学术报告：从情感劳动到算法共情：短视频、AI与后人类视阈下的网络舆论重构
作者与发表信息
本文由中南财经政法大学新闻与文化传播学院的余秀才教授、朱家仪与郭奇研究生合作完成，发表于《新媒体与社会》（*New Media and Society*）期刊，网络首发时间为2025年11月20日。
学术背景与研究动机
本研究聚焦于短视频与人工智能（AI）技术对网络舆论生态的重构，属于传播学、数字技术与后人类主义（posthumanism）交叉领域。传统舆论研究以“人类中心主义”为框架，强调理性主体通过话语协商形成共识。然而，随着AI技术（如情感计算、算法推荐）和短视频的普及，舆论生成逻辑发生根本性变革：情感被算法量化（如“情感基础设施”），非人行动者（如社交机器人、推荐系统）介入舆论生产，形成“后人类舆论”新范式。
研究旨在揭示以下问题：
1. 短视频如何通过视觉符号与感官刺激（如“怼脸拍”特写、快剪节奏）劫持用户情感，推动舆论极化；
2. AI技术如何通过“算法共情”（algorithmic empathy）模拟人类情感，操纵舆论走向；
3. 后人类视阈下，技术物（如算法、数据接口）如何成为舆论主体，挑战传统治理模式。
研究流程与方法
本研究采用理论批判与案例分析的混合方法，分为四个核心部分：
1. 短视频舆论的情感符号与情感设施
- 研究对象：选取突发公共事件中的热门短视频（如灾难报道、社会冲突事件），分析其视觉语法（如克瑞斯与范勒文的“互动意义”理论）与情感动员策略。
- 方法：
- 神经影像学证据：引用镜像神经元研究，证明视觉符号（如痛苦表情）能直接激活观众共情反应；
- 符号学分析：结合罗兰·巴尔特的神话理论，揭示短视频通过“能指层”（表面叙事）与“所指层”（意识形态）构造情感神话；
- 算法批判：分析平台如何通过AI表情识别（Affectiva SDK）、文本情绪挖掘（BERT模型）构建“情感热力图”，定向推送情绪化内容。
2. 后人类视域下的算法共情与非人转向
- 案例研究：以ChatGPT的“共情话术”、Deepfake伪造的“共情表演”（如印度选举中的AI生成政治视频）为例，探讨AI如何通过情感拟真技术（如Transformer架构）欺骗用户。
- 理论框架：
- 引入唐娜·哈拉维的“赛博格”理论，论证算法、传感器等“非人行动者”如何嵌入舆论生产链；
- 通过“愤怒优先”算法实验（引用徐翔研究），证明愤怒情绪在社交媒体中的传播优势。
3. 后人类舆论治理的困境
- 三大矛盾：
- 算法透明性与治理失效：平台公开算法代码仍无法解决情感操纵问题（如社交机器人扭曲气候议题共识）；
- 技术中立性与情感剥削：AI推荐系统强化社会偏见（如“算法杀熟”）；
- 流量逻辑与协商理性：资本驱动下，情感极化内容挤压理性讨论空间（如冬奥会“人造雪”争议中的西方媒体偏见）。
4. 治理路径探索
- 短视频符号治理：提出“批判性视觉语法”，建议在视频中嵌入元数据注释（如标注剪辑次数）以解构情感神话；
- AI技术伦理：倡导“价值敏感性设计”（value sensitive design），将伦理审查嵌入算法开发流程；
- 非剥削性共情：构建情感数据三级确权体系（生物特征标记、联邦学习技术、贡献度分配模型），避免用户情感被资本无偿占用。
核心结论与价值
- 理论贡献：突破人类中心主义，提出“后人类舆论”三特征——情感基础设施主导、非人行动者干预、分布式情感网络传导；
- 实践意义：为平台治理提供技术伦理框架（如动态伦理审计），警示“算法共情”的暗面（如深度伪造的情感操纵）；
- 学科交叉：融合传播学、神经科学、计算机科学，开创“情感计算+舆论研究”新范式。
研究亮点
- 方法论创新：首次将“行动者网络理论”（ANT）应用于舆论研究，揭示算法、传感器的“非人能动性”；
- 实证发现：证明愤怒情绪在算法推荐中的传播优势（比喜悦高10%的转发量），解释“后真相沉默螺旋”的形成机制；
- 批判深度：揭露“情感劳动”如何被异化为数字剥削（如“数据佃农”与“数字领主”的权力分化）。
延伸讨论
研究呼吁未来探索“神经科学与情感计算”的交叉应用，例如通过脑机接口监测舆论中的情感传染路径。这一方向或将为舆论治理提供生物层面的干预可能。