2026年9月22日
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | Computers & Education、Journal of Enterprise Information Management、Behaviour & Information Technology | 3 |
| 供应链金融 | Expert Systems with Applications、Journal of Business & Industrial Marketing、Accounting & Finance | 3 |
| 品牌 | Journal of Sustainable Tourism、Current Issues in Tourism、International Journal of Tourism Research | 3 |
| 合计 | 9本 | 9篇 |
注：本轮检索优先选取ABS 3星以上、FT50、SSCI或中科院二区以上期刊；其中 Journal of Business & Industrial Marketing 为供应链金融主题既往收录期刊的补充检索；Mougouei 等、Hossain 等文献为2025年在线发表（暂无卷期页码）。
基于教育情境下的实证研究，发现大语言模型聊天机器人能促进陈述性知识习得但对程序性知识无显著作用，批判性思维引导可促进程序性学习却推高认知负荷，两者结合产生协同效应，在缓解认知负担的同时实现两类知识的均衡提升。
在教育这一动态领域，弥合“知识—技能”鸿沟始终是一项重大挑战，因为学生常常擅长理论理解却难以将其付诸实践。本研究考察大语言模型（LLM）聊天机器人与批判性思维引导对学习者陈述性知识（“知道是什么”）与程序性知识（“知道怎么做”）习得的组合影响。研究发现，LLM聊天机器人能够促进陈述性知识习得，但对程序性学习没有显著影响——学习者倾向于选择较低的认知负荷并聚焦于陈述性知识；相比之下，批判性思维引导促进程序性学习，但会提高认知负荷，从而限制可用于陈述性学习的认知资源。而当两种干预结合使用时会产生协同效应：批判性思维引导激活程序性学习，LLM聊天机器人则缓解认知负担，使认知资源的分配更为均衡，从而同时改善陈述性与程序性知识的习得。这些发现凸显了大语言模型聊天机器人作为有效教育工具的潜力，表明人工智能的策略性使用能够带来更优的教学效果。
基于创新扩散理论与沙特342名高管的问卷调查发现，生成式AI的相对优势与兼容性显著提升其可试用性，可试用性又促进可观察性、社会影响与持续使用意图，而复杂性对可试用性具有负向影响。
生成式人工智能（GenAI）的快速演进正在改变组织的运作方式，并重塑员工以创新方式使用技术的能力。尽管生成式AI日益普及，现有文献对该技术的采纳机制关注有限，尤其缺乏从组织层面分析影响生成式AI采纳及采纳后结果的研究。本研究采用创新扩散理论构建并检验一个概念模型，考察多种创新特征如何影响生成式AI在组织中的采纳。数据以问卷方式收集自沙特阿拉伯各行业组织的342名高层管理者，并采用偏最小二乘结构方程模型（PLS-SEM）进行分析。结果显示：相对优势与兼容性显著影响生成式AI的可试用性；可试用性显著影响可观察性、社会影响与持续使用意图；复杂性对可试用性具有负向影响。本研究通过在组织情境中提供评估生成式AI采纳的框架作出理论与管理贡献，实践上则建议管理者聚焦相对优势与兼容性以推动试用与长期使用，并努力降低复杂性感知。
以移动API文档为载体检验ChatGPT自动识别与解释软件制品中人类价值的能力，结果显示人与模型在交互中相互调整对价值的理解，专家认可大语言模型揭示价值的潜力，同时强调须保留人工参与以提升可靠性。
软件是为人类而设计的，因此必须考虑人的价值。然而，现有研究与实践主要关注少数被充分探讨的价值（如安全），忽视了更全面的价值视角；而探索更广泛价值的研究往往依赖人工识别，既耗费人力又易受人为偏差影响。此外，已有方法在可解释性与可靠性方面也存在不足。为此，本文提出利用大语言模型的推理能力实现价值的自动推断，从而不仅能够检测价值，还能解释其在软件制品中如何表达。我们旨在检验大语言模型（尤其是ChatGPT）在自动检测与解释软件制品中人类价值方面的有效性，并以移动API文档为例，考察ChatGPT所识别的价值与人类价值之间的契合程度。对ChatGPT输出的人工评估显示，人与模型在交互中相互调整对价值的理解，呈现出互动式的转变。专家认可ChatGPT揭示价值的潜力，同时强调需要引入人工参与以提升其可靠性。
提出融合文本与表格信息的风险感知特征网络RAFN，在公开与真实数据集上准确率、召回率与F1值较最优基线提升1.73%—5.81%，并配套构建“智能合约触发—链下模型评估—链上共识验证”的区块链风险管理闭环。
供应链金融（SCF）中的风险因素识别对于评估中小企业的信用风险、支撑可持续融资具有根本性意义。现有方法多将风险因素识别视为标准分类任务，主要依赖结构化金融数据，既忽视非结构化的风险信号，又受到数据类别不平衡与标签稀缺的制约。本文提出风险感知特征网络（RAFN），一个融合文本与表格信息的混合框架：在文本侧采用基于Transformer编码器的自适应风险感知注意力机制，从非结构化文本中捕捉细微的风险信号；在表格侧引入自适应类别再平衡损失，并结合基于互信息的特征选择策略处理不平衡数据。RAFN在两个基准SCF数据集以及一个来自中国国家中小企业信用信息数据库的真实数据集上进行评估，准确率、召回率与F1值较最优基线提升1.73%—5.81%。此外，本文构建了区块链驱动的风险管理框架，通过智能合约触发、链下模型评估与链上共识验证形成闭环；消融研究、统计检验与鲁棒性检验进一步验证了RAFN的有效性。
基于288家中国中小企业的问卷调查发现，供应链资产专用性投资与关系专用性投资均显著提升供应链融资绩效，其机制在于降低机会主义感知，数字技术部署的广度则正向调节关系专用性投资与融资绩效之间的关系。
目的：本研究基于信号理论，探讨中小企业的供应链专项投资如何影响其供应链融资绩效。设计/方法/路径：通过对288家中国中小企业开展问卷调查，采用结构方程模型检验研究假设，并考察机会主义感知的中介作用与数字技术部署广度的调节作用。研究发现：供应链资产专用性投资与关系专用性投资均显著提升供应链融资绩效；供应链关系投资通过降低机会主义感知正向影响融资绩效；数字技术部署的广度增强了关系专用性投资与供应链融资绩效之间的正向关系。原创性/价值：本研究从信号传递视角拓展了供应链金融与供应链关系领域的文献，为中小企业通过专项投资与数字化部署获取融资支持提供了管理启示。
以存在与不存在“会计驱动亏损”（无形资产驱动亏损或GAAP亏损）的企业为样本发现，存在会计驱动亏损的企业所获得的商业信用显著高于真实亏损企业，表明供应商更可能将此类亏损解读为未来成长信号而非财务困境。
本文考察供应商是否将会计驱动的亏损（accounting-driven losses）视为客户未来成长的信号，而非财务困境的表征。研究比较了会计驱动亏损企业与真实亏损企业的商业信用水平，其中会计驱动亏损样本包括无形资产驱动亏损与GAAP亏损两类情形。结果表明，相对于真实亏损企业，存在会计驱动亏损的企业获得的商业信用更多，其商业信用水平显著更高。上述发现说明，供应商在提供商业信用时能够区分不同类型的亏损，会计驱动的亏损更可能被解读为未来成长的积极信号。
基于三项研究（两项面向游客、一项面向居民）发现，目的地品牌挚爱通过目的地心理所有权与角色准备度的链式中介间接促进环境责任行为，且角色准备度的中介效应在居民群体中更强。
本研究构建并检验一个理论模型，用以解释目的地品牌挚爱（destination brand love）在多大程度上、通过何种机制以及在何种条件下影响环境责任行为。基于三项研究（两项以游客为对象、一项以居民为对象）的实证结果表明，目的地品牌挚爱通过目的地心理所有权与角色准备度的链式中介作用间接促进环境责任行为；相较游客，角色准备度的中介效应在居民群体中更为突出。研究为借助品牌情感联结推动游客与居民的可持续旅游行为提供了理论贡献与管理启示。
以国家级景区评选为准自然实验、基于2007—2019年204个地级市面板数据的交错双重差分分析发现，高级别景区评选通过“品牌效应”显著促进城市旅游经济发展，且该效应在区域与城市间存在异质性。
本文以国家级旅游景区评选作为准自然实验，基于2007—2019年中国204个地级市的面板数据，采用交错双重差分方法识别“品牌效应”对旅游经济发展的影响。研究发现，高级别景区评选显著促进了城市旅游经济发展，表明品牌效应能够拉动地方旅游经济成长；异质性分析显示，该效应在不同区域与城市之间存在差异。研究为地方旅游品牌建设与旅游经济发展政策提供了实证依据。
基于271名受访者、采用PLS-SEM的实证研究发现，品牌熟悉度与感知质量通过目的地品牌形象对整体目的地品牌资产产生显著正向影响，品牌形象在品牌资产形成中发挥核心中介作用。
本研究基于顾客视角的品牌资产框架，考察目的地品牌资产的形成机制。研究以271名受访者为样本，采用偏最小二乘结构方程模型（PLS-SEM）进行实证分析。结果表明，品牌熟悉度与感知质量不仅直接影响目的地品牌形象，还通过目的地品牌形象对整体目的地品牌资产产生显著的正向影响，品牌形象在其中发挥关键中介作用。研究结论为目的地品牌建设与品牌资产提升提供了实证支持与管理启示。