如何说很重要：探索AI辅助信息评估中的修辞模式

一项新研究通过98名受试者的实验，探索了8种修辞模式在AI辅助事实核查中的作用。结果表明，Scaffold Explanation（支架式解释）与最高准确率提升相关并促进深度反思，Alternative Framing（替代框架）获得最高用户满意度，Interpretive Alternative（解释性替代）因时间成本最不受欢迎。

此前AI信息评估研究多关注“说什么”（解释类型），且采用指令性修辞——系统直接给出结论，用户被动接受。本研究首次系统考察“怎么说”（修辞模式）对用户批判性思考、准确率和满意度的影响，为设计引发反思或独立推理的对话代理提供了新方向。

不同修辞模式通过触发用户的特定认知过程影响其表现：Scaffold Explanation提供逐步引导，促进深度处理；对抗性模式（如Intentional Misleading）激发怀疑，促使更谨慎的核实；Alternative Framing提供多重视角，提升接受度。用户时间成本感知（如Interpretive Alternative）影响偏好。

产品可在AI事实核查对话中引入Scaffold Explanation模式，分步引导用户核实信息以提升准确率；优先采用Alternative Framing提高满意度；避免使用Interpretive Alternative。不同模式可切换以适配用户任务和认知风格。

• 在AI事实核查工具中默认启用Scaffold Explanation模式，通过分步提问引导用户独立验证信息。
• 为对话式AI代理提供修辞风格切换功能，用户可选择Self-Reflection（反思型）或Preference（偏好型）模式。
• 在对抗性信息场景（如谣言纠正）中，适度使用Triggering Distrust模式激发用户怀疑，提升核实效果。

• 不同修辞模式在更复杂任务（如多步推理、生成任务）中是否仍有类似效应？
• 修辞模式对用户长期信任和依赖行为有何影响？
• 用户个体差异（如认知风格、领域知识）如何调节修辞模式的效果？