Preliminary Conference Agenda

[目的/意义]明确突发公共事件下信息源选择多样性对知识建构的影响机理，有助于优化信息搜寻策略及信息加工方式，提升知识建构效率。[方法/过程]基于问题解决情境理论、启发式—系统式模型以及知识建构相关理论，构建并实证基于SEM方法的假设检验模型；同时，对信息源选择组合为前因变量进行模糊集质性分析，依次对不同信息源组合进行组态分析，探寻各信息源组合对个体知识建构产生的影响机理。[结果/结论]问题认知、约束认知、涉入认知、参考标准四个要素均对信息源选择多样性具有显著正向影响，系统式加工对知识建构具有显著正向影响，而启发式加工则不对知识建构产生影响，“网络信息源+传统媒体信息源+人际信息源”、“网络信息源+人际信息源”、“网络信息源”三种信息源组合能够对个体实现知识建构产生组态影响。

摘要：[目的/意义] 随着信息技术的不断发展和个人信息泄露事件的不断增加，公众对个人信息安全的担忧与日俱增，其个人信息安全感状况令人堪忧。本研究旨在确定个人信息安全感的概念内涵和构成维度，为信息安全教育、政策制定和技术发展提供更深入的理论基础。[方法/过程] 本研究以社会认知理论为支撑，采用了文献调研和内容分析的方法，逐步明确了个人信息安全感的概念内涵和构成维度，并通过德尔菲法验证了研究结果的有效性。[结果/结论] 个人信息安全感是指个体在个人信息方面的安全感状况，是一个系统、整体、动态发展的概念，是在个体、信息环境、行为意愿三个层面的持续交织与互动中形成的，包括个人信息安全评估中的自我安定感、个人信息风险应对中的自我胜任感、人际交往中的个人信息安全需求满足感、个人信息处理活动中的个人信息确定控制感、个人信息安全中的行为倾向共计五个构成维度。

[Bcakgroud] With the enrichment of network platform types, users are no longer limited to using single platform to obtain knowledge but tend to expand the channels of content acquisition, generating and sharing content among multiple platforms. Therefore, it is of great significance to focus cross-platform users to try to explore their knowledge exchange behavioral patterns and user classification to understand cross-platform knowledge exchange behaviors and reveal cross-platform behavioral systems.[Methods] In this paper, we take 120 users in Bilibili knowledge board as the research object, and on the basis of user alignment, we obtain their attributes, contents, and interaction data on Bilibili and Weibo, construct cross-platform user classification model, and utilize the K-means algorithm to realize cross-platform user classification and its behavioral analysis.[Results] Cross-platform users have three types: Cross-platform bilaterally heterogeneous users, Cross-platform bilaterally homogeneous users, and Cross-platform unilaterally active users. Cross-platform bilaterally heterogeneous users account for the largest proportion, they will present different contents on the platforms based on their perception of the platforms; Cross-platform bilaterally homogeneous users present similar contents on the two platforms, but there is a large difference in the degree of interaction between the two platforms; Cross-platform unilaterally active users account for the smallest proportion, they only active on one platform, the degree of input and interaction are significantly higher than the other platform. [Innovation] This paper constructs a cross-platform user classification model, reveals the cross-platform bilaterally develop strategy as the mainstream for cross-platform users, and raises suggestions for knowledge exchange services based on user classification.

【目的/意义】基于多用户属性与信任关系，探寻提高好友推荐效果的方法，提升用户体验以推动网络知识社区发展。【方法/过程】首先，采用文本挖掘、因子分析等方法对网络知识社区的多种用户属性进行分析；其次，计算用户的综合相似度和全局信任度，构建网络知识社区好友推荐模型。最后，以“科学网博客”为例，进行实证研究以评估推荐效果。【结果/结论】融合综合相似度与全局信任度的好友推荐模型比仅基于综合相似度与仅基于单一属性相似度的推荐模型具备更好的推荐效果。【创新/局限】从用户节点和网络全局两个角度进行多用户属性信息融合，能够有效提高好友推荐质量。局限在于未考虑到兴趣与互动行为随时间变化的动态因素，模型有待进一步完善。

摘 要：[目的/意义］在国家科技竞争与对抗的背景下，发掘与识别影响国家战略部署的科技前沿卡点，对于推动总体性国家安全发展与科技自立自强具有重要决策支撑作用。［方法/过程］首先整合知识图谱可视化知识基础，构建战略科技前沿风险事理构组图谱；其次通过四维点位测度指标体系确定科技前沿“卡脖子”点位备选数据集合；采用基于链路因果计算与深度学习模型的因果推理方法挖掘备选点位中的潜在卡点，并生成“卡脖子”卡点发生结构图；最后通过模型分类器输出卡点发生概率并对其进行路径概率对比，筛定最优科技前沿“卡脖子”卡点发现路径。［结果/结论］结果证明，该方法能够有效发现战略科技卡点并将其发生路径可视化，降低专家型情报决策方法的主观偏见性，提高了国家战略需求与情报决策的智能匹配率，能够对情报决策结果背后的原因进行有效追溯并推动智慧型情报模式的优化升级。