算法時代的電影批評學范式重構

2021年8月，中央宣傳部等五部門聯合發布了《關于加強新時代文藝評論工作的指導意見》，明確提出“構建中國特色評論話語”的核心目標，強調要建強評論陣地、推動全媒體融合發展，發展“微評、短評、快評”等多樣化全媒體評論形態，并提出基于大數據的評價體系與平臺算法治理機制，以適應數字時代的傳播變革。[在此背景下，推進中國電影批評的創新發展，關鍵在于構建具有理論自主性與文化主體性的批評話語體系，以回應黨的二十屆三中全會提出的“構建中國哲學社會科學自主知識體系”2的戰略任務，在技術變革與學術轉型中主動謀求理論范式的自我更新。

漸從以專家評論為核心的審美實踐，演化成一種以數據為驅動的協同創生過程。批評文本本身日益成為可計算、可預測、可優化的數據輸入，被嵌入平臺算法的“反饋一迭代”機制之中。換言之，電影批評不再是相對靜態的意義闡釋，而是融入算法邏輯與平臺規則的動態生產體系，成為算法與受眾情緒共同塑造影像意義的核心命題。

一、電影批評的歷史流變與理論脈絡：從人文本位到數據驅動

隨著ChatGPT、DeepSeek等人工智能模型的廣泛應用，人類正進入算法深度介入文化生產的新階段。這一范式變革深刻影響了電影批評的生產機制、傳播邏輯及價值評估體系。在AI文本生成技術、推薦算法與用戶行為數據反饋深度耦合的背景下，電影批評逐

在影像媒介持續進化與數字技術深度滲透的背景下，電影批評范式正經歷前所未有的重構。回溯其歷史進程，電影批評既是一種文化實踐的積淀，也是一種知識體制的演化結果，其理論脈絡由人文本位的審美判斷逐漸過渡至數據驅動的分析邏輯，標示出當代批評轉型的關鍵軌跡。

（一）影評傳統的文化建構與批評范式的生成邏輯

“電影批評”（filmcriticism）通常被理解為對電影作品的嚴肅判斷，然而，在許多語境下，它往往與“電影評論”（filmreview）的概念相混淆。批評活動的興起可追溯至19世紀，當時教授們通過講座、論文以及學術期刊（如《牛津雜志》）確立批評標準。進入數字時代之后，傳統的“批評”形態很大程度上被置換為“評論”。“評論”以其即時性、交互性、娛樂性喚起更多主體的參與。正如阿爾貝·蒂博代（AlbertThibaudet）所指出，19世紀批評實踐經歷了兩大革命性轉變：其一，批評作為一門獨立學科得以制度化確立；其二，批評借助公共媒介進一步深入社會生活，與大眾文化建立起更緊密的聯系。[3在此變革進程中，算法已不再僅是附屬于技術層面的工具性存在，而是嵌入電影的創作機制與傳播路徑之中，深刻介入并重塑當代影像的美學邏輯與敘事結構。

在中國，數字人文量化方法的早期嘗試留下了歷史的印跡。例如，20世紀20年代，梁啟超提出“統計歷史學”的構想，而清華國學研究院的呂聚賢更是親身實踐，憑借算盤進行歷史數據的量化分析。這些早熟的“數字化”嘗試，折射出一種現代主義激情一—對體系化、理性化、效率與進步的執著追求。它們猶如超前感知時代脈動而驟然綻放的花朵，而真正適逢其時的季節，直至數字時代才姍姍到來。[4縱觀中國電影批評的發展歷程，從報刊時代到網絡時代，電影批評的主體性始終處于權力、知識生產與傳播技術的交匯點上。傳統電影批評主要依賴文本分析、美學闡釋和意識形態批評，而進入21世紀，特別是大數據和人工智能技術迅速發展的當下，電影批評逐漸被數據化、算法化的評價體系所影響，形成了以計算批評為核心的新范式。

從中國最早的電影批評刊物《影戲雜志》所提出的“發揚影戲價值，介紹有價值的影片，在影劇界上爭人格”[5]“表彰電影之功用，勸導電影之宏業”[起，電影批評便深受傳統文化影響，關注電影的思想內容和社會功能，而非電影語言的創新，批評形式以報刊文章為主，呈現出“論評合一”的特征。再到新中國成立后，《大眾電影》《中國電影》《上海電影》等刊物承擔著傳播主流價值觀引導大眾審美的重要任務，“為新中國電影興起建立輿論陣地”而服務，以及改革開放后批評的“向內轉”趨勢，中國電影批評逐漸從單一的意識形態批評向美學批評、類型研究、文化研究等方向拓展。20世紀80年代符號學、敘事學、精神分析、意識形態批評等西方電影理論進入中國，中國電影批評學科體系初步形成，此時的中國電影批評常常分為兩類：理論探討與作品評論。[8]

（二）算法邏輯的介入與電影批評實踐的結構轉向

在中國電影批評的發展過程中，“文化發展的計算機化”已經成為不可避免的趨勢，以人工智能算法為代表的技術系統也正在構建新的文化輿論空間，傳統電影批評范式的形成深受文化與媒介技術的影響，在深度媒介化的當下，文藝評論在新框架體系下被賦權，“不同領域的參與者不得不調整他們的行為以適應媒介的評估、形式與慣例”[9]。從20世紀初的報刊電影批評到20世紀80年代學術批評體系的初成，電影批評主體的話語權建立在文化資本的積累之上，并受限于當時的傳播技術環境。評論語境和主體更迭不斷形塑影評場域的結構力量，電影批評由此呈現相應的語言表征與價值含義。[0]在如此動態演進中，電影批評正從以人文本位的文化判斷邁向由算法引導的數據洞察。

近年來，備受關注的“算法工業美學”研究正是對此現象的理論回應，它揭示了“算法思維”如何滲透至虛擬制作、互動影像編程、人工智能影像生成以及算法驅動的內容分發等多個環節，對電影藝術形態構成系統性重構。這一技術邏輯不僅重塑甚至顛覆了傳統的影像生產范式，更對電影批評的主體結構、方法論路徑及價值判斷體系帶來了深遠沖擊：以文本細讀與美學評析為核心的批評范式，正遭遇由數據智能主導的技術挑戰，其批評邏輯與評價標準亟須在新的媒介語境與算法機制中重新審視與建構。

在算法邏輯深入介入文化生產的今天，電影批評的權力結構與價值體系正在悄然重構。布爾迪厄（PierreBourdieu）指出，文化資本作為一種象征性資源，決定個體在文化場域中的地位。11]電影批評者憑借理論素養、寫作風格和學術話語建立權威，占據批評場域的主導地位。而今，在數字平臺主導的傳播機制中，點擊量、點贊數、轉發量等流量指標正在取代專業判斷，成為影響力的新標尺。文化資本的邏輯正在讓位于“流量資本”，電影批評的話語權也由專家逐步轉向平臺與算法，呈現出以技術分發為中心的權力再配置。

如果人工智能成為一種“科學工具”，代表一種“理性權威”，電影創作與批評顯然會受到極大挑戰。這一變革引發兩個核心問題：其一，算法是否具備評判藝術價值的能力？其二，在數據主導的文化生產機制中，批評如何保持獨立性與批判性？正如學者陳旭光所擔憂的：當人工智能算法參與到現實，這既涉及人類生存前景和安全問題，也涉及人工智能影像在責任、隱私、公平性等方面所引發的倫理和道德安全問題。[12由此看來，在算法與文化同構的語境中，如何構建批評的主體性與話語張力，成為當代電影批評亟須回應的關鍵議題。

二、電影批評的新語境構建：去權力中心、情感智能化與數據治理的三維協同

在算法主導的媒介環境中，電影批評面臨范式重構的深層挑戰。從權力結構的“去中心化”，到情感計算技術的介入，再到數據治理機制的建立，批評實踐正發生系統性的遷移與重塑。普通用戶、人工智能與平臺算法共同參與評價體系建構，推動批評主體的多元協同與方法論的數字化轉向。與此同時，算法驅動下的價值判斷體系亦暴露出透明性、公平性與倫理性等風險。在文化判斷與技術理性之間，電影批評亟須回應新的認知結構與規范邏輯。

（一）電影批評主體的“去中心化”與話語結構的再塑

隨著互聯網技術從Web1.0向Web3.0演進，信息傳播模式與社交關系結構發生根本性轉變。Web3.0依托人工智能與區塊鏈技術所構建的去中心化生態，重新定義了網絡內容的生產、傳播與治理機制。特別是區塊鏈所賦予的數字確權、安全保障與用戶參與權，為文化批評提供了新的制度性支持，使其逐步擺脫以單一權威為核心的垂直式批評體系，轉向多主體協同共構的網絡話語格局。

在電影批評領域，這一趨勢尤為突出，表現為批評主體多樣化、話語權重新分配，以及評價體系去規范化。傳統批評長期建立在由專業影評人、學者與主流媒體構成的中心化結構中，其話語結構呈現出理論范式主導、學術規范導向的封閉性特征。然而，社交平臺與推薦算法的廣泛應用，打破了這一權力格局，使普通用戶、平臺算法乃至生成式AI共同參與批評話語的建構之中。電影評論不再只是權威發表意見的場域，而成為由“專業+業余+機器”三重主體共同構成的“去中心而多中心”的網絡化格局。

需要指出的是，“去中心化”并不意味著批評權力的消散，而是在算法治理邏輯下的再分布。平臺通過協同過濾、特征聚類與價值加權等機制深度介入文化內容的呈現路徑，電影作品的可見度與評價影響力越來越依賴數據標簽、用戶行為與算法推薦的組合效應。這一機制促使電影批評逐漸從“文本一理論一作者”結構，演化為“數據一反饋一算法”結構，其話語結構也隨之從理論驅動向平臺導向遷移，呈現出高度程序化、可視化與情緒驅動的特征。在這一過程中，電影批評逐步被嵌入平臺運營與數據優化的技術框架之中，呈現出從以人文本位的審美判斷，向以用戶行為為導向的“輿論調控”與“數據治理”實踐轉向的趨勢。值得注意的是，這種變化雖為批評注入了實時反饋與情感分析等新維度，但也相應削弱了電影批評原有的獨立性與批判性，使其在某種程度上滑向對平臺邏輯的適配，而非對文化現象的深度反思。

這一話語結構的變化帶來了雙重效應：一方面，它打破了精英主義批評的壟斷地位，提升了文化表達的民主性與參與性；另一方面，它也將電影批評置于平臺權力與算法治理的技術框架之中，使其面臨新的話語規訓與權力干預風險。特別是在人工智能深度參與文化生產與傳播的背景下，電影批評不再只是關于文本的解讀與美學判斷，更成為一場話語的博弈，一種在平臺邏輯、數據機制與文化闡釋之間不斷重構的實踐。

（二）“情感計算”的嵌入與批評方法論的數字化轉型

長期以來，電影批評實踐多依托文本細讀、敘事學、精神分析等人文理論范式，強調批評者的文化洞察力與個體經驗。然而，在數據驅動的技術語境中，情感計算、自然語言處理（NLP）、模式識別與機器學習等工具日益嵌入批評實踐，推動其方法論向數字化、系統化方向轉型。人工智能不僅輔助批評者識別敘事結構、分析情感傾向，更在一定程度上重塑了批評的主體結構，使其從“人的感知判斷”逐步遷移至“算法的預測建模”[13]。這一轉變突破了傳統“以文本為中心”的詮釋邏輯，將評價焦點從“作品意義的闡釋”轉向“觀眾情緒的建模”。情感作為電影接受的核心維度，開始被納入算法體系，成為可計算、可預測、可量化的變量，被嵌入平臺推薦機制、內容分發流程與價值排序規則中，催生出一種“算法情緒政治”，即在平臺算法主導的數字環境中，情緒被系統性地收集、量化、分析并用于引導輿論、操控偏好和分配注意力資源。

情感分析（SentimentAnalysis）依托自然語言處理與深度學習技術，對影評文本、彈幕評論與用戶評分等非結構化數據進行情緒識別，進而描繪出用戶情緒分布與文化偏好。雖然這些文本數據本質上仍來源于用戶基于主體經驗的表達，但算法在其基礎上進行的量化處理，使得批評不再完全依賴個體詮釋，而是呈現出“感知一情緒一意義”的數據化路徑。在此過程中，批評邏輯逐漸從價值判斷的主觀洞察轉向數據關聯的統計分析，情緒表達被標簽化、結構化，成為可供機器提取的參數特征。從理論上看，這種邏輯重塑了批評的本體結構：情感不再是無法言說的“余情”，而成為算法可以解析與預測的“計算資源”。

以IMDb的Top250評分為例，其數據得分通過“weighted rank（WR）=（_V÷（v+m））xR+（m÷（v+m））×C^0.714 （20的公式算法，基于貝葉斯統計模型而得出。其中，R為影片的算術平均分，v為影片的投票數（評價人數），C為全站平均分（目前所有電影的平均票數），m為評分門檻（進入IMDbToP250需要的最小投票數）。此類模型強調“眾評”基礎上的評分可信度，卻也將美學評價簡化為量化指標，使審美判斷趨向算法優化，而非作品內在藝術價值的探討。類似地，目前已有工程師基于NLP的情感分析系統，嘗試利用n8n與DeepSeek等算法工具對《哪吒之魔童鬧海》的豆瓣評論進行自動化抓取與情感分析，探索批評實踐的智能化可能性。[15]可見，在算法驅動的語境中，電影批評正由經驗性的人文詮釋轉向基于數據的認知建模，而情感計算正是這一轉型的關鍵變量。

（三）“數據治理”的優化與電影批評價值體系的再建

作為一種新型的技術管理機制，“數據治理”正在成為當代文化生產與價值分配的重要制度力量。在提升傳播效率、優化流程的同時，它也悄然重塑了電影批評的價值體系。這一轉變體現于公平性、透明性與系統性三方面的協同演進，推動批評邏輯從精英中心走向平臺驅動和群體共建。

首先，公平性是批評體系持續演化的根基。傳統批評話語由少數專業群體主導，邊緣文化與非主流類型常被排斥于主流視野之外。數據治理借助對用戶反饋的規模化整合，使多元審美經驗得以浮現，拓展了文化表達的邊界；其次，透明性關系到批評的公信力與社會接受度。去中心化平臺和信息公開機制增強了評價的可追溯性與可驗證性，諸如Metacritic、豆瓣等平臺通過評分體系與標簽結構提升了理解門檻的可讀性，而區塊鏈和智能合約技術也在一定程度上強化了用戶生成內容的真實性保障；再次，系統性促使批評方法從個體經驗走向標準建構。在算法推動下，電影評價逐步融合敘事邏輯、情感反饋與社會價值等多元維度，平臺也借助用戶畫像實現內容推薦與偏好匹配，如Netflix與B站精準識別用戶偏好，推動評價體系走向多樣化與動態化。

然而，這種基于預測邏輯的優化機制，也引發新的結構性緊張。當電影批評嵌入平臺算法邏輯之后，其價值判斷可能逐步演化為技術驅動的偏好輸出，批評主體的能動性與判斷力隨之被削弱。在這一過程中，平臺算法通過標簽體系與情緒維度塑造內容分發邏輯，進而重構審美標準與表達方式，使批評話語在無形中服從于數據邏輯與平臺規范。這種權力形態并非外在壓制，而是通過技術結構與制度機制的日常運作完成規訓與整合，呈現出某種“去意識形態化”的控制形態。它常常以個體自由選擇為名，實則通過行為引導與內容排序塑造文化認知與價值取向。在此意義上，批評逐漸被納入平臺規訓體系，喪失其本應承載的文化介入與理性判斷功能。

因此，電影批評的價值重建不應僅依賴技術進步，更需制度護航。包括提升平臺規則的公眾參與度、引入數據模型的開放審查機制、明確AI生成內容的標識與使用規范等。唯有在正視技術力量的同時，確立批評作為公共理性表達的制度基礎，電影批評才能在新時代實現深層次轉型，繼續發揮其文化干預與價值建構的思想張力。

三、算法賦能與批評范式的創新：探索路徑與未來展望

從推薦算法優化觀影體驗，到情感分析解讀觀眾反饋，技術正重塑電影批評的邏輯框架。然而，在算法賦能的同時，如何確保批評的獨立性、創造性與文化深度，成為值得關注的問題。算法是否會強化主流審美，抑制多元聲音？電影批評在智能化發展中如何保持其文化價值？面對這些挑戰，電影批評的未來既充滿機遇，也伴隨深刻反思。

（一）批評主體的進化：構建“人機協同”的新型批評者

隨著電影批評主體的擴容，批評者的主體性問題成為文化轉型過程中的核心議題之一。在“雜語”時代，文化場域的開放并未導致學者身份的式微，反而更需要專家學者維護學術批評的自主性。同時，從現實語境來看，學術性的電影批評要避免在信息洪流中被淹沒，就必須在媒體化場域中重塑自身主體，以提升其影響力與可見度。人工智能的深度介入已然改變了電影創作的邏輯，批評領域同樣面臨類似挑戰。學者陳旭光表示，人工智能時代的電影導演必須重新定義自身的生存環境、藝術觀念與創作原則，這一議題不僅關涉電影的生產方式，也直接影響電影批評的未來走向。6面對智能技術的嵌入，電影批評者需要重新審視自身的角色，探索如何在算法主導的媒介環境中維持批評的獨立性。

關于人工智能與人類關系的討論由來已久，在電影批評領域同樣存在技術樂觀主義與技術悲觀主義兩種視角。技術樂觀主義者認為，人工智能的介入不僅不會削弱批評的價值，反而可以作為輔助工具拓展批評的廣度與深度。例如，鮑里斯·格羅伊斯（BorisGroys）早在《藝術的權力》（ArtPower）一書中便提出，技術手段能夠“再生”或“再造”被機械復制時代消解的“藝術靈韻”，為文化生產提供新的可能性。而技術悲觀主義者則擔憂，人工智能可能削弱甚至顛覆人類批評主體性。例如，詹姆斯·巴拉特（James Barrat）在《我們最后的發明》中警示，智能機器雖然未必對人類抱有敵意，但一旦掌控了極端強大的計算能力，其決策邏輯可能會做出超出人類理解范圍的行為，甚至與人類生存訴求產生不可調和的矛盾。[18隨著“人機一體”狀態的深化，電影批評者的工作正日益“理性化”，人工智能算法正在改變并建構著新的主體性。傳統依賴直覺、經驗與個體感受的批評方式逐漸式微，取而代之的是基于數據挖掘、情感計算和模式識別的量化分析工具，批評者的任務逐步轉向數據篩選、模式判斷與決策分析。

因此，在技術不斷演進的背景下，電影批評者亟須在“人機協同”的新范式中重構主體定位，以保持批評的深度、獨立性與文化想象力，在理性與感性、技術與人文之間開辟出新的批評空間。

（二）批評方法的重塑：從“文本闡釋”到“量化—質性”融合

“數字批評”作為一種新興研究范式，專指借助算法工具對文本進行“遠讀”（DistantReading）的方法論體系。這一領域融合了數字人文、計算語言學與文學研究，起源于弗蘭科·莫萊蒂（FrancoMoretti）提出的“遠讀”理論，一種以數字人文和計算方法為基礎的文學研究范式，旨在通過大規模數據分析揭示文學現象的宏觀規律，而非傳統的文本細讀。[19]與傳統基于細讀（CloseReading）的文本分析方法不同，數字批評強調利用大規模語料庫和計算模型，從宏觀層面揭示文學現象的統計規律，同時借助算法解釋性技術，在微觀層面挖掘文本之間的深層關聯。目前，學界對該領域存在多重命名，包括文化分析學、文學數據挖掘、定量形式主義、計算批評及計算文學研究等。這一方法論不僅突破了傳統文本分析的局限性，還推動了文學研究向數據化、可視化和跨學科融合的方向發展。例如，在《劍橋英國小說史》項目中，研究者運用自然語言處理技術，對19世紀英國小說的文體風格、敘事模式和主題分布進行了大規模量化分析，揭示出文學風格演變的潛在趨勢。此外，由伊恩·古德費洛（IanGoodfellow）等人于2014年提出“生成對抗網絡”（GAN）等深度學習算法也被引入文學研究，其核心思想是通過兩個神經網絡的對抗訓練，實現對數據分布的模擬與生成，以此探索如何自動生成符合特定韻律和風格特征的古典詩歌，這也將在未來應用于電影批評界。

隨著人工智能算法的深度嵌入，數字批評正經歷方法論上的拓展與重構。從傳統基于關鍵詞統計與文本分類的研究，逐步過渡到利用神經網絡（模型）、Transformer模型（如GPT、BERT）進行語義理解與文本生成。AI不僅可以對文學文本進行風格化分析，還能夠生成新的文本、模仿作者寫作習慣，甚至在一定程度上參與文學創作。類似變革正在電影批評領域發生。隨著數據分析、計算語言學與人工智能在影像研究中的應用，電影批評的方法論正經歷從傳統文本分析向計算驅動分析的轉變。例如，基于機器學習的影像風格識別技術可以自動分析導演的鏡頭語言、剪輯節奏及色彩風格，并建立視覺風格數據庫，以揭示不同電影流派之間的關聯性。此外，神經網絡模型被用于預測電影敘事結構的發展趨勢，通過對大規模電影劇本的數據分析，研究者可以提取常見敘事模式，甚至自動生成符合特定類型規則的劇本大綱。更進一步，基于觀眾反饋的數據分析成為電影批評的新興方法。視頻網站的用戶評論、評分數據及情感分析等算法手段，使得電影評價體系日益向數據化、即時化方向演進。

（三）批評生態的治理：構建“算法透明化”與批評標準化機制

在算法治理中，透明性是應對“黑箱化”問題的核心策略。理論上，算法透明主要包括“技術披露”（technicaldisclosure）與“決策解釋”（decisionexplanation）兩種路徑：前者涉及公開算法原理，后者旨在幫助用戶理解其決策邏輯。[20]然而，在實際操作中，前者常因涉及商業敏感信息而受限，后者則受限于觀眾的技術理解能力。即便當前可解釋人工智能已取得一定進展，其后模型解釋技術多停留在局部層面，難以全面揭示深度學習模型的整體決策過程。這種技術局限使依賴算法的電影評價機制面臨理解壁壘與信任風險。

更進一步，算法可解釋性不僅是技術議題，更關涉用戶的認知能力與解釋機制的可靠性。復雜模型的運作邏輯往往超出普通用戶的理解邊界，而不同xAI方法對同一算法結果的解釋可能相互矛盾，反而削弱了觀眾對評價系統公正性的信任。這提示人們：僅依賴技術透明是不足以構建可信批評生態的，必須同時推進批評體系的制度化與標準化建設。算法的不透明性、潛在的數據偏見以及對批評獨立性的威脅，正日益成為亟須應對的生態難題。因此，構建以“算法透明化”為核心的技術治理機制，并推動批評體系的標準化建設，是確保電影批評在數字語境中保持公正性、獨立性與文化洞察力的關鍵路徑。

在全球范圍內，“可信人工智能”（TrustworthyAI）正逐步成為算法治理的核心范式。該理念強調通過技術架構優化、倫理規范制定與制度性調控三維協同，確保人工智能系統在可控性、透明度、公平性與安全性等關鍵維度獲得公眾信任。歐盟《人工智能法》、美國國家標準與技術研究院（NIST）發布的《AI風險管理框架》，以及中國《新一代人工智能倫理規范》等政策文件，均從不同維度強調人工智能的責任可追溯性與倫理適應性，這些治理理念亦可為算法介入下的批評生態重構提供制度參照。具體而言，電影批評可在三個層面推進治理機制建設：第一，強化算法透明化，確保影評推薦、評分機制的運行邏輯對批評者與觀眾可理解與可質詢；第二，推動批評標準化，通過引入多維度評價指標體系，將數據分析與專家判斷、文化語境有機結合，提升批評的科學性與人文厚度；第三，建立算法倫理審查機制，防止推薦系統在利益驅動下固化審美偏好、壓制邊緣表達及誤導公眾認知。

算法介入為電影批評帶來數據驅動的效率優勢，也提出諸多治理挑戰。在技術邏輯與批評自主的張力中，唯有通過透明化的算法機制與標準化的批評體系協同推進，方能構建一個既可計算又具反思性的電影批評生態，為數字時代的文化評價提供更具規范性與深度的學術支撐。

結語

在算法時代，人工智能技術的迅速發展正深刻重塑影像生產體系與批評實踐邏輯，促使電影評價范式朝向數據驅動、交互敘事與智能分發等方向演進。在此背景下，如何在技術賦能與人文關懷之間實現動態平衡，如何在數據治理與批評自主性之間確立合理邊界，正成為電影批評未來走向的核心議題。電影批評的價值不應止步于工具理性的更新與表達方式的轉型，更應在不斷變化的媒介環境中守護其文化判斷力與公共理性。在技術深度介入的當下，唯有將算法視為批評的輔助而非主導，在數據邏輯與審美想象之間構建一種“人機協同”的新型生態，方能在提升效率的同時，維系批評的深度、創造力與文化介入能力。

參考文獻：

[1]中央宣傳部等五部門聯合印發《關于加強新時代文藝評論工作的指導意見》[EB/OL].（2021-08-02）[2025-04-07].https：//www.gov.cn/xinwen/2021-08/02/content_5629062.htm.

[2]中共中央關于進一步全面深化改革推進中國式現代化的決定[M].北京：人民出版社，2024：32.

[3][法]阿爾貝·蒂博代.六說文學批評[M].趙堅，譯.北京：生活·讀書·新知三聯書店，1989：2-3.

[4]胡行舟.數字批評之批評[J].中國文學批評，2024（03）：179-188，192.

[5]顧肯夫.《影戲雜志》發刊詞[J].影戲雜志，1921（01）：10.

[6]編者.《電影雜志》發刊詞二[J].電影雜志，1922（01）：1-3.

[7]于伶.期望[J].大眾電影，1950（01）：1.

[8]陳吉德.意識形態批評及其對電影研究的價值[J].南京師大學報：社會科學版，2020（04）：140-148.

[9][丹麥]施蒂格·夏瓦.文化與社會的媒介化[M].劉君，譯.上海：復旦大學出版社，2018：15.

[10]高亞林，陳吉德.學術性影評媒體化場域：流變、困境及突圍路徑[J].未來傳播，2022（01）：112-117.

[11][法]皮埃爾·布爾迪厄.實踐理論大綱[M].高振華，譯.北京：中國人民大學出版社，2017：304-307.

[12]陳旭光.人機一體、虛擬影像與倫理預警——人工智能時代電影工業美學“接著講”之一[J].上海師范大學學報：哲學社會科學版，2024（05）：103-112.

[13]張明浩，于映菡.人工智能算法時代的電影理論——從電影的“主體”重構與“主體論”理論擴容談起[J].電影評介，2024（13）：15-21.

[14]陳曦，劉書亮.西方視域下中國電影的類型優勢、文化折扣與文化溢價——基于IMDb與豆瓣網數據的實證研究[J].當代電影，2021（11）：147-153.

[15]陳旭光，滿勝寵.技術賦能、美學革新與數字表演的張力——電影工業美學視域下《哪吒之魔童鬧海》創作論[J].寧夏社會科學，2025（02）：194-200.

[16]陳旭光，張明浩.人工智能時代的電影導演：生存環境、藝術觀念與創作原則——電影工業美學“接著講”的“作者”之維[J].山東師范大學學報：社會科學版，2024（05）：147-156+2.

[17]BorisGroys.ArtPower[M].Cambrudge：MITPress，2008：63.

[18][美]詹姆斯·巴拉特.我們最后的發明：人工智能與人類時代的終結[M].閭佳，譯.北京：電子工業出版社，2016：12.

[19]楊玲.遠讀、文學實驗室與數字人文：弗朗哥·莫萊蒂的文學研究路徑[J].中外文論，2017（01）：295-309.[20]楊志航.算法透明實現的另一種可能：可解釋人工智能[J].行政法學研究，2024（03）：154-163.