文本到图像AI中的玩家身份可视化：中美生成系统中的算法污名

《Frontiers in Psychology》：Visualizing gamer identity through text-to-image AI: algorithmic stigma in Chinese and U.S. generative systems

　　

研究人员将人工智能生成图像（AI-generated images）视为符号产品，考察这些图像如何视觉呈现社会身份，并以玩家身份作为研究案例。研究分析了来自中国和美国文本到图像生成式人工智能工具（text-to-image generative AI tools）的1,200张编码图像。基于视觉社会符号学理论（visual social semiotics），研究考察了身体特征和空间布局等图像安排如何共同塑造“玩家”形象。结果发现，AI生成的玩家图像主要以狭窄的方式呈现，集中于年轻群体、男性特质、私人空间、屏幕沉浸和技术设备。有三种反复出现的视觉模板尤为突出：社交退缩型玩家、职业电竞冠军和休闲玩家。女性玩家更常以柔和的美学风格、装饰性环境和社交性游戏形式被呈现，较少出现在技术密集或竞争性角色中。比较分析进一步揭示了不同的表征倾向：中国工具更常将游戏与疲劳和混乱联系在一起，而美国工具则强调技能、风格和竞争价值。在本研究中，这些模式被概念化为“算法污名”（algorithmic stigma），说明文本到图像AI如何通过反复出现的刻板配置来组织社会身份的视觉呈现和可识别性。

研究背景：随着生成式人工智能（AI）工具日益融入内容生产，文本到图像模型（如Midjourney、ChatGPT图像生成工具、Gemini、即梦AI等）已广泛用于日常视觉创作。然而，这些系统并非价值中立，其输出受到训练数据、模型设计、平台条件和用户提示的共同影响。现有研究已发现AI图像存在表征偏差和呈现偏差，会复制性别、种族和职业刻板印象。玩家身份长期与男性气质、内向、沉迷和技术能力等刻板印象关联，且女性玩家常需在男性主导的游戏空间中证明自身合法性。由于中美两国工具嵌入不同的技术生态和社会语境，比较其输出有助于揭示生成系统如何在不同技术平台语境下产生不同的表征倾向。因此，本研究旨在考察中美文本到图像工具如何视觉呈现玩家身份，以及其输出是否复制、修改或挑战既有玩家刻板印象。

研究人员开展了什么研究：选取六个面向用户的AIGC（AI-generated content，生成式人工智能内容）图像生成工具，其中美国工具包括ChatGPT图像2.0、Midjourney V7和Gemini Image Namo Banana 2，中国工具包括即梦AI Seedream 5.0 Lite、通义万相Wan 2.6和腾讯元宝混元图像3.0。通过中国社交媒体（小红书、微博）和美国社交媒体（Twitter、Reddit）的高互动帖子（2023年1月至2024年6月）收集公共话语，归纳出人物身份、行为状态、环境设定三个语义维度，据此构建中英文平行提示词，并经六位游戏研究专家评分筛选，最终保留20对提示词。所有图像于2026年5月10日通过各工具官方界面生成，最终样本为20个提示词×6个工具×10张图像，共1,200张。研究基于Kress和van Leeuwen（2006）的视觉社会符号学框架，对图像进行表征、互动和构图三个维度的编码，并使用Pearson卡方检验和Cramér's V分析系统组与性别表征、性别与行为状态以及系统组与图像风格之间的关联。编码者间信度良好（Cohen's kappa = 0.78–0.90）。

研究结果：

4.1 玩家的狭窄默认形象：编码结果显示，1,200张图像中76.1%为男性，94.4%为青年，88.2%为独自一人，71.6%位于私人空间，81.0%呈现高度沉浸，97.7%的图像中人物不直视观众，98.0%为叙述性表征，写实风格占82.4%。年龄与行为关联显示，青年更多被描绘为集中操作（38.8%）或竞争对抗（15.2%），而中老年没有竞争对抗图像。这表明即使没有年龄提示，年长玩家也被系统性排除。

4.2 玩家身份的三种反复出现视觉模板：通过编码和比较，识别出三个反复出现的模板。社交退缩型玩家通常出现在地下室游戏、肥胖玩家、昏暗房间等提示中，表现为年轻男性独自在私人空间、被屏幕和杂物包围；职业电竞玩家出现在比赛、队服、奖杯等提示中，被置于公共舞台、展示胜利姿态；休闲玩家出现在手机游戏、客厅沙发、朋友聚会等提示中，呈现放松姿态并与他人互动。这些模板将玩家身份限制为问题性沉迷、专业成就或消遣娱乐。

4.3 玩家表征中的性别差异：在840张性别中立提示图像中，男性占81.4%，女性仅17.6%。男性玩家更多被描绘为集中操作（42.5%对21.1%）和竞争对抗（16.7%对7.0%），女性玩家更多被描绘为社交互动（33.8%对3.0%），差异具有统计学显著性（χ²(3) = 157.20, p < 0.001, Cramér's V = 0.43）。女性玩家常出现在柔和、风格化、装饰性环境中，部分图像存在性化呈现。女性玩家的可见性是有条件的，更多通过外貌、年轻和社交性而非技术能力来定义。

4.4 跨系统差异：叙事极化与技术编码：美国工具更常将玩家置于职业化、视觉壮观的场景（如电竞舞台、队服、奖杯、聚光灯），强调技能、表现和竞争价值；中国工具更常强调封闭室内、屏幕沉浸、疲劳和混乱（如食品容器、饮料罐、凌乱桌面、倦怠姿势）。女性图像在美国输出中占34.0%，中国输出中占13.6%，差异显著（χ²(1) = 57.57, p < 0.001, Cramér's V = 0.23）；超重形象在中国输出中更多（28.4%对18.8%）；中国输出以写实为主（89.5%），美国输出中卡通/动漫更多（18.8%），风格差异显著（χ²(1) = 41.55, p < 0.001, Cramér's V = 0.19）。

总结讨论：研究人员将以上模式概念化为“算法污名（algorithmic stigma）”，指生成系统通过重复联想和配置固定，使社会身份反复呈现为有限的刻板类型，从而窄化其可识别范围。与符号歼灭不同，算法污名关注的是即便身份可见，也被限制在特定的视觉类型中。女性玩家的可见性属于条件性纳入，需要符合审美和社交框架。跨系统差异不应简单归因于国家文化差异，而应视为不同系统训练、设计和平台语境作用的结果，同一视觉资源（如屏幕、耳机、电竞椅）在不同组合中可产生相对立的含义。该研究的意义在于将AI偏差讨论从“谁被呈现”转向“社会身份被反复组织成什么类型”，为偏见审计提供了关注重复组合而非仅人口统计平衡的新方法。

研究结论：本研究通过将算法污名的讨论从不平等可见性扩展到模式化视觉类型化，做出了概念性贡献。尽管以玩家身份为例，该框架也可能适用于其他通过生成图像表征的社会身份。总体而言，本研究所识别的污名不仅在于负面描绘，更在于可被视觉想象之物的收窄。