基于在线健康社区用户信息行为的疫情风险识别模型研究--以“COVID-19”为例

[目的/意义]为利用在线健康社区问诊数据进行疫情风险感知,提出一种基于在线健康社区用户信息行为的疫情风险识别模型,拓宽疫情风险的识别渠道和感知能力。[方法/过程]对《中华人民共和国传染病防治法(2013修正版)》规定的甲、乙、丙类37种传染病进行科学知识图谱分析、术语提取及补充后,得到不重合症状142种,利用GRA找出每种传染病关联度排名较高的症状作为需要识别的风险要素以建立症状风险指标;对在线健康社区用户生成内容进行分析来构建其余指标,与症状风险一同构成本文疫情风险指标体系,并通过基于预测的ARIMA构建风险识别模型。[结果/结论]通过对“COVID-19”爆发初期的在线健康社区数据仿真结果表明,提出的基于GRA-ARIMA多维时间序列组合模型具备较优的疫情风险识别能力,模型能够基本拟合“COVID-19”疫情初期发展曲线,可为疫情二次爆发的提前识别及我国疫情风险感知神经末梢的建立健全提供参考。

突发公共卫生事件下国家民主生存或衰减因素构型研究——基于20个案例国家的清晰集定性比较分析(csQCA)

[目的/意义]突发重大公共卫生事件往往能够暴露一个国家本质的民主问题,研究突发重大公共卫生事件情景下世界强国的民主生存或衰减因素,对于维护我国稳定与安全,国际关系的良好发展,引导、改善国家民主环境来说具有重大意义。[方法/过程]基于Lipset研究民主问题的理论,结合“COVID-19”疫情现状,确定了人均国民生产总值、城市化水平、识字率、工业劳动力、政府稳定性、治愈率、消费者物价指数、国际暴力犯罪率8个解释变量,使用清晰集(csQCA)将世界综合国力排名前20的国家作为案例进行定性比较分析,得到了17个不含逻辑余项的条件构型和6个简约解。[结果/结论]面临突发重大公共卫生事件,每个国家民主生存及衰减的路径并非完全一样,可以充分利用有利条件调整国家关系并为民主战略的制定和实施提供参考。

GPT牵引负面舆情态势恶化的威胁确证与化解策略研究

【目的/意义】对GPT类技术牵引负面舆情态势恶化引起充分重视,深入考据现象之下的威胁确证与化解问题,有利于增强忧患意识、建立健全舆情安全感知神经末梢。【方法/过程】通过关系数据模型+情境感知推理+模拟退火算法完成舆情正负属性判断,利用萤火虫算法嵌套AT树模型分析恶化态势,构建GPT技术牵引作用测度、威胁建模及分类、威胁确证及应对方法,使之实现通用性威胁识别与监测。【结果/结论】实证分析表明,GPT类技术确实能在负面舆情态势恶化中起到一定作用,危害程度从低到高的威胁依次为意识形态攻击、歪曲认知共鸣、涟漪效应催化、负面价值引导与恶性意见领袖。进一步,结合实证结果及中国古代情报学术语“伐谋”之辐射范围提供了4条面向威胁化解的现实策略。【创新/局限】创新在于,提出一项GPT技术带来的可预见威胁,并围绕化解策略展开讨论。局限在于,未过多探讨威胁生成动机,也未针对涉舆用户开展深入分析,期待今后提供更全面地研究。