人工智能生成艺术能否促进非物质文化遗产的可持续发展？——基于AI生成杨柳青年画文创产品的定量研究

一、研究团队与发表信息
本研究由Bolun Zhang（马来西亚理科大学艺术学院）、Peng Cheng（上海市政工程设计研究院）、Lujie Deng（马来西亚理科大学艺术学院）、Nurul Hanim Romainoor（马来西亚理科大学艺术学院）、Jianhong Han（内蒙古科技大学能源与环境学院）、Guoshuai Luo（天津安定医院心理卫生中心）及Tianbo Gao（河北艺术职业学院）共同完成，发表于期刊Heliyon（2023年9月27日在线发布，卷9，文章编号e20477）。研究采用开放获取模式，遵循CC BY-NC-ND 4.0许可协议。

二、学术背景与研究目标
科学领域：本研究横跨非物质文化遗产（Intangible Cultural Heritage, ICH）保护、人工智能（Artificial Intelligence, AI）应用、消费者行为理论（AISAS模型）及文化认同理论。
研究动机：随着全球化与现代化进程，以杨柳青年画为代表的ICH面临传承危机。尽管数字化技术（如数据库建设）被用于保护ICH，但公众（尤其是年轻群体）对其兴趣持续低迷。
核心问题：AI生成的文创产品能否通过提升用户感知价值（Perceived Value）和文化认同（Cultural Identity），最终促进ICH的可持续发展？

三、研究设计与方法
理论框架：
1. AISAS模型（注意-兴趣-搜索-行动-分享）：用于分析用户对AI生成文创产品的行为路径。
2. 感知价值理论：划分为美学价值、创新价值和情感价值三个维度。
3. 文化认同理论：探讨用户对传统文化的认同如何影响ICH的可持续性。

研究流程：
1. 问卷设计：基于Likert 5级量表，包含27个问题，覆盖AISAS五个阶段、感知价值、文化认同及可持续性。问卷通过预测试（50人样本）验证信度（Cronbach’s α均>0.7）。
2. 数据收集：
- 对象：中国天津18-30岁青年（291份有效问卷），筛选条件为曾购买文创产品。
- 方法：线上（微信、微博）与线下（杨柳青古镇）随机抽样结合，限制IP地址确保地域代表性。
3. 数据分析：采用偏最小二乘法（Partial Least Squares, PLS）构建结构方程模型，通过5000次Bootstrap检验假设。

四、主要结果
1. AISAS模型与感知价值的关系：
- 吸引力（β=0.319）、兴趣（β=0.185）和参与度（β=0.387）显著正向影响感知价值（p<0.01）。
- 数据支持：用户对AI生成年画的创新性（如个性化设计）和视觉风格评价最高（均值3.896/5）。
2. 购买/分享行为与文化认同：
- 购买（β=0.284）和分享（β=0.361）行为直接增强文化认同（p<0.001）。
- 案例：64%的购买者因家庭长辈影响选择传统年画，而AI生成产品通过互动性吸引自主购买。
3. 感知价值与文化认同：正向相关（β=0.308），表明用户对产品价值的认可转化为文化归属感。
4. 文化认同与ICH可持续性：强相关性（β=0.781），证实文化认同是可持续性的核心驱动力。

五、结论与价值
1. 理论贡献：
- 首次将AISAS模型应用于ICH领域，揭示AI文创产品通过行为路径影响文化认同的机制。
- 验证文化认同作为ICH可持续性的第四维度（超越生态、经济、社会传统框架）。
2. 实践意义：
- 为ICH保护提供新范式：AI技术可快速生成符合现代审美的文创产品，降低设计门槛并提升公众参与。
- 政策建议：鼓励AI与ICH结合的跨学科研究，如虚拟现实教育平台或文化遗产动态分析。

六、研究亮点
1. 方法创新：结合定量模型（PLS）与行为理论（AISAS），量化AI对传统文化的影响。
2. 跨学科性：融合计算机科学（AI图像生成）、心理学（感知价值）与文化研究。
3. 局限性：样本限于天津地区，未来需扩展至其他年画产地（如苏州桃花坞）对比研究。

七、其他发现
- 伦理考量：研究强调需关注AI生成艺术的版权问题，建议未来研究纳入文化遗产持有者的权益分配机制。
- 技术细节：团队开发的AI模型基于深度学习（如生成对抗网络GAN），用户可输入参数生成个性化年画风格（见图1中的钥匙扣、T恤等文创产品）。

研究资助：内蒙古科技大学横向课题（编号205/0904051908）。
数据可用性：数据可根据请求提供。

（注：文中专业术语如AISAS模型、PLS等首次出现时标注英文原词，后续使用中文表述。）