被AI落下的人：生成式AI时代的媒介贫困

本文来自微信公众号： 羊村传播 ，作者：袁诺唯2026年欧盟委员会调查显示，人工智能的使用已经较为普遍，其中高学历和高职业地位群体的使用率相对更高。AI的快速普及，不同社会群体之间的使用差异却没有随之消失。

Nærland（2026）提出的媒介贫困框架指出，日常生活条件、媒介接入和媒介资源会影响个体借助媒介保持公共联结的可能性。然而，现有研究主要关注不同群体在AI采用、使用能力和实际收益上的差异，较少解释AI普及后，这些社会条件如何进一步影响个体利用AI连接公共世界。

基于此，本文拟从媒介贫困视角探讨生成式AI时代媒介贫困的形成机制及治理路径。生成式AI时代下的媒介贫困媒介贫困并非简单指向设备或网络的缺乏，其关注的是贫困如何进入个体的日常媒介实践，使部分群体即使生活在高度媒介化的环境中，也较难借助媒介持续保持与公共世界的联系。

Nærland将影响媒介贫困的因素归纳为日常生活条件、媒介接入和媒介资源三个方面。与传统数字鸿沟主要关注技术和使用差异不同，媒介贫困更强调这些差异最终会产生怎样的公共后果。其核心落点是媒介化公共联结，即个体能否通过媒介持续关注、理解公共事务，并形成对共同社会生活的基本认识（Swart et al.,2017）。

这意味着，一个人即使拥有网络和智能设备，也不代表其能够有效利用媒介连接公共世界。对低收入群体的研究也表明，基本媒介接入的普及并没有自动消除公共联结上的差异（Eimhjellen&Nærland,2025）。

生成式AI进一步改变了用户获取和处理信息的方式，拓展了媒介资源的具体内涵。相较于以搜索、浏览和阅读为主的信息使用方式，生成式AI可以更直接地参与信息解释、概括和组织，用户也能够借助AI理解政策、概括新闻、翻译文本或梳理陌生知识。

新的使用门槛随之出现：能够接触AI，并不意味着用户已经具备提出有效问题、判断回答质量和核验生成信息的能力。既有数字能力仍会影响AI素养的形成，过去的数字差异也可能延续到新的智能媒介环境中（Celik,2023）。

不同社会群体之间也已经出现较明显的AI能力差异，年龄较大、教育程度较低的人更容易处于AI知识和技能不足的群体（Wang et al.,2025）。不同国家的生成式AI使用程度还与数字基础设施、人力资本等因素密切相关（Liu&Wang,2026）。

生成式AI进入社会生活以后，媒介贫困已经不只是能否接触技术这一方面，更值得关注的是个体能否把AI提供的信息处理能力转化为理解公共事务、获取公共信息和维持公共联结的实际资源。AI时代媒介贫困的形成机制生成式AI时代的媒介贫困并非技术普及不足的简单结果，而是在社会条件、技术环境和个体能力相互作用下形成的复杂现象。

不同群体在时间精力、技术使用条件和信息处理能力上的差异，会影响其接触、理解和利用AI的方式，并进一步形成公共信息获取和公共联结上的差距。AI使用需要时间、注意力和一定的学习投入，而这些条件并不是每个人都同样具备。

经济压力、劳动负担、疾病和家庭照护都会挤压个体处理公共信息的空间。针对贫困群体的新闻研究发现，一些人减少新闻接触，并不是因为完全不关心公共事务，而是日常压力削弱了他们持续接触新闻的意愿和能力（Lindtner&Nærland,2024）。

类似情况也可能出现在AI使用中。用户需要花时间摸索提问方式、核验回答和寻找合适的使用场景。针对日本成年网民的研究表明，年龄、教育、职业和数字资源都会影响生成式AI的使用，不同群体不使用AI的原因也存在差异（Nakagomi et al.,2026）。

对于低社会经济地位群体来说，身边是否有可信赖的人提供帮助，也会直接影响数字工具能否真正进入日常生活（Goedhart et al.,2019）。当基本网络逐渐普及时，接入差异并不会完全消失，而会更多表现为设备质量和使用条件的差别。

设备性能、软件条件以及持续支付技术服务费用的能力，都会影响用户的实际使用和数字收益（van Deursen&van Dijk,2019）。生成式AI也存在类似情况。不同用户虽然都能接触AI，但使用的设备、功能和服务条件并不完全相同。

西班牙全国性调查研究发现，女性、年龄较大者和教育程度较低者使用生成式AI聊天机器人的可能性更低，过去的数字使用经验也会影响AI采用（Suárez&García-Mariñoso,2025）。

针对美国成年人的大样本研究显示，社会经济地位较高的人往往更熟悉AI，也更可能实际使用AI（Wang,Zhou,&Liu,2026）。这意味着，能够打开AI工具只是接入的起点，真正值得关注的仍是不同群体能够在什么条件下持续使用AI。

生成式AI对用户能力提出了新的要求：用户需要知道怎样表达问题，也要能够判断回答是否可信，并意识到生成内容可能存在的风险。相关研究已经将生成式AI素养区分为认知、使用、评价以及伦理和风险意识等内容（Yan et al.,2026）。

这些能力并不是均匀分布的。中国青少年研究发现，AI素养中的自我效能存在性别差异，个体原有背景也会影响这种差异（Tian et al.,2026）。AI知识还会影响用户理解智能新闻推荐的程度，同一种系统解释并不会给所有人带来完全相同的认知效果（Wang,Kroon,et al.,2026）。

更值得注意的是，使用AI并不意味着能够获得相同收益。已有研究开始关注不同群体能否将AI转化为真正有价值的结果（Hammerschmidt et al.,2025）。生成式AI时代媒介贫困的治理路径在生成式AI快速发展的当下，如果只关注用户数量和技术覆盖率，媒介贫困治理容易忽视不同群体实际使用AI的条件。

对社会弱势群体而言，接触AI只是技术进入日常生活的第一步，他们能否借助AI理解公共信息、处理现实问题，并维持基本的公共联结，还受到接入条件、AI素养和社会支持等因素制约。治理措施也需要对应这些具体限制，而不能把提高AI使用率本身视为数字包容的完成。

在AI接入层面，平台可以通过降低使用门槛和改善服务条件，缩小不同群体在实际使用中的差距。AI接入的差异已经不完全表现为能否使用工具，设备性能、服务费用和功能限制同样会影响资源条件较弱用户的使用体验（van Deursen&van Dijk,2019）。

全球生成式AI使用差异也与基础设施和人力资本密切相关（Liu&Wang,2026）。平台可以优先降低基础信息解释、语言辅助和信息核验等功能的使用门槛，并改善低性能设备上的操作体验。

对于AI能力较弱的用户，清楚的操作提示和较低的界面复杂度也很重要。平台如果只追求用户数量增长，而忽略不同用户实际能够使用哪些功能，表面的技术普及仍可能掩盖新的接入差距。在AI素养层面，学校、图书馆等公共机构可以提供更稳定的学习支持，帮助数字资源较少的群体逐步形成使用和判断AI的能力。

AI素养很难完全依赖个人自行摸索。既有数字能力会影响AI素养水平，原有数字资源不足的人也更难通过自学迅速适应新技术（Celik,2023）。学校、图书馆和社区可以承担更稳定的AI学习支持。

培训内容也不宜停留在工具操作或提示词技巧上，信息核验、来源判断、隐私保护和风险识别同样重要（Yan et al.,2026）。不同群体对自身AI能力的判断也存在差异，这种自我效能会影响后续使用（Tian et al.,2026）。

公共机构可以把AI学习放进医疗信息查询、政务办理、就业信息理解等具体场景，让弱势用户在实际问题中逐渐熟悉智能工具。面对生活处境带来的使用限制，社区和公共服务机构可以结合不同群体的实际需求，提供更有针对性的支持。

媒介贫困问题并不能依靠增加设备和培训解决。劳动时间、照护责任、身体状况和生活压力始终会影响个体使用媒介的可能性（Lindtner&Nærland,2024）。社区和公共服务机构可以根据不同群体的生活处境安排支持方式。

语言能力有限的人更需要公共信息解释服务，数字经验较少的老年人可能更依赖稳定的线下帮助，时间紧张的照护者则需要更灵活的学习安排。既有研究已经发现，对低社会经济地位群体而言，可信赖的人际帮助常常比增加一台设备更能解决实际数字困难（Goedhart et al.,2019）。

社会支持最终需要落实到公共生活中，让AI真正帮助用户理解医疗、就业、社会福利和新闻等信息，而不是把会使用AI本身当作治理终点。被AI落下的人，未必完全处于AI之外。部分个体已经开始使用生成式AI，却仍受到生活压力、接入条件和媒介资源的限制，难以将智能媒介转化为理解公共信息和参与社会生活的实际资源。

媒介贫困视角由此把AI不平等重新放回具体的社会生活中考察：有多少人开始使用AI能够反映技术的普及程度，不同群体能否借助AI理解公共事务并维持公共联结，则更能揭示智能媒介环境中的实质差异（Nærland,2026）。

参考文献：Celik,I.(2023).Exploring the determinants of artificial intelligence(AI)literacy:Digital divide,computational thinking,cognitive absorption.Telematics and Informatics,83,102026.Eimhjellen,I.,&Nærland,T.U.(2025).Relative public disconnection:Poverty and media use in the media welfare state.International Journal of Communication,19,1604–1633.Goedhart,N.S.,Broerse,J.E.W.,Kattouw,R.,&Dedding,C.(2019).Just having a computer doesn’t make sense:The digital divide from the perspective of mothers with a low socio-economic position.New Media&Society,21(11–12),2347–2365.Hammerschmidt,T.,Stolz,K.,&Posegga,O.(2025).Bridging the gap:Inequalities that divide those who can and cannot create sustainable outcomes with AI.Behaviour&Information Technology,1–30.Helsper,E.J.,&Reisdorf,B.C.(2017).The emergence of a digital underclass in Great Britain and Sweden:Changing reasons for digital exclusion.New Media&Society,19(8),1253–1270.Lindtner,S.S.,&Nærland,T.U.(2024).News avoidance and poverty:Intersectional marginalization in the Norwegian media welfare state.Journalism Studies,25(12),1498–1515.Liu,Y.,&Wang,H.(2026).Who on earth is using generative AI?World Development,199,107260.Nakagomi,A.,Abe,N.,&Tabuchi,T.(2026).Emerging generative AI divide:Personal,positional,and resource-based factors associated with use and reasons for non-use.Telematics and Informatics,104,102360.Nærland,T.U.(2026).Media poverty:Understanding mediated public connection in everyday conditions of deprivation.New Media&Society.Advance online publication.Suárez,D.,&García-Mariñoso,B.(2025).On the verge of a digital divide in the use of generative AI?Telecommunications Policy,49(7),102997.Swart,J.,Peters,C.,&Broersma,M.(2017).Repositioning news and public connection in everyday life:A user-oriented perspective on inclusiveness,engagement,relevance,and constructiveness.Media,Culture&Society,39(6),902–918.Tian,L.,Wu,W.,Tan,Y.,&Feng,S.(2026).Self-reported AI literacy and gendered self-efficacy:Evidence from Chinese adolescents.Telecommunications Policy,50(4),103152.van Deursen,A.J.A.M.,&van Dijk,J.A.G.M.(2019).The first-level digital divide shifts from inequalities in physical access to inequalities in material access.New Media&Society,21(2),354–375.Wang,C.,Boerman,S.C.,Kroon,A.C.,Möller,J.,&de Vreese,C.H.(2025).The artificial intelligence divide:Who is the most vulnerable?New Media&Society,27(7),3867–3889.Wang,C.,Kroon,A.C.,Möller,J.,de Vreese,C.H.,&Boerman,S.C.(2026).The role of AI competencies:How do AI knowledge,skills,and attitudes shape users’understanding and evaluation of explainable news recommendations?New Media&Society.Advance online publication.Wang,S.,Zhou,T.,&Liu,X.(2026).Socioeconomic disparities in AI awareness:Examining the mediating roles of AI usage and familiarity.Information,Communication&Society.Advance online publication.Yan,W.,Liu,Y.-L.,Mamaeva,V.,Dong,F.,Tao,G.,Li,R.,&Yang,H.(2026).Generative AI literacy:Scale development and its influence on privacy protection behaviors and information verification behaviors.Telecommunications Policy,50(2),103117.