AI as We Describe It: How Large Language Models and Their Applications in Health are Represented ...

文章核心总结与创新点主要内容本文聚焦大型语言模型（LLMs）在健康领域应用的公共话语表征，通过分析2022年12月至2024年12月期间五大主流话语渠道（新闻、研究新闻稿、YouTube、TikTok、Reddit）的20,682条内容，从词汇风格、信息内容、符号表征三个维度展开研究。关键发现包括：公共话语整体呈积极基调且 positivity 随时间递增，TikTok和YouTube态度最乐观，新闻则更中立；叙事以情景化框架为主（聚焦具体案例），主题化框架（宏观社会视角）占比低，仅新闻较多涉及系统性议题；风险沟通不足，多局限于信息质量问题（如幻觉、误导），对LLMs生成式本质的解释几乎缺失，TikTok和Reddit的风险提及率远低于专业渠道；应用场景呈现渠道差异：专业渠道（新闻、研究新闻稿）侧重临床决策支持与科研应用，大众驱动平台（TikTok、Reddit）聚焦消费者健康尤其是心理健康支持；符号表征上，整体拟人化程度较低但存在渠道差异，TikTok和Reddit的拟人化表达变异更大，部分内容将LLMs描述为具有人类特征的实体。创新点跨渠道全景分析：首次同时覆盖自上而下（专业创作）和自下而上（公众生成）两类内容，系统对比五大平台的话语差异，构建了LLMs健康应用公共话语的完整图景；多维分析框架：基于议程设置理论，整合词汇风格（情感基调、写作风格）、信息内容（健康子领域、风险披露、框架类型）、符号表征（拟人化