Byggande av en community‑driven plattform för Jingchu‑folkmönster och analys av användarnas samskapandemekanismer

Att ge forntida mönster digitalt liv

I Kina, i Jingchu‑regionen, pryder århundraden gamla mönster av moln, drakar och fenixlackar, textilier och brons. Många av dessa motiv riskerar emellertid att försvinna ur vardagen. Denna studie visar hur en ny onlineplattform, driven av ett bildgenererande AI‑system, låter vanliga människor och kulturarvsexperter samarbeta för att återuppliva och nyskapa folkmönstren. För läsare som är intresserade av hur artificiell intelligens kan bidra till att bevara — snarare än sudda ut — traditioner, erbjuder detta arbete ett konkret, datastött exempel.

Varför gamla mönster behöver nya verktyg

Traditionellt kulturarv har ofta skyddats som ett skört föremål i ett glashus: varsamt förvarat, sällan berört och mest betraktat i tystnad. Författarna menar att denna modell inte längre passar den digitala tidsåldern, särskilt inte för yngre generationer som förväntar sig att skapa och dela, inte bara betrakta. Jingchu‑folkmönster bär på rika berättelser om lokal historia och tro, men lider av en ”dubbel kris” med åldrande bärare och brist på nya användningsområden. Samtidigt kan bildgenererande AI‑verktyg som Stable Diffusion snabbt lära sig visuella stilar från stora mängder bilder. Papperets centrala fråga är om dessa verktyg kan omformas till respektfulla assistenter för kulturarvet — som stödjer både trogen bevarande och modiga nya uttryck.

Att lära en AI att respektera kultur

Forskarna byggde först en detaljerad digital samling om 9 700 Jingchu‑mönsterbilder från museer och folkartister. Experter inom folkloristik, konsthistoria och konservering annoterade sedan bilderna med mer än 200 kulturtaggar och nästan 2 000 visuella beskrivare, som täcker motiv, layoutriktlinjer och områden med särskild symbolisk betydelse. Ovanpå detta modifierade teamet den populära Stable Diffusion‑modellen till vad de kallar en kulturmedveten version. Enkelt uttryckt lade de till särskilda uppmärksamhetslager och extra träningsregler så att AI:n ”fäster större vikt” vid kulturellt viktiga detaljer och varsamt styrs bort från mönster som känns felaktiga eller inautentiska. Tester mot flera andra avancerade bildmodeller visade att detta skräddarsydda system producerade mönster som experter bedömde som både mer kulturellt korrekta och visuellt förenliga med Jingchu‑stilen.

Att öppna skapandet för gemenskapen

Tekniken ensam, betonar författarna, räcker inte. De utformade därför plattformen som ett samskapande community snarare än ett en‑klicks bildverktyg. Under sex månader använde 486 personer — inklusive kulturarvets bärare, formgivare, entusiaster och vanliga medborgare — systemet. Plattformen guidade nykomlingar från enkel bläddring och små redigeringar mot självständiga och kollaborativa projekt, och kombinerade publikomdömen med expertgranskning för att bedöma varje verks kulturella värde, originalitet och tekniska kvalitet. Totalt producerade användarna 12 847 mönsterbilder. Statistisk analys visade att tre faktorer starkt påverkade hur djupt människor deltog: hur mycket de förstod Jingchu‑kulturen, hur bekväma de kände sig med tekniken och hur kopplade de var till andra på plattformen. Användare som engagerade sig mer skapade inte bara verk av högre kvalitet utan var också betydligt mer benägna att förbli aktiva över tiden.

Mäta mångfald och lärande

För att se om denna aktivitet faktiskt breddade Jingchu‑visuell kultur följde teamet en ”kulturell mångfaldsindex” som kombinerar hur många olika element som förekommer och hur uppfinningsrikt de kombineras. Under studien steg detta index från måttlig till hög mångfald, då användarna började introducera sällsyntare motiv som forntida Chu‑skrift och bronskärlsmönster tillsammans med klassiska moln och drakar. Noggranna tester med experter föreslog att den bästa nivån för nytt arbete ligger på ett ”måttligt avstånd” från traditionen — tydliga rötter i Jingchu‑symboler men märkbara variationer i form eller komposition. Deltagarna gjorde också för‑ och eftertester av sina kulturkunskaper. I genomsnitt ökade poängen med ungefär en tredjedel, och många användare delade vidare sina skapelser i sociala medier, vilket hjälpte Jingchu‑bilder att spridas långt utanför museer och specialistkretsar.

Att balansera innovation och respekt

För en allmän läsare är huvudbudskapet att artificiell intelligens inte behöver ersätta mänsklig kreativitet eller utplåna kulturella skillnader. När den tränas omsorgsfullt och inramas av en väl utformad social plattform kan den fungera som en bro mellan äldre, experter och nyfikna nykomlingar. I detta fall hjälpte systemet användare att lära sig om Jingchu‑arvet, uppmuntrade dem att experimentera inom kulturellt säkra ramar och producerade en rikare blandning av mönster än vad den historiska dokumentationen ensam visar. Vissa delar av projektet — såsom ett blockchain‑baserat upphovsrätts‑ och belöningssystem — är fortfarande i prototypstadiet. Men överlag pekar arbetet på en praktisk väg för andra regioner: använd AI inte som en allsmäktig konstnär, utan som ett kulturkänsligt verktyg som gör det enklare för många händer att hålla gamla traditioner levande i nya former.

Citering: 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

Nyckelord: Jingchu folkmönster, kulturarv, generativ AI, deltagandedesign, digital bevarande