生成式AI对风险感知的扭曲效应与应对策略 .docxVIP

PAGE2

生成式AI对风险感知的扭曲效应与应对策略

摘要

本研究聚焦于生成式人工智能技术对风险管理领域风险感知机制的系统性影响，旨在揭示生成式AI如何扭曲人类风险判断的深层逻辑，并提出相应的认知偏差管理策略。

论文遵循“提出问题—分析问题—解决问题”的递进逻辑展开。第一章阐述研究背景，指出生成式AI的快速渗透与人类风险认知能力之间的张力，明确研究的理论意义与实践价值。第二章系统梳理国内外关于AI影响决策认知的研究成果，通过文献述评识别现有研究在风险感知扭曲机制方面的不足，确立本研究的理论切入点。第三章界定生成式AI、风险感知扭曲效应等核心概念，阐释认知偏差理论与风险的社会放大理论，构建“技术介入—认知中介—风险感知偏移”的三维分析框架。

第四章作为重点章节，深入剖析扭曲效应的生成演变、结构性成因与内在矛盾，揭示生成式AI从信息源头、呈现方式到信任关系的三重侵蚀路径。第五章阐释扭曲效应的核心作用逻辑，分析其作用条件与边界，归纳演变规律。第六章在此基础上完成理论建构，提出“风险感知的算法扭曲”理论命题，系统阐释框架体系并论证其解释力。第七章提炼研究发现，阐述理论贡献，并从管理实践与政策制定两个维度提出减少认知偏差的具体策略。第八章坦诚反思研究局限，展望未来研究方向。

本研究核心发现表明，生成式AI通过信息过载引发、权威性幻觉强化、情感共鸣放大以及个性化过滤茧房四条路径，系统性地