Facebook图文内容中种族与族裔议题的主题分析：文化自豪、反种族主义与政治话语的多模态探索

本研究针对Facebook平台日益增长的多模态（图像与文本）种族与族裔相关内容，采用混合归纳-演绎的定性内容分析方法，对2019-2023年间500篇图文帖子进行主题分析。研究发现近三分之一内容缺乏明确种族指向，其中西班牙裔、多族裔和移民群体最常被提及；主要主题涵盖美国政治、文化自豪、种族主义与反种族主义。研究揭示了图像通过幽默和讽刺手法隐性传递种族刻板印象的复杂性，以及反种族主义内容通过行动号召促进社会变革的潜力。该研究为理解社交媒体种族话语的演变规律及制定内容干预策略提供了重要实证依据。

　　

在数字化浪潮席卷全球的今天，社交媒体已成为现代人表达观点、构建身份和参与社会议题的重要舞台。作为拥有数十亿用户的超级平台，Facebook尤其成为各种族裔群体展示文化自豪、讨论政治议题乃至对抗种族歧视的关键场域。然而令人担忧的是，这些平台在促进跨文化对话的同时，也成为了种族主义思想和刻板印象传播的温床——它们往往通过精心设计的图像内容和隐晦文本，以幽默或讽刺为掩护悄然扩散，对少数族裔群体的心理健康造成深远影响。

这种线上种族话语的复杂性在于其多模态特性：单纯分析文本可能无法捕捉图像蕴含的微妙暗示，而图文之间的意义矛盾又增加了解读难度。更值得关注的是，社交媒体特有的匿名性和算法推荐机制，使得种族主义内容既能快速传播又能逃避监管，形成所谓的"回音室效应"。这种现象不仅扭曲公众对种族议题的认知，还可能通过替代性种族主义（vicarious racism）导致少数族裔产生心理压力，进而影响其身体健康状况——这正是健康社会决定因素理论在数字时代的新体现。

为系统解析Facebook平台种族与族裔话语的现状与特征，由Shaniece Criss、Sarah M Gonzales、Heran Mane等学者组成的研究团队开展了一项开创性研究。他们采用定性内容分析法，对2019-2023年间500篇包含种族关键词的Facebook图文帖子进行深度解码，试图揭示多模态内容中隐含的文化自豪表达、种族主义叙事、反种族主义行动和政治话语交织的复杂图景。这项具有重要意义的研究成果近期发表在《JMIR Formative Research》期刊。

研究团队采用多个关键技术方法确保研究的科学性和可靠性：通过Meta旗下的CrowdTangle工具系统收集2019-2023年每年100篇随机抽样的公开英文帖子；使用GitHub进行数据存储和管理；采用Label Studio企业版进行双盲编码；基于混合归纳-演绎方法开发迭代式编码手册；通过计算百分比 agreement达到80%以上的编码者间信度，并通过共识讨论解决分歧；最后采用主题分析法固化核心主题。所有数据均来自美国管理的公共主页，并经过机构审查委员会（IRB）认定不属于人类受试者研究。

样本特征与种族指向分析

通过对500篇帖子的系统分析，研究发现近三分之一（31%）内容缺乏明确种族指向：19.8%的帖子与种族议题完全无关，11.2%未提及具体族裔群体。在具有明确种族指向的内容中，西班牙裔（10.8%）、多族裔/混合族裔（10.6%）和移民群体（9.6%）被讨论的频率最高，非裔和亚裔群体分别占9%和7.6%，而阿拉伯/中东/穆斯林群体（6.4%）和白人群体（5.2%）的占比相对较低。这种分布反映了美国社会种族话语的关注焦点与权力结构。

跨族裔的内容主题映射

美国政治成为最具穿透力的主题，在64%的种族类别帖子中都有体现，尤其涉及移民政策、选举和社会正义辩论。文化自豪主题在亚裔、非裔、西班牙裔和原住民群体内容中尤为突出，表现为传统文化庆祝、历史里程碑纪念和代表性成就展示。种族主义与刻板印象主题集中出现在非裔、西班牙裔和多族裔内容中，常与系统种族主义、仇外心理和媒体表征等议题交织。反种族主义主题则主要出现在非裔、黑白种族讨论和非特定种族提及的帖子中，在2020年乔治·弗洛伊德事件后的社会运动期间达到高峰。

文化自豪的多元表达

研究发现了丰富多样的文化自豪表达形式。例如关于日裔选手Hideki的胜利帖子，通过图像和文本共同构建了亚裔群体的成就叙事；关于Ketanji Brown Jackson成为最高法院首位非裔女性大法官的帖子，使用#BlackGirlMagic等标签强化群体自豪感；关于古巴裔艺术家Celia Cruz成为美国硬币首位拉丁裔人物的报道，则体现了文化符号的政治意义。这些内容不仅抵抗了种族沉默（racial silencing），还通过积极表征提升了族裔群体的自我效能感。

种族主义的话语伪装

更具警示性的发现是种族主义内容往往通过幽默伪装进行传播。例如一张标注"作弊级别：亚裔"的图片，表面上以"生活技巧"为标题显得无害，实则强化了"亚裔擅长作弊"的刻板印象；另一则关于移民的"民意调查"帖子，采用中性表述却隐含将移民与国家安全威胁相关联的排外意识。这种掩藏在讽刺和幽默框架下的种族主义，既规避了内容审核，又通过娱乐化形式增强了传播力，印证了种族形成理论（racial formation theory）关于种族概念可通过社会互动被建构和扭曲的观点。

反种族主义的行动号召

与之形成对比的是反种族主义内容的行动导向特性。例如一张"固定思维与成长思维对比"的图片，详细指导如何从"我不知道从哪里开始"转变为"我将倾听并反对不公"；另一张关于白人特权（white privilege）的图解帖子，通过理性论证解构了"白人特权不存在"的常见反驳。这些内容不仅提供认知框架，更强调行为改变，体现了社交媒体作为反种族主义教育工具的潜力。

政治话语的种族化编码

研究还揭示了政治议题如何被种族化编码。无论是关于边境政策的辩论、最高法院任命，还是国会山骚乱事件的审判，种族身份都成为政治立场的隐喻符号。特别值得注意的是，政治内容中经常出现看似中立的"信息性"帖子，实则通过图像-文本的微妙配合传递种族化政治立场，这种隐性传播方式可能比直接种族主义言论具有更强的意识形态塑造力。

通过这项系统研究，团队得出几个重要结论：首先，Facebook上的种族与族裔话语具有显著的多模态特性，图像往往通过文化指涉和视觉隐喻传递文本未明言的意义；其次，种族主义内容普遍采用幽默伪装和讽刺框架，这种"可否认的歧视"增加了内容审核和公众识别的难度；第三，反种族主义内容展现出强大的行动号召力和教育功能，说明社交媒体可作为促进种族正义的积极力量；最后，政治议题与种族话语的深度交织表明，数字时代的种族政治正以更隐蔽、更复杂的方式重构公共话语空间。

这些发现对健康医学领域具有特殊意义：首先，社交媒体上的种族主义暴露作为新型 psychosocial stressor，可能通过替代性种族主义机制影响少数族裔的心理健康；其次，反种族主义内容可能通过赋权和社群支持起到保护性作用；最后，多模态分析方法为健康传播研究提供了新工具，有助于更精准地把控健康议题的种族维度。

研究的局限性包括样本量相对较小、无法获取私人群组数据、平台内容审核可能导致样本偏差等。未来研究可扩大样本规模，结合人工智能工具进行自动化分析，并比较主流社交媒体与族裔特定社区的差异。总体而言，这项研究为我们理解数字时代种族话语的演变规律提供了重要洞察，为制定更有效的反种族主义干预措施奠定了科学基础。