2026年10月2日 · 星期五
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | Journal of Computer Information Systems、Social Science Computer Review、British Journal of Educational Technology | 3 |
| 供应链金融 | ACM Transactions on Knowledge Discovery from Data、Asia Pacific Journal of Marketing and Logistics、Abacus | 3 |
| 品牌 | Journal of Communication Management、Services Marketing Quarterly、Journal of Nonprofit & Public Sector Marketing | 3 |
| 合计 | 9 本 | 9 篇 |
注：本期 9 本期刊均为此前未检索过的新增期刊（已与服务器 searched_journals.json 去重核对）；文献元数据（作者、卷期、页码、DOI、摘要）经 Crossref 与出版商页面核对。期刊级别：AI大模型与供应链金融主题以 SSCI/SCIE 收录期刊为主（含 JCR Q1 的 TKDD 与 BJET）；品牌主题本轮未检索到符合条件的 SSCI 新增刊，故选取 ESCI/Scopus 收录的专业期刊并如实标注级别。
本文以八家主流商业智能（BI）平台的约 2800 条客户评价为语料，用 GPT-4 构建大语言模型分析框架，从非结构化叙事中系统提取采纳动因、实施策略、挑战、协作动态与跨平台趋势，把碎片化评价转化为可用于研究与实务的结构化知识，验证了 LLM 在大规模自动化定性分析上的可行性。
企业日益认识到商业智能（BI）系统在支持数据驱动决策方面的价值，但以往基于结构化数据、问卷调查与案例的研究往往缺乏细粒度，难以刻画不同组织情境中的部署动态。本研究通过分析八家领先 BI 平台的客户评价来填补这一空白，提出一个基于大语言模型（LLM）的框架，用以系统处理并从未结构化叙事中提取洞见。研究使用 GPT-4 分析了从供应商网站抓取的约 2800 条客户评价，识别出采纳动因、实施策略、挑战、协作动态与跨平台趋势。该方法能够实现大规模、结构化的洞见提取，把碎片化叙事转化为有助于研究与实践的有组织知识；分析还反映了用户视角与供应商叙事框架如何共同塑造 BI 平台的话语。研究展示了 LLM 在可扩展、自动化定性分析方面的潜力，并有助于理解生成式 AI 如何从非结构化的企业数据中挖掘可行动的洞见。
针对 LLM 辅助归纳式主题分析（ITA）中提示工程随意化、损害可靠性与可复现性的问题，本文通过文献综述梳理研究者如何把 LLM 嵌入 ITA 工作流，提出有效提示工程的四个关键步骤，并讨论可强化各步骤执行的进阶提示技术，为提升分析的方法学严谨性提供实用策略。
文献中越来越多地探讨大语言模型（LLM）在缓解归纳式主题分析（ITA）时间与成本挑战方面的潜力，但将 LLM 用于支持 ITA 的做法往往带有机会主义色彩、依赖临时性的提示工程（PE），从而削弱了分析的可靠性、透明度与可复现性。本研究的目的是为 LLM 辅助的 ITA 构建结构化的提示工程方法。为此，研究对既有文献进行了系统回顾，考察采用 ITA 的研究者如何把 LLM 整合进其工作流，特别是提示工程如何被用于支持分析过程。基于该综述获得的洞见，研究识别并提出有效提示工程的四个关键步骤；同时探讨可增强这些步骤执行的进阶提示工程技术，为研究者提供改进分析的实用策略。本文的主要贡献包括：（i）梳理 LLM 辅助 ITA 的既有研究，帮助更好地理解这一快速发展的领域；（ii）提出结构化的四步提示工程流程以提升方法学严谨性；（iii）讨论进阶提示工程技术在上述步骤中的应用；（iv）指出未来研究的关键方向。
研究开发了整合“论证大纲”与“相似度查看器”的写作界面并在 GPT 写作工具 CoAuthor 中测试（52 名大学生），发现同时获得两项支持的学习者在独立写作行为上中心性更强、终稿与 AI 生成内容的语义相似度更低，说明界面设计能够优化“学习者能动性—AI 辅助”之间的平衡。
为在大语言模型驱动的写作环境中支持学习者能动性，本研究提出一个新界面，整合两项核心功能：论证大纲（Argument Outline）与相似度查看器（Similarity Viewer），用以增强写作的目的性与对 AI 生成建议依赖程度的自我监控。该界面在基于 GPT 的写作工具 CoAuthor 中实现，并以 52 名大学生为对象开展实验，参与者在两种条件下完成议论文写作任务：（1）SV 组（n=26）仅提供相似度查看器；（2）SV-AO 组（n=26）同时提供相似度查看器与论证大纲。研究采用统计方法与认知网络分析（ENA）分析寻求、忽略、接受与修改 AI 建议等写作行为，并计算平均语义相似度以衡量终稿与 AI 生成内容的接近程度，随后通过访谈了解参与者对两项功能的感知。结果显示，SV-AO 组在与独立文本构建相关的行为上中心性更强，且终稿的语义相似度更低；访谈数据进一步表明，参与者认为论证大纲是有助于独立写作的脚手架，同时便于有选择地整合与其写作目标一致的 AI 生成建议。总体而言，本研究凸显了界面设计在优化“学习者能动性与 AI 辅助”平衡方面的潜力。
本文提出端到端生成式模型 TrustVAE，融合迭代潜在风险聚合、带信任边界的图注意力网络与时间图自回归流三个模块，在真实数据集上于 ROC-AUC、AR、准确率与 F1 上分别平均提升 1.59%、3.17%、1.93% 与 2.11%，为供应链金融中的可信信用风险评估提供了新范式。
交易网络的日益复杂、企业间动态交互以及现代供应链中不断上升的金融不确定性，使供应链金融（SCF）中对中小企业（SME）信用风险的准确评估成为关键议题。然而，传统信用预测模型难以捕捉供应链网络中具有意义的潜在风险模式与动态风险传导，限制了其在支持 SCF 生态系统可信决策方面的有效性、稳健性与可解释性。为此，本文提出 TrustVAE——一种新颖的端到端生成式范式，联合建模迭代节点聚合、信任感知消息传递与时空动态，用于供应链金融信用风险评估。具体而言，TrustVAE 利用迭代潜在风险聚合（ILRA）模块，通过深度非线性变换与迭代聚类，以无监督方式从原始企业数据中提取潜在风险表征，捕捉超越传统模型所用静态财务指标的内在结构属性；带边界图注意力网络（BGAN）模块把信任感知的有界置信引入基于图的风险传播，通过抑制低信任企业边上的风险传递提升扩散建模的保真度；此外，模型引入时间图自回归流（TGAF）模块，将时间依赖与自回归流建模耦合，刻画信用风险在日、周、月等多时间尺度上的演化，联合捕捉时间与图结构两类动态模式。在真实数据集上的大量实验表明，TrustVAE 优于现有对比方法，在 ROC-AUC、AR、准确率与 F1 分数上分别取得 1.59%、3.17%、1.93% 与 2.11% 的平均绝对提升。TrustVAE 的统一设计强化了信息系统在数据密集、网络化环境中应对信用风险的实践基础，为信用风险预测的生成式建模提供了新洞见。
本文以央视 3·15 晚会曝光作为外生冲击，对 2011—2021 年中国 A 股公司（14,826 个公司—年度观测）做双重差分分析，发现品牌质量危机显著压低供应商提供的商业信用金额与付款期限，且效应在民营企业与终端消费者暴露度高的行业更强；累积 CSR 表现可缓解、负面媒体监督压力会放大这一负向效应。
商业信用是供应链关系中关键却研究不足的维度，反映了供应商对交易对方可靠性的综合评估。本研究考察品牌质量危机如何重塑供应商与受影响企业之间的商业信用关系，并检验企业社会责任（CSR）与媒体监督压力的调节作用。研究以中国国家级年度消费者权益节目“央视 3·15 晚会”的曝光事件为外生冲击，采用双重差分框架，考察 2011—2021 年中国 A 股上市公司（14,826 个公司—年度观测）。研究进行了多重稳健性检验，包括替代被解释变量、更严格的实验组标准、制造业子样本、延长滞后结构与倾向得分匹配—双重差分估计，并辅以平行趋势检验、安慰剂检验与 Callaway-Sant'Anna 组别—时期 ATT 估计以应对交错处理时点问题。结果显示，品牌质量危机与商业信用金额及付款期限的显著下降相关，该效应在民营企业与终端消费者暴露度高的行业中更为明显。累积的 CSR 表现可减弱这一负向关联，而更强的负面媒体监督压力则放大它。本研究把品牌质量危机研究从资本市场拓展到供应链融资关系，回应了危机文献中对供应商侧反应机制关注不足的问题；通过揭示声誉资本与外部信息环境如何共同作用于危机冲击下的供应商信任，为把信号理论扩展到亚太供应链情境提供了新的经验证据。
基于中国监管情境（监管者更强调贷款损失准备的充足性而非及时性），研究发现预期信用损失（ECL）模型提升了银行拨备充足性，但未改善及时性且伴随操纵行为，却显著增强了资本缓释系统性风险的有效性；该效应在拨备充足性改善更大时更强、在拨备被高度操纵时更弱，为 IASB 评估 ECL 理论框架与 IFRS 9 全球实施效果提供了证据。
本研究基于中国的监管情境——监管者更强调贷款损失准备（LLP）的充足性而非其及时性——考察预期信用损失（ECL）计提对银行资本缓释系统性风险能力的影响。我们发现，ECL 模型提升了中国银行贷款损失准备的充足性，但在及时性上没有显著改善，并伴随操纵行为的出现。尽管这些一阶效应喜忧参半，我们发现 ECL 模型增强了资本在缓释系统性风险方面的有效性。当 ECL 模型更大程度地改善拨备充足性时，该效应更为明显；而当贷款损失准备（尤其是第一、二阶段的拨备）被高度操纵时，该效应则被削弱。研究揭示了 ECL 模型在发展中司法辖区对信息质量的作用有限，同时证明其对金融稳定具有显著的正向影响。研究结论有助于国际会计准则理事会（IASB）评估 ECL 模型的理论框架以及 IFRS 9 的全球实施效果，也有助于银行监管部门评估 IFRS 9 对金融稳定的影响。研究结果对前瞻性信息有限、以规则为基础的拨备计提框架以及执法力度较弱的国家尤具参考价值。
本文以比利时根特为案例，通过对政策制定者、顾问与利益相关者共 13 人的访谈及政策文件分析，用 DART 框架（对话、获取、风险—收益、透明）评估城市品牌认同的共创造过程，发现利益相关者认可广泛代表性与对话机制，但对多样性不足、风险承担保守与影响力有限提出质疑，强调多元代表与清晰角色分工的重要性。
本研究考察地方品牌中的共创造过程，以根特为案例，评估 DART 框架——对话（dialogue）、获取（access）、风险—收益（risk-benefits）与透明（transparency）——如何促进利益相关者参与城市品牌认同的构建，旨在理解利益相关者的感知与共创造的有效性。研究采用案例研究方法，包括访谈与政策文件分析，对政策制定者、顾问与利益相关者共 13 人进行访谈，并借助 DART 框架分析沟通过程如何塑造共创造及其对品牌认同形成的影响。研究结果呈现喜忧参半的局面：利益相关者认可广泛的代表性与对话机制，但对多样性有限、风险承担保守以及影响力微弱表示担忧。研究强调需要通过多元的利益相关者代表与清晰的角色分工来改进共创造。不过，单一案例的聚焦限制了结论的可推广性；未来研究可开展跨情境的比较研究以验证发现并识别最佳实践。本研究通过在真实情境中应用 DART 框架，增强了对地方品牌共创造的实证理解，凸显了服务主导逻辑（SDL）在提升利益相关者参与方面的潜力，并为改进地方品牌共创造过程提供了洞见。
基于拟人化理论与依恋理论，对 305 名熟悉绿色品牌的消费者做 PLS-SEM 分析，发现绿色品牌拟人化显著提升购买意愿，认知信任与情感信任发挥互补性部分中介作用（情感路径更强）；与预期相反，绿色品牌热爱呈负向调节、生态标签可信度的调节为正但不显著，说明“温暖型”绿色沟通须以可验证证据为支撑。
尽管消费者对可持续性的兴趣日益增长，绿色品牌仍因普遍存在的怀疑、难以验证的环保宣称与“漂绿”问题而难以把环保情感转化为购买意愿。本研究整合拟人化理论与依恋理论，考察认知性绿色品牌信任与情感性绿色品牌信任在“绿色品牌拟人化—购买意愿”关系中的并行中介作用，并把绿色品牌热爱与生态标签可信度作为关键边界条件。研究使用 SmartPLS 4.1 进行偏最小二乘结构方程建模，分析了对绿色品牌较为熟悉的 305 名消费者的横截面调查数据。结果显示，绿色品牌拟人化与购买意愿强相关，两类信任维度均发挥互补性的部分中介作用，其中情感路径明显更强。与预期相反，绿色品牌热爱对该关系呈负向调节，人格化线索在依恋程度较弱（而非较强）的消费者中影响更大；生态标签可信度则表现出正向但不显著的调节作用。因此，人格化的绿色沟通主要通过情感性的关系安全而非认知性的信心来驱动购买意愿，且没有证据表明机构性验证会放大这一效应。品牌管理者应优先采用以可验证证据为基础的“温暖型”沟通；认证机构应提升生态标签的独立可信度；政策制定者应把可信认证与实证要求相结合，以防情感说服型宣传演变为漂绿。
研究采用实时体验追踪方法，让 298 名参与者在两轮调查与五天日志期内记录 608 次品牌互动，考察德国知名非营利品牌的触点效应，发现触点的正向性（而非频率）才是品牌考虑度变化的主要驱动因素，自有与付费触点显著提升考虑度而赢得型触点不会，且既有的品牌态度会强化这些效应。
本研究考察不同触点如何随时间影响非营利品牌考虑度，聚焦德国最知名的非营利品牌（Bild 的“心系儿童”、德国 UNICEF、Aktion Mensch、绿色和平、德国红十字会）。研究采用实时体验追踪方法，298 名参与者在两轮调查与为期五天的日志记录阶段共记录了 608 次品牌互动。结果揭示三项关键发现：（1）触点的正向性而非频率，是非营利品牌考虑度变化的主要驱动因素；（2）自有触点与付费触点显著提升考虑度，而赢得型（earned）触点则不会；（3）既有的非营利品牌态度会塑造这些效应，初始品牌态度更强的个体对品牌互动反应更明显。出乎意料的是，捐赠意愿并不能显著预测非营利品牌考虑度的变化。研究强调在捐赠者旅程中战略性管理非营利触点的重要性，突出高质量互动相对于数量优势的价值。