《表2 Snownlp评论性文本情感值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《智媒语境下网民对AI换脸技术的风险感知研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本部分所采用的方法是情感极性分析，通过Python的snownlp库的处理，可以看出国内网民对“ZAO”的评论性文本的情感均值为0.45010111190452473，情感中位数为0.40914866581956777。按照情感计算方法对积极性情感文本的数值限定在0.7以上，方为情绪正向的积极性情感。显然，国内网民对“ZAO”的评论性文本的情感程度整体上比较低，情感负性倾向明显。说明，网民们对“ZAO”所带来的潜在风险非常担忧。从国外网民对“Deepfake”的情感态度倾向来看，国外网民对“Deepfake”的评论性文本的情感平均值为0.6475403629278396，情感中位数为0.6925999702163451。显然，国外网民对“Deepfake”深度伪造技术同样表现出对其潜在风险的担忧，但是，相比较之下，国外网民的这种担忧性没有国内网民强烈。这是什么原因导致的这种结果值得我们去深度思考，而且，国外网民的评论性文本所反映出的平均值已然非常接近0.7的积极性情感倾向。从评论性文本的情感序列图来看，国内网民评论性文本情感序列走势图时间跨度短，国外网民评论性文本情感序列走势图时间跨度长。国内网民情感的变化主要集中一个阶段，而国外网民的情感变化比较均匀。整体上的情感值，国内网民的情感变化呈现出负性特征，而国外网民的情感变化的负性程度不高，相对而言的呈现出积极性。但是，按照0.7的积极性情感数值限定，两者都属于负性情感阶段。这说明，中美两国网民对AI换脸事件都存在技术引起的伦理风险表示忧虑，并且这是一个普遍性的问题。无论是“ZAO”，还是“Deepfake”，其中引发的技术伦理风险，如果能够得到恰当的处理，其蕴含的内在价值也将会体现出来。