在论文中，101分量表的统计处理方式如下：

(1) 政策支持度（前后测量）

• 前测：参与者在阅读任何信息前，对特定政策的支持度进行101分量表评分
• 后测：参与者阅读LLM或人类生成的说服性信息后，再次进行101分量表评分
• 统计方法：
  • 计算前后测的差值（后测 - 前测）
  • 通过t检验比较不同组别（如LLM组 vs 人类组）的差异
  • 例如：LLM组平均支持度提升3.2分，人类组提升2.8分

(2) 对信息的评价（聪明、有同情心、道德等）

• 多维度评价：对每项评价维度（聪明、有同情心、道德等）单独进行101分量表评分
• 统计方法：
  • 计算各维度的平均分（如"聪明"维度平均78.3分）
  • 通过**方差分析(ANOVA)**比较不同组别在各维度上的差异
  • 例如：LLM生成的信息在"聪明"维度评分显著高于人类生成信息（78.3 vs 72.1）

(3) 对作者的感知（知情、逻辑、不愤怒等）

• 多维度感知：对每项感知维度单独进行101分量表评分
• 统计方法：
  • 类似信息评价，计算各维度的平均分
  • 通过相关性分析探究感知与政策支持度的关系
  • 例如：对作者"知情"的评分与政策支持度呈正相关（r=0.43）

(4) 作者身份猜测

• 二分法测量：参与者被问"您认为这段信息是由人类还是AI生成的？"
• 统计方法：
  • 计算认为是AI生成的比例
  • 通过卡方检验比较不同组别（如LLM组 vs 人类组）的猜测差异
  • 例如：73%的参与者认为LLM生成的信息是"AI生成的"，而人类生成的信息只有12%被误认为是AI