数智时代的服务创新研究：述评与展望

吴心钰，王 强，苏中锋

（西安交通大学 管理学院，西安 710049）

当前，以人工智能（artificial intelligence，AI）、大数据（big data）为代表的数智技术在服务领域快速发展。例如，AI通过分析顾客行为和市场潜力优化业务流程、提高服务效率；聊天机器人和数字化助理与顾客进行高效沟通等。数智技术在服务创新中的应用是一个长期趋势，有巨大的市场价值［1-2］。数智时代的服务创新（以下简称智能服务创新）已得到技术、营销、管理、伦理等领域的广泛关注。但现有研究大多从技术、应用、影响等单一角度进行分析，如AI、大数据在特定服务领域的应用和创新、顾客对智能服务的接受度、使用机器人提升顾客体验过程中的挑战等。为系统把握智能服务创新研究进展，须对各领域相关研究进行系统梳理和综述，这对构建理论体系、拓展现有研究、推动企业实践都具有重要价值。

通过对智能服务创新研究进行全面梳理和文献计量学分析，本文明确了智能服务创新的5个研究主题，即技术的发展与进步、重塑服务与消费、顾客接受度、员工和劳动力市场、伦理道德与安全。基于主题及相关逻辑，建立了智能服务创新研究的整体框架，通过梳理现有研究成果形成对相关问题的系统认识，回答了“数智时代如何推进服务创新”这一热点问题。同时，本文还探讨了现有研究的不足和未来的研究机会，为后续研究提供展望和参考。

1 智能服务创新

服务创新是由市场驱动的为现有市场创造新服务或为现有服务寻找新市场的需求［3］，现已完成由商品主导逻辑（good-dominant/G-D logic）向服务主导逻辑（service-dominant/S-D logic）的转变，更加关注服务交付过程而不是结果［4］。DEN HERTOG［5］从服务概念、客户端界面、服务交付和技术4个维度考虑了服务创新，其中，技术对其他3个维度的创新推动作用都是显著的［6］。BARRAS［7-8］提出的“逆向产品周期”模型（reverse product cycle，RPC）分阶段强调了技术在服务创新中的作用，第一阶段使用技术改进服务进行渐进性的过程创新，第二阶段用于根本性的过程创新，第三阶段运用技术帮助企业创造新的服务用于最终的产品创新。

人工智能，是计算机用于模拟、延伸人的思维和适应环境能力的一门创造性的技术［9］，随着大数据的不断发展，人工智能从输入的数据中学习、分析和预测并做出合理输出，并且逐渐具备实现决策、思考和情感交互等复杂任务的能力［10-11］。如今，服务业正处于提高生产率和服务工业化的拐点，作为一项基础性和变革性的资源，数智技术与其他资源和能力的结合能够为服务交换和创新创造新的机会。

作为智能服务的提供者，WIRTZ等［10］将服务AI定义为可以与顾客交互、通信，并提供服务的具有自主性和适应性的系统，并从应用形式（虚拟/实体嵌入）、拟人化（外观与人类的相似程度）、任务导向（计算和预测任务、情感交互任务等）3个角度对服务AI进行了特征描述。相比人类员工，服务AI具有诸多好处。借助计算机大规模存储和快速分析计算的能力，服务AI通过提供连续、及时、高效和更丰富的服务提升顾客消费体验［10］，并依靠极低的边际成本和24小时的工作模式，在规模应用时减少企业人力和运营成本［12］，同时带来新的市场和服务类别，推动服务和产品创新，为社会带来新的机遇［13］。

2 研究设计

2.1 研究方法与工具

本文以文献计量学为基础，采用文献回顾结合数理统计的方法对智能服务创新研究进行描述性统计，使用CiteSpace绘制关键词共现知识图谱，通过对比中英文关键词词频和文献回顾对研究现状进行整体把握，梳理研究热点，建立整体框架，并对未来发展方向进行展望。

2.2 数据来源与处理

本文以“人工智能”“数智”“服务”“服务创新”“智能服务”“artificial intelligence”“digital intelligence”“service”“service innovation”“intelligent service”为关键词，在中国知网、万方数据库、EBSCO、Web of Science 进行主题检索，并在Journal of Marketing、Marketing Science、MIS Quarterly、Journal of Service Research 等期刊定向检索。在删除检索结果中的重复论文及与本文主题不符的论文后，共获得2009—2019年发表的2 787篇中文论文和1 939篇英文论文。

3 智能服务研究脉络解析

3.1 热点关键词分析

本文使用CiteSpace 5.6.R2 软件分别绘制了2009—2019 年国内外智能服务创新研究关键词共现知识图谱（见图1与图2）。图中节点代表关键词，节点大小代表关键词词频，连接代表关键词间的联系。关键词词频在一定程度上可以代表某领域的研究主题和热点，作为文献计量学的重要指标，对于重点把握研究方向具有重要意义。

图1 2009—2019年智能服务创新中文关键词共现知识图谱Fig.1 Chinese keywords co-occurrence knowledge graph of intelligent service innovation from 2009 to 2019

图2 2009—2019年智能服务创新英文关键词共现知识图谱Fig.2 English keywords co-occurrence knowledge graph of intelligent service innovation from 2009 to 2019

中文关键词共现知识图谱共有347个节点，451个连接，网络密度为0.007 5。英文关键词共现知识图谱共有54个节点，51个连接，网络密度为0.035 6。英文关键词图谱比中文关键词图谱密度更大，主题更集中。对比国内外智能服务创新关键词共现知识图谱，国内研究多对智能家居、智能电网、智能交通、图书馆等智能技术及其应用进行探讨，对服务创新和相关模型、系统的研究相对欠缺。国外研究主要围绕服务创新展开，涉及服务价值共创、创新绩效、接受度、影响与安全等方向，并在新一轮科技革命的背景下对系统和模型优化、创新管理进行了研究。可见，国内外研究热点具有较大区别。究其原因，国外人工智能和大数据起步较早，特别是发达国家在基础层和技术层的实力较强，近年来更加侧重在基础建设和研发创新方面的投入，更加重视技术创新、智能服务接受度、服务创新管理等领域的研究。与此同时，国内人工智能快速发展，特别是“智能制造2025”的提出，人工智能广泛应用于实体经济，不断拓展新的应用场景，应用层企业快速发展，因此更加注重对人工智能产业的研究，从中文关键词共现知识图谱来看，主要涉及图书馆、智能电网、智能家居、智能交通、智能手机等方面，呈现出内容分散、视角单一等问题。总体来说，技术和社会的不同发展阶段对智能服务创新的研究重点和发展方向具有重要影响，当前国内外研究热点和视角具有较大区别。

3.2 研究主题分析

在对大量智能服务创新研究进行筛选、整理和文献计量学分析后，本文梳理和总结了代表性研究成果，明确了智能服务创新的5个研究主题：技术的发展与进步、重塑服务与消费、顾客接受度、员工和劳动力市场、伦理道德与安全。

3.2.1 技术的发展与进步 AI起源于自动化技术，以往广泛应用于简单重复的场景，如工业流水线、自助服务等，利用效率提升、成本节约及便利性等优势获取创新机会［14］。HUANG和RUST［11］从任务角度对AI的发展进行了预测，AI将从机械化任务开始，逐个层级地实现分析、理解和情感交互任务。机械化任务对应简单、标准化和重复性的工作，机器不了解环境，也不会自动更新；分析任务需要信息获取、逻辑推理和决策的能力；理解任务需要进行创造性地思考，并具有适应变化情境和不断学习的能力；最高阶段的AI具有情感交互的能力，即识别和理解他人情绪，做出适当反应并影响他人情绪。

AI 的进步得益于大数据，在数据的支持下，算法得以被客观地度量和持续地改进［15］，机器获得了不断学习的能力，并且可以完成大量非常规的认知任务。另外，数智技术与其他技术和软硬件的结合不断推动技术创新的发展。例如，高精度传感器和射频识别作为物联网的关键部件成为大数据的重要来源，云计算为数据存储、流转和挖掘搭建了平台，硬件的提升帮助机器人实现复杂的手工任务［16-17］。

RAFAELI等［18］划分了3代技术创新，即自动化技术（标准化）、思维技术（基于认知的个性化）和感觉技术（基于情感的个性化），AI是介于任务自动化和环境感知之间的连续变量［19］，当前研究更加关注服务接触中的情感交互。随着技术水平和顾客需求的进一步提升，数智技术正在以更广泛的方式为顾客提供定制化的、理想的服务，推动服务过程创新和产品创新。

3.2.2 重塑服务与消费 智能服务创新正在迅速融入人类工作和生活，在零售、教育、交通、通讯、医疗健康、法律、公共服务等领域开辟新市场和新机遇，具有巨大的应用潜力［20-23］。例如，服务AI通过提供下一个最佳购物建议（next-best offers，NBO）、数字广告程序化购买，以及潜在客户预测性分析使得销售行为更加高效；车牌识别、交通信号系统、警用机器人、无人驾驶颠覆传统出行方式和商业模式；智能客服、智慧营业厅、人脸识别推动客户服务和企业办公走向智能化；数智技术辅助保险业进行风险度量，优化投资组合。

当前微观层面的智能服务创新研究大多关注服务接触的场景，数智技术通过改变信息和资源的传递方式重塑服务交付过程，提供新的价值主张，产生服务创新活动。AHEARNE 和RAPP［24］将服务AI 定义为特定于员工、以员工为中心、员工—顾客共享、以顾客为中心和特定于顾客的技术连续体。AI、一线员工和顾客在互动中进行价值共创，包括3种方式：AI直接与顾客接触；AI协助一线员工来提供服务；AI在后台为一线员工提供信息、协助决策和提供服务。技术对服务创新的影响是渐进或激进的［25］，AI与一线员工的不同交互方式将带来不同方面的创新。

智能服务创新一方面提升了服务效率和顾客消费体验，同时也存在着潜在的负面影响，包括灾难性服务故障、泄露隐私、降低人类社会技能等。举例来说，老年人与社交机器人进行日常沟通交流来减少孤独感，提高生活质量，但存在进一步社会隔离的风险［26］；教育机器人在陪伴孩子成长的同时，可能会因角色定义的不准确影响认知发展［27］。

3.2.3 顾客接受度 以往对技术接受度的研究大多关注自助服务或单一技术。传统的技术接受模型（technology acceptance model，TAM）［28］指出，顾客使用新技术的意图取决于其对感知有用性和感知易用性的评估。关于自助服务技术（self-service technology，SST）的研究发现，创新特征和个体差异通过角色清晰度（是否知道如何使用SST）、动机（内在和外在的驱动力）和能力（是否具有使用SST的能力和资源）的中介作用影响人们对SST 的采用意愿［29］。VENKATSH 等［30］建立了整合的技术接受模型UTAUT（unified theory of acceptance and use of technology）。随着数字化和智能化的不断推进，服务型企业和组织逐步将数智技术应用到服务交付中，数智技术与传统技术最大的不同在于更加关注技术的情感和社会价值［31］。学者们基于传统技术接受模型，结合智能服务的特点，调整并加入新的影响因素，试图建立智能服务接受模型。

DAVENPORT 等［19］发现，任务特征、顾客特征和独特性忽视是影响智能服务接受度的重要因素。WIRTZ等［10］从TAM、社会—情感（感知人性、感知社会互动、感知社会存在）和关系（信任、融洽）的角度对服务机器人的顾客接受度进行了讨论。GURSOY 等［32］基于认知评价理论和认知失调理论建立AIDUA（AI device use acceptance）模型，用于描述顾客在服务接触中接受智能服务的心里路径，提出社会影响、享乐动机和拟人化水平通过影响性能预期和使用难度影响顾客对智能服务的接受度。此外，独特性动机、社会影响和认知过程、先前经历也是重要影响因素［33-35］。

自动化心理学发现，在很多情况下，即使在已经知晓智能设备相比人类员工能够提供更高水平服务的前提下，人们也更倾向于选择人类服务，并更多地重视人类员工提出的建议。在两者犯了同样错误时，人们对智能设备会更快地失去信心［36］。当对服务结果不满意时，顾客通常希望与人而非与机器进行交互［18］。例如，在医疗健康领域，已经有证据显示，AI在某些医疗诊断方面的应用表现已经超越人类医生，但医生和消费者的信任度和接受度仍然很低，因为使用AI辅助设备会被认为专业不足以及忽视服务对象的独特性［37］。人们更信赖有实体嵌入的AI，基于UVH（uncanny valley hypothesis）理论，适度的拟人化更容易引起顾客共鸣，从而提高顾客接受度，但当机器人外形更加拟人化时，顾客会感到不安，并引发消费补偿反应［38-39］。人们对使用智能设备有所保留，同时这种保留意识会随智能化水平的提高而增加［37］。

顾客进行消费决策不仅追求消费结果最大化，常常更关注消费过程。基于自我信号理论，具有强烈身份意识的顾客拒绝使用服务AI，因为他们认为服务AI的使用会阻碍消费结果的内部归因［40］，而提高对使用者技能的需求可以增强消费者的内部归因［41］。研究者从顾客和服务AI两方面进行了探究，结果表明，结果的责任归因将影响顾客对服务质量和品牌的感知以及再次购买的意愿［42-43］，该项研究有助于提升服务质量和顾客满意度。

3.2.4 员工和劳动力市场 当机器有能力完成人类工作时，低技能的岗位将被替代，员工感到恐慌并极度期望认同感，这通常来源于对技术认知的不准确、对自主权的困惑和社会技术盲目性［44］。LI等［45］的研究表明，员工对AI 和机器人的感知与离职意愿正相关。BROUGHAM 和HAAR［46］的研究表明，员工的STARA（smart technology，artificial intelligence，robotics，and algorithms）感知将使其产生被低估和不被重视的负面认知，从而影响职业满意度、心理健康和幸福感。员工对智能化的感知已经成为职业规划的重要考虑因素。

数智技术以极快的速度对制造业的部分工作进行了取代，技能和工资两极分化，劳动力从制造业向服务业快速转移［47-49］。然而，这种取代还在继续。FREY和OSBORNE［15］从手工/认知任务和常规/非常规任务两个维度对未来各类工作受到智能化替代的风险进行了预测，结果表明，美国多达47%的工作面临自动化的风险，包括销售、服务员、会计、飞行员、司机、公务员等，但涉及复杂感知和操作、创造力和社会智力的任务不太可能在未来10年或20年内被技术所取代。同时，一些职业也面临间接的风险，例如，无人驾驶可能会对航空业和酒店业产生不利影响。

数智技术对工作的取代不是绝对的，伴随传统服务方式的更新，新的工作将被创造。AI无法取代人类的社会角色和作用，两者将互相补充和增强。例如，针对不同消费群体，AI和人力提供不同类型的服务、AI辅助人类达到更高的效用水平，AI完成人类不想做或危险的工作等［11，50］。人类劳动力更趋于完成理解和情感交互任务，沟通能力、劝说能力、时间管理能力、团队协作能力、谈判能力等特定于人的能力将被强调和重视。部分岗位的替代必然会引发新的岗位需求，大量新的工作将产生于人类与AI 的协作过程［51-53］。

3.2.5 伦理道德与安全 在服务情境中，数据主要来源于服务接触中产生的大量交易数据和顾客特征数据。隐私问题是智能设备使用的关键阻碍之一，许多研究对此进行了讨论。例如，如今很多智能设备可以独立于人类输入来工作，然而是否揭露以及何时揭露其身份需要在降低服务效率和损害顾客对服务提供商的信任间权衡［54-55］。用户需要提供更多高质量的训练数据获得个性化收益，由此引发个性化—隐私悖论［56-58］。另外，隐私问题是否需要法律的监管，还是仅仅依靠市场就可以实现适度监管以兼顾消费者、企业和社会的利益仍然是当前需要重点解决的问题。

技术的不成熟、算法的不透明以及数据的质量问题将造成潜在的算法偏见。例如，微软聊天机器人TAY 存在性别和种族歧视，Amazon 评估应聘者的软件对女性有所歧视。算法偏见不利于数智技术的应用［59］。首先，当在风险评价和信用评估等场合出现算法歧视时，对个人利益具有不利影响。其次，当前大多人工智能算法仍然是黑盒模型，计算机不具备人类动态决策和感觉的能力，是否发生歧视以及歧视的根源难以判断。当人们无法解释机器行为的内部算法原理时，会降低对智能设备的接受度［60］。

另外，道德与安全问题也是智能服务创新研究的关键问题。公司决策受到道德方面的影响和驱动，对数据隐私程度的选择会影响企业战略［54］，例如，在多大程度上牺牲数据收益以获得良好的企业形象，将数智技术用于犯罪和性取向判断是否道德。智能服务引发相关经济、知识产权保护和责任问题，自动驾驶领域的重大课题之一就是与现有法律和道德体系进行博弈［61］。AI 如何影响就业与工资？AI 在人类社会中应该具有何种角色？如何界定人工智能背景下的责任？这些都是当前智能服务创新领域急需解决的问题。

各主题及主要内容如表1所示。

表1 研究主题及主要内容Tab.1 Research topics and main content

4 研究框架与研究机会

4.1 研究框架的提出

基于5个主题及相关逻辑，本文建立了智能服务创新研究的整体框架，如图3所示。关键技术的进步使得AI逐渐胜任分析决策、情感交互等更高层级的任务，服务创新的发展也更加关注这些技能。AI、人类员工与顾客以不同的交互方式重塑服务内容和提供方式，在服务接触中进行价值共创和创新，对员工销售行为和顾客购买行为都具有重大影响，相关研究涉及顾客接受度的前因与后果、自动化心理学、服务结果的责任归因、员工对智能化的感知等，为进一步发展智能服务创新提供理论和实践指导。智能服务必然会引发伦理道德与安全问题，相关研究对保障技术应用和社会稳定必不可少。该框架系统清晰地呈现了智能服务创新研究现状，对系统地把握研究进展、深入和丰富现有研究、拓展研究方向具有重要意义。

图3 智能服务创新相关研究整合框架Fig.3 Research integration framework for intelligent service innovation

4.2 研究机会展望

服务智能化在应用领域已经得到充分证明，但作为新兴研究领域，研究的深度和广度仍待拓展。同时，技术的提升将带来新的服务方式、商业模式和社会文化，也将引发新的问题和研究方向，例如服务AI的角色定位、如何赋予机器情感、新的伦理道德问题等。立足于建立的整体框架，从现有不足出发，本文提出6点展望并举例说明（见表2），以期为后续研究提供参考与启示。

续 表

4.2.1 智能服务创新产业化 当前，智能服务快速发展，但从研发到应用，从商业化到产业化仍面临很多挑战。张晶晶等［62］在服务机器人产业发展综述中提到，高成本、产品同质化、产品可靠性低、人机交互水平不足、供应链不完善等问题严重阻碍智能服务的应用和推广，为推动智能服务向实用化、商业化转型，同时更加凸显其规模优势，应对此进行深入调查和研究，不断升级智能服务应用场景，将智能服务与现代网络相结合，推动智能工厂、智能商业和智能社会建设，并探讨适合中国的智能服务发展模式。

4.2.2 人机交互模式 人机交互程度、角色定位以及责任划分涉及技术应用、伦理道德、法制规范等诸多问题。LI等［45］的研究表明，智能服务发展的最大障碍是机器如何获得像人类一样分析思考和情感交流的能力，但现有对人机交互中情感的研究十分有限，未来应加大相关研究投入。同时，由于服务AI与传统自助服务设备等非智能化工具在情感交互等方面具有关键性区别［31，63］，先前对自助服务设备的研究成果不能完全适用于智能服务，因此，未来应对以智能服务为核心的服务创新展开更加深入的理论和实践研究，并探索由机器人主导的服务场景。

4.2.3 智能服务接受模型 当前研究对影响顾客接受度的前因进行了诸多讨论，但大多是定性分析，缺乏实证，并存在研究视角不完善和缺乏系统讨论的问题。WIRTZ 等［10］从宏观、中观、微观层次对比了服务AI和一线员工的关键属性，指出机器人特征、社会情感和关系因素也是影响顾客接受度的重要前因变量。KANDA等［27］研究发现，当孩子将机器人当作朋友时将会与之建立友好关系并持续互动，而仅仅把它当作玩具则会在5～7周后感到厌烦，因此顾客个人特征、服务类型、角色定位、接触时间对顾客接受度也具有重要影响［32］，未来可以进行深入研究和实证检验［64］。另外，当前对自主权感知和结果责任归因的关注还很少，还没有研究将重点放在责任归因、接受度以及服务满意度间的关系上［40-41，43］，未来可以从这些方向出发深入剖析，完善研究网络。

4.2.4 影响和预测研究 当前关于智能服务的影响研究大多从积极和消极方面分开讨论，在特定情境下如何平衡尚处于初步探索阶段，且大多局限于定性分析而缺乏量化证据。另外，BROUGHAM和HAAR［46］的研究表明，即使大量学者和企业决策者已经对未来由机器人和自动化主导的服务和工作场景做出了预测，人们仍然不太相信未来劳动力市场可能发生的巨大改变，影响和预测研究将有助于个体更早地适应新技术、识别行业潜力，以及调整职业期望和职业规划。现有研究大多从个人和社会角度展开，未来也可以从经济学、管理学等角度进行考虑，例如智能服务是否会引发规模效应和网络效应，对市场和经济有何影响等。同时，未来哪些工作面临更高的被取代的风险，哪些新的工作将被创造，两者能否平衡等一系列问题，随着技术的发展需要不断的讨论。

4.2.5 伦理体系与责任机制 信任感研究对推广智能服务创新十分关键［10］，包括如何强化供需双方的信任感、服务AI 与顾客之间信任感建设的前因与后效、如何减轻顾客的担忧以及如何处理隐私泄露问题等。孙鲁平等［65］指出，智能服务正在向满足顾客个性化需求的方向发展，因此对个性化—隐私悖论的研究也应更为深入。当前智能服务标准、检测认证等体系几乎空白，建立全球范围内统一的人工智能伦理体系和责任机制，统一机器人身份认证和行为规则，让人工智能伦理与人类社会的伦理一致和兼容，是未来人工智能广泛应用需要重点关注的问题。同时，政府应该发挥好监管和统筹协调的作用，对智能服务的应用和发展提供统一监管和政策支持，推动企业和社会向智能化转型。

4.2.6 研究方法与量表开发 目前智能服务创新研究大多为质性和实证研究，在实证研究中，顾客接受度、兼容性、复杂度、动机、智能化感知等大多数指标的量表来自先前关于自助服务和信息技术的研究，然而，智能设备与传统非智能化工具在功能和使用方式上具有显著区别，这些针对传统工具开发的量表不能直接用于智能服务创新研究，目前还没有开发出适用和有效的量表用于全面评估智能服务的交互体验。同时，当前实证研究常常使用喜好、满意度、信任感等软指标，这类指标由于主观性和模糊性而难以测量，未来应更多地使用准确度、购买率等硬指标以提高可操作性［66］。另外，当前研究主要是横截面设计，在未来的研究中，可以采用案例分析、动态跟踪等方法开展纵向研究验证模型的时间稳定性和有效性。

5 讨论与结论

数智技术不再局限于对简单、机械化任务的取代以提升工作效率和标准化程度，现已深入生产生活的各个方面，涉及零售、教育、交通、金融、医疗健康、通信等领域，引起了多个学科领域研究者和企业管理者的广泛关注。长期来看，未来数智技术最大的应用市场在服务领域［62］，推动智能服务创新应用和研究已经成为第四次工业革命的重要理论和实践问题。本文从技术的发展与进步、重塑服务与消费、顾客接受度、员工和劳动力市场、伦理道德与安全5个研究主题出发，系统回顾和述评了当前研究现状，建立了智能服务创新研究的整体框架和研究脉络，并从当前研究不足出发，从智能服务创新产业化、人机交互模式、智能服务接受模型、影响和预测研究、伦理体系与责任机制、研究方法与量表开发6个角度对研究机会进行了分析与展望，为后续研究和企业实践提供了参考和启示。

本文的主要贡献有如下3点。①通过系统梳理智能服务创新研究，总结归纳了代表性研究成果，明确了技术的发展与进步、重塑服务与消费、顾客接受度、员工和劳动力市场、伦理道德与安全5个重要主题，并建立了当前研究的整体框架和研究脉络，帮助学者对各学科领域的研究现状建立系统和完整的认识，为后续研究奠定了基础。②从该框架出发明确了现有研究的最新进展及不足，并对未来的研究机会进行了探讨，为后续深入、系统的研究和实践提供了重要参考，亦丰富了计算机科学、营销学、机器人学、心理学、社会学等学科的文献。③全面系统地回答了“人工智能如何推进服务创新”这一热点问题，对推动技术发展、服务创新、企业营销管理、社会立法、创造经济和社会效益，以及增进人类福祉具有重要意义，并为制造业企业和服务业企业的智能化转型提供了实践建议。

本文仍存在不足之处。首先，本文是基于研究主题所建立的整合框架，未来可以立足于更多的理论和实践观点丰富研究脉络。其次，本文主要就近年来的研究结果进行了述评和整合，随着未来各领域相关研究的逐步积累，须对理论和研究发展的过程进行更深入的述评与分析。