面向注视引导的 AI 披露界面：阅读 AI 辅助新闻的注视追踪注意力与认知负荷研究

随着生成式 AI 越来越多地融入新闻业，设计有效的 AI 使用披露以知情而不施加不必要负担是关键挑战。虽然先前研究主要关注信任和可信度，但披露对读者注意力和认知负荷的影响尚未充分探讨。为填补这一空白，我们进行了一个 $3 \times 2 \times 2$ 混合实验设计，操控 AI 使用披露细节水平（无、一行、详细）、新闻类型（政治、生活）和 AI 角色（编辑、部分内容生成），通过 NASA-TLX 和注视追踪测量负荷。我们的结果揭示了显著的注意力成本：一行披露导致注视时长和视跳次数显著增加，尤其是针对 AI 编辑内容。详细披露未施加额外负担。基于信息间隙理论，我们认为简短标签可能通过提醒读者注意 AI 使用而不提供足够信息，从而引发增加的视觉关注。NASA-TLX 评分和瞳孔直径在不同条件之间未显示显著差异，表明 AI 使用披露无论细节水平如何都不施加认知负担。访谈洞察在这些发现中提供了背景，并揭示了对详细披露或「按需展开」设计的强烈偏好。我们的发现为基于注视引导的自适应披露界面设计提供了指导，使这些界面能够根据读者的注意力模式和新闻背景动态调整透明度水平。