生成式AI的治理研究：以ChatGPT为例

在自回归生成模型、预训练以及人类反馈强化学习等技术的基础上，ChatGPT获得了强大的自然语言处理能力，颠覆了过往人们关于人工智能的认知。但与此同时，ChatGPT在模型训练、生成内容以及应用等维度也带来了诸多类型的风险。在治理展开之前，应当明确人本主义是治理的价值基础，包容审慎的敏捷治理是治理的理念，“点面结合”的多方参与是治理的主体要求，多措并举的体系化方案是治理的模式。由此，治理的具体路径将从以下五个方面展开：建设标准训练数据集、健全人工智能训练师职业资格准入制度、强化算法监管技术、落实全过程的伦理治理方案以及优化法律体系与法律责任配置。     

情报学思维:情报学理论走向实践的认识性中介

情报学思维是实践理性的思维,是一定的情报学观及其支配下的情报学操作思路的统一体。从情报学理论到情报学思维,既是发生在情报学理论内部的认识运动过程,又是情报学理论的思维化过程。从情报学思维到情报活动实践,首先需要把外在的情报学思维内化;其次将情报学思维作为情报行动的认识论依据,并把情报学思维作为反思自己情报行动合理性的理性标准。如此,情报学思维也就走向实践。     

从情报学与相关学科的差异性看情报学的核心技术

情报学与图书馆学、信息管理、通信科学、智能科学、计算机科学、计算语言学等学科有着密切的关系.但它们之间又有着本质的不同.通过分析情报学与相关技术学科的差别,得出情报学的核心技术是分析技术.因此,应当在充分发展以检索为代表的传统情报技术的基础上,大力加强分析技术,特别是文本内容分析技术,以推动相关理论、技术与实践的发展.     

生成式人工智能的数据风险及其法律规制——以ChatGPT为例

作为生成式人工智能技术的代表,ChatGPT需要在大规模的数据提炼、分析、学习的基础上才能得出智能化结论、作出趋势性预测。具体而言,作为大型自然语言处理模型的ChatGPT在训练和运行过程中涉及到了预训练数据、人工标注数据、抓取数据、人机交互数据等四类数据,不同类型的数据在应用过程中面临着不同的法律风险和挑战。立足数据这一人工智能和算法模型的基础原料开展风险分析、法律回应和技术规制,有着迫切的现实意义。对此,我国可以考虑从顺应产业发展、平衡安全与效率的角度出发,厘清义务边界,完善规制措施,健全立法体系,以包容审慎的态度配合技术发展趋势形成有针对性的规范体系,从而抓住数字经济时代借助人工智能技术发展“弯道超车”的机会。     

用户知识问答转移行为研究：从问答社区到生成式AI

[研究目的]作为一类新兴应用,生成式AI在知识问答领域吸引了众多用户,这可能导致传统的知识问答社区用户流失,因此研究用户转移行为对提高知识问答社区用户粘性来说至关重要。[研究方法]基于PPM(推-拉-锚)模型,整合认知和情感体验因素,研究了用户的知识问答转移行为。对收集的483份有效数据采用混合方法包括结构方程模型(SEM)和模糊集定性比较分析(fsQCA)进行分析。[研究结论]研究结果发现,转移意愿受推力因素(信息过载、社区倦怠)、拉力因素(感知拟人度、感知准确度、感知可信度、沉浸体验)和锚定因素(社会影响)的综合影响。fsQCA识别出了三条导致转移意愿的主要路径。研究结果启示问答社区需降低信息过载,缓解用户的社区倦怠,从而实现用户保持和平台可持续发展。     

情报学理论与实践关系研究的知识向度

研究情报学理论与实践关系发生的机理,在于合理地认定双方主体的知识身份.要使情报学理论知识活性化,在情报学理论研究者与实践者之间确立知识分享的理念是必需的,这也是破解情报学理论与实践关系的一条重要的知识理路.而对于情报学理论研究中"普遍主义"的消解,是被一种叫做"地方性知识"的知识观来完成的.在当前的情形下,对情报学理论"普遍主义"的"合法化"消解就是情报学理论流派的创生.     

后现代视域中的情报学理论与实践

情报学理论与情报实践的矛盾一直是情报学研究领域关注的焦点论题。后现代主义思维范式所倡导的情报学理论的多元化、情报实践的多样化以及情报学理论与情报实践之间的多维互动,为人们从不同的角度来审视理论与实践的关系提供了新的思路。     

从情报学理论体系的建构看情报学的发展

通过对国内外情报学理论各流派的分析，结合时代的发展特征，探讨了情报学的发展方向和工作研究重点的变化。     

情报学学科问题的可能性解释

阐述了情报学自身理论领域的界限来自于其所要研究的对象,集中体现了情报活动者与公共之间的关系;情报学要把不同的情报活动个体的发展作为首要研究任务;情报学研究建立在每个情报活动个体发展的基础之上,存在于对社会与情报或知识利用情景之中;理论概念与经验研究相结合是情报学研究范式的内在机制。     

ChatGPT对开源情报工作的影响及对策

[目的/意义]探索人工智能内容生成技术对开源情报工作的影响与改变。[方法/过程]以ChatGPT的形成与AIGC技术演进为研究起点,分析ChatGPT现有技术特征与技术演进趋势,从开源情报全周期视角解析该现象级应用对开源情报工作的潜在影响。[结果/结论] ChatGPT对开源情报的信息搜索、信息获取、信息处理环节具有一定提升作用。但现有技术缺陷使ChatGPT在开源情报全流程介入中仍面临数据可靠性、情报隐秘性、意识形态风险等问题与挑战。建议情报机构采取AIGC技术融合理论探索、AI生成式内容可靠性评估、智能技术体系建设等积极策略来应对本轮技术变革,更好实现开源情报价值。[局限]受限于AIGC技术领域专业化知识与ChatGPT应用下的开源情报实践不足,研究结论仅是ChatGPT对开源情报工作影响的思考与探索。     

从"以人为本"看情报学的研究现状与发展

本文将情报学与“以人为本”的精神相结合，从分析情报学的研究现状入手，指出情报学研究忽视了“人”的因素，并提出情报学研究应当“以人为本”，最后给出了对情报学未来发展的建议。     

ChatGPT类生成式人工智能嵌入数字政府建设：可供、限制与优化——基于技术可供性视角

[目的/意义]通过分析ChatGPT类生成式人工智能嵌入数字政府的技术可供性,探寻ChatGPT类生成式人工智能对数字政府建设带来的机遇与挑战,并提出应对方法。[方法/过程]基于技术可供性理论,构建以“生产—社交”可供性为主线的理论分析框架,分析ChatGPT类生成式人工智能嵌入数字政府建设的可供性。[结果/结论]ChatGPT类生成式人工智能为数字政府建设提供生产可供性与社交可供性,为深化数字政府建设提供新的机遇与技术支持。但人工智能技术本身、政府、开发者及其他行动者对技术可供性具有多重约束,限制了ChatGPT类生成式人工智能与数字政府的耦合。因此,应促进技术的完善与协作来提高技术与数字政府的适配性,通过完善数据共享机制为技术嵌入做好铺垫,并做好数据安全工作,更好地促进ChatGPT类生成式人工智能嵌入数字政府建设。     

对情报学未来发展的思考

从情报学的历史和现状入手，层层深入，提出了情报学发展的原因，重点论述未来发展趋势，并对情报学未来研究中应注意的几个问题作了简单探讨。     

情报学研究的可靠性评估：内涵、进展与对策

[目的/意义]合理地评估一项情报学研究的可靠性,是情报学科对内建设自我优化体系、对外提高学术话语权的基础支撑,亦是适应情报学朝向模型化、智能化、工程化等新趋势发展的必然要求。对研究理论、方法和结果的可靠性评估一直是情报学研究中的关键环节,忽视可靠性评估会导致情报学研究质量参差不齐、应用性不足等问题。[方法/过程]厘清情报学研究可靠性评估的内涵,梳理该方面研究进展,正视现有情报学研究中可靠性评估环节的不足,并探索有针对性的解决之道。[结果/结论]在情报学科未来发展中,急需在学科范围内强化研究人员的可靠性评估意识,加强学界和业界联动,从资源、流程、方法等层面推进情报学研究可靠性评估体系规范化的建设,探索情报学可靠性研究评估工作的“特色化”,以形成高效的自审、自证、自优的情报学研究机制,提升学科话语权。     

从情报学理论体系的建构看情报学的发展

本文通过对国内外情报学理论各流派的分析，结合时代的发展特征，探讨了情报学今后可能的发展方向和工作研究重点的变化。     

从ASIS&T年会主题看情报学研究的热点及发展

本文以美国情报科技学会(ASIS&T)年会的论题的摘要作为研究对象,利用词频统计和内容分析法对2000-2007年年会的论题及摘要作了统计分析,从中探讨情报学研究的热点和发展趋势.