林聪 塔娜
　　［本文提要］国家形象的媒介建构和受众认知与图像视觉表征关联密切。本研究采用计算机视觉技术对美国主流媒体在国际社交媒体上发布的16329张涉华新闻图像进行特征挖掘和效果检验。结果表明，美国主流媒体通过两方面策略建构图像化的中国形象，即审美印象与视觉符号的操纵：中国图像相较于非中国图像具有饱和度低、构图复杂、红色与灰色突出等审美特征，多元视觉符号建构出现代化发展态势下“威胁性的”、“变动不安的”当代中国形象。进一步的回归分析揭示了中国形象的多维视觉特征对社交媒体用户参与度的差异性效果，也指向了平台用户互动机制对国家形象传播的潜在影响。本研究丰富了国家形象研究的图像化维度，延展了中国形象国际媒体呈现的既有认知，为理解国际舆论环境中涉华话语策略的动态演进提供了新的实证窗口。
　　［关键词］视觉框架 国家形象 社交媒体 计算机视觉技术 媒介效果
　　
一、引言
　　当代媒介景观是由各种文本、音频、静态和动态图像的组合所塑造的。尽管当前研究对新闻数据的关注仍然以文本模态为主，但事实上，20世纪下半叶图像处理技术的进步就为新闻媒介呈现带来了“图像化转向”（pictorial turn）（Mitchell & Mitchell，1994：11）。既有研究认为，视觉图像在国际传播和政治传播实践中已成为必不可少的意义载体，相较于语言文字更容易调动用户的联想与解读，更容易传达政治意图，甚至演化为舆论斗争的武器（赵如涵，罗晨，2021）。国家形象研究是新闻与传播领域的重要议题。作为“一种映像性输出”（张毓强，2002），国家形象在现代图像技术普及的背景下越来越普遍地“被把握为图像”（李红，2022）。有关国家形象建构的探索也成为国际新闻流研究中分析多模态新闻特征的理想议题（Xu & Loffelholz，2021）。尽管当前学界针对国际媒体呈现的中国国家形象展开了丰富的探索，但多数研究仍聚焦新闻文本数据，常常忽视了新闻图像对建构中国形象的意义。
　　美国主流媒体涉华报道是全方位、多角度地了解国际社会对中国的看法与立场的重要渠道，亦是观察美媒塑造中国形象的重要窗口。当下社交媒体平台成为用户获取新闻信息的关键途径（Greenwood et al.，2016），美国主流媒体也在社交媒体平台设立账号以发布新闻。基于此，本研究自动化地获取了国际社交媒体平台上美国主流媒体发布的大规模涉华新闻图像，在视觉框架理论的指导下，尝试借助计算机视觉技术（computer vision technique）探究中国形象的图像化建构及用户互动效果，回答以下研究问题：美国主流媒体通过涉华新闻图像建构出怎样的中国形象？图像化的中国形象如何影响社交媒体平台的用户互动效果？厘清这些问题有助于丰富既有国家形象研究的图像化维度，挖掘社交媒体平台在国家形象传播中的作用机制，为多模态国际传播实践提供新的经验启发。
　　
二、文献综述
　　（一）视觉框架分析与图像意识形态表征
　　欧文·戈夫曼（Goffman，1974：21）认为框架是个人组织事件的心理原则与主观过程，是人们将社会真实转换为主观思想的凭证。基于框架理论的内涵，有学者总结，框架根本上就是一种“意义结构”和“话语装置”，提供一种通往意义认知的“阐释图式”，帮助我们理解文本表征系统中的问题本质（刘涛，2022）。随着新技术的发展和内容载体的多元化，大屏图文、视频和各种具身交互介质塑造着全新的媒介环境，框架理论也逐渐拓展，开始关注多种模态信息对人类感知世界的方式的影响。其中，“视觉框架”（visual framing）提供了崭新的研究视角转向。Greenwood和Jenkins（2015）指出：“图像作为一种有效的框架载体作用于人们的认知系统，发挥着积极的框架功能。”目前学者普遍认可视觉框架的四层次类型（Rodriguez & Dimitrova，2011）：（1）作为外延系统（denotative），（2）作为风格或文体系统（stylistic），（3）作为内涵系统（connotative），（4）作为意识形态系统（ideological）。其中外延和风格层次重在解读图像中的离散元素、视觉审美等要素组合而成的象征和主题，而内容与意识形态层次则逐渐深入到图像背后的社会意义、概念，以及思想和权力关系（王超群，2019；彭佳，2022）。
　　相较于文本，图像往往通过视觉化地激活特定文化意向，悄无声息地建构受众的历史认知、社会规范以及深层次的意识形态内容（Messaris & Abraham，2001）。在政治传播研究中，图像发挥着政治论辩、议程设置、形象建构、社会标识等多维价值（Schill，2012）。例如有研究者分析了国际媒体对朝鲜的视觉图像表征，发现“饥饿的儿童”、“同质化的大众”、“导弹和军队”常常成为视觉符号，对受众而言这些图像唤起了特定的展示视角和观看方式，以西方世界为中心创造出“我们”和“他们”的差异和界限（Shim & Nabers， 2013）。在政治集体行动当中，视觉图像往往成为情绪动员和身份认同建构的重要载体，图像的视觉框架效应则是其中意义生成的关键（Whitworth & Li，2022）。也即是说，视觉框架研究在揭示图像表征的语义系统及其构建的认知模式的基础上，也要阐明框架背后深层的权力运作逻辑，即意识形态（刘涛，2022）。本研究在国家形象研究的语境下，旨在循着视觉框架分析的理论视角，由浅入深，首先剖析国家形象的视觉表征，进而延伸至图像背后意识形态意涵的反思与讨论。
　　（二）国家媒介形象及其“像化”建构
　　国家形象是人们（形象主体）在一定条件下对一个国家（形象客体）由其客观存在所决定的外在表现的总体印象和评价（吴献举，张昆，2016）。在传播研究中，大众媒介被认为在塑造和传播国家形象上具有不可忽视的作用，新闻媒介对国家形象的建构如何影响公众感知和意见也受到关注（Wanta et al.，2004）。有学者提出，国家形象可分为国家实体形象、国家媒介形象以及国家认知形象。其中，国家媒介形象指的是大众传媒关于国家信息的传播所建构的一种总体状况（王朋进，2009）。本研究采纳国家媒介形象的进路，旨在分析国外社交媒体平台上以图像为载体的中国形象的图像化建构逻辑。
　　有学者将以视觉图像为主因以建构和传递的国家形象称为“像化”国家形象，并指出其中包含的三重构件：“形式”、“图像”以及“母型”（刘丹凌，2017）。“形式”即图形的空间广延性、色彩与亮度所构成的节奏等。这些美学特征都是促成感官刺激的关键视觉元素，不应当从图像分析范畴中割裂。“图像”则聚焦向受众敞开的一系列被置于视觉场中的具象物，也就是国家形象图片中的主题或者内容。这也对应着“外延”层次的视觉框架系统，即首先要确定图形的组合再现的是什么，或者说属于哪些基本类别（彭佳，2022）。而“母型”抽象到“不可见”的部分，认为应当把握作品背后的观念图式，解析驻扎在形式和图像当中起支配作用的、由生产者想象和构设的原型（刘丹凌，2017）。简言之，“像化”国家形象的探索，应当关切图像的多维美学特征，以及由图像符号所构筑的内容特征，进而探寻其折射的整体国家形象。
　　学术界已经开始关注国际媒体所呈现的中国形象的图像化特征。在美学特征的探索上，有学者通过谷歌书籍大数据解析了国家形象的色彩维度，发现红色为中国海外国家形象的主色调，但其研究本质是从书籍文字资料提取国家关联性色彩，并未涉及图像的形式特征（官璐等，2024）。黄阳坤等（2023）对推特平台涉中议题下的图片在色彩、亮度、构图等多维审美特征进行了分析，但其聚焦社交机器人与人类账号在图像使用中的差异，未能描摹中国形象的具体表征。在图像符号内容上，既有研究针对西方国家主流杂志封面的分析发现，刻板印象化的中国形象表征受到青睐，例如“龙”、“熊猫”、“长城”、“国旗”等符号屡见不鲜。但这些研究局限于传统报刊封面，聚焦于零散符号的统计，且考察的图像数量整体有限。针对中国形象的整体母型，西方媒体的建构历史悠久且不断随着社会发展而变化，这包括在18世纪作为一个“异域而不道德”的中国、在19世纪晚期“黄祸”风潮中作为“狡猾的恶魔”的中国、在二战中作为热爱民主与自由的中国，以及在冷战中作为意识形态、军事和经济“红色威胁”的中国（Ooi & D’arcangelis，2017）。从视觉视角出发，研究者发现在西方数据新闻的涉华报道中，中国常常在视觉维度上被隐蔽地“标出”，从而被建构为全球语境中的“他者”（刘涛，2016）。但整体而言，罕有研究系统性探索中国相关图像以归纳中国形象的图像化母型。
　　综上，既有国家形象的图像研究提供了一些有价值的参考，但主要围绕有限数量的图像展开内容编码或话语分析，尚未充分挖掘图像的多维特征及其意涵，也未能充分描摹中国形象在国际媒体上的“像化”表征。同时，国家形象研究仍需适应当前媒介形态的变迁以将视野拓展至新兴社交媒体平台。在近年来国际关系复杂变化的时代背景下，美国媒体在图像中建构的中国形象存在怎样的特征？在图像审美特征和内容符号特征上的表现如何？是否不同于过去刻板印象化的形象认知？廓清这些问题有助于丰富中国形象研究的视觉层次认知，探索国际媒体尤其是西方视域下“像化”中国形象的建构逻辑。
　　（三）社交媒体图像的计算视觉分析与效果研究
　　在计算机视觉技术的发展下，更精细化的图像分析维度被充分挖掘。在成熟工具如Athec等的支持下，大规模图像的客观性审美特征指标可以被便捷地测量（Peng，2022）。而基于视觉词袋（bag-of-visual-words）模型、迁移学习（transfer learning）思路等，计算方法可以提取并映射图像特征到高维向量空间，通过特征聚类的方式，挖掘大规模图像的内容主题类别（Zhang & Peng，2022）。而社交媒体平台中网络行为数据的留存使得受众行为和传播效果有了更加直接的数据来源，使用计算的方式开展对图像内容和传播效果的研究成为可能（吴晔等，2021）。
　　技术的可操作性推动了图像的多层次视觉特征及其社会意义的探索。低层次的图像审美性特征从启发式线索（heuristic cue）的层面影响人们的信息接纳与心理反应，进而影响用户的互动性意愿；而高层次的语义性特征如内容实体与符号则成为“讲故事”（storytelling）的重要载体，同样刺激社交媒体中的用户互动（Qian et al.，2024）。在审美特征上，针对短视频虚假信息的研究发现，一些阴谋论视频相较于核查类视频亮度更低，即更暗淡（Chen et al.，2022），另一项研究也发现事实核查视频相较于非核查视频采用更少的冷色调（Lu & Shen，2023）。换言之，图像美学特征的意义常常在同语境的差异比较中显现。在图像内容主题上，通过对美国大选中政治候选人的社交媒体图像进行内容类别的聚类，研究者发现不同的内容类别体现着差异化的人物形象建构策略，呈现私人场景以建立亲民形象常常是有效的手段（Peng，2021）。这也表明挖掘内容特征有助于把握图像潜藏的政治意识形态内涵。在传播效果方面，社交媒体平台的用户参与度（social media engagement）数据，如点赞数、转发数、评论数等常被视为内容成功与否，以及内容受众效果的重要指标（Park et al.，2016）。既有社交媒体图像研究在虚假信息辟谣视频、美食图像等语境内，都验证了图像视觉特征与用户效果之间的明确关系（Lu & Shen，2023；Sharma & Peng，2023）。
　　国家媒介形象是从文本、图像等多维模态与感官中产生的综合性印象。国家形象研究不应该局限在文本语料中，而有必要基于图像模态的分析，特别是计算视觉技术的潜力，打开国家形象“像化”建构逻辑的研究视域。承前所述，图像审美特征的意义需要在相同语境下的差异比较中解读，而图像内容语义特征则是讲故事的关键。本研究聚焦美国主流媒体围绕中国相关议题发布的大规模新闻图像，旨在对比其中的中国相关图像与非中国图像，探究图像审美特征上的差异与内涵，并通过对中国相关图像在内容符号层面的深入挖掘，探讨美国主流媒体对中国形象的语义建构。
　　视觉狂欢、动态交互是社交媒体平台的典型特征，国家形象研究理应解析社交媒体区别于传统报刊的机制如何对图像化国家形象的建构和认知产生影响。一方面，社交媒体更新速度快，图像数量规模更大，其反映出的国家形象体现怎样的新特征？是否突破刻板印象化的呈现？另一方面，用户参与度指标反映了民众对于新闻框架中呈现出的特定国家形象特征的认可程度，也折射新闻媒体在该国形象方面对公众设置议程的能力。新闻媒体也主动适应社交媒体的逻辑，利用社交媒体的平台可供性吸引用户的参与性互动（Hase et al.，2022）。将用户指标纳入考量有利于探究美国媒体在中国议题上影响受众注意力的机制，以及图像在影响受众对中国认知上的作用。综上，本研究旨在回答以下问题：
　　研究问题1：在社交媒体平台，美国主流媒体围绕中国议题所发布的中国相关图像与非中国图像，呈现怎样的视觉审美特征与差异？
　　研究问题2：在社交媒体平台，美国主流媒体发布的涉华新闻图像所呈现的视觉符号主要有哪些，如何反映了对中国形象的建构？
　　研究问题3：就美国主流媒体发布的涉华新闻图像而言，其多维视觉特征如何影响社交媒体平台的用户参与度指标？
　　
三、研究数据与方法
　　（一）数据样本
　　本研究以推特平台（Twitter，现名X）作为国际社交媒体典型代表，以探究美国主流媒体涉华新闻图像的视觉特征。在媒体样本选择上，综合考虑以下因素：一是考虑到美国媒体政治立场的多样性，以媒体政治立场调查网站AllSides和Ad Fontes Media作为数据源，①筛选并囊括持左派、右派和中立政治立场的媒体；二是考虑媒体在推特平台的影响力，以媒体官方账号的粉丝数作为指标，粉丝数越多，表明受众基础越大。基于以上因素，本研究最终选定10家媒体账号(见表1）。在样本年份选择上，本研究着重考虑媒体在推特平台发布新闻图像数量的多少，由于2016年以前大量媒体账号在推特平台发布新闻图像的数量有限，本研究最终选择2016年至2022年作为样本获取时间段。
　　在数据获取方法上，本研究基于Python编程语言程序包Scweet，采用自编程代码对10个推特账号进行爬取，使用“China”、“Chinese”、“Beijing”三个关键词进行精准条件检索，设定2016年1月1日到2022年12月31日作为时间段。该编程包返回结果字段包括发布者账号、推文文本、发布时间、点赞数据、评论数据、转发数据、推文图像链接以及推文链接。使用推文图像链接，进一步将图片下载到本地。基于上述程序，本研究获取到总计36834条推特数据，清洗掉纯文本和视频数据后，获取到17419条带有图像的推文数据。
　　尽管关涉中国议题，但相关新闻配图也出现了大量非中国图像，例如欧美政客、国际性组织代表人物、美国机构或企业相关标识。因此本研究进一步人工筛选出非中国图像，最终构建出非中国数据集1090张图像、中国数据集16329张图像。中国图像数据按媒体账号整理至表1“图像总数”列。
　　（二）图像数据处理与分析
　　1.计算机视觉技术：审美特征与视觉符号识别
　　本研究借助计算机视觉技术测量图像的多维视觉审美特征，并对图像符号元素进行识别，图1呈现了本文构建的图像计算视觉分析处理框架。在图像审美特征上，本研究借助Python图像程序包Athec（Peng，2022）测量图像的饱和度、明度、色彩度（colorfulness）、色彩多样性（color variety）、景深（depth of filed）、构图复杂性（compositional complexity），以及主要色彩占比。饱和度和明度是HSV（hue，saturation，value）颜色模型中的两大重要属性，分别指向图像的画面灰度、用色的明亮程度。色彩度和色彩多样性探究图像的色彩特征，分别指向人眼可感知的图像色彩性的强弱，以及图像中色彩类型的多少。景深和构图复杂性从空间视角探究中国图像的结构特征。景深指向图像中对焦点前后清晰范围的大小，值越大表明图像虚化范围越小，图像背景越清晰，反之则图像背景越模糊。构图复杂性指向图像中元素布局的复杂性，基于边缘点检测算法实现，数值越大表明元素在整个图像中覆盖范围越广，图像越拥挤。主要色彩占比则探究11种基本色彩（即红、橙、黄、绿、蓝、粉、紫、棕、黑、白、灰）在每张图像中的比例，数值越大该颜色在图像中越明显。图1左侧展示了以上各项审美指标的取值范围、均值和标准差。
　　在图像视觉符号上，本研究借助谷歌云的视觉模型数据接口（google cloud vision api）对图像进行识别。谷歌云的视觉模型建立在百万级别图片数据机器学习模型之上，能够提供实体检测、字符识别、面部检测、地标检测等多种功能。本研究依托其图像标注（Detect Labels，简称DL）、基于网页信息的实体挖掘（Detect Web Entities and Pages，简称DWEP）两个功能，对新闻图像进行检测分析。②（图1　图1见本期第72页）右侧示意了针对单张图片，DL与DWEP功能输出的前5个具体结果（可信度取值范围0-1）。本研究整合单张图像的两类功能输出作为视觉符号的数据。
　　2.主题模型：视觉符号的聚类分析
　　本研究采用结构主题模型（structural topic modeling，STM）对涉华新闻图像的符号元素进行自动化主题聚类。在基于谷歌云视觉模型对中国图像元素符号识别的基础上，本研究首先对输出的元素符号文本进行清洗和处理，例如对高频出现的地名和人名等进行格式处理（如将“Hong Kong”转成“HongKong”）以确保它们能被完整识别。其次，为确定最佳主题聚类数目，使用R语言STM包的SearchK方法，计算50个主题以内每个K值的平均语义一致性（average semantic coherence）、平均互斥性（average exclusivity）等指标，并基于此最终确定20个主题为最佳主题数量。在此基础上，详细检查每一主题主要关键词及对应的具体图像，将关键词语义特征以及图像相似的主题归纳为同一类别，最终获取了5大典型视觉符号类别。无法归入这5类的归类为“其他”，具体类目将在下文详细讨论。
　　
四、研究发现
　　（一）视觉审美特征与国家形象建构
　　为回答研究问题1，本研究对筛选出的非中国图像数据集去重后（N = 1014）进行图像视觉审美特征的识别，并从中国图像数据集中随机抽取出10%（N = 1632）进行对比，以探究潜在的差异。如前所述，本研究所基于的中国图像和非中国图像均来自于前述10个美国主流媒体账号主体在同一社交媒体平台中的新闻消息，且全部与中国议题相关，这显示了两类图像的可对比性，也可以反映相同语境下差异的典型性。
　　如图2所示，对两组图像的视觉审美特征的T检验发现，中国图像的饱和度显著低于非中国图像（M中国=88.04，SD=44.45；M非中国=99.54，SD=39.86；t=6.73，p < 0.001， Cohen’s d = 0.27）。同时，中国与非中国图像在色彩明度上差异显著（t = -8.80，p < 0.001， Cohen’s d = -0.35），中国图像（M = 127.25，SD = 39.96）的色彩明度高于非中国图像（M = 113.18，SD = 40.09）。在色彩特征上，中国图像与非中国图像的色彩度（M中国= 48.82，M非中国= 49.41）和色彩多样性（M中国= 5.32，M非中国= 5.34）差异不显著。在构图特征上，中国图像（M = 1.22，SD = 0.33）相较于非中国图像（M = 1.26，SD = 0.37），景深显著更小（t = 3.42，p < 0.001，Cohen’s d = 0.14）；而中国图像的构图复杂性差异则要显著大于非中国图像（M中国= 0.32，SD = 0.04；M非中国= 0.31，SD = 0.05；t = -2.37，p < 0.05，Cohen’s d = -0.09）。
　　针对11种基本颜色在中国图像与非中国图像中分布占比的分析发现，差异最为明显的两种颜色为灰色（t = -10.07， p < 0.001， Cohen’s d = -0.40）和红色（t = -5.39， p < 0.001， Cohen’s d = -0.22），即中国相关图像不仅在红色占比上明显高于非中国图像（M中国= 0.07，M非中国 = 0.04），在灰色占比上也显著高于非中国图像（M中国 = 0.17，M非中国 = 0.11）。整体而言，在推特平台中，相较于非中国图像，美国媒体所使用的中国图像饱和度较低，色彩明亮，景深较小，构图相对复杂，同时红色与灰色的比例明显更高。
　　（二）视觉符号类别与国家形象建构
　　为回答研究问题2，本研究对前述方法归纳出的5类视觉符号（见图3）展开分析。第一类视觉符号为领导人与中国面孔，重点反映了以人物为核心的中国表征，包含两个主题。主题11以中国政治领导人物为中心，占比高达17.9%，是最为显著的主题，以政治发言人、外交场合、国家间洽谈等为主画面。主题14（5.3%）同样识别出人物身体特征，经分析发现以中国企业家、明星等为典型代表。以政治领袖、名人指代国家或反映国家形象是新闻图像中的常见做法。
　　第二类视觉符号聚焦中国的产业、科技与航天，包含5个主题。主题2以宇宙、地球、火箭、航天员等符号（2.6%）指向中国航天事业的发展。主题4呈现华为、中兴、抖音等企业符号（4%），主题15呈现通讯与电子设备等符号（5%），反映了中国通讯与科技行业获得世界瞩目。主题6（6%）和主题18（4.2%）识别出汽车、机械、自动化设备与引擎等，体现了中国高新产业的发展与进步。这类主题反映美国媒体对当代中国新的刻画面向。值得注意的是，“安全”、“监控”、“黑客”等词汇也频频出现，即美国媒体在使用科技相关图像的同时，也影射中国利用新技术进行管控治理、对西方国家安全构成威胁等。
　　第三类视觉符号指向新冠疫情、城市与社会，反映与社会面貌相关的中国形象，包含4个主题。主题10（6.5%）以香港、集会、人群为关键词，反映香港修例风波相关图像。主题13（7.1%）识别出新冠病毒、武汉、口罩、防护服等符号，以疫情相关表征为图像主体。主题16（7.6%）识别出城市建筑、基础设施建设，主题20（3.1%）识别出拥挤的人潮、街道等符号。整体而言，这类主题一方面反映中国社会面貌的更新发展，另一方面也以香港修例和新冠疫情反映中国社会的扰动，展现了“变动不安的”中国社会形象。
　　第四类视觉符号指向军事、警卫与国防，反映与国防实力相关的中国表征，包含2个主题。主题3（6.1%）识别出军队、航空母舰、战斗机等符号，主题19（3.8%）识别出军舰、船只、海域等符号，说明军事相关符号是美国媒体建构中国形象重要的突显对象。这类主题突显中国军事实力的发展与强大，展现严肃、威胁性的中国形象。
　　第五类视觉符号以展示中国国旗为主要视觉符号，或采用绘画和漫画等形式将中国特征典型化呈现，含1个主题（主题5，占比5.1%）。其中国旗图像反映的具体意涵较少，更多以其指代中国，而部分政治漫画类信息则以隐喻的方式展现特定面向下的中国，例如龙这一符号频繁出现，亦或在新冠疫情期间以病毒符号暗指中国。需说明的是，以上类别并非所有图像的全貌，部分难以被归纳的图像被分为“其他视觉符号”，总占比14.2%，涉及货币、体育运动、自然环境等。
　　（三）国家形象视觉特征的用户效果
　　为回答研究问题3，本研究建立线性混合效应模型（linear mixed effect model）检验图像视觉特征对用户效果的影响。模型结果变量为参与度指标，包括每条推文的点赞数、转发数和评论数，由于数据偏离正态分布，本研究对其进行了对数转换。模型固定效应自变量包括图像视觉审美特征、视觉符号类别（针对每一类别，图片属于该类别则编码为1，否则编码为0），随机效应变量包括媒体账号与推文发布年份，另外本研究将账号层级变量（媒体账号粉丝数、政治立场）、推文文本层级变量（文本长度与符号特征、文本情感特征）当作控制变量加入模型。文本层级变量基于LIWC2022词典计算实现，在文本情感特征上包含正面情感被编码为1，中立情感为0，负面情感为-1。模型结果如表2所示。
　　表2的结果显示，在媒体账号变量层面，账号粉丝是影响用户参与度的显著因素。在文本变量方面，文本情感特征负向影响用户转发数（B = -0.014，p < 0.05）和评论数（B = -0.016，p < 0.01），即美国媒体在新闻文本中负面的报道语调更能激发用户参与。在图像视觉审美上，图像色彩度负向影响用户点赞数（B = -0.021，p < 0.01）和转发数（B = -0.018，p < 0.01），图像景深负向影响用户的参与度指标（B点赞 = -0.054，p < 0.001；B转发 = -0.050，p < 0.001；B评论 = -0.032，p < 0.05），即图像色彩度越弱、图像景深越小，越能够刺激中国相关图像新闻的用户参与。在图像元素标识上，使用领导人与中国面孔等人物标识显著正向影响用户参与度（B点赞 = 0.053，p < 0.001；B转发 = 0.059，p < 0.001；B评论 = 0.146，p < 0.001）。使用军事警卫或国防相关图像也会正向影响用户的转发（B = 0.051，p < 0.001）和评论数（B = 0.075，p < 0.001）。但与之相反，美国媒体所发布的与中国产业、科技与航天相关（B点赞 = -0.059，p < 0.001；B转发 = -0.024，p < 0.05），以及呈现中国国旗的相关图像（B点赞 = -0.064，p < 0.001；B转发 = -0.047，p < 0.01；B评论 = -0.041，p < 0.05）则负向影响用户的参与度。
　　
五、结论与讨论
　　本研究对美国主流媒体在国际社交媒体上发布的大规模涉华新闻图像进行多维视觉特征挖掘，以探寻中国形象的具体表征，并进一步基于社交媒体参与度指标解析了中国形象视觉特征的用户效果。结果表明，美国媒体在中国议题下发布的中国相关图像体现出显著区别于非中国图像的审美特征，五类典型视觉符号也呈现了突破既往刻板印象的中国形象。
　　当下，过载的、碎片化的信息形态使受众越来越难以聚焦文本的深刻理解，而常常诉诸图像以构筑对新闻消息的“感官性”印象。构图、色彩、明暗度等美学风格隐蔽地影响着用户的信息加工处理，而这些特征事实上具有深刻的视觉性，始终与政治意识形态的传递不可分割。本研究发现，美国主流媒体倾向于采用低饱和度、色彩明亮、较小景深、构图复杂的中国图像。除了使用与中国关联密切的红色，灰色也在涉华新闻图像中表现突出。从色彩与情感心理学研究可知，图像饱和度对于积极情绪感知具有正向影响（Valdez & Mehrabian，1994），而灰色则主要激发受众消极情绪（Kaya & Epps，2004）。图像色彩亮度与受众感知的研究表明，低亮度的色彩往往与高档商店的高级感印象相关，而高亮度的颜色则多与廉价折扣店的印象关联（Peng et al.，2023）。由此可见，大量低饱和度、灰色突出、色彩明亮的涉华图像，潜在地关联着受众的消极情感和负面印象。与此同时，较小的景深即图像背景中模糊范围更大，而构图复杂性反映图像的视觉空间布局，更复杂的视觉构图意味着图像中有更为庞杂的内容，更难以使受众集中注意力，也负向影响受众对该图像的理解和态度（Pieters et al.，2010）。总结而言，中国图像相较于非中国图像表现出灰黯而粗糙、模糊而复杂的审美特征。近年来媒体报道和网民讨论中屡屡指称西方媒体在呈现中国镜像时通过添加“滤镜”渲染异样的中国形象，本研究一定程度上对此作出了回应：数据指标表明涉华图像在审美特征上或关联消极受众情绪，或阻抑受众的信息理解，在这种操纵性建构下，中国形象难免蒙上阴翳。
　　图像里的国家形象并非单纯的现实镜像映射，而是裹挟着意识形态内涵的表征系统（刘丹凌，2017）。这不仅体现在审美特征，也表现为中国相关图像的视觉符号的操纵，本研究归纳出以下三方面表现：其一，偏倚的比例呈现。符号元素在图像中的比例涉及可见性的问题，以频率高低强化或弱化受众的关联性印象。譬如战舰飞机和军队等军事符号在涉华图像中成为具有显著可见性的一类，美国主流媒体有意渲染强势严肃的、军事化中国的特征。其二，具象化的意义表征。既有研究表明国际舆论着力将当代中国描绘成充满问题与不确定性的形象（徐明华等，2020），而这种“不确定性”在图像中具象化地表现为修例风波下拥挤的人潮、疫情下的防护服和口罩、施工中的基础设施等，这些元素都强化了社会变动不安的印象。其三，指向性的隐喻构造。图像中的物象本身会不自觉地构造一种关于国家形象的隐喻框架（李红，2022），如部分典型的政治漫画将五星红旗刻印在病毒形象上，或在中国地图上绘制暴怒的中国龙形象。可以说，基于多类视觉符号，美国媒体描摹了一个具有“威胁性的”、“变动不安的”当代中国形象，这与学者基于媒体新闻文本所提炼的中国作为“潜在敌对的他者”（potential enemy other），（Ooi & D’arcangeli，2017）形成了对话，也说明图像符号的挖掘为既往中国形象的认知提供了注脚，有助于从多元侧面更清晰地认识国家形象的建构逻辑。
　　值得讨论的是，本研究揭示了美国主流媒体在涉华新闻图像中操纵“审美印象”与“符号认知”的国家形象建构策略。这已经不同于既往中国形象研究强调的西方媒体的“视觉霸权”策略，即通过大量刻画辱华性的“辫子”、“小脚”或“眯眯眼”等负面形象来引导受众的中国认知，并通过嘲讽、异样眼光等形成围猎式的规训（李红，2022）。当下，图像审美的感官刺激以更隐蔽的、潜移默化的方式浸染受众以建立与中国相关的负面印象，而视觉符号也以微妙的方式传递着价值，例如中国科技发展符号中始终夹杂着影射中国威胁的信号。事实上，这广泛存在于美媒的国际传播实践中而并非仅针对中国形象的媒介塑造，例如在针对伊朗等国的新闻图像中，激化冲突导向的视觉符号悄然输出着意识形态（Greenwood，2012）。面对偏颇的国家图景，跟进国际媒体涉华话语策略的动态演进，从多模态特征中揭示其意义系统，仍然是当前国家形象研究的重要方向。
　　从社交媒体平台切入，一方面，规模更庞大、更加日常化的社交媒体新闻图像展现了多元化的中国面貌，对中国科技与产业发展的肯定也在视觉符号中得以呈现。尤其是，社交媒体空间使得更多文化习俗、寻常街市、社会生活图像得以向国际公众展露，有助于打破脸谱化的、刻板印象性的中国形象认知。另一方面，从用户效果数据看，视觉审美上色调相对黯淡、背景模糊度更高的涉华新闻图像更能刺激用户与内容的互动，符号内容上“强硬军事化”的中国形象更能激发国际社交媒体上用户的参与度，相反，体现创新与发展的图像框架则抑制用户参与。这说明整体上用户倾向于与针对中国的负面报道互动。鉴于社交媒体用户参与指标能够反向影响媒体后续的内容生产（Mukerjee et al.，2023），在国际传播实践中我们需要关注这种涉华议题上媒体生产与用户互动之间的循环机制。需要补充说明的是，传播效果本身具有高度复杂性，基于社交媒体参与度指标的效果挖掘仅提供了一种可能的观测视角。国家形象的图像化表达是关乎客体表象与用户观念的复杂融合体，对中国形象受众认知的探究需诉诸更精细的实践探索。
　　作为对图像化中国形象的探索性研究，本研究具有一定的理论与现实意义。首先，本研究构建了可通约的图像计算视觉分析框架，丰富了国家形象的图像化维度，为国家形象的未来研究提供了启发；在视觉框架等理论资源的指导下，本研究通过审美特征的对比性视角与大规模视觉符号的识别，延展了中国形象国际媒体呈现的既有认知。其次，结合社交媒体平台的独特性，本研究也讨论了其在中国形象的认知与建构方面不同于传统媒介的作用效果。就现实意义而言，新闻图像的选择绝非随意或武断的，而是一系列编辑规范的结果，如图像的新闻性要素、媒体政治立场以及更宏观的社会力量等（Rossler et al.，2011）。中国在国际传播实践中，需要深度理解图像作为国际舆论的重要表征的作用，同时努力探寻多模态创新传播路径，为提升中国国家形象创造契机。
　　本研究也存在如下局限：首先，本研究重点聚焦新闻图像，但图像常常是多义且漂浮着的，而文本能够锚定图像的表意内涵，未来研究可以从多模态表意机制着手，探索文本与图像如何交互，以及如何共同作用于国家形象的传播。其次，本文使用计算机视觉技术识别图像的视觉特征与符号，自动化技术识别的准确性或可以通过增加部分人工编码的数据，以进行人机交叉验证。最后，对于视觉图像中的国家形象如何对受众产生影响，社交媒体的参与度指标无法完全代替用户效果，未来研究仍需要探索更复杂的用户感知和理解机制。■
　　
注释
①AllSides采用包括双盲调查、社群反馈、第三方学术研究分析等方法对媒体倾向进行评级。Ad Fontes Media基于多数据源的文章样本，邀请不同政治偏向的用户就不同媒体文章的表达、真实性等多维度进行综合评分并加权处理，最终为媒体赋予政治倾向分值以及评估可信度指标。媒体政治倾向调查网站AllSides，检索于https：//www.allsides.com/media-bias/media-bias-chart，2023年3月18日。媒体政治倾向调查网站Ad Fontes Media，检索于https：//adfontesmedia.com/interactive-media-bias-chart/， 2023年3月18日。
②DL功能能够自动挖掘和提取单张图片中的物体、地点、产品等，并给出一般化的图像标签及可信度指标，具体可见于https：//cloud.google.com/vision/docs/labels。DWEP可以通过在网络检索该图像，将引用该图像的网页内容信息赋给图像，给出图像中实体的准确信息，具体可见于https：//cloud.google.com/vision/docs/detecting-web。
　　
参考文献
官璐，李倩倩，高晨婧（2023）。国家形象的色彩维度：对谷歌图书大数据的量化分析。《中国网络传播研究》，（01）， 127-152+262-263。
黄阳坤，陈昌凤（2023）。视觉传播的自动化与国家形象的美学建构——基于Twitter社交机器人的计算美学考察。《现代传播(中国传媒大学学报)》，（08），96-104。
李红（2022）。图像中的国家形象：基于视觉框架的考察。《新闻大学》，（03），22-32+117-118。
刘丹凌（2017）。客体、主体与情境：“像化”国家形象的认知图谱。《南京社会科学》，（02），113-118+135。
刘涛（2016）。西方数据新闻中的中国：一个视觉修辞分析框架。《新闻与传播研究》，（02），5-28+126。
刘涛（2022）。视觉框架分析：图像研究的框架视角及其理论范式。《新闻大学》，（03），1-21+117。
彭佳（2022）。视觉框架生成的符号学机制考察。《新闻大学》，（03），33-44+118。
王超群（2019）。情感激发与意象表达：新媒体事件图像传播的受众视觉框架研究。《国际新闻界》，（10），75-99。
王朋进（2009）。 媒介形象：国家形象塑造和传播的关键环节——一种跨学科的综合视角。《国际新闻界》，（11），37-41。
吴献举，张昆（2016）。国家形象：概念、特征及研究路径之再探讨。 《现代传播(中国传媒大学学报)》，（01），57-62。
吴晔，樊嘉，张伦（2021）。 主流媒体短视频人格化的传播效果考察——基于《主播说联播》栏目的视觉内容分析。《西安交通大学学报(社会科学版)》，（02），131-139。
徐明华，李丹妮，王中字（2020）。“有别的他者”：西方视野下的东方国家环境形象建构差异——基于Google News中印雾霾议题呈现的比较视野。《新闻与传播研究》，（03），68-85+127。
赵如涵，罗晨（2021）。国际传播中的视觉修辞与新闻实践：基于《查理周刊》的新闻漫画研究（1969—2020）。《现代传播(中国传媒大学学报)》，（09），49-53。
张毓强（2002）。国家形象刍议。《现代传播(中国传媒大学学报)》，（02），27-31。
Chen， K.， Kim， S. J.， Gao， Q.， & Raschka， S. (2022). Visual framing of science conspiracy videos： Integrating machine learning with communication theories to study the use of color and brightness. Computational Communication Research， 4(1).
Goffman， E. (1974). Framing Analysis： An essay on the organization of experience. New York： Harper & Row.
Golan， G. J.， & Lukito， J. (2015). The rise of the dragon？ Framing China’s global leadership in elite American newspapers. International Communication Gazette， 77(8)， 754-772.
Greenwood， K. (2012). Picturing defiance： Visions of democracy in Iran. International Communication Gazette， 74(7)， 619-635.
Greenwood， K.， & Jenkins， J. (2015). Visual framing of the Syrian conflict in news and public affairs magazines.Journalism Studies， 16(2)， 207-227.
Greenwood， S.， Perrin， A.， & Duggan， M. (2016). Social media update 2016. Pew Research Center， 11(2)， 1-18.
Hase， V.， Boczek， K.， & Scharkow， M. (2023). Adapting to affordances and audiences？ A cross-platform，multi-modal analysis of the platformization of news on Facebook， Instagram， TikTok， and Twitter. Digital Journalism， 11(8)， 1499-1520.
Kaya， N.， & Epps， H. H. (2004). Relationship between color and emotion： A study of college students. College student journal， 38(3)， 396-405.
Lu， Y.， & Shen， C. (2023). Unpacking Multimodal Fact-Checking： Features and Engagement of Fact-Checking Videos on Chinese TikTok (Douyin). Social Media+ Society， 9(1)， 20563051221150406.
Messaris， P.， & Abraham， L. (2001). The role of images in framing news stories. In Framing public life (pp. 231-242). Routledge.
Mitchell， W. T.， & Mitchell， W. J. T. (1994). Picture theory： Essays on verbal and visual representation. University of Chicago Press.
Mukerjee， S.， Yang， T.， & Peng， Y. (2023). Metrics in action： how social media metrics shape news production on Facebook. Journal of Communication， jqad012.
Ojala， M. M.， Pantti， M. K.， & Kangas， J. (2017). Whose War， Whose Fault？： Visual Framing of the Ukraine Conflict in Western European Newspapers. International Journal of Communication.
Ooi， S. M.， & D’arcangelis， G. (2017). Framing China： Discourses of othering in US news and political rhetoric. Global Media and China， 2(3-4)， 269-283.
Park， H.， Reber， B. H.， & Chon， M. G. (2016). Tweeting as health communication： Health organizations’ use of Twitter for health promotion and public engagement. Journal of Health Communication， 21(2)， 188–198.
Peng， Y. (2021). What makes politicians’ Instagram posts popular？ Analyzing social media strategies of candidates and office holders with computer vision. The International Journal of Press/Politics， 26(1)， 143-166.
Peng， Y. (2022). Athec： A Python library for computational aesthetic analysis of visual media in social science research. Computational Communication Research， 4(1).
Peng， Y.， Wen， T. J.， & Yang， J. (2023). A Computer Vision Methodology to Predict Brand Personality from Image Features. Journal of Advertising， 1-13.
Pieters， R.， Wedel， M.， & Batra， R. (2010). The stopping power of advertising： Measures and effects of visual complexity. Journal of Marketing， 74(5)， 48-60.
Qian， S.， Lu， Y.， Peng， Y.， Shen， C. C.， & Xu， H. (2024). Convergence or divergence？ A cross-platform analysis of climate change visual content categories， features， and social media engagement on Twitter and Instagram. Public Relations Review， 50(2)， 102454.
Rodriguez， L.， & Dimitrova， D. V. (2011). The levels of visual framing. Journal of visual literacy， 30(1)， 48-65.
Rossler， P.， Bomhoff， J.， Haschke， J. F.， Kersten， J.， & Müller， R. (2011). Selection and impact of press photography. An empirical study on the basis of photo news factors.Communication(36)415-439.
Schill， D. (2012). The visual image and the political image： A review of visual communication research in the field of political communication. Review of communication， 12(2)， 118-142.
Sharma， M.， & Peng， Y. (2023). How Visual Aesthetics and Calorie Density Predict Food Image Popularity on Instagram： A Computer Vision Analysis. Health Communication， 1-15.
Shim， D.， & Nabers， D. (2013). Imaging North Korea： Exploring its visual representations in international politics. International Studies Perspectives， 14(3)， 289-306.
Valdez， P.， & Mehrabian， A. (1994). Effects of color on emotions. Journal of experimental psychology： General， 123(4)， 394.
Wanta， W.， Golan， G.， & Lee， C. (2004). Agenda setting and international news： Media influence on public perceptions of foreign nations. Journalism & mass communication quarterly， 81(2)， 364-377.
Xu， Y.， & Loffelholz， M. (2021). Multimodal framing of Germany’s national image： Comparing news on Twitter (USA) and Weibo (China). Journalism Studies， 22(16)， 2256-2278.
Zhang， X.， & Hellmueller， L. (2017). Visual framing of the European refugee crisis in Der Spiegel and CNN International： Global journalism in news photographs. International Communication Gazette， 79(5)， 483-510.
Zhang， H.， & Peng， Y. (2021). Image clustering： An unsupervised approach to categorize visual data in social science research. Sociological Methods & Research， 00491241221082603.
　　
[作者简介]林聪系清华大学新闻与传播学院博士研究生，塔娜（通讯作者）系中国人民大学新闻学院副教授。本文为新一代人工智能国家科技重大专项“人工智能社会实验伦理、评估与标准化研究”（项目号：2023ZD0121600）课题四“智能社会治理仿真演化模型研究”（项目号：2023ZD0121604）的阶段性成果。