目的/意义 解决决策过程中信息不完备的问题，始终是情报工作的中心任务。基于情报事实谱系，提供技术项目预见，是应对不确定性的核心关切。 方法/过程 探讨情报事实谱系构建的必要性及构建原则。从谱系架构设计、情报事实的扫描评估、摹因制作、摹因著录4个方面，详细阐述情报事实谱系构建的具体方法，并展示摹因刻画的结果。 结果/结论 情报研究重视在事实基础上的分析，按照情报任务要求建立情报事实谱系，是时代赋予情报机构和情报人的重要责任。

目的/意义 人智交互为知识创造研究提供新的情境及理论突破点。立足人智交互情境，系统阐释知识要素及知识创造过程的深刻变革，为破解生成式人工智能知识转化困境、实现人智知识共创愿景提供新思路。 方法/过程 采用跨学科视角探索性提出混合知识创造概念，阐释人智交互情境下混合知识创造的增强式孪生机理，基于人智关系的动态演变构建人智混合知识创造TGE-EGD（隐性知识、灰性知识、显性知识—显性知识、灰性知识、暗知识）模型，解构交互式混合知识创造过程并剖析其应用场景与价值。 结果/结论 人智交互情境下的混合知识创造以本体、认知、互动三维度增强式孪生为机理，通过知识本体、知识创造思维及能力的复刻推动知识范围拓展、认知边界突破及知识价值跃迁，进而实现人智双向增强。TGE-EGD模型诠释了知识创造在人智双主体交互式混合下的新图景，为重塑智能制造流程及优化智慧医疗服务注入智慧动能。［创新/价值］探索人智交互情境下知识创造机理及过程，为开发人工智能知识创造潜力提供科学路径，为知识生态系统创新、决策系统优化及人智共生可持续发展提供重要学理借鉴。

目的/意义 随着社交媒体成为学术信息的重要获取渠道，信息偶遇及其后续处理方式对学者的科研实践产生了深远影响。本文旨在拓展信息行为研究框架，聚焦信息偶遇向数字囤积的动态演化过程，以人文社科学者在社交媒体平台的学术信息偶遇为切入点，解析其演化为囤积的行为过程及驱动机制。 方法/过程 采用关键事件技术法（CIT），对20位人文社科学者进行深度访谈，并运用主题分析法对文本进行编码。 结果/结论 研究发现，从偶遇到囤积经历三次关键筛选：基于关键词漫游的信息浏览、基于价值捕猎的阅读停继、基于功利式延展的信息处置。其中，行为的驱动因素包含应用驱动、认知驱动、社交驱动。同时，社交媒体平台的信息环境与学者的环境认知也共同塑造了从偶遇到囤积的行为过程。在此基础上识别出学术信息偶遇的5种行为模式并描述其循环更新的发展趋向。［创新/价值］研究不仅揭示了微观行为链条，更折射数字时代科研工作者工休边界模糊化的生存状态，并据此为平台优化学术信息加工与整合功能提出实践建议。

目的/意义 为深入探索人工智能赋能同行评议的有效路径，推动科研评价的数智化转型发展。 方法/过程 基于《心理学报》公开的历史评审数据，构建基于大语言模型的同行评议要素智能生成框架，并通过评议要素分类识别、评审意见与论文文本的语义映射匹配、模型微调与要素智能生成三个核心环节，对该框架展开实证效果评估。 结果/结论 与零样本学习的基线模型相比，微调后的大语言模型在评议要素生成任务中性能提升效果明显，尤其在“研究设计与方法”和“研究结论与解释”两个要素类别中的表现显著优于其他维度。［创新/价值］该框架在期刊编辑稿件处理、评审专家审稿判断以及论文作者自主评估等场景中具有较高应用潜力，可为多元主体提供多维度、结构化的决策辅助支持。

目的/意义 随着GAI技术的迅猛发展，信息生产与传播范式发生了结构性变革，信息污染问题随之凸显，主要表现为低质量内容的泛滥、虚假幻觉信息的持续传播等，严重危害信息生态环境，文章旨在揭示AIGC环境下信息污染的多维成因，并提出对应治理路径。 方法/过程 提出系统性治理框架，以信息污染的底层逻辑为切入点，深入探究AIGC环境下信息污染的多维成因，并构建数据层—模型层—传播层三阶污染链框架，系统剖析信息污染的生成逻辑与扩散路径。重点探讨数据筛选困境、大模型幻觉、用户认知偏差等核心问题。 结果/结论 提出对应的治理框架：通过训练数据净化与标准重构优化源头质量，依托算法修正与哨兵监督抑制模型幻觉，建立多模态检测机制、开展AI信息素养教育阻断污染传播。最后预想AIGC信息污染问题的发展方向，呼吁治理问题亟待解决。

目的/意义 学术评价是科研管理的重要手段，学术评价方法的管理可控性是其中的关键环节。 方法/过程 文章在界定学术评价方法管理可控性的基础上，提出了管理可控性的标准，指出多属性学术评价方法的管理可控性是重点，认为线性主观赋权评价法的管理可控性最好，并就其管理可控性的流程和实施进行了深入分析。 结果/结论 必须拓展学术评价的范畴，使其更好地服务于科研管理；需要处理好管理可控性与防止人为操控的关系，应适当减少基础研究性质的学术评价方法研究。

目的/意义 为应对不确定安全风险扰动和复杂安全情报工作任务，安全情报体系亟须提升韧性水平。因此，开展韧性安全情报体系研究具有重要的理论与现实意义。 方法/过程 首先，根据韧性理论，提出韧性安全情报体系概念；其次，通过“结构—功能—过程”综合分析，构建韧性安全情报体系的理论模型；最后，分析韧性安全情报体系的实现机制。 结果/结论 韧性安全情报体系的理论模型是安全情报体系的结构韧性、功能韧性和过程韧性三层面的综合集成。韧性安全情报体系的实现机制是多任务驱动的安全情报体系要素自适应交互、不完备和不确定信息下的安全情报敏捷生成、安全情报体系可持续性响应运行与优化跃升、安全情报体系能力自主恢复与动态组合重构，以及安全情报体系结构和功能的主动求变与调试五大维度的统筹协同。

目的/意义 厘清生成式人工智能情境下科研人员数字韧性层次结构及影响因素，不仅有助于科研人员适应技术发展潮流，提升技术素养，还有助于科研人员学术研究的韧性创新发展。 方法/过程 基于32名不同学科领域科研人员的访谈数据，构建生成式人工智能情境下科研人员数字韧性层次结构及影响因素研究模型。 结果/结论 生成式人工智能情境下科研人员数字韧性基本经历“情感抗拒—适应发展—韧性创新”三个层次阶段。同时还发现，个体因素、技术因素和环境因素是影响科研人员数字韧性形成和发展的重要因素。据此，提出了“个体—技术—环境”的科研人员数字韧性影响因素理论框架。研究结果对于提升科研人员情绪智力、激活创造性自我效能提供有益参考。

目的/意义 客观评估在线健康社区UGC的隐私风险，对平台用户历史博文数据的隐私风险防控和序化管理具有重要现实意义。 方法/过程 本文基于风险管理理论，对隐私泄露损失和泄露概率进行分析界定，提出一种融入敏感性与关联性属性特征的隐私风险量化评估方法。首先，构建在线健康社区敏感属性字段词表，利用BERT-BiLSTM-CRF深度学习模型细粒度挖掘字段间语义关系，识别非结构化数据的字段属性特征。其次，参考个人医疗敏感数据词表量化属性敏感性，引入点互信息度量字段属性关联性，得到属性敏感矩阵和属性关联邻接矩阵，利用矩阵范数计算隐私风险值，基于风险值和属性字段组合情境进行风险等级划分，从而实现隐私风险识别、评估与评级。最后，选取微博平台上3个健康超话社区的内容进行实验验证，采用消融实验及人工验证检验方法的有效性。 结果/结论 结果表明，提出的隐私风险评估方法能够有效评估在线健康社区UGC的隐私风险，为平台隐私风险防范、隐私管理策略的制定与完善，以及构建科学的分级分类隐私保护体系提供理论和实践依据，为平衡健康需求与隐私保护的矛盾张力提供参考。

目的/意义 在线知识交流已演进为具有互惠共享特征的知识共创，针对现有研究多聚焦个体贡献，忽略其协同增效本质的局限。本研究引入共生效应理论，构建一个内嵌关联行为与增效成果的投入产出指标体系并评价知识共创效率。 方法/过程 以在线健康社区为典型场景，通过定向内容分析构建涵盖4类核心投入与3类增效产出的指标体系，运用Super-SBM模型与Malmquist指数评价其效率水平和效率指标变化情况。 结果/结论 研究构建了共生效应视角下的在线健康社区知识共创效率指标体系并评价其共创效率。相关性分析结果显示，该指标体系内各指标在5%的显著性水平上呈正相关，证明其具有良好的结构效度，可用于有效评价知识共创效率。

目的/意义 本文揭示AI生成信息的信息生态污染风险，并对风险影响因素及作用机理进行系统研究，为提升人工智能安全监管及治理效能提供理论支持。 方法/过程 基于信息生态系统理论框架剖析信息生态污染风险的影响因素，建立信息生态污染风险的系统动力学模型，运用系统仿真的方法进一步比较各个风险影响因素的作用强度及规律特征。 结果/结论 通过仿真结果分析揭示了信息生态污染风险形成机理和各影响因素在风险管控中的不同效能，指出实现AI生成信息的标识隔离是信息生态污染风险管控的决定性因素。［创新/价值］在信息生态系统的宏观视域下，构建起涵盖全生命周期的AI生成信息动态演化模型，为信息生态污染风险的定量研究提供基础框架和理论原型。

目的/意义 系统整合现有实证研究成果，对影响用户纠偏行为的相关因素进行梳理和评估。 方法/过程 通过元分析方法筛选出40篇有效文献，从个体层面、社会层面、外部环境层面筛选出20个关键因素并探索了潜在的调节变量。 结果/结论 结果表明，验证识别和自我效能是促进纠偏行为的显著正向因素，三个层面因素对用户虚假信息纠偏行为均具有不同程度的影响。此外本研究检验了信息主题、信息来源、文化背景及样本来源的调节作用，识别了部分异质性来源。从而在理论层面厘清了既有研究之间的分歧，实现理论与实践的双向诠释。［创新/价值］系统性整合相关理论体系，为相关模型的构建及设计信息干预策略提供思路和建议。

目的/意义 探索对话式搜索情境下人智交互意图及其动态变化规律，有助于为生成式人工智能系统设计和用户体验优化提供理论支持和实践指导。 方法/过程 基于心智感知理论构建交互意图编码框架，采用实验研究方法招募45名用户，完成记忆、理解、分析评估、创造与情感支持5类任务，利用开放式编码和滞后序列分析对用户交互意图及其转移模式进行识别与挖掘，进而结合任务类型剖析意图转移规律。 结果/结论 15种交互意图幂律分布于认知、情感和价值观维度；识别出需求迭代、结构重构、检索验证、效率优化等8种意图转移模式，发现任务类型对交互意图及其转移模式均存在影响。研究结果有助于揭示对话式搜索中人智交互行为的内在驱动规律，为生成式智能服务及可持续发展提供实践参考和借鉴。

目的/意义 识别突破性论文对于科技创新的前瞻性布局和科研管理具有重要意义。 方法/过程 基于可解释性机器学习方法，在作者影响力、被引频次等传统特征的基础上引入颠覆性与巩固性引文两种衡量创新性的特征指标，通过一系列实验对比XGBoost、TabNet和GcForest三种基础模型、不同超参数组合和不同时间窗口，从而获得最优领域突破性论文识别模型，并进一步采用SHAP方法评估各特征指标尤其是不同创新性特征指标在最优模型中的贡献程度。 结果/结论 ①XGBoost在医学、物理和化学领域均表现最佳，最高F1值分别达到0.9482、0.9331和0.8061，能够较为有效地识别不同领域的突破性论文；②对于不同领域而言，模型均在引文窗口为10年时达到最佳识别效果，窗口缩小时识别效果显著下降，但下降幅度因学科而异；③不同领域的突破性论文识别中各特征指标的重要程度存在差异，但整体而言颠覆性创新特征均显示出较高的重要性，不同领域的巩固性创新特征的重要性程度则存在差异。上述发现可为科学评价与政策制定提供方法支撑与实证依据。［创新/ 局限 本研究创新点主要在于引入颠覆性和巩固性引文作为两种创新性类型的量化指标从而构建领域突破性论文识别模型，但未来仍需在更多学科情境下深入探讨不同创新性特征的重要程度及作用机制。

目的/意义 在新一轮科技革命和产业变革中，如何准确识别新兴技术机会已成为企业保持竞争优势的关键。 方法/过程 本文提出一种以技术会聚预测为核心的TOD框架。融合语义、文献计量与拓扑多维度特征，构建基于图神经网络（GNN）的技术会聚预测模型；引入可解释性分析与Hits@k指标，以提升高价值机会识别的透明度和实用性；并在此基础上，将兴趣节点选择、候选机会生成、过滤与排序整合为一体化的新机会发现流程。 结果/结论 车联网领域的实证分析表明，多维特征融合能够显著提升预测性能，特征工程与嵌入模型的协同设计展现出交互效应；可解释性分析进一步揭示拓扑结构和语义信息分别在识别潜在会聚机会和排除不合理的技术组合方面的关键作用；经时间外推检验，新技术发现流程的预测结果在后续论文和授权专利中得到有效印证。［创新/价值］验证了基于特征融合增强的技术会聚方法在新技术机会识别中的优势，突破传统研究框架在企业异质性战略考量方面的局限，为情报服务与研发决策提供了可解释、可迁移的方法路径。

目的/意义 聚焦颠覆性技术的早期识别问题，针对现有识别方法在弱信号捕捉、语义解析及动态适应性方面的不足，提出一种融合BERTopic主题建模与多阶段弱信号检测的识别框架，旨在实现颠覆性技术的自动化精准识别。 方法/过程 该框架通过SBERT实现文本细粒度语义嵌入，结合 UMAP降维与HDBSCAN聚类精准提取技术主题；设计“主流信号过滤—噪声信号过滤—弱信号检测”三阶段流程，将颠覆性技术特征转化为可量化指标，识别潜在颠覆性主题；引入Logistic函数拟合技术生命周期曲线，辅助验证候选颠覆性技术有效性。 结果/结论 以新能源汽车领域为实证对象，基于2010—2024 年的科学论文与专利数据，识别出固态电池技术、锂金属回收等早期颠覆性技术主题，并通过多维度系统验证，证明了方法在准确性、前瞻性上的优势。［创新/ 局限 创新性地构建了融合主题建模与弱信号检测的识别框架，突破了传统方法对强信号的依赖，提升了早期识别的精准度，但当前数据源限于论文与专利，未来可拓展至政策、市场等多源数据以进一步提升识别效能。

目的/意义 探析突发事件中网络舆情逆转的动态机制，提升舆情应对的前瞻性与协同性，服务于更高效的舆情治理实践。 方法/过程 以“哈尔滨冰雪大世界退票”事件为例，通过Python采集微博2023年12月—2024年2月间78611条评论文本，运用LDA-BERT模型构建内容维度模型，通过社会网络分析构建用户维度模型，基于BERT-BiLSTM-Attention架构构建情感维度模型，从内容、用户和情感三个维度开展耦合分析。 结果/结论 研究表明，舆情逆转源于内容调整、用户协同与情绪转化的系统联动，体现为主题跃迁、传播合力与情绪拐点的同步演化。基于此，提出“叙事调控—信任协同—情绪引导”三维联动策略，以实现突发事件中网络舆情的理性逆转。

目的/意义 对话式搜索系统通常以多轮会话的方式串联上下文内容，为用户提供了一种全新的信息检索途径。用户能够使用自然语言与其进行对话交互，无须反复澄清检索需求便能够在短时间内获取问题的答案。因此，如何评估对话式搜索系统答案质量自然成为情报学关注的一个问题。 方法/过程 以现有信息质量评估研究为基础，在人工智能生成内容情境下，基于DeepSeek用户感知信息质量视角，综合运用专家访谈、问卷调查法、探索性因子分析和验证性因子分析方法来构建对话式搜索系统答案质量评价指标体系。 结果/结论 对话式搜索系统答案质量评价模型包含内容质量、时效质量、场景质量、表达质量和可访问质量5个维度，涵盖21项指标要素。［创新/价值］作为生成式人工智能应用场景下网络信息资源质量理论体系的再一次延伸和扩充，为助力对话式搜索系统用户答案选择和评价、优化人智交互体验和人机界面设计等提供理论依据。

目的/意义 弱结构化数据因其隐含语义特征而具有较高的潜在价值，但其非规范性和异构性的表征形式使得传统方法在处理该类数据时面临抽取效果不佳和标注成本高等问题。本文提出一种基于大语言模型的实体关系抽取通用框架，通过大语言模型强大的泛化、生成和推理能力，在标注资源有限和需求快速迭代的场景下为弱结构化数据处理提供高效、可扩展的解决方案。 方法/过程 该框架结合提示工程将抽取任务划分为问答对重构、实体识别、关系抽取与三元组增强4个阶段，有效提升了抽取任务的准确性与鲁棒性。本文以江苏省13个地级市的政府信箱问答数据为应用案例验证该框架的有效性。 结果/结论 实验表明，该框架在精确率、召回率和F1值等方面均表现优异，尤其Qwen模型在多个主流中文大语言模型中效果最佳。进一步实证发现，所提出方法能够准确识别“诉求事项—回应内容”等核心实体，不仅验证了该方法在问答数据中的应用价值，而且对政务信息智能化管理实践具有重要参考价值。

目的/意义 临床指南中蕴含大量的实体关系知识，构建实体关系数据集和抽取方法是后续工作的基础。 方法/过程 首先构建了面向高血压临床指南的实体关系数据集；然后，设计了一种融合医学领域知识和句法的实体关系抽取模型，由源码层、输入层、编码层、解码层和输出层组成，并对模型中的医学领域预训练模型、依存句法分析和图卷积神经网络、对抗训练和GPLinker等重要模块进行了阐释；最后，运用数据集对本文模型进行了实验验证。 结果/结论 本模型在面向高血压临床指南的实体关系数据集和公开数据集CMeIE-V1/V2的实验中取得良好效果。研究表明，融合领域知识增量训练的预训练模型、句法特征、对抗训练都可以有效提高实体关系抽取的效果。

目的/意义 产业大脑作为产业数字化改革的重要方向，为数字经济时代的产业治理开辟了新的思路，并为现代产业体系建设提供了新的可能性。然而，作为一个前沿领域，其系统框架的构建与应用模式仍缺乏深入研究与系统化探索。 方法/过程 本文界定了产业大脑系统的概念，分析了其构成要素。在此基础上以系统顶层设计视角为指导，以C-P-S三元世界理论为依据，构建了包含数字底座、智能中枢、信息服务、管理与保障体系四大模块的总体框架。从产业布局与管理、产业实践与升级两个维度，对产业大脑的典型应用场景与具体服务进行了初步探讨。 结果/结论 形成了对产业大脑系统的探索性框架构想，为后续相关理论研究与实践应用提供了参考和借鉴。未来仍需通过实证研究与实践检验，对该框架进行不断完善与验证，以进一步推动产业大脑系统在产业数字化治理中的深化应用与成熟发展。