Constructie van een community-participatief platform voor het genereren van Jingchu-volksmotieven en analyse van een gebruikers co-creatiemechanisme

Oude motieven digitaal tot leven brengen

In de Jingchu-regio van China sieren eeuwenoude motieven van wolken, draken en feniksen lakwerk, textiel en brons. Toch dreigen veel van deze ontwerpen uit het dagelijks leven te verdwijnen. Deze studie laat zien hoe een nieuw online platform, aangedreven door een beeldgenererend AI-systeem, gewone mensen en cultuurdeskundigen in staat stelt samen te werken om deze volksmotieven te herstellen en opnieuw uit te vinden. Voor lezers die willen weten hoe kunstmatige intelligentie traditie kan helpen behouden in plaats van uit te wissen, biedt dit werk een concreet, door data ondersteund voorbeeld.

Waarom oude motieven nieuwe middelen nodig hebben

Traditioneel cultureel erfgoed is vaak beschermd als een fragiel object in een glazen kast: zorgvuldig opgeborgen, zelden aangeraakt en meestal in stilte bekeken. De auteurs betogen dat dit model niet langer past bij het digitale tijdperk, vooral niet voor jongere generaties die verwachten te creëren en te delen, niet alleen te observeren. Jingchu-volksmotieven dragen rijke verhalen van lokale geschiedenis en geloof, maar lijden onder een "dubbele crisis" van verouderende draagdragers en een gebrek aan frisse toepassingen. Tegelijkertijd kunnen beeldgenererende AI-tools zoals Stable Diffusion snel visuele stijlen leren van grote aantallen beelden. De centrale vraag van het artikel is of deze tools kunnen worden hervormd tot een respectvolle assistent voor cultureel erfgoed — die zowel getrouwe bewaring als gedurfde nieuwe ontwerpen ondersteunt.

Een AI leren cultuur te respecteren

De onderzoekers bouwden eerst een gedetailleerde digitale collectie van 9.700 Jingchu-motiefbeelden uit musea en bij volkskunstenaars. Deskundigen op het gebied van folklore, kunstgeschiedenis en restauratie voorzagen de beelden vervolgens van meer dan 200 culturele tags en bijna 2.000 visuele beschrijvingen, met aandacht voor motieven, opmaakregels en gebieden met bijzondere symbolische betekenis. Daarbovenop wijzigde het team het populaire Stable Diffusion-model in wat zij een cultureel-bewuste versie noemen. Simpel gezegd voegden ze speciale aandachtlagen en extra trainingsregels toe zodat de AI meer nadruk legt op cultureel belangrijke kenmerken en zachtjes wordt bijgestuurd van patronen die misplaatst of onecht aanvoelen. Tests tegen verschillende andere geavanceerde beeldmodellen toonden aan dat dit aangepaste systeem patronen produceerde die deskundigen zowel cultureel nauwkeuriger als visueel consistenter met de Jingchu-stijl beoordeelden.

Creatie openen voor de gemeenschap

Technologie alleen is, benadrukken de auteurs, niet voldoende. Daarom ontwierpen zij het platform als een co-creatiegemeenschap in plaats van een een-klik afbeeldingsspeeltje. Gedurende zes maanden gebruikten 486 mensen — waaronder cultuurdragers, ontwerpers, enthousiastelingen en gewone burgers — het systeem. Het platform begeleidde nieuwkomers van eenvoudig bladeren en kleine aanpassingen naar zelfstandige en gezamenlijke projecten, en combineerde publieke beoordelingen met deskundige review om elke creatie te beoordelen op culturele waarde, originaliteit en technische kwaliteit. In totaal produceerden gebruikers 12.847 patroonbeelden. Statistische analyses toonden aan dat drie factoren sterk bepaalden hoeverre mensen zich betrokken voelden: hoeveel ze Jingchu-cultuur begrepen, hoe comfortabel ze zich voelden met de technologie en hoe verbonden ze waren met anderen op het platform. Gebruikers die zich dieper betrokken, maakten niet alleen werk van hogere kwaliteit maar bleven ook veel vaker actief over tijd.

Diversiteit en leren meten

Om te zien of deze activiteit werkelijk de Jingchu-visuele cultuur verbreedde, volgde het team een "culturele diversiteitsindex" die combineert hoeveel verschillende elementen verschijnen en hoe inventief ze worden gecombineerd. Tijdens de studie steeg deze index van een matige naar een hoge diversiteit, toen gebruikers zeldzamere motieven begonnen in te brengen, zoals oud Chu-schrift en bronzen vaatontwerpen naast klassieke wolken en draken. Zorgvuldige tests met deskundigen suggereerden dat het ideale punt voor nieuw werk ligt op een "matige afstand" van de traditie — duidelijke wortels in Jingchu-symbolen maar merkbare variaties in vorm of compositie. De deelnemers deden ook voor- en natoetsen van hun culturele kennis. Gemiddeld stegen de scores met ongeveer een derde, en veel gebruikers deelden hun creaties daarna op sociale media, waardoor Jingchu-beeldspraak verder circuleerde dan musea en gespecialiseerde kringen.

Innovatie en respect in balans

Voor een niet-specialistische lezer is de kernboodschap dat kunstmatige intelligentie menselijke creativiteit niet hoeft te vervangen of culturele verschillen te nivelleren. Wanneer zorgvuldig getraind en ingebed in een doordacht sociaal platform, kan het fungeren als een brug tussen ouderen, deskundigen en nieuwsgierige nieuwkomers. In dit geval hielp het systeem gebruikers Jingchu-erfgoed te leren kennen, moedigde het hen aan binnen cultureel veilige grenzen te experimenteren en produceerde het een rijkere mix van motieven dan het historische corpus alleen. Sommige onderdelen van het project — zoals een op blockchain gebaseerd auteursrecht- en beloningssysteem — bevinden zich nog in prototypefase. Maar in het algemeen wijst dit werk op een praktische weg voor andere regio’s: gebruik AI niet als een almachtige kunstenaar, maar als een cultureel sensitief hulpmiddel dat het voor vele handen gemakkelijker maakt om oude tradities in nieuwe vormen levend te houden.

Bronvermelding: Wu, X., Xu, Y. Community participatory Jingchu folk pattern generation platform construction and user co-creation mechanism analysis. Sci Rep 16, 6028 (2026). https://doi.org/10.1038/s41598-026-36597-w

Trefwoorden: Jingchu-volksmotieven, cultureel erfgoed, generatieve AI, participatief ontwerp, digitale bewaring