AI赋能视角下的信息行为研究--2023年信息行为研究年会综述

2023年12月23—24日,2023年信息行为研究年会在北京大学召开,来自全国70多所高校的200余位知名专家学者和学生参加了会议。本次年会以“AI赋能视角下的信息行为研究”为主题,设置了主旨报告、专题讨论、海报展示、分论坛报告、眼动追踪工作坊等环节,围绕信息行为研究领域在新一代人工智能(AI)技术浪潮下的理论创新、方法应用、情境拓展、人本关怀、社会发展等方面进行深入研讨。文章综述了与会者的学术成果与主要观点,为信息行为研究的发展与创新提供理论启迪与研究指引。

生成式AI视域下智慧图书馆建设的关键路径

[目的/意义]智慧图书馆已经成为当今图书馆学界和业界最热门的主题之一。智慧图书馆建设的理论研究与实践工作已经取得了初步成效,生成式AI也在蓬勃发展的同时参与到各行各业的建设中。因此有必要立足当下发展,放眼远景目标,确定生成式AI参与智慧图书馆建设的策略。[方法/过程]本文从智慧图书馆空间升级、服务打造、业务重组、人才培养、体系建设5个方面阐明了生成式AI视域下智慧图书馆建设的关键路径。[结果/结论]关键路径研究将为生成式AI引入智慧图书馆下一阶段的建设工作提供借鉴与依据。

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。

Sora的职业影响:知识工作者应对AI核心技能替代的策略

AIGC技术的快速发展使人类独有的核心技能逐渐被AI突破和替代,这一趋势给知识工作者带来了前所未有的挑战和焦虑。文章分析OpenAI最新发布的Sora视频生成模型引发的岗位替代威胁,探讨知识工作者应对挑战的策略:采用“人在环中”(HITL)的工作策略、促进多AI智能体之间的协作、利用AI工具学习和掌握新的AI知识和技能,助力知识工作者既能维持职场竞争力,又能探索和创造AI时代新的工作机会。

生成式AI影响下的艺术媒介本体论转向

以Midjourney为代表的生成式AI模型中的“文字转图像”(Text-to-image)技术正在被广泛应用,其崭新的交互方式向大众宣告了生成式AI带领当代艺术步入“艺术大众化”时代。生成式AI技术影响下的艺术传播媒介发生了巨大变迁。艺术媒介已不仅具有“材料”“媒材”“质料”等传统属性,艺术传播的媒介环境从“再现”走向“再生产”;艺术媒介从“聚块”(Agglomerations)的传播模式发展为多元形态,在分散且广泛的“灰色媒介”中,艺术媒介的“物质性”被关注;人机艺术传播中的“媒介在场”和“社会在场”共同建构社会景观,塑造社会现实。

新农科背景下基于AI昆虫识别软件的实验教学改革

从昆虫智能识别入手开展新农科背景下昆虫学的实验教学改革和实践。软件由昆虫图片上传、模型训练、目标检测以及导出结果4个模块组成。完成目标检测的图片根据需要保存。AI昆虫识别软件的开发过程在Visual Studio Code环境下进行,采用Python语言进行编程,实现对拍摄图片的高效率、高精度检测。最后拟通过学生本科实验教学环节,开放成为农科学生进行昆虫识别鉴定的实践工具,极大激发农科学生的上课激情,同时也有助于在新农科背景下培养农科类学生的现代农业创新思维。

以ChatGPT为代表的AI技术与高等教育的深度融合

随着人工智能技术飞速发展,以ChatGPT为代表的人工智能技术已经逐渐成为人们关注的焦点。旨在探讨ChatGPT技术与高等教育的深度融合研究,分析其对高等教育的影响和挑战,并提出相应的解决方案。首先,介绍了ChatGPT技术的基本原理和特点,包括其语言生成模型的构建、预训练和优化等;然后,通过分析ChatGPT技术在高等教育中的应用场景,如智能教育、在线教学、个性化推荐等,探讨了其对高等教育的影响和挑战;最后,提出了一些解决方案,比如加强ChatGPT技术与高等教育的深度融合、建立完善的教育监管机制等,以应对ChatGPT技术在高等教育中面临的挑战。

基于AI算法的自然语言信息提取-翻译-校对系统设计

自20世纪90年代起,随着人工智能(AI)的飞速发展及其与深度学习等机器学习方法的广泛融合,自然语言处理(NLP)作为人工智能的核心,也取得了令人瞩目的进步。而随着国际学术交流、世界文化交融愈加频繁,人们搜寻、阅读他国网络信息的现实需求也随之增多。当信息搜寻者在搜寻非母语信息时,不仅会出现语言障碍问题,还会因错综复杂、层次不齐的各色信息而产生诸多不便。为了便于信息搜寻者快速高效地获取有用信息,文中基于人工智能算法(PageRank/TextRank)设计一种信息提取-翻译-校对(ETP)系统。系统通过AI自动搜索阅读页面上的重要信息和文本摘取,生成摘要,并基于机器翻译API模块完成翻译;其次,采用智能校对系统完成校对审核后,将信息呈现给搜寻者,以供其对全部信息高效且准确地进行预筛选,从而节省阅读时间和精力。最后对系统算法所实现的功能进行实验测试,结果达到预期。

基于AI的肺磨玻璃结节中医临床特点研究

目的通过客观、规范的方法分析肺磨玻璃中医临床特点,利用人工智能(AI)分析肺磨玻璃结节恶性风险,初步探究不同风险肺磨玻璃结节中医临床特点,为中医药干预肺结节提供参考。方法采集75例肺磨玻璃结节患者中医四诊信息,运用证素辨证方法提取证素;利用AI判读患者胸部CT,分析不同风险肺磨玻璃结节中医临床特点。结果肺磨玻璃结节患者中医证素以阴虚(77.33%)、气虚(56.00%)、阳虚(54.67%)、血虚(52.00%)等证素多见,亦可见痰(40.00%)、寒(37.33%)、气滞(32.00%)等实性证素;AI判读为高风险组较中低风险组气虚证素权值差异有统计学意义(P<0.05)。结论肺磨玻璃结节患者中医辨证以虚证为主,中医病机为气虚或气滞导致肺之气机不畅,引起局部痰、湿聚集于肺络而形成,而热证、瘀血证较少。

AI涌现:国际传播生态新物种、新范式和新秩序

以Chat GPT为代表的生成式AI进入国际传播生态,兼具生产者和消费者双重身份,成为传播新物种。人机共存、人机共有、人机共创将是国际传播的新面向。生成式AI在与既有传播主体的碰撞与融合中,催生了国际传播新范式,但同时也伴随着虚假信息泛滥、技术发展失衡和违背伦理法规等风险。因此,国际传播的新秩序亟待重构,从全方位提升国际传播主体能力、多层次多角度展开叙事内容和全过程治理传播等方向构建新秩序或是可行之路。

5G专网部署AI大模型能力的研究

为满足行业终端安全接入组织专网的移动性需求,能随时以自然语言交流方式实现行业应用与知识库的人机交互,文章对5G专网和交互式AI模型应用部署进行研究,阐述了在5G专网中部署行业AI大模型能力的解决方案,通过网络切片、安全策略和边缘云计算的部署方案解决网络安全和信息交互时延等问题,从而拓展5G专网在AI领域的应用场景,保障行业信息和敏感数据,提升工作效率。

结合地理信息与AIS数据的海上航道自适应提取方法

海上航道对于海上态势感知具有重要意义。然而,现有的航道提取方法存在航道航路点易丢失、提取准确性不高等问题,本文依据船舶航路点数量与其途经岛屿、港口等地理区域数量相等的准则,提出了一种结合地理信息与自动识别系统(Automatic Identification System, AIS)数据的海上航道自适应提取方法。首先,构建港口之间往返船只AIS航迹数据集,将每条AIS航迹等间距分段并计算每段航迹的平均航速,设置航速差初始阈值,计算相邻航段平均航速差超过阈值的数量作为初始船只转弯次数。其次,统计AIS航迹途经岛屿、港口等地理区域的数量,若其与利用AIS航迹提取的船舶转弯次数不相等,则根据两者的差异自适应调整航速差阈值,重新提取船舶航路点,直至其与途经地理区域的数量相等,将平均航速差超出最终阈值的航迹段的连接点作为船舶航路点。然后,利用基于密度的聚类算法将所有船舶的航路点聚类为航路点集合,计算航路点集合的质心作为航道的航路点。最后,以航道航路点为顶点、航路点之间的连线为边构建有向图,并删除落在陆地上的连线后得到最终的航道提取结果。利用潍坊港—连云港港之间行驶的20条船舶的AIS数据开展了海上航道提取实验,结果表明,与基于交通路径异常检测的航道提取方法相比,本文方法得到的船舶航路点的平均虚检率降低了9.1%,平均漏检率降低了16.7%,显著提升了航道航路点位置提取的准确性。

生成式AI热潮给高等教育带来的挑战和思考

随着生成式AI技术,特别是以ChatGPT为代表的大语言模型的快速发展,高等教育领域正面临着前所未有的机遇和挑战。文章通过系统梳理生成式AI技术的发展过程,分析了其在教育和科研情景中的应用现状。经文献对比和案例分析后发现,生成式AI技术在提升教学质量、促进个性化学习和提高科研效率方面具有显著优势,但同时也引发了数据隐私与安全、学术诚信以及责任归属等伦理和法律问题。文章进一步探讨了各国政府和国内外高校针对生成式AI技术采取的策略和具体实践,并从顶层设计、课程体系、教学模式以及潜在风险方面提出了借助生成式AI技术提升化工高等教育水平的建议,为AI时代化工卓越人才培养提供参考。

智媒时代AI赋能互动叙事的传播策略探析

智媒时代,技术革新推动媒体叙事呈现开放多元新态势,对传统叙事语言带来冲击,互动叙事形态构成的媒体传播迎来新的机遇与挑战。在探求智媒体中互动叙事传播形态的基础上,本文阐述以智能生成、动态交互、辅助优化为要素的媒体产业传播策略,从情感传递性、参与体验感等方面进行拓展性思考,探讨人工智能助力下媒体生产与传播策略融合的价值,以期为互动叙事研究架构提供理论延展,拓宽智媒体传播策略研究的思路与方法。

基于AIS大数据耦合分析的沿海港口泊位利用率研究

针对我国沿海港口能力供给水平数据跟踪方面长期存在的时效性差、人为统计过程中易出现错漏等诸多问题,分析传统泊位通过能力统计失真的具体原因,提出将泊位利用率作为评价港口服务水平的表征指标,依托地理信息系统(GIS)平台和基于船舶自动识别系统(AIS)等数据耦合的空间拓扑分析,综合考虑空间关系、航速特征、经留时间等影响因素,研发基于AIS大数据的泊位利用率算法模型,并以上海港2019年集装箱泊位利用率为例进行算法验证。结果表明,所提出的泊位利用率算法模型是可信的;提供了一种能够反映客观实际、定量分析判断港口服务水平的技术手段,可为政府部门长期动态监测港口能力与运输需求互动平衡关系,支撑政府部门决策港口发展重点和建设时序,避免空间资源浪费、重复建设、能力过剩等问题提供技术支撑。

AI时代的教育与评价

以ChatGPT为代表的AI技术发展对现有教育与评价体系提出挑战,并引发对教育模式与教育理念根本性变革的思考。在AI时代,对知识的了解与掌握已不再是学习的主要目的。以创新、创造、创业为内核的“三创教育”为面向未来的教育提供了一条新路径,其三个基本特征包括可个性化的学习、发现并解决真实问题/产品导向的学习、全球化的学习环境。AI为“三创教育”提供了切实可用的工具与实现方式。人机共生与共同演化(co-evolution)的时代已开启,教育工作者需要深入思考人与AI的关系,以及如何在AI时代实现教育公平和个人成长。

数字化转型下AI课堂观察系统使用对师生课堂行为的影响——基于W中学412节课例的循证研究

当前,课堂教学的数字化转型实践和应用正如火如荼,但师生可能因习惯于传统教学环境而对新技术的引入产生抵触情绪,从而影响数字化转型的成效。对此,文章以武汉市W中学七年级四个班的412节课例为研究样本,通过前后测实验设计,对比了AI课堂观察系统投入使用前后师生的课堂行为变化情况、不同特征(包括科目、职称、性别)教师的课堂行为差异,结果发现:AI课堂观察系统对师生课堂行为有一定的影响,且这种影响会随着时间的推移而减弱;AI课堂观察系统对不同特征教师产生了不同程度的影响。文章的研究揭示了课堂教学数字化转型面临的实践挑战,可为课堂教学创新的科学管理提供理论支撑和实践参考。

人工智能与舞蹈:“AI+”的身体美学构建

后人类时代,人工智能技术为艺术发展提供新的条件和可能性,使舞蹈艺术的“身体—科技”审美意象在舞者、场景与观众的“具身”或“离身”交互、虚实相生中得以构建。AI的参与增强了舞蹈艺术的体验性,并为舞蹈艺术带来超越性,使得“身体—未来”的意义在由元宇宙所创建的身体“E托邦”世界里生成。当代舞剧的“后人类叙事”讲述了中国式现代化的爱情、亲情故事,蕴含着中国式的浪漫,使“身体—叙事”的想象在中国式的“后人类叙事”中重组。

生成式AI时代大学生智能学习助手:框架、挑战与应对

生成式AI时代人工智能技术的快速发展,为大学生智能学习助手的产生和发展提供了坚实的技术支撑。研究以联通主义学习教学交互与认知参与模型为指导,针对生成式AI时代大学生智能学习助手的设计框架、现实挑战与建设进路展开。研究发现,生成式AI时代大学生智能学习助手的设计框架包括三大功能:作为知识获取的智慧平台,为学习者提供友好的学习交互体验的基础功能;作为知识交流的智能座舱,支持学习者的深度学习和研究活动的进阶功能;作为知识生产的创新引擎,促进学生全面持续性发展的高级功能。生成式AI时代大学生智能学习助手的现实挑战包括技术内容可靠性困境、互动与创生困难以及数据的伦理难题。为此,研究提出了大学生智能学习助手的建设进路:一是整合多元资源,提升智能学习助手的问答准确性;二是提升智能素养,促进师生与智能学习助手良性互动;三是完善政策标准,保障智能学习助手的顺利运行。

混合现实中基于GPU虚拟化的AI计算优化

研究探讨混合现实(MR)应用中,通过GPU虚拟化优化AI计算,聚焦于多任务调度与资源共享。研究提出了一个模型,其包含一种根据任务优先级、资源需求和等待时间,动态为正在执行的任务分配GPU资源的机制。同时,模型采用优化的多任务调度算法,以提高调度效率。实验结果表明,尽管在单任务性能测试中模型的执行时间、GPU利用率和内存使用方面略逊于物理GPU,但在多任务并发和资源共享方面,研究提出的模型展现了显著优势。未来研究将探索设计更公平高效的资源共享策略,以及进一步优化多任务调度算法。