前言：想要寫出一篇引人入勝的文章？我們特意為您整理了科技期刊選題策劃人工智能應用策略范文，希望能給你帶來靈感和參考，敬請閱讀。

關鍵詞：人工智能;選題策劃;科技期刊;應對策略

《2018—2019中國數字出版產業年度報告》中指出，人工智能技術在出版領域的應用日趨深入［1］，最直接的表現在于人工智能技術將改變出版行業長久以來模式化、規律化的生產運營方式，提高出版效率，提升知識服務能力.研究人工智能技術與出版融合發展的落腳點和著力點在于人工智能在學術出版領域的應用.向颯［2］認為人工智能不僅可以加速學術傳播，在選題策劃、編輯出版、生產印刷、營銷發行等方面再造學術出版流程，還可以顯著提升學術出版的知識服務能力.劉銀娣［3］認為人工智能可以應用在反剽竊和同行評審專家匹配、智能學術搜索以及智能文獻計量等環節.劉平等［4］介紹了借助人工智能的智慧出版模式，包括從選題策劃、內容生產到閱讀體驗及內容服務等過程.江雨蓮等［5］指出人工智能在醫學期刊編輯出版中的應用包括選題策劃與組稿、論文初審與同行評議、編輯加工、排版與校對等方面.然而，現有研究［2－7］大多是概述人工智能在內容生產到內容推送全流程中的潛在應用，鮮有專門探討人工智能應用于選題策劃的研究.選題策劃是出版物編輯過程的最初階段，也是影響出版物發展前景的至關重要階段［8］.探討人工智能應用于選題策劃是研究人工智能技術與學術出版融合發展的重要一環.本文將列舉人工智能在科技期刊選題策劃中的優勢和可用于選題策劃的人工智能產品，探討人工智能選題策劃面臨的挑戰及編輯的應對策略，以期為科技期刊應用人工智能進行選題策劃提供參考.

1人工智能選題策劃的優勢及可用產品

科技期刊選題策劃的方式方法與圖書等出版物相比存在一些差異，它主要是根據當前學科熱點及焦點問題，結合讀者需求，制定具有前瞻性、引導性、實用性的選題方向、選題形式及內容，然后進行多途徑組稿約稿，策劃專題專欄、專刊甚至特刊來實現選題優化，強化期刊品牌特色，推進學科發展.

1.1人工智能在科技期刊選題策劃中的優勢

1.1.1提高選題策劃的效率和準確性傳統的選題策劃主要依靠編委和編輯的知識積累、經驗以及對學科方向的預見和主觀判斷來尋找有價值的選題，這種方式耗時費力，并且容易忽略非常有價值的選題.利用人工智能獲取選題離不開人工智能學術搜索工具.2020年5月，清華大學人工智能研究院等單位聯合了報告《人工智能之學術搜索》［9］，該報告中指出，與以往的學術搜索引擎(例如開放式互聯網學術搜索引擎)相比，人工智能學術搜索引擎不再局限于單純地為用戶提供文獻檢索的簡單功能(例如關鍵詞搜索、模型化計量等)來逐層過濾相關度不高的論文，而是將大數據、深度學習技術應用到信息篩選過程中，基于大數據、深度學習的檢索系統能從海量數據中快速提取有效信息并進行科學統計分析，同時理解查詢者的需求和文獻的意思.人工智能可深度挖掘讀者需求，通過讀者行為(閱讀、評論、下載、轉發等)捕捉讀者研究背景和研究興趣;還可以根據學科領域內的熱門事件和熱點、前沿問題進行智能分析比對，快速推測出哪些內容更具前瞻性和話題性，有效提高選題策劃的效率.人工智能選題策劃是在開放的互聯網上進行的，搜索范圍更廣、內容更豐富，獲得的選題方向更全面、準確.由《紐時時報》數字部門的科學團隊研發的機器人Blossomblot，是基于協作工具Slack軟件上的一個虛擬智能機器人，它可以對社交網絡的海量文章進行大數據分析，預測哪些內容更有話題性，幫助編輯挑選出適合推送的素材.據《紐時時報》的統計數據，經Blossomblot篩選后推薦的文章點擊量是普通文章的38倍［10］.

1.1.2提升約稿對象的匹配度隨著科學技術的發展，學科間的交叉融合越來越多，學者進行跨學科研究的現象非常普遍;青年學者的學術影響力較弱.這些因素都可能導致編委或編輯不能準確、及時地獲取潛在約稿專家的信息及他們的科研動態.人工智能可協助期刊編委及編輯尋找潛在的約稿專家.與傳統的約稿方式(如在編輯部已有專家庫中選擇、其他專家推薦等)相比，借助大數據技術、知識圖譜技術、圖像識別技術甚至聲紋識別技術等，人工智能可在海量信息中檢索并標記可能相關的學術動態信息及其研究者，具有元數據結構的機器可“讀取”、描述這些科學人物，并對他們的研究成果相關性及研究質量進行搜索、分析和排序，估算這些研究者的學術影響力.比如，人工智能可以快速搜索相關領域重要學術會議的特邀專家、重大科研項目的第一責任人、省部級科技獎項獲得者等，分析這些研究者及所在課題組的科研軌跡和當前的研究方向，分析他們的科研產出，估算他們的科研活躍度;同時，通過學者關系網絡圖譜智能搜索與這些科學家合作密切的其他研究者.此外，人工智能還可根據當次約稿結果生成新的訓練數據，為下一次選題策劃、組稿約稿提供參考.人工智能賦能的學術搜索工具AMiner可采用知識圖譜技術結合人工智能技術自動生成全球人工智能領域最有影響力的學者榜單、全球計算機領域高校排名、全球學術會議綜合指數及排名等學術榜單，幫助編委和編輯在交叉領域和新興熱點領域尋找全球范圍內合適的約稿對象［9］.

1.2可用于選題策劃的人工智能產品表1列舉了6個目前國內外主要的基于人工智能技術開發的學術搜索工具(按年份排序)，這些人工智能產品可應用于科技期刊選題策劃的不同環節中.AMiner具有研究者語義信息抽取、面向話題的專家搜索、權威機構搜索、話題發現和趨勢分析、基于話題的社會影響力分析、研究者社會網絡關系識別等功能［9］.Meta可以根據用戶的搜索歷史，找出與其研究項目相關的最新論文，而非只是同行評審分數最高、引用最多的論文，并創建可以展示所有已論文之間關系的知識圖譜［3］，甚至可以預測科研人員研究領域未來的動向.Yewno能夠幫助研究者建立跨領域概念之間的相互聯系，并發掘知識內在的深層次聯系;還可通過語義分析等技術將出版物分解為獨立的內容，形成細顆粒度的知識結構;同時支持學術機構和專業出版機構建立自己的知識圖譜［11］.SemanticScholar可自動篩選論文關鍵詞、關鍵段，輔助研究者快速理解論文內容;通過評估論文內容的相關度來實現搜索結果的快速排序［2］;還可以搜索指定主題的相關論文并判斷論文的價值［9］.與利用關鍵詞搜索的方式不同，Iris.ai通過對用戶輸入的字段或論文摘要中的關鍵詞進行機器學習，結合該字段或關鍵詞在段落中的具體含義，通過算法將這些帶有語境的概念分類集群，最終為研究者篩選出更為相關的文獻資料［12］.Sparrho利用人工智能結合人類智慧，能分析理解用戶需求，通過動態饋送和專家管理公告欄，幫助研究者了解各學科領域的最新出版物［13］.

2人工智能選題策劃面臨的挑戰

人工智能為科技期刊選題策劃帶來便利的同時，在實際應用中也面臨著諸多挑戰，主要集中在以下幾個方面.(1)選題的同質性.傳統的選題策劃主要依靠編委、編輯的智力勞動來完成，他們通過深度的思考和縝密的邏輯分析深入研究選題，甚至在對立的觀點之間尋求創意，由此找到極具價值的選題，這一過程充分發揮了人的主觀能動性.而基于人工智能的選題策劃更依賴于機器智慧對已有知識進行學習和積累，然后通過既定的量化指標進行信息篩選、分析和判斷.在信息篩選過程中，相同或相近學科的期刊編輯若盲目依賴人工智能追求研究熱點、前沿問題，會使各刊研究內容重復，最終導致選題方向及選題內容同質化.這不僅背離了人工智能將編輯從繁瑣的信息搜索工作中解放出來的初衷，造成了人力、物力、財力資源的浪費，還導致科技期刊辦刊特色不鮮明、缺乏學術創新.而具有差異化、創新性和前瞻性的科技期刊才能突顯辦刊特色，引領科技創新和行業發展.(2)算法的公平性.算法是人工智能的核心，算法越精準，人工智能的自主決策能力越強，其結果才越具有指導性意義.人工智能選題策劃的每一步決策都是經過算法設定好的，這些算法繁多且邏輯復雜，但并非完全客觀.現有的機器學習模型需要對具體應用中產生的海量數據進行訓練，生成訓練模型，然后將訓練模型應用于后續的數據篩選和預測.那些最先用于訓練的海量數據的采集和標記都經過算法設計者、開發者的挑選和“標簽化”，這就引入了不同程度的“人類偏見”.目前我國人工智能算法很多采用國外的深度學習框架，算法中可能已經嵌入了設計者和開發者的思維和意見，將其應用到出版選題策劃中，結果可能存在偏頗.例如在智能推薦約稿專家的過程中，人工智能受算法設計者對科研工作者性別、年齡、學歷、職稱甚至國籍等設定條件的影響，可能會給出有失公允的推薦結果.(3)學習樣本和訓練模型的科學性.實現人工智能選題策劃首先要訓練海量數據生成訓練模型，這就要求人工智能設計者必須選取全面、科學的元數據，才能最大限度地提高人工智能選題策劃的可靠性.①在學習樣本的數量方面，目前現有的人工智能訓練模型大多只基于部分數據庫(其中部分數據庫需要付費使用)，得到的數據較為片面;另外，訓練數據時可能不會針對每一種可能都有足夠的樣本，導致人工智能無法充分學習，其結果可靠性將受影響.②在學習樣本的科學性方面，某些科技期刊刊載文章中存在實驗設計不科學、不周密或誤用統計方法的現象.例如，文獻［14］對醫學論文中樣本選擇的科學性展開討論，發現如果采用“選擇”而非隨機抽樣的方式進行實驗分組，將會造成結果偏性，若將這類文獻作為學習樣本進行訓練，可能導致錯誤的認知，影響選題策劃過程中人工智能對文獻質量和價值的判斷.③在訓練模型的科學性方面，訓練模型很難量化訓練數據中的某些特征，比如文獻的創新程度、重要性及潛在影響力等.

舉個有趣的例子，使用人工智能為美國研究生入學考試(GraduateRecordExamination，GRE)的答卷評分時，人工智能無法準確評價一篇作文的結構、清晰度、創造力等，而是更關注作文的長短句、詞匯量、語法等，但后者并不是一篇好作文的最重要衡量指標，只是基本指標.由此可見，利用人工智能量化所有評價指標的難度非常大.另外，訓練模型中每一個量化指標的科學性也有待繼續探討.在選題策劃過程中，利用人工智能建立訓練模型來訓練數據時，勢必會更注重一些便于量化的評價指標，例如被引頻次、影響因子、h指數等.單就影響因子而言，它的計算方法與論文學術水平并沒有直接關系［15］，如果僅以此作為量化指標生成訓練模型，勢必會過濾掉一些對研究者很有價值的文獻，這就需要科學地設置各個重要量化指標的權重.(4)對青年學者的公正性.青年學者是科研攻堅的新生力量，他們知識結構更新快、精力充沛，對期刊編輯部的組稿約稿工作響應程度高且執行力強，產出的論文質量較高.但他們的科研工作剛剛起步，相對于資深學者，學術影響力較弱、h指數相對較低.在利用人工智能進行搜索和構建學者關系網絡圖譜時，發現:由于青年學者的學術影響力較弱，他們的名字被用戶搜索到的概率相對較低，研究成果被讀者閱讀、下載、轉發的次數相對較少;同時，他們在人工智能構建的資深專家關系網絡圖譜中可能處于邊緣位置，被關注度較低.上述情況都有可能導致人工智能對青年學者產出論文在推薦優先級別上的誤判.此外，相對于人為選擇約稿專家，利用人工智能篩選、推薦約稿專家時，若算法單純地關注諸如h指數等指標，并用于評估青年學者的學術產出數量與學術水平時，會導致青年學者被人工智能推薦為約稿專家的概率降低，這對青年學者來說都有失公正.(5)對編輯信息素養的要求.信息素養主要包括信息意識、信息知識、信息技能以及信息倫理道德4個方面.傳統選題策劃注重編輯的信息觀念與意識，而人工智能選題策劃則對編輯的信息素養提出了更全面的要求.雖然人工智能還存在算法設計缺陷，科學性還有待提升，目前還不能完全代替編輯獨立完成選題策劃，但是人工智能通過互聯網大數據篩選信息，所得結果也具有一定的統計學意義，這就要求編輯對人工智能的工作原理有一定的了解，并對給出的信息有更為敏銳的思辨能力和判斷能力，最終決定是否采用人工智能選題策劃的結果.大數據時代的信息更新非常快，編輯還應掌握信息處理技能，這些技能包括信息整合、存儲、交換、傳遞、應用等.同時，還要特別注意在信息處理過程中所表現出來的道德品質，比如如何在信息存儲、交換、傳遞過程中保護人工智能篩選出的文獻作者信息、讀者行為信息、約稿專家信息等，避免出現由人工智能帶來的出版倫理道德問題.

3編輯的應對策略

3.1立足自身優勢，發揮主導作用

科技期刊編輯應認識到人類的思辨能力、聯想能力、創新能力以及情感交互能力等是人工智能無法比擬的.在人工智能選題策劃環節，面對熱點、前沿問題時，編輯首先應保持理性思維，堅守意識形態陣地，結合自身學科知識背景和對出版倫理道德標準的把握，發揮價值判斷優勢，辯證分析選題的可行性，引導優秀學術內容的傳播;其次，編輯應強化創新意識，打破固定思維的束縛，放寬眼界，拓展知識面，完善知識結構，同時依托讀者市場，積極探尋新的選題生長點，推陳出新;最后，人工智能無法就選題計劃與約稿專家進行情感交流，編輯還應善于維系與約稿專家之間的情感，給予他們人文關懷和情感反饋，促進選題策劃過程良性發展與循環.人工智能是由人類智慧創造出來的，其計算能力和深度歸納分析能力遠超人類.德國波恩大學教授馬庫斯•加布里爾認為:“人工智能問題的討論需要正本清源，人工智能一直并且只能是人類思維的一種模型，而非思維.”因此在選題策劃過程中，編輯應發揮主導作用，充分利用人工智能的優勢為科技期刊選題策劃服務.編輯與人工智能二者互補所長，協同工作，才能最大化地消除由人工智能選題策劃帶來的負面影響.

3.2全面提升信息素養

人工智能技術的快速發展將促使編輯提升其在選題策劃環節中的信息素養.在互聯網時代，學科知識更新迭代速度飛快，且這些知識的媒體也非常多，科技期刊編輯不應局限于通過網絡檢索學術動態、關注重大專項和成果以及參加重要學術會議等常規形式獲取選題，而是要時刻保持敏銳的洞察力，善于發現新興事物與所在期刊學術知識的內在聯系，尋找選題的靈感.同時，編輯應拓寬知識維度，提升自身的學術水平、邏輯思維能力和判斷力，還要對人工智能的基本原理和思考過程有一定的了解，才能甄別人工智能選題策劃中存在的疏漏并及時反向查找糾正.另外，編輯要掌握多種信息處理技術，比如多媒體技術、數字技術等，以適應未來智慧出版對媒體融合型編輯的要求;還要熟悉人工智能選題策劃全流程，熟練使用人工智能學術搜索工具，避免出現人工智能技術和編輯應用能力的不匹配.此外，編輯應高度重視在信息處理過程中自身行為可能導致的出版倫理道德問題，同時制定相應的應急預案，確保在人工智能選題策劃環節中的信息隱私.

3.3積極參與人工智能的優化設計

人工智能算法存在設計缺陷，可能導致選題策劃結果與編輯長久以來的思維方式、觀念認知等存在矛盾或偏差.編輯的實際使用感受對人工智能選題策劃發展進程起著重要作用，因此科技期刊編輯應積極參與到算法優化設計中.編輯作為人工智能的使用者，應了解人工智能選題策劃用于計算所有指標的數據和方法，理解算法設計者的設計思路和目的，而不是單純地要求公開算法.算法公開并不能完全消除算法歧視，這是因為算法是由一系列的程序和代碼組成的，具有極強的專業性和技術性，且算法是不斷升級優化的，最初公開的算法很可能不是當前使用的算法.編輯應在實踐中不斷應用，發現并及時反饋算法設計的不合理性.此外，應用人工智能選題策劃的不同出版單位應加強交流，互通有無，形成合力，變被動應用為主動出擊，共同督促人工智能算法設計者不斷優化升級，最大化地減少算法歧視.

4結語

人工智能可提高科技期刊選題策劃的效率和準確性，提升約稿對象的匹配度.盡管目前已有一些可輔助選題策劃的人工智能產品問世，但是總體來看，人工智能技術尚不成熟，用于選題策劃中可能導致選題同質化、算法歧視、學習樣本不夠科學等問題，需要編輯在人工智能選題策劃全流程中發揮主導作用，注重自身信息素養的提升，還要積極參與算法的優化升級，讓算法決策更契合編輯的預期.人工智能技術與出版融合發展是行業的大勢所趨，探討人工智能選題策劃是為了在接受和擁抱技術性變革之前，從算法設計者到編輯自身都能做好準備，更好地利用該技術為科技期刊選題策劃服務.限于人工智能在出版行業中還未普及，本研究所述的挑戰和編輯應對策略只停留在思考層面，未來在實踐中可能還會遇到新的問題，需要編輯積極應變.筆者相信，隨著科學技術的發展，人工智能將在科技期刊選題策劃中發揮重要作用，成為科技期刊編輯強大而可靠的助手.

作者：劉暢 姜京梅 范瑜晛 單位：中國科學院聲學研究所《應用聲學》編輯部