主評嘉賓：王刊良，張 楠，胡 鵬，郭熙銅

管理信息系統(tǒng)

ManagementInformationSystems

新興信息技術應用產(chǎn)生的海量數(shù)據(jù)通過科學的采集過程、合理的預處理方法、有效的存儲和管理手段以及詳細的分析和挖掘，產(chǎn)生了有價值的信息，同時進一步推進了人工智能技術的飛速發(fā)展。大數(shù)據(jù)與人工智能的結合為個人、企業(yè)，乃至社會創(chuàng)造了新的發(fā)展機遇的同時，也產(chǎn)生了諸多亟須解決的問題，使相關研究及應用面臨挑戰(zhàn)。個人層面，基于行為大數(shù)據(jù)的個性化服務為個人用戶提供了便捷，而由此產(chǎn)生的信息安全和隱私問題不可忽視；企業(yè)層面，大數(shù)據(jù)和人工智能為企業(yè)提供了新的決策依據(jù)，對企業(yè)掌握和分析數(shù)據(jù)提出了新的要求；社會層面，大數(shù)據(jù)和人工智能的發(fā)展應用也帶來諸如歧視等一系列挑戰(zhàn)。

本專欄聚焦于大數(shù)據(jù)和人工智能，基于設計科學、行為學、經(jīng)濟學等各種范式的管理信息系統(tǒng)研究，關注其對個人、企業(yè)和社會的影響及作用機制，探究大數(shù)據(jù)和人工智能在各領域中的應用。

《社交媒體情緒對信息行為的影響：基于兩類災害事件的比較研究》一文，針對自然災害和事故災害兩類典型災害事件，收集新浪微博中相關文本數(shù)據(jù)，探究災害事件中社交媒體情緒對信息行為的影響。該研究將情緒分為效價和喚醒兩個維度，將信息行為根據(jù)行為屬性進行劃分，利用多元調(diào)節(jié)回歸分析方法，比較在兩類災害事件中上述影響的差異性。研究結果表明，災害事件中社交媒體情緒對信息行為有顯著的正向影響，

該影響強度與情緒維度和行為屬性相關；此外，在自然災害中社交媒體用戶的行為表現(xiàn)比在事故災害更為樂觀，具體體現(xiàn)在自然災害事件中信息行為受到積極情緒的影響更強，而事故災害事件中信息行為受到消極情緒的影響更強。該研究在理論層面豐富了災害領域社交媒體情緒和信息傳播的研究成果，在實踐層面為應急管理部門實時監(jiān)測社交媒體中的情緒信息，并防控網(wǎng)絡輿情危機的產(chǎn)生提供了理論支持。

《在線健康社區(qū)中用戶社會支持交換行為的跨文化比較研究》一文，通過數(shù)據(jù)挖掘中文本分類和社交網(wǎng)絡分析的方法，從用戶分享的內(nèi)容出發(fā)，探究中西方文化差異背景下用戶社會支持交換行為的異同。研究結果表明，中國在線健康社區(qū)用戶更頻繁地尋求和提供情感支持，而美國用戶更傾向?qū)で笮畔⒅С?；同時，美國用戶也更多地將在線健康社區(qū)平臺視為社交工具，并在此平臺上分享個人生活；另一項有趣的發(fā)現(xiàn)是，在中國的在線健康社區(qū)中，部分用戶影響力極大，直接影響了整個健康社區(qū)的社交網(wǎng)絡分布，然而這種模式并沒有在美國在線健康社區(qū)的網(wǎng)絡分布中出現(xiàn)。此項研究的結果對于在線健康社區(qū)的發(fā)展壯大具有理論和現(xiàn)實意義。

《基于深度神經(jīng)網(wǎng)絡的企業(yè)信息系統(tǒng)用戶異常行為預測》一文，針對如何有效預測企業(yè)信息系統(tǒng)的異常行為展開研究，設計了企業(yè)信息系統(tǒng)用戶異常行為的預測框架。首先，明確企業(yè)信息系統(tǒng)用戶異常行為的界定標準；其次，基于用戶日志數(shù)據(jù)，在已有研究的基礎上加入業(yè)務維度構建特征模型，并采用深度神經(jīng)網(wǎng)絡(DNN)方法進行用戶異常行為預測；最后，通過與經(jīng)典統(tǒng)計方法和傳統(tǒng)機器學習方法對比進行模型評估。以某船舶企業(yè)為例進行實驗分析，初步驗證了該預測框架的有效性。研究結果表明，加入業(yè)務特征后的特征模型整體表現(xiàn)更好，召回率、查準率和AUC均有提高；此外，基于數(shù)據(jù)驅(qū)動的DNN可以層層抽取用戶異常行為的抽象特征，提高了各個特征對異常行為預測的效率。該研究為企業(yè)提供了一種適用于企業(yè)信息系統(tǒng)用戶異常行為的預測框架，提高了預測的準確率，有助于幫助企業(yè)對用戶異常行為進行預測，從而及時采取措施，以降低用戶異常行為可能對企業(yè)造成的負面影響。

《線上和線下醫(yī)療服務質(zhì)量對患者線下就醫(yī)決策的影響》一文，通過對醫(yī)院線下門診和住院數(shù)據(jù)與線上醫(yī)療文本評價數(shù)據(jù)分析，運用歸并數(shù)據(jù)的面板Tobit模型估計，探究線上醫(yī)療服務質(zhì)量對患者線下就醫(yī)決策的影響，以及線上與線下醫(yī)療服務質(zhì)量之間的交互作用。研究結果表明，醫(yī)生的線上和線下醫(yī)療服務質(zhì)量對患者線下就醫(yī)決策有正向影響；線上評價越好、平均住院日越短，患者越傾向于向該醫(yī)生問診；并且線上與線下醫(yī)療服務質(zhì)量存在相互增強的交互作用。因此，對于只關注線下醫(yī)療服務質(zhì)量的醫(yī)生，積極參與線上醫(yī)療服務并塑造良好的在線口碑有助于其提高服務質(zhì)量并減少潛在的醫(yī)患矛盾。該研究將線下醫(yī)療服務質(zhì)量對患者線下就醫(yī)決策的影響延伸到線上，同時考慮醫(yī)生線上和線下醫(yī)療服務質(zhì)量對于患者線下就醫(yī)決策的影響，豐富了醫(yī)療服務質(zhì)量和患者就醫(yī)決策的相關研究，為醫(yī)生和醫(yī)療機構提升醫(yī)療服務質(zhì)量、提高門診患者人數(shù)提供了啟示。