1018人实验：三类标签整体均未显著奏效

关键事实

实验在荷兰进行，样本为1018名参与者；调查时间为2025年4月7日至28日，样本由Dynata招募。

四个实验条件为AI标签、事实核查标签、社区便签和无标签对照；两项结果变量为假图可信度与对图中虚假主张的认同。

合并两项议题后，图像可信度差异为F(3,1014)=2.37、p=.069；虚假主张认同差异为F(3,1014)=1.82、p=.14。

移民子样本中，社区便签条件的虚假主张认同均值为2.56，对照组为3.31，校正后p=.02，Cohen’s d=.37。

1018人被分进四种条件，读到两类假图

Teresa Elena Weikmann、Marina Tulin、Michael Hameleers和Claes de Vreese在荷兰进行预注册在线实验。研究通过Dynata招募1018名具有代表性的荷兰参与者，田野时间为2025年4月7日至28日；气候变化材料的子样本为502人，移民材料的子样本为516人。

参与者被分进四种条件：标示“由AI制作”的AI标签、独立事实核查机构标示的事实核查标签、读者添加背景的社区便签，或无标签对照。研究测量两件事：参与者认为假图是否准确、真实、可信，以及他们是否相信图中所述事件发生过。

研究者使用Grok生成关于气候变化和移民的视觉假信息：示例包括“弗里斯兰群岛被海水淹没”的夸张气候叙事，以及“难民在公共公园搭帐篷”的移民叙事；论文明确说明这些图中事件均未发生。

合并两个议题，三种标签都没有显著胜出

把两个议题合并分析时，无标签组对假图可信度的平均评分是3.72，AI标签组3.50，事实核查标签组3.46，社区便签组3.33；方差分析结果为F(3,1014)=2.37、p=.069，未达到统计显著。对图中虚假主张的认同均值依次为3.07、2.84、2.76和2.69，F(3,1014)=1.82、p=.14。

单独看气候变化子样本（n=502），论文也没有发现标签的显著效果。作者的标签回忆检验则显示，被安排看到对应标签的人更可能记得其来源：这说明受试者看到了标签，但这一点没有转化成合并样本中的显著主结果。

标签并非研究者随意写出的提示语。论文说，标签的版式参照Meta和X现行干预；AI标签使用“Made with AI”，社区便签使用“Readers added context”。三种标签都配有同一句更正：该图由人工智能生成，帖文主张具有误导性。

移民子样本里，社区便签出现一项差异

在移民视觉假信息子样本（n=516）中，社区便签条件的虚假主张认同均值为2.56，对照组为3.31；两者差异的校正后p值为.02，Cohen’s d为.37。该子样本中，图像可信度的对照组均值为3.75、社区便签组为3.21，p=.057。

研究还发现，社区便签降低移民假图可信度的作用在反移民态度更强的参与者中更强（交互项b=-.29，p=.011）。在该子样本中，反移民态度越强，假图可信度越高（b=.55，p<.001），对虚假主张的相信程度也越高（b=.60，p<.001）。

从30张初始图像到正式实验，研究者先以100名荷兰Prolific参与者做预试，并用聚类分析剔除太容易被认出是假的图像和过分可信的图像。最终材料为10张图：5张夸张的人为气候变化后果、5张关于移民政策的误导性叙事；各自置入4种条件，共40个实验刺激。

正式受访者先回答AI客观性、事实核查信任、从众启发式及议题态度等问题；随后至少观看一则模拟社交媒体帖文12秒，再回答图像可信度和虚假主张信念。结束时，研究者解释图像均为AI生成、并未记录真实事件；研究获阿姆斯特丹大学伦理审批（FMG-13362）。