知识卡片：用人工智能大规模研究漫画：PAGE 框架与美日漫画的三项研究

一句话结论

论文提出 PAGE 框架，把人工智能（含视觉语言模型）用作漫画研究的工具，对 3,929 本美国漫画（1938–1956）和 87 卷日本漫画做大规模解析与标注，并展示三项研究分别考察政治权力呈现、页面视觉形式与艺术家识别、以及跨传统的“谁在说话”。

事件概述或研究问题

• 漫画被视为二十世纪重要的视觉记录，包含数十万页大众阅读内容；但既有漫画研究多是一本一本进行，整体上很少被系统研究。
• 研究问题：人工智能（包括生成模型）能否改变这种状况，使漫画研究、保存与传播受益。
• 论文提出 PAGE 框架，主张让 AI 成为漫画研究的“仪器”，而非研究对象本身。

方法/产品要点

• 解析：将每一份扫描件解析为分格（panels）、文本与书目记录。
• 标注：使用视觉语言模型按照书面 codebook 对每一页进行标注，模拟人类编码者的流程。
• 落地校验：将这些阅读结果的样本与人类标注进行对照（grounding）。
• 变化解释：在档案层面解释变化，并在估计中控制出版商与体裁。
• 演示规模：3,929 本美国漫画（1938–1956）与 87 卷日本漫画；三项研究各依赖不同能力。

主要结果或产业意义

三项研究分别对应不同能力：

1. 政治权力呈现：结合文本搜索与视觉阅读，恢复大众媒介如何描绘政治权力。
2. 页面视觉形式：跨产业测量页面的视觉形式，并识别个别艺术家的“手笔”。
3. 跨传统对话：追踪两种漫画传统中“谁在说话”，并以人类标注进行核对。

产业/社会意义（论文展望）：

• 让档案可按“画了什么”被检索。
• 为盲人与低视力读者打开漫画内容。
• 帮助保存脆弱收藏，并为未署名艺术家确认署名。
• 提出一个研究议程：以 AI 强化该媒介的研究、保存与触达。

为什么重要

• 把 AI 从“生成内容”转向“辅助人文学科的大规模实证研究”，为漫画研究提供可扩展的方法论。
• 若 PAGE 的标注与人类编码一致性可验证，则可为档案级、跨出版商与跨体裁的比较研究提供基础。
• 对可访问性（视障读者）与档案保存、艺术家署名等公共议题有潜在溢出价值。

局限与不确定性

• 三项研究的具体结果、效应量与人类标注一致性指标：待核实。
• 视觉语言模型标注的误差率、跨语言（英文/日文）与跨体裁稳健性：待核实。
• 控制出版商与体裁后的因果解释边界：待核实。
• 生成模型在框架中的具体使用方式与范围：待核实。
• 数据集版权、可复现性与代码/数据开放情况：待核实。

可用于图书/PPT/简报的角度

• “AI 作为人文学科仪器”：从逐本精读到档案级阅读的范式转变。
• 视觉语言模型 + codebook：把人类内容分析的编码流程自动化并做落地校验。
• 三项能力示例：政治权力描绘、页面形式与艺术家识别、跨传统对话归属。
• 公共价值：可检索档案、无障碍阅读、脆弱收藏保存、未署名艺术家署名。
• 方法论提示：跨档案比较需控制出版商与体裁等混杂因素。

与既有脉络的关系

• 本条属于“基础模型用于人文/文化档案大规模分析”的案例，与既有卡片（如图查询性能、以患者为中心的对话式 AI、具身智能协作）主题不同；若后续出现“视觉语言模型标注一致性”或“档案级 AI 研究”卡片，本条可作为方法框架的参照。

原始材料

• Title: Studying Comics at Scale with Artificial Intelligence: The PAGE Framework and Three Studies of American Comics and Japanese Manga
• Authors: Emilio Ferrara
• Published: 2026-10-09T16:49:29Z
• arXiv ID: 2610.13840v1
• Primary category: cs.AI
• Categories: cs.AI, cs.CL, cs.CY
• Abstract URL: https://arxiv.org/abs/2610.13840v1
• PDF URL: https://arxiv.org/pdf/2610.13840v1