AIGC學術知識服務的信息質量風險識別與治理

關鍵詞： ＡＩＧＣ； 知識服務； 信息質量； 風險治理； 人工智能

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０８．００９

〔中圖分類號〕ＴＰ１８； Ｇ２３０ ７ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０８－００８９－１０

自２０１４年原國家新聞出版廣電總局等部門首次提出“知識服務”［１］ ， 確立學術出版機構從內容提供向知識服務轉型的業務升級目標以來， 我國學術出版機構提供的知識服務雖已經歷了近１０ 年的發展， 但仍處于數字信息服務層次， 尚未完全進入更深層次的知識產品服務和知識解決服務階段［２］ 。然而， 信息技術推動形成的數字學術模式［３］ 已使科研人員的知識需求從傳統線性知識信息轉變為集成性、關聯性的學術資源和深層次知識發現與挖掘的學術服務［４］ 。２０２２ 年底， ＡＩＧＣ 技術引發全球關注。它能模仿人類的思維過程， 理解海量知識， 以貼近人類語言習慣的知識組織和表達方式為用戶提供一站式的信息與知識解決方案， 為出版機構深化知識服務信息層次、有效提升服務水平帶來契機。

目前， ＡＩＧＣ 產品已經進入學術領域。眾多科研人員都有使用ＣｈａｔＧＰＴ 等ＡＩＧＣ 產品的經歷， 但普遍反映其提供的信息存在質量問題， 如生成的文本中存在捏造的［５］ 、包含偏見的［６］ 、存在侵權風險的［７］ 信息， 以及提供虛構的參考文獻［８］ 等。這些通用型ＡＩＧＣ 產品的信息質量問題同樣也會在學術知識服務領域的ＡＩＧＣ 產品中出現。ＤｅＬｏｎｅ Ｗ Ｈ 等［９］學者曾指出， 信息質量會影響用戶的使用意愿和使用滿意度。這種影響在對信息嚴謹性和規范性要求更高的學術領域會更加深刻。因此， 學術出版機構若要提供具有競爭力的ＡＩＧＣ 學術知識服務產品，必然要先解決服務提供信息的質量問題。其中， 對于信息質量風險的前瞻性識別和治理尤為關鍵。

１ 相關概念界定

１.１ＡＩＧＣ 學術知識服務的概念界定

知識服務是指掌握某領域專業知識的組織或個人， 在充分挖掘客戶知識需求的基礎上， 對內外部知識資源進行搜集、整理、分析和挖掘， 通過適當的手段和方法， 幫助用戶獲取知識、解決問題、做出決策［１０］ ， 最終達成知識創新目標的服務過程。學術知識服務則是聚焦于滿足科學研究知識需求的知識服務， 其服務主體包括出版機構、圖書館、數據庫、高校和研究機構等組織； 服務對象為科研人員或科研機構； 服務基礎則指包含學術論文及其關聯性資源在內的資源基礎［１１］ ， 以及數據挖掘、信息檢索、算法推薦等技術基礎； 服務方式包括文獻檢索、瀏覽及下載、檢索結果可視化及分析等； 服務目的在于滿足服務對象的學術知識需求、提升學術知識創新整體效能。ＡＩＧＣ 技術的應用則會為學術知識服務帶來多重變革。首先， ＡＩＧＣ 學術知識服務以大語言模型為技術核心， 以海量知識資源為基礎， 具有更堅實和先進的服務基礎； 其次， ＡＩＧＣ學術知識服務不再要求用戶自行檢索、篩選和組織知識內容， 能夠在實時問答中根據用戶的個性化需求提供精細的知識方案， 極大降低知識的獲取門檻［１２］ ； 最后， ＡＩＧＣ 學術知識服務在知識復用的基礎上進行知識重組和多樣化知識方案的生成， 相較于傳統的學術知識服務更具有啟發性， 有利于輔助知識創新目標的達成。

因此， 本文將ＡＩＧＣ 學術知識服務界定為： 出版機構、圖書館、數據庫、高校和研究機構等擁有海量學術知識資源的主體， 利用ＡＩＧＣ 技術， 以知識問答形式為科研工作者和科研機構提供個性化、精細化的知識方案， 從而輔助完成學術知識創新的知識服務方式。由于學術出版機構長期扮演連接知識資源與知識信息用戶的橋梁角色， 具有利用ＡＩＧＣ技術開展知識服務的天然優勢， 并且眾多國際著名學術出版機構也正積極探索更先進的知識服務模式，因而本文選擇以學術出版機構作為ＡＩＧＣ 學術知識服務的提供主體展開研究。

１.２ ＡＩＧＣ 學術知識服務信息質量的概念界定

信息質量是一個較為籠統的概念， 在不同階段具有差異化的界定方式。最初學者們常將視野局限于信息本身， 將信息質量界定為信息對客觀事物描述的準確程度［１３］ 。隨著研究的不斷深入， 有學者開始從信息交互中的用戶視角理解信息質量， 如將高質量信息資源理解為能夠滿足用戶需求的信息［１４］ 。也有學者結合信息生產和信息使用的多維視角， 提出信息質量既是信息“符合規范” 的程度， 又是信息滿足或超出用戶期望的程度［１５］ 。

綜合前人對“信息質量” 概念的探討， 基于“科學研究” 這一應用場景的特殊需求以及“服務”這一根本屬性， 本文主張同時考慮學術信息質量的客觀標準與用戶需求滿足兩個維度， 將ＡＩＧＣ 學術知識服務的信息質量定義為ＡＩＧＣ 知識服務產品提供的信息能夠真實準確地反映客觀事實、傳遞科學信息并能滿足用戶對信息獲取和利用需求的程度。

２ＡＩＧＣ 學術知識服務信息質量風險識別與量化

ＡＩＧＣ 學術知識服務的信息質量風險產生根源在于服務提供工作存在疏漏， 而ＡＩＧＣ 學術知識服務的提供工作主要集中于對服務系統的策劃、建設和維護。因此， 對ＡＩＧＣ 學術知識服務信息質量風險的治理要從服務系統入手， 識別服務提供工作中可能導致信息質量問題的風險節點， 并采取針對性的風險規避措施。

研究采用工作—風險分解法（Ｗｏｒｋ ＢｒｅａｋｄｏｗｎＳｙｓｔｅｍ－Ｒｉｓｋ Ｂｒｅａｋｄｏｗｎ Ｓｙｓｔｅｍ， ＷＢＳ －ＲＢＳ） 系統、全面地識別出版機構提供ＡＩＧＣ 學術知識服務過程中的信息質量風險節點［１６］ 。該方法是由美國學者Ｈｉｌｌｓｏｎ Ｄ 提出的一種風險識別方法， 被廣泛應用于項目管理領域， 實施過程包含３ 個步驟： 首先進行ＷＢＳ 工作分解， 再進行ＲＢＳ 風險分解， 最后構建風險識別矩陣。基于風險節點識別結果， 研究進一步運用風險分解矩陣（Ｒｉｓｋ Ｂｒｅａｋｄｏｗｎ Ｍａｔｒｉｘ， ＲＢＭ）進行節點風險值的量化和比較［１７］ ， 從而為ＡＩＧＣ 學術知識服務信息質量風險治理提供行動依據。

２.１ＡＩＧＣ 學術知識服務工作分解

學術出版機構長期從事學術知識的生產和傳播工作， 能及時掌握學術領域的知識狀況和知識需求，具有提供知識服務的渠道優勢以及堅實的資源、人才和資金基礎； 并且， 其作為規模化的組織， 能夠將先進技術引介至學術知識服務領域。因此， 學術出版機構具有作為ＡＩＧＣ 學術知識服務提供主體的實力。由于ＡＩＧＣ 學術知識服務的提供是一項需要多種資源和能力配合完成的復雜工作， 出版機構需在服務提供過程中發揮不同的作用， 組織多方參與者共同實現服務的落地， 具體的工作分解情況及出版機構的工作定位如表１ 所示。

在啟動準備階段， 出版機構應開展策略制定、資源整合與技術接入工作。第一， 出版機構可以直接觸及知識市場并連通學術知識及其用戶群體， 因而可以在策略制定環節作為各項工作的執行者， 首先開展學術知識服務市場分析， 把握知識服務行業宏觀環境與發展狀態， 明晰產業鏈情況， 對競爭者展開調研， 明確自身的市場定位， 并鎖定目標用戶群體； 其次， 進一步分析用戶需求， 明確目標用戶的知識服務功能需求和信息資源需求； 最后， 基于以上分析制定產品策劃方案， 確定服務提供的方式、信息資源的范圍、營銷和業務發展策略等， 即明確ＡＩＧＣ 學術知識服務的具體模式。第二， 在資源整合環節， 學術出版機構應當發揮協調者作用。在資源獲取工作中， 學術出版機構要在最大程度上整合分屬于各類主體的知識資源。不僅要充分調動機構內部既存的存量資源、在紙質出版物的基礎上進行再度加工以獲得在制資源， 還需通過版權購買和網絡抓取等方式獲取增量資源［１８］ 。接著， 出版機構需要協調人力或與數據處理服務商開展合作， 對數據實施清洗、元數據提取、標準化等預處理操作， 并對數據進行標注， 使其能夠被機器理解和處理； 構建實體關系， 以便模型能夠進行知識查詢和推理。第三， 由于大語言模型研發與訓練的各項成本耗費極高［１９］ ， 出版機構很難具備自行開發模型的能力。因此， 出版機構需要在技術接入環節發揮主導者的作用， 在眾多大語言模型中選擇最適用于學術知識服務的基礎模型， 與技術提供方展開合作［２０］ ， 向其提供處理好的數據， 要求其對模型實施訓練和微調。出版機構需對模型調整效果進行把關， 確保大語言模型在學術知識服務領域的適配性。

在建設實施階段， 出版機構需完成平臺搭建和服務提供工作。第一， 平臺搭建環節的工作仍然需要出版機構主導， 與技術服務商合作完成。出版機構需提出ＡＩＧＣ 學術知識服務平臺的具體搭建要求，指導和對接技術服務商進行平臺的系統架構設計、用戶界面設計、功能開發以及集成與部署工作。第二， 服務提供環節的工作則由學術出版機構來執行。學術出版機構要將ＡＩＧＣ 學術知識服務平臺整合上線、正式開放并與用戶展開交互。同時要通過多種渠道向用戶提供使用教程、操作指引、在線客服及技術指導等幫助與支持。

維護優化階段需要由學術出版機構組織協調，對ＡＩＧＣ 學術知識服務平臺進行維護和改進。首先，學術出版機構需要委托技術服務商持續監測服務系統性能， 包括對響應時間、資源利用率、并發性能等軟硬件狀況的監測； 其次， 出版機構要對用戶在服務平臺內的行為數據進行收集和分析， 如點擊和瀏覽行為、指令發出行為等， 以便掌握平臺的服務效果， 并通過用戶調查、意見反饋表單、用戶支持郵箱等渠道收集用戶的意見和建議； 第三， 學術出版機構需組織開發團隊或專門的質量評估團隊， 從性能、功能、用戶體驗等層面對服務平臺進行服務能力評估， 提出服務改進意見； 最后， 學術出版機構要根據以上數據和分析結果形成服務平臺優化方案， 將其反饋至參與平臺建設的各方主體， 對服務平臺進行更新優化。

２.２ＡＩＧＣ 學術知識服務信息質量風險分解

ＡＩＧＣ 學術知識服務的信息質量問題源于服務系統中存在的信息質量風險。根據已有研究， 信息系統的信息質量劃分維度存在共性， 但不同情境下的信息質量評價指標選取又存在差異［２１］ 。既有研究通常從信息的內容、表達、效用等角度劃分信息質量維度， 如將信息質量劃分為內容質量、集合質量、表達質量和效用質量等維度［２２］ ， 或信息資源內容、信息資源表達形式、信息資源系統和信息資源效用等維度［２３］ ， 并細化為重要性、相關性、有用性、信息量、可用性、可理解性、清晰性、及時性、可靠性、無傾向性等指標［９］ 。

ＡＩＧＣ 學術知識服務系統作為一種信息系統， 對其信息質量維度的劃分既應遵循信息系統的共性規律， 又需與ＡＩＧＣ 學術知識服務信息質量的概念內涵相結合。基于此， 本文將ＡＩＧＣ 學術知識服務的信息質量劃分為內容質量、表達質量以及效用質量３ 個維度。相對應地， ＡＩＧＣ 學術知識服務信息質量風險也可被分解為內容風險、表達風險和效用風險３ 個維度。各維度下的風險指標還需結合ＡＩＧＣ 類信息系統及學術知識服務的獨特屬性來確定， 具體分解情況如圖１ 所示。

從內容維度來看， 學術知識服務旨在為用戶提供詳略得當的、能夠反映最新研究進展的、可靠且客觀公正的知識內容。而ＡＩＧＣ 類信息系統卻可能提供虛假、錯誤、來源不可靠的信息， 或包含情感偏向、利益導向、偏見與歧視的內容， 還會因為數據庫未進行實時信息關聯而無法提供最準確的前沿信息［２４］ ， 且常會出現生成內容冗雜或信息量過少的情況。因此， ＡＩＧＣ 學術知識服務信息質量風險的內容風險維度可被細化為可靠性風險、適量性風險、及時性風險、公正性風險４ 個指標。

從表達維度來看， 學術知識服務需要清晰準確的表達知識內容， 以便用戶能夠充分理解并使用知識。同時， 還需要標準化地表達知識內容， 方便用戶對豐富的信息進行比較和整合， 并滿足學術規范的要求。而ＡＩＧＣ 類信息系統生成的內容可能存在邏輯混亂、措辭不準、語言不流暢、表述模糊或有歧義等問題， 并且在專業術語、引用信息、媒體格式等方面缺乏標準化的統一規范。因此， ＡＩＧＣ 學術知識服務信息質量風險的表達維度包括清晰度風險和標準化風險兩項指標。

從效用維度來看， 知識內容與用戶需求的相關性是用戶衡量學術知識服務所提供信息效用的首要因素， 而ＡＩＧＣ 學術知識服務平臺會因為對用戶指令要求過高或資源豐富度等問題， 無法確保每次都能提供與用戶需求匹配的內容。另外， 學術研究需要遵循嚴格的學術道德和規范要求， 而ＡＩＧＣ 學術知識服務卻有可能因為資源獲取和利用不當等原因提供違反法律及規章制度的知識內容， 導致用戶對信息的使用存在侵犯隱私權、著作權等隱患。因此，ＡＩＧＣ 學術知識服務信息質量的效用風險可被細化為相關性風險和合規性風險兩個指標。

２.３ ＡＩＧＣ 學術知識服務信息質量風險識別矩陣構建

在工作分解和風險分解的基礎上， 以工作分解結構為列， 以風險分解結構為行， 構建ＡＩＧＣ 學術知識服務信息質量風險識別矩陣， 采用德爾菲法進行風險節點的識別。為降低專家對調查材料的理解難度， 研究小組結合理論知識及實際經驗， 預先勾選了可能存在風險因素的節點。例如， 在資源獲取工作環節， 若獲取的數據和資源包含有誤信息或來源不可靠， 則可能導致服務系統生成的內容包含不可靠的信息， 因此“資源獲取—可靠性風險” 這一節點被認為存在風險因素并予以標記。在此之后，研究小組根據標注結果制作并向專家發放ＡＩＧＣ 學術知識服務信息質量風險識別矩陣調研表， 如表２所示。

共有１５ 位信息資源管理學科領域的專家參與調研， 未出現中途退出情況， 專家積極程度良好。參與調研的專家研究方向涉及學術出版、出版政策與法規、知識服務、風險評估、大數據分析、大語言模型應用、信息抽取和圖譜構建自動化技術、知識組織與語義出版、自然語言處理、知識圖譜等領域。所有專家均了解過ＡＩＧＣ 技術的前沿動向， 并關注過ＡＩＧＣ 應用于學術領域的學術探討及相關報道， 或擁有利用ＡＩＧＣ 產品獲取知識信息的經歷。在向專家發放“專家對咨詢內容的判斷依據調查表”并回收數據后得出， 參與調研的專家權威系數Ｃｒ值為０ ７４， 說明專家權威程度較高， 調研結果可靠性高。

在本次調研中， 研究小組要求各位專家在ＡＩＧＣ學術知識服務信息質量風險識別矩陣調研表的風險節點標記基礎上進行獨立判斷， 并向研究小組提出增加或刪除某些風險節點的建議。研究小組在每一輪調研結束后記錄專家達成共識的風險節點， 再統計存在異議的風險節點， 并向相關專家進行訪談咨詢， 確定每處異議的原因和解釋， 整理匯總后形成下一輪調研材料以再次征詢專家意見， 直至所有專家不再提出異議。專家意見反饋過程如表３所示。最終， 所有專家在３ 輪調研后達成共識， 總共識別出７９ 個風險節點， 如表４ 所示。

２.４ ＡＩＧＣ 學術知識服務信息質量風險量化

基于風險識別結果， 運用ＲＢＭ 風險分解矩陣對風險節點的風險值進行量化、比較。在衡量風險節點的風險大小時， 用風險事件發生的概率與造成的后果嚴重程度的乘積來量化這一節點的風險值［２５］ 。其中， 風險事件的發生概率分為“極低” “較低”“中等” “較高” “極高” ５ 個等級， 分別賦值１～５分； 后果嚴重程度分為“可忽略的” “需考慮的”“比較嚴重” “非常嚴重” “災難性的” ５ 個等級，分別賦值１～５ 分。

采用專家打分法對各風險節點的發生概率和后果嚴重程度進行賦值， 邀請參與過風險識別調研的１５ 位專家繼續參與打分環節。回收并整理每一輪打分數據， 計算每一處分值的平均值， 在合理性和可解釋性原則指導下將其作為參考值反饋給各位專家進行下一輪打分［２６］ ， 直至專家對所有分值形成較集中的意見。在此過程中， 通過計算變異系數來測量專家意見的集中程度， 當變異系數ＣＶ≤０ ２５時， 表明專家對該處分值的意見較為集中。在３ 輪打分與反饋后， １５ 位專家對每一處分值都形成了較為集中的意見。分別對各風險節點的發生概率值和后果嚴重程度值求平均數并進行四舍五入取整，得到風險節點發生概率和后果嚴重程度的最終值［２７］ ，將兩個值進行乘積計算得到風險節點的風險值。然后， 在ＲＢＭ 矩陣中， 通過橫向計算統計ＷＢＳ 節點的風險總和， 通過縱向計算統計ＲＢＳ 節點的風險總和［２８］ ， 結果如表５ 所示。

根據ＡＩＧＣ 學術知識服務信息質量風險ＲＢＭ 矩陣結果， 從工作環節角度來看， 啟動準備階段的信息質量風險值最高， 維護優化階段次之， 建設實施階段的風險值最低。在啟動準備階段中， 資源整合工作環節的風險值極高， 技術接入環節的風險值也較高， 策略制定環節的風險值則較低。建設實施階段的信息質量風險全部來源于服務提供環節。維護優化階段中， 除性能監測工作不會產生信息質量風險以外， 用戶數據分析、用戶反饋響應、服務能力評估以及版本更新工作的風險值差異不大， 其中用戶反饋響應工作的風險值相對較高。從風險類別角度來看， 內容風險最為顯著， 效用風險次之， 表達風險較低。

３ＡＩＧＣ 學術知識服務信息質量風險治理策略

根據ＡＩＧＣ 學術知識服務信息質量風險節點的風險值量化結果， 在出版機構提供ＡＩＧＣ 學術知識服務的工作過程中， 啟動準備階段的風險值最高，應當對其給予高度重視， 采取合理手段控制工作偏差， 避免信息質量問題的產生； 維護優化階段的風險值次之， 應當對其給予關注， 實施一系列措施防范工作疏漏， 減少風險的發生； 建設實施階段的風險值最低， 應當對其實施監控， 完善該階段工作的細節以盡量降低對信息質量的不良影響。

３.１ 啟動準備階段： 嚴控偏差， 筑牢信息質量基礎

ＡＩＧＣ 學術知識服務工作的啟動準備階段包含策略制定、資源整合和技術接入３ 個環節， 直接決定知識服務采用的框架、資源和模型等基本構成要素， 其工作質量對信息質量起著決定性作用。加之這一階段的風險值最大， 理應成為信息質量風險治理的關鍵階段。

作為策略制定環節工作的執行者， 出版機構在用戶需求分析時應當面向目標用戶展開全面詳細的溝通和調研， 剖析其信息需求的所屬領域、信息廣度和深度， 由此決定ＡＩＧＣ 學術知識服務涉及的資源范圍及其生成內容的篇幅長度和信息密度， 避免產生信息適量性和相關性風險。在產品策劃時， 需將各項信息質量要求具化為清晰可操作的工作標準， 貫穿于具體的服務模式設計方案中， 作為后續工作的行動依據。

資源整合環節是啟動準備階段中信息質量風險最高的工作環節， 因而也是風險治理工作的重中之重。出版機構應當發揮協調溝通作用， 依據用戶需求及產品策略的指示， 獲取并整合多方知識資源，避免提供的知識與用戶需求出現適量性和相關性偏差。還可協調引入世界知識以豐富模型對現實的理解， 減少有誤信息的產生［２９］ 。在此過程中， 出版機構可合理尋求政府部門的支持， 打破知識資源間的流通壁壘。在服務上線后還要與各類資源主體維持良好合作關系， 持續更新知識資源， 或采用與搜索引擎、數據庫對接等方式保證最新學術資源的輸入。在資源整合工作中， 出版機構應嚴格審查信息來源和把控資源質量， 確保獲取資源的可靠性和合規性。在數據預處理工作中， 出版機構應當制定數據處理標準， 組織人力或與數據處理公司合作進一步審查并過濾不可靠、不公正以及不合規信息， 去除冗余信息和不必要的文本雜質， 并對數據做標準化處理， 嚴格把控數據預處理效果， 保障信息資源質量以及輸出內容的表達清晰度和格式統一性。在數據標注環節， 外包模式下標注人員的異質性通常會造成數據標注質量參差不齊， 影響模型對知識的理解和組織， 進而產生諸多信息質量風險。因而出版機構應當在清晰的標注規則指導下， 組織領域專家進行數據標注， 并通過抽樣核驗方式保障數據標注效果。出版機構還應發揮專業優勢， 協調領域專家和技術人員合作構建精準且合規的實體關系， 輔助大語言模型更準確地理解客觀事物及知識間的關聯。此外， 資源整合工作的高質高效推進有賴于數據透明度的持續提升。學術出版機構不僅要依據政府部門出臺的管理辦法履行己方責任、敦促第三方數據服務商嚴肅對待信息質量問題， 還要積極引導和鼓勵對主體責任細化、數據透明義務履行對象拓展等問題［３０］ 的研究， 整合專業性意見向政府部門建言獻策， 推進數據透明義務體系的建立。

技術接入環節中存在的信息質量風險也不容忽視， 出版機構要在技術應用方向和應用水準的把控中充分發揮主導作用。出版機構要選擇功能和性能最適用的模型作為ＡＩＧＣ 學術知識服務的基礎模型，從根本上降低信息質量問題發生的概率。在與技術提供商建立合作關系時， 應預先明確雙方在信息質量控制方面的責任義務， 并依據法律原則設立約束機制。在模型訓練與微調時， 出版機構應根據特定領域的專業性需求， 提供具有代表性的高質量訓練語料庫， 提出模型調整要求， 并對模型調整效果進行檢驗把關， 保障其生成內容符合特定學術領域的需要。除此之外， 出版機構還應參與制定適用于學術知識服務領域的指令微調策略［３１］ ， 提升模型對用戶指令的理解能力， 保證服務系統生成內容與用戶指令的相關性。

３.２ 建設實施階段： 完善細節， 避免信息質量受擾

ＡＩＧＣ 學術知識服務建設實施階段的信息質量風險值較小， 與啟動準備和維護優化階段相比， 重要程度相對較低， 但仍要對個別風險值偏高的節點給予關注， 盡量避免用戶與服務系統的交互過程對信息質量造成干擾。

建設實施階段的信息質量風險集中在服務提供環節， 其成因主要有兩方面： 一方面， 在單輪對話中， 若用戶輸入的提示內容包含有誤信息或有偏向性的信息， 則可能致使模型在做出即時反應時沿用此類信息， 從而輸出不可靠或不公正的內容。對此，出版機構應向用戶說明服務平臺的算法規則， 提醒用戶在輸入內容時保持審慎態度。此外， 由于模型開發者有權將用戶輸入內容作為迭代數據存儲保留并用以改善模型和服務［３０］ ， 因而用戶輸入內容有可能會對模型產生深遠的影響。出版機構應當向用戶聲明這一風險， 呼吁用戶約束個人的數據輸入行為， 并倡導全社會參與提升人工智能時代的用戶素養。另一方面， 對用戶指令的精準理解和響應是服務系統準確提供信息的前提， 但用戶卻并不總能清晰認識并準確表達信息需求。作為服務提供方的出版機構應當重視對用戶的培訓與幫助， 如設計用戶手冊或教學指南， 為用戶提供高質量指令示例， 并在服務系統中設置幫助與支持功能， 以便向用戶提供實時幫助。

３.３ 維護優化階段： 彌補疏漏， 消除信息質量隱患

ＡＩＧＣ 學術知識服務維護優化階段的信息質量風險值較大， 是信息質量風險治理的重要環節。該階段蘊含的信息質量風險可歸納為兩類： 一是未能及時發現信息質量問題而產生的風險； 二是未對信息質量問題及時做出改進而造成的風險。因此， 出版機構作為服務平臺維護與改進工作的協調者， 應當及時發現不足， 明確改進需求， 并與參與實施服務平臺優化的技術服務商積極溝通， 防范維護優化階段的工作疏漏， 從而消除服務中的信息質量隱患。

用戶行為數據分析是發現信息質量問題的重要途徑之一。一般情況下， 用戶會在未獲取到足量的、與需求相匹配的信息時多次發出指令。若未能監測到用戶發出指令的次數以及表達不滿意態度的指令內容， 則不能及時發現服務提供的信息存在適量性、相關性問題， 導致風險繼續存在。針對這一風險，出版機構應當與技術服務商展開合作， 分析用戶指令的感情色彩， 識別表示不滿、質疑的關鍵詞； 捕捉頻繁更換提問方式、多次提出相同問題、快速離開對話等用戶行為， 從而判斷輸出信息的適量性和相關性水平， 并及時為用戶提出指令改進建議， 幫助其獲取所需信息。

用戶反饋響應是發現信息質量問題最直接、準確的方式。若未能及時接收并響應用戶反饋， 則可能導致信息質量風險繼續存在。出版機構在提供ＡＩＧＣ 學術知識服務時， 應設置用戶滿意調查、在線表格、電子郵件、聊天窗口、社交媒體等多種用戶意見反饋渠道， 主動收集用戶反饋的信息質量問題， 為服務系統的改進提供參考。建立監控與警報系統以及快速響應機制， 實時監測用戶反饋和評論， 及時發現關鍵問題并盡快采取應對措施。

服務能力評估是發現ＡＩＧＣ 學術知識服務信息質量問題的專業渠道。一方面， 出版機構應建立信息質量評估標準與內部評估流程， 成立評估小組或聘請專業的評估團隊對服務的信息質量進行評估，以評估報告作為平臺改進的可靠依據； 另一方面，出版機構應積極配合政府部門的監管， 參考其對數據來源、處理過程、訪問和使用情況、數據質量等方面的審計結果和改進建議， 吸收政府部門在算法模型、算法數據備案和評估中提出的數據糾偏要求［３２］ ， 充分發現ＡＩＧＣ 學術知識服務提供工作中存在的疏漏， 進一步明晰服務平臺的優化方向。

版本更新是消除信息質量風險的關鍵步驟， 若未針對服務系統中已發現的信息質量問題進行修復和版本更新， 則會導致信息質量風險繼續存在。學術出版機構作為ＡＩＧＣ 學術知識服務的提供者， 應當對服務的優化負責， 規定版本更新的周期和工作流程， 制定明確可行的服務版本更新策略。在整合經多渠道識別和收集的信息質量問題后， 進行問題優先級分類， 組織各責任主體及時實施服務平臺的維護與更新， 并向用戶傳達問題的解決進展和版本更新情況。

４結語

ＡＩＧＣ 技術為學術知識服務深化提供了新的契機， 但ＣｈａｔＧＰＴ 等通用型ＡＩＧＣ 產品已經顯現出明顯的信息質量問題。若要將ＡＩＧＣ 技術應用于學術知識服務領域， 事先規避其可能存在的信息質量風險至關重要。本文已在ＡＩＧＣ 學術知識服務產品廣泛開發前對其包含的信息質量風險進行前瞻性識別，并從知識服務流程視角提出風險預防和應對策略。隨著ＡＩＧＣ 學術知識服務建設工作的持續進行， 后續研究可以開展關于信息質量問題的實證分析， 根據服務開發和提供實踐探討信息質量風險的事中控制和事后控制策略。