《Big Data & Society》：Policing ‘what a feminist looks like’: Interrogating digital misogyny across the visual and discursive cultures of social media, podcasts and generative Artificial Intelligence
编辑推荐：
本文考察了流行的女性主义口号“这就是女性主义者的样子”在过去十年中如何应对日益厌女和种族主义的社会政治及技术文化条件而演变。通过比较该短语在2014年的视觉与话语生命与其在当今数字和算法文化中的存在，研究人员追踪了这一口号如何从对女性主义可见性的庆祝性肯定转变
本文考察了流行的女性主义口号“这就是女性主义者的样子”在过去十年中如何应对日益厌女和种族主义的社会政治及技术文化条件而演变。通过比较该短语在2014年的视觉与话语生命与其在当今数字和算法文化中的存在，研究人员追踪了这一口号如何从对女性主义可见性的庆祝性肯定转变为一种有争议且常常被武器化的表达。借鉴三个相互关联的数据集：（1）包含该短语的推文，（2）男性圈（manosphere）内容中的提及，以及（3）由该短语提示生成的人工智能（AI）图像，研究人员分析了不同数字语境如何塑造女性主义的视觉和修辞框架。在这些平台上，研究人员发现该短语以双重且对立的方式运作——既作为女性主义存在的断言，也作为厌女贬损的工具。研究人员将后一种形式概念化为“厌女虚假信息”，即数字内容和视觉表征试图使女性主义者作为可信甚至可想象的知识主体失效。研究人员认为，这一动态体现了性别化虚假信息如何在线上空间中具体化白人至上和更广泛的权力等级。反思这些转变，研究人员呼吁在数字媒体的研究和教学中重新致力于反思性、立场和情境化知识。在大数据和AI图像生成的背景下，这些方法对于理解视觉和算法系统如何调解谁能在当代技术文化景观中被看到、被听到和被承认为女性主义者至关重要。本文是关于女性主义数据实践的特刊的一部分。
**研究背景与问题**
2014年，口号“这就是女性主义者的样子”（this is what a feminist looks like）在社交媒体上广泛传播，女性主义者手持手写标语的照片与《ELLE》杂志的名人T恤宣传相互呼应，成为第四波女性主义数字可见性的标志性符号。然而，十年后，数字环境发生巨变：男性圈（manosphere）播客、无序传播的阴谋论内容和生成式人工智能（Generative AI，Gen AI）图像技术大量出现，针对女性与性别少数群体的数字暴力与性别化虚假信息（gendered disinformation）愈演愈烈。研究人员提出，这句口号已经从一种肯定女性主义存在的集体宣言，演变为一个充满争议、甚至被反向利用的武器。本研究旨在通过比较2014年与当前口号在视觉和话语层面的生命轨迹，揭示社交媒体、播客和AI图像生成模型如何共同参与了对“女性主义者形象”的规训与争夺。论文发表在《Big Data》，属于“女性主义数据实践”特刊。
**核心发现与意义**
研究人员使用数字拼装（bricolage）方法，将三个异质性数据集并置，进行主题内容分析。他们提出“厌女虚假信息”（the disinformation of misogyny）这一概念，指故意传播虚假信息以维护父权制性别角色规范，将女性和性别少数群体排除在“可信知识主体”之外。研究发现，同一句口号既可被用于主张女性主义在场，也可被用于贬损、取缔女性主义；这种动态具体化了白人至上和更广泛的权力等级。研究强调，视觉和算法系统正在决定谁能在当代技术文化中被看见、被听见、被承认为女性主义者，因此数字媒体研究必须坚持反思性、立场和情境化知识。
**关键方法**
研究人员调用既有数据集合进行批判性拼装。数据集一包含超过4.5亿条推文，来自2017—2025年北美政治话语相关的多个标签数据集，使用grep检索“feminist looks like”后获得3017条匹配，并利用Apache Spark进行衍生数据分析。数据集二来自ManoWhisper（41989份播客转录）与Knowledge Fight交互搜索工具（FIST，超过135678集），使用Whisper语音识别模型生成转录，并参考基于BERT的厌女及仇恨言语分类评分，对匹配剧集进行人工细读。数据集三在2024年夏季和2025年夏季两次，向Canva、DeepAI、Meta、Google AI、Midjourney、Img2Go、Gencraft和DALL·E等公开Gen AI平台输入“feminist”“what a feminist looks like”等提示词，屏幕截图记录生成图像，进行视觉与符号学分析。
**研究结果**
**女性主义作为图像：推特档案与抗议的视觉政治**
通过对2017年妇女游行相关推文的分析，研究人员发现，口号在此语境中主要作为积极集体身份声明。推文中的图片显示，抗议人群举着标语、戴着粉红“猫帽”，群体在性别、年龄、种族上多元。例如，纽约工作家庭账户发布的一张照片中，一名男孩举着手工标语“this is what a feminist looks like”，背景中可见Shepard Fairey设计的“We the People”海报。名人和媒体（如奥巴马、Huffington Post）也传播了该口号。然而，即便在这些肯定性图像中，女性主义的可见性仍受主流审美标准约束；同时，也存在反女性主义的反击性推文，如皮尔斯·摩根嘲讽妇女游行，以及将ISIS武装分子PS成戴粉红帽的图片。此外，大量原始推文此后因账户停用或删除而无法访问，反映出平台资本主义下数字女性主义档案的脆弱性和历史损失。
**女性主义作为威胁：男性圈中的厌女重述**
对男性圈播客转录的分析显示，口号被转化为嘲弄和再定义的工具。例如，在亚历克斯·琼斯（Alex Jones）2017年的节目中，主持人将“真正的女权主义者”界定为反移民、拥抱女性气质的人，并抨击“现代女权主义者”缺乏女性气质，因而是危险且不合理的；加文·麦金尼斯（Gavin McInnes）在2018年的播客中嘲笑妇女游行的口号“我的女性主义是交叉的”（my feminism is intersectional），将女性主义者描绘为只想“抱怨和呻吟”的泼妇。这些播客话语将女性主义可见性视为对父权秩序的直接威胁，并将其与反移民、伊斯兰恐惧症叙事捆绑，形成跨国界的厌女话语网络。研究指出，男性圈对女性外貌的集中攻击体现了“他心通”（himpathy）——对男性的共情与对女性的苛责——同时通过视觉纪律对女性主义进行了惩罚性监控。
**女性主义作为聚合体与聚合数据：AI生成图像与算法想象**
在AI图像平台输入“what a feminist looks like”后，生成的图像呈现出高度一致的刻板模式：女性通常为白人、棕发、面容疲惫或愤怒，身处抗议场景或孤独的家庭空间；她们手持标语、戴眼镜、或穿着暴露。男性、儿童和亲密关系几乎完全缺席。2025年重复实验时，尽管图像质量更精细，但核心视觉逻辑未变：女性主义仍等同于集体抗议或孤立居家。研究人员认为，AI系统通过训练数据继承了文化中的性别和种族偏见，将女性主义扁平化为“愤怒抗议者”或“孤独女人”两种有限形象，从而以审美手段参与厌女虚假信息的传播。这种现象呼应了“机器学习厌女症”（machine learning misogyny）的概念，说明算法图像生产正在稳定化性别刻板印象，强化父权制的视觉等级。
**讨论与结论**
综合三个数据集，研究人员指出，厌女虚假信息并非简单的事实误传，而是一种视觉与情感实践。它扭曲了女性主义认识论，将女性主义者塑造为愤怒、不具吸引力、孤立、不理性的否定身份，同时剥夺其细腻、关系性和多元存在的可能性。数据集中大量2017年妇女游行推文消失，意味着女性主义声音正从数字记录中被系统性抹除。AI平台即使在#MeToo后仍复制和稳定化这些刻板表征，进一步巩固了“谁可以被相信、被记住”的排斥性逻辑。因此，研究人员呼吁数字媒体研究回归立场认识论（standpoint epistemology）和反思性方法论，不仅要在事实层面反击虚假主张，更要挑战那些使女性主义生活隐形化或讽刺化的表征逻辑。正如研究结论所言：“在数字文化的展开中，关键的不仅是认识论的，而且是存在性的：谁可以被看见、被相信、被记住？”
