🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
你可能听过「非自愿独身者」（incel）这个词——一个以男性为主的网络社群，成员自称因为长相或性格得不到女性青睐，因此怨恨女性和「成功男性」。这个社群出过几起严重的暴力事件，所以一直被当作极端主义研究对象。
但过去的研究几乎都在读他们写的文字，很少有人认真看他们发的图。可现实是，这个社群的日常表达大量依赖图片：表情包、截图、动漫、真人照片。图片和文字不一样——它能一瞬间传递情绪、划分敌我，而且审核系统往往更难识别。不看图，就等于只看了一半。
② 研究问题（要回答什么？）
作者要回答三个问题。第一，这个社群的视觉世界到底长什么样——他们发什么风格、什么内容、什么主题的图？第二，这些图在社群内部起什么作用？是单纯搞笑，还是在建构「我们 vs 她们」的世界观、制造共同情绪？第三，不同平台（匿名贴图板、Instagram、Telegram）上的图一样吗？如果不一样，是不是说明这个社群内部其实分成好几派？
③ 研究方法（怎么做的？）
研究分三步。第一步，作者写了专门的爬虫程序，从七个网络空间收集图片，这些空间分布在三种平台上：匿名贴图板（4chan 的 R9K 版、9chan 的 Leftcel 版）、Instagram（两个标签/账号）、Telegram（三个群组）。总共收集了 31,925 张图片。
第二步，从每个空间随机抽 500 张，共 3,376 张进入人工编码。作者先花三轮迭代做出编码手册：把图片按「风格」（截图、真人照、动漫、表情包）、「内容」（男性、女性、 meme 角色、动物、武器等）、「主题」（厌女、看脸论、幽默、心理健康、种族主义等）分类。两名作者先对 100 张图试编码、反复校准歧义，再正式标注。
第三步，从最主要几个主题里各取 50 张做质性解读，分析这些图在具体语境里是怎么「说话」的。
④ 结果（发现了什么？）
视觉风格比想象中杂。最多的是平台截图（30.64%），其次是真人照片（26.69%）、非表情包的卡通/漫画（22.67%）。纯表情包只占 12.49%——过去研究几乎都盯着表情包，其实只覆盖了很小一块。
主题上，厌女和看脸论是绝对主力。厌女类占 33.56%，看脸论（按外貌给人排序）占 25.25%，两者合计接近六成；幽默 11.52%，心理健康/自闭 8.81%，种族主义 3.90%。还有一个反直觉的发现：左翼内容占 3.05%，比反 LGBTQ、阴谋论、能力歧视都多。
平台差异很大。Instagram 上的看脸论内容比例最高（Blackpillmemez 达 66.31%），种族主义最少；Telegram 的厌女浓度更高、子文化更专门化（比如某个群里「狗药丸」这一子类占到 25.22%）；4chan 上动漫和种族主义内容更多。同一套意识形态，在不同平台上长出了不同的样子。
⑤ 讨论（这些发现说明什么？）
作者提炼出图片在这个社群里的三重功能。
一是搭建世界观。图片不断重复「典型男女」的刻板形象——高大成功的「alpha 男」、势利或放荡的女性——把复杂的人际关系压缩成一套二分类的敌我框架。
二是组织集体情绪。同一批图被反复转发，形成一种共享的情绪气候：自嘲、愤怒、绝望、怨恨互相加强。图片的作用不是讲道理，而是「让大家都感觉到同一种感觉」。
三是显示内部分裂。不同平台的主题分布不同，说明这个社群并不是铁板一块，而是有主流化的、有极端化的、也有受极右翼影响的支流。
⑥ 结论（最终结论 + 启示）
结论对平台治理很直接：只做文本审核会漏掉大量内容。极端意识形态越来越依靠图像来传播，而图像既难被关键词抓到，又跨越语言障碍。监测系统需要建立视觉层面的分类能力，并把「平台差异」纳入考虑——同一套图在不同平台上功能不同，治理策略也不能一刀切。
局限也很清楚：编码以人工为主、成本高、难以实时；样本是横断面的，看不出图片如何随时间演化；只覆盖七个空间，且排除了以头像为主的论坛；「影响」是解释性的，没有做因果识别。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
极端主义研究长期以文本为中心，近年「视觉转向」才逐渐兴起。既有关于右翼极端主义图像的研究（如 Doerr 与同事对 Telegram 上女性图像的分析、Baele 等对圣战宣传影像的研究）指出，图像在三个层面发挥作用：塑造内群体/外群体边界、激发集体情感、暴露意识形态内部的细分差异。然而，针对 incel（非自愿独身者）社群的研究仍以文本与话语分析为主，尽管该社群高度依赖 meme、截图与动漫图像，且其成员构成与意识形态（自我贬抑的内群体、爱恨交织的外群体、非政治化的「基因决定论」）与典型极端组织显著不同。
本文填补这一空白：构建迄今最大的 incel 视觉语料（31,925 张），以「量化人工编码 + 质性图像阐释」的混合方法，系统描述其视觉风格、内容与主题分布，并检验上述三条理论预期在 incel 语境下是否成立。贡献在于把视觉分析从「插曲式举例」推进到「可复现的描述性统计 + 理论检验」。
I. Theoretical Framework & Hypotheses（理论框架与假设）
分析框架沿 Rose 的批判视觉方法学，区分技术、构成与社会三种模态，并映射为三个可编码维度：风格（style）、内容（content）、主题（theme）。理论预期来自极端主义视觉研究的三个命题：（1）图像通过原型化群体范畴巩固意识形态叙事；（2）图像组织集体情感表达；（3）图像反映社群内部的意识形态与平台异质性。作者同时指出 incel 的三点特殊性构成理论张力：成员对自身内群体持负面评价；对女性既憎恨又渴求；不把 inceldom 视为政治意识形态而视为「基因状况」。
| 理论预期 | 可观察指标 | 本文检验结果 |
|---|---|---|
| E1 原型化群体范畴巩固叙事 | 内容类别（男女、alpha/beta）与主题（厌女、看脸论）分布 | 支持：厌女 33.56%、看脸论 25.25% |
| E2 图像组织集体情感 | 幽默、心理健康/自闭等情感主题占比及质性解读 | 支持：幽默 11.52%、心理健康 8.81% |
| E3 图像反映内部异质性 | 平台间主题分布差异 | 支持：Instagram 看脸论 66.31% vs 4chan 种族主义更高 |
M. Materials & Methods（材料与方法）
- 语料构建：Python 定制爬虫抓取 7 个 incel 空间，横跨三类平台——匿名贴图板（4chan/R9K 25,746 张；9chan/Leftcel 1,743 张）、Instagram（Blackpillmemez 524 张；#blackpill 865 张）、Telegram（BlackPillsBasedGlobal 1,548 张；Incel 876 张；IncelsCo 623 张），合计 31,925 张。排除 Incels.is（以头像为主，功能不同）。
- 抽样：按文件「类型」而非修改时间打乱后，每个空间取前 500 张，共 3,376 张进入人工编码（实际完成 3,296 张：496/500/456/473/496/474/401）。
- 编码手册：三轮演绎—归纳迭代。先由概念框架推出风格 / 内容 / 主题三大维度及子类（如厌女子类：贬低或去人性化女性、鼓吹对女性的暴力、嘲讽女性外貌/身体部位、嘲讽线上性工作者、Dogpill 等）；两名作者对 100 张随机图试编码并核对来源与含义，消歧后定稿。编码允许非互斥，一张图可带多个标签。
- 质性分析：从厌女、看脸论、心理健康、种族主义四个主导主题各取 50 张（每空间 7–8 张、每子主题至少 2 张），结合视觉图像学（Müller et al.）与批评语境分析（Richardson & Wodak），讨论其修辞功能。
- 方法立场：呼应 Grimmer & Stewart 的主张，把量化内容分析与质性解读视为互补而非对立。
R. Results（结果）
风格分布：平台/网站截图 30.64%、真人照片 26.69%、非 meme 卡通/漫画/图形 22.67%、meme 仅 12.49%。动漫在 4chan/R9K 最突出，meme 在 Instagram/Blackpillmemez、9chan/Leftcel 与 Instagram/#blackpill 最突出。
内容分布：男性/男性形象 42.38%、女性 23.02%、典型 meme 角色 12.62%、动物 7.36%、军事/枪械 4.54%、真实 incel 本人仅 3.82%、色情或生殖器图像 2.48%。
主题分布：厌女 33.56%、看脸论 25.25%、幽默 11.52%、心理健康/自闭 8.81%、种族主义 3.90%、左翼内容 3.05%（高于反 LGBTQ+、阴谋论与能力歧视）。
平台异质性：Instagram/Blackpillmemez 看脸论占比最高（66.31%），Instagram/#blackpill 为 25.22%；两者种族主义最低（1.06%、3.03%）。Telegram/Incel 的 Dogpill 子类高达 25.22%（全样本该子类占厌女类 6.28%）；Telegram/BlackPillsBasedGlobal 以「女性只爱 alpha/施暴男」与「女性是拜金者」两类为主。
| 维度 | 主导类别 | 占比 |
|---|---|---|
| 风格 | 平台截图 | 30.64% |
| 内容 | 男性形象 | 42.38% |
| 主题 | 厌女 | 33.56% |
| 主题 | 看脸论 | 25.25% |
| 子主题 | Dogpill（Telegram/Incel 内） | 25.22% |
a / D. Discussion & Conclusion（讨论与结论）
- 理论贡献：把极端主义视觉研究的三条命题首次在 incel 语境下系统检验，并指出其局限——incel 的「负面内群体」与「爱恨交织的外群体」使其视觉修辞不同于圣战或极右宣传，不能直接套用既有框架。
- 反常识发现：meme 只占 12.49%，既有研究过度聚焦 meme 与色情图像（仅 2.48%），实际视觉库以截图与真人照片为主，说明「截图」是一种重要的证据式修辞（用「真实案例」佐证世界观）。
- 平台可供性：匿名贴图板的可见性与匿名性、Telegram 的私密封闭群组、Instagram 的标签聚合与较严审核，分别塑造了不同的极端化路径；Telegram 呈现更高厌女浓度与更细分的子文化，Instagram 则把内容推向更主流的「看脸论」。
- 治理启示：图像审核需从关键词/文本转向视觉分类；平台差异要求差异化策略；「截图」类内容对现有以 meme 哈希匹配为主的检测构成盲区。
- 局限：人工编码难以规模化与实时化；横断面数据无法刻画演化；七个空间非穷尽抽样，且排除头像型论坛；未做因果或暴露效应识别；编码信度仅以流程描述（试编码校准）呈现，未报告正式信度系数。
- 未来方向：引入多模态模型做大规模预标注 + 人工校验；纵向追踪图像主题漂移；跨平台账号与图像的链接分析；检验图像暴露对态度与情绪的因果效应。
🧠 IRMaD 思维导图
mindmap
root((非自愿独身者图像))
I 引言
极端研究重文字轻图像
社群高度依赖图片
审核难识别视觉内容
R 问题
视觉世界长什么样
图片起什么作用
平台之间是否不同
M 方法
爬虫抓七个空间
三万一千九百二十五张
随机抽三千三百七十六张
三轮迭代编码手册
四个主题质性解读
R 结果
截图占三成
表情包仅一成二
厌女占三成四
看脸论占两成五
Instagram看脸论最高
Telegram厌女最浓
a 讨论
图片搭建敌我世界观
图片组织集体情绪
平台塑造不同极端路径
截图是证据式修辞
D 结论
治理须纳入视觉审核
平台差异需差异化策略
人工编码难规模化
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。