PAGE框架：用AI大规模研究美国漫画与日本漫画

当漫画研究遇上人工智能

漫画是二十世纪最重要的视觉记录之一。数十万页的作品中，大众读者看到了他们的领袖、他们的战争与他们的英雄。然而这份庞大的视觉档案几乎从未被作为整体加以研究——传统漫画学术研究往往一本一本地推进，难以在产业或时代的尺度上把握全貌。

一项新研究提出，人工智能（包括生成式模型）有潜力改变这一现状，并最终反哺漫画这门媒介本身。研究者提出了名为 PAGE 的框架，试图把AI变成漫画研究的一种系统性工具。

PAGE框架：从扫描件到可解释的档案分析

PAGE 框架的核心思路，是把每一张漫画扫描件转化为可计算、可分析的结构化数据。它的工作流程大致包含四个环节：

解析与标注

框架首先将每一页扫描件拆解为分格（panels）、文本和书目记录。随后，它使用视觉-语言模型（vision-language model）为每一页进行标注。关键在于，这个模型遵循一份书面的"编码手册"（codebook），其标注逻辑模仿人类编码员的工作方式，而非随意生成描述。

视觉-语言模型（Vision-Language Model，VLM）是一类能够同时理解图像与文本的多模态AI系统，代表性产品包括GPT-4V、LLaVA、Claude Vision等。与传统的图像分类模型不同，VLM可以根据自然语言指令对图像内容进行开放式描述、问答或结构化抽取。在漫画分析场景中，其优势在于能够理解"这一格中是否出现了代表权威的人物？""说话者是男性还是女性？"这类需要结合视觉语境与语义理解的复合问题。"编码手册"的引入则是关键约束：它将VLM的输出锁定在研究者预先设计的分析框架内，避免模型自由发挥，使不同页面、不同批次的标注结果具有可比性——这是人文与社会科学研究对数据一致性的基本要求。

人类校验与可解释性

为了保证可靠性，框架会将部分AI阅读结果与人类标注进行对照（grounding），用人工样本来验证机器判断的准确度。更进一步，它尝试解释整个档案中的变化趋势，并在估计时对**出版商和题材（genre）**等因素进行控制——这让分析结论更接近严谨的社会科学方法，而非单纯的数据描述。

在社会科学的内容分析（content analysis）传统中，"编码员间信度"（inter-coder reliability）是衡量标注质量的核心指标，通常用Cohen's Kappa或Krippendorff's Alpha等系数来量化两位独立编码员之间的一致程度。PAGE框架用AI替代人工编码员时，同样需要面对这一标准：通过将机器标注结果与人类标注样本对照，研究者可以估算AI在特定维度上的准确率与偏差方向。"对出版商和题材进行控制"则对应回归分析中的协变量控制思路——例如，某一时期暴力内容的增加，可能源于题材构成的变化（如战争漫画比例上升）而非整体风气的转变，若不加以区分，结论将产生混淆。这类方法论设计使PAGE的分析结论更接近因果推断，而非单纯的相关性描述。

三项实证研究：规模化阅读的能力验证

研究者在 3,929 本美国漫画（1938—1956 年间） 以及 87 卷日本漫画 上演示了这一框架，并通过三项研究分别验证了不同的能力维度。

研究一：政治权力如何被呈现

第一项研究将文本搜索与视觉阅读结合，试图还原这一大众媒介是如何描绘政治权力的。单靠关键词搜索无法捕捉画面所传递的态度与形象，而把文本检索和对画面的"阅读"配对起来，就能揭示媒介在不同时期对权力的刻画方式。

研究二：测量页面的视觉形式

第二项研究在整个产业的尺度上测量页面的视觉形式，并试图从中识别出"个别艺术家之手"——即通过风格特征辨认具体创作者。这对于归还未署名艺术家的创作功劳具有直接意义。

通过风格特征识别艺术家，在计算艺术史领域被称为"风格归因"（stylometric attribution）或"作者识别"（authorship attribution）的视觉版本。黄金时代的美国漫画（通常指1938—1956年，即PAGE研究覆盖的时段）以"流水线"生产模式著称：出版商雇用大量未署名或署名不稳定的艺术家，同一页面可能由铅笔稿、墨线和上色分属不同人完成。这导致大量艺术家的创作贡献至今仍未被正式记录，其版权主张也因此受阻。若AI能够从笔触节奏、分格构图习惯、人物面部处理等细微风格中识别出"同一双手"，将为历史档案修订和版权认定提供新的技术依据。

研究三：谁在说话

第三项研究追踪了两种漫画传统中"谁在说话" 的分布，并以人类标注作为校验基准。这种跨文化、跨传统的对比，正是单本研究难以企及的视角。

不止于研究：档案、无障碍与保存

除了学术研究之外，这套工具还具有更广泛的应用价值：

• 让档案可按"所画内容"检索，而不仅仅依赖文字元数据；
• 向盲人和低视力读者开放漫画，通过结构化的视觉描述提升无障碍可及性；
• 帮助保存脆弱的馆藏，并为未署名的艺术家还原应有的创作署名。

这些应用把AI从单纯的分析引擎，拓展成了服务于媒介本身的基础设施。

一条新的研究议程

这项工作的价值不仅在于三个具体案例，更在于它勾勒出一条研究议程：让人工智能在研究、保存与传播三个层面同时强化漫画这门媒介。

从方法论角度看，PAGE 代表了人文研究与AI结合的一种成熟形态——它既强调规模化处理的能力，又坚持人类校验与可解释性，并对出版商、题材等混淆变量加以控制。这种既要"规模"又要"严谨"的取向，对其他依赖海量视觉档案的人文与社会科学领域同样具有借鉴意义。

当然，作为一项框架性研究，其标注准确度、跨语言与跨文化的泛化能力，以及视觉-语言模型本身可能带来的偏差，仍需在更多数据集上持续检验。但它至少提供了一个清晰的范式：AI不必取代人文研究者，而是可以成为放大其视野的工具。