科技期刊选题策划人工智能应用策略

前言：想要写出一篇引人入胜的文章？我们特意为您整理了科技期刊选题策划人工智能应用策略范文，希望能给你带来灵感和参考，敬请阅读。

关键词：人工智能;选题策划;科技期刊;应对策略

《2018—2019中国数字出版产业年度报告》中指出，人工智能技术在出版领域的应用日趋深入［1］，最直接的表现在于人工智能技术将改变出版行业长久以来模式化、规律化的生产运营方式，提高出版效率，提升知识服务能力.研究人工智能技术与出版融合发展的落脚点和着力点在于人工智能在学术出版领域的应用.向飒［2］认为人工智能不仅可以加速学术传播，在选题策划、编辑出版、生产印刷、营销发行等方面再造学术出版流程，还可以显著提升学术出版的知识服务能力.刘银娣［3］认为人工智能可以应用在反剽窃和同行评审专家匹配、智能学术搜索以及智能文献计量等环节.刘平等［4］介绍了借助人工智能的智慧出版模式，包括从选题策划、内容生产到阅读体验及内容服务等过程.江雨莲等［5］指出人工智能在医学期刊编辑出版中的应用包括选题策划与组稿、论文初审与同行评议、编辑加工、排版与校对等方面.然而，现有研究［2－7］大多是概述人工智能在内容生产到内容推送全流程中的潜在应用，鲜有专门探讨人工智能应用于选题策划的研究.选题策划是出版物编辑过程的最初阶段，也是影响出版物发展前景的至关重要阶段［8］.探讨人工智能应用于选题策划是研究人工智能技术与学术出版融合发展的重要一环.本文将列举人工智能在科技期刊选题策划中的优势和可用于选题策划的人工智能产品，探讨人工智能选题策划面临的挑战及编辑的应对策略，以期为科技期刊应用人工智能进行选题策划提供参考.

1人工智能选题策划的优势及可用产品

科技期刊选题策划的方式方法与图书等出版物相比存在一些差异，它主要是根据当前学科热点及焦点问题，结合读者需求，制定具有前瞻性、引导性、实用性的选题方向、选题形式及内容，然后进行多途径组稿约稿，策划专题专栏、专刊甚至特刊来实现选题优化，强化期刊品牌特色，推进学科发展.

1.1人工智能在科技期刊选题策划中的优势

1.1.1提高选题策划的效率和准确性传统的选题策划主要依靠编委和编辑的知识积累、经验以及对学科方向的预见和主观判断来寻找有价值的选题，这种方式耗时费力，并且容易忽略非常有价值的选题.利用人工智能获取选题离不开人工智能学术搜索工具.2020年5月，清华大学人工智能研究院等单位联合了报告《人工智能之学术搜索》［9］，该报告中指出，与以往的学术搜索引擎(例如开放式互联网学术搜索引擎)相比，人工智能学术搜索引擎不再局限于单纯地为用户提供文献检索的简单功能(例如关键词搜索、模型化计量等)来逐层过滤相关度不高的论文，而是将大数据、深度学习技术应用到信息筛选过程中，基于大数据、深度学习的检索系统能从海量数据中快速提取有效信息并进行科学统计分析，同时理解查询者的需求和文献的意思.人工智能可深度挖掘读者需求，通过读者行为(阅读、评论、下载、转发等)捕捉读者研究背景和研究兴趣;还可以根据学科领域内的热门事件和热点、前沿问题进行智能分析比对，快速推测出哪些内容更具前瞻性和话题性，有效提高选题策划的效率.人工智能选题策划是在开放的互联网上进行的，搜索范围更广、内容更丰富，获得的选题方向更全面、准确.由《纽时时报》数字部门的科学团队研发的机器人Blossomblot，是基于协作工具Slack软件上的一个虚拟智能机器人，它可以对社交网络的海量文章进行大数据分析，预测哪些内容更有话题性，帮助编辑挑选出适合推送的素材.据《纽时时报》的统计数据，经Blossomblot筛选后推荐的文章点击量是普通文章的38倍［10］.

1.1.2提升约稿对象的匹配度随着科学技术的发展，学科间的交叉融合越来越多，学者进行跨学科研究的现象非常普遍;青年学者的学术影响力较弱.这些因素都可能导致编委或编辑不能准确、及时地获取潜在约稿专家的信息及他们的科研动态.人工智能可协助期刊编委及编辑寻找潜在的约稿专家.与传统的约稿方式(如在编辑部已有专家库中选择、其他专家推荐等)相比，借助大数据技术、知识图谱技术、图像识别技术甚至声纹识别技术等，人工智能可在海量信息中检索并标记可能相关的学术动态信息及其研究者，具有元数据结构的机器可“读取”、描述这些科学人物，并对他们的研究成果相关性及研究质量进行搜索、分析和排序，估算这些研究者的学术影响力.比如，人工智能可以快速搜索相关领域重要学术会议的特邀专家、重大科研项目的第一责任人、省部级科技奖项获得者等，分析这些研究者及所在课题组的科研轨迹和当前的研究方向，分析他们的科研产出，估算他们的科研活跃度;同时，通过学者关系网络图谱智能搜索与这些科学家合作密切的其他研究者.此外，人工智能还可根据当次约稿结果生成新的训练数据，为下一次选题策划、组稿约稿提供参考.人工智能赋能的学术搜索工具AMiner可采用知识图谱技术结合人工智能技术自动生成全球人工智能领域最有影响力的学者榜单、全球计算机领域高校排名、全球学术会议综合指数及排名等学术榜单，帮助编委和编辑在交叉领域和新兴热点领域寻找全球范围内合适的约稿对象［9］.

1.2可用于选题策划的人工智能产品表1列举了6个目前国内外主要的基于人工智能技术开发的学术搜索工具(按年份排序)，这些人工智能产品可应用于科技期刊选题策划的不同环节中.AMiner具有研究者语义信息抽取、面向话题的专家搜索、权威机构搜索、话题发现和趋势分析、基于话题的社会影响力分析、研究者社会网络关系识别等功能［9］.Meta可以根据用户的搜索历史，找出与其研究项目相关的最新论文，而非只是同行评审分数最高、引用最多的论文，并创建可以展示所有已论文之间关系的知识图谱［3］，甚至可以预测科研人员研究领域未来的动向.Yewno能够帮助研究者建立跨领域概念之间的相互联系，并发掘知识内在的深层次联系;还可通过语义分析等技术将出版物分解为独立的内容，形成细颗粒度的知识结构;同时支持学术机构和专业出版机构建立自己的知识图谱［11］.SemanticScholar可自动筛选论文关键词、关键段，辅助研究者快速理解论文内容;通过评估论文内容的相关度来实现搜索结果的快速排序［2］;还可以搜索指定主题的相关论文并判断论文的价值［9］.与利用关键词搜索的方式不同，Iris.ai通过对用户输入的字段或论文摘要中的关键词进行机器学习，结合该字段或关键词在段落中的具体含义，通过算法将这些带有语境的概念分类集群，最终为研究者筛选出更为相关的文献资料［12］.Sparrho利用人工智能结合人类智慧，能分析理解用户需求，通过动态馈送和专家管理公告栏，帮助研究者了解各学科领域的最新出版物［13］.

2人工智能选题策划面临的挑战

人工智能为科技期刊选题策划带来便利的同时，在实际应用中也面临着诸多挑战，主要集中在以下几个方面.(1)选题的同质性.传统的选题策划主要依靠编委、编辑的智力劳动来完成，他们通过深度的思考和缜密的逻辑分析深入研究选题，甚至在对立的观点之间寻求创意，由此找到极具价值的选题，这一过程充分发挥了人的主观能动性.而基于人工智能的选题策划更依赖于机器智慧对已有知识进行学习和积累，然后通过既定的量化指标进行信息筛选、分析和判断.在信息筛选过程中，相同或相近学科的期刊编辑若盲目依赖人工智能追求研究热点、前沿问题，会使各刊研究内容重复，最终导致选题方向及选题内容同质化.这不仅背离了人工智能将编辑从繁琐的信息搜索工作中解放出来的初衷，造成了人力、物力、财力资源的浪费，还导致科技期刊办刊特色不鲜明、缺乏学术创新.而具有差异化、创新性和前瞻性的科技期刊才能突显办刊特色，引领科技创新和行业发展.(2)算法的公平性.算法是人工智能的核心，算法越精准，人工智能的自主决策能力越强，其结果才越具有指导性意义.人工智能选题策划的每一步决策都是经过算法设定好的，这些算法繁多且逻辑复杂，但并非完全客观.现有的机器学习模型需要对具体应用中产生的海量数据进行训练，生成训练模型，然后将训练模型应用于后续的数据筛选和预测.那些最先用于训练的海量数据的采集和标记都经过算法设计者、开发者的挑选和“标签化”，这就引入了不同程度的“人类偏见”.目前我国人工智能算法很多采用国外的深度学习框架，算法中可能已经嵌入了设计者和开发者的思维和意见，将其应用到出版选题策划中，结果可能存在偏颇.例如在智能推荐约稿专家的过程中，人工智能受算法设计者对科研工作者性别、年龄、学历、职称甚至国籍等设定条件的影响，可能会给出有失公允的推荐结果.(3)学习样本和训练模型的科学性.实现人工智能选题策划首先要训练海量数据生成训练模型，这就要求人工智能设计者必须选取全面、科学的元数据，才能最大限度地提高人工智能选题策划的可靠性.①在学习样本的数量方面，目前现有的人工智能训练模型大多只基于部分数据库(其中部分数据库需要付费使用)，得到的数据较为片面;另外，训练数据时可能不会针对每一种可能都有足够的样本，导致人工智能无法充分学习，其结果可靠性将受影响.②在学习样本的科学性方面，某些科技期刊刊载文章中存在实验设计不科学、不周密或误用统计方法的现象.例如，文献［14］对医学论文中样本选择的科学性展开讨论，发现如果采用“选择”而非随机抽样的方式进行实验分组，将会造成结果偏性，若将这类文献作为学习样本进行训练，可能导致错误的认知，影响选题策划过程中人工智能对文献质量和价值的判断.③在训练模型的科学性方面，训练模型很难量化训练数据中的某些特征，比如文献的创新程度、重要性及潜在影响力等.

举个有趣的例子，使用人工智能为美国研究生入学考试(GraduateRecordExamination，GRE)的答卷评分时，人工智能无法准确评价一篇作文的结构、清晰度、创造力等，而是更关注作文的长短句、词汇量、语法等，但后者并不是一篇好作文的最重要衡量指标，只是基本指标.由此可见，利用人工智能量化所有评价指标的难度非常大.另外，训练模型中每一个量化指标的科学性也有待继续探讨.在选题策划过程中，利用人工智能建立训练模型来训练数据时，势必会更注重一些便于量化的评价指标，例如被引频次、影响因子、h指数等.单就影响因子而言，它的计算方法与论文学术水平并没有直接关系［15］，如果仅以此作为量化指标生成训练模型，势必会过滤掉一些对研究者很有价值的文献，这就需要科学地设置各个重要量化指标的权重.(4)对青年学者的公正性.青年学者是科研攻坚的新生力量，他们知识结构更新快、精力充沛，对期刊编辑部的组稿约稿工作响应程度高且执行力强，产出的论文质量较高.但他们的科研工作刚刚起步，相对于资深学者，学术影响力较弱、h指数相对较低.在利用人工智能进行搜索和构建学者关系网络图谱时，发现:由于青年学者的学术影响力较弱，他们的名字被用户搜索到的概率相对较低，研究成果被读者阅读、下载、转发的次数相对较少;同时，他们在人工智能构建的资深专家关系网络图谱中可能处于边缘位置，被关注度较低.上述情况都有可能导致人工智能对青年学者产出论文在推荐优先级别上的误判.此外，相对于人为选择约稿专家，利用人工智能筛选、推荐约稿专家时，若算法单纯地关注诸如h指数等指标，并用于评估青年学者的学术产出数量与学术水平时，会导致青年学者被人工智能推荐为约稿专家的概率降低，这对青年学者来说都有失公正.(5)对编辑信息素养的要求.信息素养主要包括信息意识、信息知识、信息技能以及信息伦理道德4个方面.传统选题策划注重编辑的信息观念与意识，而人工智能选题策划则对编辑的信息素养提出了更全面的要求.虽然人工智能还存在算法设计缺陷，科学性还有待提升，目前还不能完全代替编辑独立完成选题策划，但是人工智能通过互联网大数据筛选信息，所得结果也具有一定的统计学意义，这就要求编辑对人工智能的工作原理有一定的了解，并对给出的信息有更为敏锐的思辨能力和判断能力，最终决定是否采用人工智能选题策划的结果.大数据时代的信息更新非常快，编辑还应掌握信息处理技能，这些技能包括信息整合、存储、交换、传递、应用等.同时，还要特别注意在信息处理过程中所表现出来的道德品质，比如如何在信息存储、交换、传递过程中保护人工智能筛选出的文献作者信息、读者行为信息、约稿专家信息等，避免出现由人工智能带来的出版伦理道德问题.

3编辑的应对策略

3.1立足自身优势，发挥主导作用

科技期刊编辑应认识到人类的思辨能力、联想能力、创新能力以及情感交互能力等是人工智能无法比拟的.在人工智能选题策划环节，面对热点、前沿问题时，编辑首先应保持理性思维，坚守意识形态阵地，结合自身学科知识背景和对出版伦理道德标准的把握，发挥价值判断优势，辩证分析选题的可行性，引导优秀学术内容的传播;其次，编辑应强化创新意识，打破固定思维的束缚，放宽眼界，拓展知识面，完善知识结构，同时依托读者市场，积极探寻新的选题生长点，推陈出新;最后，人工智能无法就选题计划与约稿专家进行情感交流，编辑还应善于维系与约稿专家之间的情感，给予他们人文关怀和情感反馈，促进选题策划过程良性发展与循环.人工智能是由人类智慧创造出来的，其计算能力和深度归纳分析能力远超人类.德国波恩大学教授马库斯•加布里尔认为:“人工智能问题的讨论需要正本清源，人工智能一直并且只能是人类思维的一种模型，而非思维.”因此在选题策划过程中，编辑应发挥主导作用，充分利用人工智能的优势为科技期刊选题策划服务.编辑与人工智能二者互补所长，协同工作，才能最大化地消除由人工智能选题策划带来的负面影响.

3.2全面提升信息素养

人工智能技术的快速发展将促使编辑提升其在选题策划环节中的信息素养.在互联网时代，学科知识更新迭代速度飞快，且这些知识的媒体也非常多，科技期刊编辑不应局限于通过网络检索学术动态、关注重大专项和成果以及参加重要学术会议等常规形式获取选题，而是要时刻保持敏锐的洞察力，善于发现新兴事物与所在期刊学术知识的内在联系，寻找选题的灵感.同时，编辑应拓宽知识维度，提升自身的学术水平、逻辑思维能力和判断力，还要对人工智能的基本原理和思考过程有一定的了解，才能甄别人工智能选题策划中存在的疏漏并及时反向查找纠正.另外，编辑要掌握多种信息处理技术，比如多媒体技术、数字技术等，以适应未来智慧出版对媒体融合型编辑的要求;还要熟悉人工智能选题策划全流程，熟练使用人工智能学术搜索工具，避免出现人工智能技术和编辑应用能力的不匹配.此外，编辑应高度重视在信息处理过程中自身行为可能导致的出版伦理道德问题，同时制定相应的应急预案，确保在人工智能选题策划环节中的信息隐私.

3.3积极参与人工智能的优化设计

人工智能算法存在设计缺陷，可能导致选题策划结果与编辑长久以来的思维方式、观念认知等存在矛盾或偏差.编辑的实际使用感受对人工智能选题策划发展进程起着重要作用，因此科技期刊编辑应积极参与到算法优化设计中.编辑作为人工智能的使用者，应了解人工智能选题策划用于计算所有指标的数据和方法，理解算法设计者的设计思路和目的，而不是单纯地要求公开算法.算法公开并不能完全消除算法歧视，这是因为算法是由一系列的程序和代码组成的，具有极强的专业性和技术性，且算法是不断升级优化的，最初公开的算法很可能不是当前使用的算法.编辑应在实践中不断应用，发现并及时反馈算法设计的不合理性.此外，应用人工智能选题策划的不同出版单位应加强交流，互通有无，形成合力，变被动应用为主动出击，共同督促人工智能算法设计者不断优化升级，最大化地减少算法歧视.

4结语

人工智能可提高科技期刊选题策划的效率和准确性，提升约稿对象的匹配度.尽管目前已有一些可辅助选题策划的人工智能产品问世，但是总体来看，人工智能技术尚不成熟，用于选题策划中可能导致选题同质化、算法歧视、学习样本不够科学等问题，需要编辑在人工智能选题策划全流程中发挥主导作用，注重自身信息素养的提升，还要积极参与算法的优化升级，让算法决策更契合编辑的预期.人工智能技术与出版融合发展是行业的大势所趋，探讨人工智能选题策划是为了在接受和拥抱技术性变革之前，从算法设计者到编辑自身都能做好准备，更好地利用该技术为科技期刊选题策划服务.限于人工智能在出版行业中还未普及，本研究所述的挑战和编辑应对策略只停留在思考层面，未来在实践中可能还会遇到新的问题，需要编辑积极应变.笔者相信，随着科学技术的发展，人工智能将在科技期刊选题策划中发挥重要作用，成为科技期刊编辑强大而可靠的助手.

作者：刘畅 姜京梅 范瑜晛 单位：中国科学院声学研究所《应用声学》编辑部