当期目录 | 2024年第5期

数据资产化是抓住数字机遇，实现数据价值，推进经济社会数字化转型的关键环节。本研究认为，公共数据、企业数据和个人数据三大类数据是数据要素的主体。目前对三大数据的资产化实现路径研究不足，阻碍了数据要素的价值释放。本文系统梳理了数据资产的相关概念，深入探讨了来自公共、企业和个人的三大数据资产化路径。研究结果表明，公共数据可以面向政府内部或供给社会使用，分别借助共享和开放、授权运营三种路径产生社会效益或经济利益，形成公共数据资产；企业在持有数据或不持有数据两种权属配置下，可以对数据进行不同程度的加工、处理，从而完成数据价值的深挖和数据利益的再分配，形成存货、无形资产等类型的数据资产；个人数据资产化的相关实践较少，主要依靠供需双方直接交易或委托数据中介机构交易两种路径完成市场化流转，形成个人数据资产。通过对这一议题的探讨，研究期望为数据要素价值实现和数据资源有效配置提供理论指导和实践借鉴。

数字化转型为经济社会发展提供了重大机遇，同时也面临诸多挑战，如数据从哪里来、如何持续供给、如何培育数据核心能力及数据生产场景与技术等问题亟待探讨。通过对数据生产的概念、结构、特征、场景与技术的讨论，希望引起理论界、实践界对数据生产新业态的关注，促进数字化、智能化、智慧化等新质生产力的发展，为我国数字化转型与治理能力现代化服务。

　　中国古代典籍作为中华优秀传统文化的宝贵结晶，不仅承载着深厚的历史记忆与文化精髓，更在构筑文化自信、推动文化繁荣的征途中发挥着不可估量的作用。《2021－2035国家古籍工作规划》明确提出，加强新技术在古籍数字化工作中的推广应用。党的二十届三中全会进一步指出，加快适应信息技术迅猛发展新形势。随着自然语言处理快速发展，大语言模型成为当前信息技术发展的前沿和趋势，大语言模型与古籍智能处理深度融合具有重要的文化价值，符合国家对新时代古籍工作的要求和战略定位。大语言模型技术能够显著提高古籍整理和研究的效率，推动古籍信息处理的智能化进程。这不仅能为古籍的数字化和现代化提供强有力的技术支持，还会为传承和弘扬中华优秀文化做出重要贡献。本专题以国家社科基金重大项目“中国古代典籍跨语言知识库构建及应用研究”（21&ZD331）为依托，基于团队自研的荀子古籍大语言系列模型，探讨大语言模型下的古籍智能信息处理理论创新与技术应用。

　　首先，专题聚焦荀子古籍大语言模型在细粒度分类和低标注数据场景下的应用价值。结合古籍活化利用的时代需求，选取了《四库全书》部分语料，探究荀子古籍大语言系列模型在古籍自动分类上的表现。与通义千问、百川等通用领域大语言模型相比，荀子古籍大语言模型在古籍分类方面性能更为优异，尤其是Xunzi-Baichuan2-7B大语言模型在细粒度自动分类任务中取得超越基座模型的出色表现。荀子古籍大语言模型（Xunzi-Baichuan2-7B）在古籍自动分类上优势明显，说明垂直领域内经过专业训练的模型具有更优性能和价值，仅依靠少量标注数据即可实现与其他模型相当的分类效果，为细粒度、低资源环境下的古籍分类提供了高效的解决方案。

　　再次，专题构建“政策-技术-古籍-用户”四位一体的框架体系，该体系能够为大语言模型下的古籍智能信息处理研究提供全方位指导。结合国家的政策方针，以及以ChatGPT为代表的生成式人工智能技术的快速发展的社会实际，探究大语言模型下古籍智能信息处理的框架体系与实现路径。在探究大语言模型与古籍智能信息处理领域的深度融合之路的过程中，结合信息资源管理学科特色总结出“政策-技术-古籍-用户”四位一体的框架体系，进而从理论路径、技术路径和人文路径三个方面详细阐释了实现路径和可行策略。

　　最后，专题构建古籍领域评测任务，为古籍领域模型测评提供了参考标准，填补了古籍处理领域大语言模型性能评测的空白，推动大语言模型在古籍领域的准确性和实用性提升。在“领域大语言模型测评体系日趋成熟，但面向垂直领域的大语言模型测评进展缓慢”的背景下，研究基于多类别的古籍文本数据，从语言运用能力和知识储备两个维度构建了一批古籍领域评测任务，并评估了13个在各大榜单上表现优异的通用领域大语言模型。结果显示，GPT-4模型在古籍语言处理能力维度表现良好，ERNIE-Bot在古籍知识维度表现突出，而开源模型中的ChatGLM系列则表现最为出色。这项针对古籍领域的测评研究不仅为古籍领域大语言模型性能测评提供必要借鉴，也为未来的测评研究建立了可参考的标准。

在古籍研究掀起热潮以及古籍活化成为时代要求的背景下，古籍自动分类面临更高的要求。结合当下前沿的大语言模型，以《四库全书》史部和经部的25类语料作为输入语料，探究荀子古籍大语言系列模型在古籍自动分类上的分类效果。通过与其基座模型对比实验表明，荀子古籍大语言系列模型在古籍自动分类任务中具有明显优势，其中Xunzi-Baichuan2-7B大语言模型的优势最为显著，整体分类F1值达到96.90%；调整训练数据规模的实验表明，荀子古籍大语言模型仅需少量的数据就能够达到与基座模型相当的分类效果。因此，本研究提出的基于荀子古籍大语言模型的古籍自动分类模型，能够实现对古籍的高效细粒度分类，并为资源受限情境下的古籍分类开辟了新途径。

为实现大语言模型与古籍智能信息处理领域的深度融合，丰富信息资源管理学科在古籍智能信息处理领域的理论体系和技术体系，本研究借鉴编码解构的思路，通过对28位领域用户的访谈数据进行编码分析，凝练出大语言模型下古籍智能信息处理的构成要素，进而总结出“政策-技术-古籍-用户”四位一体的框架体系，并以此为基础，结合信息资源管理学科特色，提出了具体实践路径。研究结果显示，政策因素、技术因素、古籍因素和用户因素是大语言模型与古籍智能信息处理领域深度融合的关键要素，最后结合大语言模型技术和古籍智能信息处理领域的发展实际，从理论路径体系、技术路径体系和用户服务体系三个方面详细阐释了实践路径和可行策略。

大语言模型的频繁发布为大语言模型的评测研究带来了机遇与挑战，针对通用领域大语言模型的评测体系日趋成熟，而面向垂直领域的大语言模型评测仍在起步阶段， 本文以古文领域评测为切入点，从语言和知识两个维度构建了一批古籍领域评测任务，并选取当前各大榜单中性能较为优越的13个通用领域大语言模型进行评测。评测结果显示，ERNIE-Bot在古籍领域知识方面遥遥领先于其他模型，而GPT-4模型在语言能力方面表现出最佳性能，在开源模型中，ChatGLM系列模型表现最为出色。通过构建评测任务和数据集，制定了一套适用于古籍领域的大语言模型评测标准，为古籍领域大语言模型性能评测提供了参考，也为后续古籍大语言模型训练过程中的基座模型选取提供了依据。

深入解析各政府省际总体差异、区域差异及动态演进趋势，有助于缩小政府数据开放差异，推动政府数据开放均衡发展，加快政府数字化转型。基于中国政府数据开放评估报告，运用面板熵值法测算我国21个省份的政府数据开放综合指数及四个子维度指数，并借助Dagum基尼系数和Kernel密度估计分析我国省际政府数据开放发展的区域差异及演进趋势。研究发现中国政府数据开放水平呈增长态势，政府数据开放水平存在明显的区域差异并逐渐扩大，四个子维度的区域差异情况各异，除西部区域以外，东部和中部区域的绝对差异均呈扩大趋势。本研究创新性地将基尼系数运用于政府数据开放均衡的主题中，并组合熵值法、Dagum基尼系数和Kernel密度估计三种方法，以递进方式研究政府数据开放总体差异、区域差异及未来演进动态，可较为完整全面地把握实际的政府数据开放差异情况。

从用户角度分析隐私政策的诱导同意倾向、探索诱导同意机制，有利于在帮助用户辨别不公隐私条款的同时，为监管部门规范APP隐私政策制定提供指导。研究采用扎根理论从用户视角分析隐私政策的诱导同意倾向，归纳构建隐私政策诱导同意编码体系，人工标注语料后通过半监督学习训练K-BERT模型，实现隐私政策中含诱导同意倾向语句的自动化识别，并通过进一步的网络分析、序列模式挖掘探究隐私政策诱导用户同意的特征及深层规律。本研究提出的模型实现了自动化识别隐私政策诱导同意语句的目标，并通过实证分析发现，用户机会成本、隐私管理成本、模糊概念处于诱导维度关系网络的核心，其中模糊概念和推卸责任语句在隐私政策构成模式化诱导性行文中发挥重要作用，通常先后密集地出现在其他不公平语句后；儿童领域与其他领域APP隐私政策的诱导同意特征间存在显著差异，且部分领域隐私政策间存在一些共性特征，可能与其服务提供方式与商业逻辑的相似性有关。

鉴于算法相关性的日益增强，如何落实平台的主体责任成为焦点问题。本研究基于可供性的理论视角，通过混合研究方法，分析了算法技术、平台环境与用户感知之间的关系，以明确平台在其中的作用以及出现的问题。研究结果显示，算法通过特定的编码程序、多目标优化以及百亿级别的特征向量组合，重塑了平台环境；面向普通用户，算法具有不可见性、不可编辑性和不可访问性，平台通过信息线索、界面设计和功能设置初步构建了算法的可见机制，但效果有限。本研究结合算法的嵌入逻辑为促进用户算法知情提供对策建议，具有理论与实践意义。

大突发事件往往导致网络舆情甚嚣尘上，如何对重大突发事件网络舆情进行有效导控成为当前舆情工作的一大挑战。在行动者网络视角下，构建包含重大突发事件、媒体、网民与政府的行动者网络舆情导控分析框架，运用系统动力学模型对重大突发事件网络舆情导控机理进行系统仿真，通过灵敏度分析确定网络舆情导控的关键影响因素，在此基础上，运用模糊集定性比较分析法对其条件组态进行分析，以探究重大突发事件网络舆情导控的有效路径。研究表明，事件危害度、媒体报道强度、网民情绪强度以及政府关注度对舆情导控起着关键影响作用，需要进一步强化复杂影响因素分析能力，重视媒体行动者与网民行动者作用，提升政府关注度与各行动者间的有机联动和有效协同，最终实现重大突发事件网络舆情的有效导控。

探究突发事件中网络反向社会情绪的影响因素及演化机理，分析其背后隐藏的社会问题，有助于疏导网络空间中反向社会情绪的积聚。通过QCA定性比较分析方法，依据网络反向社会情绪放大传播理论模型，对30个突发事件案例从网民、媒体、政府三个维度进行网络反向社会情绪影响因素的分析。研究结果表明，在网民、媒体、政府三个维度，促使网络反向社会情绪放大的组态共有八条，其中，诉求表达、社会公平、持续报道、政府干预、隐报瞒报五个因素在网络反向社会情绪演化中起关键作用，而严重程度、从众心理、意见领袖、媒体类型、首发平台、回应质量、政府层级等因素与关键变量结合后能决定网络反向社会情绪演化方向。若对网络反向社会情绪进行疏导，须畅通诉求表达渠道，保障网民切身利益；加强媒体监管力度，发挥价值引领作用；履行政府应急责任，彰显社会公平正义，进而切断风险从线上到线下的演化途径，以避免发生社会冲突。

社交媒体中传统“把关人”机制失效，健康谣言“被辟谣-再出现”现象频发，愈加凸显辟谣信息设计策略的重要性。围绕健康谣言真假参半、情绪鲜明的信息呈现特征来探究健康辟谣信息说服效果，能更好地理解辟谣信息设计机理，为优化谣言治理策略提供有益借鉴。聚焦信息呈现的二维分类框架，设计2（内容呈现：单面内容vs. 双面内容）×2（形式呈现：严肃形式vs. 幽默形式）×2谣言类型（恐惧谣言vs. 希望谣言）的控制实验，进而分析其与健康辟谣信息说服效果间的相关关系。研究结果显示，内容呈现对健康辟谣信息说服效果具有显著影响，双面（vs. 单面）的健康辟谣信息有更好的说服效果；内容呈现和形式呈现的交互效应对说服效果的影响受到谣言类型的调节；对于希望谣言，采用单面幽默的辟谣信息与双面严肃的辟谣信息均能实现更好的说服效果。

生成式人工智能常态化爬取海量在先作品诱发侵权风险，长距离文本语义理解意欲掩盖侵权痕迹，开放式的跨域泛化推理为实施侵权提供技术便利。在作品数据投喂方面，生成式人工智能逾越合理使用制度的边界，或将使在先作品走向无保护或过度保护的极端；在生成内容可版权性方面，生成式人工智能凭借其生成内容的“广度”与“厚度”解耦著作权主体性，挑战现有独创性标准。重释适当引用制度和建立使用在先作品背书机制，应对合理使用制度适用难题；推动“作者中心主义”向“作品中心主义”横向过渡，使以人格权为出发点向财产权转向；建立基于可解释性的生成式人工智能独创性评估机制，重释独创性标准。

生成式人工智能的出现给电子商务与数字创新带来了新一轮变革。生成式人工智能如何赋能电子商务与数字化创新以推动数字经济繁荣，是数智时代下电商学者与从业人员需要探索的新主题。2024年8月27日，“第六届（2024）电子商务与数字创新年会”在武汉隆重召开。本次会议由中国管理现代化研究会电子商务与网络空间管理专业委员会，管理科学与工程学会信息系统与数字化创新分会共同主办，武汉大学信息管理学院承办，湖北省电子商务学会协办。本次会议得到了《图书情报知识》《信息资源管理学报》《Data and Information Management》《工程管理科技前沿》《系统管理学报》和《管理学报》等期刊的大力支持。武汉大学信息管理学院吴江教授主持开幕式；武汉大学党委副书记楚龙强对各位专家学者的到来表示热烈欢迎；管理科学与工程学会信息系统与数字化创新分会主任黄丽华教授和中国管理现代化研究会电子商务与网络空间管理专委会主任刘业政教授分别致辞，表达了对电子商务学术和实践工作未来发展的关注和展望，对本次会议的召开表示热烈祝贺。

　　本次会议以“生成式人工智能与管理创新”为主题，聚焦生成式人工智能与电子商务创新、数字化转型与创新管理、电子商务与物流管理、数字乡村与数商兴农等研究前沿，旨在分析当前生成式人工智能与数智商务的发展趋势、探讨新兴技术对电子商务领域的影响、推动数智商务领域创新提供启发。