人工智能警覺機制：作者身份對數字繪畫作品感知的影響

摘要：[目的/意義]人智共創的數字繪畫在數字人文藝術作品中已十分普遍，然而作者身份對人智共創的數字人文作品感知的影響尚不明確。探索作者身份對數字繪畫感知的影響及文化的調節作用，以揭示人工智能生成內容的使用反饋，為人智共創研究提供方向。[方法/過程]采取4（作者身份：人/AI/人主導的人智共創/AI主導的人智共創）×2（文化背景：本土/非本土）兩因素混合實驗設計。兩組被試共48人，觀看4幅不同作者身份的同類數字繪畫作品，從感知質量、空間存在感、感知想象力和同理心等維度用量表度量其對作品的感知。[結果/結論] 結果顯示，在對數字繪畫作品的抽象屬性（感知想象力與同理心）感知維度上，被試對人工智能表現出警覺機制，且在同理心上的警覺明顯強于在感知想象力上的警覺。此外，文化背景在作者身份對數字繪畫作品的同理心影響上發揮了調節作用。

關鍵詞：人智共創；作者身份；感知；數字人文

分類號：G252

CSTR： 32306.14.CN11-6036.2025.003

DOI： 10.13266/j.issn.2095-5472.2025.003

引用格式：陳靜， 劉奧. 人工智能警覺機制：作者身份對數字繪畫作品感知的影響[J/OL]. 知識管理論壇， 2025， 10（1）： 29-45 [引用日期]. http：//www.kmf.ac.cn/p/418/. （Citation： Chen Jing， Liu Ao. The Vigilance Mechanism toward AI： The Impact of Authorship on the Perception of Digital Painting[J/OL]. Knowledge Management Forum， 2025， 10（1）： 29-45 [cite date]. http：//www.kmf.ac.cn/p/418/.）

1" 引言/Introduction

近年來，數字人文領域人智共創產品的盛行促進了藝術創作和知識共享，人與人工智能的關系成為研究焦點。其中，媒體等同理論認為，媒體等同于真實生命，人們會把計算機和其他機器作為社會角色來對待[1]。媒體等同從媒介效果層面研究人和媒介的互動關系：一是把媒體內容當真；二是把媒體當人[2]。這一觀點成為后人研究人智關系的重要理論，在虛擬現實新聞[3]、人智協同知識創新[4]和人工智能寫作[5]等人智交互場景下，該理論展現出廣泛的適用性。

同時，人和AI這兩種不同作者身份對新聞文章[6-7]、音樂[8-10]、詩歌[11-13]和繪畫[14-17]等各種數字人文作品的影響被廣泛關注。然而，在這些關于作者身份的研究中，很少關注合著的影響[18-20]。更重要的是，幾乎沒有關注合著順序的影響。然而，合著時的作者順序在揭示共同創作過程中作者對研究工作的貢獻等關鍵因素方面，能夠提供極具價值的線索[21-22]。通常情況下，第一作者被視為主導并做出更大的貢獻[23]。因此，基于數字人文領域中人智共創的兩個不同情況：人類主導和AI主導，存在兩種不同的合著順序。鑒于人智共創的數字人文作品的盛行，研究作者身份的影響，特別是合著順序的影響，變得至關重要。

此外，文化也在人工智能領域越來越受到關注，引發了關于對人工智能生成內容的感知和評價的討論。已有研究發現個體對數字人文藝術品的感知在不同文化之間存在差異[24-27]。這些差異不僅受社會文化因素影響，還包括文化內部的群體偏見。藝術作為社會和文化的反映，扮演著一面鏡子[28]的角色。個體通過對藝術的接觸，基于自己的文化理解形成觀點[29]。并且，個體對源于自己文化的藝術表現出比其他文化更偏好的傾向[30-33]。雖然文化對數字人文作品感知的影響已成為一個突出的話題，但在人智共創中的影響仍未得到充分探討。

基于此，筆者設計4種作者身份（單獨：人、AI；共創：人主導、AI主導），通過組內實驗探究不同作者身份對于數字繪畫感知的影響。此外，進一步探討文化對其影響是否存在調節作用。筆者通過實證研究個體對人智共創繪畫的感知，為人們對于藝術創作中應用人工智能技術的態度提供參考理解，有助于促進藝術創新并為數字人文領域發展貢獻力量。

2" 文獻綜述/Literature review

2.1" 作者身份

作者身份作為一個綜合指標，涵蓋了多個方面[34]。其中，對合著順序的分析可以區分作者的身份和貢獻，以提供寶貴的見解[34-35]。在人與人的團隊合作中，合著順序已被廣泛討論，如醫學教育出版物[36]、科學出版物[37]等。

在涉及人工智能參與創作的數字人文作品上，作者身份仍然是一個極具研究價值的關注點。媒體等同理論將計算機、機器人等媒介視為社會行動者，從人際交往的視角考察了人與媒介之間的互動關系與行為[38]。技術突破了工具屬性，逐漸成為獨立的主體[39]。當前，該領域對人和AI作者身份的研究主要集中在兩個問題上：調查人們是否能區分人類制作和人工智能制作的藝術作品，以及審美欣賞是偏向于人類還是人工智能[40]。在詩歌創作上，研究人員仿照圖靈測試模式開展實驗，最終發現參與測試者難以分辨作品是源自算法生成還是人類創作[41]。在機器人編舞方面，通過比較觀眾對由AI創建的編舞和人類創建的編舞的態度，提出了一種評估AI和人類藝術創作的方法論[42]。而在繪畫創作上，人們認為由人工智能創作的繪畫的價值低于由人類創作的繪畫的價值，并且人們將由人工智能創作的作品排除在人類創作藝術的范疇之外[43]。作為一個備受追捧的特征，作者身份通常被設計為人類或人工智能進行研究，但涉及人智共創的數字人文作品的研究相對較少。

關于人智共創下合著對作品的影響，在新聞、詩歌和繪畫等數字人文作品的研究中略有探討。為了解讀者如何看待自動化新聞，對人工智能、人類和混合作者進行分析，發現三者之間的感知來源可信度沒有顯著差異。在很大程度上，它們的感知可信度可以被視為相同[19-20]。對俳句詩的研究中，人工智能生成的詩歌被分為有人類干預和無人類干預兩種，并發現帶有人類干預的AI生成詩歌的美學評分最高，而僅由人類或AI制作的詩歌的評分相等[12]。而在由AI生成的繪畫和歌曲中，通過探索在3個生產過程中如何使用AI完全自動化、人智共創和僅人工，發現使用AI增強了對過程新穎性的感知并對抽象和高度參與的產品給予更積極的評價[18]。然而，幾乎少有研究關注對人智共創的數字人文作品中合著順序的影響。作為一個標簽，合著順序反映了人類和人工智能之間的合作創作模式以及人工智能作為潛在作者的使用，這對于理解人智關系以及進一步促進有效的人智共創至關重要。

2.2" 繪畫作品感知研究

人類對繪畫的感知與理解，同人類的審美行為緊密相連。H. Leder等[44]將人類的審美行為建模為包含潛意識和主觀意識兩方面過程的多層次信息處理模型。其中，潛意識過程是對底層信息（如顏色、對比度、復雜性等）的感知和對個人經歷和記憶進行整合。而主觀意識過程包含顯示分類、認知和評價3個部分。學者J. P. Eakins[45]則從檢索需求的角度將圖像語義內容自下而上劃分為原始特征層、邏輯層和抽象層3個基本層級。其中，底層特征包含顏色、紋理和形狀等；邏輯層設計對象語義以及對象空間關系的理解；抽象層則涉及情感語義、行為語義和場景語義[46]。綜上，對繪畫的感知的研究主要分為3個維度：底層特征、對象內容和抽象屬性。3個維度層層遞進，可充分體現對繪畫的感知情況。

在對人工智能參與創作的數字繪畫的感知研究中，大多數研究集中于對抽象屬性的感知。T. R. Demmer等[47]通過測試人們是否能夠在計算機衍生藝術中感知到情感和情感意圖，發現幾乎所有人確實都報告說對計算機制造的藝術作品感受到了一些情緒和意圖。R. Xu等[48]發現由人工智能創作的繪畫在快樂、愉悅和愛這3種積極情感方面得分較高，這表明由人工智能創作的繪畫通常更能引發人們的審美體驗，并激發更豐富、更強烈的情感反應。而從新穎性的角度看，由人工智能創作的繪畫被認為不如人類創作的繪畫[49]。在此背景下，同理心和感知想象力隨著情感表達和創造力成為研究AI創作繪畫能力的重點，也成為對AI創作的數字繪畫在感知抽象層的研究焦點[15]。此外，部分研究切入底層特征的感知，通過探討感知質量，分析在使用人工智能創作繪畫時，藝術家類型對繪畫感知的影響[50]。而在涉及3個感知維度的研究中，一些學者基于感知質量、空間存在感、感知想象力和同理心，對人創作和AI創作的抽象畫的用戶感知研究進行了定性和定量的初步探索[26-27]。盡管如此，鮮有學者深入探討作者身份對數字繪畫在這3個感知維度的影響。因此，圍繞3個感知維度，基于感知質量、空間存在感、感知想象力和同理心對畫作感知進行系統分析顯得尤為必要。

2.3" 文化的影響

先前的研究提供了一些關于文化對個體對AI創作的數字人文作品的感知影響的實證證據。K. Xu等[26]比較了美國、中國和德國參與者對機器生成的詩歌和繪畫等作品的態度，發現文化影響了參與者的討論主題和詞語使用；蔣忠波等[51]發現受試者對署名作者為算法的新聞可信度的感知值要顯著高于署名為人類記者的新聞可信度的感知值；Y. Zheng等[52]發現對于中國參與者，當新聞通過在線方式呈現時，他們認為人工智能生成的新聞質量高于人類生成的新聞，而當新聞通過傳統媒體呈現時，人工智能生成的新聞質量被認為低于人類生成的新聞。值得注意的是，公眾對由人工智能創作的數字人文作品的態度因文化而異。

此外，有一種傾向是人們更喜歡源自自己文化的藝術作品而不是來自其他文化的作品[17]。研究發現，相對于西方風格的繪畫，中國人更偏好中國風格，證明了內群體偏好[17]。神經學證據也表明了審美欣賞中的文化內部偏見[53]。由于文化認同感和歸屬感，觀眾在觀看來自自己文化的繪畫時可能會給予更高的審美評價，而相對于來自其他文化的繪畫則可能評價較低[33]。然而，目前對包含文化元素的繪畫中作者身份對感知的影響的研究有限，特別是在人工智能與人類共同創作的背景下，這一影響仍不清楚。

綜上所述，筆者擬開展實證研究對以下研究問題進行探索：

Q1：作者身份是否會影響對畫作的感知（感知質量、空間存在感、感知想象力和同理心）？如果會，如何影響？

Q2：文化是否能調節作者身份對畫作感知的影響？如果能，如何調節？

3" 研究設計/Research design

3.1" 實驗設計

為探究作者身份對于數字繪畫感知的影響，并進一步檢驗文化的調節作用，筆者采用4（作者身份：人/AI/人主導的人智共創/AI主導的人智共創）×2（文化背景：中國學生/留學生）的兩因素混合實驗設計。在作者身份的分組中，以最常見的人類作者作為對照組，其余身份作為實驗組。同時，選取中國學生和留學生作為對照組和實驗組，以研究文化的調節作用。不同文化背景的被試分別體驗4種作者身份的數字繪畫作品。

具體而言，筆者選用統一由同一人類作者創作的中國山水畫，并設計4種作者身份。通過拉丁方輪轉設計，預先在4幅中國山水畫上分配4種作者身份線索，以操縱作者身份的分配。這4幅中國山水畫按固定順序展示，并根據拉丁方輪轉設計的作者身份組合，將4種不同的作者身份分配給這些畫作。在拉丁方輪轉設計中，每行或每列僅出現一次相同的作者身份（見表1）。每種作者身份組合以相同的概率均勻分布，并且每種作者身份下的感知是從不同個體觀看4幅獨立畫作中測量出來的，從而確保被試個體與刺激之間的個體差異對影響的一致性。此外，筆者使用了無性別的名字[54]，以排除被試根據名字的性別形成不同印象的可能性[55]。

3.2" 實驗被試

采用GPower3.1軟件計算出有效規模的樣本量[56]。結合本實驗適用的雙因素重復測量方差分析，在顯著性水平=0.05且中等效應量Cohen’s f=0.25的條件下，預測達到統計檢驗力=0.80的總樣本量至少為35[57]。因此，本研究招募54名被試（4名進行預測試，50名進行正式實驗），他們身體健康，視力正常或矯正視力，且沒有紅綠色盲。剔除預實驗數據和正式實驗中部分操作失誤的被試數據，最終的有效樣本量為48（24名中國學生和24名國際留學生），達到有效規模要求。

被試為來自華中師范大學不同年級的中國學生和國際留學生。在實驗開始之前，他們被告知了實驗流程、注意事項以及被試信息的處理方式，并在完成實驗之后給予實驗報酬。研究的最終樣本量，包括性別、文化程度、關于中國傳統繪畫的了解程度和學習水平的信息，見表2。

3.3" 實驗材料

作為文化的重要載體，中國山水畫是中華民族傳統文化的重要組成部分[58]，也是數字人文領域的聚焦點[59-60]。因此，在本研究中，選取代表本土文化的中國山水畫作為實驗材料，用以探究作者身份對繪畫感知的影響，以及這種影響如何受文化因素的作用。

筆者選取的實驗材料為4幅風格和內容相似的中國山水畫，這些作品來自一個包含2 192幅高質量傳統中國山水畫的數據集[61]（見圖1）。所選的山水畫均為真實的傳統作品，均由藝術博物館收藏，并且均由同一位藝術家創作。為確保形式和質量的相似性，使用了先前研究中使用的畫作，同時排除了由于畫作的形式特征而引起的審美和心理生理參數的偏差[62]。這些畫作通過PowerPoint在筆記本電腦上顯示，作者身份標簽顯示在畫作左側。

3.4" 實驗流程

整個實驗流程可分為兩階段（見圖2）。實驗前，被試首先需填寫一個前測問卷，以報告其人口統計信息和對中國傳統文化的了解程度等信息。其次，被試在主試的引導下閱讀一段有關實驗流程、注意事項和實驗報酬等相關介紹。其中，為確保自變量操縱成功，即被試正確了解畫作的作者身份，在實驗介紹結束后被試被要求回答與畫作署名對應的作者身份。之后，在練習環節，一幅額外的數字繪畫用作示例，通過使用設備模擬正式實驗，以加深被試對實驗流程的理解。

在正式實驗中，被試被要求完成4個賞畫任務。在每個觀看繪畫的任務中，被試首先欣賞畫作一分鐘，然后需要填寫調查問卷來記錄他們對該畫作的感受，最后可以休息并調整狀態。賞畫任務重復4次。最后，主試與被試進行簡短交流，并用給予3份禮物作為報酬。

3.5" 繪畫作品感知度量

基于人類美學行為模型和圖像語義模型，并參考以往對AI生成數字繪畫的感知研究，筆者使用7點李克特量表，圍繞數字繪畫感知研究的3個維度，測量感知質量、空間存在感、感知想象力和同理心4個變量（范圍從1 =“強烈不同意”到7 =“強烈同意”）。具體測量項目如表3所示：

感知質量用于評估對繪畫作品底層特征的感知，采用S. S. Sundar改編的九項量表進行測量，并對其中一項進行修改以適應本研究的需求。中國山水畫的空間表現是山水畫的核心特征[66]。因此，空間存在感采用M. Lombard等開發的改編三項量表進行測量，以探索用戶對畫作對象空間的感知情況，這一測量用于評估對繪畫作品對象內容的感知。感知想象力和同理心則用于評估對繪畫作品抽象屬性的感知。其中，感知想象力使用Y. Wu等提出的三項量表進行測量，而同理心采用S.A. A. Jin的四項量表進行測量。

4" 研究結果/Research Results

4.1" 信效度分析

對由2023年6月9日-10月22日收集的192份有效問卷進行信度分析，并采用Cronbach’s 測量問卷的內部一致性。結果顯示，感知質量（Cronbach’s =0.913）、空間存在感（Cronbach’s =0.911）、感知想象力（Cronbach’s =0.884）和同理心（Cronbach’s =0.919）4個變量的Cronbach alpha系數均大于0.8，說明本研究針對數字畫作的感知量表具有良好的信度。同時，通過KMO系數和Bartlett球形檢驗評估問卷的結構效度，結果顯示Bartlett球形檢驗p＜0.05，KMO=0.923＞0.8，問卷具有良好的結構效度[67]。此外，本研究的測量題項來源于已有文獻，并經過預調研，保障問卷具有良好的內容效度[68]。

4.2" 作者身份對繪畫作品感知的影響

為探究作者身份對繪畫作品感知的影響，筆者采用單因素重復測量方差分析（One-Way Repeated Measures ANOVA），并使用LSD事后多重比較法（Least Significant Difference method）進一步判斷各作者身份間的差異[69]，結果如表4所示：

4.2.1" 感知質量

結果表明，4種署名的繪畫作品的感知質量得分均較高（MS1=4.711，MS2=4.190，MS3=4.627，MS4=4.525），它們之間并沒有顯著差異（F=2.440，df=2.583，p=0.077）。可知，繪畫作品的感知質量得到較好的感知，但署名對繪畫作品的感知質量的感知并無顯著影響。

4.2.2" 空間存在感

結果表明，4種署名的繪畫作品的空間存在感得分均較低（MS1=3.674， MS2=3.306，MS3=3.951，MS4=3.556），它們之間并沒有顯著差異（F=2.429，df= 2.340，p=0.084）。可知，被試感知到的空間存在感較低，且署名對繪畫作品的空間存在感的感知并無顯著影響。

4.2.3" 感知想象力

結果表明，署名作者為AI的繪畫作品與署名作者為人、人智共創（人主導）和人智共創（AI主導）的繪畫作品在感知想象力上有顯著差異（F=3.383，df=3，p=0.020），說明作者身份對繪畫作品在感知想象力上有顯著影響。事后比較結果表明，署名作者為人（M=4.319，SD=1.312，p=0.038）和人智共創（以人類為主導；M=4.507，SD=1.305，p=0.008）的繪畫作品在感知想象力得分上顯著高于署名作者為AI（M=3.826，SD=1.653）；署名作者為以人主導的人智共創（M=4.507，SD=1.305，p=0.041）的繪畫作品的感知想象力得分顯著高于以AI主導的人智共創（以AI為主導；M=4.062，SD=1.415）繪畫作品。可知，當AI在署名作者中占主導地位時，人們對繪畫作品的感知想象力會下降。

4.2.4" 同理心

結果表明，署名作者為AI的繪畫作品與署名作者為人、人智共創（人主導）和人智共創（AI主導）的繪畫作品在同理心上有顯著差異（F=3.925，df=3， p=0.010），說明作者身份對繪畫作品在同理心上有顯著影響。事后比較結果表明，署名作者為人（M=4.214，SD=1.358，p=0.012）、以人為主導的人智共創（M=4.083，SD=1.282，p=0.012）和以AI為主導的人智共創（M=3.990，SD=1.381，p=0.026）的繪畫作品在同理心得分上顯著高于署名作者為AI（M=3.537，SD=1.330）的繪畫作品。可知，署名作者為AI的繪畫作品被感知到的同理心更低，人們對AI署名更警覺。

4.3" 文化的調節作用

為探究文化對不同作者身份下繪畫作品感知的交互作用，筆者采用雙因素重復測量方差分析（Two-Way Repeated Measures ANOVA）[67]。結果顯示，在同理心的感知上，作者身份與文化存在顯著的交互作用（F=5.731，p=0.001）。而在感知質量（F=0.281，p=0.839）、空間存在感（F=2.321，p=0.092）和感知想象力（F=0.583，p=0.627）上，作者身份和文化之間的交互作用均不顯著。由此說明，文化可以顯著調節4個不同作者身份對繪畫作品在同理心上的感知，如圖3所示：

從各文化背景角度看感知影響之間的差異，結果見表5。在中國學生中，署名作者為AI的繪畫作品與其他3種署名的繪畫作品相比，在同理心的感知上，具有顯著差異（p＜0.05）且顯著更低；在留學生中，在同理心的感知上，4種作者身份的繪畫作品間不具有顯著性差異（p＞0.05）。由此可知，在觀看代表本土文化的繪畫作品時，本土文化群體中存在作者身份對繪畫作品的同理心感知的顯著影響，而在非本土文化群體中則沒有。

從繪畫作品的不同作者身份角度看文化背景之間的差異，結果見表6。在繪畫作品的作者身份為人類時，兩種文化背景之間具有顯著性差異（p=0.03＜0.05）；而在繪畫作品的作者身份為AI（p=0.069＞0.05）、人主導的人智共創（p=0.103＞0.05）和AI主導的人智共創（p=0.47＞0.05）時，兩種文化背景之間沒有顯著差異。由此可知，在觀看代表本土文化且作者身份為人類的繪畫作品時，本土文化群體和非本土文化群體在對繪畫作品同理心的感知上存在顯著差異，且本土文化群體的對繪畫作品在同理心的感知顯著更高。

綜上，作者身份對繪畫作品感知的影響見圖4。在plt;0.05水平，箭頭連接具有顯著差異的作者身份，同時，被指向的作者身份的繪畫作品在感知得分上顯著較低。

5" 討論/Discussion

5.1" 結果討論

本研究探討了在AI參與數字人文藝術創作時作者身份對感知的影響。為了闡明作者身份對感知的影響，筆者引入了一個調節變量，即“文化”。

首先，實驗結果顯示，在對繪畫的感知想象力和同理心這兩個抽象屬性的感知時，存在一種對人工智能的警覺機制。這種機制是顯而易見的，因為實驗被試對作者僅為人類和人智共創（包括人類主導和AI主導）的繪畫的感知顯著高于作者身份僅為AI的繪畫。這可能與人工智能創作的藝術作品被認為具有較低的創造價值以及由此產生的更有限的情感反應有關[70]，體現了被試對人工智能存在偏見。而這種對人工智能的偏見在認知和情感上得到了表達[17， 48-49]，支持了研究在抽象屬性方面的研究結果。

其中，在這兩個抽象屬性的感知上，對人工智能的警覺機制表現出差異。具體而言，對人工智能的警覺機制完全存在于同理心的感知中，但在感知想象力中部分存在。與同理心的感知不同，在感知想象力的得分上，作者身份為人智共創（以AI為主導）和AI的繪畫之間并沒有顯著差異。然而，在人智共創的繪畫中，以人主導和以AI主導創作的畫作之間的感知想象力得分存在顯著差異。這表明，在人工智能是藝術作品創作的主要貢獻者時，作者身份并不顯著影響感知的想象力。這可能是因為人們傾向于認為由AI創作的藝術作品更具創造力[71-72]。由于想象力也是創造性感知的本質[73]，人們認為由AI創作的藝術作品更具想象力。因此，當人工智能在藝術品創作中的主要和次要貢獻發生變化時，作者身份會顯著影響對想象力的感知。

其次，研究結果表明文化在作者身份對數字繪畫在同理心的感知上發揮了調節作用。具體而言，在感知代表本土文化的數字繪畫時，本地群體中存在對人工智能的警覺機制，但在非本地群體中卻不存在。關于作者身份和文化之間相互作用的發現，突顯了在審美欣賞中考慮跨文化因素的重要性，這些因素也正是審美偏好心理過程的重要組成部分[74]。此外，與不確定性認同理論一致[75]，減少不確定性被認為是推動團體和群體行動以及社會認同過程的主要動力。在本研究中，招募的被試是非藝術專家，缺乏藝術領域的專業知識和經驗。當接觸到其并不十分熟悉的中國山水畫時，由于缺乏知識和經驗而產生不確定性，其試圖與中國山水畫中描繪的文化建立聯系，通過參與文化內部的群體認同以減少不確定性。因此，與非本土被試（國際學生）相比，本土被試（中國學生）更有可能通過內部文化認同來減少不確定性，同時對外部群體（如人工智能）顯示出敏感性和警惕性。

此外，研究結果突顯了同理心在感知中的重要性，這一發現值得引起充分的關注。同理心作為人工智能的有限特征，在當前研究中也引起了廣泛關注[76]。其中，人工智能的同理心被認為不及人類[77]。在本研究中，針對畫作同理心的感知，發現存在AI警覺機制。同時，有關文化調節作用的研究結果，進一步證實了這種對AI的消極偏見。與此同時，過往研究發現同理心被認為是在情感和用戶體驗方面彌合人類與人工智能之間差距的關鍵因素[78]。引導人們了解人工智能生成的作品的性質，有助于改變并扭轉他們對這類作品的消極偏見[79]。旨在彌合人工智能與人類之間在情感和用戶體驗上的差距的“人工同理心”的提出，再次驗證同理心在感知影響中的重要性，同時也指出未來消除偏見的研究方向[78]。

5.2" 理論貢獻與實際意義

本研究在理論上貢獻了人智共創下作者身份對繪畫感知影響的理解。首先，研究創新性地探索了人對人智共創的繪畫的感知，這與以往僅關注人類與AI創作的研究有所不同。通過深入探討人們在人工智能合作創作背景下對人工智能的態度，研究揭示了個體對人工智能的警覺性，并補充了現有關于藝術欣賞中對人工智能偏見的研究。這一發現展示了公眾對人工智能的復雜情感，為未來藝術創作中的人機協作提供了新的視角。其次，研究分析了作者身份對感知的影響的邊界條件和潛在機制，特別關注本土文化與非本土文化的差異。通過考察文化背景對繪畫感知的影響，研究澄清了這些文化差異如何塑造用戶對人工智能共同創作作品的理解。這些貢獻深化了人們對藝術創作中對人工智能技術的態度的理解，并為數字人文領域AI創作產品的本土化開發提供了理論基礎。

這項研究的實際意義也非常顯著。研究結果為解決和減輕消極偏見提供理論支持，進而促進未來數字人文領域中人工智能生成藝術和人工智能輔助藝術教育的有效發展。在人類和人工智能日益融合的時代，了解人們對人工智能生成藝術品和合作創作的反應至關重要。通過分析用戶對人類藝術家和人工智能創作的繪畫的反饋，可以從中獲得寶貴的見解。研究結果表明，個體在抽象屬性層面的感知上存在對人工智能的消極偏見，而這些偏見并未顯著體現對基礎特征和對象內容的感知。這表明存在針對人工智能的主觀偏見，使個體難以僅憑作品的質量和內容來區分人類、人工智能及人智共創的藝術作品。這凸顯了教育的作用，通過教育可以幫助減輕或改變對數字人文作品中人工智能的偏見，促進其有效利用，并增強人工智能在數字人文藝術創作中的便利性和教育幫助。此外，在文化層面，研究結果表明，本土文化群體在感知代表本土文化的數字繪畫時，對人工智能存在一定的警覺機制，而非本土文化群體則相對缺乏這種警覺。對此，筆者建議在使用人工智能創作含文化元素的作品時，考慮本土與非本土文化之間的差異，以增強作品的文化適應性。例如，在應用人工智能繪畫產品時，可以通過識別和分析本土文化群體的審美偏好和情感需求，來調整創作風格和內容。這種方法不僅可以提升作品在本土文化背景下的接受度，還能增強觀眾的情感共鳴，從而實現更具認可度的創作及人工智能產品的本土化推廣。

6" 結論/Conclusions

通過研究作者身份對數字繪畫作品感知的影響，這項研究表明在對抽象特征（如感知想象力和同理心）的感知中存在一種對人工智能的警覺機制，但在對底層特征和對象內容的感知中并不存在。文化調節了作者身份對數字繪畫在同理心上的感知。具體而言，當感知具有本土文化元素的數字繪畫時，本土群體內存在一種對人工智能的警覺，而這種警覺在非本土群體中并不存在。此外，筆者強調了同理心在對人工智能的警覺機制中的重要性。在理論貢獻上，這項研究豐富了對數字人文領域藝術創作中用戶對人工智能技術的態度的理解。在實踐意義上，這項研究可以為消除人工智能偏見、提升對其的信任度提供依據，有助于發揮人工智能作為新質生產力引擎在數字人文領域的潛力。

不過，本研究還存在一定的局限性，具體包括：①盡管本研究嘗試從同一數據庫中選擇最近鄰圖像[61]，并通過拉丁方輪轉設計消除圖像內容的影響，但由于審美是一個主觀過程，未來仍需要大量樣本作為實驗刺激。同時，由于本研究控制畫作為同一作者所作，未來可以重新篩選4種作者真實創作的作品，探究用戶對署以真假作者身份的畫作感知情況，以確保研究設計的完整性和科學性。②實驗被試。雖然招募了中國學生（作為本土被試）和國際學生（作為非本土被試）類似的子樣本，但仍存在人口統計學差異。例如，在接受傳統中國繪畫培訓方面，接受培訓的本土被試人數明顯高于非本土被試。這可能在一定程度上解釋了本土被試中文化內部偏見的原因，因為對學習中個體努力的探索可以反映出對國家文化的認同和信仰[80]。同時，本研究僅對比本土文化群體和非本土文化群體的感知差異，未來可以就非本土文化進行深入探析，例如探討西歐文化和伊斯蘭文化對中國山水畫的感知差異。此外，由于本研究僅探討了非專家對數字繪畫作品的感知，受限于其專業基礎，未來研究可以增加被試類型（如專家）。通過比較不同群體的感知體驗，可以更全面地揭示感知機制。③本研究僅對作者身份線索對感知的影響現象進行了初步探索。未來，進一步研究可以深入探討人工智能感知機制的根本原因，并探索涉及的中介作用。

參考文獻/References：

[1] 韓秀. 社交機器人的“人格”測量——一項基于艾森克問卷的探索性研究[J]. 青年記者， 2021（18）： 45-46. （HAN X. “Personality” measurement of social robots： an exploratory study based on the Eysenck questionnaire[J]. Youth journalist， 2021（18）： 45-46.）

[2] 梅瓊林， 張曉.“媒體等同”——從效果研究到理論建構[J]. 社會科學研究， 2006（5）： 193-196. （MEI Q L， ZHANG X. “Media Equivalence”： from effect research to theoretical construction[J]. Social science research， 2006（5）： 193-196）

[3] 張卓， 吳占勇.虛擬現實新聞的倫理反思——基于技術與媒介的雙重視角[J]. 湖北社會科學， 2017（12）： 193-198. （ZHANG Z， WU Z Y. Ethical reflection on virtual reality news： based on the dual perspective of technology and media[J]. Hubei social sciences， 2017（12）： 193-198）

[4] 張進澳， 盧新元， 孫冰悅， 等.人智協同知識創新機制的建模與仿真——基于模擬實驗的系統動力學分析[J]. 情報理論與實踐， 2024， 47（12）： 143-153， 96. （ZHANG J A， LU X Y， SUN B Y， et al. Modeling and simulation of human-AI collaborative knowledge innovation mechanism： system dynamics analysis based on simulation experiment[J]. Information studies： theory amp; application， 2024， 47（12）： 143-153， 96.）

[5] 姚琦， 周赟. 主觀還是客觀： AI寫作對新聞可信度的影響機制研究[J]. 現代傳播（中國傳媒大學學報）， 2022， 44（10）： 127-135， 145. （YAO Q， ZHOU Y. Subjective or objective： research on the influence mechanism of AI writing on news credibility[J]. Modern communication （Journal of Communication University of China）， 2022， 44（10）： 127-135， 145.）

[6] MORAVEC V， HYNEK N， SKARE M， et al. Human or machine？ the perception of artificial intelligence in journalism， its socio-economic conditions， and technological developments toward the digital future[J]. Technological forecasting and social change， 2024， 200： 123162.

[7] HENESTROSA A L， GREVING H， KIMMERLE J. Automated journalism： the effects of AI authorship and evaluative information on the perception of a science journalism article[J]. Computers in human behavior， 2023， 138： 107445.

[8] SHANK D B， STEFANIK C， STUHLSATZ C， et al. AI composer bias： listeners like music less when they think it was composed by an AI[J]. Journal of experimental psychology： applied， 2023， 29（3）： 676-692.

[9] ZLATKOV D， ENS J， PASQUIER P. Searching for human bias against AI-composed music[C]//International conference on computational intelligence in music， sound， art and design （part of EvoStar）. Cham： Springer， 2023： 308-323.

[10] DALLAS L， MORREALE F. Effects of added vocals and human production to AI-composed music on listener’s appreciation[C]// Proceedings of the 2020 joint conference on AI music creativity. Auckland： ResearchSpace， 2020： 123-130.

[11] DENG Z， YANG H， WANG J. Can AI write classical Chinese poetry like humans？ an empirical study inspired by turing test[EB/OL]. [2025-02-20]. https：//arxiv.org/pdf/2401.04952.

[12] HITSUWARI J， UEDA Y， YUN W， et al. Does human–AI collaboration lead to more creative art？ aesthetic evaluation of human-made and AI-generated haiku poetry[J]. Computers in human behavior， 2023， 139： 107502.

[13] K?BIS N， MOSSINK L D. Artificial intelligence versus Maya Angelou： experimental evidence that people cannot differentiate AI-generated from human-written poetry[J]. Computers in human behavior， 2021， 114： 106553.

[14] DAREWYCH T. The impact of authorship on aesthetic appreciation： a study comparing human and AI-generated artworks[J]. Art and society， 2023， 2（1）： 67-73.

[15] BELLAICHE L， SHAHI R， TURPIN M H， et al. Humans versus AI： whether and why we prefer human-created compared to AI-created artwork[J]. Cognitive research： principles and implications， 2023， 8（1）： 42.

[16] DI DIO C， ARDIZZI M， SCHIEPPATI S V， et al. Art made by artificial intelligence： the effect of authorship on aesthetic judgments[J]. Psychology of aesthetics， creativity， and the arts， 2023.

[17] GU L， LI Y. Who made the paintings： artists or artificial intelligence？ the effects of identity on liking and purchase intention[J]. Frontiers in psychology， 2022， 13： 941163.

[18] TIGRE MOURA F， CASTRUCCI C， HINDLEY C. Artificial intelligence creates art？ an experimental investigation of value and creativity perceptions[J]. The journal of creative behavior， 2023， 57（4）： 534-549.

[19] W?LKER A， POWELL T E. Algorithms in the newsroom？ News readers’ perceived credibility and selection of automated journalism[J]. Journalism， 2021， 22（1）： 86-103.

[20] TANDOC Jr E C， YAO L J， WU S. Man vs. machine？ the impact of algorithm authorship on news credibility[J]. Digital journalism， 2020， 8（4）： 548-562.

[21] KUMAR S， RATNAVELU K. Perceptions of scholars in the field of economics on co-authorship associations： Evidence from an international survey[J]. Plos one， 2016， 11（6）： e0157633.

[22] HELGESSON G， ERIKSSON S. Authorship order[J]. Learned publishing， 2019， 32（2）： 106-112.

[23] DA SILVA A P A C， VANZ S A. Authorship， authorship order and author contribution： a literature review[J]. RDBCI： revista digital de biblioteconomia e ciencia da informacao， 2023， 20： e022028.

[24] SHIN D， CHOTIYAPUTTA V， ZAID B. The effects of cultural dimensions on algorithmic news： how do cultural value orientations affect how people perceive algorithms？[J]. Computers in human behavior， 2022， 126： 107007.

[25] KIM Y， LEE H. Towards a sustainable news business： understanding readers’ perceptions of algorithm-generated news based on cultural conditioning[J]. Sustainability， 2021， 13（7）： 3728.

[26] XU K， LIU F， MOU Y， et al. Using machine learning to learn machines： a cross-cultural study of users’ responses to machine-generated artworks[J]. Journal of broadcasting amp; electronic media， 2020， 64（4）： 566-591.

[27] WU Y， MOU Y， LI Z， et al. Investigating American and Chinese subjects’ explicit and implicit perceptions of AI-generated artistic work[J]. Computers in human behavior， 2020， 104： 106186.

[28] JACKSON B S， LURIA S R， KAUFMAN J C. A mirror to the world： art， creativity， and racial bias[M]//PREISS D D， SINGER M， KAUFMAN J C. Creativity， innovation， and change across cultures. Cham： Springer， 2023： 297-313.

[29] MASUDA T， GONZALEZ R， KWAN L， et al. Culture and aesthetic preference： comparing the attention to context of East Asians and Americans[J]. Personality and social psychology bulletin， 2008， 34（9）： 1260-1275.

[30] DARDA K M， CHATTERJEE A. Crosscultural aesthetics： can aesthetic contextualism overcome the ingroup bias？ [EB/OL]. [2025-02-20]. https：//osf.io/preprints/psyarxiv/g2u6x/download.

[31] DARDA K M， CHRISTENSEN A P， CHATTERJEE A. Does the frame of an artwork matter？ cultural framing and aesthetic judgments for abstract and representational art[J]. Psychology of aesthetics， creativity， and the arts， 2023， 17（4）： 428-450.

[32] DARDA K M， CROSS E S. The role of expertise and culture in visual art appreciation[J]. Scientific reports， 2022， 12（1）： 10666.

[33] BAO Y， YANG T， LIN X， et al. Aesthetic preferences for Eastern and Western traditional visual art： identity matters[J]. Frontiers in psychology， 2016， 7： 1596.

[34] SAUERMANN H， HAEUSSLER C. Authorship and contribution disclosures[J]. Science advances， 2017， 3（11）： e1700404.

[35] MARU?I? A， BO?NJAK L， JERON?I? A. A systematic review of research on the meaning， ethics and practices of authorship across scholarly disciplines[J]. Plos one， 2011， 6（9）： e23477.

[36] MAVIS B， DURNING S J， UIJTDEHAAGE S. Authorship order in medical education publications： in search of practical guidance for the community[J]. Teaching and learning in medicine， 2019， 31（3）： 288-297.

[37] MACIEJOVSKY B， BUDESCU D V， ARIELY D. Research note—the researcher as a consumer of scientific publications： how do name-ordering conventions affect inferences about contribution credits？[J]. Marketing science， 2009， 28（3）： 589-598.

[38]申琦.服務、合作與復刻：媒體等同理論視閾下的人機交互[J]. 西北師大學報（社會科學版）， 2022， 59（3）： 106-115. （SHEN Q. Service， cooperation and replication： human-machine communication in media equation theory[J]. Journal of Northwest Normal University （social sciences）， 2022， 59（3）： 106-115.）

[39]張銳君， 韓立新.我的AI戀人：媒介等同理論視域下人機親密關系中的情感互動研究[J]. 采寫編， 2022（12）： 4-8. （ZHANG R J， HAN L X. My AI lover： a study of emotional interaction in human-machine intimacy from the perspective of media equivalence theory[J]. Journalism amp; media studies， 2022（12）： 4-8.）

[40] CHIARELLA S G， TORROMINO G， GAGLIARDI D M， et al. Investigating the negative bias towards artificial intelligence： effects of prior assignment of AI-authorship on the aesthetic appreciation of abstract paintings[J]. Computers in human behavior， 2022， 137： 107406.

[41] WANG Z， GUAN L， LIU G， et al. Generation of Chinese classical poetry based on pretrained model[C]// Proceedings of 2023 2nd International conference on big data， information and computer Network （BDICN）. New York： IEEE， 2023： 182-185.

[42] DE FILIPPO A， GIULIANI L， MANCINI E， et al. Towards symbiotic creativity： a methodological approach to compare human and AI robotic dance creations[C]// Proceedings of the thirty-second International conference on International joint conferences on artificial intelligence （IJCAI）. Macao： IJCAI， 2023： 5806-5814.

[43] FORTUNA P， MODLI?SKI A. A（I）rtist or counterfeiter？ artificial intelligence as （D） evaluating factor on the art market[J]. The journal of arts management， law， and society， 2021， 51（3）： 188-201.

[44] LEDER H， BELKE B， OEBERST A， et al. A model of aesthetic appreciation and aesthetic judgments[J]. British journal of psychology， 2004， 95（4）： 489-508.

[45] EAKINS J P. Towards intelligent image retrieval[J]. Pattern recognition， 2002， 35（1）： 3-14.

[46] 陳金菊， 歐石燕.數字圖像語義標注模型比較與分析[J]. 圖書情報工作， 2018， 62（6）： 116-124. （CHEN J J， OU S Y. Comparison and analysis of digital image semantic annotation models[J]. Library and information service， 2018， 62（6）： 116-124.）

[47] DEMMER T R， KüHNAPFEL C， FINGERHUT J， et al. Does an emotional connection to art really require a human artist？ Emotion and intentionality responses to AI-versus human-created art and impact on aesthetic experience[J]. Computers in human behavior， 2023， 148： 107875.

[48] XU R， HSU Y. Discussion on the aesthetic experience of artificial intelligence creation and human art creation[C]//Proceedings of the 8th International conference on Kansei engineering and emotion research. Tokyo： Springer， 2020： 340-348.

[49] RAGOT M， MARTIN N， COJEAN S. AI-generated vs. human artworks. a perception bias towards artificial intelligence？[C]// Proceedings of the extended abstracts of the 2020 CHI conference on human factors in computing systems. New York： Association for Computing Machinery， 2020： 1-10.

[50] GUERREIRO R. Using artificial intelligence to create paintings： how type of artist impacts WTP through emotional intelligence and perceived quality[D]. Lisbon： Universidade Catolica Portuguesa （Portugal）， 2022.

[51] 蔣忠波， 師雪梅， 張宏博.人機傳播視域下算法新聞可信度的感知研究——基于一項對大學生的控制實驗分析[J]. 國際新聞界， 2022， 44（3）： 34-52. （JIANG Z B， SHI X M， ZHANG H B. Analysis on perceived credibility of algorithmic news from perspective of the human-machine communication： based on a control experiment on college students[J]. Chinese journal of journalism amp; communication， 2022， 44（3）： 34-52.）

[52] ZHENG Y， ZHONG B， YANG F. When algorithms meet journalism： the user perception to automated news in a cross-cultural context[J]. Computers in human behavior， 2018， 86： 266-275.

[53] YANG T， SILVEIRA S， FORMULI A， et al. Aesthetic experiences across cultures： neural correlates when viewing traditional Eastern or Western landscape paintings[J]. Frontiers in psychology， 2019， 10： 798.

[54] 郭鳳， 任孝鵬， 蘇紅.不同性別定向的名字對女性獲得面試機會的影響[J]. 中國人力資源開發， 2020， 37（5）： 46-58. （GUO F， REN X P， SU H. The impact of gender orientation of names on the female applicants’ interview opportunity[J]. Human resources development of China， 2020， 37（5）： 46-58.）

[55] TAY B， JUNG Y， PARK T. When stereotypes meet robots： the double-edge sword of robot gender and personality in human–robot interaction[J]. Computers in human behavior， 2014， 38： 75-84.

[56] FAUL F， ERDFELDER E， LANG A G， et al. G* Power 3： a flexible statistical power analysis program for the social， behavioral， and biomedical sciences[J]. Behavior research methods， 2007， 39（2）： 175-191.

[57] 石蕊， 賈曉然， 陳子宇， 等. 信息框架和媒介信任對公共衛生事件信息分享的影響機制研究——基于眼動追蹤技術[J]. 情報雜志， 2024， 43（11）： 199-207. （SHI R， JIA X R， CHEN Z Y， et al. The impact mechanism of message framing and media trust on the public health events information sharing： a study based on eye-tracking[J]. Journal of intelligence， 2024， 43（11）： 199-207.）

[58] 孫大力. 中國古典園林的山水畫情結[J]. 學術交流， 2007（3）： 191-193. （SUN D L. The landscape painting complex of Chinese classical gardens[J]. Academic exchange， 2007（3）： 191-193.）

[59] 童茵. 數字人文范式框架與繪畫文物AI智能研究[J]. 計算機產品與流通， 2020（3）： 133-135. （TONG Y. Research on digital humanities paradigm framework and AI intelligence of painting cultural relics[J]. Computer products and circulation， 2020（3）： 133-135.）

[60] 王平.明清“典故”和“臨仿”類畫題的興起——山水畫“畫題”的數字人文研究[J]. 藝術理論與藝術史學刊， 2018（2）： 103-127. （WANG P. The rise of “allusions” and “imitation” painting titles in Ming and Qing Dynasties： the study of digital humanities in landscape painting “painting titles”[J]. Journal of art theory amp; art history， 2018（2）： 103-127.）

[61] XUE A. End-to-end Chinese landscape painting creation using generative adversarial networks[C]//Proceedings of the IEEE/CVF Winter conference on applications of computer vision. New York： IEEE， 2021： 3863-3871.

[62] PASQUIER P， BURNETT A， THOMAS N G， et al. Investigating listener bias against musical metacreativity[C]//Proceedings of the seventh International conference on computational creativity. Paris： Sony CSL， 2016： 42-51.

[63] SUNDAR S S. Multimedia effects on processing and perception of online news： a study of picture， audio， and video downloads[J]. Journalism amp; mass communication quarterly， 2000， 77（3）： 480-499.

[64] LOMBARD M， DITTON T B， WEINSTEIN L. Measuring presence： the temple presence inventory[C]//Proceedings of the 12th annual International workshop on presence. Los Angeles： International Society for Presence Research， 2009： 1-15.

[65] ANNIE JIN S A. “My avatar behaves well and this feels right”： ideal and ought selves in video gaming[J]. Social behavior and personality： an international journal， 2011， 39（9）： 1175-1182.

[66]沈亞丹.無人自足之境——論中國山水畫空間的非敘事性[J]. 天津社會科學， 2024（4）： 126-135. （SHEN Y D. A realm of emptiness and self-sufficiency： on the non-narrative space of Chinese landscape painting[J]. Tianjin social sciences， 2024（4）： 126-135.）

[67] 孫辛欣， 孫亞楠， 趙宇翔， 等. 融入經驗知識的人智交互方式對老年用戶信任體驗的影響[J]. 圖書情報知識， 2024， 41（5）： 46-55. （SUN X X， SUN Y N， ZHAO Y X， et al. The effect of an empirical knowledge-based human-AI interaction approach on the trust experience of older adults[J]. Documentation， information amp; knowledge， 2024， 41（5）： 46-55）

[68] 羅博， 張晉朝.網絡公共信息服務社會信任的影響因素研究[J]. 中國圖書館學報， 2017， 43（5）： 84-101. （LUO B， ZHANG J C. Study on the antecedents of social trust in public e-information service[J]. Journal of library science in China， 2017， 43（5）： 84-101.）

[69] 李新月， 宋士杰， 韓文婷， 等.失真健康信息預先干預對個體感知與行為意愿影響的實證研究[J]. 信息資源管理學報， 2024， 14（1）： 44-54. （LI X Y， SONG S J， HAN W T， et al. An empirical study of the effects of a prebunking of health misinformation on individuals’ perceptions and behavioral intentions[J]. Journal of information resources management， 2024， 14（1）： 44-54.）

[70] MILLET K， BUEHLER F， DU G， et al. Defending humankind： anthropocentric bias in the appreciation of AI art[J]. Computers in human behavior， 2023， 143： 107707.

[71] WANG L. The subjective value of artistic creation in the age of artificial intelligence[C]// Proceedings of the 5th International conference on arts， design and contemporary education （ICADCE 2019）. Paris： Atlantis Press， 2019： 60-64.

[72] DOSHI A R， HAUSER O P. Generative AI enhances individual creativity but reduces the collective diversity of novel content[J]. Science advances， 2024， 10（28）： eadn5290.

[73] HARGREAVES D J. Musical imagination： perception and production， beauty and creativity[J]. Psychology of music， 2012， 40（5）： 539-557.

[74] CHE J， SUN X， GALLARDO V， et al. Cross-cultural empirical aesthetics[J]. Progress in brain research， 2018， 237： 77-103.

[75] HOGG M A. Uncertainty–identity theory[J]. Advances in experimental social psychology， 2007， 39： 69-126.

[76] CHI N T K， HOANG VU N. Investigating the customer trust in artificial intelligence： the role of anthropomorphism， empathy response， and interaction[J]. CAAI transactions on intelligence technology， 2023， 8（1）： 260-273.

[77] LUO X， TONG S， FANG Z， et al. Frontiers： machines vs. humans： the impact of artificial intelligence chatbot disclosure on customer purchases[J]. Marketing science， 2019， 38（6）： 937-947.

[78] LIU-THOMPKINS Y， OKAZAKI S， LI H. Artificial empathy in marketing interactions： bridging the human-AI gap in affective and social customer experience[J]. Journal of the academy of marketing science， 2022， 50（6）： 1198-1218.

[79] CHAMBERLAIN R， MULLIN C， SCHEERLINCK B， et al. Putting the art in artificial： aesthetic responses to computer-generated art[J]. Psychology of aesthetics， creativity， and the arts， 2018， 12（2）： 177-192.

[80] PHINNEY J S， ONG A D. Conceptualization and measurement of ethnic identity： current status and future directions[J]. Journal of counseling psychology， 2007， 54（3）： 271-281.

作者貢獻說明/Author contributions：

陳" 靜：提出研究思路和方法，修改論文；

劉" 奧：采集數據，撰寫論文。

The Vigilance Mechanism toward AI： The Impact of Authorship on the Perception of Digital Painting

Chen Jing" "Liu Ao

School of Information Management， Central China Normal University， Wuhan 430079

Abstract： [Purpose/Significance] The human-AI co-creation of digital painting is prevalent in digital humanistic art works， yet the impact of authorship on the perception of digital humanistic works co-created by human and AI remains unclear. This study aims to investigate the influence of authorship on the perception of digital painting and the regulating role of culture， in order to reveal feedback on the use of AI-generated content， providing direction for human-AI co-creative research. [Method/Process] The study employed a mixed experimental design： 4 （authorship： human/AI/human-led co-creation/AI-led co-creation） × 2 （cultural background： native/non-native）. Forty-eight participants were divided into two groups and viewed four digital painting works of the same genre but with different authorship origins. Their perceptions of the works were assessed using scales that measured perceived quality， spatial presence， perceived imaginativeness and empathy. [Result/Conclusion] The study reveals participants demonstrated a vigilance mechanism towards AI when perceiving the abstract attributes （perceived imaginativeness and empathy） of digital paintings， with a more pronounced presence in empathy than in perceived imaginativeness. Furthermore， culture plays a regulating role in the impact of authorship on empathy of digital painting.

Keywords： human-AI co-creation; authorship; perception; digital humanities

Fund project（s）： This work is supported by Fundamental Research Funds for the Central Universities titled “Research on Collaborative Mechanism between Generative Artificial Intelligence and the Human Brain”（Grant No. CCNUJCPT2024003701）.

Author（s）： Chen Jing， professor， PhD; Liu Ao， master candidate， corresponding author， E-mail： liuao@mails.ccnu.edu.cn.

Received： 2024-11-13" " Published： 2025-02-25