过刊目录

  • 全选
    |
    研究论文
  • 作者:桂倩, 仲伟冰, 何玄, 张楚逸
    单位:上海理工大学管理学院 上海 200000
    关键词:技术预测, 文献计量, 研究热点, 前沿趋势, VOSviewer, Citespace
    2025年,第5期:375-396
    研究论文
    出版日期:2025-09-10
    PDF ( ) HTML ( )
    摘要:【目的/意义】 技术预测是与未来技术发展趋势和技术创新相关的研究,识别当前技术预测领域的研究热点与前沿趋势,可以为企业和组织的技术创新提供指引,帮助其把握机遇,规避风险。 【方法/过程】 以2001至2024年Web of Science和中国知网(CNKI)收录的技术预测相关文献为数据来源,综合运用知识图谱工具VOSviewer和Citespace对文献特征、研究热点和前沿趋势进行分析。 【结果/结论】 研究表明:①国内外技术预测领域相关文献数量持续增长,核心期刊分布于情报学、管理学等学科领域。②国内作者群多以机构内合作为主,存在以师徒关系为基础的跨机构合作关系;国外跨机构合作活动较多,多以联合培养学者、高校访问学者为中介开展学术研究合作,中国学者成为国际技术预测领域的重要力量。③研究热点方面,国内聚焦于新兴技术与颠覆性技术研究、技术机会研究、技术预测方法研究;国外关注技术发展趋势研究、新兴技术评估与预测研究、技术融合与技术情报研究、技术机会发现与分析研究。④研究前沿方面,颠覆性技术和新兴技术的识别与预测、技术融合与技术创新研究、技术机会识别与发现方法的优化是国内技术预测领域的研究前沿;国外技术预测领域的研究前沿主要聚焦于技术预测方法的改进、技术机会的发现与分析。
  • 作者:邹凯, 谭欣宇, 傅立云, 蒋知义
    单位:1.湘潭大学公共管理学院 湘潭 411105
    2.湘潭大学技术转移中心 湘潭 411105
    3.湘潭大学图书馆 湘潭 411105
    关键词:数据生态, 人工智能, 模糊解释结构模型, 数智图书馆
    2025年,第5期:397-414
    研究论文
    出版日期:2025-09-11
    PDF ( ) HTML ( )
    摘要:【目的/意义】 明确数据要素视角下AI赋能图书馆读者服务优化路径,为图书馆更有效地利用AI进行数智化转型,促进图书馆价值释放提供建议。 【方法/过程】 从数据要素视角出发,基于数据价值链理论、信息生态理论和感知价值理论,通过扎根访谈提取相关影响因素,并根据提取的15个范畴使用模糊解释结构模型(Fuzzy-ISM),划分三级影响路径,结合交叉影响矩阵相乘法(MICMAC)分析识别独立群、依赖群等集群特征。 【结果/结论】 确定数据主体、数据环境、数据本体三维度15个要素的影响路径,确立数据存储与技术设施构成的底层独立群是服务优化的根源驱动,通过影响其他要素进而影响用户的感知价值,从而实现价值闭环,据此提出分层施策建议,为图书馆“数据—价值”转化提供思路。
  • 作者:黄成立
    单位:广东开放大学(广东理工职业学院)图书馆 广州 510091
    关键词:区块链, 分布式存储, 数字资源保存, 数据隐私保护, 智能合约
    2025年,第5期:415-428
    研究论文
    出版日期:2025-09-22
    PDF ( ) HTML ( )
    摘要:【目的/意义】 针对传统数字资源保存方法存在的单点故障、隐私泄露及保存能力不足等问题,提出基于区块链与分布式存储的融合模型,以解决数据易篡改、权限管理低效和跨机构协作信任缺失等核心挑战。 【方法/过程】 设计分层架构模型,结合区块链存证元数据和IPFS分块存储文件,利用智能合约实现资源上传、权限控制与数据修复的自动化;通过AES加密保障隐私安全,并基于哈希冲突概率计算(4.26×10-27)和容灾能力量化(文件年可恢复率99.99%)验证模型可靠性。 【结果/结论】 模型在数据不可篡改性、隐私保护(AES-256破解需3.68×1051年)和容灾能力上显著优于其他方法,适用于数字档案、医疗数据等高安全性场景。提出分层存储与数据去重压缩等策略,优化系统性能与成本。模块化设计降低开发复杂度,托管服务集成提升部署效率。研究表明,区块链与IPFS协同机制可以为数字资源保存提供可靠路径,未来需进一步平衡性能与成本以支持规模化应用。
  • 作者:马骁
    单位:西安美术学院书法系 西安 710000
    关键词:美术类本科生, 网络应用行为, 扎根理论, 质性研究
    2025年,第5期:429-440
    研究论文
    出版日期:2025-10-09
    PDF ( ) HTML ( )
    摘要:【目的/意义】 通过构建美术类本科生网络应用行为的模型,为艺术类高校了解和把握学生的网络应用行为提供依据,从而掌握学生网络动向,探索高校网络思政教育模式。 【方法/过程】 基于扎根理论,借助质性数据分析工具Nvivo12,对访谈文本进行开放式编码、主轴编码、选择性编码、理论饱和度检验等,构建出美术类本科生的网络应用行为模型。 【结果/结论】 该模型显示,在不同的网络和现实背景下,受到个人特质和现实因素的约束及影响,美术类本科生的网络应用行为呈现出相似的群体特征及差异化的行为目的和行为模式,模型共归纳提炼出表征层、环境层、目标层、行为层、延伸层和约束层等6个核心范畴和18个主范畴。结合所得的核心范畴,本研究进一步提出艺术类高校应从环境治理、目标引领、行为修正三个方面加强网络思政引领效能,为高校正确引导学生网络应用行为提供依据。
  • 作者:陈璟浩, 李文思, 顾连
    单位:1.广西大学公共管理学院 南宁 530004
    2.广西大学区域社会治理创新研究中心 南宁 530004
    3.广西物流职业技术学院党委学生工作部 贵港 537100
    关键词:短视频, 负面舆情, 舆情补救, 旅游景区, 卷入度
    2025年,第5期:441-452
    研究论文
    出版日期:2025-10-10
    PDF ( ) HTML ( )
    摘要:【目的/意义】 针对短视频舆论环境下的景区突发事件,探寻最有效的补救策略(道歉、整改、补偿),以修复公众信任并提升补救满意度。 【方法/过程】 采用在线实验法,设计4(道歉/整改/补偿/不补救)×2(高卷入度/低卷入度)的组间实验,以景区突发事件短视频为材料,检验不同策略在不同卷入度下对公众负面情绪及满意度的影响。 【结果/结论】 研究表明,补救策略中补偿效果最佳,整改次之,道歉最弱。有效的补救是通过降低公众负面情绪来提升满意度。公众卷入度起关键调节作用:高卷入度下,补偿是最佳策略;低卷入度下,整改与补偿在缓解负面情绪上效果相当。
  • 作者:万昊, 闫丽, 李默, 孙江文
    单位:山东科技大学图书馆 青岛 266590
    关键词:数据治理, 数据要素, 数据生态, 数据安全, 知识图谱
    2025年,第5期:453-469
    研究论文
    出版日期:2025-10-27
    PDF ( ) HTML ( )
    摘要:【目的/意义】 旨在全面把握图情领域数据治理的理论与实践前沿,构建系统化的认知框架,为相关政策制定、制度设计与战略规划实施提供有力的参照。 【方法/过程】 借助于CiteSpace与VOSviewer可视化工具,选择中国知网(CNKI)作为数据源,通过题录信息分析搭建领域研究框架、提取领域前沿热点、梳理领域发展演进。 【结果/结论】 我国图情领域数据治理研究文献呈现指数级增长趋势且可以被划分为两个阶段(2015—2019年与2020年至今),通过主题聚类归纳治理理论体系、治理技术体系、治理商业模式、治理实践方案和治理政策与法律法规5个主题,并对我国数据治理研究进行展望,为更好发挥“数据要素×”效用,推动国家治理体系现代化提供理论和实践参考。
  • 作者:尹淑英, 吉海涛, 郭晓亮
    单位:1.《沈阳工业大学学报》编辑部 沈阳 110870
    2.沈阳工业大学材料科学与工程学院 沈阳 110870
    关键词:知识液态化, 知识生产范式, DeepSeek, 跨模态推理
    2025年,第5期:470-478
    研究论文
    出版日期:2025-10-28
    PDF ( ) HTML ( )
    摘要:【目的/意义】 鉴于数字技术的演进催生知识形态从固态向液态的认知相变,针对现有研究在系统揭示DeepSeek等跨模态推理技术重构知识生产范式机制方面存在的分析框架缺位问题,提出知识液态化理论框架,揭示跨模态推理技术对知识生产范式的重构机制。 【方法/过程】 构建包含“模态—主体—流程”3个维度的知识液态化分析框架,采用案例分析与功能解析法,系统剖析DeepSeek的动态稀疏注意力机制、混合专家(MoE)模型及跨模态对齐技术重构知识生产范式的核心动因。 【结果/结论】 DeepSeek并非一般性的影响因素,而是通过其技术架构(MoE等)与开源模式,从根本上触发知识生产在模态(从离散到统一)、主体(从中心化到人机分布式)、流程(从线性到动态交互)的三重范式重构。这一重构过程在提升知识生产效率的同时也衍生出认知权威耗散、责任归属模糊等新型治理挑战。

联系方式

    《知识管理论坛》编辑部
    地  址:北京中关村北四环西路33号
         中科院文献情报中心5D
    邮  编:100190
    联 系 人:刘老师
    电  话:010-82623933
         010-82626611-6638
    E - mail:kmf@mail.las.ac.cn
    微  信:zsgllt