信息資源管理視角下的全球ChatGPT研究主題識別與啟示

［中圖分類號]G203

[文獻標志碼]A

[文章編號]1005-6041（2025）02-0031-07

1引言

大語言模型是革命性的人工智能創(chuàng)新成果。隨著2022年ChatGPT的出現(xiàn)，以其為代表的大語言模型為新產(chǎn)業(yè)形態(tài)的出現(xiàn)和發(fā)展奠定了基礎(chǔ)，為數(shù)字經(jīng)濟和數(shù)字社會發(fā)展提供了更加高效可靠的創(chuàng)新型工具，在各個領(lǐng)域表現(xiàn)出顛覆性的應(yīng)用價值，奠定了該前沿技術(shù)在全球各國經(jīng)濟與科研戰(zhàn)略規(guī)劃中的重要地位。習(xí)近平總書記強調(diào)，“發(fā)展人工智能，將為我國構(gòu)建現(xiàn)代化經(jīng)濟體系、實現(xiàn)高質(zhì)量發(fā)展提供重要支撐”，為我國發(fā)展人工智能提供了行動指南和根本遵循[1]。聚焦到學(xué)術(shù)界，國內(nèi)外學(xué)術(shù)界與ChatGPT直接相關(guān)的研究在2023年開始大量出現(xiàn)，ChatGPT問世不久就受到研究者的廣泛關(guān)注并成為系列持續(xù)性熱點議題。

新一代信息技術(shù)發(fā)展是信息資源管理的重要發(fā)展驅(qū)動力之一。全球信息資源管理領(lǐng)域研究者緊密關(guān)注ChatGPT技術(shù)發(fā)展，從2023年開始產(chǎn)出ChatGPT相關(guān)研究成果，并持續(xù)至今。隨著全球信息資源管理領(lǐng)域ChatGPT研究主題的多元化，全面剖析該學(xué)科領(lǐng)域ChatGPT的研究特征、熱點主題分布以及演化路徑，對于科學(xué)把學(xué)科發(fā)展方向具有重要意義，可為我國ChatGPT以及大語言模型相關(guān)理論研究提供學(xué)理參考，推動ChatGPT的本土化進程，推動生成式人工智能精細化治理，為新質(zhì)生產(chǎn)力的形成提供技術(shù)支持，全面助力創(chuàng)新型高質(zhì)量發(fā)展。

2研究方法與數(shù)據(jù)集構(gòu)建

采用信息計量法與內(nèi)容分析法，使用VOSviewer構(gòu)建信息資源管理視角下全球ChatGPT研究主題知識圖譜。使用兩種檢索策略構(gòu)建研究數(shù)據(jù)集。第一，構(gòu)建核心數(shù)據(jù)集。從科睿唯安（ClarivateAnalytics）2024年6月20日發(fā)布的JCR中選出圖書館學(xué)（LibraryScience）和情報學(xué)（Information Science）兩學(xué)科的161種期刊，再進一步精選出其中被SCIE與SSCI收錄的83種高質(zhì)量期刊，從中檢索出主題包含ChatGPT的載文，共得到108篇文獻。經(jīng)人工審查論文摘要，剔除學(xué)術(shù)性較弱或?qū)W術(shù)觀點不明確的評論類文獻5篇，最終得到103篇文獻作為核心數(shù)據(jù)集。第二，構(gòu)建補充數(shù)據(jù)集。將檢索范圍擴大到SCI與SSCI數(shù)據(jù)源的ArticleReview和EarlyAccess類型，從中檢索出題名或關(guān)鍵詞包含ChatGPT的論文，共得到1276篇文獻，并對綜合類期刊中與ChatGPT密切相關(guān)的研究成果進行人工篩選，得到23篇文獻作為補充數(shù)據(jù)集。將上述兩部分數(shù)據(jù)集合形成研究文獻集，共計126篇文獻。所有文獻都具有較高的主題相關(guān)度和學(xué)術(shù)價值，且均于2023—2024年發(fā)表，時效性較強。檢索時間為2024年6月22日。

分析發(fā)現(xiàn)，研究文獻集主要分布在51種期刊中，表1列出了文獻量在4篇及以上的期刊。其中，《美國醫(yī)學(xué)信息學(xué)協(xié)會雜志》文獻量為25篇，遠超其他期刊，顯示出信息資源管理視角下的全球ChatGPT相關(guān)研究對醫(yī)學(xué)信息學(xué)方向十分關(guān)注

在此基礎(chǔ)上，使用VOSviewer抽取樣本文獻集關(guān)鍵詞，并對語義相近或表達形式不一致的關(guān)鍵詞進行歸并，獲得332個語義獨立的英文關(guān)鍵詞，并選擇其中47個詞頻大于或等于2的關(guān)鍵詞（見表2）?；谶@些關(guān)鍵詞，構(gòu)建全球ChatGPT研究的領(lǐng)域知識圖譜，探索ChatGPT的全球研究進展和發(fā)展趨勢。

3信息資源管理視角下的全球ChatGPT研究主題識別

結(jié)果表明，信息資源管理視角下全球ChatGPT研究的重要關(guān)鍵詞包括AI（人工智能）、Large

LanguageModel（大語言模型）、GenerativeAI（生成式人工智能）、NaturalLanguageProcessing（自然語言處理）、Chatbot（聊天機器人）、Ethics（倫理）、MedicalEducation（醫(yī)學(xué)教育）、MachineLearning（機器學(xué)習(xí)）Communication（交流）等（見表3）。除作為檢索詞的“ChatGPT”外，AI（O.48）、LargeLanguage Model（O.37）、Generative AI（O.23）、NaturalLanguage Processing（O.11）、Chatbot（0.19）等5個關(guān)鍵詞的中介中心度大于0.1，為該主題研究知識網(wǎng)絡(luò)的重要關(guān)聯(lián)節(jié)點。

對全球ChatGPT研究主題進行分析，運用VOSviewer構(gòu)建研究主題聚類知識圖譜（見圖1）。

在主題聚類基礎(chǔ)上，結(jié)合內(nèi)容分析法與對關(guān)鍵文獻的研讀，形成8個研究主題。研究文獻集中約93.7% （118/126）的文獻，其研究主題可劃分到聚類形成的8個主題之一中（見表4），表明該聚類結(jié)果可覆蓋研究文獻集的大部分。

3.1ChatGPT性能分析與技術(shù)倫理

部分研究對ChatGPT的各種性能進行了測試，主要聚焦于推理分析能力測試。ChatGPT定性分析能力實驗表明，ChatGPT傾向于描述性主題，但也能夠提出具有強表面有效性的定性分析結(jié)果[2]。ChatGPT循證分析能力實驗表明，ChatGPT基于相關(guān)性、特異性和確定性的分析可有效區(qū)分相互矛盾的證據(jù)，證明了ChatGPT評估和解釋科學(xué)主張的能力[]。在評估計劃質(zhì)量任務(wù)能力上，有別于傳統(tǒng)內(nèi)容分析方法，ChatGPT可以通過識別差異和事實核查機器生成的響應(yīng)來補充人工編碼以減少人為錯誤[4]

ChatGPT引發(fā)了社會正義、個人自主權(quán)、文化認同和環(huán)境保護等方面的重大倫理問題，如責(zé)任、包容、社會凝聚力、自主性、安全、偏見、問責(zé)制和環(huán)境影響。推進人工智能倫理治理標準化是化解ChatGPT倫理危機的關(guān)鍵舉措。有研究提出，生成式人工智能模型公開發(fā)布時須包含AI內(nèi)容檢測機制，即：任何開發(fā)通用生成式AI模型的組織，如要公開發(fā)布模型，都必須提供能夠有效執(zhí)行AI內(nèi)容檢測的檢測工具，允許用戶隨時查詢?nèi)我鈨?nèi)容項是否全部或部分由模型生成，此舉將在許多領(lǐng)域降低新人工智能模型帶來的風(fēng)險[5]

3.2ChatGPT的用戶接受研究

研究者利用計劃行為、用戶技術(shù)接受等理論框架，主要采用PLS-SEM建模方法，以大學(xué)生、上班族等群體為研究對象，探索ChatGPT用戶技術(shù)接受意愿和使用意愿的影響因素等問題。

研究表明，預(yù)期績效、預(yù)期付出、社會影響和使用便捷性等特定技術(shù)感知因素，以及相對風(fēng)險感知和情緒因素，是影響用戶對ChatGPT技術(shù)接受意愿的重要因素[6]。對于大學(xué)生和上班族而言，知識獲取和應(yīng)用、感知智能對其接受意愿有積極影響，信任是影響與引導(dǎo)其參與ChatGPT使用行為的關(guān)鍵因素，年齡、個人創(chuàng)新能力與ChatGPT使用意愿顯著相關(guān)[7]。以上研究為提高用戶的人工智能系統(tǒng)參與度提供了依據(jù)和方向。

有學(xué)者研究ChatGPT對用戶心理健康的影響發(fā)現(xiàn)，當(dāng)用戶被強迫使用ChatGPT時將承受技術(shù)壓力，進而間接影響生活滿意度，而技術(shù)焦慮則是強迫使用ChatGPT、技術(shù)壓力和生活滿意度三者作用的重要調(diào)節(jié)因素，為人工智能采納及其對用戶心理健康的影響提供了新線索[8]

3.3ChatGPT促進信息系統(tǒng)發(fā)展

在理論研究方面，人智協(xié)作是信息系統(tǒng)理論化的新前沿，通過探索生成式人工智能工具與人類協(xié)作發(fā)展信息系統(tǒng)理論的有效模式，解決當(dāng)前信息系統(tǒng)理論研究二元對立、理論發(fā)展前景不樂觀的問題，開拓信息系統(tǒng)理論的新領(lǐng)域

信息搜索是ChatGPT賦能信息資源管理的重要研究方向。有學(xué)者研究發(fā)現(xiàn)，用戶的信息搜索工具從搜索引擎轉(zhuǎn)向生成式人工智能，低信息任務(wù)匹配度和信息過載導(dǎo)致傳統(tǒng)搜索引擎難以滿足用戶需求，而人工智能生成內(nèi)容（AIGC）的信息質(zhì)量和感知交互會影響用戶感知價值。上述因素和社會影響構(gòu)成了決定用戶搜索工具轉(zhuǎn)變的主要因素[10]。學(xué)術(shù)信息搜索用戶主要關(guān)注搜索結(jié)果的權(quán)威性、及時性和能否滿足情境化需求，在研究指出，信息搜索系統(tǒng)持續(xù)需求策略和改進機制仍然是GhatGPT賦能學(xué)術(shù)信息搜索的關(guān)鍵[11]

對于事實核查等信息驗證工作，一方面ChatGPT作為信息系統(tǒng)的人工智能輔助工具在收集信息、檢測虛假信息方面發(fā)揮輔助作用，但另一方面，ChatGPT自身可能創(chuàng)造和傳播虛假信息。改善信息系統(tǒng)邏輯和提升人工智能素養(yǎng)將是提升信息驗證效能的關(guān)鍵舉措[12] 。

3.4ChatGPT賦能科學(xué)計量與知識組織

ChatGPT在科學(xué)計量與文獻計量領(lǐng)域具有巨大潛力。有研究表明，ChatGPT在預(yù)測引文計量、Mendeley文獻管理軟件用戶行為和社交媒體參與度等實驗中的預(yù)測相關(guān)性超過了傳統(tǒng)可讀性指標，表現(xiàn)出在科學(xué)計量學(xué)領(lǐng)域的應(yīng)用潛力[13]。還有研究表明，ChatGPT在尋找對標機構(gòu)與基準測試、人智協(xié)同生成文獻綜述等文獻計量應(yīng)用場景中表現(xiàn)良好。多數(shù)研究認為應(yīng)加入不同程度的人工干預(yù)，以提升生成內(nèi)容結(jié)果的質(zhì)量。

以ChatGPT為代表的生成式人工智能的出現(xiàn)打破了傳統(tǒng)知識組織模式，有望在社會與集體知識概念的基礎(chǔ)上融入促進知識融合提示功能，形成一種超越知識描述并刺激知識轉(zhuǎn)化的人智交互知識組織模式，為術(shù)語詞表、理論分析和方法建構(gòu)等知識組織場景提供支持[14]。研究者討論了ChatGPT輔助提取社交媒體災(zāi)害信息位置、文旅資源知識圖譜、藥物基因組知識圖譜、醫(yī)學(xué)教育知識構(gòu)建等問題[15-16]認為ChatGPT在解決信息提取、信息檢索、術(shù)語聚類、決策支持和知識共享等知識組織問題方面表現(xiàn)出色。

3.5ChatGPT融入圖書館發(fā)展的方法路徑

圖書館是知識密集型服務(wù)機構(gòu)，ChatGPT作為大語言模型，可以解決信息處理與知識聚類問題，與圖書館信息業(yè)務(wù)和知識服務(wù)契合度較高。

ChatGPT大語言模型和接口具有利用電子信息資源、執(zhí)行非標準復(fù)雜任務(wù)的潛力，可以促進館員與圖書館資源之間的交互，幫助館員提取和組合描述性元數(shù)據(jù)、編制索引、分類圖書，有效推動圖書館信息資源處理的人智協(xié)同發(fā)展。有學(xué)者指出，ChatGPT在支持虛擬參考咨詢方面的整體表現(xiàn)具有顛覆性意義，但在處理高級研究問題、復(fù)雜查詢和與特定本地環(huán)境相關(guān)的問題方面仍須加強微調(diào)[17]

ChatGPT對于圖書推薦、信息素養(yǎng)教育等圖書館服務(wù)應(yīng)用場景具有重要支持作用。在圖書推薦方面，研究者提出基于ChatGPT的圖書推薦通用框架BookGPT，可根據(jù)讀者身份屬性信息進行個性化且具有可解釋性的內(nèi)容推薦[18]。在人工智能素養(yǎng)教育方面，有的高校圖書館開發(fā)了整合ChatGPT功能的圖書館信息素養(yǎng)教學(xué)框架[19]，為學(xué)生提供ChatGPT時代的批判性思維技能訓(xùn)練，以提升人工智能素養(yǎng)教育的精準性。雖然學(xué)術(shù)界普遍認為ChatGPT能夠促進圖書館服務(wù)創(chuàng)新發(fā)展，但也指出其在圖書館服務(wù)中存在即時性等使用局限[20]

3.6ChatGPT對學(xué)術(shù)研究的影響

ChatGPT對學(xué)術(shù)研究范式造成了巨大沖擊，全球信息資源管理領(lǐng)域研究者對ChatGPT給學(xué)術(shù)研究帶來的影響展開了論述。

在研究設(shè)計階段，部分研究強調(diào)了ChatGPT有助于增強定性研究，如反思性主題分析[21]。在論文撰寫階段，ChatGPT在協(xié)助文獻綜述、統(tǒng)一內(nèi)容格式和提供編輯校對等方面表現(xiàn)出卓越能力[22]。在學(xué)術(shù)評論與論文審稿階段，ChatGPT能夠輔助同行評審專家生成具備一定科學(xué)性、定性與定量相結(jié)合的完整評論，助力學(xué)術(shù)研究的交流和傳播[23]。

ChatGPT在支持學(xué)術(shù)研究的同時，也對學(xué)術(shù)研究環(huán)境造成了沖擊，帶來了許多衍生問題，如虛假參考文獻污染、同行評議報告抄襲、人工智能作者有效性和人工智能出版?zhèn)惱淼萚24-25]，也存在由于技術(shù)濫用帶來的學(xué)術(shù)研究缺乏獨創(chuàng)性、批判性思維減少、剽竊判定難度加大、幻覺偏見風(fēng)險增加等潛在問題。因此，如何科學(xué)與合理地利用ChatGPT等生成式人工智能進行學(xué)術(shù)研究，將是全球?qū)W術(shù)界持續(xù)關(guān)注的重點問題。

3.7ChatGPT在健康信息領(lǐng)域的應(yīng)用

為更好地利用人工智能促進醫(yī)療健康與公共衛(wèi)生事業(yè)的公平發(fā)展，ChatGPT在健康信息領(lǐng)域的應(yīng)用問題受到全球研究者的重點關(guān)注。信息資源管理視角下的ChatGPT健康信息領(lǐng)域應(yīng)用研究涵蓋了健康信息行為、健康信息組織、健康信息服務(wù)三大研究方向。

在健康信息行為研究方向，有研究表明，ChatGPT能夠有效識別目標明確個體的健康行為及其動機狀態(tài)，并提供準確健康信息支持，但缺乏對目標不明確個體的引導(dǎo)和支持[26]

在健康信息組織研究方向，有研究提出了從臨床敘述中識別命名醫(yī)療實體并將其映射進受控詞表的方案[27]。研究者構(gòu)建醫(yī)學(xué)開源模型PMC LLaMA，該模型性能卓越，超過了ChatGPT，促進了醫(yī)學(xué)基礎(chǔ)模型的進一步發(fā)展[28]

在健康信息服務(wù)研究方面，ChatGPT在患者信息輔助方面具有良好應(yīng)用前景，如針對患者關(guān)于肝硬化和肝細胞癌的知識、管理和情感支持上表現(xiàn)良好，還能提供生育臨床提示咨詢，為皮膚病治療方案提供可靠參考意見。此外，ChatGPT在常見疾病癥狀檢查中表現(xiàn)出較高的準確性，并可通過電子病歷和評估量表輔助醫(yī)生進行臨床檢查診斷和護理[29]

3.8人工智能視角下的教育發(fā)展問題

此類研究主要采用問卷調(diào)查法、綜合元分析法、扎根理論等，探討人工智能視角下數(shù)字社會教育發(fā)展問題，包括人工智能工具信息需求與感知、人工智能教育應(yīng)用的技術(shù)接受、專業(yè)教學(xué)支持和提升STEM（科學(xué)、技術(shù)、工程和數(shù)學(xué)）領(lǐng)域性別包容，體現(xiàn)了人工智能促進數(shù)字社會教育發(fā)展的重要作用。

有研究表明，教育學(xué)博士生的人工智能工具信息需求主要是學(xué)術(shù)研究和論文撰寫，認為ChatGPT是最常選擇的工具。在人工智能教育應(yīng)用的技術(shù)接受影響因素中，績效期望影響程度高，努力期望和社會影響的影響程度中等，而便利條件的影響程度低，這為研究人員擴展人工智能在教育領(lǐng)域的應(yīng)用場景研究提供了參考[30]

在專業(yè)教學(xué)支持方面，研究者提出人工智能輔助語言學(xué)習(xí)（Artificial Intelligence Assisted LanguageLearning，AIALL）五維模型，并以ChatGPT支持英語學(xué)習(xí)為例，論證AI可以強化語言教學(xué)中教師角色的靈活性和學(xué)習(xí)者的自主性，提供具有趣味性的交互學(xué)習(xí)體驗[31]。研究同時強調(diào)了人工智能在復(fù)雜醫(yī)學(xué)概念教學(xué)、人工智能素養(yǎng)和倫理融入商科課程設(shè)計等領(lǐng)域的重要性和可行路徑。生成式人工智能是技術(shù)與社會需求的深度融合體，能夠通過其跨學(xué)科方法和社會影響促進女性更多地進入STEM領(lǐng)域，促進了性別平等。

4信息資源管理視角下全球ChatGPT研究對我國相關(guān)研究領(lǐng)域的啟示

采用信息計量法和內(nèi)容分析法探索全球ChatGPT的研究進展，提煉國外研究啟示，在此基礎(chǔ)上展望我國ChatGPT研究的未來發(fā)展方向，以期為我國大語言模型和生成式人工智能的理論研究提供學(xué)理依據(jù)。

4.1國內(nèi)外GhatGPT研究主題對比

研究結(jié)果表明，信息資源管理視角下全球ChatGPT研究主題主要分布在性能與倫理、用戶接受、信息系統(tǒng)、科學(xué)計量與知識組織、圖書館發(fā)展、學(xué)術(shù)研究、健康信息、教育發(fā)展等8個研究方向上。與國內(nèi)信息資源管理視角下ChatGPT相關(guān)研究主題[32]對比發(fā)現(xiàn)，兩者具有一定趨同性，均涉及ChatGPT技術(shù)賦能信息系統(tǒng)、知識組織、圖書館發(fā)展和學(xué)術(shù)研究等方向，但全球研究主題中性能分析、用戶接受、科學(xué)計量、健康信息等研究方向在國內(nèi)研究中涉及較少。本文認為全球部分研究主題值得國內(nèi)學(xué)術(shù)界關(guān)注、研究乃至將其本土化。首先是大語言模型可解釋性探索和性能改良。這有助于加強對大語言模型生成內(nèi)容本質(zhì)的理解，以科學(xué)理論指導(dǎo)國產(chǎn)大語言模型的研發(fā)與應(yīng)用。其次是大語言模型用戶信息行為與多模態(tài)交互方法探索。這有助于明確生成式人工智能如何更好服務(wù)用戶，以及大語言模型如何向多模態(tài)發(fā)展。再次是基于GPT技術(shù)的知識供給場景，從科學(xué)計量、知識組織、健康信息服務(wù)、人工智能素養(yǎng)教育等方向加強人工智能時代信息資源管理領(lǐng)域?qū)χR供給的理論和實踐研究。

4.2對我國信息資源管理領(lǐng)域大語言模型與生成式人工智能研究的啟示

4.2.1加強生成式人工智能通用理論研究。隨著模型參數(shù)規(guī)模的不斷擴大與訓(xùn)練數(shù)據(jù)的不斷豐富，生成式人工智能最終由量變實現(xiàn)質(zhì)變，產(chǎn)生通用智能，為人類智能社會的到來奠定基礎(chǔ)。參考全球研究主題，國內(nèi)生成式人工智能通用理論研究可加強對生成式人工智能可解釋性、大語言模型基礎(chǔ)架構(gòu)改良和大語言模型持續(xù)學(xué)習(xí)能力優(yōu)化等問題的關(guān)注。首先，對生成式人工智能可解釋性探索問題，要尋找一種克服“黑箱”約束的策略，從而明晰涌現(xiàn)能力作用機理，在合理干預(yù)的基礎(chǔ)上提高大語言模型對目標知識的挖掘、提取和動態(tài)追蹤能力，在增強模型性能的同時提高其可解釋性。其次，大語言模型基礎(chǔ)架構(gòu)改良需要通過融合外部知識體系，構(gòu)建以數(shù)據(jù)和知識為驅(qū)動力的新型研究范式，進一步提高模型的擴展能力與綜合效率，從而實現(xiàn)更加準確、可靠的知識服務(wù)反饋。再次，關(guān)注大語言模型持續(xù)學(xué)習(xí)能力優(yōu)化，通過對經(jīng)驗回放、正則化等方法的深入探索，提高大語言模型對新數(shù)據(jù)、新知識的適應(yīng)能力和處理能力，從而實現(xiàn)模型的持續(xù)學(xué)習(xí)。

4.2.2探索大語言模型用戶信息行為與多模態(tài)交互方法。大語言模型的用戶信息行為研究在國內(nèi)并不多見，但該研究方向具有重要研究價值，可參考全球相關(guān)研究啟示，利用計劃行為、用戶技術(shù)接受等理論框架，以教學(xué)、科研、信息處理、知識組織等為研究對象，探索用戶行為特征與影響因素，為提高用戶的人工智能系統(tǒng)參與度提供理論和實踐支持，也為改良大語言模型的用戶服務(wù)模式提供參考。可加強大語言模型的多模態(tài)用戶交互方法研究，從強化信息表征理解、優(yōu)化具身學(xué)習(xí)性能和輕量化設(shè)計探索3個研究方向入手。強化信息表征理解需要發(fā)揮不同預(yù)訓(xùn)練任務(wù)的功能作用，根據(jù)不同粒度條件對不同模態(tài)數(shù)據(jù)進行對齊與交互，在提高模型數(shù)據(jù)處理能力的同時也增強其表征能力。優(yōu)化具身學(xué)習(xí)性能需要發(fā)揮人機交互、執(zhí)行交互、融合感知等前沿技術(shù)的優(yōu)勢作用，借助環(huán)境實時反饋信息，實現(xiàn)模型的持續(xù)優(yōu)化。輕量化設(shè)計探索主要針對多模態(tài)模型結(jié)構(gòu)進行優(yōu)化，在降低模型規(guī)模的同時減輕數(shù)據(jù)存儲壓力與運算壓力，提高模型對不同硬件條件的適應(yīng)性。

4.2.3基于GPT技術(shù)重構(gòu)信息資源管理視角下的知識供給模式。國外ChatGPT研究對GPT技術(shù)重構(gòu)知識供給模式進行了一定的討論，如科學(xué)計量、健康信息、AI素養(yǎng)教育等，而國內(nèi)相關(guān)研究較為欠缺。目前GPT技術(shù)重構(gòu)知識供給模式的知識流轉(zhuǎn)機理和知識供給機制等尚不明朗。國內(nèi)研究者可從科學(xué)計量、知識組織、健康信息、人工智能素養(yǎng)教育等方向加強知識供給研究，細化各個知識交互場景的多元知識供給機理和流程，從技術(shù)層面探索輔助用戶信息行為全過程、提升用戶知識交互與吸收效能的科學(xué)理論，從管理層面探索促進信息公平、推動知識服務(wù)均等化、實現(xiàn)GPT技術(shù)賦能數(shù)字社會全面發(fā)展的實踐路徑。同時，為營造生成式人工智能推動新質(zhì)生產(chǎn)力發(fā)展的信息環(huán)境，信息資源管理領(lǐng)域研究者和圖書館信息素養(yǎng)培訓(xùn)館員可重點關(guān)注以提升AI人機協(xié)同效率為目標的生成式AI素養(yǎng)教育，形成涵蓋生成式AI算法、工具應(yīng)用、AI倫理等主題的AI素養(yǎng)教育框架，切實提升公眾對生成式AI的認知和應(yīng)用能力，形成推進數(shù)字中國全面發(fā)展的新助力。

[參考文獻]

[1]習(xí)近平關(guān)于網(wǎng)絡(luò)強國論述摘編[M].北京：中央文獻出版社，2021：140.

[2]WACHINGER J，BARNIGHAUSEN K，SCHAFER LN，etal.Prompts，Pearls，Imperfections：Comparing ChatGPTandAHumanResearcherinQualitative Data Analysis[J].Qualitativehealth research.2024.

[3]XIE SY，ZHAO W J，DENG G H，et al.UtilizingChatGPT as a Scientific Reasoning Engine To Differentiate Conflicting Evidence And Summarize Challenges In ControversialClinicalQuestions[J].Journal of the American Medical Informatics Association（JAMIA）.2024，31（7） ：1551-1560.

[4]FUXY，WANGRN，LICS.CanChatGPTEvaluatePlans？［J]. Journal of the American Planning Association，2023，90（3） ：525-536.

[5] KNOTT A，PEDRESCHI D，CHATILA R，et al.GenerativeAI Models should IncludeDetectionMechanismsasa Condition For Public Release[J].Ethics and information technology.2023，25（4） ：55.

[6]LEESW，JONES-JANGM，CHUNGMJ，et al.Who isUsing ChatGPT and Why？：Extending the Unified Theory ofAcceptance and Use of Technology（UTAUT）Model[J].InformationResearch.2024，29（1） ：54-72.

[7]JO H. Understanding AI tool engagement ： A Study ofChatGPTUsageand Word-of-MouthamongUniversity Studentsand Office Workers[J].Telematics and Informatics.2023（85）：102067.

[8]DUONG C D，NGO T V N，KHUC T A，et al.UnravelingtheDark SideofChatGPT：A Moderated Mediation ModelofTechnology Anxiety and Technostress[J].Information Technologyamp;People.2024.

[9]JARVENPAAS，KLEINS，UNIVERSITYOM，etal.New Frontiers in Information Systems Theorizing：Human-GAICollaboration[J].Journal of the Association for InformationSystems.2024，25（1） ：110-121.

[10]ZHOU T，LI S.Understanding User Switch of Information Seeking：From Search Engines to Generative AI[J].Journalof Librarianship and Information Science.2024.

[11]HERSH W.Search Still Matters： Information Retrievalin theEra of Generative AI[J].Journal of the American MedicalInformatics Association，2024，31（9） ：2159-2161.

[12]CUARTIELLES R，RAMON-VEGAS X，PONT-SORRIBES C.Retraining Fact-Checkers：The Emergence of ChatGPTin Information Verification[J].ElProfesional De La Informacion.2023，32（5） ：1-17.

[13]DE WINTER J.Can ChatGPT be used to Predict Citation Counts，Readership，and Social Media Interaction？AnExploration among 2222 Scientific Abstracts[J].Scientometrics.2024，129（4） ：2469-2487.

[14] CRESS U，KIMMERLE J.Co-Constructing Knowledgewith Generative AI Tools： Reflections from a CSCL Perspective[J].International Journal of Computer-Supported CollaborativeLearning.2023，18（4） ：607-614.

[15]MURUGAN M，YUAN B，VENNER E，et al.Empowering Personalized Pharmacogenomics with Generative AI Solutions[J].Journal of the American Medical Informatics Association.2024，31（6） ：1356-1366.

[16]HUI Y J，MAI G C，CUNDY C，et al.Geo-KnowledgeGuided GPT Models Improve the Extraction of Location Descriptions from Disaster-Related Social Media Messges[J].International Journal of Geographical Information Science，2023，37（11） ：2289-2318.

[17]LAI K.How Well Does ChatGPT Handle ReferenceInquiries？ An Analysis Based on Question Types and QuestionComplexities[J].College amp; research libraries.2023，84（6） ：974.

[18]LI ZYA，CHEN YF，ZHANGX，et al.BookGPT：AGeneral Framework for Book Recommendation Empowered byLargeLanguage Model[J].Electronics.2023（12） ：4654.

[19]JOHNSON S，OWENS E，MENENDEZ H，et al.UsingChatGPT-Generated Essays in Library Instruction[J].The Journal of Academic Librarianship.2024，50（2） ：102863.

[20]YAMSON G C.Immediacy as a Better Service：Analysis of Limitations of the Use of ChatGPT in Library Services[J].Information Development.2023.

[21]HITCH D.Artificial Intelligence Augmented Qualitative Analysis： The Way of the Future？[J].Qual Health Res.2024，34（7） ：595-606.

［22」LIvbEbEn 1.Iowara Non-Human-Uenterea Design：Designing an Academic Article with ChatGPT[J].El Profesional De La Informacion.2023，32（5）.

[23] CARABANTES D，GONZALEZ - GERALDO J L， JOVER G.ChatGPT could be the Reviewer of Your Next ScientificPaper.Evidence on the Limits ofAI-Assisted Academic Reviews[J].El Profesional DeLa Informacion.2O23，32（5）.

[24] ORDUNA - MALEA E， CABEZAS - CLAVIJO A. ChatGPTand the Potential Growing of Ghost Bibliographic References[J].Scientometrics.2023，128（9） ：5351-5355.

[25] PINIEWSKI M，JARIC I， KOUTSOYIANNIS D，et al. Emerging Plagiarismin Peer-Review Evaluation Reports：A Tip of the Iceberg？[J].Scientometrics.2024，129（4）：2489-498.

[26]BAK M，CHIN J.The Potential and Limitations of Large Language Models in Identification of the States of Motivations for Facilitating Health Behavior Change[J].Journal of the American Medical Informatics Association（JAMIA）.2024，31 （9）：2047-2053.

[27] WANG A，LIU C，YANG J，et al.Fine-Tuning Large Language Models for Rare Disease Concept Normalization[J]. Journal of the American Medical Informatics Association （JAMIA）.2024，31（9） ：2076-2083.

[28]WU C，LIN W，ZHANG X，et al. PMC-LLaMA： Toward Building Open-Source Language Models for Medicine [J].Journal of the American Medical Informatics Association. 2024，31（9） ：1833-1843.

[29]JIANGLY，LIU XC，NEJATIANNP，et al.Health System- Scale Language Models are All - Purpose Prediction Engines[J].Nature.2023，619（7969）：357-362.

[30]ALI I， WARRAICH N F， BUTT K.Acceptance and Use of Artificial Intelligence and AI-based Applications in Education：A Meta-Analysis and Future Direction[J].Information Development.2024.

[31]BIN-HADYWRA，AL-KADIA，HAZAEAA，et al. Exploring the Dimensions of ChatGPT in English Language Learning：A Global Perspective[J].Library Hi Tech.2023.

[32]王海蓓，潘輝.我國ChatGPT研究領(lǐng)域熱點主題識別 與演化路徑分析[J].圖書館學(xué)研究.2024（3）：2-12，77.

[收稿日期]2024-11-22

[作者簡介]許娜娜（1983一），女，碩士，館員，珠海市金灣區(qū)圖書館。

[說明]本文系2020年度國家社科基金項目“文化自信視域下的經(jīng)典閱讀研究\"（項目編號：20BTQ009）的研究成果之一。