《新质生产力视域下跨学科知识融合与新知识生长》

  • 来源专题:数智化图书情报
  • 编译者: 程冰
  • 发布时间:2025-07-22
  • [目的/意义] 为探究跨学科知识融合与科研创新之间的关系,寻找促进新知识生长的关键性因素,激发科研创新活力。[方法/过程] 基于新知识生长视角,以数字治理这一典型跨学科研究领域为例,采用固定效应回归模型探究影响科研创新的跨学科驱动因素及作用机理。[结果/结论] 跨学科知识融合性、跨学科融合主体知识积累量、跨学科融合速度与跨学科主体的影响力是影响新知识生长的主要因素,但其作用关系存在正向与负向差异。贸然向大量远距离学科汲取知识不利于新知识生长,引用具有较强直接影响力的传统型知识也无助于新知识生长。新知识往往生长于具有扎实知识积累的学科领域;高效的知识传播速度活跃了知识流动环境,有助于刺激新知识生长;在知识引用网络中,吸收更多具有桥梁作用的关键性知识更有利于新知识生长。
  • 原文来源:https://www.lis.ac.cn/CN/10.13266/j.issn.0252-3116.2025.11.007
相关报告
  • 《人工智能为发展新质生产力提供关键驱动力》

    • 来源专题:人工智能
    • 编译者:高楠
    • 发布时间:2024-07-24
    • 6月20日,国家主席习近平向2024世界智能产业博览会致贺信。习近平指出,人工智能是新一轮科技革命和产业变革的重要驱动力量,将对全球经济社会发展和人类文明进步产生深远影响。中国高度重视人工智能发展,积极推动互联网、大数据、人工智能和实体经济深度融合,培育壮大智能产业,加快发展新质生产力,为高质量发展提供新动能。习近平主席的贺信为深化人工智能发展进一步指明了方向。面对日趋激烈的全球科技竞争,推动人工智能赋能新质生产力,已成为我国开辟发展新领域新赛道、塑造发展新动能新优势的重要抓手。 推动生产力要素提质增效        区别于传统生产力,新质生产力是由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生的先进生产力,其基本内涵包含更高素质的劳动者、更高技术含量的劳动资料、更广范围的劳动对象及其优化组合的质变实现全要素生产率的提升。人工智能技术的发展将为生产力要素提质增效提供不竭动力。        从劳动者的角度来说,人工智能可将人类现有知识进行数据化处理,通过海量数据输入和深度学习模拟人类思维方式,能学习远超人脑所能容纳的知识量。同时,它能对信息化知识进行重新组合与创造性运用,从而形成能动且主动的知识创造与运用能力。例如,它具备文案设计、文生图片、文生视频、代码生成等多种智慧功能,可为人类智力劳动提供有效辅助工具,为全方位提升劳动力素养和技能、提高智力劳动效率提供重要动力。        从劳动资料的角度来说,具有颠覆性、通用性、普适性的人工智能技术催生出更多新型生产工具,使劳动资料由传统的物质形态向虚拟形态转化,极大拓展生产空间,进一步解放劳动者、削弱自然条件对生产活动的限制。        从劳动对象的角度来说,数据作为新型生产要素成为重要劳动对象,人工智能将生产过程简化为劳动者(人/智能机器)通过人工智能技术将劳动对象(数据)进行智慧化处理的过程。在这个过程中,人工智能技术本身及其所智慧化处理的事物都是新质生产力概念下的劳动对象。同时,人工智能可以大幅提升管理效率和组织效率,实现经济活动过程的智能化、绿色化,为培育新质生产力提供广阔的降本增效空间。此外,人工智能在引发生产方式变革和劳动形态演变的同时,还将加速推动相应法律框架、监管政策和保障机制调整和完善,进而破除生产、分配、交换、消费循环过程中的“梗阻”,推动产业结构和组织结构优化调整,形成与新质生产力相适应的新型生产关系。        当前,要清醒看到的是,与世界先进水平相比,我国基础研究相对薄弱,自主研发能力有待提升,在高端芯片、智能仪器仪表、核心算法、操作系统等与人工智能密切相关的科技领域仍存在“卡脖子”问题,这在技术源头上制约了人工智能对新质生产力的赋能作用。另外,在人工智能与产业融合过程中,一些传统产业和中小企业面临技术设备落后、专业化人才不足、融资难融资贵等问题,缺乏智能化转型的内生动力,也在一定程度上阻碍了产业结构优化升级和新质生产力快速发展。 打造具有国际竞争力的数字产业集群        2024年《政府工作报告》明确提出,深化大数据、人工智能等研发应用,开展“人工智能+”行动,打造具有国际竞争力的数字产业集群。当前,要紧密围绕新质生产力的发展方向,充分发挥我国超大规模市场应用场景丰富的独特优势,通过数据驱动、算法优化、模型创新等手段,加快人工智能领域的科学技术创新,以人工智能高质量发展和高水平应用培育经济发展新动能。        一是完善人工智能发展顶层设计,为赋能新质生产力谋篇布局。应全面推进涵盖算法、数据、深度合成等领域的人工智能立法工作,依据不同应用场景进行分级分类监管,为人工智能赋能新质生产力营造良好法治环境。针对传统产业和中小企业智能化转型中的痛点难点,推动财税、金融、科技、人才等政策齐发力,实施靶向精准扶持。此外,综合考虑各地资源禀赋、产业基础、科研条件等,推动地方政府因地制宜出台“人工智能+”行动方案,形成各地发展新质生产力的特色路径。        二是释放人工智能创新动能,为新质生产力发展提供科技支撑。应加快推进人工智能基础理论研究和关键共性技术研发,在智能芯片、大模型算法及框架等基础关键技术和产品上取得突破,打破人工智能赋能新质生产力的技术制约。另外,着力打造“政产学研金服用”协同联动的人工智能创新体系,推动创新链产业链资金链人才链深度融合,基于市场需求促进创新要素有效配置,助力人工智能创新成果加速转化为新质生产力。         三是加强人工智能人才队伍建设,夯实新质生产力发展的人才根基。基于人工智能技术革新和产业智能化转型的实际需要,深化高校在人工智能领域的人才培养改革,促进学科融合,自主培养一批人工智能领域相关学科的高层次基础理论人才和复合型创新人才。此外,面向全球引才引智,构建“引育留用”全链条人才服务体系,重点引进具有基础科学、信息技术及交叉学科领域背景的顶尖科学家和青年人才,形成激发科技创新和新质生产力发展的“源动力”。         四是建设人工智能产业集群,推动新质生产力发展集群成势。结合各地基础和优势,围绕产业链搭建多层次集群创新平台,集成和开放人工智能技术创新基础设施和服务资源,加快建设人工智能产业集群和创新高地。同时,充分发挥龙头企业带头作用,促进产业链上下游大中小企业间数据共享、业务联动与资源共享,激发涌现更多专精特新中小企业,进而形成人工智能产业集群协同发展生态,打造人工智能赋能新质生产力的集群优势。 (作者系同济大学经济与管理学院特聘教授 刘虎沉) (责编:王震、陈键) 关注公众号:人民网财经 分享让更多人看到
  • 《主题-引文融合视角下重要主题发现及知识流动路径研究》

    • 来源专题:数智化图书情报
    • 编译者:闫亚飞
    • 发布时间:2023-10-08
    • 摘要:[目的] 知识流动形成的“厚积”是知识创新得以“薄发”的必然过程与关键因素,理解与探究知识流动的内在机理与轨迹方向,为科技创新与发展,科学评价与决策提供参考意义。 [方法] 以主题为研究视角建立知识网络,综合主题影响因子与节点交叉度构建主题重要度指标。基于识别得到的重要主题,分别从知识流入与知识流出视角出发,利用最大路径搜索算法实现知识流动路径的构建。 [结果] 实证分析表明,所构建的指标能够对领域重要主题实现有效识别。在此基础上构造知识流动路径,并提取得到了具有最大知识传播量的领域路径。 [局限] 知识节点间的知识流动强度度量还具有一定的局限性,未能全面考虑到引用行为发生的动机、引用类型等实际引用情况的多变性。 [结论] 综合分析两种视角下的流动路径发现,主题间具有较为普遍的双向知识流动,学科内部存在彼此交流较为紧密的主题群,同时也为从整体上把握研究主题的形成脉络与继承发展提供了有益的参考。 研究结果: 理解知识流动的内在规律模式并及时跟踪知识流动的轨迹方向,对于知识创新与科技突破具有重要的启发意义。近年来基于传统引文网络的知识流动路径研究多是利用主路径分析及其改进方法提取知识流,跟踪特定研究领域的发展轨迹。 但此类研究主要是通过构建权重指标对节点链接的重要性加以区分,忽略了对路径节点本身重要性的考虑。本文以主题为研究视角,融合主题影响力与主题引用网络中的主题节点地位两个标准层面,引入主题影响因子与节点交叉度构建主题重要度指标,对领域重要主题进行识别。在此基础上,从主题的知识流入与知识流出两个视角出发,计算主题间的知识流动比例作为知识流动路径构建的链接权重。依据重要节点及节点间的链接权重,利用最大路径搜索算法提取具有最大知识传播程度的路径,以准确把握领域内部的知识交流模式与发展路径,理解研究主题兴起的根源与承续。 研究结果表明,主题网络中各主题节点之间的联系比较紧密,呈现出聚类程度高、辐射范围广、交流距离短的基本特征。此后,文章综合引文分析与社会网络视角构建了主题重要度指标,通过计算节点移除后的网络极大连通系数和网络效率下降比例可以发现,二者均显示出了较为快速的变化并在移除个数达到一定数值时趋于稳定,且所移除的节点集合对原网络具有显著影响。该结果证实了本文提出的度量指标在对重要主题的识别上具有一定的有效性与可行性。以重要主题为节点对象,研究通过知识流入与知识流出两种视角下的路径构建,对领域研究主题的来因去果进行了综合展现与刻画,体现了在知识不断被接受、吸收、交融、整合与传递的过程中,源点主题所携有的知识经过不断传播得到内化与沉淀,并持续影响着后续主题的发展方向,同时新知识不断被创造转移,与已有知识共同缔造领域未来发展的基本规律。