生成式人工智能(GenAI)在媒介与传播意义建构中的符号学角色:2021–2026年系统综述

《Information》:Generative AI and Meaning-Making in Media and Communication: A Systematic Review of Semiotic Perspectives (2021–2026)

【字体: 大 中 小 】 时间:2026年10月24日 来源:Information 4.3

编辑推荐:

  生成式人工智能(GenAI)正在重塑媒介与传播,但其在意义建构中的符号学作用研究在理论和方法上仍呈碎片化。本系统综述考察2021年至2026年8月26日发表研究中的符号学框架、技术模态、传播语境与人机能动性。对Scopus和Web of Science的检索识

  
生成式人工智能(GenAI)正在重塑媒介与传播,但其在意义建构中的符号学作用研究在理论和方法上仍呈碎片化。本系统综述考察2021年至2026年8月26日发表研究中的符号学框架、技术模态、传播语境与人机能动性。对Scopus和Web of Science的检索识别出376条记录;最终纳入语料包含128项研究。综合结果区分了模态特定关切:大语言模型(LLMs)研究主要考察互动与对话,而文本到图像研究强调表征与合成意象。原始(RAW)能动性数据包含4个被编码为主要由AI主导的案例,但这些分类在经记录的文本一致性审查后发生变化,表明能动性模式对编码决策敏感。研究人员推导出四种暂定配置:工具性人类锚定、中介化分布式符号过程、共创/能动性参与,以及争议性或未解决的计算符号过程。这些研究还揭示方法、概念、文化、技术和治理方面相互关联的缺口。这些发现表明,应将参与符号生产与中介同自主意向性能动性主张区分开来;它们并未确立生成系统是否具有意向性理解。
1. 引言:该综述指出生成式人工智能(GenAI)已进入写作、视觉表征、对话、叙事、解释与创造性生产等传播环节,因而需要从符号学角度分析符号选择、组织、解释与归属过程。相关研究运用社会符号学、皮尔斯符号学、多模态社会符号学、现象学符号学、 enunciative 理论与结构主义等传统,但理论框架、技术模态与传播语境高度分散;大语言模型(LLMs)、文本到图像(text-to-image)、多模态、合成语音与文本到视频系统对应不同符号学生态。该综述据此提出RQ1–RQ4,分别考察符号学理论与方法、技术模态与传播语境、GenAI符号学角色与人机能动性(human–AI agency),以及理论、方法、地理、文化、技术、作者身份与伦理缺口。
2. 材料与方法
2.1 综述设计与报告:该综述依PRISMA 2020报告,使用Covidence管理记录、去重、筛选、全文评估与结构化提取;检索窗口为2021–2026年,最终检索日为2026年8月26日,未进行前瞻性注册。
2.2 纳入标准:纳入标准以概念契合为核心,要求GenAI为研究核心对象,且存在明确符号学传统或对意指、表征、解释、多模态、中介、 enunciative、作者身份、能动性等意义建构过程的主要分析;仅将GenAI作为教学、编码、设计或反馈工具而不分析传播、表征或意义建构者排除。
2.3 信息来源与检索策略:检索Scopus与Web of Science,获得376条记录(Scopus 210条;Web of Science 166条);检索式将GenAI模块与符号学模块或受媒介与传播限定词约束的意义建构模块配对,并限制文章与综述类型。
2.4 研究选择:去重校正后为233条唯一记录筛选,70条题摘排除,163篇全文评估,35篇全文排除,最终纳入128项研究;全文排除包括18项缺乏实质性符号学/意义建构相关性、10项缺乏媒介/传播相关性、6项缺乏实质性GenAI成分、1项出版类型不合格。修订阶段对49条历史排除进行复核,纳入集未变;两个配对验证样本分别为59条题摘记录与41条全文记录,Cohen’s κ = 1.00,但不等同于全部记录双人筛选或全部研究独立双提取。
2.5 数据提取与编码框架:使用26字段结构化模板提取研究设计、地理语境、研究目的、GenAI模态与系统、符号学框架、理论家与概念、媒介/传播领域、分析单位、传播场景、分析方法、语料特征、意义建构概念化、GenAI符号学角色、人机能动性、研究发现、风险、局限、未来研究与缺口类别;单选与多选字段分别定义。
2.6 数据清理、一致性审计与分析性重编码:保留RAW数据,另建CLEAN分析层进行规范化;一致性审计发现4项RAW中“以AI为主导/自动化”的能动性标签与提取发现冲突,CLEAN层分别重编码为争议/不确定、以人类为主导、协作/分布式和以人类为主导;RAW仍保留4项AI主导案例(4/128;3.1%),CLEAN层为0,故结论表述为自主AI主导能动性罕见且对编码敏感,而非绝对不存在。
2.7 数据合成:对分类变量计算描述频数与百分比,多选字段可超过100%;开展符号学框架×研究设计、GenAI模态×传播领域、符号学角色×人机能动性、模态×能动性、符号学角色×意义建构现象、缺口/风险×设计与技术模态等交叉分析,并区分作者报告局限、作者明确未来研究建议与综述推导的封闭缺口类别。
2.8 修订阶段验证与可审计性:修订阶段区分原始Covidence决策、平行评估、RAW提取字段、CLEAN重编码与后续合作者评估;原始Covidence导出不含第二评审人配对投票历史,故κ值来自补充验证工作表而非全语料;49条排除复核、4项能动性重编码与32项提取/编码复核为独立审计环节;AI辅助检查不计为独立评审判断。
2.9 生成式人工智能辅助披露:ChatGPT(GPT-5.6与GPT-6;2026年8–10月访问)用于候选编码标签讨论、数值/表格/文献核查及组织与起草支持,属于分析讨论与写作辅助而非仅语言润色;AI建议未被视作独立证据、筛选投票、纳入决策或第二评估,作者对最终研究问题、边界、解释与文本负责,但未保留完整同期提示词档案。
3. 结果
3.1 研究选择与纳入文献特征:128项研究中2021年0项、2022年1项、2023年3项、2024年16项、2025年48项、2026年60项;2025与2026年合计108项(84.4%),2026年为不完整年度计数。定性实证51项(39.8%)、理论/概念42项(32.8%)、混合方法21项(16.4%)、方法/框架提案7项(5.5%)、定量实证与计算/算法实证各3项(2.3%)、综述/证据综合1项。地理上71项(55.5%)无 bounded 地理设置,41项(32.0%)为国别或地方化,14项(10.9%)为多国/跨国/区域,2项(1.6%)未报告地理设置;地方化研究中中国/香港最多(9项),美国与巴西各4项,印度尼西亚3项,新西兰、印度、日本、意大利各2项。2024年文本到图像占16项中的12项;2025年LLM/文本生成与文本到图像各23项;2026年部分语料中LLM/文本生成增至60项中的39项,文本到图像22项。框架分布亦变化:2025年混合/多框架最多(13项),2026年社会/多模态符号学成为最大命名主类别(14项),未命名但明确符号学传统11项,皮尔斯/语用符号学6项。
3.2 RQ1:符号学理论、概念与分析方法:社会符号学/多模态社会符号学为最大主框架(24项;18.8%),未命名主导传统的符号学视角21项(16.4%),混合/多框架21项(16.4%);皮尔斯/语用符号学12项(9.4%), enunciative/共 enunciative 符号学7项(5.5%),Greimas话语/生成符号学6项(4.7%),Barthes符号学5项(3.9%)。理论家跨传统借用明显,Peirce、Kress、van Leeuwen、Eco、Barthes、Saussure、Greimas、Halliday与Fontanille反复出现。方法上符号学分析65项(50.8%)、理论/概念分析53项(41.4%)、案例/比较分析42项(32.8%)、视觉符号学分析32项(25.0%)、社会符号学/多模态分析21项(16.4%)。概念核心为符号过程/意指(semiosis/signification)99项(77.3%)、解释88项(68.8%)、表征83项(64.8%)、多模态意义建构59项(46.1%)、中介/符际翻译55项(43.0%),并涉及偏见/意识形态、作者身份/创造性、隐喻/象征、主体性/拟人化、真实性与信任。总体上该领域理论多元且日益混合,分歧不在GenAI是否影响符号过程,而在功能性参与是否足以支持解释或能动性主张。
3.3 RQ2:GenAI模态、技术与传播语境:LLM/文本生成68项(53.1%)与文本到图像59项(46.1%)主导;多模态GenAI 18项(14.1%),音频/语音/音乐11项(8.6%),文本到视频/视频10项(7.8%)。传播领域以视觉传播/合成意象69项(53.9%)最多,人–AI传播/聊天机器人互动52项(40.6%),文化/艺术传播37项(28.9%),教育/学术传播25项(19.5%),社交媒体/平台18项(14.1%),视听/电影/视频/动画16项(12.5%)。模态–领域聚类明显:59项文本到图像中55项(93.2%)涉及视觉传播;68项LLM中47项(69.1%)涉及人–AI/聊天机器人传播;10项文本到视频中9项(90.0%)位于视听传播。系统/平台家族以ChatGPT(54项)、Midjourney(28项)、DALL·E(26项)、Stable Diffusion(21项)、Claude(12项)、Gemini(10项)、DeepSeek(7项)较多,且为非互斥计数。视觉生成研究更多使用多模态/社会符号学与表征词汇,LLM研究更多聚焦对话、 enunciative、互动、人格或分布式能动性,支持将不同模态视为不同符号学生态。
3.4 RQ3:生成式AI的符号学角色与人机能动性:GenAI最常被概念化为符号/表征生产者108项(84.4%)与意义中介者72项(56.3%),工具/仪器43项(33.6%),争议/模糊符号学角色39项(30.5%),符号能动者/能动性参与者27项(21.1%),对话者/传播伙伴21项(16.4%),共创者/共同作者17项(13.3%)。RAW能动性为协作/分布式50项(39.1%)、人类主导35项(27.3%)、争议/不确定20项(15.6%)、未讨论19项(14.8%)、AI主导4项(3.1%);CLEAN层为协作/分布式51项(39.8%)、人类主导37项(28.9%)、争议/不确定21项(16.4%)、未讨论19项(14.8%)、AI主导0项。角色–能动性交叉显示:工具/仪器研究中30/43(69.8%)为人类主导;分布式能动性见于中介者研究39/72(54.2%)、符号能动者22/27(81.5%)、共创者14/17(82.4%)、对话者13/21(61.9%);争议/模糊符号学角色中18/39同时为争议/不确定能动性。基于CLEAN标签与角色编码,综述用互斥决策规则得出四种描述性配置:工具性人类锚定37项、中介化分布式符号过程16项、共创/能动性参与35项、争议或未解决的计算符号过程40项;这些为评审者定义的分析类别,非原始研究分类、算法聚类或发展阶段。
3.5 RQ4:研究缺口、风险与未来研究优先事项:最常见缺口为方法学74项(57.8%)、理论58项(45.3%)、文化/语言42项(32.8%)、平台/模型特定41项(32.0%)、人机能动性/作者身份40项(31.3%)、伦理/治理38项(29.7%)、媒介/传播领域31项(24.2%)、比较/跨文化30项(23.4%)、纵向/时间25项(19.5%)、地理13项(10.2%)。缺口常共现:方法学与平台/模型特定37项,理论与能动性/作者身份33项,方法学与理论28项,方法学与文化/语言28项,理论与伦理/治理26项。风险以伦理/隐私/问责73项(57.0%)、偏见/刻板化/歧视64项(50.0%)、语境丧失/语义浅薄/幻觉61项(47.7%)、不透明/缺乏根据51项(39.8%)、真实/信任与文化同质化/误表征各43项(33.6%)为主。模态差异明显:偏见/刻板化/歧视在文本到图像中41/59(69.5%),拟人化/错误归因能动性在LLM中29/68(42.6%)高于文本到图像7/59(11.9%)。证据分层为:83项含可提取作者报告局限;109项含明确未来研究建议,集中于纵向变化26项、伦理/治理/问责23项、能动性/作者身份/意向性22项、更大或更多样样本19项、实证验证19项、平台/模型比较17项、受众/接受16项、跨文化/多语言比较12项、真实世界/生态部署3项;综述推导的封闭缺口类别另行总结。
3.6 修订阶段报告透明度评估:128项提取记录均具可识别研究目的、分析程序与语料/分析材料;107项(83.6%)明确命名符号学框架或传统,102项(79.7%)说明模型/平台/工具;78项实证研究中64项(82.1%)报告可提取样本或语料规模;83项(64.8%)报告或可提取局限,109项(85.2%)含未来研究方向。该评估描述报告完整性,不等同于方法有效性或低偏倚风险(risk of bias)判断。
4. 讨论
4.1 超越统一的AI符号学:理论多元主义:该综述发现研究未围绕单一符号学范式收敛,社会/多模态符号学、皮尔斯符号学、 enunciative 理论、Greimas式路径、Barthes符号学、社会符号学与混合框架分别处理不同维度;这种多元不应自动视为碎片化,因为语料层面反复关注表征、解释、符号过程、多模态与中介,分歧集中于模型在其中的分析地位。不同传统承担不同分析工作:社会/多模态符号学多用于生成图像与多模态人工物,皮尔斯路径强调符号–对象–解释项关系与递归符号过程, enunciative/社会符号学强调提示、共 enunciative、生产/识别、中介与混合行动者。
4.2 GenAI作为模态特定的符号学生态:GenAI模态与传播领域强关联,说明不宜将其视为单一媒介。文本到图像系统多经视觉表征、合成意象、偏见、真实性与多模态意义建构考察;LLM输出位于会话序列中,引发轮次、回应、 address 与对话;视听与多模态生成器引入时间、声音、表演与叙事复杂性。文本到图像提示被描述为受组合/聚合关系组织的符号实践,生成过程重新分配概念意义而非简单转写提示;LLM研究则关注看似交际性语言的现象学与参与者身份在互动中的建构。因此GenAI符号学后果部分受模态制约。
4.3 符号学参与不等于自主能动性:综述最强概念贡献在于区分符号学能力与能动性。GenAI被广泛认为能生产符号与表征并常被概念化为意义中介者,较少但可观的研究将其描述为对话者、共创者、解释者或符号能动者;但RAW到CLEAN敏感性分析要求谨慎表述:4项最初编码为AI主导的研究仅在文本一致性裁决后改变类别,故可辩护的语料层面结论是自主AI主导能动性属例外且分类敏感,而关系性、人类锚定、分布式或争议性配置占主导。该综述据此区分“GenAI能否参与符号过程”与“参与符号过程是否蕴含自主意向性能动性”:文献较支持前者,对后者更谨慎。
4.4 人–GenAI意义建构的四种配置:角色–能动性模式支持四种互斥的综述推导配置:工具性人类锚定37项(CLEAN中人类主导);中介化分布式符号过程16项(协作/分布式但无共创者、对话者或符号能动者编码);共创/能动性参与35项(协作/分布式且至少具上述人际或能动性符号角色之一);争议或未解决的计算符号过程40项(争议/不确定或未明确分析能动性)。这些配置是编码证据的透明概念组织,非无监督聚类或普遍本体论,边界概念上重叠但由规则分析性互斥,且不暗示时间或发展阶段。
4.5 意义建构作为权力、偏见与文化再生产场域:GenAI符号学分析不能脱离文化、意识形态与权力。偏见、刻板化、文化同质化、真实性、信任与表征不平等尤其见于视觉GenAI研究。合成符号产生于训练数据、模型架构、提示、审核政策、统计关联与文化可用库的互动,生成表征可能复制历史沉积的视觉与语言代码,即使使用者未明确要求。文化/语言缺口大于纯地理缺口,说明问题不仅在何处研究GenAI,也在谁的语言、代码、身份、历史与表征系统被正常化或边缘化。
4.6 相互关联的缺口架构:RQ4显示局限并非孤立缺陷。方法学、理论、平台特定、文化、作者身份与治理缺口反复共现;作者报告局限与未来研究建议提供另一层证据。方法学缺口占主导说明领域仍多探索性,常伴小语料、有限抽样、模型特定演示与报告不一致;平台/模型依赖因模型更新、界面修改、训练变化与安全政策而放大。技术时间性应作为方法学问题,模型/版本、界面、生成日期、提示程序与系统配置应作为实证语境报告。理论与能动性/作者身份缺口强共现表明概念词汇尚未稳定,agent、author、interpreter、interlocutor、co-creator、understanding与semiosis常在不同分析层面使用,未来需更明确区分功能参与、计算操作、互动归因、意向性与规范责任。
4.7 对数字媒介与传播研究的启示:在该综述的Scopus/Web of Science期刊语料范围内,GenAI可被有效视为符号学基础设施,而非仅生产技术:它参与符号选择、转换、重组与流通,影响图像可视化、会话角色建构、文化材料再语境化与用户可能解释;但这些意义仍嵌入人类实践、数据集、界面、制度与文化历史。该主张限于本综述的符号学/意义建构与媒介/传播筛选框架,不应泛化至全部GenAI研究。该视角适用于新闻、平台传播、广告、政治传播、视听媒介、教育、设计与文化生产,符号学贡献不仅在于技术生产什么,也在于输出如何意指、传播位置如何建构、文化代码如何被复制或转换。
4.8 本综述的理论贡献:理论贡献可概括为三点:第一,GenAI相关意义建构宜通过理论多元主义理解,因为不同符号学传统捕捉生成技术不同维度;第二,GenAI技术形成模态特定符号学生态,LLM、视觉生成器与视听系统在符号、用户、界面、表征与解释过程之间建立不同关系;第三,符号学参与应与自主意向性能动性区分,生成系统可实质性改变意义建构并占据符号生产者、中介者、对话者、共创者或符号能动者等角色,而无需据此认定其具有人类等价意向性或理解。四种配置提供暂定概念地图,其价值在于使角色–能动性组合显性化并可对未来语料检验,而非普遍人工智能本体论或顺序发展主张。
5. 结论:该综述综合2021年至2026年8月26日检索截止的128项GenAI、符号学与媒介传播意义建构出版物的研究。语料理论多元、技术异质;按所用策略未识别到2021年合格出版物,2026年集中须考虑不完整检索年度。LLM、文本到图像、视听生成器与多模态平台呈现不同传播与符号学问题。在所评审出版物中,符号学参与不等同于自主意向性能动性:RAW能动性编码中4项(3.1%)标为AI主导,经4项记录一致性重编码后无一项保留该标签;故结果对编码程序敏感,不应解释为自主能动性在文献中 categorical 缺失或原则上不可能。领域缺口相互关联:方法学局限与模型依赖相交,理论不确定与能动性/作者身份相交,文化缺口与偏见/表征不平等相交,治理问题与真实性、问责与责任相交。GenAI符号学的下一阶段需要理论、方法、文化与治理协同发展。
5.1 理论启示:主要理论启示是符号过程参与不应自动视为类人能动性证据。生成系统可通过生产符号、引入替代表征、重组文化材料、生成解释项或在传播序列中回应而改变意义建构轨迹;此类功能参与即使在意向性、理解、意识或独立作者身份仍有争议时也可具有符号学后果。未来研究应至少区分符号学输出、符号学参与与意向性能动性三个分析层次。
5.2 对数字媒介与传播研究与实践的启示:对媒介与传播研究而言,GenAI应日益作为当代意义生产与流通的基础设施来研究。新闻学问题从事实准确性延伸至来源、真实性、归属、合成索引性(synthetic indexicality)与责任;广告与战略传播应分析生成系统如何自然化文化代码、身份、刻板印象与视觉惯例;平台与社交媒体中GenAI引入新作者身份、补救(remediation)与合成参与形式,涉及创作者、模型、界面、受众与基础设施。专业实践证据支持对生成内容实施有意义的人类监督,尤其在公共可信度、政治话语、文化表征或脆弱身份涉及之时;研究报告应更技术精确,尽可能说明模型、版本、界面、数据生成期、提示程序与相关配置。
5.3 综述局限:局限包括:仅检索Scopus与Web of Science期刊文章与综述,可能遗漏书籍、章节、会议论文、预印本与灰色文献;2021–2026窗口不覆盖更早计算符号学或合成媒介传统,2026年8月26日截止使2026年计数不完整;纳入标准兼含命名符号学传统与相邻意义建构研究,部分案例依赖分析中心性与媒介/传播相关性判断;修订阶段审计标记49条历史排除复核,合作者检查保留排除决定且最终128项语料未变,但原Covidence工作区未保留第二套配对投票,完整修订决策史独立复现受限;语料混合异质出版设计,报告透明度 rubric 不替代设计特定偏倚风险或确定性评估;原始筛选与提取为单评审人流程,虽报告第二合作者独立平行评估达到同一128项纳入集并核查指标,但原Covidence导出未保存第二评审人配对投票历史,补充验证工作表仅提供59条题摘与41条全文配对决策、各100%一致与κ = 1.00,不扩展至全部筛选记录或128项全双提取;49条资格复核与32项编码复核不得与59和41条配对验证样本混淆;ChatGPT辅助讨论与起草可能影响分析框架、术语与解释强调,尤其因GenAI为综述主题;研究级补充数据、类别规则、RAW/CLEAN重编码日志与合作者检查可审查最终分类,但不能证明每个智识提案均无AI辅助,未保留完整同期提示词档案,历史模型互动不能精确复现,残余模型相关偏倚或循环性仍可能存在;四种配置与封闭缺口类别为本综述解释性建构,而非 underlying studies 一致证明的属性。
5.4 未来研究议程:未来优先事项直接来自缺口架构与作者建议。方法学缺口高频支持更大语料、更清晰抽样、跨模型设计、实证验证与跨系统版本复现;纵向建议集中支持重复测量与历史设计,因为模型更新、安全政策、界面、训练程序与多模态能力可改变研究对象本身;能动性/作者身份缺口支持区分功能参与、互动归因、意向性、作者身份与规范责任,而非将“agent”作为未分化标签;平台/模型缺口支持跨系统与版本比较;受众/接受与文化/语言缺口支持更多多语言、跨文化与生态研究。此类研究不仅应考察不同国家输出是否不同,也应考察生成系统如何编码与复制文化库、语言等级、表征规范、隐喻、价值与历史档案。受众与接受研究应超越输出分析,调查人们如何赋予可信度、推断作者身份、识别偏见、协商真实性与解释合成人工物。治理研究应更直接纳入符号学问题:监管不仅涉及数据、版权、隐私与错误信息,也涉及哪些表征被正常化、哪些行动者显得权威,以及当意义在人与技术系统间涌现时责任位于何处。
5.5 结语视角:GenAI重塑媒介与传播,不仅因其自动化内容生产,更因其进入符号生成、转换、选择、解释、流通与归属传播行动者的过程。在所评审语料中,GenAI作为工具、符号生产者、中介者、对话者、共创者、解释者,并在部分理论叙述中作为符号能动者发挥作用。证据支持将此类参与视为具有符号学后果,同时将自主意向性能动性主张在分析上分开。未来研究的核心任务是解释意义如何在人类、模型、提示、数据集、界面、制度、文化档案与受众之间涌现,不同能动性形式在这些关系中如何被归因或实施,以及当合成符号获得真实传播后果时责任应位于何处。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号