目的/意义 数智化技术的普及使得智慧养老服务在推广和应用中产生的数据量呈井喷式增长。智慧养老数据的战略价值在驱动养老服务决策中也愈发重要。在“数据要素×”效应下探索智慧养老服务的数智化转型从而实现智慧养老数据的价值增值就显得尤为迫切。 方法/过程 在对智慧养老服务数智化中核心概念相关的文献进行梳理、归纳和总结的基础上，提出智慧养老数智化转型的关键特征、内涵体系和实现路径。 结果/结论 智慧养老数智化转型可以在一定程度上解决数字鸿沟难题，但养老数据资产化和资本化仍需在实践中进一步探索。
目的/意义 随着人口老龄化的加剧和智慧养老需求的增长，构建高效、可持续的智慧养老数据生态系统成为应对养老服务挑战的重要方向。基于价值共创理论视角，文章旨在揭示智慧养老数据生态系统的关键要素与运行逻辑，推动智慧养老服务模式创新与可持续发展。 方法/过程 采用案例分析法，对三个智慧养老服务典型案例深入分析，通过案例内分析和案例间比较，梳理数据生态系统的资源构成、行动者组成、角色分工与职责、运行逻辑及价值产出。进一步构建了智慧养老数据生态系统的框架模型，并总结其关键特征。 结果/结论 研究表明，智慧养老数据生态系统由多维数据资源和多元行动者共同构成，通过高效的分工协作，实现了数据价值的有效转化，在社会价值、技术价值和政策价值等方面展现出显著成效。同时，系统具备网络联结性、平台聚合性和动态进化性核心特征，为智慧养老事业的发展提供了新思路。
目的/意义 探究行之有效的多主体协作机制，以期促进智慧养老数据资源的高效建设与价值释放，从而助力智慧养老服务与应用增效提质。 方法/过程 运用探索式单案例研究方法，以烽火祥云网络科技有限公司的实践工作为研究对象，通过实地调研、半结构化访谈和网络调查等方法收集多源数据以实现三角验证。基于协同创新理论和“三体两向”模型构建理论分析框架，并在这个框架指导下，采用内容分析法对数据开展深入分析。 结果/结论 研究结果揭示了智慧养老数据资源建设中的主体、客体和载体，提炼出智慧养老数据资源建设的多主体协作框架和三维运作模型，并从多元主体参与视角为我国智慧养老数据资源体系建设提供了实践经验与理论启示。
目的/意义 随着全球数据竞争的不断升级，数据跨境流动治理面临诸多挑战。差异—同构的视角能够揭示不同国家数据跨境流动治理的逻辑与路径。 方法/过程 以G20成员国为对象，利用主题模型等内容分析方法，解读数据跨境流动治理政策的注意力分布及其特征。 结果/结论 数据跨境流动治理政策的注意力主要聚焦数据主权、数据分级分类、本地化和管控模式4个维度；主要呈现出制度主导、弹性策略、主权强化和技术驱动4种治理导向特征；治理策略、技术和手段具有多样性和动态性，但治理路径表现出共性特点。我国需要优化本地化政策，加强精细化管理，并采用灵活的多边外交以提升全球数据治理的话语权。
目的/意义 数据要素定价是推动数据这一新型生产要素在流通中不断完成价值创造的关键环节。鉴于数据要素定价受多维因素的影响，阐明因素间的复杂关系，对实现数据要素合理定价及价值发挥具有重要意义。 方法/过程 首先，结合数据生命周期理论挖掘数据要素定价影响因素的层次结构及相互作用关系，构建数据要素定价影响因素多维层次结构体系；其次，采用层次分析法计算因素初始权重，运用系统动力学方法构建影响因素因果关系模型，揭示因素间内在作用关系；最后，仿真模拟影响因素及其动态交互作用对数据要素定价的影响程度，探究数据要素定价受到敏感性因素影响的联动效应及变化趋势。 结果/结论 揭示了市场竞争、数据风险以及数据质量对定价的显著影响，据此针对性地提出指导数据要素定价的对策建议，从理论与方法层面为数据要素定价提供决策支持，助力构建科学的数据定价体系。
目的/意义 数据限制处理权有助于消解生成式人工智能模型训练中数据利用与数据合规之间的张力，弥补个人数据侵权事中救济短板。 方法/过程 结合数字人权理论、数据关系理论与信息自决理论证成生成式人工智能模型训练中数据限制处理权的正当性基础，并着眼于法律权利从抽象到具体、从理论到实践的关键环节，从确权、行权与维权三个层面论证数据限制处理权的实证化困境。［结论/ 结果 立足于国内法治实践，针对性地提出数据限制处理权的实现路径，包括：构建本土化限制处理权，厘清限制处理权权利构造；深度阐释数据处理原则，明确限制处理权适用范围；探索可解释的人工智能，形成高效便利的救济机制等。
目的/意义 图书馆用户被记录的个人数据具有身份识别的特殊性，剖析图书馆用户的个人数据收集与合规使用，对智慧图书馆平衡数据安全管理与有效利用具有借鉴意义。 方法/过程 以图书馆用户使用数字资源而被记录的数据为研究对象，采用文本内容分析法，选取6份代表性的数字资源供应商隐私政策，从数据类型与来源、使用目的与如何使用、个人权利、数据安全、数据保存和未成年人数据5个方面对数字资源供应商所收集的用户数据进行揭示，探讨个人数据的合规使用边界，并提出图书馆个人数据安全管理启示。 结果/结论 采用结构分置原则提出用户隐私保护边界、数字资源供应商/图书馆合规使用边界，并从4个方面有针对性地提出图书馆加强数据安全管理的启示：数据分类分级授权管理、公共接入设备的设置、数据合作方的监管、数据隐私政策的审视。
目的/意义 AI训练数据真实性是当前国内外法规政策和标准中的关注焦点，研究其概念体系和合规要求有助于提升AI技术的质量、合法性、透明度和社会接受度等。 方法/过程 使用内容分析法对目标文献中的AI训练数据真实性相关内容进行分析和抽取，使用ISO 704：2022概念分析方法从抽取的条目中识别AI训练数据真实性相关概念关系和特征，以构建AI训练数据真实性概念体系，基于概念体系构建分析框架，进一步识别对应的合规要求。 结果/结论 与AI训练数据真实性相关的概念有AI训练数据客观性、AI训练数据可靠性、AI训练数据确实性、AI训练数据完整性。AI训练数据真实性合规要求包括具有合法来源、与基本事实相符、数据准确、没有受到不当操作和能反映人工智能系统的背景或预期用途5类。
目的/意义 立足发展的“历史眼光”，即任何事物发展都有其历史渊源，基于20世纪70年代至今的时间跨度分析，研判科研智能化（AI4S）的未来趋势。 方法/过程 从专家系统到知识自动化再到科研智能化，基于各阶段典型案例、重要成果，梳理发展脉络；分析数据来源、知识生产、知识处理、知识使用等阶段共同特征下的整体发展态势，剖析形成这种态势的发展动因，并基于此归纳统一模式。 结果/结论 总结得出囊括三阶段的统一模式——KIM系统（Knowledge-Inference-Mapping System，知识—推理—映射系统），并以此为视角对AI4S的未来发展进行展望。
目的/意义 分析大语言模型面临的事实性问题，提高模型生成内容与事实的契合度，推动大语言模型的可靠应用。 方法/过程 通过文献调研法对大语言模型的事实性定义和问题成因进行界定和分析，从评估和增强两个角度归纳事实性问题的整体应对策略，给出了度量大语言模型事实性遵从能力的相关数据集和自动化评估方法，并将提升模型事实性的手段统一为训练增强、输入增强和输出优化三大策略，以改进生成效果。 结果/结论 大语言模型在通用人工智能之路上仍处于起步阶段，将其应用于高可靠性要求任务时应关注事实性遵从程度，补训和控制模型的输入输出是改善事实性的主要手段，统一的评估框架则有助于人们探索低成本和跨领域的通用事实性增强方法。
目的/意义 探讨智能可穿戴设备用户隐私披露意愿的影响因素，为健康服务领域的隐私信息规范化管理提供参考依据。 方法/过程 采用爬虫技术获取小米MIUI在线社区评论数据，运用LDA主题模型识别用户隐私披露意愿潜在影响因素。在此基础上，基于技术赋权理论和信任构建理论，构建隐私披露意愿影响因素模型，并对428份问卷调查数据进行实证分析，验证模型并分析结果。 结果/结论 智能可穿戴设备功能属性（个性化设置、可持续监测）和非功能属性（隐私政策、隐私反馈）正向影响隐私披露意愿；自我赋权正向影响隐私披露意愿，并在功能属性（个性化设置、可持续监测）和隐私披露意愿之间起中介作用；数字信任同样正向影响隐私披露意愿，并在非功能属性（隐私政策、隐私反馈）和隐私披露意愿之间起中介作用。
目的/意义 探究移动社交媒体用户偶遇健康信息利用行为的主要影响因素及组态路径，为优化用户行为提供理论和实践参考，以促进用户健康信息偶遇经历的价值实现，提高平台健康信息资源利用效能。 方法/过程 基于关键事件技术，采用半结构化访谈的方法收集移动社交媒体用户偶遇健康信息利用行为的关键事件数据，通过系统编码构建了影响因素理论模型。在此基础上，设计问卷并收集用户偶遇健康信息利用行为的案例数据，运用模糊集定性比较分析法进行组态研究。 结果/结论 研究发现，移动社交媒体用户偶遇健康信息利用行为的影响因素包括用户内部特征（健康信息需求、健康信息素养、个人兴趣和健康意识等）和外部刺激（健康信息质量、健康信息特征、健康信息类型、成本感知、有用性感知和主观规范）两个核心维度。组态分析发现，前因变量中健康信息需求、健康信息素养、健康意识、健康信息类型及有用性感知是用户产生偶遇健康信息利用行为的核心条件。研究生成了7条组态路径，可分为有用性感知—外部刺激驱动型、健康信息需求—用户内驱引领型两类行为模式。在各组影响因素的组合作用下，用户产生健康信息利用行为。
目的/意义 探索科学—技术—政策的关联互动与协同机制，有助于发现三者协同创新的共赢条件和效能最大化状态。 方法/过程 从知识网络耦合视角出发，将科学论文、技术专利和政策文献知识结构体系转化成知识网络模型进行表达，探究科学—技术—政策之间关联互动和共生演化。首先，基于实体抽取方法识别三类核心知识元并分别构建时序知识网络；其次，利用多尺度主干分析算法提取核心网络并采用肖像距离计算科学—技术—政策知识网络的时序耦合度；最后，结合动态耦合、超前—滞后关系探测三者知识网络的动态关联与差异演化。 结果/结论 研究发现在信息通信技术领域，早期科学知识对技术发展影响更强烈，科学与政策协同性较为稳定，而技术发展和政策发布没有明显的滞后性；多样化的政策知识能够促进科学—政策协同，却对技术—政策协同促进作用不明显。
目的/意义 在计算宣传时代，社交机器人的认知操纵将严重影响到意识形态和国家安全，精准且稳定地识别社交机器人已成为一项关键且复杂的任务。现有识别方法都是基于某一截面数据的单一证据，却忽视了用户行为的时序逻辑性以及多证据的融合，而难以达到精确且稳定的识别结果。 方法/过程 首先提出一种基于用户行为序列数据的社交机器人识别方法，然后基于D-S证据理论实现基于用户行为序列数据与基于账号截面元数据的社交机器人判定证据的融合，以减少误判、漏判，实现识别效果的精确性与稳定性。 结果/结论 这个方法在开源数据集TwiBot-22的不同抽样比例的多次训练和测试实验结果表明，行为序列证据是识别社交机器人的有效证据，多证据融合不仅优于单一证据，还优于基线方法，且具有良好的稳定性和扩展性。
目的/意义 线索发现是体现情报专业特色的关键情报任务，也是情报理论和实践研究的重要内容，文章围绕公共政策文本语义分析的线索发现进行探索，为循证决策中的政策研究问题提供证据支持。 方法/过程 以循证决策场景下的公共政策文本分析需求为依据，系统梳理了政策文本语义分析的线索分布，基于情报感知理论，构建了公共政策文本语义分析的线索发现理论模型，提出支撑循证决策场景的线索发现流程与方法。 结果/结论 在循证决策过程的政策设计、政策执行、政策效果评估阶段，公共政策文本语义分析的线索分布于政策演化、政策体系结构、政策协同、政策扩散、政策客体态度等方面，政策文本语义分析的线索发现包括政策数据扫描、情报事实提取、证据摹因刻画三个阶段，大语言模型技术的应用能够为循证决策提供高质量的证据。
目的/意义 探究用户与生成式AI的交互行为与路径模式，有助于理解其在日常任务场景中的适应性和优化潜力，同时也为生成式AI产品的设计与改进提供实践参考。 方法/过程 采用实验研究方法，以GPT-4为实验平台，招募24名参与者，通过Morae分析用户与生成式AI的交互过程，识别交互行为并提取交互路径，从路径效率和用户体验两个维度对不同类型的交互路径进行评价。 结果/结论 共识别出11种交互行为，提取出30种交互路径，归纳为5种路径类型，分别为简单查询型、反馈调整型、错误修正型、多模态交互型、外部资源引用型。不同路径类型在路径效率（优化强度、流畅程度和行为灵活度）和用户体验（丰富性、准确性、新颖性和满意度）上的评价表现存在差异，并基于此提出优化策略，为生成式AI的改进提供参考。
目的/意义 立足新时代社会治理精细化、智能化需求，构建基于政务热线平台民生诉求数据的社会风险事件识别方法，旨在解决当前政务热线数据挖掘不足、社会风险识别理论与实践亟待深化等问题，进一步拓展社会治理创新中政务数据的应用路径，为政府提升社会风险预警与应对效率提供科学依据。 方法/过程 首先，对政务热线平台民生诉求数据中的潜在社会风险事件进行分类；其次，构建基于BERT-BiLSTM-CRF架构的风险提示词抽取模型以精准识别文本中的风险提示词，并基于深度学习构建社会风险事件关系分类模型来有效判断不同事件间的关联性；然后，采用增量预训练优化模型性能，通过增强模型的领域专业性，有效提升模型在实际应用中的表现；最后，通过实际案例验证模型的有效性并进一步构建风险事件处理机制，以实现风险识别、分类与应对的闭环管理。 结果/结论 所构建的两个模型协同作用，在训练集上的准确率均达到98%以上，在验证集上的准确率均在83.5%左右；所采用的增量预训练方案分别在风险提示词抽取和事件关系分类任务上提高了0.2%和1%的准确率，展现了卓越的特征学习能力和任务适应性。
目的/意义 准确识别和理解新兴技术，对于制定企业战略决策、建设国家创新高地具有重要意义。 方法/过程 基于动态视角，融合深度学习与专利地图，开展了新兴技术识别研究。首先，提出融合BERT-BiLSTM-CRF深度学习模型与BIO标注的实体识别模型，以获取细粒度表征语义关系的实体内容，并结合TF-IDF算法提取了技术要素；其次，划分时间窗口，运用GTM算法构建专利地图，依据新兴技术的持续性特征分析非空白专利点，动态遴选潜在新兴技术主题，进而基于GTM逆映射获取技术要素；最后，依据新兴技术的多维特征构建指标体系并评估潜在主题，实现新兴技术识别。文章以可穿戴医疗设备领域为例开展实例分析，验证了所提方法的可行性与有效性。 结果/结论 所提路径通过考虑技术要素间语义联系并动态剖析技术的发展趋势，实现了新兴技术的有效识别。 局限 仅依托专利数据展开研究存在局限性，也有待进一步深化与其他方法的对比分析。
目的/意义 对数字人文研究的跨学科性进行探索性测度，呈现数字人文领域跨学科生态的演化过程和社群特征，为新兴交叉领域的跨学科性测度与评价工作提供参考。 方法/过程 以Scopus收录的数字人文相关期刊论文为样本，在设计针对性学科分类体系的基础上开展作者所属机构学科标引和主题探测工作，并融合学科和主题两类多样性，从科学合作和研究内容两个维度进行跨学科性测度、分类与分析。 结果/结论 数字人文领域的跨学科性呈现上升趋势，主要体现为从早期相近学科之间的对话转向后期非相近学科之间的交叉融合，形成了以人文学科为核心、技术型学科为辅助、社会科学为连接的学科角色分化格局。以图书情报学为代表的相关学科应充分关注学科话语体系差异对合作效率和可持续性造成的消极影响，形成学术体系建设合力，以跨界合作实现自身身份标识的建构与宣传。
目的/意义 学术论文的被引频次预测是评估学术论文质量和影响力的重要内容。 方法/过程 引入图神经网络（GNN），基于S2ORC数据集构建包含论文、作者、期刊的异构网络，利用GraphSAGE模型的采样和聚合机制提升预测精度，并逐步在引文网络中纳入期刊和作者子网，探索引入子网在不同学科领域的预测中可能呈现的异质性。 结果/结论 GraphSAGE模型相较于GCN和GAT模型在高平均度数网络中表现出色，但在全局引用关系依赖更深的领域或网络结构中GCN效果更佳。当作者子网被单独纳入模型时，在艺术和法学领域预测性能提升，而在其他领域表现下滑；当期刊和作者节点被同时引入时，仅有艺术和法学领域表现出了预测性能的提升。
目的/意义 跨学科研究对于科学创新具有重要的推动作用，但是如何从海量学术资源中快速获取比较相关的参考文献，尤其是其他学科比较有借鉴意义的文献，并转化为自己的研究基础，成为跨学科研究领域的难题。针对此问题，文章强调从引文推荐的角度为学者推荐其他学科的文献，助力学者开展跨学科研究。 方法/过程 鉴于现有引文推荐鲜有关注跨学科问题，忽略了学者对其他学科文献的需要，文章构建了基于GCN、GAT、GraphSAGE三种图神经网络的跨学科引文推荐模型，通过聚合文献内容特征与网络结构特征，捕捉和学习知识跨学科传播的规律，为学者推荐其他学科的文献，并以PubMed全量数据为例，提取得到3356万条跨学科引文关系，据此进行实证检验。 结果/结论 研究发现，基于图神经网络构建的跨学科引文推荐模型，当融合文献内容特征后，模型推荐准确率显著优于只考虑引文网络拓扑结构特征的模型（无内容特征），其中基于GCN的跨学科引文推荐模型效果最好，AUC值达到89.68%。［创新/价值］ 文章提出构建跨学科引文推荐模型，并利用PubMed全量数据进行了检验，为跨学科引文推荐提供了一种有效参考方法。
目的/意义 主题聚类算法是情报学领域研究中重要的方法和工具，对主题聚类算法进行比较研究，有助于研究人员选择合适的算法开展相关研究。 方法/过程 首先，系统梳理情报学领域研究从传统到融合语义信息的典型主题聚类算法；其次，从主题语义连贯、可解释和主题结构质量层面构建主题聚类算法评估框架；最后，基于评估框架选择经过验证的政策、媒体和学术论文三类数据集进行实证分析。 结果/结论 ①K-means、NMF、BERTopic、BERT-HDBSCAN和LDA是适用于强调语义连贯性、可解释性较高的聚类研究，但LDA在媒体类数据集中表现较差，且融合语义嵌入后表现不佳。②LDA2Vec是适用于强调主题结构质量的聚类研究。③Sentence-BERT-K-means和BERT-K-means是适用于强调平衡主题可解释性和主题结构质量的聚类研究，特别是Sentence-BERT-K-means能提供较好的主题聚类效果。
网站二维码
微信二维码
