当大型语言模型介入中国社交媒体日常女权主义：女性赋权的机会与风险

文献标题

When LLMs Enter Everyday Feminism on Chinese Social Media: Opportunities and Risks for Women's Empowerment

出版信息

• 主题领域: 大型语言模型（LLMs）与中国数字女性主义实践的交互。
• 关键词: LLMs, 日常女性主义, 女性赋权, RedNote, DeepSeek, 性别偏见, 女性主义HCI, 社交媒体, 女性主义话语, 中国语境。

背景与问题

• 问题/挑战: 像 DeepSeek 这样的 LLM 融入中国社交媒体上的女性主义讨论，引发了关于这些模型如何强化或挑战现有性别规范和结构性不平等的担忧。
• 重要性: 在中国，公开的女性主义行动受到限制，日常数字女性主义是女性赋权的重要途径。理解 LLM 在这一领域的作用对于设计支持而非削弱女性主义实践的技术至关重要。
• 动机与相关研究: 先前研究表明，LLM 往往会再现性别偏见和规范性假设，但关于它们在塑造女性主义话语和建议中的作用知之甚少。本研究通过分析 DeepSeek 在 RedNote（中国日常数字女性主义的重要平台）生成的内容的使用和接受情况，填补了这一空白。

解决方案

• 提出的方法: 对 DeepSeek 在 RedNote 上“女性成长”讨论中的作用进行混合方法分析，结合内容分析、女性主义批判性话语分析（FCDA）和评论分析。
• 创新性:
  1. 探讨 LLM 生成的建议如何在女性主义数字空间中传播及其与现有性别规范的对齐情况。
  2. 识别 LLM 对日常女性主义实践带来的机遇和风险。
  3. 提出将 LLM 集成到女性主义数字空间的设计建议。
• 过程与关键技术:
  • 数据收集: 抓取了 430 篇 RedNote 帖子、139 条 DeepSeek 回复和 3,211 条评论。
  • 内容分析: 对涉及 DeepSeek 的帖子主题和态度进行分类。
  • FCDA: 使用 Kabeer 的赋权框架（资源、能动性、成就）分析 DeepSeek 对女性成长的框架化。
  • 评论分析: 识别社区对 DeepSeek 建议的立场（合法化、协商、抵制、中立）。

结果

• 具体发现:
  • DeepSeek 的建议主要集中在现有结构内的自我优化（79.1%），对结构性约束或变革性目标关注较少。
  • DeepSeek 设想的成就包括职业流动性、财务稳定和情绪调节，通常被框架化为个人责任。
  • DeepSeek 提议的路径强调自我调节和战略规划，几乎未涉及集体行动或结构性变革。
  • 社区反应不一：49.2% 合法化了 DeepSeek 的建议，16.0% 抵制，7.6% 协商其适用性，27.2% 保持中立。
• 相较基线的优势:
  • 本研究对 LLM 如何与女性主义话语互动提供了细致入微的理解，既突出了它们支持意义建构的潜力，也揭示了其强化新自由主义自我优化叙事的风险。
• 实验/评估:
  • 数据分析包括 RedNote 上的帖子和评论，重点关注“女性成长”话题标签。
  • 指标包括主题、态度和立场的普遍性，以及来自 FCDA 的定性见解。
• 局限性与未来工作:
  • 由于 RedNote 的搜索机制，数据集不完整。
  • 分析依赖于用户分享的 DeepSeek 回复摘录，可能无法代表模型的完整行为。
  • 未来工作可以包括对 LLM 输出的控制研究、多层次评论分析以及用户访谈。

总结

本研究探讨了中国 LLM DeepSeek 如何在 RedNote 上的“女性成长”讨论中发挥作用。尽管 DeepSeek 的建议广受欢迎，但其主要推动现有结构内的自我优化，忽视了系统性障碍和变革性目标。社区反应多样化，有用户合法化其建议，也有用户抵制或协商其适用性。研究发现既揭示了将 LLM 集成到女性主义数字空间的机遇（如支持意义建构和情感共鸣），也指出了其风险（如强化新自由主义叙事）。研究提出了设计更好支持女性主义实践的 LLM 的建议，强调情境敏感性、透明性和集体赋权。