《Frontiers in Psychology》：The mechanism of generative AI’s construction of cultural identity: an empirical study based on Generation Z’s social media behavior
编辑推荐：
生成式人工智能（AIGC）正在从根本上重塑数字内容格局，然而，与传统的用户生成内容（UGC）相比，其对“数字原住民”（Z世代）文化身份的具体预测关系仍未被充分探索。尽管AIGC提供了效率和审美新颖性，但它缺乏UGC固有的“人情味”。本研究通过分析来自抖音平台的
生成式人工智能（AIGC）正在从根本上重塑数字内容格局，然而，与传统的用户生成内容（UGC）相比，其对“数字原住民”（Z世代）文化身份的具体预测关系仍未被充分探索。尽管AIGC提供了效率和审美新颖性，但它缺乏UGC固有的“人情味”。本研究通过分析来自抖音平台的11,628条评论来调查这种分歧。研究人员采用了一种混合方法，结合语义网络分析（semantic network analysis）和结构方程模型（SEM），比较了用户在情感、技术和社会维度上的反应。研究结果揭示了一个独特的“双路径机制”（two-path mechanism）：UGC通过情感共鸣的“温暖路径”（Warm Path）促进身份，而AIGC则通过技术好奇和排他性话题圈所预测的“凉爽路径”（Cool Path）在结构上与显著更强的身份特征相关联。关键的是，研究人员识别出了一个“真实性悖论”（Authenticity Paradox）：AIGC缺乏传统的人情味并不会疏远Z世代；相反，由此产生的“正念摩擦”（mindful friction）——通过情感与身份之间的显著负向路径效应（β=?0.370）量化——作为一种亚文化过滤器发挥作用。
在当前数字媒体环境中，文化生产正经历从人类主导模式向非人类行动者中介的根本转型，生成式人工智能（AIGC，Generative Artificial Intelligence）的迭代升级标志着对Web 2.0时代用户生成内容（UGC，User-Generated Content）范式的决定性突破。Z世代（Generation Z，指出生于1995-2010年的数字原住民）作为数字原住民，其社会化和文化消费高度依赖数字媒介，但现有研究多聚焦于宏观层面的创意产业颠覆、版权伦理和虚假信息问题，缺乏对AIGC如何干预Z世代文化身份构建微观机制的实证分析。Z世代具有流动身份、圈子文化（Quanzi）、真实性悖论和技术嵌入性等独特社会文化特征，而AIGC的合成性质与他们对真实性的渴望之间存在矛盾，这促使研究人员开展本研究，以揭示AIGC与UGC在构建文化身份上的差异机制。
研究人员通过分析来自抖音平台的11,628条评论（其中AIGC视频5,481条，UGC视频6,147条），采用混合方法设计，结合语义网络分析和结构方程模型（SEM，Structural Equation Modeling），比较了用户在情感、技术和社会维度上的反应，发现了UGC的“温暖路径”（Warm Path）和AIGC的“凉爽路径”（Cool Path）双路径机制，并识别出“真实性悖论”（Authenticity Paradox）。该研究具有重要理论意义，为理解AIGC时代Z世代文化身份构建提供了新的解释框架，论文发表在《Frontiers in Psychology》。
为开展研究，研究人员采用了以下关键方法：定量部分从抖音平台收集2025年3月1日至5月31日期间的评论数据，采用匹配配对设计控制主题、风格、参与度和发布时间等混杂变量。变量测量包括：情感得分（净情感得分）、技术接受得分（基于自定义词典的关键词频率）、话题圈得分（赫芬达尔-赫希曼指数HHI标准化）、身份强化得分（主成分分析PCA合成指标）。统计工具包括SPSS进行描述统计和T检验，R语言lavaan包进行SEM路径分析。定性部分对20名Z世代用户（年龄19-26岁）进行半结构化访谈，以验证定量结果。
研究结果包括以下四个部分：
**描述性统计**：通过比较AIGC与UGC两组核心变量的均值，发现UGC组的情感得分均值显著高于AIGC组（0.583 vs -0.102），而AIGC组的技术接受得分（1.020 vs 0.471）、话题圈得分（0.766 vs -0.088）和身份强化得分（1.486 vs 0.514）均显著更高（所有p<0.001），这初步揭示了情感冷却与结构强化并存的模式。
**相关分析**：皮尔逊相关矩阵显示，内容类型与情感得分呈显著负相关（r=-0.232），与技术接受（r=0.222）和话题圈（r=0.242）呈正相关；话题圈与身份强化强相关（r=0.698），技术接受与身份强化中度相关（r=0.535）；所有变量的方差膨胀因子（VIF）均为1.01，低于阈值3.0，表明不存在多重共线性问题。
**结构方程模型（SEM）检验结果**：SEM模型拟合良好，路径分析结果支持了平行中介模型。内容类型负向预测情感得分（β=-0.232，p<0.001），正向预测技术接受（β=0.222，p<0.001）和话题圈（β=0.242，p<0.001）；情感得分负向预测身份强化（β=-0.370，p<0.001），技术接受（β=0.481，p<0.001）和话题圈（β=0.654，p<0.001）均正向预测身份强化；直接路径不显著（β=-0.006，p=0.082），表明完全中介。多组SEM验证了情感负向路径在AIGC和UGC子样本中均显著，排除了辛普森悖论。
**定性综合：为“双路径”提供实证基础**：对20名Z世代用户的半结构化访谈进行主题分析，发现UGC被描述为“温暖路径”，用户寻求情感真实性和人际联系（如“温度”和“瑕疵”），而AIGC被描述为“凉爽路径”，用户进行技术解构（如“逆向工程提示”）和亚文化守门（如使用“LoRA”和“ControlNet”等术语），通过认知掌握和排他性圈子建立身份。
讨论部分揭示了“真实性悖论”（Authenticity Paradox）的核心机制：AIGC的“冷路径”通过认知摩擦和排他性圈子构建身份，而非情感共鸣。情感负向预测身份（β=?0.370）表明，Z世代通过“正念摩擦”（mindful friction）定义身份，而非被动消费；AIGC的“话题圈”机制作为技术新部落，将技术素养作为亚文化资本的门槛。研究结论部分翻译如下：这项对11,628条抖音评论的实证研究表明，生成式人工智能（AIGC）和用户生成内容（UGC）通过根本不同的机制构建文化身份。UGC依赖情感路径：利用情感真实性和人际联系建立广泛、温暖、以人为中心的身份。关键在于，虽然研究结果表明AIGC倾向于通过基于技术素养的结构边界而非主要通过情感人际纽带促进社区形成，但这种动态可能并非静态。随着数字原住民对合成媒体越来越习惯，这些初始技术壁垒最终可能演变为新的社会纽带形式。平行中介模型（内容→技术&圈子→身份）是解释AIGC如何影响Z世代的科学有效解释，强调技术接受是AI时代身份的关键门户。
