Knowledge Management Forum >

2025 , Vol. 10 >Issue 1: 29 - 45

DOI: https://doi.org/10.13266/j.issn.2095-5472.2025.003

The Vigilance Mechanism toward AI: The Impact of Authorship on the Perception of Digital Painting

  • Chen Jing ,
  • Liu Ao
Expand
  • School of Information Management, Central China Normal University Wuhan 430079

Chen Jing, professor, PhD;

Liu Ao, master candidate, corresponding author, E-mail: .

Received date: 2024-11-13

  Online published: 2025-04-28

Supported by

Fundamental Research Funds for the Central Universities titled “Research on Collaborative Mechanism between Generative Artificial Intelligence and the Human Brain”(CCNUJCPT2024003701)

Fold

Abstract

[Purpose/Significance] The human-AI co-creation of digital painting is prevalent in digital humanistic art works, yet the impact of authorship on the perception of digital humanistic works co-created by human and AI remains unclear. This study aims to investigate the influence of authorship on the perception of digital painting and the regulating role of culture, in order to reveal feedback on the use of AI-generated content, providing direction for human-AI co-creative research. [Method/Process] The study employed a mixed experimental design: 4 (authorship: human/AI/human-led co-creation/AI-led co-creation) × 2 (cultural background: native/non-native). Forty-eight participants were divided into two groups and viewed four digital painting works of the same genre but with different authorship origins. Their perceptions of the works were assessed using scales that measured perceived quality, spatial presence, perceived imaginativeness and empathy. [Result/Conclusion] The study reveals participants demonstrated a vigilance mechanism towards AI when perceiving the abstract attributes (perceived imaginativeness and empathy) of digital paintings, with a more pronounced presence in empathy than in perceived imaginativeness. Furthermore, culture plays a regulating role in the impact of authorship on empathy of digital painting.

Key words： human-AI co-creation; authorship; perception; digital humanities

Cite this article

Chen Jing , Liu Ao . The Vigilance Mechanism toward AI: The Impact of Authorship on the Perception of Digital Painting[J]. Knowledge Management Forum, 2025 , 10(1) : 29 -45 . DOI: 10.13266/j.issn.2095-5472.2025.003

1 引言/Introduction

近年来，数字人文领域人智共创产品的盛行促进了艺术创作和知识共享，人与人工智能的关系成为研究焦点。其中，媒体等同理论认为，媒体等同于真实生命，人们会把计算机和其他机器作为社会角色来对待[1]。媒体等同从媒介效果层面研究人和媒介的互动关系：一是把媒体内容当真；二是把媒体当人[2]。这一观点成为后人研究人智关系的重要理论，在虚拟现实新闻[3]、人智协同知识创新[4]和人工智能写作[5]等人智交互场景下，该理论展现出广泛的适用性。
同时，人和AI这两种不同作者身份对新闻文章[6-7]、音乐[8-10]、诗歌[11-13]和绘画[14-17]等各种数字人文作品的影响被广泛关注。然而，在这些关于作者身份的研究中，很少关注合著的影响[18-20]。更重要的是，几乎没有关注合著顺序的影响。然而，合著时的作者顺序在揭示共同创作过程中作者对研究工作的贡献等关键因素方面，能够提供极具价值的线索[21-22]。通常情况下，第一作者被视为主导并做出更大的贡献[23]。因此，基于数字人文领域中人智共创的两个不同情况：人类主导和AI主导，存在两种不同的合著顺序。鉴于人智共创的数字人文作品的盛行，研究作者身份的影响，特别是合著顺序的影响，变得至关重要。
此外，文化也在人工智能领域越来越受到关注，引发了关于对人工智能生成内容的感知和评价的讨论。已有研究发现个体对数字人文艺术品的感知在不同文化之间存在差异[24-27]。这些差异不仅受社会文化因素影响，还包括文化内部的群体偏见。艺术作为社会和文化的反映，扮演着一面镜子[28]的角色。个体通过对艺术的接触，基于自己的文化理解形成观点[29]。并且，个体对源于自己文化的艺术表现出比其他文化更偏好的倾向[30-33]。虽然文化对数字人文作品感知的影响已成为一个突出的话题，但在人智共创中的影响仍未得到充分探讨。
基于此，笔者设计4种作者身份（单独：人、AI；共创：人主导、AI主导），通过组内实验探究不同作者身份对于数字绘画感知的影响。此外，进一步探讨文化对其影响是否存在调节作用。笔者通过实证研究个体对人智共创绘画的感知，为人们对于艺术创作中应用人工智能技术的态度提供参考理解，有助于促进艺术创新并为数字人文领域发展贡献力量。

2 文献综述/Literature review

2.1 作者身份

作者身份作为一个综合指标，涵盖了多个方面[34]。其中，对合著顺序的分析可以区分作者的身份和贡献，以提供宝贵的见解[34-35]。在人与人的团队合作中，合著顺序已被广泛讨论，如医学教育出版物[36]、科学出版物[37]等。
在涉及人工智能参与创作的数字人文作品上，作者身份仍然是一个极具研究价值的关注点。媒体等同理论将计算机、机器人等媒介视为社会行动者，从人际交往的视角考察了人与媒介之间的互动关系与行为[38]。技术突破了工具属性，逐渐成为独立的主体[39]。当前，该领域对人和AI作者身份的研究主要集中在两个问题上：调查人们是否能区分人类制作和人工智能制作的艺术作品，以及审美欣赏是偏向于人类还是人工智能[40]。在诗歌创作上，研究人员仿照图灵测试模式开展实验，最终发现参与测试者难以分辨作品是源自算法生成还是人类创作[41]。在机器人编舞方面，通过比较观众对由AI创建的编舞和人类创建的编舞的态度，提出了一种评估AI和人类艺术创作的方法论[42]。而在绘画创作上，人们认为由人工智能创作的绘画的价值低于由人类创作的绘画的价值，并且人们将由人工智能创作的作品排除在人类创作艺术的范畴之外[43]。作为一个备受追捧的特征，作者身份通常被设计为人类或人工智能进行研究，但涉及人智共创的数字人文作品的研究相对较少。
关于人智共创下合著对作品的影响，在新闻、诗歌和绘画等数字人文作品的研究中略有探讨。为了解读者如何看待自动化新闻，对人工智能、人类和混合作者进行分析，发现三者之间的感知来源可信度没有显著差异。在很大程度上，它们的感知可信度可以被视为相同[19-20]。对俳句诗的研究中，人工智能生成的诗歌被分为有人类干预和无人类干预两种，并发现带有人类干预的AI生成诗歌的美学评分最高，而仅由人类或AI制作的诗歌的评分相等[12]。而在由AI生成的绘画和歌曲中，通过探索在3个生产过程中如何使用AI完全自动化、人智共创和仅人工，发现使用AI增强了对过程新颖性的感知并对抽象和高度参与的产品给予更积极的评价[18]。然而，几乎少有研究关注对人智共创的数字人文作品中合著顺序的影响。作为一个标签，合著顺序反映了人类和人工智能之间的合作创作模式以及人工智能作为潜在作者的使用，这对于理解人智关系以及进一步促进有效的人智共创至关重要。

2.2 绘画作品感知研究

人类对绘画的感知与理解，同人类的审美行为紧密相连。H. Leder等[44]将人类的审美行为建模为包含潜意识和主观意识两方面过程的多层次信息处理模型。其中，潜意识过程是对底层信息（如颜色、对比度、复杂性等）的感知和对个人经历和记忆进行整合。而主观意识过程包含显示分类、认知和评价3个部分。学者J. P. Eakins[45]则从检索需求的角度将图像语义内容自下而上划分为原始特征层、逻辑层和抽象层3个基本层级。其中，底层特征包含颜色、纹理和形状等；逻辑层设计对象语义以及对象空间关系的理解；抽象层则涉及情感语义、行为语义和场景语义[46]。综上，对绘画的感知的研究主要分为3个维度：底层特征、对象内容和抽象属性。3个维度层层递进，可充分体现对绘画的感知情况。
在对人工智能参与创作的数字绘画的感知研究中，大多数研究集中于对抽象属性的感知。T. R. Demmer等[47]通过测试人们是否能够在计算机衍生艺术中感知到情感和情感意图，发现几乎所有人确实都报告说对计算机制造的艺术作品感受到了一些情绪和意图。R. Xu等[48]发现由人工智能创作的绘画在快乐、愉悦和爱这3种积极情感方面得分较高，这表明由人工智能创作的绘画通常更能引发人们的审美体验，并激发更丰富、更强烈的情感反应。而从新颖性的角度看，由人工智能创作的绘画被认为不如人类创作的绘画[49]。在此背景下，同理心和感知想象力随着情感表达和创造力成为研究AI创作绘画能力的重点，也成为对AI创作的数字绘画在感知抽象层的研究焦点[15]。此外，部分研究切入底层特征的感知，通过探讨感知质量，分析在使用人工智能创作绘画时，艺术家类型对绘画感知的影响[50]。而在涉及3个感知维度的研究中，一些学者基于感知质量、空间存在感、感知想象力和同理心，对人创作和AI创作的抽象画的用户感知研究进行了定性和定量的初步探索[26-27]。尽管如此，鲜有学者深入探讨作者身份对数字绘画在这3个感知维度的影响。因此，围绕3个感知维度，基于感知质量、空间存在感、感知想象力和同理心对画作感知进行系统分析显得尤为必要。

2.3 文化的影响

先前的研究提供了一些关于文化对个体对AI创作的数字人文作品的感知影响的实证证据。K. Xu等[26]比较了美国、中国和德国参与者对机器生成的诗歌和绘画等作品的态度，发现文化影响了参与者的讨论主题和词语使用；蒋忠波等[51]发现受试者对署名作者为算法的新闻可信度的感知值要显著高于署名为人类记者的新闻可信度的感知值；Y. Zheng等[52]发现对于中国参与者，当新闻通过在线方式呈现时，他们认为人工智能生成的新闻质量高于人类生成的新闻，而当新闻通过传统媒体呈现时，人工智能生成的新闻质量被认为低于人类生成的新闻。值得注意的是，公众对由人工智能创作的数字人文作品的态度因文化而异。
此外，有一种倾向是人们更喜欢源自自己文化的艺术作品而不是来自其他文化的作品[17]。研究发现，相对于西方风格的绘画，中国人更偏好中国风格，证明了内群体偏好[17]。神经学证据也表明了审美欣赏中的文化内部偏见[53]。由于文化认同感和归属感，观众在观看来自自己文化的绘画时可能会给予更高的审美评价，而相对于来自其他文化的绘画则可能评价较低[33]。然而，目前对包含文化元素的绘画中作者身份对感知的影响的研究有限，特别是在人工智能与人类共同创作的背景下，这一影响仍不清楚。
综上所述，笔者拟开展实证研究对以下研究问题进行探索：
Q1：作者身份是否会影响对画作的感知（感知质量、空间存在感、感知想象力和同理心）？如果会，如何影响？
Q2：文化是否能调节作者身份对画作感知的影响？如果能，如何调节？

3 研究设计/Research design

3.1 实验设计

为探究作者身份对于数字绘画感知的影响，并进一步检验文化的调节作用，笔者采用4（作者身份：人/AI/人主导的人智共创/AI主导的人智共创）×2（文化背景：中国学生/留学生）的两因素混合实验设计。在作者身份的分组中，以最常见的人类作者作为对照组，其余身份作为实验组。同时，选取中国学生和留学生作为对照组和实验组，以研究文化的调节作用。不同文化背景的被试分别体验4种作者身份的数字绘画作品。
具体而言，笔者选用统一由同一人类作者创作的中国山水画，并设计4种作者身份。通过拉丁方轮转设计，预先在4幅中国山水画上分配4种作者身份线索，以操纵作者身份的分配。这4幅中国山水画按固定顺序展示，并根据拉丁方轮转设计的作者身份组合，将4种不同的作者身份分配给这些画作。在拉丁方轮转设计中，每行或每列仅出现一次相同的作者身份（见表1）。每种作者身份组合以相同的概率均匀分布，并且每种作者身份下的感知是从不同个体观看4幅独立画作中测量出来的，从而确保被试个体与刺激之间的个体差异对影响的一致性。此外，笔者使用了无性别的名字[54]，以排除被试根据名字的性别形成不同印象的可能性[55]。
表1 拉丁方轮转示意表格

Table 1 Schematic representation of the Latin Square

组合 刺激物 被试
画1 画2 画3 画4 中国学生 留学生
C1 S1 S2 S4 S3 1-6 1-6
C2 S2 S3 S1 S4 7-12 7-12
C3 S3 S4 S2 S1 13-18 13-18
C4 S4 S1 S3 S2 19-24 19-24

注：S1:“张佳铭”（人类）；S2:“小小度”（AI）；S3:“张佳铭，小小度”（人主导的人智共创）；S4:“小小度，张佳铭”（AI主导的人智共创）

3.2 实验被试

采用GPower3.1软件计算出有效规模的样本量[56]。结合本实验适用的双因素重复测量方差分析，在显著性水平𝛼=0.05 $\mathrm{\alpha }=0.05$且中等效应量Cohen’s f=0.25的条件下，预测达到统计检验力𝛽=0.80的总样本量至少为35[57]。因此，本研究招募54名被试（4名进行预测试，50名进行正式实验），他们身体健康，视力正常或矫正视力，且没有红绿色盲。剔除预实验数据和正式实验中部分操作失误的被试数据，最终的有效样本量为48（24名中国学生和24名国际留学生），达到有效规模要求。
被试为来自华中师范大学不同年级的中国学生和国际留学生。在实验开始之前，他们被告知了实验流程、注意事项以及被试信息的处理方式，并在完成实验之后给予实验报酬。研究的最终样本量，包括性别、文化程度、关于中国传统绘画的了解程度和学习水平的信息，如表2所示：
表2 被试人口统计学特征

Table 2 Demographic information of participants

项目 中国学生 留学生
频数 /个 百分比 /% 频数 /个 百分比 /%
性别 男 7 29.17 10 41.67
女 17 70.83 14 58.33
文化程度 本科 10 41.67 10 41.67
硕士研究生 13 54.17 11 45.83
博士研究生 1 4.17 3 12.50
了解程度
（对中国传统绘画）		 非常不了解 1 4.17 1 4.17
不了解 8 33.33 7 29.17
稍微不了解 2 8.33 6 25.00
一般 8 33.33 6 25.00
稍微了解 5 20.83 4 16.67
学习或培训时长
（对中国传统绘画）		 从未 14 58.33 22 91.67
一年内 10 41.67 2 8.33

3.3 实验材料

作为文化的重要载体，中国山水画是中华民族传统文化的重要组成部分[58]，也是数字人文领域的聚焦点[59-60]。因此，在本研究中，选取代表本土文化的中国山水画作为实验材料，用以探究作者身份对绘画感知的影响，以及这种影响如何受文化因素的作用。
笔者选取的实验材料为4幅风格和内容相似的中国山水画，这些作品来自一个包含2 192幅高质量传统中国山水画的数据集[61]（见图1）。所选的山水画均为真实的传统作品，均由艺术博物馆收藏，并且均由同一位艺术家创作。为确保形式和质量的相似性，使用了先前研究中使用的画作，同时排除了由于画作的形式特征而引起的审美和心理生理参数的偏差[62]。这些画作通过PowerPoint在笔记本电脑上显示，作者身份标签显示在画作左侧。
图1 实验材料

Figure 1 Experimental materials

3.4 实验流程

整个实验流程可分为两阶段（见图2）。实验前，被试首先需填写一个前测问卷，以报告其人口统计信息和对中国传统文化的了解程度等信息。其次，被试在主试的引导下阅读一段有关实验流程、注意事项和实验报酬等相关介绍。其中，为确保自变量操纵成功，即被试正确了解画作的作者身份，在实验介绍结束后被试被要求回答与画作署名对应的作者身份。之后，在练习环节，一幅额外的数字绘画用作示例，通过使用设备模拟正式实验，以加深被试对实验流程的理解。
在正式实验中，被试被要求完成4个赏画任务。在每个观看绘画的任务中，被试首先欣赏画作一分钟，然后需要填写调查问卷来记录他们对该画作的感受，最后可以休息并调整状态。赏画任务重复4次。最后，主试与被试进行简短交流，并用给予3份礼物作为报酬。
图2 实验流程

Figure 2 Experimental procedure

3.5 绘画作品感知度量

基于人类美学行为模型和图像语义模型，并参考以往对AI生成数字绘画的感知研究，笔者使用7点李克特量表，围绕数字绘画感知研究的3个维度，测量感知质量、空间存在感、感知想象力和同理心4个变量（范围从1 =“强烈不同意”到7 =“强烈同意”）。具体测量项目如表3所示：
表3 测量项目

Table 3 Measurement items for variables

变量 编号 测量题项 参考文献
感知质量 PQ1 令人愉快的 S. S. Sundar[63]
PQ2 清晰的
PQ3 流畅的
PQ4 画功好的
PQ5 生动的
PQ6 有趣的
PQ7 简明的
PQ8 结构完整的
PQ9 信息量大的
空间存在感 SP1 你在画中感受到的身临其境的程度有多大？ M. Lombard等[64]
SP2 你能在多大程度上伸手触摸画中的物体？
SP3 画中物体或人物在多大程度似乎来到你所在的地方？
感知想象力 PI1 有想象力 Y. Wu等[27]
PI2 有创造性
PI3 有创新性
同理心 E1 我对这幅画的画家产生了良好的感觉 S. A. A. Jin[65]
E2 我感觉与这幅画的画家产生共鸣
E3 在看到在幅画的过程中，我感觉自己与这幅画的画家很亲近
E4 我认同这幅画的画家
感知质量用于评估对绘画作品底层特征的感知，采用S. S. Sundar改编的九项量表进行测量，并对其中一项进行修改以适应本研究的需求。中国山水画的空间表现是山水画的核心特征[66]。因此，空间存在感采用M. Lombard等开发的改编三项量表进行测量，以探索用户对画作对象空间的感知情况，这一测量用于评估对绘画作品对象内容的感知。感知想象力和同理心则用于评估对绘画作品抽象属性的感知。其中，感知想象力使用Y. Wu等提出的三项量表进行测量，而同理心采用S.A. A. Jin的四项量表进行测量。

4 研究结果/Research Results

4.1 信效度分析

对由2023年6月9日-10月22日收集的192份有效问卷进行信度分析，并采用Cronbach’s 𝛼测量问卷的内部一致性。结果显示，感知质量（Cronbach’s 𝛼=0.913）、空间存在感（Cronbach’s 𝛼=0.911）、感知想象力（Cronbach’s 𝛼=0.884）和同理心（Cronbach’s 𝛼=0.919）4个变量的Cronbach alpha系数均大于0.8，说明本研究针对数字画作的感知量表具有良好的信度。同时，通过KMO系数和Bartlett球形检验评估问卷的结构效度，结果显示Bartlett球形检验p＜0.05，KMO=0.923＞0.8，问卷具有良好的结构效度[67]。此外，本研究的测量题项来源于已有文献，并经过预调研，保障问卷具有良好的内容效度[68]。

4.2 作者身份对绘画作品感知的影响

为探究作者身份对绘画作品感知的影响，笔者采用单因素重复测量方差分析(One-Way Repeated Measures ANOVA)，并使用LSD事后多重比较法(Least Significant Difference method)进一步判断各作者身份间的差异[69]，结果如表4所示：
表4 单因素重复测量方差分析结果

Table 4 The results of one-way repeated measures ANOVA

变量 作者身份 均值 标准差 F P-value
感知质量 S1：人 4.711 1.069 2.440 0.077
S2：AI 4.190 1.165
S3：人智共创（人主导） 4.627 1.251
S4：人智共创（AI主导） 4.525 1.099
空间存在感 S1：人 3.674 1.557 2.429 0.084
S2：AI 3.306 1.850
S3：人智共创（人主导） 3.951 1.614
S4：人智共创（AI主导） 3.556 1.617
感知想象力 S1：人 4.319a 1.312 3.383 0.020
S2：AI 3.826a,b 1.653
S3：人智共创（人主导） 4.507b,d 1.305
S4：人智共创（AI主导） 4.062d 1.415
同理心 S1：人 4.214a 1.358 3.925 0.010
S2：AI 3.537a,b,c 1.330
S3：人智共创（人主导） 4.083b 1.282
S4：人智共创（AI主导） 3.990c 1.381

注：a表示LSD多重比较中“S1”同“S2”之间具有显著差异；b表示LSD多重比较中S2同S3之间具有显著差异；c表示LSD多重比较中S2同S4 之间具有显著差异；d表示LSD多重比较中S3同S4之间具有显著差异

4.2.1 感知质量

结果表明，4种署名的绘画作品的感知质量得分均较高（ ${\mathrm{M}}_{\mathrm{S}1}$=4.711， ${\mathrm{M}}_{\mathrm{S}2}$=4.190， ${\mathrm{M}}_{\mathrm{S}3}$=4.627， ${\mathrm{M}}_{\mathrm{S}4}$=4.525），它们之间并没有显著差异（F=2.440，df=2.583，p=0.077）。可知，绘画作品的感知质量得到较好的感知，但署名对绘画作品的感知质量的感知并无显著影响。

4.2.2 空间存在感

结果表明，4种署名的绘画作品的空间存在感得分均较低（ ${\mathrm{M}}_{\mathrm{S}1}$=3.674, ${\mathrm{M}}_{\mathrm{S}2}$=3.306， ${\mathrm{M}}_{\mathrm{S}3}$=3.951， ${\mathrm{M}}_{\mathrm{S}4}$=3.556），它们之间并没有显著差异（F=2.429，df= 2.340，p=0.084）。可知，被试感知到的空间存在感较低，且署名对绘画作品的空间存在感的感知并无显著影响。

4.2.3 感知想象力

结果表明，署名作者为AI的绘画作品与署名作者为人、人智共创（人主导）和人智共创（AI主导）的绘画作品在感知想象力上有显著差异（F=3.383，df=3，p=0.020），说明作者身份对绘画作品在感知想象力上有显著影响。事后比较结果表明，署名作者为人（M=4.319，SD=1.312，p=0.038）和人智共创（以人类为主导；M=4.507，SD=1.305，p=0.008）的绘画作品在感知想象力得分上显著高于署名作者为AI（M=3.826，SD=1.653）；署名作者为以人主导的人智共创（M=4.507，SD=1.305，p=0.041）的绘画作品的感知想象力得分显著高于以AI主导的人智共创（以AI为主导；M=4.062，SD=1.415）绘画作品。可知，当AI在署名作者中占主导地位时，人们对绘画作品的感知想象力会下降。

4.2.4 同理心

结果表明，署名作者为AI的绘画作品与署名作者为人、人智共创（人主导）和人智共创（AI主导）的绘画作品在同理心上有显著差异（F=3.925，df=3,p=0.010），说明作者身份对绘画作品在同理心上有显著影响。事后比较结果表明，署名作者为人（M=4.214，SD=1.358，p=0.012）、以人为主导的人智共创（M=4.083，SD=1.282，p=0.012）和以AI为主导的人智共创（M=3.990，SD=1.381，p=0.026）的绘画作品在同理心得分上显著高于署名作者为AI（M=3.537，SD=1.330）的绘画作品。可知，署名作者为AI的绘画作品被感知到的同理心更低，人们对AI署名更警觉。

4.3 文化的调节作用

为探究文化对不同作者身份下绘画作品感知的交互作用，笔者采用双因素重复测量方差分析（Two-Way Repeated Measures ANOVA）[67]。结果显示，在同理心的感知上，作者身份与文化存在显著的交互作用（F=5.731，p=0.001）。而在感知质量（F=0.281，p=0.839）、空间存在感（F=2.321，p=0.092）和感知想象力（F=0.583，p=0.627）上，作者身份和文化之间的交互作用均不显著。由此说明，文化可以显著调节4个不同作者身份对绘画作品在同理心上的感知，如图3所示：
图3 文化与作者身份对画作的同理心感知的调节作用

Figure 3 Moderating effect between culture and authorship on empathy perception of painting

从各文化背景角度看感知影响之间的差异，结果见表5。在中国学生中，署名作者为AI的绘画作品与其他3种署名的绘画作品相比，在同理心的感知上，具有显著差异（p＜0.05）且显著更低；在留学生中，在同理心的感知上，4种作者身份的绘画作品间不具有显著性差异（p＞0.05）。由此可知，在观看代表本土文化的绘画作品时，本土文化群体中存在作者身份对绘画作品的同理心感知的显著影响，而在非本土文化群体中则没有。
表5 从文化背景角度看作者身份对画作感知影响

Table 5 The impact of authorship on perception of painting across different cultural backgrounds

文化背景 作者身份(I) 作者身份(J) 平均值差值(I-J) 标准差误差 显著性
中国学生 S1：人 S2：AI 1.448* 0.334 0.000
S3：人智共创（人主导） 0.250 0.300 0.409
S4：人智共创（AI主导） 0.500 0.274 0.075
S2：AI S1：人 -1.448* 0.334 0.000
S3：人智共创（人主导） -1.198* 0.265 0.000
S4：人智共创（AI主导） -0.948* 0.262 0.001
S3：人智共创（人主导） S1：人 -0.250 0.300 0.409
S2：AI 1.198* 0.265 0.000
S4：人智共创（AI主导） 0.250 0.254 0.330
S4：人智共创（AI主导） S1：人 -0.500 0.274 0.075
S2：AI 0.948* 0.262 0.001
S3：人智共创（人主导） -0.250 0.254 0.330
留学生 S1：人 S2：AI -0.094 0.334 0.780
S3：人智共创（人主导） 0.010 0.300 0.972
S4：人智共创（AI主导） -0.052 0.274 0.850
S2：AI S1：人 0.094 0.334 0.780
S3：人智共创（人主导） 0.104 0.265 0.696
S4：人智共创（AI主导） 0.042 0.262 0.874
S3：人智共创（人主导） S1：人 -0.010 0.300 0.972
S2：AI -0.104 0.265 0.696
S4：人智共创（AI主导） -0.063 0.254 0.807
S4：人智共创（AI主导） S1：人 0.052 0.274 0.850
S2：AI -0.042 0.262 0.874
S3：人智共创（人主导） 0.063 0.254 0.807

注：*表示平均值差值的显著性水平为0.05

从绘画作品的不同作者身份角度看文化背景之间的差异，结果见表6。在绘画作品的作者身份为人类时，两种文化背景之间具有显著性差异（p=0.03＜0.05）；而在绘画作品的作者身份为AI（p=0.069＞0.05）、人主导的人智共创（p=0.103＞0.05）和AI主导的人智共创（p=0.47＞0.05）时，两种文化背景之间没有显著差异。由此可知，在观看代表本土文化且作者身份为人类的绘画作品时，本土文化群体和非本土文化群体在对绘画作品同理心的感知上存在显著差异，且本土文化群体的对绘画作品在同理心的感知显著更高。
表6 从作者身份角度看文化背景对画作感知影响的差异

Table 6 The impact of cultural background on perception of painting across different authorship

作者身份 文化背景(I) 文化背景(J) 平均值差值(I-J) 标准差误差 显著性
S1：人 中国学生 留学生 0.844* 0.376 0.030
留学生 中国学生 -0.844* 0.376 0.030
S2：AI 中国学生 留学生 -0.698 0.374 0.069
留学生 中国学生 0.698 0.374 0.069
S3：人智共创（人主导） 中国学生 留学生 0.604 0.363 0.103
留学生 中国学生 -0.604 0.363 0.103
S4：人智共创（AI主导） 中国学生 留学生 0.292 0.401 0.470
留学生 中国学生 -0.292 0.401 0.470

注：*表示平均值差值的显著性水平为0.05

综上，作者身份对绘画作品感知的影响见图4。在p<0.05水平，箭头连接具有显著差异的作者身份，同时，被指向的作者身份的绘画作品在感知得分上显著较低。
图4 作者身份对画作的感知影响

Figure 4 The impact of authorship on perception of painting

5 讨论/Discussion

5.1 结果讨论

本研究探讨了在AI参与数字人文艺术创作时作者身份对感知的影响。为了阐明作者身份对感知的影响，笔者引入了一个调节变量，即“文化”。
首先，实验结果显示，在对绘画的感知想象力和同理心这两个抽象属性的感知时，存在一种对人工智能的警觉机制。这种机制是显而易见的，因为实验被试对作者仅为人类和人智共创（包括人类主导和AI主导）的绘画的感知显著高于作者身份仅为AI的绘画。这可能与人工智能创作的艺术作品被认为具有较低的创造价值以及由此产生的更有限的情感反应有关[70]，体现了被试对人工智能存在偏见。而这种对人工智能的偏见在认知和情感上得到了表达[17, 48-49]，支持了研究在抽象属性方面的研究结果。
其中，在这两个抽象属性的感知上，对人工智能的警觉机制表现出差异。具体而言，对人工智能的警觉机制完全存在于同理心的感知中，但在感知想象力中部分存在。与同理心的感知不同，在感知想象力的得分上，作者身份为人智共创（以AI为主导）和AI的绘画之间并没有显著差异。然而，在人智共创的绘画中，以人主导和以AI主导创作的画作之间的感知想象力得分存在显著差异。这表明，在人工智能是艺术作品创作的主要贡献者时，作者身份并不显著影响感知的想象力。这可能是因为人们倾向于认为由AI创作的艺术作品更具创造力[71-72]。由于想象力也是创造性感知的本质[73]，人们认为由AI创作的艺术作品更具想象力。因此，当人工智能在艺术品创作中的主要和次要贡献发生变化时，作者身份会显著影响对想象力的感知。
其次，研究结果表明文化在作者身份对数字绘画在同理心的感知上发挥了调节作用。具体而言，在感知代表本土文化的数字绘画时，本地群体中存在对人工智能的警觉机制，但在非本地群体中却不存在。关于作者身份和文化之间相互作用的发现，突显了在审美欣赏中考虑跨文化因素的重要性，这些因素也正是审美偏好心理过程的重要组成部分[74]。此外，与不确定性认同理论一致[75]，减少不确定性被认为是推动团体和群体行动以及社会认同过程的主要动力。在本研究中，招募的被试是非艺术专家，缺乏艺术领域的专业知识和经验。当接触到其并不十分熟悉的中国山水画时，由于缺乏知识和经验而产生不确定性，其试图与中国山水画中描绘的文化建立联系，通过参与文化内部的群体认同以减少不确定性。因此，与非本土被试（国际学生）相比，本土被试（中国学生）更有可能通过内部文化认同来减少不确定性，同时对外部群体（如人工智能）显示出敏感性和警惕性。
此外，研究结果突显了同理心在感知中的重要性，这一发现值得引起充分的关注。同理心作为人工智能的有限特征，在当前研究中也引起了广泛关注[76]。其中，人工智能的同理心被认为不及人类[77]。在本研究中，针对画作同理心的感知，发现存在AI警觉机制。同时，有关文化调节作用的研究结果，进一步证实了这种对AI的消极偏见。与此同时，过往研究发现同理心被认为是在情感和用户体验方面弥合人类与人工智能之间差距的关键因素[78]。引导人们了解人工智能生成的作品的性质，有助于改变并扭转他们对这类作品的消极偏见[79]。旨在弥合人工智能与人类之间在情感和用户体验上的差距的“人工同理心”的提出，再次验证同理心在感知影响中的重要性，同时也指出未来消除偏见的研究方向[78]。

5.2 理论贡献与实际意义

本研究在理论上贡献了人智共创下作者身份对绘画感知影响的理解。首先，研究创新性地探索了人对人智共创的绘画的感知，这与以往仅关注人类与AI创作的研究有所不同。通过深入探讨人们在人工智能合作创作背景下对人工智能的态度，研究揭示了个体对人工智能的警觉性，并补充了现有关于艺术欣赏中对人工智能偏见的研究。这一发现展示了公众对人工智能的复杂情感，为未来艺术创作中的人机协作提供了新的视角。其次，研究分析了作者身份对感知的影响的边界条件和潜在机制，特别关注本土文化与非本土文化的差异。通过考察文化背景对绘画感知的影响，研究澄清了这些文化差异如何塑造用户对人工智能共同创作作品的理解。这些贡献深化了人们对艺术创作中对人工智能技术的态度的理解，并为数字人文领域AI创作产品的本土化开发提供了理论基础。
这项研究的实际意义也非常显著。研究结果为解决和减轻消极偏见提供理论支持，进而促进未来数字人文领域中人工智能生成艺术和人工智能辅助艺术教育的有效发展。在人类和人工智能日益融合的时代，了解人们对人工智能生成艺术品和合作创作的反应至关重要。通过分析用户对人类艺术家和人工智能创作的绘画的反馈，可以从中获得宝贵的见解。研究结果表明，个体在抽象属性层面的感知上存在对人工智能的消极偏见，而这些偏见并未显著体现对基础特征和对象内容的感知。这表明存在针对人工智能的主观偏见，使个体难以仅凭作品的质量和内容来区分人类、人工智能及人智共创的艺术作品。这凸显了教育的作用，通过教育可以帮助减轻或改变对数字人文作品中人工智能的偏见，促进其有效利用，并增强人工智能在数字人文艺术创作中的便利性和教育帮助。此外，在文化层面，研究结果表明，本土文化群体在感知代表本土文化的数字绘画时，对人工智能存在一定的警觉机制，而非本土文化群体则相对缺乏这种警觉。对此，笔者建议在使用人工智能创作含文化元素的作品时，考虑本土与非本土文化之间的差异，以增强作品的文化适应性。例如，在应用人工智能绘画产品时，可以通过识别和分析本土文化群体的审美偏好和情感需求，来调整创作风格和内容。这种方法不仅可以提升作品在本土文化背景下的接受度，还能增强观众的情感共鸣，从而实现更具认可度的创作及人工智能产品的本土化推广。

6 结论/Conclusion

通过研究作者身份对数字绘画作品感知的影响，这项研究表明在对抽象特征（如感知想象力和同理心）的感知中存在一种对人工智能的警觉机制，但在对底层特征和对象内容的感知中并不存在。文化调节了作者身份对数字绘画在同理心上的感知。具体而言，当感知具有本土文化元素的数字绘画时，本土群体内存在一种对人工智能的警觉，而这种警觉在非本土群体中并不存在。此外，笔者强调了同理心在对人工智能的警觉机制中的重要性。在理论贡献上，这项研究丰富了对数字人文领域艺术创作中用户对人工智能技术的态度的理解。在实践意义上，这项研究可以为消除人工智能偏见、提升对其的信任度提供依据，有助于发挥人工智能作为新质生产力引擎在数字人文领域的潜力。
不过，本研究还存在一定的局限性，具体包括：①尽管本研究尝试从同一数据库中选择最近邻图像[61]，并通过拉丁方轮转设计消除图像内容的影响，但由于审美是一个主观过程，未来仍需要大量样本作为实验刺激。同时，由于本研究控制画作为同一作者所作，未来可以重新筛选4种作者真实创作的作品，探究用户对署以真假作者身份的画作感知情况，以确保研究设计的完整性和科学性。②实验被试。虽然招募了中国学生（作为本土被试）和国际学生（作为非本土被试）类似的子样本，但仍存在人口统计学差异。例如，在接受传统中国绘画培训方面，接受培训的本土被试人数明显高于非本土被试。这可能在一定程度上解释了本土被试中文化内部偏见的原因，因为对学习中个体努力的探索可以反映出对国家文化的认同和信仰[80]。同时，本研究仅对比本土文化群体和非本土文化群体的感知差异，未来可以就非本土文化进行深入探析，例如探讨西欧文化和伊斯兰文化对中国山水画的感知差异。此外，由于本研究仅探讨了非专家对数字绘画作品的感知，受限于其专业基础，未来研究可以增加被试类型（如专家）。通过比较不同群体的感知体验，可以更全面地揭示感知机制。③本研究仅对作者身份线索对感知的影响现象进行了初步探索。未来，进一步研究可以深入探讨人工智能感知机制的根本原因，并探索涉及的中介作用。

陈 静：提出研究思路和方法，修改论文；

刘 奥：采集数据，撰写论文。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
韩秀.社交机器人的“人格”测量——一项基于艾森克问卷的探索性研究[J].青年记者,2021(18):45-46. (HAN X. “Personality” measurement of social robots: an exploratory study based on the Eysenck questionnaire[J]. Youth journalist, 2021(18):45-46.)

[2]
梅琼林,张晓.“媒体等同”——从效果研究到理论建构[J].社会科学研究,2006(5):193-196. (MEI Q L, ZHANG X. “Media Equivalence”: from effect research to theoretical construction[J]. Social science research, 2006(5):193-196)

[3]
张卓,吴占勇.虚拟现实新闻的伦理反思——基于技术与媒介的双重视角[J].湖北社会科学,2017(12):193-198. (ZHANG Z, WU Z Y. Ethical reflection on virtual reality news: based on the dual perspective of technology and media[J]. Hubei social sciences, 2017(12):193-198)

[4]
张进澳,卢新元,孙冰悦,等.人智协同知识创新机制的建模与仿真——基于模拟实验的系统动力学分析[J].情报理论与实践,2024,47(12):143-153,96. (ZHANG J A, LU X Y, SUN B Y, et al. Modeling and simulation of human-AI collaborative knowledge innovation mechanism: system dynamics analysis based on simulation experiment[J]. Information studies: theory & application, 2024,47(12):143-153,96.)

[5]
姚琦,周赟.主观还是客观: AI写作对新闻可信度的影响机制研究[J].现代传播(中国传媒大学学报),2022,44(10):127-135,145. (YAO Q, ZHOU Y. Subjective or objective: research on the influence mechanism of AI writing on news credibility[J]. Modern communication (Journal of Communication University of China),2022,44(10):127-135,145.)

[6]
MORAVEC V, HYNEK N, SKARE M, et al. Human or machine? the perception of artificial intelligence in journalism, its socio-economic conditions, and technological developments toward the digital future[J]. Technological forecasting and social change, 2024,200: 123162.

[7]
HENESTROSA A L, GREVING H, KIMMERLE J. Automated journalism: the effects of AI authorship and evaluative information on the perception of a science journalism article[J]. Computers in human behavior, 2023, 138: 107445.

[8]
SHANK D B, STEFANIK C, STUHLSATZ C, et al. AI composer bias: listeners like music less when they think it was composed by an AI[J]. Journal of experimental psychology: applied, 2023, 29(3): 676-692.

[9]
ZLATKOV D, ENS J, PASQUIER P. Searching for human bias against AI-composed music[C]//International conference on computational intelligence in music, sound, art and design (part of EvoStar). Cham: Springer, 2023: 308-323.

[10]
DALLAS L, MORREALE F. Effects of added vocals and human production to AI-composed music on listener's appreciation[C]// Proceedings of the 2020 joint conference on AI music creativity. Auckland: ResearchSpace, 2020: 123-130.

[11]
DENG Z, YANG H, WANG J. Can AI write classical Chinese poetry like humans? an empirical study inspired by turing test[EB/OL]. [2025-02-20].https://arxiv.org/pdf/2401.04952.

[12]
HITSUWARI J, UEDA Y, YUN W, et al. Does human–AI collaboration lead to more creative art? aesthetic evaluation of human-made and AI-generated haiku poetry[J]. Computers in human behavior, 2023, 139: 107502.

[13]
KÖBIS N, MOSSINK L D. Artificial intelligence versus Maya Angelou: experimental evidence that people cannot differentiate AI-generated from human-written poetry[J]. Computers in human behavior, 2021, 114: 106553.

[14]
DAREWYCH T. The impact of authorship on aesthetic appreciation: a study comparing human and AI-generated artworks[J]. Art and society, 2023, 2(1): 67-73.

[15]
BELLAICHE L, SHAHI R, TURPIN M H, et al. Humans versus AI: whether and why we prefer human-created compared to AI-created artwork[J]. Cognitive research: principles and implications, 2023, 8(1): 42.

[16]
DI DIO C, ARDIZZI M, SCHIEPPATI S V, et al. Art made by artificial intelligence: the effect of authorship on aesthetic judgments[J]. Psychology of aesthetics, creativity, and the arts, 2023.

[17]
GU L, LI Y. Who made the paintings: artists or artificial intelligence? the effects of identity on liking and purchase intention[J]. Frontiers in psychology, 2022, 13: 941163.

[18]
TIGRE MOURA F, CASTRUCCI C, HINDLEY C. Artificial intelligence creates art? an experimental investigation of value and creativity perceptions[J]. The journal of creative behavior, 2023, 57(4): 534-549.

[19]
WÖLKER A, POWELL T E. Algorithms in the newsroom? News readers’ perceived credibility and selection of automated journalism[J]. Journalism, 2021, 22(1): 86-103.

[20]
TANDOC Jr E C, YAO L J, WU S. Man vs. machine? the impact of algorithm authorship on news credibility[J]. Digital journalism, 2020, 8(4): 548-562.

[21]
KUMAR S, RATNAVELU K. Perceptions of scholars in the field of economics on co-authorship associations: Evidence from an international survey[J]. Plos one, 2016, 11(6): e0157633.

[22]
HELGESSON G, ERIKSSON S. Authorship order[J]. Learned publishing, 2019, 32(2): 106-112.

[23]
DA SILVA A P A C, VANZ S A. Authorship, authorship order and author contribution: a literature review[J]. RDBCI: revista digital de biblioteconomia e ciencia da informacao, 2023, 20: e022028.

[24]
SHIN D, CHOTIYAPUTTA V, ZAID B. The effects of cultural dimensions on algorithmic news: how do cultural value orientations affect how people perceive algorithms?[J]. Computers in human behavior, 2022, 126: 107007.

[25]
KIM Y, LEE H. Towards a sustainable news business: understanding readers’ perceptions of algorithm-generated news based on cultural conditioning[J]. Sustainability, 2021, 13(7): 3728.

[26]
XU K, LIU F, MOU Y, et al. Using machine learning to learn machines: a cross-cultural study of users’ responses to machine-generated artworks[J]. Journal of broadcasting & electronic media, 2020, 64(4): 566-591.

[27]
WU Y, MOU Y, LI Z, et al. Investigating American and Chinese subjects’ explicit and implicit perceptions of AI-generated artistic work[J]. Computers in human behavior, 2020, 104: 106186.

[28]
JACKSON B S, LURIA S R, KAUFMAN J C. A mirror to the world: art, creativity, and racial bias[M]//PREISS D D, SINGER M, KAUFMAN J C. Creativity, innovation, and change across cultures. Cham: Springer, 2023: 297-313.

[29]
MASUDA T, GONZALEZ R, KWAN L, et al. Culture and aesthetic preference: comparing the attention to context of East Asians and Americans[J]. Personality and social psychology bulletin, 2008, 34(9): 1260-1275.

[30]
DARDA K M, CHATTERJEE A. Crosscultural aesthetics: can aesthetic contextualism overcome the ingroup bias? [EB/OL]. [2025-02-20]. https://osf.io/preprints/psyarxiv/g2u6x/download.

[31]
DARDA K M, CHRISTENSEN A P, CHATTERJEE A. Does the frame of an artwork matter? cultural framing and aesthetic judgments for abstract and representational art[J]. Psychology of aesthetics, creativity, and the arts, 2023, 17(4): 428-450.

[32]
DARDA K M, CROSS E S. The role of expertise and culture in visual art appreciation[J]. Scientific reports, 2022, 12(1): 10666.

[33]
BAO Y, YANG T, LIN X, et al. Aesthetic preferences for Eastern and Western traditional visual art: identity matters[J]. Frontiers in psychology, 2016, 7: 1596.

[34]
SAUERMANN H, HAEUSSLER C. Authorship and contribution disclosures[J]. Science advances, 2017, 3(11): e1700404.

[35]
MARUŠIĆ A, BOŠNJAK L, JERONČIĆ A. A systematic review of research on the meaning, ethics and practices of authorship across scholarly disciplines[J]. Plos one, 2011, 6(9): e23477.

[36]
MAVIS B, DURNING S J, UIJTDEHAAGE S. Authorship order in medical education publications: in search of practical guidance for the community[J]. Teaching and learning in medicine, 2019, 31(3): 288-297.

[37]
MACIEJOVSKY B, BUDESCU D V, ARIELY D. Research note—the researcher as a consumer of scientific publications: how do name-ordering conventions affect inferences about contribution credits?[J]. Marketing science, 2009, 28(3): 589-598.

[38]
申琦.服务、合作与复刻：媒体等同理论视阈下的人机交互[J].西北师大学报(社会科学版),2022,59(3):106-115. (SHEN Q. Service, cooperation and replication: human-machine communication in media equation theory[J]. Journal of Northwest Normal University (social sciences),2022,59(3):106-115.)

[39]
张锐君,韩立新.我的AI恋人：媒介等同理论视域下人机亲密关系中的情感互动研究[J].采写编,2022(12):4-8. (ZHANG R J, HAN L X. My AI lover: a study of emotional interaction in human-machine intimacy from the perspective of media equivalence theory[J]. Journalism & media studies, 2022(12):4-8.)

[40]
CHIARELLA S G, TORROMINO G, GAGLIARDI D M, et al. Investigating the negative bias towards artificial intelligence: effects of prior assignment of AI-authorship on the aesthetic appreciation of abstract paintings[J]. Computers in human behavior, 2022, 137: 107406.

[41]
WANG Z, GUAN L, LIU G, et al. Generation of Chinese classical poetry based on pretrained model[C]// Proceedings of 2023 2nd International conference on big data, information and computer Network (BDICN). New York: IEEE, 2023: 182-185.

[42]
DE FILIPPO A, GIULIANI L, MANCINI E, et al. Towards symbiotic creativity: a methodological approach to compare human and AI robotic dance creations[C]// Proceedings of the thirty-second International conference on International joint conferences on artificial intelligence (IJCAI). Macao: IJCAI,2023: 5806-5814.

[43]
FORTUNA P, MODLIŃSKI A. A(I)rtist or counterfeiter? artificial intelligence as (D) evaluating factor on the art market[J]. The journal of arts management, law, and society, 2021, 51(3): 188-201.

[44]
LEDER H, BELKE B, OEBERST A, et al. A model of aesthetic appreciation and aesthetic judgments[J]. British journal of psychology, 2004, 95(4): 489-508.

[45]
EAKINS J P. Towards intelligent image retrieval[J]. Pattern recognition, 2002, 35(1): 3-14.

[46]
陈金菊,欧石燕.数字图像语义标注模型比较与分析[J].图书情报工作,2018,62(6):116-124. (CHEN J J, OU S Y. Comparison and analysis of digital image semantic annotation models[J]. Library and information service,2018,62(6):116-124.)

[47]
DEMMER T R, KÜHNAPFEL C, FINGERHUT J, et al. Does an emotional connection to art really require a human artist? Emotion and intentionality responses to AI-versus human-created art and impact on aesthetic experience[J]. Computers in human behavior, 2023, 148: 107875.

[48]
XU R, HSU Y. Discussion on the aesthetic experience of artificial intelligence creation and human art creation[C]//Proceedings of the 8th International conference on Kansei engineering and emotion research. Tokyo: Springer, 2020: 340-348.

[49]
RAGOT M, MARTIN N, COJEAN S. AI-generated vs. human artworks. a perception bias towards artificial intelligence?[C]// Proceedings of the extended abstracts of the 2020 CHI conference on human factors in computing systems. New York: Association for Computing Machinery, 2020: 1-10.

[50]
GUERREIRO R. Using artificial intelligence to create paintings: how type of artist impacts WTP through emotional intelligence and perceived quality[D]. Lisbon: Universidade Catolica Portuguesa (Portugal), 2022.

[51]
蒋忠波,师雪梅,张宏博.人机传播视域下算法新闻可信度的感知研究——基于一项对大学生的控制实验分析[J].国际新闻界,2022,44(3):34-52. (JIANG Z B, SHI X M, ZHANG H B. Analysis on perceived credibility of algorithmic news from perspective of the human-machine communication: based on a control experiment on college students[J]. Chinese journal of journalism & communication,2022,44(3):34-52.)

[52]
ZHENG Y, ZHONG B, YANG F. When algorithms meet journalism: the user perception to automated news in a cross-cultural context[J]. Computers in human behavior, 2018, 86: 266-275.

[53]
YANG T, SILVEIRA S, FORMULI A, et al. Aesthetic experiences across cultures: neural correlates when viewing traditional Eastern or Western landscape paintings[J]. Frontiers in psychology, 2019, 10: 798.

[54]
郭凤,任孝鹏,苏红.不同性别定向的名字对女性获得面试机会的影响[J].中国人力资源开发,2020,37(5):46-58. (GUO F, REN X P, SU H. The impact of gender orientation of names on the female applicants' interview opportunity[J]. Human resources development of China,2020,37(5):46-58.)

[55]
TAY B, JUNG Y, PARK T. When stereotypes meet robots: the double-edge sword of robot gender and personality in human–robot interaction[J]. Computers in human behavior, 2014, 38: 75-84.

[56]
FAUL F, ERDFELDER E, LANG A G, et al. G* Power 3: a flexible statistical power analysis program for the social, behavioral, and biomedical sciences[J]. Behavior research methods, 2007, 39(2): 175-191.

[57]
石蕊,贾晓然,陈子宇,等.信息框架和媒介信任对公共卫生事件信息分享的影响机制研究——基于眼动追踪技术[J].情报杂志,2024,43(11):199-207.(SHI R, JIA X R, CHEN Z Y, et al. The impact mechanism of message framing and media trust on the public health events information sharing: a study based on eye-tracking[J]. Journal of intelligence, 2024,43(11):199-207.)

[58]
孙大力.中国古典园林的山水画情结[J].学术交流,2007(3):191-193. (SUN D L. The landscape painting complex of Chinese classical gardens[J]. Academic exchange,2007(3):191-193.)

[59]
童茵.数字人文范式框架与绘画文物AI智能研究[J].计算机产品与流通,2020(3):133-135. (TONG Y. Research on digital humanities paradigm framework and AI intelligence of painting cultural relics[J]. Computer products and circulation,2020(3):133-135.)

[60]
王平.明清“典故”和“临仿”类画题的兴起——山水画“画题”的数字人文研究[J].艺术理论与艺术史学刊,2018(2):103-127. (WANG P. The rise of “allusions” and “imitation” painting titles in Ming and Qing Dynasties: the study of digital humanities in landscape painting “painting titles”[J]. Journal of art theory & art history,2018(2):103-127.)

[61]
XUE A. End-to-end Chinese landscape painting creation using generative adversarial networks[C]//Proceedings of the IEEE/CVF Winter conference on applications of computer vision. New York: IEEE, 2021: 3863-3871.

[62]
PASQUIER P, BURNETT A, THOMAS N G, et al. Investigating listener bias against musical metacreativity[C]//Proceedings of the seventh International conference on computational creativity. Paris: Sony CSL, 2016: 42-51.

[63]
SUNDAR S S. Multimedia effects on processing and perception of online news: a study of picture, audio, and video downloads[J]. Journalism & mass communication quarterly, 2000, 77(3): 480-499.

[64]
LOMBARD M, DITTON T B, WEINSTEIN L. Measuring presence: the temple presence inventory[C]//Proceedings of the 12th annual International workshop on presence. Los Angeles: International Society for Presence Research, 2009: 1-15.

[65]
ANNIE JIN S A. “My avatar behaves well and this feels right”: ideal and ought selves in video gaming[J]. Social behavior and personality: an international journal, 2011, 39(9): 1175-1182.

[66]
沈亚丹.无人自足之境——论中国山水画空间的非叙事性[J].天津社会科学,2024(4):126-135. (SHEN Y D. A realm of emptiness and self-sufficiency: on the non-narrative space of Chinese landscape painting[J]. Tianjin social sciences, 2024(4):126-135.)

[67]
孙辛欣,孙亚楠,赵宇翔,等.融入经验知识的人智交互方式对老年用户信任体验的影响[J].图书情报知识,2024,41(5):46-55. (SUN X X, SUN Y N, ZHAO Y X, et al. The effect of an empirical knowledge-based human-AI interaction approach on the trust experience of older adults[J]. Documentation, information & knowledge, 2024,41(5):46-55)

[68]
罗博,张晋朝.网络公共信息服务社会信任的影响因素研究[J].中国图书馆学报,2017,43(5):84-101. (LUO B, ZHANG J C. Study on the antecedents of social trust in public e-information service[J]. Journal of library science in China,2017,43(5):84-101.)

[69]
李新月,宋士杰,韩文婷,等.失真健康信息预先干预对个体感知与行为意愿影响的实证研究[J].信息资源管理学报,2024,14(1):44-54. (LI X Y, SONG S J, HAN W T, et al. An empirical study of the effects of a prebunking of health misinformation on individuals’ perceptions and behavioral intentions[J]. Journal of information resources management,2024,14(1):44-54.)

[70]
MILLET K, BUEHLER F, DU G, et al. Defending humankind: anthropocentric bias in the appreciation of AI art[J]. Computers in human behavior, 2023, 143: 107707.

[71]
WANG L. The subjective value of artistic creation in the age of artificial intelligence[C]// Proceedings of the 5th International conference on arts, design and contemporary education (ICADCE 2019). Paris: Atlantis Press, 2019: 60-64.

[72]
DOSHI A R, HAUSER O P. Generative AI enhances individual creativity but reduces the collective diversity of novel content[J]. Science advances, 2024, 10(28): eadn5290.

[73]
HARGREAVES D J. Musical imagination: perception and production, beauty and creativity[J]. Psychology of music, 2012, 40(5): 539-557.

[74]
CHE J, SUN X, GALLARDO V, et al. Cross-cultural empirical aesthetics[J]. Progress in brain research, 2018, 237: 77-103.

[75]
HOGG M A. Uncertainty–identity theory[J]. Advances in experimental social psychology, 2007, 39: 69-126.

[76]
CHI N T K, HOANG VU N. Investigating the customer trust in artificial intelligence: the role of anthropomorphism, empathy response, and interaction[J]. CAAI transactions on intelligence technology, 2023, 8(1): 260-273.

[77]
LUO X, TONG S, FANG Z, et al. Frontiers: machines vs. humans: the impact of artificial intelligence chatbot disclosure on customer purchases[J]. Marketing science, 2019, 38(6): 937-947.

[78]
LIU-THOMPKINS Y, OKAZAKI S, LI H. Artificial empathy in marketing interactions: bridging the human-AI gap in affective and social customer experience[J]. Journal of the academy of marketing science, 2022, 50(6): 1198-1218.

[79]
CHAMBERLAIN R, MULLIN C, SCHEERLINCK B, et al. Putting the art in artificial: aesthetic responses to computer-generated art[J]. Psychology of aesthetics, creativity, and the arts, 2018, 12(2): 177-192.

[80]
PHINNEY J S, ONG A D. Conceptualization and measurement of ethnic identity: current status and future directions[J]. Journal of counseling psychology, 2007, 54(3): 271-281.

Options
Outlines

/

〈 〉