国内外机器新闻写作研究进程、热点及展望

杨逸云

“机器新闻写作”是目前人工智能技术在新闻传播领域的一个现象级应用。2016年里约热内卢奥运会期间，写作机器人Dreamwriter 总共撰写了3000余篇赛事新闻；2017年，四川九寨沟发生地震，机器人仅用25秒就写出了全球第一条地震速报；如今大众在网页上浏览的新闻，也极有可能是机器编写的。技术的发展改变了新闻行业的传统生产流程，提高了新闻生产效率。面对这样一种新技术，人类一方面希望掌控它为自己所用，让机器新闻得到社会认可；另一方面又害怕技术失控带来一系列问题。为了适应技术带来的变化，国内外高校陆续建立了计算机科学与新闻学联合研究中心，例如美国哥伦比亚大学新闻学院Tow数字新闻中心、斯坦福大学计算新闻实验室、暨南大学计算新闻传播研究中心，它们都设立了计算机与新闻专业并开设了相关课程。除此之外，国外学界还举办了“计算+新闻”（Computation+Journalism）会议，以促进技术人员与新闻记者的深入交流。近年来，学界一直保持着对机器新闻写作的关注，有关机器新闻写作的论著不断涌现。本文拟对国内外机器新闻写作的研究成果进行系统梳理，总结归纳机器新闻写作研究的进程与热点，以期推动相关研究深入发展。

一、机器新闻写作研究进程

机器新闻出现不过十余年，因此，机器新闻写作研究的历史并不长。2012 年，范达伦（Arjen van Dalen）发表关于机器新闻写作的文章——《标题背后的算法：机器新闻是如何重新定义人类新闻工作者的核心技能的》，第一次在机器新闻发展背景下审视人类记者的工作。虽然有关机器新闻写作“本身”的研究始于2012 年，但在此之前已经出现了许多关于机器新闻写作“前身”的研究。从时间上看，国内外机器新闻写作研究总共可分为三个时期。

第一时期：1950—2009 年，关于机器新闻写作前身的研究。机器新闻是计算机技术与新闻业结合的产物，与计算机辅助报道、精确新闻、数据新闻等有着一定的延续关系。一般而言，新闻业使用计算机的历史最早可以追溯到20世纪50年代的计算机辅助报道CAR（Computer-Assisted Reporting）。这一时期，计算机具备了解决复杂计算问题的能力，美国于1967年生效的《信息自由法》又保障了记者获取数据的权利，这些都为计算机与新闻业的结合创造了条件。1973年，菲利普·迈耶出版了《精确新闻学》，总结、发展了计算机辅助报道的学理研究，他被认为是计算机辅助报道研究的“教父”。到了21世纪初期，媒体获取数据的方式更加多样，并能以可视化的新闻数据形式向公众呈现，数据新闻（Data Journalism）由此产生。随着人工智能技术的进步，算法思维逐渐被运用到信息收集、意义构建和信息呈现的新闻实践中，国外学者一般将其称为计算新闻（Computational Journalism）。一般认为，机器新闻（Robot Journalism）是计算新闻中的一种具体形式，又被称为自动化新闻（Automated Journal⁃ism）、算法新闻（Algorithmic Journalism），是当今新闻生产领域的热门话题。

但是，在机器新闻写作出现之前，计算机与新闻业结合的现象并未在学界引起较大反响，相关研究只有少数的专著及论文，并且都以介绍性的内容为主。国内学者王波出版的《计算机辅助新闻学概论》与国外学者休斯顿（Brant Houston）出版的《计算机辅助报告：实用指南》均属此类。虽然相关研究数量不多，但这一现象推动了高校新闻学院课程改革及人才培养的跨学科发展。1989年，美国密苏里大学新闻学院与调查记者编辑协会联合成立了国家计算机辅助报道学会（National Institute for Computer-Assisted Reporting），为新闻记者举办培训班，探讨如何使用计算机、数据库和互联网进行新闻报道。国内学者卜卫则呼吁要将新闻记者及在校大学生的计算机辅助报道教育提上日程。这些研究成果为机器新闻写作研究奠定了基础，具有一定的借鉴和参考价值。

第二时期：2010—2015 年，机器新闻写作研究的开端。机器新闻的出现使全球新闻业的发展进入了新阶段。2010 年《洛杉矶时报》开始以自动化方式报道凶杀案，并推出了生成地震警报的工具。2014 年美联社与Automated Insights 公司合作使用算法撰写有关公司收益公告的文章，它每个季度能撰写3000篇类似的新闻报道。2015年国内媒体也开始尝试使用写作机器人生成财经类文章。

机器新闻写作的出现不仅震惊了媒体圈，而且也受到了学界的重点关注。由于全球主要媒体几乎都在这一时期宣布使用机器写作新闻，自2012年起有关机器新闻的研究成果稳步增长。这一阶段的研究总数不多，但基本上涵盖了近些年来机器新闻研究涉及的所有话题。范达伦和美国学者卡尔森最早论述了机器新闻对新闻工作者的影响；瑞士学者克莱沃尔最早将机器写作的内容与人类写作对比，通过实验分析用户对机器新闻的看法；郭娟和宋颂则最早从法律角度考察了机器新闻的著作权问题。这些论文在同类文章中均有较高的被引次数，具有开创性意义。另外，这一时期，学界对数据新闻的研究进入高潮，这些研究同样为后来的机器新闻研究做好了铺垫。不过，学界对于机器新闻写作的定位一直很模糊，常出现不同的说法。苏宏元等认为机器新闻写作属于计算机辅助报道的最新发展形态——数据新闻；而柯丁顿认为机器新闻写作属于计算新闻，计算新闻、计算机辅助报道与数据新闻是新闻业“数量转向”的不同类型，有着各自不同的特征。目前，大多数学者认可柯丁顿的观点，将机器新闻归类于计算新闻。这一阶段机器新闻的论文主要被收录于新闻与写作类期刊中。国外期刊在2012 年组织了一期关于“新闻业的未来：发展与争论”的专栏，最早收录了相关论文。2015 年之后，也开始探讨新闻学与计算机科学之间的跨学科现象。国内方面，2014 年，《新闻与写作》期刊最早发布了相关文章，随后《青年记者》《新闻研究导刊》等期刊都对机器新闻写作的研究进行了持久关注。

第三时期：2016 年至今，机器新闻写作研究的发展。2016 年，AlphaGo 在围棋人机大战中获得胜利，使得人们对人工智能的关注度迅速上升，这一年被公认为“人工智能元年”。在这一背景下，基于人工智能技术的机器新闻写作也得到了快速发展，越来越多的国家开始使用机器写作新闻。世界上最大的几家新闻机构如美联社、路透社和法新社每个月都会通过算法制作数千篇报道，国内的新闻媒体也纷纷开发使用自己的写作机器人，如快笔小新（新华社）、小封（封面新闻）、张小明（今日头条）等。

写作机器人的快速增加再度提升了学界对机器新闻的关注度。据笔者统计，国内外机器新闻写作研究论文数量从2016 年后迅速增长，至2019—2020年达到最高峰。2020年之后，机器新闻热度下降，研究数量随之减少。由此可知，人文研究与技术实践基本保持一致。当机器新闻写作技术未取得突破时，与之相关的研究也同样进入瓶颈期。这一时期，研究者的身份更加多元，除高校的科研人员外，计算机公司经理、报纸工作人员、电视台员工等都参与到研究当中。另外，研究者所在的地域也有所扩展，包括中国、美国、韩国、丹麦、芬兰、巴西、加拿大等等。2016年之后，学界对机器新闻写作的研究更加具体。学者不仅分析用户对机器新闻的看法，还通过采访等形式研究了专业记者、教师学生、部门经理等不同身份的人对机器新闻的跨国、跨文化感知。多尔、杨保军等人则开始注意到机器新闻的伦理挑战，包括机器新闻写作主体及算法透明度等问题。土耳其、西班牙、尼日利亚等国家的学者分别在论文中介绍自己国家机器新闻写作发展的现状并预测未来的发展趋势。记者与机器写作的关系也被学界持续讨论。国外计算新闻研究中心还出版了机器新闻的指南及专著。总之，这一阶段的研究成果更加丰富、研究领域更加多元、研究者所在地区也更加广泛。

二、机器新闻写作研究热点

各国机器新闻写作的发展情况受国情、媒体预算、技术能力、语言等多方面因素的影响，进度并不一致，如中国、美国等较早应用机器写作技术的国家，可供研究分析的案例较多，但在一些小语种国家，机器新闻写作的发展和应用仅处于起步阶段。不过，即使各国机器新闻写作的发展进程不同，有关机器新闻写作的研究仍集中在以下几个热点领域。

（一）机器新闻质量评析

机器新闻的质量备受关注，学界对机器新闻写作质量的评估主要通过以下两种方式：一是考察用户对机器新闻写作质量的感知，包括新闻的可信度、可读性、专业知识等；二是分析具体的机器新闻写作案例。当前，国外学者多倾向于从用户感知入手展开研究，而国内学者通常选择案例分析的研究方式。

2014年，克莱沃尔最早探讨了用户对机器新闻和人类新闻的感知差异，他将一篇关于美式足球比赛的两个版本（分别由机器和人类写作）分别以匿名形式展示给本科学生，结果显示学生对这两种文本的看法没有显著差异。由此可见，当机器生成的新闻与记者写作的内容无法区分时，速度便是新闻行业采用新技术的一个重要因素。克莱沃尔第一次通过实验方式考察了读者对机器新闻内容的看法，为后续的机器新闻质量研究打下了良好的基础。之后的多年间，学者们从多个不同的维度比较了人机新闻，更加细致地探讨了机器新闻的质量水平。（见表1）

表1 国内外学者机器新闻写作质量研究实验中的设计方法一览

首先，在人机新闻质量对比研究实验中，最基本的比较维度即作者，如上文克莱沃尔所探讨。韩国学者郑在民等人发现署名的不同会影响读者的最终判断。在他的研究中，只要新闻署名为人类记者，最终的评分就会变低。德国学者格雷夫等人故意混淆署名情况，他为实验设计了四种不同的新闻来源——正确署名的人类写作的新闻、错误署名的人类写作的新闻、正确署名的机器写作的新闻、错误署名的机器写作的新闻，结果显示无论哪种署名情况，读者都选择更相信机器新闻。这一结论与韩国学者完全不同，说明新闻质量感知还受到不同国家国情的影响。除了将人机新闻进行对比外，荷兰学者沃尔克还在对比实验中加入了人机合作新闻，结果显示读者同样认为这种合作新闻的内容也是可信的，与人类新闻相似。美国学者瓦德尔还考察了署名位置对可信度的影响，他认为当机器署名出现在文章开头时，不如出现在末尾可信。其次，在人机作者对比的基础上，学者又加入了新闻主题、新闻机构、新闻类型等比较因素。美国学者刘炳杰和魏乐文分析了新闻组织和新闻类型对可信度的影响。他们认为对于更受信任的媒体组织来说，利用新闻写作机器人可以增强新闻的客观性。在编写需要处理更多信息的新闻类型时，机器的可信度也更高。中国学者刘茜探讨了正面新闻与负面新闻对读者认知的影响，结果表明无论正面新闻还是负面新闻，读者都认为机器新闻的可信度更高、专业性更强。最后，学者还从读者身份的角度出发，探讨他们之间的感知差异。荷兰学者范德卡等人最先展开了相关研究，试图寻找记者和普通读者对机器新闻质量感知的异同，结果显示普通读者的看法无大差异，但记者的看法受到新闻署名的影响。美国学者郑越和土耳其学者艾努尔都从跨文化角度展开用户的质量感知研究，但得出的结果完全不同。郑越比较了中美读者对实验新闻报道的信任程度，发现并没有较大的文化差异；而艾努尔是将高语境文化国家土耳其和低语境文化国家奥地利的读者进行比较，结果显示奥地利的读者比土耳其新闻读者更看好机器新闻。另外，韩国学者金大元探索了机器新闻质量研究的原因，他认为机器新闻的可信度是报纸公司是否计划引入写作机器人的主要依据。但是沃尔克质疑了这一观点，他通过实验证明不同新闻的可信度评估并不能预测读者最终的消费偏好。机器新闻的质量感知研究是机器新闻研究中的一个重要部分。由上结论可知，学者们研究的样本越来越丰富，设置的实验越来越细致，但无论从哪个角度进行评估，学界都得出了较为一致的观点：与人类写作的新闻相比，机器新闻写作的可信度较高，但可读性较差。

国内学界对机器新闻写作质量的研究主要是从新闻的文本入手，比较其与人类写作新闻的区别。2015年9月，腾讯财经推出我国第一个由机器人Dreamwriter 写作出来的新闻，同年11月，付松聚就发表了相关论文《从8 月CPI 报道看机器新闻与人工新闻差异何在》，该论文是我国第一篇对比人机新闻的文章，主要从新闻的标题、导语、主体、背景资料四个方面展开。付松聚认可了机器新闻在标题、导语拟定方面的优势，但认为在主体构建和结构逻辑安排方面，有明显堆砌数据的感觉。随后付晓光等和王江涛分别从逻辑和叙事角度详细研究了机器新闻的特点，付晓光等认为机器新闻虽然能在大数据的基础上阻断逻辑谬误，但缺乏与其他事件建立联系的能力及研判和预测的能力；王江涛则提出了机器新闻的三个问题——段落结构的连接性障碍、事实与观点逻辑错位、现实与历史叙事拼贴式结合。虽然国内学者对机器新闻质量的研究方式各不相同，有些学者分析单篇新闻、有些学者分析单个写作机器人的作品、还有些学者分析某一类型的新闻，但所得出的结论大同小异。他们基本上认为机器新闻生成速度快、成本低，但同时也存在着内容同质化严重、报道领域与类型有限等问题。

综上，国内外学者分别使用不同的方式研究了机器新闻质量，结果均认为现阶段机器新闻的可读性不佳。当前的机器新闻仍处于发展状态，如果将人类写作的新闻比做一个已全方位发展成熟的成年人，那么机器新闻只能算是一个具有特殊天赋的小朋友。作为一个小朋友，机器新闻确实还有许多成长空间。但不可否认的是，机器新闻已然给新闻行业带来了较大的挑战。

（二）机器新闻对新闻行业的挑战

传统的新闻行业本有自己的一套生产流程，但机器新闻写作技术的引入打破了传统的新闻生产格局。有学者认为，在新兴的以数据为中心的新闻实践中，没有一种像“自动化新闻”（机器新闻）那样具有破坏性。还有学者将机器新闻写作称为“一场没有硝烟的战争”。机器新闻的快速发展使人们不得不反思现有的新闻生产机制，探索转型之路。

面对机器新闻写作给新闻行业带来的挑战及影响，相关英文文献在标题中大量使用了以前缀re-（再、重新）开头的词语，包括redefinition（重新定义）、revolution（革新）、rethinking（重新思考）、recon⁃figured（重新配置）等，充分表明了学界对新闻行业“变革”的思索。具体而言，这种“变革”主要表现为新闻生产方式的改变和记者的改变。机器新闻的出现使新闻生产方式变成一定程度上的量化生产。卡尔森认为机器新闻的出现暴露了新闻组成形式背后的公式化性质。南瑞琴认为机器新闻使得新闻生产模式产生“价值位移”，从传统的“独家新闻”转变为如今的“标准生产”，而且机器新闻还能够为单个用户创建同一故事的多个定制版本，使得新闻生产的价值产出从内容生产环节转移到了用户受众环节。吴上元等人针对新闻业的变革开展了不同角度的研究，不仅探讨了新闻生产本身的改变，还利用布尔迪厄场域理论从技术人员的角度调查机器新闻如何以剧烈的方式改变了新闻行业。他认为，新闻生产过程的改变可以从新闻生产的五个阶段（新闻采集、新闻选择、新闻写作、新闻编辑、新闻发布）展开说明。例如在新闻采集阶段，机器被用来检索相关数据，记者的职责则转变为帮助机器搜索设置初始参数，验证机器检索的信息是否准确；在新闻选择阶段，记者能运用机器的新闻判断力，根据机器确定的重要性顺序确定当天的故事排版；在新闻写作阶段，机器可以代替记者完成一些“低级报道”。

机器新闻的出现给人类记者带来了最直接的冲击。学界就记者是否会被取代这一问题产生了两种不同的看法。加拿大学者米罗什尼琴科十分肯定地认为机器将会取代记者；匡文波则认为消息写作最有可能实现人工智能化，但新闻特写、新闻评论等体裁稿件的写作仍离不开人类。大部分学者赞同后者的观点，认为当前机器的新闻写作水平还无法媲美人类，否认“记者消失论”。欧阳霞从心理上分析了机器无法代替记者的原因，她认为新闻写作过程必然经历复杂的心理活动，而只有人类可以运用自己的思维去遵循新闻写作的原则，机器写作的内容并不能与人产生情感上的互动。对于记者而言，人工智能确实正在以日益完备的功能吞噬着他们的生存空间，但只要记者们积极寻求自身改变，也未尝不是一件好事。范达伦认为记者拥有创造力、强大的分析能力及编写复杂句子的能力，这些都是记者在新闻行业生存的核心技能，而且记者应该将机器新闻看作使新闻更加人性化的机会。张林贺也认为记者必须要认清写稿机器人的优势和弊端，明白自身的长处与短处，才能在机器人写作浪潮中找准自己的位置，扬长避短，发挥自己应有的价值。姚建华从技能变迁的视角说明机器新闻对记者的重构，他认为记者先是被迫“去掉了一些技能”（去技能化），然后应该升级加强自己的专业技能（再技能化），最终向“多技能化”发展。关于机器和记者的关系，学者们普遍赞同人机协同的模式。刘文斌认为记者应该拥抱技术，正确认识技术发明的初衷；同时又要疏离技术，摆脱对技术的依赖，做好自身的规划。姚建华提出了“人机联姻”的概念，认为写稿机器人和新闻记者要双向理解，建立人机合作的“新闻把关”机制。在互联网时代，对机器新闻给新闻行业带来的变革进行研究，可以对新闻工作者将面临的挑战做出预判，帮助新闻工作者更好应对新技术带来的冲击，同时找到人机和谐共处的平衡点，充分发挥出人与机器相结合的最大作用。

（三）机器新闻的法律伦理问题

机器新闻对法律伦理产生了两种影响，它不仅突出了原本就存在的一些问题，而且还带来了新的法律问题。具体而言，机器写作的新闻能否被现行著作权法中“作品”的定义所包容，它是否构成侵权或被侵权的行为，是机器新闻为现行著作权法带来的新问题；机器写作过程中出现的数据收集与个人隐私的矛盾、算法出现偏见等问题之前就已经存在，属于老问题。

国内外关于机器新闻著作权问题的研究主要集中在法学领域，其中专门针对机器新闻著作权的研究数量较少，大多数学者将其放在“人工智能生成物”这一概念下进行讨论。虽然全球各国著作权法不同，但学者的探讨多围绕着机器新闻是否受版权保护、机器新闻的版权归属等问题展开。首先，对于机器新闻是否受版权保护，学界出现了两种相反的观点。王迁等少数学者认为机器新闻“本质上仍然属于执行既定流程和方法，并通过计算获得确定的结果，与体现个性化的智力创作存在根本区别”，因而不能构成“作品”。熊琦、易继明、梁志文等大部分学者认为机器新闻应当与人类作品一样得到版权法保护。虽然机器不是人，不能拥有著作权法中的自然人身份，但只要其作品符合一般版权法上创造性作品的条件就应当予以保护。机器的主体性资格是两个相反学术阵营争论的焦点。为了解决作者身份与机器身份的法理冲突，学者们提供了一系列解决方案。张俊发认为可将创作主体与权利主体区分开来，以作品受众为标准，建立作品与创作者的关系；孙山建议采用拟制的技术将人工智能的所有人“视为”作者；赫里斯托夫则认为需要重新解释美国版权法雇佣制原则中的“雇员”和“雇主”这两个术语。具体来说，机器新闻能否受版权保护主要看它是否具有独创性。喻国明等人认为要分情况判定，如果是基于内部程序或算法的模板化机器人，所产生的成果就不应该受到著作权保护；如果是由软件开发人员创作的非通用模板或程序，可以随机生成不同风格的文字作品，则该软件应享有著作权。张惠彬认为应当从机器新闻写作文本中人类精神含量的高低来判定。西班牙学者诺奇建议只要记者在人工智能工作的某个步骤中存在人为干预，并且在发布之前提供指导及对新闻项目进行深入修订，就应该承认其具有独创性。其次，关于机器新闻的版权归属问题，学界多偏向于赋予机器新闻的所有者。与机器新闻相关的主体主要包括发明人、所有者（新闻单位）、参与者（记者或程序员）、第三方合作公司。国内最早发表机器新闻写作著作权论文的郭娟认为应以法人制度为基础，将版权归属于法人单位；张惠彬以腾讯公司机器新闻写作为例，说明将所有者认定为作者，是目前较为妥当的选择。沈思言、刘建则主张具体的著作权益当在众多参与创造者中根据新闻作品类型和参与创作者的贡献度进行有机分派。目前，有关著作权法能否保护人工智能生成物的司法实践已经发生，而法律中还未有清晰的说明。为了促进立法机制的完善，提高立法质量，国内学者提供了多种参考方法，如对原有法律的细节进行修改，或是借鉴国外法律中适用的理论，参考已经出现的司法案例等等。

机器新闻写作对新闻伦理的冲击基本都属于老问题。在机器新闻写作出现之前，学界就有人讨论过大数据及算法伦理的问题，2011 年，克雷默发表了《有算法伦理吗？》一文，较早对算法偏见进行了讨论。算法新闻（机器新闻）出现之后，人们对大数据及算法的关注度再次上升，越来越多的学者对其展开研究。描述机器新闻写作伦理失范的现象并提出对策是国内外学界对此研究的大致路径。许向东从数据的非法采集与滥用、算法偏见、算法透明度等角度展开说明机器新闻伦理存在的问题，多尔则从机器新闻的输入、处理、生成三个过程分别指出其中的矛盾。另外，学者们分别从理论视角和实践视角给出了如何应对机器新闻凸显的伦理问题的建议。蒋晓、韩鸿从技术伦理学的角度出发，从伦理基石、基本原则、政策框架、责任主体、道德规范、技术工具等方面提出中国人工智能新闻伦理的构建路径。吴献举主张从机制职业素养、技术的完善、法律法规建设等方面来理性推动机器新闻的发展。针对算法透明度的问题，迪亚科普洛斯通过实验证明算法系统中有些部分是可以公开的，但要考虑到组织成本及道德规范实践等因素；仇筠茜、陈昌凤为增进算法透明度提出了三种具体的方式；陈昌凤、张梦则主张使用“开放伦理”的理念。

总体上看，学界对机器新闻写作带来的法律问题研究较多，而对伦理问题研究较少。对机器新闻写作法律伦理问题进行研究，可以对法律修订工作起到咨政建言作用，有利于调整现有法律中过时的部分内容，使之能与时俱进，具有必要性和现实意义。

三、机器新闻写作研究的反思及展望

机器新闻写作是人工智能应用领域中的热门话题，为全球学者共同关注。虽然国内外学者对机器新闻的质量、机器新闻带来的挑战及法律伦理问题进行了多样化的研究，为机器新闻技术的发展提供了学术支撑，但也存在一些问题，机器新闻写作研究仍有相当广阔的拓展空间。

（一）研究规律

机器新闻写作的人文研究与技术的发展密切相关，从机器新闻研究进程看，国内外机器新闻人文研究的热度与技术的发展曲线基本保持一致。2010—2015 年，机器新闻写作技术正处于上升期，人文研究的数量也随之增加；2016—2020 年，国内外各大媒体都开始使用写作机器人，这一时期的人文研究也达到了高峰；2020 年之后，机器新闻写作技术进入瓶颈期，人文研究数量也越来越少。事实上，机器新闻写作是一门跨学科的研究，它固然需要计算机科学从技术上取得突破，但并不意味着人文研究也要亦步亦趋。人文研究完全可以领先于技术的发展，提前预测未来的多种可能，从不同角度判断机器写作带来的种种变革及其对人类的影响。在今后的研究中，学者们应正确推进机器新闻写作人文研究的进度，不必一味追随技术热点；同时也需注意，对机器新闻写作的人文研究要在动态发展的人工智能技术背景下进行，机器新闻写作的人文研究虽不以技术发展为标准，但也不能以完全静止的眼光来看待。总之，在机器新闻写作的人文研究中，我们要处理好技术与人文的关系，不能以静态的目光看待问题，也不必完全被技术牵着走，而要将机器新闻视为新闻行业发展链条上无法回避的重要一环，在动态变化的过程中考察新闻写作的深层问题。

（二）研究方法

在机器新闻写作的研究中，要注重多种研究方法的结合。综观学界对机器新闻质量的研究，不难发现国内外学者的研究方法大不相同。国外学者多采用实证研究来证明读者对机器新闻的质量感知差异，而国内学者多采用规范研究的方式对文本展开分析。实证研究与规范研究各有优劣，经过假设、数据收集、模型设计、观察结论等步骤的实证研究可以归纳出部分读者对机器新闻的看法，具有较大的价值。但其也具有一定的局限性，例如实验中对于读者样本及新闻材料选择的不同，均有可能影响到最终结论；而且，学者们对机器新闻质量研究的维度越来越多，不可能穷尽式地观察完所有的假设。相对来说，规范研究更多体现出学者对机器新闻质量的宏观价值判断，同时较容易加入个人主观意见。在具体的研究当中，我们可以将两种方法结合：一方面通过数据对规范研究进行补充，检验规范研究的结论；另一方面在实证的基础上树立合宜的价值判断标准，通过理性思维规范实证研究，实现优势互补。另外，在使用其他研究方法如案例分析法时，国内外学者可相互借鉴具体的研究模式。如国外学者擅长从机器新闻的问题切入，对案例本身及案例相关的记者、工作人员进行调查和采访，回答预先提出的问题。而国内学者多从案例的文本内容入手，着重分析文本标题、叙事逻辑等方面，以此揭示机器新闻的现状及问题。今后的研究中，如若能将上述案例分析的具体方法结合，必然能使研究更加充实可靠。

机器新闻写作本身涉及多门学科，对机器新闻的研究须始终保持跨学科的视野。目前，新闻学、写作学、哲学、法学等学科学者均开展了对机器新闻的研究。但无论从哪一学科切入，都要具备跨学科的精神。例如，关于机器新闻法律伦理问题的研究，学者不仅需要法学领域的知识储备，还要切实了解不同新闻文体的特征。不同文体的新闻在法律中受到的保护不同，而在以往研究中，一些学者并没有详细区分机器写作新闻的文体类型，对所有新闻的法律保护一概而论，这种态度是不可取的。除此之外，无论从哪一角度对机器新闻进行研究，都不可能避开机器主体性等哲学问题，这同样需要我们运用跨学科的方法来解决。

（三）研究内容

研究者要多注意机器新闻写作技术带来的负面效应。人类为了追求新闻写作的效率而不断更新技术，但技术的进步往往带有不确定性。技术对社会的积极作用如减轻工作量、提升报道速度等会优先展现在公众面前，成为研究的课题，例如早期机器新闻写作研究内容多为机器新闻写作质量、机器新闻写作给新闻行业带来的变革等，之后才出现机器新闻写作侵权行为的研究。因此，更加关注人工智能带来的负面影响，才有利于更好掌握和使用技术并推动研究持续发展。

另外，要注意深化学理阐释，挖掘现象背后的人文价值。目前，国内的研究多从表层次对人机新闻进行对比分析继而提出对策，这样的研究过于空泛且重复性高。部分学者并不了解机器新闻写作的发生过程和媒体记者的实际想法；还有部分学者对数据盲目信任，认为只要是机器在写作过程中抓取的数据就更具有客观性，但实际上机器抓取的数据也可能存在着不匹配及无效的情况。因此，学者在对机器新闻写作内容进行分析时，要认真了解机器新闻写作技术，核实每项技术的优缺点，不能凭借主观臆断下结论。在对机器新闻写作有了全面的认知后，还要注重理论层面的阐释。学理性的阐释并不等于机械套用理论，而是要真正深入机器新闻的各个方面发现其存在的问题。另外，对机器新闻进行学理性阐释不仅限于新闻与写作的理论，还可以用一些社会学等跨学科理论来解释机器新闻引发的种种现象，以此充实机器新闻的研究，增加研究的多样性。

当前，机器新闻写作的热度已有所消退，此时对机器新闻写作研究进行系统梳理能使我们更加客观、冷静地看待这一现象。机器新闻写作的质量、新闻行业的变革、相关法律伦理问题等研究仍然具有重要的价值，它使我们更加了解技术发展背后的人文问题。由于机器新闻写作的研究时间较短，以后的发展更是难以预测，因此在研究路径和方法上仍有调整的空间。但无论如何，我们都要挖掘机器新闻写作的人文价值，尤其注重中国传统文化对技术的影响，如汉语语言文字在机器新闻写作中的特殊性。与此同时，加紧对新闻写作过程的本体研究，以期能反向推动机器新闻写作技术的发展。