当期目录
-
2026年, 11卷, 第4期
刊出日期：2026-08-30
研究论文
-
全选|
-
单位：1. 华中师范大学信息管理学院 武汉 430079
2. 数据治理与智能决策研究中心 武汉 430079关键词：数字健康素养, 在线健康信息获取, 自我效能理论, 健康自我效能感, 网络自我效能感摘要：[目的/意义] 针对网络健康信息数量激增、质量差异显著与大学生健康信息需求持续增长的问题，探索数字健康素养促进大学生在线健康信息获取的作用机制，揭示影响大学生在线健康信息获取的内在路径，旨在帮助大学生高效获取健康信息，为优化在线信息平台的健康信息服务提供参考。[方法/过程] 借鉴KSAVE模型和TMeHL框架，从知识与技能两个层面对数字健康素养进行维度划分，将其细化为数字健康知识水平、数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力4个维度。在此基础上，结合S-O-R理论框架，并引入自我效能理论，构建数字健康素养影响大学生在线健康信息获取的理论模型。采用问卷调查法收集数据，共收集到319份有效问卷数据，并利用结构方程模型检验研究假设。[结果/结论] 结果发现，技能层面数字健康素养（数字健康信息搜索能力、数字健康信息评估能力和数字健康信息互动能力）均能显著提升大学生的健康自我效能感和网络自我效能感，并进一步促进其对在线健康信息的获取。相反，数字健康知识水平对大学生健康自我效能感和网络自我效能感的作用路径均不显著，无法通过增强其自我效能感促进在线健康信息获取。
-
单位：1. 南京理工大学公共事务学院 南京 210094
2. 中国科学院科技战略咨询研究院 北京 100190
3. 中国科学院大学公共政策与管理学院 北京 100149关键词：跨学科, 测量方法, 科研合作, 知识成果, 知识创新摘要：[目的/意义] 旨在构建适用于中文科研合作成果的跨学科性测量方法，并系统分析科研合作组织特征对知识成果跨学科性的影响规律。该研究有助于弥补现有测量方法主要面向英文文献、在中文情境下适用性不足的缺陷，拓展跨学科测量的本土化研究工具。同时，可为优化科研合作组织方式、完善跨学科成果评价和合理配置科研资源提供参考。[方法/过程] 提出一种基于中图分类号的中文科研成果跨学科性测量方法，能够应用于大规模文献数据集，相较基于参考文献的测量，该方法能够很好地排除内生性影响。以2013—2022年62家CSSCI期刊的124 746篇合作论文为样本，采用含年份固定效应与期刊固定效应的Tobit模型进行实证检验。[结果/结论] 研究发现，在控制年份与期刊固定效应后，基金支持数量、内部组织规模与外部合作规模均对知识成果跨学科性产生显著倒“U”型影响，表明适度的合作规模有助于跨学科知识整合，但超过一定阈值后协调成本上升将产生抑制效应。上述结论在去极端值处理和替代口径检验中均保持稳健，对科研合作的组织管理具有重要实践启示。研究表明，科研合作治理应由单纯的规模扩张导向转向更加注重协同质量和知识整合效率的质量导向。
-
单位：南昌大学公共政策与管理学院 南昌 330031关键词：网络信息内容生态, 生成式人工智能, 扎根理论, 影响机制摘要：[目的/意义] 探究生成式人工智能的发展给网络信息内容生态机制带来的影响，为优化网络信息内容生态、提升信息利用效能提供作用。[方法/过程] 采用扎根理论研究方法，对生成式人工智能和网络信息内容生态机制相关的文献及政策文件进行开放式编码、主轴编码及选择性编码，构建包含主体机制、参与机制、实现机制和保障机制的生成式人工智能背景下的网络信息内容生态机制。然后，对网络信息内容生态机制内部的相互影响关系进行分析，并解析生成式人工智能对网络信息内容机制的影响路径，在此基础上选择自媒体平台AI应用情况作为案例，验证4条影响路径的合理性。[结果/结论] 研究发现，生成式人工智能对主体机制、参与机制、实现机制、保障机制存在4条影响路径，整体分析逻辑为生成式人工智能—信息内容—信息主体—信息服务—信息环境，在自媒体平台的案例中都能得到有效验证，印证了各路径的合理性与可行性，也充分体现了生成式人工智能对信息内容影响的系统性与动态性。最后，为优化生成式人工智能背景下的网络信息内容生态机制提出一些建议：需规范生成合成内容的传播、严格审查生成模型语料库的选择、强化用户信息判断和信息筛选的能力、明确生成内容涉及的版权问题。
-
单位：上海工程技术大学管理学院关键词：谣言识别, 大语言模型, 监督式微调, 检索增强生成, 低秩自适应, 链式思考推理摘要：[目的/意义] 针对大语言模型在面对突发性网络谣言时受限于静态知识边界而无法准确判断的未知难题，传统静态识别方案缺少实时事实核查能力，难以适应不断涌现、形式多变的新型谣言，本研究设计并实现了一种检索—学习一体化的动态谣言识别新范式，提升模型对新发谣言的识别准确率，助力网络舆情自动化治理。[方法/过程] 本研究以Qwen3-8B微调模型为基础模型，设计谣言—非谣言—未知的三段式判断机制。当模型对输入信息判定为未知时，系统将自动触发网络搜索引擎，抓取权威信源证据，并将检索结果作为即时上下文，供模型进行二次精准研判。系统同时对每一次成功的查询、佐证与判别过程进行结构化存储，构建增量样本集，并采用轻量化低秩自适应微调技术，对基础模型进行周期性更新，从而实现检索增强与持续学习的一体化协同，形成实时查证、样本积累和模型迭代的闭环工作流程。[结果/结论] 实验结果表明，该方法在谣言识别任务中表现突出，F1值达到0.96，FTCA指标达到94.8，显著优于多种主流基线模型，且在应对突发与新型谣言场景中，能有效降低未知判定比例，表现出良好的稳定性与实用性，可为动态网络虚假信息智能研判提供技术参考，也为检索增强类谣言检测模型的优化提供新思路。
-
单位：1. 中国科学院文献情报中心 北京 100190
2. 中国科学院大学经济与管理学院信息资源管理系 北京 100190
3. 中国科学院档案馆 北京 100190关键词：《通用人工智能行为准则》, 人工智能大模型归档, 风险治理, 全生命周期归档摘要：[目的/意义] 人工智能大模型的开发与应用具有分级监管风险、全生命周期动态治理等特殊要求，使得其归档有着不同于一般信息管理系统或平台归档的特殊性。对AI大模型归档研究，有助于适应当前人工智能发展形势，丰富档案管理工作。[方法/过程] 以《通用人工智能行为准则》为研究对象，分别运用BERTopic模型进行主题识别以梳理《准则》中关于AI大模型开发与应用的要求与主要风险，运用DeepSeek V4模型进行内容抽取以归纳面向风险治理的举措及其形成的文件材料。在此基础上，从强调分级监管AI大模型风险、实施全生命周期动态治理及注重完善治理架构3个方面系统分析与解读《准则》，并探讨档案部门作为后端管理主体应如何主动应对上述要求与风险。[结果/结论] 基于上述分析，本文提出档案部门可从实施与风险治理相适应的分级归档、明确AI大模型全生命周期的归档要求以及完善面向风险治理的文件材料归档范围3个方面着手，为我国开展人工智能大模型归档工作提供参考。
-
单位：1. 中国人民大学信息资源管理学院 北京 100872
2. 吉林大学商学与管理学院 吉林 130012
3. 云南大学历史与档案学院 昆明 650091关键词：档案需求, 公众档案认知, 社交媒体平台, BERTopic, 时间序列预测摘要：[目的/意义] 针对现有档案需求研究多聚焦机构层面、对公众个体化和场景化档案诉求刻画不足的问题，以社交媒体平台用户生成内容为研究对象，构建面向公众档案需求的“识别—分类—预测”分析框架，为档案服务精准供给与动态适配提供方法支撑。[方法/过程] 以知乎平台档案相关问答文本为语料，综合运用BERTopic主题模型、人工核验与大语言模型辅助语义归纳方法，识别公众档案需求主题并完成类别归并；进一步基于各类别月度频次构建时间序列，比较SARIMA与Prophet模型的预测效果，并对未来短期需求变化进行预测。[结果/结论] 研究发现，公众档案需求可归纳为人事档案流转与凭证类需求，机构日常档案管理类需求，监督、合规与问责类档案需求3类，分别对应个人事务办理、机构运行管理和治理监督问责3个层面。时序分析显示，人事档案流转与凭证类需求和机构日常档案管理类需求具有长期基础性和周期性特征，监督、合规与问责类档案需求则具有较强事件驱动性。研究结果表明，社交媒体平台能够有效反映公众真实的档案诉求，语义主题模型与时间序列模型的结合可为档案部门开展需求感知、资源配置和人事档案智能化服务提供参考。
