解决的重要挑战包括：减少潜在偏见、确保信息真实性、构建负责任的AI部署框架。技术专家、伦理学家、社会学家和传播学者之间的跨学科合作，对于优化这些策略将起到至关重要的作用。通过持续开发更为精细、契合语境的AI沟通工具，尊重个体与集体的认知过程，我们有望开启更具包容性、信息丰富且蕴含变革潜力的社会互动新模式。

参考文献：

https://www.frontiersin.org/journals/artificialintelligence/articles/10.3389/frai.2025.1474017/full

声明：本文来自认知认知，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。