AIGC学术知识服务的信息质量风险识别与治理

关键词： ＡＩＧＣ； 知识服务； 信息质量； 风险治理； 人工智能

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

〔中图分类号〕ＴＰ１８； Ｇ２３０ ７ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２４） ０８－００８９－１０

自２０１４年原国家新闻出版广电总局等部门首次提出“知识服务”［１］ ， 确立学术出版机构从内容提供向知识服务转型的业务升级目标以来， 我国学术出版机构提供的知识服务虽已经历了近１０ 年的发展， 但仍处于数字信息服务层次， 尚未完全进入更深层次的知识产品服务和知识解决服务阶段［２］ 。然而， 信息技术推动形成的数字学术模式［３］ 已使科研人员的知识需求从传统线性知识信息转变为集成性、关联性的学术资源和深层次知识发现与挖掘的学术服务［４］ 。２０２２ 年底， ＡＩＧＣ 技术引发全球关注。它能模仿人类的思维过程， 理解海量知识， 以贴近人类语言习惯的知识组织和表达方式为用户提供一站式的信息与知识解决方案， 为出版机构深化知识服务信息层次、有效提升服务水平带来契机。

目前， ＡＩＧＣ 产品已经进入学术领域。众多科研人员都有使用ＣｈａｔＧＰＴ 等ＡＩＧＣ 产品的经历， 但普遍反映其提供的信息存在质量问题， 如生成的文本中存在捏造的［５］ 、包含偏见的［６］ 、存在侵权风险的［７］ 信息， 以及提供虚构的参考文献［８］ 等。这些通用型ＡＩＧＣ 产品的信息质量问题同样也会在学术知识服务领域的ＡＩＧＣ 产品中出现。ＤｅＬｏｎｅ Ｗ Ｈ 等［９］学者曾指出， 信息质量会影响用户的使用意愿和使用满意度。这种影响在对信息严谨性和规范性要求更高的学术领域会更加深刻。因此， 学术出版机构若要提供具有竞争力的ＡＩＧＣ 学术知识服务产品，必然要先解决服务提供信息的质量问题。其中， 对于信息质量风险的前瞻性识别和治理尤为关键。

１ 相关概念界定

１.１ＡＩＧＣ 学术知识服务的概念界定

知识服务是指掌握某领域专业知识的组织或个人， 在充分挖掘客户知识需求的基础上， 对内外部知识资源进行搜集、整理、分析和挖掘， 通过适当的手段和方法， 帮助用户获取知识、解决问题、做出决策［１０］ ， 最终达成知识创新目标的服务过程。学术知识服务则是聚焦于满足科学研究知识需求的知识服务， 其服务主体包括出版机构、图书馆、数据库、高校和研究机构等组织； 服务对象为科研人员或科研机构； 服务基础则指包含学术论文及其关联性资源在内的资源基础［１１］ ， 以及数据挖掘、信息检索、算法推荐等技术基础； 服务方式包括文献检索、浏览及下载、检索结果可视化及分析等； 服务目的在于满足服务对象的学术知识需求、提升学术知识创新整体效能。ＡＩＧＣ 技术的应用则会为学术知识服务带来多重变革。首先， ＡＩＧＣ 学术知识服务以大语言模型为技术核心， 以海量知识资源为基础， 具有更坚实和先进的服务基础； 其次， ＡＩＧＣ学术知识服务不再要求用户自行检索、筛选和组织知识内容， 能够在实时问答中根据用户的个性化需求提供精细的知识方案， 极大降低知识的获取门槛［１２］ ； 最后， ＡＩＧＣ 学术知识服务在知识复用的基础上进行知识重组和多样化知识方案的生成， 相较于传统的学术知识服务更具有启发性， 有利于辅助知识创新目标的达成。

因此， 本文将ＡＩＧＣ 学术知识服务界定为： 出版机构、图书馆、数据库、高校和研究机构等拥有海量学术知识资源的主体， 利用ＡＩＧＣ 技术， 以知识问答形式为科研工作者和科研机构提供个性化、精细化的知识方案， 从而辅助完成学术知识创新的知识服务方式。由于学术出版机构长期扮演连接知识资源与知识信息用户的桥梁角色， 具有利用ＡＩＧＣ技术开展知识服务的天然优势， 并且众多国际著名学术出版机构也正积极探索更先进的知识服务模式，因而本文选择以学术出版机构作为ＡＩＧＣ 学术知识服务的提供主体展开研究。

１.２ ＡＩＧＣ 学术知识服务信息质量的概念界定

信息质量是一个较为笼统的概念， 在不同阶段具有差异化的界定方式。最初学者们常将视野局限于信息本身， 将信息质量界定为信息对客观事物描述的准确程度［１３］ 。随着研究的不断深入， 有学者开始从信息交互中的用户视角理解信息质量， 如将高质量信息资源理解为能够满足用户需求的信息［１４］ 。也有学者结合信息生产和信息使用的多维视角， 提出信息质量既是信息“符合规范” 的程度， 又是信息满足或超出用户期望的程度［１５］ 。

综合前人对“信息质量” 概念的探讨， 基于“科学研究” 这一应用场景的特殊需求以及“服务”这一根本属性， 本文主张同时考虑学术信息质量的客观标准与用户需求满足两个维度， 将ＡＩＧＣ 学术知识服务的信息质量定义为ＡＩＧＣ 知识服务产品提供的信息能够真实准确地反映客观事实、传递科学信息并能满足用户对信息获取和利用需求的程度。

２ＡＩＧＣ 学术知识服务信息质量风险识别与量化

ＡＩＧＣ 学术知识服务的信息质量风险产生根源在于服务提供工作存在疏漏， 而ＡＩＧＣ 学术知识服务的提供工作主要集中于对服务系统的策划、建设和维护。因此， 对ＡＩＧＣ 学术知识服务信息质量风险的治理要从服务系统入手， 识别服务提供工作中可能导致信息质量问题的风险节点， 并采取针对性的风险规避措施。

研究采用工作—风险分解法（Ｗｏｒｋ ＢｒｅａｋｄｏｗｎＳｙｓｔｅｍ－Ｒｉｓｋ Ｂｒｅａｋｄｏｗｎ Ｓｙｓｔｅｍ， ＷＢＳ －ＲＢＳ） 系统、全面地识别出版机构提供ＡＩＧＣ 学术知识服务过程中的信息质量风险节点［１６］ 。该方法是由美国学者Ｈｉｌｌｓｏｎ Ｄ 提出的一种风险识别方法， 被广泛应用于项目管理领域， 实施过程包含３ 个步骤： 首先进行ＷＢＳ 工作分解， 再进行ＲＢＳ 风险分解， 最后构建风险识别矩阵。基于风险节点识别结果， 研究进一步运用风险分解矩阵（Ｒｉｓｋ Ｂｒｅａｋｄｏｗｎ Ｍａｔｒｉｘ， ＲＢＭ）进行节点风险值的量化和比较［１７］ ， 从而为ＡＩＧＣ 学术知识服务信息质量风险治理提供行动依据。

２.１ＡＩＧＣ 学术知识服务工作分解

学术出版机构长期从事学术知识的生产和传播工作， 能及时掌握学术领域的知识状况和知识需求，具有提供知识服务的渠道优势以及坚实的资源、人才和资金基础； 并且， 其作为规模化的组织， 能够将先进技术引介至学术知识服务领域。因此， 学术出版机构具有作为ＡＩＧＣ 学术知识服务提供主体的实力。由于ＡＩＧＣ 学术知识服务的提供是一项需要多种资源和能力配合完成的复杂工作， 出版机构需在服务提供过程中发挥不同的作用， 组织多方参与者共同实现服务的落地， 具体的工作分解情况及出版机构的工作定位如表１ 所示。

在启动准备阶段， 出版机构应开展策略制定、资源整合与技术接入工作。第一， 出版机构可以直接触及知识市场并连通学术知识及其用户群体， 因而可以在策略制定环节作为各项工作的执行者， 首先开展学术知识服务市场分析， 把握知识服务行业宏观环境与发展状态， 明晰产业链情况， 对竞争者展开调研， 明确自身的市场定位， 并锁定目标用户群体； 其次， 进一步分析用户需求， 明确目标用户的知识服务功能需求和信息资源需求； 最后， 基于以上分析制定产品策划方案， 确定服务提供的方式、信息资源的范围、营销和业务发展策略等， 即明确ＡＩＧＣ 学术知识服务的具体模式。第二， 在资源整合环节， 学术出版机构应当发挥协调者作用。在资源获取工作中， 学术出版机构要在最大程度上整合分属于各类主体的知识资源。不仅要充分调动机构内部既存的存量资源、在纸质出版物的基础上进行再度加工以获得在制资源， 还需通过版权购买和网络抓取等方式获取增量资源［１８］ 。接着， 出版机构需要协调人力或与数据处理服务商开展合作， 对数据实施清洗、元数据提取、标准化等预处理操作， 并对数据进行标注， 使其能够被机器理解和处理； 构建实体关系， 以便模型能够进行知识查询和推理。第三， 由于大语言模型研发与训练的各项成本耗费极高［１９］ ， 出版机构很难具备自行开发模型的能力。因此， 出版机构需要在技术接入环节发挥主导者的作用， 在众多大语言模型中选择最适用于学术知识服务的基础模型， 与技术提供方展开合作［２０］ ， 向其提供处理好的数据， 要求其对模型实施训练和微调。出版机构需对模型调整效果进行把关， 确保大语言模型在学术知识服务领域的适配性。

在建设实施阶段， 出版机构需完成平台搭建和服务提供工作。第一， 平台搭建环节的工作仍然需要出版机构主导， 与技术服务商合作完成。出版机构需提出ＡＩＧＣ 学术知识服务平台的具体搭建要求，指导和对接技术服务商进行平台的系统架构设计、用户界面设计、功能开发以及集成与部署工作。第二， 服务提供环节的工作则由学术出版机构来执行。学术出版机构要将ＡＩＧＣ 学术知识服务平台整合上线、正式开放并与用户展开交互。同时要通过多种渠道向用户提供使用教程、操作指引、在线客服及技术指导等帮助与支持。

维护优化阶段需要由学术出版机构组织协调，对ＡＩＧＣ 学术知识服务平台进行维护和改进。首先，学术出版机构需要委托技术服务商持续监测服务系统性能， 包括对响应时间、资源利用率、并发性能等软硬件状况的监测； 其次， 出版机构要对用户在服务平台内的行为数据进行收集和分析， 如点击和浏览行为、指令发出行为等， 以便掌握平台的服务效果， 并通过用户调查、意见反馈表单、用户支持邮箱等渠道收集用户的意见和建议； 第三， 学术出版机构需组织开发团队或专门的质量评估团队， 从性能、功能、用户体验等层面对服务平台进行服务能力评估， 提出服务改进意见； 最后， 学术出版机构要根据以上数据和分析结果形成服务平台优化方案， 将其反馈至参与平台建设的各方主体， 对服务平台进行更新优化。

２.２ＡＩＧＣ 学术知识服务信息质量风险分解

ＡＩＧＣ 学术知识服务的信息质量问题源于服务系统中存在的信息质量风险。根据已有研究， 信息系统的信息质量划分维度存在共性， 但不同情境下的信息质量评价指标选取又存在差异［２１］ 。既有研究通常从信息的内容、表达、效用等角度划分信息质量维度， 如将信息质量划分为内容质量、集合质量、表达质量和效用质量等维度［２２］ ， 或信息资源内容、信息资源表达形式、信息资源系统和信息资源效用等维度［２３］ ， 并细化为重要性、相关性、有用性、信息量、可用性、可理解性、清晰性、及时性、可靠性、无倾向性等指标［９］ 。

ＡＩＧＣ 学术知识服务系统作为一种信息系统， 对其信息质量维度的划分既应遵循信息系统的共性规律， 又需与ＡＩＧＣ 学术知识服务信息质量的概念内涵相结合。基于此， 本文将ＡＩＧＣ 学术知识服务的信息质量划分为内容质量、表达质量以及效用质量３ 个维度。相对应地， ＡＩＧＣ 学术知识服务信息质量风险也可被分解为内容风险、表达风险和效用风险３ 个维度。各维度下的风险指标还需结合ＡＩＧＣ 类信息系统及学术知识服务的独特属性来确定， 具体分解情况如图１ 所示。

从内容维度来看， 学术知识服务旨在为用户提供详略得当的、能够反映最新研究进展的、可靠且客观公正的知识内容。而ＡＩＧＣ 类信息系统却可能提供虚假、错误、来源不可靠的信息， 或包含情感偏向、利益导向、偏见与歧视的内容， 还会因为数据库未进行实时信息关联而无法提供最准确的前沿信息［２４］ ， 且常会出现生成内容冗杂或信息量过少的情况。因此， ＡＩＧＣ 学术知识服务信息质量风险的内容风险维度可被细化为可靠性风险、适量性风险、及时性风险、公正性风险４ 个指标。

从表达维度来看， 学术知识服务需要清晰准确的表达知识内容， 以便用户能够充分理解并使用知识。同时， 还需要标准化地表达知识内容， 方便用户对丰富的信息进行比较和整合， 并满足学术规范的要求。而ＡＩＧＣ 类信息系统生成的内容可能存在逻辑混乱、措辞不准、语言不流畅、表述模糊或有歧义等问题， 并且在专业术语、引用信息、媒体格式等方面缺乏标准化的统一规范。因此， ＡＩＧＣ 学术知识服务信息质量风险的表达维度包括清晰度风险和标准化风险两项指标。

从效用维度来看， 知识内容与用户需求的相关性是用户衡量学术知识服务所提供信息效用的首要因素， 而ＡＩＧＣ 学术知识服务平台会因为对用户指令要求过高或资源丰富度等问题， 无法确保每次都能提供与用户需求匹配的内容。另外， 学术研究需要遵循严格的学术道德和规范要求， 而ＡＩＧＣ 学术知识服务却有可能因为资源获取和利用不当等原因提供违反法律及规章制度的知识内容， 导致用户对信息的使用存在侵犯隐私权、著作权等隐患。因此，ＡＩＧＣ 学术知识服务信息质量的效用风险可被细化为相关性风险和合规性风险两个指标。

２.３ ＡＩＧＣ 学术知识服务信息质量风险识别矩阵构建

在工作分解和风险分解的基础上， 以工作分解结构为列， 以风险分解结构为行， 构建ＡＩＧＣ 学术知识服务信息质量风险识别矩阵， 采用德尔菲法进行风险节点的识别。为降低专家对调查材料的理解难度， 研究小组结合理论知识及实际经验， 预先勾选了可能存在风险因素的节点。例如， 在资源获取工作环节， 若获取的数据和资源包含有误信息或来源不可靠， 则可能导致服务系统生成的内容包含不可靠的信息， 因此“资源获取—可靠性风险” 这一节点被认为存在风险因素并予以标记。在此之后，研究小组根据标注结果制作并向专家发放ＡＩＧＣ 学术知识服务信息质量风险识别矩阵调研表， 如表２所示。

共有１５ 位信息资源管理学科领域的专家参与调研， 未出现中途退出情况， 专家积极程度良好。参与调研的专家研究方向涉及学术出版、出版政策与法规、知识服务、风险评估、大数据分析、大语言模型应用、信息抽取和图谱构建自动化技术、知识组织与语义出版、自然语言处理、知识图谱等领域。所有专家均了解过ＡＩＧＣ 技术的前沿动向， 并关注过ＡＩＧＣ 应用于学术领域的学术探讨及相关报道， 或拥有利用ＡＩＧＣ 产品获取知识信息的经历。在向专家发放“专家对咨询内容的判断依据调查表”并回收数据后得出， 参与调研的专家权威系数Ｃｒ值为０ ７４， 说明专家权威程度较高， 调研结果可靠性高。

在本次调研中， 研究小组要求各位专家在ＡＩＧＣ学术知识服务信息质量风险识别矩阵调研表的风险节点标记基础上进行独立判断， 并向研究小组提出增加或删除某些风险节点的建议。研究小组在每一轮调研结束后记录专家达成共识的风险节点， 再统计存在异议的风险节点， 并向相关专家进行访谈咨询， 确定每处异议的原因和解释， 整理汇总后形成下一轮调研材料以再次征询专家意见， 直至所有专家不再提出异议。专家意见反馈过程如表３所示。最终， 所有专家在３ 轮调研后达成共识， 总共识别出７９ 个风险节点， 如表４ 所示。

２.４ ＡＩＧＣ 学术知识服务信息质量风险量化

基于风险识别结果， 运用ＲＢＭ 风险分解矩阵对风险节点的风险值进行量化、比较。在衡量风险节点的风险大小时， 用风险事件发生的概率与造成的后果严重程度的乘积来量化这一节点的风险值［２５］ 。其中， 风险事件的发生概率分为“极低” “较低”“中等” “较高” “极高” ５ 个等级， 分别赋值１～５分； 后果严重程度分为“可忽略的” “需考虑的”“比较严重” “非常严重” “灾难性的” ５ 个等级，分别赋值１～５ 分。

采用专家打分法对各风险节点的发生概率和后果严重程度进行赋值， 邀请参与过风险识别调研的１５ 位专家继续参与打分环节。回收并整理每一轮打分数据， 计算每一处分值的平均值， 在合理性和可解释性原则指导下将其作为参考值反馈给各位专家进行下一轮打分［２６］ ， 直至专家对所有分值形成较集中的意见。在此过程中， 通过计算变异系数来测量专家意见的集中程度， 当变异系数ＣＶ≤０ ２５时， 表明专家对该处分值的意见较为集中。在３ 轮打分与反馈后， １５ 位专家对每一处分值都形成了较为集中的意见。分别对各风险节点的发生概率值和后果严重程度值求平均数并进行四舍五入取整，得到风险节点发生概率和后果严重程度的最终值［２７］ ，将两个值进行乘积计算得到风险节点的风险值。然后， 在ＲＢＭ 矩阵中， 通过横向计算统计ＷＢＳ 节点的风险总和， 通过纵向计算统计ＲＢＳ 节点的风险总和［２８］ ， 结果如表５ 所示。

根据ＡＩＧＣ 学术知识服务信息质量风险ＲＢＭ 矩阵结果， 从工作环节角度来看， 启动准备阶段的信息质量风险值最高， 维护优化阶段次之， 建设实施阶段的风险值最低。在启动准备阶段中， 资源整合工作环节的风险值极高， 技术接入环节的风险值也较高， 策略制定环节的风险值则较低。建设实施阶段的信息质量风险全部来源于服务提供环节。维护优化阶段中， 除性能监测工作不会产生信息质量风险以外， 用户数据分析、用户反馈响应、服务能力评估以及版本更新工作的风险值差异不大， 其中用户反馈响应工作的风险值相对较高。从风险类别角度来看， 内容风险最为显著， 效用风险次之， 表达风险较低。

３ＡＩＧＣ 学术知识服务信息质量风险治理策略

根据ＡＩＧＣ 学术知识服务信息质量风险节点的风险值量化结果， 在出版机构提供ＡＩＧＣ 学术知识服务的工作过程中， 启动准备阶段的风险值最高，应当对其给予高度重视， 采取合理手段控制工作偏差， 避免信息质量问题的产生； 维护优化阶段的风险值次之， 应当对其给予关注， 实施一系列措施防范工作疏漏， 减少风险的发生； 建设实施阶段的风险值最低， 应当对其实施监控， 完善该阶段工作的细节以尽量降低对信息质量的不良影响。

３.１ 启动准备阶段： 严控偏差， 筑牢信息质量基础

ＡＩＧＣ 学术知识服务工作的启动准备阶段包含策略制定、资源整合和技术接入３ 个环节， 直接决定知识服务采用的框架、资源和模型等基本构成要素， 其工作质量对信息质量起着决定性作用。加之这一阶段的风险值最大， 理应成为信息质量风险治理的关键阶段。

作为策略制定环节工作的执行者， 出版机构在用户需求分析时应当面向目标用户展开全面详细的沟通和调研， 剖析其信息需求的所属领域、信息广度和深度， 由此决定ＡＩＧＣ 学术知识服务涉及的资源范围及其生成内容的篇幅长度和信息密度， 避免产生信息适量性和相关性风险。在产品策划时， 需将各项信息质量要求具化为清晰可操作的工作标准， 贯穿于具体的服务模式设计方案中， 作为后续工作的行动依据。

资源整合环节是启动准备阶段中信息质量风险最高的工作环节， 因而也是风险治理工作的重中之重。出版机构应当发挥协调沟通作用， 依据用户需求及产品策略的指示， 获取并整合多方知识资源，避免提供的知识与用户需求出现适量性和相关性偏差。还可协调引入世界知识以丰富模型对现实的理解， 减少有误信息的产生［２９］ 。在此过程中， 出版机构可合理寻求政府部门的支持， 打破知识资源间的流通壁垒。在服务上线后还要与各类资源主体维持良好合作关系， 持续更新知识资源， 或采用与搜索引擎、数据库对接等方式保证最新学术资源的输入。在资源整合工作中， 出版机构应严格审查信息来源和把控资源质量， 确保获取资源的可靠性和合规性。在数据预处理工作中， 出版机构应当制定数据处理标准， 组织人力或与数据处理公司合作进一步审查并过滤不可靠、不公正以及不合规信息， 去除冗余信息和不必要的文本杂质， 并对数据做标准化处理， 严格把控数据预处理效果， 保障信息资源质量以及输出内容的表达清晰度和格式统一性。在数据标注环节， 外包模式下标注人员的异质性通常会造成数据标注质量参差不齐， 影响模型对知识的理解和组织， 进而产生诸多信息质量风险。因而出版机构应当在清晰的标注规则指导下， 组织领域专家进行数据标注， 并通过抽样核验方式保障数据标注效果。出版机构还应发挥专业优势， 协调领域专家和技术人员合作构建精准且合规的实体关系， 辅助大语言模型更准确地理解客观事物及知识间的关联。此外， 资源整合工作的高质高效推进有赖于数据透明度的持续提升。学术出版机构不仅要依据政府部门出台的管理办法履行己方责任、敦促第三方数据服务商严肃对待信息质量问题， 还要积极引导和鼓励对主体责任细化、数据透明义务履行对象拓展等问题［３０］ 的研究， 整合专业性意见向政府部门建言献策， 推进数据透明义务体系的建立。

技术接入环节中存在的信息质量风险也不容忽视， 出版机构要在技术应用方向和应用水准的把控中充分发挥主导作用。出版机构要选择功能和性能最适用的模型作为ＡＩＧＣ 学术知识服务的基础模型，从根本上降低信息质量问题发生的概率。在与技术提供商建立合作关系时， 应预先明确双方在信息质量控制方面的责任义务， 并依据法律原则设立约束机制。在模型训练与微调时， 出版机构应根据特定领域的专业性需求， 提供具有代表性的高质量训练语料库， 提出模型调整要求， 并对模型调整效果进行检验把关， 保障其生成内容符合特定学术领域的需要。除此之外， 出版机构还应参与制定适用于学术知识服务领域的指令微调策略［３１］ ， 提升模型对用户指令的理解能力， 保证服务系统生成内容与用户指令的相关性。

３.２ 建设实施阶段： 完善细节， 避免信息质量受扰

ＡＩＧＣ 学术知识服务建设实施阶段的信息质量风险值较小， 与启动准备和维护优化阶段相比， 重要程度相对较低， 但仍要对个别风险值偏高的节点给予关注， 尽量避免用户与服务系统的交互过程对信息质量造成干扰。

建设实施阶段的信息质量风险集中在服务提供环节， 其成因主要有两方面： 一方面， 在单轮对话中， 若用户输入的提示内容包含有误信息或有偏向性的信息， 则可能致使模型在做出即时反应时沿用此类信息， 从而输出不可靠或不公正的内容。对此，出版机构应向用户说明服务平台的算法规则， 提醒用户在输入内容时保持审慎态度。此外， 由于模型开发者有权将用户输入内容作为迭代数据存储保留并用以改善模型和服务［３０］ ， 因而用户输入内容有可能会对模型产生深远的影响。出版机构应当向用户声明这一风险， 呼吁用户约束个人的数据输入行为， 并倡导全社会参与提升人工智能时代的用户素养。另一方面， 对用户指令的精准理解和响应是服务系统准确提供信息的前提， 但用户却并不总能清晰认识并准确表达信息需求。作为服务提供方的出版机构应当重视对用户的培训与帮助， 如设计用户手册或教学指南， 为用户提供高质量指令示例， 并在服务系统中设置帮助与支持功能， 以便向用户提供实时帮助。

３.３ 维护优化阶段： 弥补疏漏， 消除信息质量隐患

ＡＩＧＣ 学术知识服务维护优化阶段的信息质量风险值较大， 是信息质量风险治理的重要环节。该阶段蕴含的信息质量风险可归纳为两类： 一是未能及时发现信息质量问题而产生的风险； 二是未对信息质量问题及时做出改进而造成的风险。因此， 出版机构作为服务平台维护与改进工作的协调者， 应当及时发现不足， 明确改进需求， 并与参与实施服务平台优化的技术服务商积极沟通， 防范维护优化阶段的工作疏漏， 从而消除服务中的信息质量隐患。

用户行为数据分析是发现信息质量问题的重要途径之一。一般情况下， 用户会在未获取到足量的、与需求相匹配的信息时多次发出指令。若未能监测到用户发出指令的次数以及表达不满意态度的指令内容， 则不能及时发现服务提供的信息存在适量性、相关性问题， 导致风险继续存在。针对这一风险，出版机构应当与技术服务商展开合作， 分析用户指令的感情色彩， 识别表示不满、质疑的关键词； 捕捉频繁更换提问方式、多次提出相同问题、快速离开对话等用户行为， 从而判断输出信息的适量性和相关性水平， 并及时为用户提出指令改进建议， 帮助其获取所需信息。

用户反馈响应是发现信息质量问题最直接、准确的方式。若未能及时接收并响应用户反馈， 则可能导致信息质量风险继续存在。出版机构在提供ＡＩＧＣ 学术知识服务时， 应设置用户满意调查、在线表格、电子邮件、聊天窗口、社交媒体等多种用户意见反馈渠道， 主动收集用户反馈的信息质量问题， 为服务系统的改进提供参考。建立监控与警报系统以及快速响应机制， 实时监测用户反馈和评论， 及时发现关键问题并尽快采取应对措施。

服务能力评估是发现ＡＩＧＣ 学术知识服务信息质量问题的专业渠道。一方面， 出版机构应建立信息质量评估标准与内部评估流程， 成立评估小组或聘请专业的评估团队对服务的信息质量进行评估，以评估报告作为平台改进的可靠依据； 另一方面，出版机构应积极配合政府部门的监管， 参考其对数据来源、处理过程、访问和使用情况、数据质量等方面的审计结果和改进建议， 吸收政府部门在算法模型、算法数据备案和评估中提出的数据纠偏要求［３２］ ， 充分发现ＡＩＧＣ 学术知识服务提供工作中存在的疏漏， 进一步明晰服务平台的优化方向。

版本更新是消除信息质量风险的关键步骤， 若未针对服务系统中已发现的信息质量问题进行修复和版本更新， 则会导致信息质量风险继续存在。学术出版机构作为ＡＩＧＣ 学术知识服务的提供者， 应当对服务的优化负责， 规定版本更新的周期和工作流程， 制定明确可行的服务版本更新策略。在整合经多渠道识别和收集的信息质量问题后， 进行问题优先级分类， 组织各责任主体及时实施服务平台的维护与更新， 并向用户传达问题的解决进展和版本更新情况。

４结语

ＡＩＧＣ 技术为学术知识服务深化提供了新的契机， 但ＣｈａｔＧＰＴ 等通用型ＡＩＧＣ 产品已经显现出明显的信息质量问题。若要将ＡＩＧＣ 技术应用于学术知识服务领域， 事先规避其可能存在的信息质量风险至关重要。本文已在ＡＩＧＣ 学术知识服务产品广泛开发前对其包含的信息质量风险进行前瞻性识别，并从知识服务流程视角提出风险预防和应对策略。随着ＡＩＧＣ 学术知识服务建设工作的持续进行， 后续研究可以开展关于信息质量问题的实证分析， 根据服务开发和提供实践探讨信息质量风险的事中控制和事后控制策略。