公开题目：《AI赋能微短剧的情感塑造叙事策略实证研究——以〈山海奇镜之劈波斩浪〉为例》

题目切口：它没有泛泛讨论“AI对影视行业的影响”，而是把范围落在“微短剧”这一内容形态，并进一步聚焦“情感塑造”和“叙事策略”。案例作品为题目提供了具体边界。

需要继续澄清：“情感塑造”究竟指作品如何通过情节、角色、镜头、声音组织情绪，还是观众实际产生了何种情感体验？前者可以分析作品文本，后者需要受众数据，二者不能混为一谈。

可能的证据入口：作品正片、分镜或剧本、镜头与声音编码表；如研究观众情感反应，还需要观众问卷、访谈或实验材料。

公开题目：《AIGC时代非遗纹样的“算法再生产”机制研究——以汉绣视觉体系为中心》

题目切口：题目以“汉绣视觉体系”限定文化对象，以“算法再生产”提出核心概念，研究重点不只是 AI 能否生成纹样，而是传统纹样元素如何进入生成过程、如何被重组，以及生成结果与原有文化视觉特征之间的关系。

需要继续澄清：“算法再生产”要拆成可观察的过程，例如文化元素提取、参考图与提示词输入、多轮生成、人工筛选和修改；“文化准确性”也需要明确由哪些可识别的纹样特征或专家判断来评价。

可能的证据入口：汉绣纹样图像与资料、提示词和参考图、不同轮次生成结果、人工修改版本、设计者说明及相关领域专家评价。

公开题目：《文化元素解析视角下IP文创设计中“人机协同”标准化流程构建与应用研究》

题目切口：题目将“文化元素解析”作为设计起点，把研究落在 IP 文创设计中的人机协同流程，而不是笼统讨论 AI 是否能够设计文创产品。

需要继续澄清：“标准化流程”需要明确具体步骤、输入输出和判断标准；“应用研究”还需要说明流程将在哪类 IP、哪种产品或哪项设计任务中试用，以及如何评价流程是否可用。

可能的证据入口：IP文化资料、设计需求、文化元素拆解表、提示词与生成记录、设计版本、设计师访谈和用户/专家评价。

公开题目：《从“虚拟依赖”到“现实参照”：青年群体对动画角色的认同投射与价值感重建研究》

题目切口：题目从动画角色延伸到青年群体的心理与价值体验，研究重点已经从作品本身转向受众如何理解角色、与角色建立关系，以及这种关系如何进入现实生活。

需要继续澄清：“虚拟依赖”“认同投射”“价值感重建”都是需要界定的概念。研究者必须说明研究的是观看经历、角色认同、情感陪伴还是现实行为变化，不能把几个概念直接当作同一件事。

可能的证据入口：青年受众问卷、深度访谈、角色文本分析，以及受访者能够具体回忆的观看和互动经历。

第一段｜现实变化：AI开始进入动画生产链条

生成式人工智能与智能化制作工具正在进入数字内容生产的多个环节，动画生产也由此出现新的工具组合与工作流程。与只讨论某一种图像或视频生成工具不同，动画项目通常由前期策划、资产制作、动画制作和后期处理等环节衔接完成，某一环节的技术变化可能影响后续素材交接、人员分工与时间安排。因此，讨论 AI 对动画创作的影响，需要把技术放回具体生产流程中考察，而不能仅以“能够生成图像或视频”概括其作用。

第二段｜专业场景：不同环节的任务要求并不相同

在前期视觉开发中，创作者需要围绕故事设定形成角色、场景、构图和分镜方案；在资产制作与动画制作阶段，还要处理模型、材质、角色动作和镜头连续性；后期阶段则涉及合成、调色、声音与成片输出。各环节对生成结果的要求不同：前期更强调创意探索和方案比较，制作环节强调可控性、连续性与技术适配，后期则包含较多标准化处理任务。这意味着 AI 工具的适用性可能随任务类型而变化。

第三段｜具体矛盾：效率提升不等于所有环节都更有效

Chen 等（2024）以 10 个不同类型的动画项目为对象，采用网络数据包络分析，将 3D 动画生产划分为前期制作、资产创建、动画制作和后期制作四个阶段。研究报告显示，不同阶段的效率表现存在差异，后期制作阶段的平均效率得分较高（0.91275），作者据此强调 AI 整合效果与任务标准化程度、组织能力等条件有关。该研究提示，不能把“AI提高动画效率”写成适用于所有任务的普遍结论；但其项目样本和效率模型也不能直接替代对学生创作者具体决策过程的观察。

第四段｜研究切口：从整体效率转向创作者如何作出判断

对于动画专业学生而言，前期视觉开发不仅涉及生成速度，还涉及创作者如何判断生成图像是否符合角色设定、叙事功能和整体风格，如何在多个候选方案之间进行选择，以及如何通过提示词和人工修改把生成结果整合进自己的方案。Hou 等（2025）在平面设计任务实验中区分创意构思与方案实施两个阶段，发现生成式 AI 的作用会随创作阶段和设计者经验而变化；这一结果并非动画研究结论，却提示创作过程中的阶段差异值得在动画情境中进一步考察。因此，本项目可聚焦 AIGC 辅助动画短片前期视觉开发中的创作者决策过程，并通过生成记录、作品版本和创作者访谈获取证据。

来源：Chen et al. (2024), Electronics, 13(24), 5001；Hou et al. (2025), Information Systems Research。注意：Hou 等研究的是设计任务，不是动画制作，引用时只能作为创作过程研究的参照。

第一段｜现实变化：AIGC不再只用于单张视觉素材

生成式人工智能在影视内容生产中的应用，已经从单一图像生成逐步延伸到剧本辅助、视觉呈现、素材生成和后期处理等任务。对动画短片而言，创作团队需要在有限的制作周期内完成主题表达、视觉风格设计和镜头组织，AIGC的介入使团队能够尝试新的素材生成方式，也带来创作流程如何重新组织的问题。

第二段｜具体场景：以作品案例观察技术进入哪些任务

贾云鹏、徐慧冉、郑晓发和张宝亢（2025）以动画短片《春满归途》为案例，研究 AIGC 技术在主旋律影视创作中的应用与优化路径。根据论文摘要，作者采用案例研究方法，分析该短片的创作过程，并讨论 AIGC 在叙事表达、视觉呈现和创作效率方面的作用。这个案例可以帮助研究者把“AI参与创作”拆解为具体任务，而不是停留在技术概念层面。

第三段｜具体矛盾：作品完成并不等于过程问题已经解决

单个作品案例能够展示特定团队如何使用工具、如何组织创作流程，却不能直接说明其他团队也会获得相同效果。不同项目的题材、团队经验、制作资源和审美要求可能不同；即使作品最终完成，也仍需要进一步了解创作者如何筛选生成内容、如何处理文化表达与视觉风格之间的关系，以及哪些工作仍由人作出关键判断。

第四段｜研究切口：从“AI做了什么”转向“人如何与AI协作”

因此，若项目希望研究 AIGC 动画创作流程，可以进一步限定某一类短片或某个制作环节，收集创作者访谈、提示词记录、素材版本和最终作品等材料，分析工具介入的位置、创作者的筛选与修改行为，以及这些行为如何服务于作品表达。这样的研究能够在具体案例基础上形成过程描述，但结论应限定于实际调查的团队、作品和任务范围。

来源：贾云鹏等（2025），《AIGC技术在主旋律影视创作中的应用与优化路径》，《现代电影技术》（5）：38—45，DOI:10.3969/j.issn.1673-3215.2025.05.005。本文是单案例研究，不能据此推断所有 AIGC 动画项目。

第一段｜现实变化：影像生成改变创作参与方式

文生图、文生视频等生成式工具使创作者能够通过自然语言描述、参考图和多轮调整参与影像生成。与传统拍摄和逐帧制作相比，生成式工具将部分视觉方案的形成前移到提示词设计、候选结果比较和生成内容筛选之中，创作者与技术系统之间的关系因而成为电影与动画研究的新议题。

第二段｜专业场景：作者、导演与生成系统之间的关系

在影像创作中，作品的形成不仅包括素材生成，还涉及主题选择、叙事组织、镜头取舍和审美判断。徐杰（2025）在《人工智能电影的主体性状况及其审美批判》中，从“有限写作者”“人工智能”和“导演—作者”等主体位置讨论人工智能电影的创作主体问题，并对生成影像可能带来的审美同质化和人类主体性弱化提出批判性思考。这是一种理论分析，为研究创作者如何保留审美判断提供了概念视角。

第三段｜具体矛盾：生成能力与审美控制之间的张力

生成工具可以快速提供视觉候选方案，但创作者仍需判断这些方案是否符合人物性格、叙事逻辑、文化语境和作品风格。若生成结果在视觉上流畅，却偏离了创作意图，创作者可能需要反复调整甚至放弃结果。因此，创作主体性并非只需讨论“AI是否取代人”，还可以转化为创作者在何处作出选择、依据什么标准修改，以及最终由谁承担作品表达责任等可观察问题。

第四段｜研究切口：把理论争论转化为可收集的过程证据

对于本科生项目，可以将宏观的主体性讨论收窄到一个具体任务，例如动画角色设计或分镜生成，观察创作者如何设定目标、判断输出、进行修改并决定是否采用。通过提示词、版本对照、创作者访谈和作品分析，可以描述创作控制如何在具体流程中体现。需要注意，少量访谈和作品案例只能支持情境化解释，不能直接代表整个电影行业的主体性变化。

来源：徐杰（2025），《人工智能电影的主体性状况及其审美批判》，《中国文艺评论》第5期。该文属于理论与审美批评，不是问卷实证研究。

（一）AIGC在动画生产流程中的应用与效率评价

关于 AIGC 在动画生产中的应用，现有研究已从单一工具功能逐渐转向生产流程与阶段性任务的考察。Chen、Wang、Yu 和 Pan（2024）以 10 个来自商业、教育和娱乐领域的动画项目为样本，采用网络数据包络分析（Network DEA），将 3D 动画生产划分为前期制作、资产创建、动画制作和后期制作四个阶段。研究报告显示，不同阶段的效率表现并不一致，后期制作阶段的平均效率得分为 0.91275；作者据此指出，AI 的整合效果与任务标准化程度和组织能力有关。该研究的价值在于把动画生产作为多阶段流程进行分析，而非只评价某一种工具；其边界则在于样本为 10 个项目，分析对象是项目层面的 3D 动画生产效率，不能直接回答学生创作者在角色设计或分镜生成中如何作出具体选择。

从创作流程实践出发，郑晓发、周雨桐、常疌（2024）发表了《动画短片中人机协同AIGC影像创作流程的探索与实践》，题录信息显示该文聚焦动画短片、创作流程与人机协同。它为“动画短片中的人机协同流程”提供了直接相关的中文文献入口。不过，目前公开期刊页面的摘要字段未展示完整内容，因此在未取得并阅读全文前，不应进一步概括其具体流程步骤、样本或研究结论。与 Chen 等的项目效率分析相比，这一文献的题目指向创作流程实践，二者可以构成“生产效率—创作流程”两个不同层次的研究线索。

贾云鹏、徐慧冉、郑晓发、张宝亢（2025）以动画短片《春满归途》为案例，讨论 AIGC 技术在主旋律影视创作中的应用与优化路径。论文摘要说明，研究采用案例研究方法，分析 AIGC 在叙事表达、视觉呈现和创作效率方面的作用。该文为理解 AIGC 如何进入具体动画短片制作提供了案例证据，但单个作品案例的发现受题材、团队与制作条件限制，不能直接推广为所有动画项目的普遍规律。

（二）生成式AI与创作者决策：从最终作品转向创作过程

除了生产流程和效率，生成式 AI 对创作者在创作过程中的构思、实施和修改行为也值得关注。Hou、Wang、Wang、Wang 和 Yang（2025）在《Information Systems Research》发表的研究，将创作过程区分为创意构思（ideation）与方案实施（implementation）两个阶段，并通过设计任务实验考察生成式 AI 对不同经验水平创作者的影响。研究发现，AI 在构思阶段对不同经验水平的设计者均能提升创意表现；但在实施阶段，作用会因经验水平而异，研究中的高经验设计者使用 AI 完成设计所花时间比未使用 AI 的同类设计者多 57%，创造性表现并未相应提高。作者进一步将这一差异与既有经验和工作方式形成的认知固着联系起来。

这项研究的重要启示不是“AI对专家有害”或“AI只适合新手”，而是创作任务阶段和创作者经验可能共同影响人机协作效果。它研究的是平面设计任务，而非动画制作，因此不能直接作为动画结论；但其“构思—实施”的过程区分可以为动画研究提供分析思路，例如将角色概念生成、方案筛选、细节修改和最终整合区分开来，再观察创作者在不同阶段如何使用 AI、保留或拒绝生成结果。

（三）人工智能影像中的创作主体与审美判断

关于生成式影像中的创作主体，徐杰（2025）在《人工智能电影的主体性状况及其审美批判》中，从“有限写作者”“人工智能”和“导演—作者”等主体位置讨论人工智能电影的创作主体问题，并对生成影像可能造成的人类主体性弱化、审美同质化等现象展开理论批评。该文的贡献在于提供了讨论作者位置、审美判断和人类创作经验的理论视角；但它属于理论与审美批评，不能被当作创作者问卷或实验结果使用。

将上述研究放在一起可以看到，动画生产效率研究关注流程阶段和资源投入，动画短片案例研究呈现 AIGC 在具体作品中的应用，创作过程实验揭示不同阶段与经验水平的差异，主体性理论则讨论生成影像中的作者位置与审美判断。这些研究从不同层面说明，AIGC辅助创作不能只用“是否使用”或“最终作品质量”概括，还需要关注创作者在具体任务中的选择、修改和控制过程。

（四）综合述评与本项目切入

基于目前梳理的文献，可以形成一个初步判断：已有研究分别提供了动画生产效率、动画短片应用、人机协同创作过程和影像主体性等方面的认识，但研究对象、分析层次与证据类型并不相同。尤其是，产业项目效率数据不能替代学生创作者的过程材料，单个作品案例不能说明不同创作者的普遍行为，理论讨论也不能直接证明具体创作行为如何发生。因此，如果本项目能够接触动画专业学生团队的创作任务，可以将研究范围进一步限定在某一前期视觉开发环节，收集提示词、生成结果、版本修改记录和访谈资料，分析创作者如何设定目标、比较候选方案、作出取舍并整合最终视觉方案。需要说明的是，这只是依据当前几篇文献形成的初步切入点，正式申报前仍应扩大检索范围，核对全文并补充相关研究。

文献信息：Chen, Y., Wang, Y., Yu, T., & Pan, Y. (2024). The Effect of AI on Animation Production Efficiency: An Empirical Investigation Through the Network Data Envelopment Analysis. Electronics, 13(24), 5001. DOI: 10.3390/electronics13245001.

研究对象与方法：10个不同类型动画项目；专家访谈形成指标体系，随后使用 Network DEA 评价四个生产阶段的效率。

可引用的研究观点：AI整合在不同生产阶段的效率表现并不相同；后期制作阶段平均效率得分较高（0.91275）；作者强调标准化任务与组织能力的重要性。

不能据此声称：所有动画项目使用AI都能提升效率；或AI对学生创作的每个环节都有效。

文献信息：郑晓发、周雨桐、常疌（2024）。动画短片中人机协同AIGC影像创作流程的探索与实践。《现代电影技术》（11），19—24。DOI: 10.3969/j.issn.1673-3215.2024.11.003。

目前可确认：作者、期刊、卷期页码、题名和关键词（AIGC、动画短片、创作流程、人机协同）。

证据限制：公开期刊页面摘要字段为空。未取得全文前，不应编写其样本、具体流程步骤或研究结论。

文献信息：贾云鹏、徐慧冉、郑晓发、张宝亢（2025）。AIGC技术在主旋律影视创作中的应用与优化路径。《现代电影技术》（5），38—45。DOI: 10.3969/j.issn.1673-3215.2025.05.005。

研究对象与方法：以动画短片《春满归途》为研究对象，采用案例研究方法。

摘要所述关注点：AIGC在叙事表达、视觉呈现和创作效率方面的作用。

证据边界：单案例研究适合说明特定创作实践，不足以证明所有动画团队都能获得相同效果。

文献信息：Hou, J., Wang, L., Wang, G., Wang, H. J., & Yang, S. (2025). The Double-Edged Roles of Generative AI in the Creative Process: Experiments on Design Work. Information Systems Research. DOI: 10.1287/isre.2024.0937.

研究设计：两项设计任务研究，区分创意构思与方案实施阶段，考察创作者经验差异。

主要发现：AI在构思阶段对不同经验组均有帮助；实施阶段的影响因经验而异，高经验设计者在实验中耗时增加57%，但创造性表现没有相应提升。

证据边界：研究情境为设计任务，不是动画专业课堂；可以借鉴过程划分，不能直接外推为动画创作结论。

文献信息：徐杰（2025）。人工智能电影的主体性状况及其审美批判。《中国文艺评论》（5），89—101、128。

文章性质：理论与审美批评。

可借鉴观点：文章区分有限写作者、人工智能和导演—作者等主体位置，讨论生成影像中的作者身份、人类主体性与审美同质化问题。

证据边界：理论观点用于概念分析和问题提出，不是问卷调查结果，也不能直接证明创作者实际行为。

暂定题目：AIGC辅助动画短片前期视觉开发中的创作者决策过程研究。

研究对象：参与动画短片角色与场景概念设计的创作者或学生团队。

具体情境：使用生成式AI开展角色、场景概念图生成、筛选、修改与整合的前期视觉开发任务。

核心研究问题（主问题）

在动画短片前期视觉开发中，创作者如何借助生成式AI生成、比较、筛选、修改并整合角色与场景视觉方案，其决策过程受到哪些任务要求和创作者经验因素的影响？

子问题（RQ1—RQ4）

RQ1｜使用环节与过程：创作者在角色与场景概念设计的哪些环节使用生成式AI？从提示词输入到方案整合，主要经历哪些操作步骤？

RQ2｜决策依据：创作者依据哪些标准保留、修改或拒绝AI生成结果？角色设定、叙事功能、视觉风格和制作可行性分别如何进入判断？

RQ3｜版本变化：多轮生成与人工修改如何改变角色/场景方案？最终方案与初始生成结果相比，在一致性、细节和创意表达方面呈现哪些变化？

RQ4｜经验与任务差异：不同创作经验或不同任务要求下，创作者的提示词调整、筛选标准和修改方式是否呈现差异？

问题—证据对应

• RQ1：提示词、生成记录、任务流程记录。
• RQ2：选择/拒绝记录、修改说明、创作者访谈。
• RQ3：初始图像、过程版本、最终方案及评价维度。
• RQ4：创作者背景信息、不同任务案例、过程记录与访谈。

暂定题目：AI微短剧的情感叙事策略与青年受众理解研究——以选定作品为例。

核心研究问题：选定AI微短剧通过哪些叙事与视听策略组织情感表达，青年受众如何理解这些表达？

RQ1｜作品表达：作品通过哪些人物关系、情节节点和叙事结构组织情感线索？

RQ2｜视听策略：镜头、画面风格、声音和节奏如何参与情感表达？

RQ3｜受众理解：青年受众如何理解作品中的人物动机、情感冲突和主题表达？

RQ4｜表达与理解的对应：作品预设的情感表达与受众实际理解之间有哪些一致或差异？

证据入口：作品正片、镜头/声音编码表、观众访谈或问卷。若只分析作品文本，就不能回答观众实际产生了什么情绪。

暂定题目：AIGC辅助汉绣纹样再设计中的文化元素转译与人工修正过程研究。

核心研究问题：在AIGC辅助汉绣纹样再设计过程中，传统纹样元素如何被转化为生成输入，并在人工筛选和修改中得到保留或改变？

RQ1｜元素提取：汉绣纹样中的哪些结构、色彩、寓意或构图元素被选为生成输入？

RQ2｜生成过程：参考图、提示词和模型设置如何影响生成结果？

RQ3｜人工判断：设计者依据什么标准保留、修改或舍弃生成结果？

RQ4｜结果评价：生成与修改后的方案在文化元素保留、视觉一致性和创新表达方面呈现什么特点？

证据入口：传统纹样资料、参考图、提示词、生成版本、人工修改记录及专家评价。

适用问题：哪些因素与动画专业学生使用AI辅助创作的意愿有关？学生如何解释自己的使用体验与顾虑？

研究设计：采用问卷调查与半结构式访谈相结合的解释性设计。问卷用于了解变量分布及变量之间的统计关联；访谈用于进一步理解学生为何形成不同的使用态度。

问卷对象与抽样：以实际能够联系到的动画专业在校学生为调查范围，说明学校、年级、课程或社群来源。可采用便利抽样或分层邀请，但必须如实报告招募方式、回收数量、无效问卷剔除标准。样本量应结合可接触人数、变量数量和分析计划确定，不能只用“发放200份”替代抽样依据。

问卷内容：基本信息与AI使用经验；感知有用性/易用性；创作控制感；感知风险或顾虑；持续使用意愿。每个变量先给出理论定义，再选用或改编有来源的测量题项，进行预测试与必要的信效度检验。

访谈设计：从不同使用频率、创作经验和问卷得分特征的学生中邀请受访者，围绕最近一次AI创作经历、提示词调整、结果筛选、人工修改、放弃使用的原因展开访谈。访谈样本不追求代表总体，而是补充解释问卷中出现的典型差异。

资料分析：问卷可根据问题采用描述统计、组间比较、相关分析或回归分析；访谈转录后进行主题编码，围绕“使用场景—感知体验—决策行为—持续使用顾虑”归纳主题。最后将访谈发现与问卷结果对照解释。

需要避免：横截面问卷中的回归关系不能直接证明因果；便利样本不能仅凭数量推断全国动画专业学生；访谈不能只挑选支持预期结论的材料。

适用问题：选定AI动画短片如何通过人物、情节、镜头、声音和视觉风格组织叙事表达？不同作品之间呈现哪些共同方式与差异？

研究设计：采用作品内容分析或多案例比较。先明确作品纳入标准，再建立分析维度，对作品进行系统观察和编码。

研究对象与样本：界定作品类型、发布时间范围、平台、时长、语言或主题要求；说明检索渠道、纳入与排除标准。若只选取少量典型作品，应称为目的性案例选择，不宜声称代表全部AI动画短片。

分析单位：可根据研究问题选择整部作品、场景、镜头或叙事片段。不要在同一张编码表中混用不同层级而不作说明。

编码维度：叙事结构、人物关系与动机、情感线索、镜头景别与运动、色彩与视觉风格、声音与音乐、AI生成痕迹及其叙事功能。每个维度都要给出操作性定义和判断例子。

分析步骤：建立作品清单—制定编码手册—试编码—修订定义—正式编码—比较案例。若有两名编码者，应说明培训、分歧处理与一致性检验方式；若只有一名研究者，也应保留编码记录和复核过程。

需要避免：不能仅凭播放量推断作品质量；不能把主观观感直接写成客观效果；没有受众数据时，不回答“观众是否产生共鸣”。

适用问题：学生在AI辅助角色设计中如何提出要求、比较生成结果、作出修改与最终选择？不同阶段的决策依据是什么？

研究设计：采用小规模创作任务案例研究或过程追踪。研究重点是记录真实创作过程，而不只是收集最终作品。

资料来源：任务说明、提示词与对话记录、每轮生成图像、人工修改版本、最终角色方案、创作者过程回顾访谈。必要时记录操作时间或关键决策点，但应事先明确记录规则。

分析单位：一次提示词调整、一轮生成比较、一项保留/拒绝决策、一个版本变化，或一位参与者完成任务的全过程。选择一种主要分析单位，并保持前后一致。

分析维度：目标设定、提示词策略、候选结果比较、选择依据、人工修改、风格/角色一致性、最终整合。可将过程记录与访谈相互对照，解释“发生了什么”以及“参与者为什么这样做”。

质量控制：统一任务要求和材料提交格式；保留原始文件与时间顺序；制定编码手册；抽取部分材料进行复核；作品评价若涉及专家评分，应明确评分维度、评分者和分歧处理方式。

需要避免：少量参与者的过程案例适合解释决策机制，不宜直接推广为所有动画专业学生的普遍规律；回顾访谈可能受记忆影响，应尽量与过程记录互证。

• “现状如何、比例多大、变量是否相关”——问卷可能适合，但要考虑样本与测量质量。
• “为什么这样想、如何作出选择、经历了什么”——访谈更能提供过程解释。
• “作品呈现了什么叙事/视觉特征”——作品或文本内容分析更直接。
• “创作过程中发生了哪些调整”——过程记录、版本材料或观察更有价值。
• “某种干预是否造成变化”——需要能支持因果推断的设计，不能仅凭一次问卷得出。