从数字化走向智慧化：学术出版发展趋势前瞻

詹雨婷?王晓光

【摘要】数字学术环境与学术阅读需求在信息技术日新月异的发展中产生了新变化，深度融合政策的推动与语义技术、人工智能、区块链等多元技术的应用，形成了促进出版业转型升级的合力，学术出版已具备从数字化向智慧化发展的基础条件。梳理智慧学术出版的概念，阐述智慧出版作为崭新出版形式在学术出版领域中的具体表现，探讨新兴技术在学术出版智慧化演变过程中的可能作用，以及对学术出版智慧化趋势下的出版流程重构、出版主体协同和知识服务创新情况进行展望，挖掘智慧出版背后隐藏的技术伦理、制度缺失、专业人才不足等问题，可启发学术出版单位对未来发展进行前瞻性思考。

【关  键  词】智慧出版；学术出版；融合出版；发展趋势

【作者单位】詹雨婷，武汉大学信息管理学院；王晓光，武汉大学信息管理学院，武汉大学语义出版与知识服务实验室。

【中图分类号】G230.7【文献标识码】A【DOI】10.16491/j.cnki.cn45-1216/g2.2023.11.002

一、智慧学术出版的发展背景

随着信息技术的发展和普及，日益丰富的数字信息资源和数字工具为学术研究注入了崭新活力。数字学术环境下的学术出版呈现知识需求精准化、学术研究数据化与互动化、学术主体身份多元化的特点［1］。伴随学术出版的数字化转型，阅读智能化趋势逐渐兴起［2］。学术阅读是从海量繁杂的学术资源中获取必要信息的主要途径，随着学者个性化、精准化、关联化、可视化、交互性与自适应的阅读新需求不断涌现［3］，对学术出版提出了新的要求。

2022年，中共中央宣传部印发《关于推动出版深度融合发展的实施意见》，对新时代深入推进出版深度融合作出总体部署和全面安排，鼓励出版单位充分发挥技术支撑作用，积极探索融合发展新模式、新业态、新领域，为出版融合纵深发展提供了政策推力［4］。在内外部因素综合驱动下，学术出版已具备从数字化向智慧化发展的基础条件。随着学术出版朝深度融合方向转型，学术出版从数字化向智慧化升级的趋势日益明显。

二、智慧学术出版的定义与相关研究

在技术变革与需求滋生的全新发展機遇下，梳理智慧出版的定义，明晰智慧出版在学术出版领域的具体范畴，有助于加深对学术出版智慧化发展趋势的理解。目前，学界对智慧出版的定义尚未形成统一的意见，不同看法所强调的侧重点不尽相同。刘姬艳等人认为，智慧出版是数字出版的最高级阶段［5］；李静等人重点关注数据在智慧出版中的驱动作用：通过对已有数据进行深度挖掘、分类、融合，实现内容和流程层面的智能化创新［6］；汪全莉等总结智慧出版为全方位、多层次、宽领域地促使数字出版产业生态产生智慧化变革的动态系统［7］；衣彩天认为，智慧出版可将智能化技术与传统技术有机结合，为用户提供智慧化知识访求解决方案［8］；王飚指出，智慧出版能够实现从依赖技术到支配技术的转变［9］；刘华东等人强调群体智能对提供智能化知识服务和出版生产管理流程的作用［10］；聂震宁归纳智慧出版的理念为：全媒体结构化海量资源管理、内容动态重组、交互式数字出版物内容制作、数据检索和智能挖掘［11］。虽然不同学者对智慧出版的定义莫衷一是，但对智慧出版强调新兴技术赋能、发挥群体协同作用、满足用户个性化与精准化需求，以及贯穿出版活动全阶段等特点具有共识。

部分学者将智慧出版研究视角着眼于具体的学术出版领域：谢炜提出，学术出版智慧化发展的最终目标是向数字学术背景下的学术研究全生命周期提供服务，基于新的数字学术研究过程和行为提供数字化解决方案［12］；刘平等人聚焦科技期刊出版和人工智能技术，将智慧出版定义为人工智能技术与出版结合的全新模式［13］；杨志辉以学术期刊为描述对象，强调智慧出版贯穿出版活动全周期的各个阶段，体现了出版的社会属性、文化属性和主观能动性［14］。可见，现有对学术出版领域智慧出版的研究（以下统称为智慧学术出版），尚未明确提出智慧学术出版的概念，大多从微观层面对单一技术、单一主体和单一对象展开讨论。如研究对象局限于学术期刊，忽略了学术专著、研究数据、知识服务等学术出版领域，且研究主体上大多聚焦于出版机构，未将其他主体纳入智慧学术出版的范围，缺乏整体性的宏观把握。

综合考虑智慧出版的相关观点和现有智慧学术出版概念的局限，本文认为，智慧学术出版是内容生产者、编辑、作者、发行商等学术出版主体多元协同，将语义技术、云计算、人工智能、区块链等数字技术贯穿出版全生命周期，以学术论文、学术专著等学术成果或研究数据、平台工具等数字资源为出版对象，融通工具理性与价值理性，重构出版内容与流程、创新知识服务形式、满足用户精准化需求、推动研究成果开放共享，以实现学术出版可持续智慧化发展的高级出版形式。

三、智慧学术出版的发展模式

智慧学术出版作为融合发展时代背景下学术出版未来发展路径的有益探索，在人工智能、区块链、虚拟现实和语义技术的综合作用下，为革新优化学术出版流程、促进多元主体价值共创、智慧赋能知识服务提供了重要动力，技术维度与流程维度、价值维度、服务维度紧密相连，构成了良性运转的智慧学术出版生态圈，如图1所示。

1．流程维度：贯穿出版生命周期，重构学术出版流程

智慧学术出版的重要目标之一是将智慧理念与技术运用贯穿学术出版的全生命周期，以智慧赋能生产，以生产创造价值，以价值赋予意义，是智慧学术出版的主要特性［15］。工具理性与价值理性的碰撞，必然会对学术出版流程产生整体性影响，重塑内容生产、选题编校、质量评估与发行推广的各个环节，加速推动知识成果的传播和应用，以及学术出版全链条智慧化转型升级。

（1）创新内容生成模式，丰富出版物形态

人工智能具有巨大的生产潜力，可创新学术出版的内容生产范式和内容供给模式。人工智能内容生产是实现内容自动化编纂、智能化润色加工、多模态转化和创造性生成的新型内容生产引擎［16］。该内容生产模式在学术出版领域已有实践，如施普林格·自然集团于2019年出版了依托机器学习技术生成的学术书籍《锂离子电池：机器生成的前沿研究摘要》［17］；人工智能研究公司Open AI推出的现象级智能聊天机器人模型ChatGPT，通过大规模的机器学习和数据预训练，能够与用户开展对话和交流，自主进行论文写作、代码修正和科学实验设计等，具备强大的自然语言生成能力和自我纠偏能力［18］。

合适的出版形态能够为专业化的学术出版内容锦上添花，借助数据、图片、音频、视频等多模态内容对纯文本的学术成果进行感官补充。数据库技术和开放获取的发展催生了数据论文，使科研数据的共享、评价和应用得以实现。语义技术以结构化和模块化的方式呈现科学论文的内容，促进纳米出版物和微型出版物形态的出现，并通过从源头进行语义出版物生产的方式，直接对知识进行语义表达，实现了托拜厄斯·库恩（Tobias Kuhn）所提倡的真正的语义出版［19］。虚拟现实技术驱动下的混合现实出版物、增强现实出版物，能够增强学术成果的视觉叙述能力、临场感和沉浸感，以及学术信息资源的解释能力与活性［20］。元宇宙热潮的兴起，引发了部分学者对未来出版物形态是否会向三维发展的思考［21］。在技术赋能条件下，智慧学术出版未来也会出现更多模态和更丰富化、关联化的出版物形态，服务于不同类型学术知识的承载与传播。

（2）辅助开展选题策划，实现排版校对自动化

无论是选题研究还是成果发表，时效性都是学术出版领域追求的重要指标。对学术出版机构而言，可通过大数据追踪和分析研究热点，把握读者需求与偏好，有针对性地开展选题策划和组稿工作，依托数据分析寻找在对应领域卓有建树的专家学者参与撰稿，或为领域内的前沿问题设置专栏或特刊。在稿件初审过程中，人工智能技术能够提供高质量的信息数据，协助编辑进行决策和初步审查［22］，借助智能系统对海量投稿进行初步筛选过滤，提升稿件审核的效率，增强学术出版的时效性。

在人机协同理念下，发挥人的主观能动性与智能工具软件的机器理性，能够充分实现编校工作流程的自动化、智能化、系统化，适当减轻文字编辑的负担。例如，中国知网研发的格式精灵［23］是一款学术论文智能排版软件，能够将已完成稿件按照所选期刊的投稿标准，匹配知网引文库进行参考文献审校，并自动生成符合投稿期刊字体、字号、参考文献格式等排版要求的规范化稿件，实现投稿流程的自动化。此外，依托人工智能驱动的写作校对工具，还能够帮助投稿人和编辑监测中英文语境下的语义、语法、错别字、标点、格式与敏感词等，简化烦琐的论文格式，减少人工审查的时间和精力，实现编辑校对工作的自动化，解放人工编辑的生产力。

（3）评估学术成果质量，检测学术不端问题

专业化是智慧学术出版的本质特性，学术出版的质量和水平始终是衡量整个出版行业质量和水平的标志，甚至是衡量一国科学文化发展程度的重要指标［24］，为此，需要对学术出版物的内容质量进行严格把关。新的内容生成模式逐渐引发人们对机器写作相关学术诚信问题的关注，人工智能技术和区块链技术在一定程度上为学术出版的质量控制和学术不端行为审查提供了智能化解决路径。

同行评议是学术论文质量控制与评估的重要环节，为学术成果选择恰当的审稿专家，促进受评者与审稿专家之间的对话和交流，有益于对学术成果质量进行更为科学与专业的把控。例如：ScholarOne Manuscripts投稿系统可根据稿件相关性智能匹配与推荐合适的审稿人，供编辑在推进文章送审流程时选择；学术性区块链出版平台Orvium在科学评议环节秉持透明协作的原则，全面贯彻同行评议激励机制，专家可随时对学术成果提交评价意见，受评者也可为评议专家意见打分，实现了审稿专家和受评者的双向互动。此外，Orvium平台还尝试引入正面或负面评价的数量、接受和拒绝评议的数量等计算指标，保证同行评议结果的专业性和公平性［25］。

人工智能技术为学术诚信的检测提供了重要支撑。如论文原创性检测工具Turnitin关注人工智能发展及其对学术诚信的影响，通过大量实验数据和反复验证后推出AI写作检测功能，为文本写作的原创性判定提供参考数据。圖片是学术造假中不易被人发现的隐秘角落，美国机器学习研究员Daniel Acuna开发了能够对论文图片进行查重的算法，利用人工智能技术识别学术论文中的图像造假情况［26］。在原创追溯方面，区块链技术的应用使得学术出版成果的文字、图片、公式等要素在数字环境下具有唯一性，保证了信息不受他人篡改，为原创作者的权利不受侵犯提供了技术保障。此外，读者还能从区块链的任意节点获取文章的详细信息，助力创造良好的学术创作与交流环境。

（4）精准匹配需求推广，全面促成智慧阅读

智慧学术出版成果的价值体现既与供给端内容生产的水平和质量息息相关，也与消费端读者的阅读需求和兴趣偏向密切相连。由于学术型读者群体相对集中闭环，大多是同专业或相关学科的研究者、从业者和爱好者，他们既是学术出版物的消费者和体验者，也是知识的传播者和推广者，还可能是学术知识潜在的创作者，因此，出版机构应重视其关注点和价值取向，根据自身所处的垂直领域与细分市场的定位，突出差异化与个性化特色［27］。

出版机构还应搭建包含官方网站和微信公众号等新媒体渠道在内的全媒体宣传矩阵，依托大数据技术和云计算技术，追踪读者检索、采纳、分享学术出版成果的行为数据，利用算法构建市场画像和读者画像；结合数据库技术和人工智能技术，对读者的阅读时长数据和评论、转发、喜爱、收藏等互动数据进行管理和分析，从中洞察读者需求，演算趋势数据，判断读者使用模式［28］，实现面向关联化、可视化、个性化和精准化阅读需求的学术成果推广；收集读者反馈信息，反哺学术出版的内容生产，在促进读者学术阅读智慧化发展的同时，提升学术出版的经济规模与社会效益。

2．价值维度：协同多元出版主体，合力实现价值共创

价值共创理论强调以服务为导向和以顾客体验为基础［29］，这与智慧学术出版重视知识服务和读者需求的诉求不谋而合。将价值共创的层次理论框架复用在智慧学术出版模式中，多元身份的读者参与构成了价值共创的微观基础，数字资源整合和开放共享发挥了中枢作用，知识服务与知识增值则是价值共创的宏观表现，如图2所示。

图2 智慧学术出版价值共创层次示意图

信息发布、访问协议和标记语言等技术创造了开放的访问存取环境，蓬勃发展的数字技术使数字学术资源的融通共享与用户参与成为可能。知识图谱、关联技术等语义技术通过对学术资源进行知识描述，构建了资源内部的知识联系，实现了学术资源之间的语义关联，为知识共享、知识推理、语义检索、知识导航、交互展示等服务的呈现与优化创造了条件，有助于营造开放共享的学术氛围，为智慧学术出版的价值共创提供了可能。

价值协同共创理念贯穿智慧学术出版的始终，表现为主体多元性、过程动态性与价值协同性［30］。在智慧学术出版模式中，参与式共创与融入型共创大受欢迎，数字出版众包和百科知识共建便是典型代表。开放交流的学术环境集聚群体智慧，允许包含读者、编辑、专家等在内的多元主体拥有不局限于内容创作者、内容评价者和内容传播者等多重身份，以非单一性、非固化的身份共同参与学术知识生产、运用与服务，与其他主体通过互动构建合作关系，整合多元主体的身份特征、价值创造能力与利益诉求。在知识服务共融场景下，各参与主体之间达成了认知共识，增强彼此之间的情感凝聚与行为联系，使得学术出版过程处于不断优化、更新、迭代和价值延伸的良性动态生态圈中，实现了价值协同创造与增值，使智慧学术出版呈现生态化和一体化特征。

3．服务维度：智慧赋能数据共享，助力创新知识服务

在中国式现代化的时代背景和促进学术出版高质量发展的要求下，出版机构应从成果出版商向知识服务商转变［31］。数据要素处于创新知识服务的核心地位，学术出版机构可从学术出版整体行业的宏观角度和学术成果知识服务的微观层面入手，通过建设中国特色出版智库、挖掘智慧数据价值和打造开放服务平台等途径，激发学术出版行业提供智慧化、多元化知识服务的潜力。

首先，从宏观的学术出版角度看，大数据是出版机构创造价值的重要手段。出版行业应积极响应国家新闻出版署的倡导，致力于培育打造中国特色高质量的出版智库，并以入选的高校出版社智库和出版企业智库为主体，协同学界和业界力量搭建行业常态化研讨交流平台［32］，开展系列专题研讨活动，充分讨论如何发挥出版智库的决策作用，运用复合学科新方法来研究出版领域的具体问题。除此之外，还可依托数据库与大数据技术，打破行业内部的数据鸿沟与信息壁垒，通过内容资源库建设、产品库建设和用户数据库建设共享行业内的重点数据与重要信息，面向用户需求提供更为精准的知识服务，充分解放数据要素的生产力，实现数据价值的最大化。

其次，从微观的学术成果知识服务层面看，智慧数据是实现智慧学术出版、创新知识服务的基础与关键。在语义网与相关技术的作用下，信息资源的高级编码方式和语义丰富化组织形态得以产生，推动数字资源经过数字化、數据化、智慧化三个阶段的转化，形成了具有可解释性、自描述机制和可溯源性的智慧数据［33］。语义技术在实现数据深度标注和细粒度语义分割方面的作用不容小觑，可为智慧数据的开发与知识提取、知识关联、知识推理和知识发现等知识服务提供技术支撑。智慧数据凭借其可信、可关联、可认知、可预测、可利用和情境化的特点［34］，成为揭示隐藏语义和实现知识增值的重要推手。

智慧数据和语义技术在学术出版领域的具体实践成为有力证明。如施普林格·自然开发的关联开放数据平台科研图谱SciGraph，可通过语义聚合异构数据提升内容的可发现性与可获得性［35］；新型论证本体SAO（scientific paper argumentation-

ontology）基于科学论文的篇章结构特征与修辞结构，揭示了科学论文内隐藏的重要科学观点和论证过程［36］。智慧数据建设与智慧学术出版相辅相成，开发智慧数据能够促进学术出版知识服务范式的变革，智慧学术出版活动中产生的各种类型数据与需求又驱动了智慧数据的建设与发展。

四、智慧学术出版的现存问题

1．技术伦理失范

技术是一把双刃剑，在智能技术的向善力量为社会带来数字福祉的同时，算法歧视、隐私保护和虚假信息引发的信任问题也逐渐凸显。技术不应凌驾于人格之上，技术与出版活动深度融合的边界与底线、技术伦理等息息相关。

（1） 算法歧视

算法歧视指在算法自动化决策过程中产生的不公平现象，会加深对特定群体的刻板印象与舆论侵害。数据是算法形成的核心，如果用于机器学习的训练数据是隐含偏见的敏感数据，输出结果就会不可避免地产生对数据主体的歧视。虽然用于驱动算法的数据本身具备客观性和中立性，但算法由人为主观设计，如果算法设计者存在某种价值偏见，算法往往也会蕴含某种预设的价值立场。学术出版活动属于文化活动的范畴，更应秉持技术向善理念，消除算法歧视对人工智能与大数据技术应用的影响。

（2） 隐私问题

隐私问题是大数据时代的热点议题与关键问题，牵涉数据利用与隐私保护之间的博弈。用户画像的准确描绘与智能算法的个性化推荐是以用户数据隐私权利的让渡为代价的，对读者阅读数据进行跟踪、搜集与利用极易涉及用户的个人隐私，进而在其不知情的情况下对其知情权和隐私权益造成双重侵害；对数据进行存储和使用也会不可避免地增加读者隐私泄露的风险。由于没有明确界定部分敏感数据的所有权和使用权，导致读者作为数据生产者和数据主体所拥有的数字版权容易被忽视。在智慧学术出版的具体实践中，如若不注意个性化推荐与知识服务的边界，对作者、读者以及其他主体隐私数据的过度挖掘与使用，将会造成既侵犯相关主体权益，又阻碍价值共创体系形成与构建的局面。

（3） 信任问题

基于不可信任的数据基础之上的科学结论是值得怀疑的，不可信任的数据驱动的科学交流是有极大危害的［37］。当前人工智能语言模型产生的文本内容信息准确性有待商榷，可能存在大量事实性错误、知识盲区和虚假信息等误导性内容。如果使用者轻信其提供的数据或文本内容，甚至投入学术写作中，就会对研究的真实性、科学性和专业性产生巨大的负面影响。尤其是强调严谨性与专业性的学术出版领域，更应重视信任问题，对学术出版物内容质量的可信度和原创性进行把关。机器学习的生成结果在未经科学验证之前仅供参考，学术出版从业者需对数据呈现的结果保持警惕，必要时需结合自身的知识储备和实际经验作出综合判断，切忌盲目信任人工智能技术的输出结果。

2．管控制度缺失

包含技术规范与法律体系在内的管控制度的缺失，对人工智能技术、大数据技术、语义技术等在实践中的具体运用与成果转化造成了阻碍。

（1） 缺乏完善的法律体系

法律具有一定的滞后性，新兴技术投入应用后引发的各种问题，短期内难以通过颁布权威性法律文件的方式得以解决。数据爬取成果和人工智能生成成果极易在生产方和使用方之间引发纠纷，这对其他作品的修改权和保护作品完整权造成的侵害需要承担哪些责任尚无法律依据，其赋权必要性、权属内容、确权逻辑和权益保护路径等知识产权问题也未有明确的法律规定。

学术出版的科学性与创新性使得学术出版的对象与内容不可避免地涉及数据的再利用与新技术的探讨，如何界定人工智能生成成果的合理使用方式，如何判断数据爬取结果的权利归属，不仅需要统一的行业标准加以规范，也需要权威性法律的管控与约束。

（2） 缺乏统一的技术规范

数据要素是智慧学术出版模式下知识服务的重要组成。由于缺乏统一的技术规范和标准，数据建设的成果相互间不具备可兼容性，大多无法互通互享，数据资源的可访问性与复用性不足，无法最大限度实现数据与知识的共享与传播，从而导致部分资源重复建设，工具平台功能重叠。加之大量的数据库等资源处于不可用或未开放状态，数据孤立与资源浪费的情况屡见不鲜，数据关联取用困难。数据使用需求的不断增长又加剧了重复建设的问题［38］，从而形成恶性循环。智慧学术出版作为学术出版的未来发展态势，理应尽量避免重复的、孤立的、无意义的建设。

3．专业人才不足

创新驱动的实质是人才驱动，智慧学术出版模式对学术出版从业者的专业素养提出了严格要求。出版业是智力密集型产业，但技术研发能力相对薄弱，很多情况下只能依附外部企业。由于学术出版的专业性，外部企业所提供的技术与服务难以与专业的学术出版活动紧密结合，对其需求和功能的理解也有偏差，无法深入把握学术出版的特点，导致无法发挥技术与系统的最大价值。大多数学术出版从业者虽然具有扎实的出版职业素养，但其对新兴技术在学术出版领域的把握和应用尚停留在浅层面，能够适应智慧学术出版发展的复合型人才不多，这将对学术出版与智能技术的深度融合造成了阻碍。

数智技术促进了学术出版的智慧化发展，也埋下了诸多不可忽视的隐患。技术伦理的失范、管控制度的缺失与专业人才的不足，都将对智慧学术出版的未来发展产生影响。出版机构、出版专业人才培育高校、技术开发者与使用者以及相关法律部门应对以上问题引起重视，各司其职，发挥合力，通过制定法律法规与技术规范为智慧学术出版构筑坚实的屏障；凭借技术革新与理念向善，为智慧学术出版提供向善的内核；通过培养兼具学术出版专业知识与新兴技术运用能力的复合型人才，为智慧学术出版提供人才支撑，破除发展障碍。

五、结语

在技术赋能出版产业深度融合的时代背景下，学术出版主体应积极把握智慧化转型升级的契机。一方面，要在学术出版的全生命周期中贯彻落实智慧学术出版的理念，以知识服务为导向，充分结合工具理性与价值理性，协同多元主体实现价值共创，通过对数据要素的融通共享和价值挖掘，满足关联化、可视化、交互性、个性化和精准化的需求；另一方面，要关注智慧学术出版繁荣表象下潜藏的技术伦理失范、管控制度缺失和专业人才不足等问题，既要积极面对发展机遇，又要勇于克服现存的困难，推动学术出版高质量发展，为中国式现代化的科技水准和文化自信增添底气。

｜參考文献｜

［1］谢炜. 智慧出版：数字时代的学术出版转型之路［J］. 文献与数据学报，2019（4）：97-103.

［2］方卿，王欣月，王嘉昀. 智能阅读：新时代阅读的新趋势［J］. 科技与出版，2021（5）：12-18.

［3］王晓光，夏凌颖，段青玉. 学术阅读智慧化：学术论文在线阅读系统优化研究［J］. 出版广角，2021（13）：16-20.

［4］中共中央宣传部印发《关于推动出版深度融合发展的实施意见》［EB/OL］. （2022-04-24）［2023-04-24］. https：//baijiahao.baidu.com/s？id=1730970784470337661&wfr=spider&for=pc.

［5］刘姬艳，方岩，王晓玥. 我国学术期刊数字出版智慧化变革研究10年：文献计量与内容分析［J］. 传播与版权，2022（9）：26-28.

［6］李静，亢小玉. 科技期刊智慧出版模式的构建路径及实施对策［J］. 编辑学报，2022（5）：505-509.

［7］汪全莉，陈瑞祥，韩育恒，等. 智慧出版：内涵阐释、生成背景及应用路径［J］. 传播与版权，2020（12）：81-84+109.

［8］衣彩天. 数字出版的成熟阶段：智慧出版［N］中国新闻出版广电报，2020-06-10.

［9］王飚，魏婧. 智慧出版在专业出版领域的发展路径初探［J］. 中国传媒科技，2022（10）：19-22.

［10］刘华东，马维娜，张新新. “出版+人工智能”：智能出版流程再造［J］. 出版广角，2018（1）：14-16.

［11］聂震宁. 从智慧阅读看智慧出版转型［J］. 现代出版，2021（6）：5-9.

［12］谢炜. 智慧出版：构建学术出版融合发展新体系［J］. 出版广角，2022（9）：28-34.

［13］刘平，杨志辉. 人工智能构建科技期刊智慧出版模式［J］. 中国科技期刊研究，2019（5）：462-468.

［14］杨志辉. 学术期刊数字化出版到智慧出版的变革［J］. 编辑之友，2019（1）：36-41.

［15］王竞芬. 关于学术出版深度融合路径的思考［J］. 编辑学刊，2023（1）：79-84.

［16］方卿，丁靖佳. 人工智能生成内容（AIGC）的三个出版学议题［J］. 出版科学，2023（2）：5-10.

［17］秦林瑜，吴赟. 科技赋能数字出版：新兴科技应用于出版融合的新空间与新进展［J］. 出版广角，2022（23）：73-77+96.

［18］冯志伟，张灯柯，饶高琦. 从图灵测试到ChatGPT：人机对话的里程碑及启示［J］. 语言战略研究，2023（2）：20-24.

［19］Genuine Semantic Publishing. ［EB/OL］. ［2023-04-26］. http：//www.tkuhn.org/pub/sempub/sempub.dokieli.html.

［20］夏登武. 大数据时代学术期刊的内容优化与价值重构［J］. 中国科技期刊研究，2016（3）：264-268.

［21］武曉耕. 元宇宙视角下的学术出版发展趋势［J］. 出版科学，2022（3）：22-29.

［22］渠竞帆. AI技术在学术出版的三大应用［N］. 中国出版传媒商报，2022-08-23.

［23］格式精灵［EB/OL］. ［2023-04-26］. https：//

author.cnki.net/#/index.

［24］谢曙光. 繁荣发展中国学术：学术出版人的责任与担当［M］//谢寿光. 中国学术出版十年（2011-2020）. 北京：社会科学文献出版社，2022.

［25］治丹丹. 区块链技术支持的科技论文出版平台Orvium特色服务运营模式及启示［J］. 科技与出版，2021（5）：85-92.

［26］美研究员开发新算法打击学术造假  用AI查重论文图片［EB/OL］. （2019-01-16）［2023-04-27］. https：//baijiahao.baidu.com/s？id=1622779597522098888&wfr=spider&for=pc.

［27］张煜. 试析以精准营销理念重塑学术出版价值链［J］. 科技与出版，2022（8）：121-125.

［28］王卉，张瑞静. 人工智能技术在数字出版中的应用现状与发展趋势［J］. 出版发行研究，2018（2）：45-49.

［29］PRAHALAD C K & RAMASWAMY V. Co-opting customer competence［J］. Harvard Business Review，2000（1）：79-87.

［30］陆朦朦. 协同创新理念下出版知识服务价值共创机理研究［J］. 科技与出版，2020（12）：35-42.

［31］谢寿光. 中国式现代化与中国学术出版高质量发展［J］. 现代出版，2023（2）：1-4.

［32］刘维莉 . 新时代出版企业打造新型高水平智库的发展定位与建设路径［J］. 中国编辑，2023（4）：71-75.

［33］王晓光.  数字人文与智慧数据［J］.  上海高校图书情报工作研究，2018（2）：32-33.

［34］曾蕾，王晓光，范炜. 图档博领域的智慧数据及其在数字人文研究中的角色［J］. 中国图书馆学报，2018（1）：17-34.

［35］宋宁远. 面向智慧数据的科学知识图谱构建：以SciGraph为例［J］. 科技与出版，2017（11）：17-19.

［36］王晓光，周慧敏，宋宁远. 科学论文论证本体设计与标注实验［J］. 情报学报，2020（9）：885-895.

［37］徐雷. 几个值得关注的语义出版研究热点［J］. 出版科学，2018（2）：16-22.

［38］石静，李阳. 数据和技术运用视角下我国数字人文“数字型”研究现状及启示［J］. 图书情报工作，2021（21）：141-150.