人工智能賦能學術知識傳播：模式變革、效果評估與倫理考量

學術知識的創造與傳播，作為科學研究事業的兩翼，共同驅動著人類社會認知邊界的拓展與對現實福祉的改善。然而，長期以來，以同行評議期刊、學術專著和專業會議為主要載體的傳統學術知識傳播體系，盡管在保障質量和規范交流方面功不可沒，卻也日益暴露出其固有局限性：傳播周期長、過程復雜，導致前沿知識的擴散相對滯后；受眾群體往往高度同質化，局限于特定學科領域的同行專家，難以有效觸達更廣泛的潛在受益者（如跨學科研究者、學生、產業界人士、政策制定者乃至對科學抱有興趣的公眾）；內容呈現形式單一，以專業術語密集、邏輯結構復雜的長篇文本為主，無形中提高了非專業人士的理解門檻，限制了知識的普惠性。在信息生產呈指數級增長、用戶注意力日益碎片化的數字時代背景下，這些挑戰愈發凸顯，尋求更高效、更廣泛、更深入的知識傳播新范式成為學術界面臨的迫切需求。

正是在這樣的背景下，人工智能（AI）技術的崛起，特別是生成式人工智能的飛速發展，正迅速成為學術界關注的焦點，并被視為推動知識生產與傳播變革的關鍵力量。基于這一研究背景和發展態勢，AI的強大能力一處理海量信息、自動化復雜任務、生成多樣化內容以及實現精準連接一使其不再僅僅是輔助研究的工具，而開始作為一種戰略性力量，深度介入并重塑學術交流的全過程。尤其是在知識的呈現、分發與互動環節，AI催生了全新的策略與可能性，為突破傳統傳播困境帶來了新曙光。

當前，學術界對AI在學術領域的應用已展開廣泛探討。研究者們分析了AIGC在學術研究、論文寫作、同行評議、編輯出版等環節的應用潛力與挑戰05-10|266-6[39089]118-20關注注其提效率、優化流程的作用，[4188-92）并開始探索利用AI進行視頻摘要制作[5[（767-1774）和科普創作[0（1416-1424等新型傳播形式。同時，AI應用帶來的倫理風險、使用邊界、內容準確性、版權歸屬以及對不同利益相關者的影響也成為討論的焦點。[261-6[3890-98]785-925然0，盡管已有研究觸及AI在學術傳播中的應用，但現有文獻對于AI驅動下的學術知識傳播與受眾互動仍缺乏系統性、有深度的專門研究。具體而言，研究缺口在于：一是對于AI驅動下學術內容從單一文本向多元形態（如圖文摘要、信息圖、短視頻、播客等）跨形式轉化的系統性機制、效果評估及其適配性探討尚顯不足；二是針對不同傳播渠道與目標受眾，運用AI進行精準傳播的效果缺乏量化的對比評估和優化策略；三是盡管倫理問題被廣泛關注，但在學術傳播的具體場景下，AI與人工協作的有效模式、實踐挑戰（如質量控制）及其對傳播倫理、規范的潛在深層影響還缺乏專門的深入分析。本研究嘗試通過理論分析與實踐歸納，結合對未來趨勢的展望，進一步豐富學術傳播領域的理論框架，并為實踐者提供可操作性的建議，從而推動學術成果能夠更高效、廣泛、深入地服務于社會。

一、AI賦能的內容重塑：從單一文本到多元形態傳統學術論文作為知識載體，其嚴謹性、完整性毋庸置疑，但其固有的專業壁壘和線性閱讀模式，往往成為其廣泛傳播和快速理解的天然障礙。信息過載的時代背景下，讀者（無論是同行專家還是潛在的跨界用戶）都面臨著篩選和消化海量文獻的巨大壓力。AI技術的介入，為突破這一內容呈現的瓶頸提供了強大驅動力，其核心價值在于能夠高效、規模化地將單一、靜態的文本信息，解構、重組并轉化為多元、動態、更符合數字時代信息消費習慣的內容形式。

AI在學術內容轉化方面的應用實踐已呈現出多元化態勢。文本層面的轉化是最基礎也是目前應用最廣泛的領域。AI能夠依據預設規則或通過學習大量范例，快速生成多種類型的文本摘要。例如，結構化摘要通過明確劃分背景、方法、結果、結論等關鍵部分，可為讀者提供一個清晰的研究框架，極大提高快速篩選和把握核心信息的效率，AI工具如SpinBot等已能有效輔助此類摘要的生成。更進一步，面向非專業受眾的通俗語言摘要則借助AI的自然語言生成能力，將復雜的科學術語和論證過程“翻譯”成易于理解的日常語言，這對于推動科學普及和促進公眾參與具有重要意義。除了摘要類生成，AI亦可承擔內容改編的任務，將一篇論文的核心信息改寫為適應不同傳播場景的體裁，如新聞通稿、科普博客、政策簡報等，拓展了內容的適用邊界。

視覺化轉化是AI賦能內容重塑的另一重要方向。人類大腦對視覺信息的處理效率遠高于純文本，善用視覺元素能顯著提升信息的吸引力、理解度和記憶效果。AI在此領域的作用日益凸顯。圖文摘要作為一種高度凝練的視覺化論文“名片”，旨在通過單張圖片快速傳遞研究的核心思想或關鍵發現，AI可以輔助研究者進行創意構思、元素設計乃至自動生成草圖。對于包含大量數據或復雜流程的研究，信息圖表是極佳的呈現方式。同樣，數據可視化也是AI的強項，它可以自動分析原始數據，并根據數據特性選擇合適的圖表類型（如柱狀圖、熱力圖、網絡圖等），將抽象的數據轉化為生動直觀的視覺敘事。

音視頻類轉化則順應了數字媒體時代用戶對動態、沉浸式內容的需求。短視頻摘要正成為一種新興且富有潛力的傳播形式。AI工具（例如

Synthesia、VEED、InvideoAI能夠基于論文文本自動生成解說腳本，結合語音合成（TTS）技術，甚至可以驅動虛擬數字人（AIAvatars）進行播報，制作出時長較短（通常幾分鐘內）的解說視頻。這類視頻以其動態、生動的特點，能夠有效呈現研究背景、方法、關鍵發現及其意義，[（182-184）尤其適合在社交媒體平臺上傳播，吸引那些對閱讀長篇文本興趣不高的非專業受眾。對于需要解釋復雜機制或動態過程的研究，AI亦可輔助生成動畫演示視頻。此外，隨著播客等音頻媒介的流行，AI還可以將論文內容轉化為適合“聽\"的播客腳本或摘要，滿足用戶在通勤、運動等碎片化時間里的信息獲取需求。

值得注意的是，當前最主流且被認為較可靠的實施流程，并非完全自動化的“黑箱”操作，而是“AI輔助生成 + 人工審核優化\"的人機協作模式。[在這個模式中，AI扮演的是高效的“初稿撰寫者”或“創意激發者”，負責快速完成大量重復性、模式化的工作；而人類專家（如領域編輯、原作者等）則承擔著更為關鍵的質量把關角色，他們需要審核AI生成內容的科學準確性、邏輯嚴謹性、語言流暢性以及是否符合學術規范與倫理要求，并進行必要的修改、潤色乃至重新創作。這種模式旨在充分利用AI的效率優勢，同時又保留了人類的批判性思維、領域知識深度和最終判斷力，是現階段兼顧效率與質量的現實選擇，也反映了AI在學術領域應用中人機協同的必然趨勢。

二、AI驅動的智能傳播：精準觸達與深度互動

僅僅將學術成果轉化為多樣化的內容形式，只是完成了知識傳播鏈條的前半環。如何確保這些精心制作的內容能夠精準、高效地送達目標受眾，并激發有效的互動與反饋，是AI驅動傳播策略的后半環，也是其價值實現的關鍵。AI技術正在深刻變革傳統的“發布即完成”模式，轉向一種更主動、更智能、更注重效果的傳播與互動范式。

AI賦能使得高頻次、多渠道、個性化的戰略傳播成為可能。首先，在渠道拓展與內容適配方面，AI展現出強大的能力。不同傳播渠道（如專業學術社區ResearchGate、通用社交媒體、微信公眾號、短視頻平臺、郵件列表、新聞聚合器等）具有迥異的用戶群體、內容偏好和互動邏輯。[13]3134）AI可以基于對這些平臺特性的理解，將同一項研究成果的核心信息，自動或半自動地改編成適合各個渠道發布的特定格式（如推文、長博文、圖文帖、短視頻腳本等）。這種自動化適配極大地降低了跨平臺運營的人力成本和時間成本，使得研究成果能夠以“一源多用”的方式，同時覆蓋更廣泛、更多元的潛在受眾。

其次，AI驅動傳播頻率與時效性的提升。通過自動化內容生成、發布排期乃至熱點追蹤，AI可以支持學術機構實現更高頻次的傳播活動，例如“每日/每周精選研究推送”“重大成果網絡優先發布”等。這種持續、及時的信息流，不僅有助于維持發布平臺（如期刊網站、機構公眾號）的用戶活躍度，更能確保最新的研究進展迅速進人潛在讀者的視野，縮短知識傳播的滯后期。

更重要的是，AI正在將學術傳播帶人個性化推薦的新階段。傳統的廣播式傳播效率低下，大量信息被推送給并不感興趣的用戶。而AI算法可以通過分析海量的用戶行為數據（如瀏覽歷史、下載記錄、搜索查詢、點贊分享、社交網絡關系、個人資料中的研究領域標簽等）和內容特征數據（如論文的關鍵詞、主題分類、方法論、參考文獻等），構建精細的用戶畫像和內容畫像。[14]（10-29）[15]（52-62）基于這些畫像，AI推薦系統能夠精準預測用戶的潛在興趣點，并通過郵件訂閱、App通知、網站信息流、社交媒體廣告等多種途徑，將高度相關的研究成果、學術活動或相關資訊，“點對點\"地推送給最可能對其產生興趣的個體用戶。這種個性化推薦極大提高了信息的相關性和有效性，提升了用戶的接收意愿和后續的轉化率（如點擊閱讀、下載原文）。

此外，AI還在傳播效果的監測與優化方面發揮著關鍵作用。AI分析工具能夠實時、全面地追蹤各種傳播活動在不同渠道、針對不同受眾的效果指標（如內容的曝光量、點擊率、閱讀完成率、點贊/評論/分享數、引導下載量、用戶來源分析等）。通過對這些數據的深度挖掘，可以清晰地了解哪些內容形式更受歡迎、哪些渠道效率更高、哪些用戶群體響應更積極。結合A/B測試等實驗方法，學術機構可以基于數據洞察，持續迭代優化其傳播策略，例如調整推送時段、優化標題和視覺設計、重新分配渠道預算等，從而實現傳播資源的最佳配置和傳播效益的最大化。

在受眾互動層面，AI同樣扮演著日益重要的角色。理解不同AI生成內容形式對不同受眾群體的差異化吸引力是優化互動效果的前提。例如，對于領域內的資深研究者，嚴謹翔實的結構化摘要和能夠清晰展示數據關系的可視化圖表可能是他們快速評估研究價值的首選；而對于初入門的研究生或本科生，結構化摘要、關鍵要點列表以及生動直觀的信息圖表則有助于他們更快地理解核心概念和研究框架；政策制定者和產業界人士可能更關注研究的實際應用前景和關鍵結論，因此簡潔明了的通俗語言摘要、要點列表、結論突出的信息圖表或短視頻更能抓住他們的注意力；而對于廣大普通公眾，由于專業知識背景的限制，通俗易懂的語言、引人入勝的故事性敘述、視覺沖擊力強的圖表或短視頻無疑是激發興趣、傳遞知識、提升科學素養的最有效途徑。互動行為也呈現差異，視覺化內容通常在社交媒體上更容易觸發點贊、分享等快速互動，而文本摘要則可能更直接地引導用戶點擊原文鏈接進行深度探索。

更進一步，AI正在被用于直接促進和管理受眾互動。部署在期刊網站或特定文章頁面的智能問答機器人（Chatbots），可以 7×24 小時地回答用戶提出的關于研究背景、方法論、關鍵術語等基礎性問題，提供初步的導航和解釋，改善用戶體驗，減輕人工客服壓力。在連接研究者與受眾方面，AI可以通過分析提問者的背景和問題的專業深度，將其智能路由給最合適的解答者（如原作者、編輯或相關領域的其他專家），從而促進更高效、更精準的學術交流。同時，通過記錄和分析用戶的互動行為和偏好，AI還能實現個性化的互動體驗，例如向用戶推送其關注話題的最新討論、相關研究的后續進展或是可能感興趣的線上研討會信息，從而維持用戶的長期關注和參與。

綜上所述，AI驅動的傳播策略，不再是簡單的信息發布，而是一個集內容適配、精準推送、效果追蹤、互動促進于一體的智能化、動態化過程。它致力于打破傳統傳播的壁壘，不僅要讓知識“被看見”，更要讓知識“被理解”“被討論\"“被連接”，從而構建一個更具活力和效率的學術知識交流生態。

三、策略效果評估：從量化指標到深層影響

對AI驅動的學術知識傳播新策略進行全面而深入的效果評估，是判斷其價值、指導其優化、證明其合理性的關鍵環節。評估不能僅僅停留在表面，而應深人探究新策略對多維度指標的實際影響，并洞察其可能帶來的更為廣泛和深遠的結構性變革。

在量化效果分析層面，AI分析工具為我們提供了前所未有的精細化追蹤能力。我們可以系統性地監測新策略對一系列關鍵指標的改變。首先是研究可見性指標。AI驅動的多渠道推廣和更易懂的內容形式，是否顯著提升了單篇文章的網絡瀏覽量或頁面訪問量？這些增加的“入口流量”（如通過閱讀摘要、觀看視頻）最終在多大程度上轉化為了論文下載量？AI能否幫助我們厘清不同內容形式或推廣渠道對下載轉化率的具體貢獻？同時，在社交媒體平臺上的具體表現，如內容的提及率、分享數、點贊評論等互動數據，也是衡量傳播廣度和參與熱度的直觀指標，尤其是視覺化和視頻化內容的效果值得重點關注。

其次是學術影響力指標。引用次數作為衡量學術影響力的核心“硬通貨”，其變化通常具有滯后性。評估的關鍵在于，AI驅動策略所帶來的早期可見度提升和理解度加深，是否能夠在長期內（例如1—3年甚至更長時間）最終轉化為更高的被引用頻次？這需要建立長期的追蹤機制。同時，AI分析或許還能幫助識別那些可能由特定推廣活動間接觸發的引用行為，盡管這在技術上仍具挑戰性。

再次是平臺“流量”與用戶黏性指標。對于期刊社、學術數據庫或研究機構等平臺運營方而言，AI驅動的持續內容更新、個性化推薦以及優化的互動體驗，是否能有效提升平臺的用戶活躍度（包括訪問頻率、頁面停留時間、功能使用深度等）？更具吸引力的平臺生態是否能帶來訂閱量或注冊用戶數的增長？這些指標直接關系到平臺的生存與發展。

最后是受眾參與度指標。除了點贊分享等淺層互動，AI策略是否激發了更高質量、更具深度的用戶評論？AI引導的討論區是否更具活力？用戶更傾向于分享哪種類型的內容？他們將內容分享到了哪些我們可能未曾預料到的社群或場景？部署的互動功能（如智能問答機器人）的使用頻率如何？用戶對其滿意度怎樣？這些指標反映了傳播從單向觸達向雙向交流轉變的程度。通過對上述各類指標的綜合、持續監測與關聯分析，可以更客觀地量化評估AI策略的投入產出效益，發現其中的規律與不足，為后續策略調整和資源配置提供堅實的數據依據。

然而，評估不應止于量化指標。AI驅動的傳播策略還可能催生一系列潛在的、更為深遠的結構性影響，這些影響關乎知識的社會價值實現和學術生態的整體演進。其一，顯著促進知識普及與公眾科學素養的提升。通過將艱深晦澀的科學知識轉化為公眾易于理解和接受的形式（如通俗語言摘要、信息圖、短視頻等），AI極大降低了普通人接觸、理解前沿科學的門檻。這有助于破除科學的神秘感，激發公眾對科學探索的興趣，增強其對科學方法和結論的信任，從而在宏觀上提升全社會的科學素養。AI翻譯工具的應用，更能跨越語言障礙，讓優質的科學知識惠及全球更廣泛的人群，促進知識的民主化。

其二，可能加速研究成果向現實應用的轉化。當研究成果以更清晰、更簡潔、更貼近應用場景的方式進行傳播時，它們更容易被身處產業界、臨床一線、政策制定部門等領域的潛在應用者所發現、理解和采納。AI甚至可以通過分析研究內容與市場需求、政策議程的關聯性，輔助識別成果的潛在應用價值和目標轉化對象，主動、精準地推送信息。這有望縮短科研成果從實驗室“書架”走向市場“貨架\"或進入決策“議程”的周期，更快地將知識力量轉化為現實生產力或社會解決方案。

其三，有望促進跨學科的交叉與融合創新。學科壁壘是阻礙知識流動和交叉創新的重要因素之一。AI生成的、超越特定學科術語體系的通俗化或視覺化內容，更容易吸引來自其他領域研究者的注意。當一個領域的突破性進展能夠被其他領域的學者快速理解其核心思想和潛在關聯時，就更容易激發跨界思考，催生新的研究問題、合作機會和融合性的創新思路。AI驅動的傳播，可能成為打破學科孤島、編織跨學科知識網絡的有效催化劑。

其四，可能提升學術交流的整體效率與潛在公平性。對于研究者個體而言，AI輔助的內容生成、智能化的文獻推薦與篩選，無疑可以幫助他們從繁雜的信息處理工作中解放出來，節省寶貴的時間和精力，更專注于核心的創造性活動。同時，對于那些來自非英語母語國家、資源相對匱乏地區或新興研究機構的研究者，AI驅動的翻譯、潤色和全球化推廣工具，或許能在一定程度上彌補他們在語言、資源和人脈網絡上的劣勢，提升其研究成果的國際可見度，為營造一個相對更公平的全球學術競技場貢獻力量。

這些深層影響雖然往往難以像瀏覽量、下載量那樣被精確量化，且其效果的顯現可能需要更長的時間周期，但它們直接關系到科學研究的終極目標一一服務社會、推動進步。因此，在評估AI驅動傳播策略的整體價值時，必須將這些潛在的、結構性的影響納入考量范圍，避免陷入單純的“指標主義”或短期功利主義。一個成功的AI傳播策略，不僅要看其帶來了多少“流量”，更要看其在多大程度上促進了知識的有效運用、社會的理性啟蒙和創新的持續涌現。

四、平衡機遇與風險：挑戰、倫理與未來展望

盡管AI技術為學術知識傳播帶來了前所未有的機遇，展現出重塑格局的巨大潛力，但在其廣泛應用和深度融合的過程中，一系列嚴峻的挑戰與復雜的倫理考量也隨之浮現。忽視這些問題，不僅可能削弱AI策略的預期效果，甚至可能對學術生態的健康發展造成損害。與此同時，技術的持續迭代也預示著未來更為廣闊的應用前景，需要我們以更具前瞻性的眼光來規劃和引導。

實踐中面臨的主要挑戰不容忽視。首要的就是在內容準確性與高保真度方面引發的風險。AI在進行摘要、簡化、通俗化乃至跨語言翻譯時，本質上是一個信息壓縮和轉碼的過程。在這個過程中，極有可能因為算法理解的偏差、模型能力的局限或為了追求簡潔易懂而犧牲了必要的嚴謹性，導致出現事實錯誤、邏輯跳躍、過度簡化、關鍵限定條件丟失或語境信息缺失等問題。如何建立有效的機制來確保AI轉化后的內容既能吸引受眾，又不失科學研究應有的準確性、完整性和審慎性，是所有應用場景中都必須面對的核心挑戰。

與此密切相關的是質量控制的復雜性與成本方面的挑戰。鑒于AI生成內容潛在的質量風險，完全依賴自動化產出并不可取。當前普遍采用的“AI輔助 + 人工審核\"模式雖然能在一定程度上保障質量，但高質量的人工審核（需要領域專家、資深編輯、專業設計師等）本身就是一種稀缺資源，投入大量人力進行細致核查、修改和潤色，無疑會增加額外的運營成本，并可能在一定程度上抵消AI帶來的效率優勢。如何在效率、成本和質量之間找到最佳平衡點，并建立起一套標準化、可擴展、高效可靠的質量控制流程，是決定AI策略能否可持續發展的關鍵。

技術與成本門檻也是一個現實障礙。開發、部署和維護先進的AI系統，特別是針對特定學術領域進行深度優化的模型，需要大量的優質數據、強大的計算資源以及專業的AI技術人才。這對于資金雄厚的大型出版集團或頂尖研究機構而言或許尚可承受，但對于廣大的中小型學術期刊、地方性大學或資源有限的研究團隊來說，可能構成難以逾越的門檻。這種技術和經濟上的壁壘，有可能進一步加劇全球學術界內部的“數字鴻溝”，使得優勢資源更加集中，邊緣機構和學者更難從中受益。

評估標準的復雜性與潛在爭議同樣值得深思。過度依賴易于量化的“流量\"指標（如網站點擊量、社交媒體點贊轉發數、下載次數等）來衡量AI傳播策略的成敗，可能存在風險。這些指標雖然能在一定程度上反映內容的受歡迎程度和短期熱度，但它們能否真正代表知識傳播的內在價值、學術影響的深度或對社會產生的實質性貢獻？是否存在一種“唯流量論”的傾向，可能引導研究選題、內容創作乃至推廣方式走向功利化和表面化，犧牲了研究的原創性、深刻性和長期價值？如何構建一個更多元、更平衡、更能體現學術傳播多重目標的評估體系，是擺脫“指標陷阱”確保AI應用不偏離服務學術初衷的重要課題。此外，AI驅動的高頻次、全渠道信息轟炸，也可能加劇用戶端的信息過載問題。如何在實現精準觸達的同時避免對用戶造成信息騷擾，維護良好的用戶體驗，也是策略設計中需要細致考量的人性化因素。

伴隨著技術應用的深人，一系列深刻的倫理考量也日益凸顯，亟待學術共同體正視和規范。知識產權的歸屬與保護是一個基礎性問題。由AI生成或深度輔助生成的摘要、圖表、視頻等內容的版權應歸屬于誰？是原始論文作者、AI工具提供者，還是使用AI的機構或個人？如果AI在訓練或生成過程中使用了受版權保護的文獻或數據，是否構成侵權？現有的版權法律框架如何適應AI生成物的特性？這些問題直接關系到創作者的合法權益和知識共享的秩序。

五、結語

面對這樣一個機遇與挑戰并存的未來，學術界需要采取一種積極而審慎的態度。一方面要勇于擁抱技術變革，探索AI在提升知識傳播效率、廣度和深度方面的巨大潛力；另一方面，則必須高度重視并積極應對伴隨而來的各種挑戰與倫理風險。這需要整個學術共同體，包括研究者、教育者、出版商、圖書館員、技術開發者、政策制定者以及資助機構等所有利益相關方共同努力，加強對話與協作，建立健全相關的倫理規范、技術標準、法律法規和治理框架，確保AI技術的發展和應用始終服務于促進知識創造、維護學術誠信、推動社會進步的根本目標。

人工智能正以其獨特的技術優勢，深刻變革著學術知識的傳播范式，為提升知識的可及性、影響力與社會價值開辟了新路徑。通過賦能內容形態的多元轉化和傳播方式的智能升級，AI策略展現出巨大的潛力。然而，這場變革并非沒有代價，準確性、公平性、倫理規范等挑戰如影隨形。未來，學術界需要在積極探索AI應用的同時，堅守學術研究的核心價值，加強倫理規范建設與風險管理。通過研究者、機構、技術開發者和政策制定者的共同努力，以人機協同、審慎負責的態度駕馭技術力量，才能最終實現利用AI構建一個更開放、高效、公平和富有活力的全球知識共享生態的愿景。

參考文獻：

[1]黃小容，田倩飛，陳云偉，等.人工智能生成內容技術對科技期刊出版的影響與應對[J].編輯學報，2024，（S1）.

[2]譚春林，王建平.AIGC在學術研究和出版中的使用邊界、透明度與倫理[J].編輯學報，2024，（6）.

[3]陳曉峰，沈錫賓.生成式人工智能重塑科技期刊產業的影響、挑戰及應對策略研究[J]中國科技期刊研究，2024，（7）.

[4]楊亞紅，孫巖，余黨會.人工智能對學術期刊3個重要出版環節的影響[J].編輯學報，2024，（1）.

[5]譚春林，王維朗，徐志武，等.生成式人工智能賦能科技論文視頻摘要的實踐與挑戰[J]中國科技期刊研究，2024，（12）.

[6]劉洋，趙娜，王璐，等.基于學術期刊內容的科普創作策略探索——以《協和醫學雜志》為例[J].中國科技期刊研究，2024，（10）.

[7]沈悅，孫露銘，林子洋.歐洲學術出版業智能化轉型探索與啟示[J]中國編輯，2024，（1）.

[8]SpinBot.AI Abstract Generator[EB/OL].https：// spinbot.com/abstract-generator，2025-03-22.

[9]PamplonaF.Research Infographic to CommunicateScienceinaVisualWay[EB/OL].https：//mindthegraph.com/blog/research-infographic，2024-03-21/ 2025-03-22.

[10]Purdue University Libraries.AI Toolsfor CreatingVideos-Artificial Intelligence（AI） -Research Guides[EB/OL]. https：//guides.lib.purdue.edu/c.php？g= 1371380amp;p=10592812，2025-04-06.

[11]NagYMN，RPB，BhatKP，etal.AI-Powered Short Video Creation amp; Generation[J].International Journal of Advanced Research in Computer and Communication Engineering，2024，（11）.

[12]PalmerK.PublishersEmbrace AI asResearch Integrity Tool[EB/OL]. https：//www.insidehighered.com/ news/faculty-issues/research/2025/03/18/publishersadopt-ai-tools-bolster-research-integrity，2025-03-18/ 2025-03-22.

[13]GündüizyeliB.The Role of Social Mediaand Artificial Intelligence （AI） in Enhancing Digital Marketing Resilience During Crises[J]. Sustainability， 2025，（7）.

[14]FENGBY.Research on the Application Effects ofArtificial Intelligence in Personalized Marketing[J]. Journal of Computer and Communications，2O24，（11）.

[15]Ikwuanusi UF，AdepojuPA，Odionu CS.AIdriven Solutions forPersonalizedKnowledge Dissemination and Inclusive Library User Experiences[J] International Journal of Engineering Research Updates， 2023， （2）.

責任編輯 孔德智