孔薇丨人工智能环境下学术期刊的融合出版：热点主题、维度特征和发展路径

本文刊登在《中国编辑》杂志2021年第4期

本文利用可视化技术研究人工智能环境下出版领域的热点主题，并结合国内外学术期刊智能化应用实践，对学术期刊智能化融合出版的维度特征和发展路径进行了探究。人工智能环境下学术期刊的融合出版通过技术支持的选题策划、客观理性的评审评议、快速高效的编辑校对、算法匹配的信息推送、全媒体化的数字出版、交互多元的媒介形态，实现了出版流程创新驱动机制的再造。为应对人工智能等技术带来的挑战，学术期刊应创建基于数据挖掘与分析的学术期刊智能出版管理平台；建立矩阵化、智能化的学术期刊媒体融合发展体系；构建以用户需求为导向的学术期刊知识服务模式；打造人机协同的智能型学术期刊编辑部，不断推进学术期刊智能化融合出版的发展进程。

人工智能迎来了第三次发展浪潮，许多领域正从“互联网+”向“人工智能+”转型，人工智能成为实现传统产业深度变革的核心技术。目前，以人工智能为代表的高新技术正在快速融合、渗透和应用在出版业中。学术期刊承担着引领先进文化和传播先进理念的重任，是反映国家学术水平和文化软实力的重要载体，其刊文水平代表了国家文化层面需求的高度。但与新闻业中已广泛应用人工智能技术的状况相比，学术期刊的智能化融合出版仍处于探索阶段。在“人工智能+”背景下，学术期刊将利用人工智能等新技术手段实现智慧出版模式，一个全新的“人工智能+学术期刊”的时代即将来临，学术期刊的内容生产和传播机制等都将随之发生深刻变革。本文将研究人工智能环境下学术期刊的热点主题和维度特征，并提出学术期刊智能化融合出版的发展策略，以期为重塑学术期刊业态环境和构建学术期刊智能化融合出版新模式提供借鉴。

研究热点分析

由于人工智能技术与学术期刊的融合出版研究文献较少，而学术期刊作为传统出版业的重要组成部分，其研究热点和演变趋势与出版业的整体研究趋势具有较多共性元素。因此，本文利用引文可视化软件CiteSpace V分析传统出版业在人工智能领域的研究热点，旨在揭示我国智能出版领域的研究现状，并从中探析学术期刊的热点主题。

（一）数据获取

为使检索结果更加全面、可靠且具有规范性，本文选择中国知网数据库作为数据来源。考虑到目前主流的人工智能技术中，主要应用数据挖掘、深度学习和机器学习，因此把人工智能领域的这些术语，以及人工智能的英文简称AI均纳入检索式，同时把传统出版业的两大重要组成部分，即图书和期刊也一并纳入检索式，通过中国知网对相关文献进行检索。检索式为：主题=（智能or机器学习or深度学习or数据挖掘or AI）and （出版or 图书or 期刊），时间跨度为2015—2020年，检索时间为2020年10月1日。为避免出现数据重复现象，文献类型选择为期刊论文。共检索到出版学科下455条文献信息数据，从中剔除荐书、荐读、会讯、广告等弱相关或重复记录的文献数据后，确定用于热点主题分析的有效文献为389篇，将数据导出为“.txt”格式，利用 CiteSpace V软件对关键词进行可视化分析。

（二）热点主题分析

关键词是对文献研究主题和核心内容的高度概括，其出现频次的高低可以反映该学科领域的研究热点。为真实而客观地反映已有文献对特定关键词的共识度，本文并未对关键词进行相似词合并或删减等操作。关键词共现知识图谱能直观反映某一研究领域的热点和趋势，清晰呈现该研究的学术脉络。本文利用关键词共现技术绘制的知识图谱（图略），显示了近年来我国智能出版研究领域的知识结构。结合高频关键词词频统计和关键词共现知识图谱可以看出，人工智能、数字出版、大数据、知识服务、智能出版、数据挖掘、出版流程、媒体融合等关键词均处于知识图谱的核心位置，是出版业在人工智能领域研究的核心内容。

具体到学术期刊，大数据、知识服务、媒体融合、数字出版一直是近几年学术期刊界热议的话题，在“人工智能+”背景下，人工智能等技术将赋予学术期刊的这些热点主题更具现代化的时代特征和更深层次的研究空间。我国已有一些学者从出版理论与实践层面的不同角度对人工智能技术下的学术期刊进行了剖析。刘平等从科技期刊出版要素和出版流程的微观环节，探讨了人工智能技术给科技期刊发展带来的优化和升级，并将“人工智能+出版”这一新兴业态定义为智慧出版模式，认为人工智能与科技期刊的融合发展是大势所趋［1］。张勇等认为人工智能作为一种颠覆性的技术，将会建立以大数据为基础、互联网为手段、人工智能为核心的学术期刊编辑出版智能化新格局［2］。江雨莲等研究了人工智能技术在医学类学术期刊编辑出版中的应用，并针对医学类学术期刊所面临的科学数据获取、技术算法、伦理道德、著作权归属等挑战提出了应对策略［3］。笔者将在已有研究成果的基础上，结合可视化分析的研究热点，对人工智能环境下学术期刊融合出版的维度特征进行探析，并进一步提出学术期刊智能化融合出版的发展路径。

人工智能环境下学术期刊融合出版的六个维度特征

人工智能等技术融入学术期刊出版流程的诸多环节中，推动学术期刊数字出版工作的进程，促进学术信息快速多维扩散。人工智能除了在微观领域重塑期刊业的生产链外，还将对媒体的宏观生态系统产生重大影响，实现内容生产模式以及信息传播过程的蜕变与进阶。与传统的期刊出版相比，人工智能环境下学术期刊的融合出版通过以下维度特征实现了出版流程创新驱动机制的再造。

（一）选题策划：从经验依赖到技术支持

在互联网时代，海量资源呈几何数量级快速增长，数据间的关联性和不确定性大大增强，编辑筛选信息的难度与日俱增，并且面临选题策划内容与响应用户个性化需求适应性的挑战。传统学术期刊的编辑，不经历长时间的编辑经验积累和有针对性的学术训练，一般很难准确把握和策划出具有较高前瞻性的论文选题以及发现适合的作者资源。在人工智能时代，学术信息资源以数据化状态呈现，基于群体信息精炼化形成的知识体系可以让选题策划过程得到技术的大力支持，通过多源数据的合理配置提高选题策划的准确性和稳定性。

编辑把策划思路通过指令输入智能化选题系统，系统将依据传播热度、热点词汇和阅读趋势分析，自动对学者学术履历、用户行为信息、学术评价等数据进行清洗、梳理与预测，提出多个维度的初步选题策划方案供编辑权衡选择。依托数据挖掘和深度学习技术的选题策划从出版源头就赋予了学术论文更前沿和精准的发展空间，通过大数据分析对选题进行科学化布局，成为学术期刊智能化融合出版的关键环节。

（二）评审评议：从主观传统到客观理性

由于学术论文评审评议的部分步骤是标准化的，因此利用人工智能技术进行智能化评审是可行的。智能化审稿系统通过大数据和人工智能等技术对投稿的关键信息进行自动检测和审核，淘汰与期刊定位不一致的稿件，利用区块链技术完善身份认证机制，根据逻辑化排序对同行评议专家的行为信息进行数据挖掘、特征识别和精准匹配，实时、开放地记录论文从投稿到发布的全过程生态链。

近几年，国际学术界已经涌现了一批基于人工智能技术来辅助学术论文审理的软件工具。爱思唯尔的同行评议管理系统Aries Systems利用StatReviewer软件检测论文中的样本容量和基线数据，判断统计数据和研究方法的可靠性。丹麦的UNSILO公司利用自然语言处理和机器学习技术分析稿件，并通过语义分析自动提取论文中的主要观点，其对关键句的分析可以让编辑迅速了解论文的研究结果与已发表论文是否雷同，用于协助检测是否存在剽窃行为［4］。日本LPIXEL公司和以色列 Proofig 公司可以在两分钟内提取和分析出投稿论文里的相似图片，并识别出旋转、翻转、拉伸或滤镜等一系列图像操作，快速检测出可能重复出版的图像。这些智能化分析软件虽然可以甄别数据或图像篡改、辨别论文抄袭等学术不端行为，但是它们仍然难以完全取代审稿专家的作用。因此，科学引文检索服务提供商开发了InCite科研评价工具，可以利用LDA文档主题生成模型，向编辑推荐相近研究方向且具有学术影响力的评审专家。

此外，智能化审稿系统还可以依托大数据对学术论文的预期关注度进行客观而清晰的评估。Aries系统公司将元文献计量智能技术集成到Editorial Manager系统中，利用机器学习算法通过关键词进行精准排查，对全球海量的学术文献进行训练，归纳出众多专业领域里高被引频次的论文所具备的特征。当学术期刊的投稿系统收到新提交的稿件后，元文献计量智能系统通过挖掘出的特征估计论文的预期引用次数［5］，从而协助编辑和评审专家的审稿工作。学术期刊智能化审稿系统摒除了编辑和审稿人的主观性限制，使审稿环节更加科学而理性，极大提升了学术出版的质量和效率。

（三）编辑校对：从重复烦琐到快速高效

在传统学术期刊出版中，校对是整个出版流程中重复性强、创造性弱，但又必不可少的一个环节。其中参考文献著录格式和引文内容的核对是学术期刊编辑必须面对的一项非常烦琐耗时的工作。基于海量词汇、机器学习和大数据挖掘技术构建的智能化编校系统，可以借助人工智能技术强大的学习能力，以信息源为节点，通过知识标引协助编辑识别论文中存在的不规范问题，按照学术期刊编辑部制定的论文模板统一格式，自动进行参考文献核实、敏感词排查等基础性工作；利用文本挖掘技术、智能搜索技术、图文模式识别技术等人工智能技术实现论文编辑校对的自动化，并向编辑部提供编校勘误信息处理结果、有疑问信息提示报告等。

2019年8月14日，由我国自主研发的首个智能图书编校排系统“中知编校”正式发布，该系统将编辑修改内容在原稿界面同步留痕，无须人工誊录，省去“校异同”环节，利用智能算法对敏感词、错别字给出修改建议，对标点符号、参考文献使用不规范问题给出定位提示［6］，极大减轻了编辑和校对人员的工作量，该系统的智能化编校功能同样适用于学术期刊。此外，由方正电子研发的“智能辅助编校系统”也可以帮助编校人员对出版内容进行更加快速而准确的编辑校对。

（四）信息推送：从单向静态到算法匹配

基于人工智能技术的信息推送，利用算法和深度学习挖掘与分析用户的搜索记录和阅读痕迹数据，对用户群体进行分组归类，通过智能标签识别用户对学术信息内容的个性化需求，打破了传统学术期刊以信息发布者为主导的单向化和静态化传播形式。例如，《应用生态学报》基于自建数据库中的75 275条数据，通过大数据采集与分析构建了期刊论文单篇推送客体的指标体系，利用数理统计和深度挖掘方法确定推送客体，实现了基于邮件的论文单篇精准推送服务，促进了论文的高效传播［7］。超星集团提出的“域出版”学术平台，通过用户行为数据形成个性化信息流模型，借助智能算法分析用户偏好和态度趋向，按照阅读曲线进行内容与用户数据的智能化匹配，实现了学术信息的精准推送和碎片式传播［8］。

信息分发由传统媒体转移到算法平台，可以实现点对点的精准知识传递服务，形成信息内容与用户行为数据的智能化匹配，提高了学术期刊用户服务的针对性和专业性，达到学术信息传播与用户需求的精确匹配以及用户与传播主体之间的互动黏接，营造了全新的学术期刊智能化信息传播机制。

（五）数字出版：从简单融合到全媒体化

数字化转型推动着学术期刊的媒介融合进程，人工智能与新媒体平台的深度融合发展有效驱动了融媒体的内容生产创新。学术期刊和用户汇聚在多个新媒体平台上，以全媒体渠道实现信息的精准化传播，用户成为学术信息的消费者、传播者和生产者。新媒体平台采用人工智能等技术进行文本呈现和用户互动，“人机共生”和“自我进化”的特征逐渐显现。学术期刊可以利用监督式机器学习方法分析用户在新媒体平台上发布的内容，基于深度学习方法预测新媒体用户的阅读情感轨迹，通过自然语言理解、深度神经网络等技术实现信息记忆和语义消歧，利用语音交互技术实现用户的便捷评价，并借助图像识别技术调研不同媒体平台的视频数据。此外，通过人工智能和大数据对海量内容进行标签定义，将不同形态的新媒体属性进行关联分析，可以选择适合的新媒体渠道进行学术信息的有效传播。

利用新媒体平台的双向互动性重塑学术期刊融合出版模式，进行信息资源的多维度传播，满足了用户获取、传播学术信息的实时性和便捷性需求，实现了更深层次的数字化传播。人工智能环境下，学术出版与媒体融合发展的本质仍然是优质学术成果的高效传播与交流，学术期刊全媒体发展的关键是要通过人工智能等技术瞄准学术研究的前沿领域，利用最适宜的媒介平台向用户提供个性化、多样化的学术信息，构建立体化的学术期刊全媒体融合出版机制。

（六）媒介形态：从平面传播到交互多元

学术期刊是知识传播和传承的重要载体，传统学术期刊定位为专业性、科学性和严谨性，出版内容基本以文字为主，图表为辅，展现方式比较枯燥、呆板。在移动互联网时代，信息的听、视觉传播和体验式互动成为用户接受信息的有效方式。因此，学术期刊的智能化出版平台应承载多样化的信息符号，突破学术信息单一平面传播的固有形态。人工智能等技术引领了出版业场景革命，使媒介形态全面升级，基于代码的多元形态的媒介产品不断发展和创新，利用数据挖掘算法感知用户端场景，实现信息推送与用户特定场景的精准适配，为用户带来可视化和高度交互性的最直观呈现形式，可以满足用户的信息智能化体验、沉浸式体验和人机互动体验等多样化需求。学术期刊可以融合多媒体技术、全息投影、语音阅读、动态图技术，并利用虚拟现实（VR）、增强现实（AR）等更具沉浸感的新兴技术进行出版内容再创作，催生出新的内容形式和传播模式，不断提升用户的阅读体验。

随着媒介分工的进一步细化，满足用户多感官需求的信息产品成为学术期刊发展的重要方向。虚拟与现实、线上和线下的多维度交互将全面融入用户的感知体验系统中，信息传播的形态和方式得到进一步的变革。人工智能等技术将走向学术出版内容生产的最前沿，嵌入传统产业链的诸多环节中，促进多元媒介形态产品的快速发展。

人工智能环境下学术期刊融合出版的发展路径

人工智能技术应用于学术期刊的融合出版，将加速出版流程、传播样态与用户思维理念的更新。但就目前而言，人工智能在学术期刊出版领域中的应用实践仍处于探索阶段，基本局限于出版流程中某些环节的智能化实践，面临着数据资源匮乏、服务模式单一和高端人才短缺等现实困境。人工智能环境下学术期刊的融合出版是一个系统工程，高新技术的运用将会重构学术期刊的内容生产、传播方式和媒介形态。随着人工智能等技术的快速发展，学术期刊智能化融合出版的发展路径愈加清晰。

（一）创建基于数据挖掘与分析的学术期刊智能出版管理平台

人工智能技术发展的必要条件是数据的采集、存储、计算和获取，数据是智能化技术应用的基础，只有拥有数据资源才能占领人工智能技术的制高点。学术期刊应用数据思维分析出版内容的生产和传播方式，把信息拆分为数据单位，然后根据用户要求调取信息并重新组合成一个数据单元，引导学术期刊从业务驱动转变为数据驱动。信息资源的开放性和交互性会对学术期刊出版产生深刻影响，学术期刊需要整合元数据、用户数据以及媒介数据等资源，创新学术期刊原有的模式内涵和特征，运用数据挖掘与分析等技术手段对用户进行服务需求匹配，重构信息生产与传播的全流程，创建集内容生产加工、信息推送、传播运营于一体的智能出版管理平台，提升数据价值，为传统学术期刊赋能人工智能技术基因。该管理平台可以为学术期刊在智媒时代的发展提供更加科学而理性的视角，以大数据和人工智能技术实现信息资源的高效迭代，推动学术期刊快速精准地把握用户需求变化、挖掘学术热点、跟踪学术事件以及预警出版流程中的突发情况。智能出版管理平台还可以通过数据分析预测学术期刊传播力和影响力的变化趋势，增强学术附加产品的盈利能力，提升出版传播的效率。

（二）建立矩阵化、智能化的学术期刊媒体融合发展体系

人工智能时代，学术期刊的媒体融合发展不是单纯地将各种媒体平台汇聚起来，而是通过平台矩阵对资源进行信息聚合、筛选和重组，并根据自身发展定位适度推动学术期刊信息传播的科普化和新闻化，使学术期刊承担更多的社会责任。学术期刊可以基于机器学习方法进行语句智能筛选，在优质论文资源的基础上根据不同媒体平台的风格自动撰写科学新闻底稿；利用自然语言处理技术和语义网对学术期刊出版中的新媒体数据进行语义分析，协助判断学术信息的原创性以及相关版权的追踪追溯；基于复杂网络分析对新媒体平台的网络舆情传播进行预测，发现科研热点主题，在目标用户和内容标签之间构建用户行为画像；围绕关键传播节点进行分众化定制传播，通过相似群体的协同过滤，实现学术信息在不同媒体端的精准推送；对数据进行实时监测和模型匹配，采用聚类或蜂巢图等可视化技术对不同平台网络的交互关系进行视觉化呈现；通过媒体数据进行学术信息传播网络分析和覆盖范围预测，基于指纹特征提取和图像特征模式识别进行学术期刊社交平台传播路径追踪。学术期刊应重视用户数据、产品数据的共享，通过智能化媒体融合平台体系的构建合理配置信息资源，利用媒体矩阵的规模优势使期刊的传播范围和传播渠道更加广泛，提升学术期刊的品牌价值和学术话语权。

（三）构建以用户需求为导向的学术期刊知识服务模式

人工智能可以将零散、无序的内容按照一定的顺序和逻辑关系形成系统化的有机知识服务链，改变了知识传播模式，催生了知识服务的新变革，助力用户从认知进阶到能力进阶。学术期刊升级转型的发展方向是围绕学术出版领域进行更多的知识服务布局和尝试，为用户提供定制化且权威系统的知识产品和解决方案，利用自然语言处理、语义理解等技术对内容资源进行结构化处理与聚类，匹配多个应用场景，满足用户的个性化知识服务需求。通过词频梳理、知识抽取和发现、文献计量等方法，学术期刊可以提供信息检索、科研热点分析、知识关联、图谱构建、智能配图、版权内容监测、视频关键帧查询等知识服务，知识服务平台呈现多样化趋势，如在线学术问答平台、学术讲座音视频直播平台、图文分析平台等。学术期刊知识服务通过关键词搜索、多元数据链接、词义距离计算和交互等技术，可以对不同类型的学术信息数据进行语义标注和组织，为机器学习提供相关领域知识，将出版资源与人工智能等新技术相结合，从海量信息资源中提炼和传输知识，在细分知识的过程中融入语音、图像识别技术，构建以用户需要为导向的多元化、开放性的学术期刊知识服务模式，实现知识内容的碎片化细微识别，挖掘更高层次的学术信息价值，从简单的信息聚合向细耕、精耕专业领域信息转变，在保证知识服务内容质量和专业度的基础上与用户场景系统进行智能化对接，使知识服务响应用户需求的速度更快。

（四）打造人机协同的智能型学术期刊编辑部

随着人工智能等技术的快速发展，通过人机协作提高出版业效能将成为常态。学术期刊应借助人机协同进行智能选题策划、智能翻译、智能学术搜索与评价等出版活动，积极打造智能型学术期刊编辑部，提升编辑出版工作的时效性、针对性和高效性。高素质的编辑人才是建设智能型学术期刊编辑部的核心竞争力，因此加强传统期刊编辑人员从单一型编辑向复合型编辑人才的转变已迫在眉睫。高素质复合型编辑人才的培养是一个渐进过程，因此智能型学术期刊编辑部的建设需要根据自身实际情况确定具体的发展路线，一方面可以通过制定激励政策加强现有编辑人员的智能化信息素养培育工作，突破学术期刊编辑人员的技术技能瓶颈；另一方面可以考虑与专业的人工智能技术公司进行合作，协助构建人机协同的智能型编辑部，实现学术期刊智慧出版的全面转型。

注释：略。

作者：孔薇，《郑州大学学报》编辑部编辑，副编审。

中国编辑 zgbjwx