污名化温床还是支持性源泉？抖音平台心理健康视频的多模态话语分析与道德编码机制

【编辑推荐】本研究针对中国短视频平台心理健康内容中污名化的话语建构问题，采用多模态社会符号学框架（multimodal social semiotic framework），结合计算机视觉技术与道德基础理论（Moral Foundations Theory），系统分析了200个高互动抖音视频的3416帧图像数据。研究发现：污名化内容通过暗色调、俯拍镜头和情绪化音频强化道德贬损框架，而反污名叙事则依赖温暖美学与关怀/公平诉求。该研究首次揭示了算法平台如何通过视觉-道德-情感三元编码机制重塑心理健康话语，为中国数字心理健康倡导提供了理论和方法学创新。

　　

在中国城市化进程加速与疫情压力的双重背景下，心理健康问题已成为重大公共卫生挑战。然而，社会对精神疾病的认知仍深陷污名化泥潭——道德评判、文化羞耻与社交排斥构成三重枷锁。抖音作为日活用户超6亿的超级平台，既是公众获取心理健康信息的重要渠道，也可能成为污名话语的放大器。既往研究多聚焦西方文本社交媒体，忽视了中国短视频平台特有的视觉修辞与算法逻辑如何重塑污名机制。

为破解这一难题，研究人员开展了一项开创性研究。通过分层抽样获取2018-2023年间20个心理健康相关话题下的200个高热度抖音视频，运用多模态社会符号学框架（整合计算机视觉、AI辅助标注与道德基础分析）对3416帧画面进行解码。研究发现专业生成内容(PGC)占比高达83.6%，其权威叙事往往强化病理化框架；而用户生成内容(UGC)虽仅占10.3%，却更易触发共情。视觉分析揭示：污名化视频偏好使用冷色调（饱和度降低17.3%）与俯视角（出现频率达68.2%），配合急促背景音效激活观众的厌恶反应；反污名内容则显著采用水平视角（82.4%）与暖色调，通过第一人称叙事唤起关怀道德基础。诊断类型也影响话语模式——抑郁症内容多强调"脆弱性"，而焦虑症则更常被赋予"可控性"框架。

关键技术包括：(1)基于Python的自研爬虫采集20个心理健康标签下的视频；(2)OpenCV图像处理提取色彩、构图等视觉特征；(3)GPT-4o辅助分析3416帧画面的情感基调；(4)道德基础词典量化五类道德诉求（关怀/公平/忠诚/权威/纯洁）的文本表达。

【研究结果】

1. 主导框架分析：专业医疗内容通过白大褂、诊室场景等视觉符号构建权威叙事，但63.7%的PGC视频将精神疾病归因为生物医学缺陷，间接强化"不可逆"污名；UGC则通过生活化场景（如卧室自拍）解构专业霸权。

2. 多模态污名机制： stigmatizing内容中，68.9%使用碎片化剪辑强化"失控"印象，而抗污名视频83.2%采用长镜头记录康复日常。声学分析显示，污名化视频背景音高频段能量比抗污名内容高2.4倍，激活观众警觉状态。

3. 诊断差异：精神分裂症相关视频中，"危险"视觉隐喻出现频率是抑郁症的4.8倍；进食障碍内容则更多使用身体局部特写（占比41.7%），物化患者形象。

【结论与意义】
该研究首次实证揭示算法平台如何通过"视觉棱镜"重构污名——抖音的推荐机制客观上放大了具有道德冲突性的内容（点击率提升37%），形成"污名-流量"的恶性循环。理论层面，提出"道德-情感多模态分析"框架，突破传统文本中心主义局限；实践层面，为平台优化内容审核算法（如识别高角度拍摄+冷色调组合的潜在污名内容）提供量化依据。研究同时发现，15.8%的抗污名视频通过"生活流"叙事成功触发用户生成二次创作，这种"波纹效应"为数字健康干预提供新思路。正如作者指出，短视频平台已成为中国社会心理健康认知的"数字战场"，需要在技术伦理与表达自由间寻找平衡点。