登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《图书情报学研究方法和理论的跨学科使用意愿联动效应研究》

  • 来源专题：数智化图书情报
  • 编译者： 黄雨馨
  • 发布时间：2023-10-10

  • 图书情报学研究方法和理论的跨学科使用意愿联动效应研究

    杨志刚 / 郑禧潓 / 刘竟 / 卢章平 / 苏文成

    图书情报工作.2023 Vol.67 (15): 94-104.

    摘要： [目的/意义] 在学科交叉合作蓬勃发展的时代背景下，探究图书情报学研究方法和理论跨学科使用意愿影响因素的组态路径，为图书情报学的跨学科研究和学科影响力提升提供更广泛、深刻的思路，对促进学科交叉合作，解决科研迫切需求和社会重大实际问题等具有一定的理论与现实意义。[方法/过程] 以图书情报学研究方法和理论的跨学科使用意愿为主题，以认知-情感-意动为理论基础，构建图书情报学方法理论跨学科使用意愿模型，采用模糊集定性比较分析法得出影响因素的组态路径构成，并探求其组成机理。[结果/结论] 研究表明图书情报学科研究方法和理论的跨学科使用意愿是多因共致的结果，使用fsQCA研究方法得出了三条组态路径并概括为：学科知识——创新协同型组态、学科知识——社群协同型组态、学科知识——交叉基础驱动型组态。基于对组态路径联动作用机理的深入研究与解析，对学科未来发展提出如下建议：以现实为导向，加强学科建设，推进学科知识体系转型升级；立足“信息资源管理”守正创新，提升学科吸引力；积极推动跨学科合作，增强学科影响力；发挥信息交流支持作用，强化学科社群感知力。

111浏览量
原文链接
相关报告

  • 《从 ChatGPT 看生成式 AI 对情报学研究与实践的影响》
    • 来源专题：数智化图书情报
    • 编译者：闫亚飞
    • 发布时间：2023-07-11
    • 一般地，情报学理论范式指导情报实践工作。有研究将情报学理论范式分为 4 种，并阐释了每种范式下的情报工作重点和发展趋向，分别是:泛信息论范式下的知识管理与综合性知识服务;学术信息服务范式下的信息检索与服务;决策情报服务范式下的战略情报支持;社会信息服务范式下的企业 竞争情报、社会情报、舆情传播等。鉴于这4种范式较为全面地覆盖了情报实践工作的内容，因此本文将以此为视角，分析生成式AI将对情报实践产生的影响。 1.  拓宽知识资源建设渠道，打造知识服务新生态 知识服务是各类情报机构的一项重要职能，而智慧型知识服务是人工智能时代的产物。生成式AI又将推进智慧型知识服务向高级阶段的进化。从知识生产层面，传统的知识资源多出自出版社、数据库商以及情报机构的自建数据库和知识库。生成式AI的出现将拓宽情报机构知识资源建设的渠 道，AI辅助用户内容创作、AI自动生成内容成为 新的知识生产模式。一方面，每个用户可参与到知 识生产过程中，通过AI辅助获取知识创作的灵感、素材，由AI生成文本、图像、代码、3D模型等多模态知识，实现内容续写、跨模态内容生成( 文字 合成图片或视频等)，可极大提升用户体验;另一 面，生成式AI能够通过学习数据的底层模式再自动生成新内容。但就目前最先进的生成式AI技术ChatGPT而言，一大特点就是无法保证生成内容的准确性，这与知识的属性相斥。近期发表在Nature上的文章《ChatGPT:五大优先研究问题》中，研究者指出，ChatGPT 被用于科学界，必须要 坚持人类审查的原则。这无疑对情报机构提出 了新的挑战，即缺少前端的专家审核，情报机构需要承担对AI生成知识内容的人工审核与质量把控 的任务。从知识服务层面，随着元宇宙概念的提 出，情报服务机构致力于构建结合 AＲ、VＲ、人工智能等技术的超现实空间与现实空间融合的虚实共生的知识服务场景，而生成式 AI 技术也将为此贡献巨大力量，比如利用AIGC生成虚拟人或数字人，利用“ChatGPT+虚拟人”技术打造人机交互新入口，为用户提供沉浸式、立体化知识体验，有助于拓宽情报机构知识服务的范畴，构建知识服务新生态。 2.  塑造学术信息检索新范式，优化学术信息服务模式 ChatGPT的出现对搜索引擎业务构成了较大威胁，但百度指出生成式AI并不能替代搜索引擎，两者是一种互补的关系，并提出了融合两者功能的“生成式搜索”概念，这对情报领域的学术信息搜索发出了信号。一方面，针对以 Web of Science、中国知网、情报机构自建知识库等为代表的学术信息搜索平台，如果借鉴ChatGPT与WebGPT的联动效应，将生成式AI整合至学术搜索平台中，使其实时根据数据库内容更新，生成的内容参考了某篇学术论文则注明其来源。用户关于某一研究主题 得到的检索结果将不仅是文献列表，也能呈现由生成式AI筛选、整合、总结生成的文献综述，又或是根据读者描述的研究思路，基于对海量文献中图表、图像数据的学习，生成技术路线图以供参考，甚至是针对某领域的研究成果，利用生成式AI抽取细粒度知识，自动生成学术知识图谱，把复杂的关 联研究直观地呈现给读者，以交互式问答方式回答读者的问题，并通过连续对话提升读者体验;另一方面，对于学术科研互动社区，生成式AI在学习了 科研用户海量的问答数据之后，可针对用户搜索或提问生成答案。由此可以预测，生成式 AI 将会重塑 学术信息检索新范式，有助于优化信息服务模式， 但其能力边界与训练时被投喂的数据数量、质量、丰富度有很大关系，这将是情报实践工作中着重考 虑的问题。此外，最重要的是，基于 AI 的学术信息 服务需在明确的使用规范前提下开展，避免被错误和虚假信息误导而产生学术不端等后果，这一问题 正是当前学术圈讨论的热点。 3.  挑战决策情报服务体系，驱动情报效能提升 决策支持服务是情报工作的一项重要内容，主要面向国家科技战略、产业发展与产业结构政策、学科发展等战略决策型关键问题，通过文本挖掘、科学计量等方法深度剖析科技发展态势、学科演化、政策布局，形成战略咨询报告。ChatGPT 发布 以后，被尝试用于生成行业分析报告、市场调研报 告等。其使用了来自人类反馈的强化学习方案，具备良好的思维链能力，能够针对特定问题自主生成解决方案。虽然从目前来看，生成的报告内容仍然 不够专业可信，并不能直接用于指导决策，但随着不断地反馈学习以及模型算法的优化，性能会极大地提升。这对面向决策支持的情报服务产生了较大的冲击和挑战，然而并不会完全取代情报人员的工作，而是作为辅助工具加速推进决策支持服务的智能化，驱动情报效能的提升。因为，即便是在Zero－shot设置下执行下游任务，也需要向AI输入提示。换言之，在决策支持服务中，最基本也是最重 要的环节是情报分析对象、方向、预期的情报产物 形式与内容(比如战略报告的框架)的确定，生成 式AI仅作为辅助情报分析与内容生成的工具，前提是情报人员向其输入合适的问题，这意味着情报人员需要对用户需求有深刻的理解并承担情报产品 的设计工作。从另一方面来看，生成式AI有助于将情报人员从琐碎的分析、撰写任务中解放出来，更多地投入创新性研究工作中。比如，在利用科学计量学分析方法辅助制定科技发展战略规划时，AI可以依据已有的理论和方法，针对特定问题基于数据挖掘生成分析报告，但探索计量学新理论、新律，具体到更加科学有效的新的指标体系构建等创造性工作中，仍然需要专业人员的深入研究和持续创新。 4.  增加社会信息服务压力，凸显情报价值引领 在社会信息服务范式下，情报工作在企业竞争情报服务、安全情报服务、舆情风险预警与治理、数据治理等领域发挥着重要作用。生成式AI在赋能情报收集、处理与分析的同时，也会带来一系列负面影响，增加情报服务的压力。比如，在社会安全和舆情治理方面，ChatGPT可能会成为谣言制造者或舆论引导者的辅助工具，在一些误导性、充斥阴谋论的提问下大量改编信息，引导社会舆论向片 面、极端的方向发展。这在一定程度上会加大风险的情报感知与情报预警的难度。在数据治理方面，近年来关于科研大数据治理、企业大数据治理、政府大数据治理等问题愈发重要，治理的维度涉及数据安全、数据标准、数据质量等。伴随着 ChatGPT等生成式AI的快速发展，海量AI生成数据涌向经济、科研、政务等各个领域，由此带来的数据治理 压力是巨大的。从生成式AI模型的工作原理来看，生成数据的质量取决于训练时被投喂的数据质量和输入提示的有效性。因此，数据治理不仅涉及到AI创造的内容，同样涉及训练数据和提示数据。可以预见，情报学在数据治理领域将面临较大挑战，具体包括AI生成数据的质量管理、标准化、数据归类、数据产权归属等各类问题。然而，从另一个角度来看，生成式AI在增加社会情报服务压力的同时，也更加凸显情报的价值和社会效用，如 何充分发挥情报在综合研判、监测预警、信息汇聚 与治理等方面的作用，更好地服务社会发展，是情报工作在AI冲击下保持优势地位的关键。
    489浏览量
    原文链接

  • 《OCLC 研究部和 ALISE 提名 2018 年度图书情报学研究基金获得者》
    • 来源专题：图书情报
    • 编译者：xuxue
    • 发布时间：2018-03-01
    • 2018 年 2 月 8 日，俄亥俄州都柏林市 — OCLC 研究部和图书情报学教育协会 (ALISE) 将研究基金拨付给由五名研究者所开展的三个项目。2 月 8 日在科罗拉多州丹佛市举行的 ALISE 2018 年度会议颁奖午宴上授奖。 Rachel Clarke（雪城大学）将开发更广泛、更系统的方法来推广图书馆中丰富多元的阅读材料，进一步鼓励和倡导多元化的阅读和媒介消费，尤其是针对那些可能若非如此，可能就不会寻求此类搜索的人士。该项目旨在让图书馆用户以新的和之前意想不到的方式来考量资源，这些资源来自文献界传统上被边缘化的部分并通过服务于传统图书馆服务的知识组织的新发展而出版。 Violeta Trkulja 和 Juliane Stiller（柏林洪堡大学）将研究德国难民移民在互联网上找工作、寻找培训职位或求学时的信息搜寻行为。他们的研究将有助于更好地理解移民难民不同层次的数字技能，这可以用于设计有针对性的课程和课程计划，以解决适合他们的在线课程不足的问题。 Alexander Voss 和 Anna Clements（圣安德鲁斯大学）将执行一项研究来描述 ORCID iD 的采用情况、不同研究领域的研究员对该系统的使用案例和认知，以及采用可能的干预措施所面临的阻碍。这项研究将会提出独到的见解，从而说明采用 ORCID iD 的直接益处将如何针对利益相关者进行具体化，这些利益相关者必须通过注册并维护他们的记录来开展取得成功所必需的工作。 OCLC/ALISE 图书情报学研究基金支持以下类型的研究：推动图书馆事业和情报科学发展的研究；有助于图书馆员将新技术集成到传统能力领域的独立研究；有助于更好地理解图书馆环境的研究。 全球各图书情报学学院的全职学术人员（或同等人员）申请该基金的金额高达 25000 美元。提案由 OCLC 和 ALISE 挑选的专家组进行评估。获得支持的项目应该在获奖后近一年内开展，同时作为申请该基金的一个条件，研究员必须在基金使用期末撰写一份最终项目报告。 此前的 OCLC/ALISE 图书情报学研究基金获得者的名单可参见：www.oclc.org/research/grants/awarded.html。
    79浏览量
    原文链接