2026年11月10日
| 主题 | 检索期刊(级别) | 收录论文数 |
|---|---|---|
| AI大模型 | Journal of Information Technology(ABS 3 / SSCI Q1)、Computers in Human Behavior(SSCI Q1)、Information Systems Frontiers(SCI Q1) | 3 |
| 供应链金融 | Journal of Operations Management(ABS 4 / SCI Q1)、Journal of Business Logistics(SSCI Q1)、Annals of Operations Research(SCI Q2) | 3 |
| 品牌 | Marketing Science(UTD24 / FT50 / ABS 4*)、Journal of Consumer Psychology(ABS 3 / SSCI Q1)、Psychology & Marketing(SSCI Q1) | 3 |
| 合计 | 9本 | 9篇 |
注:本轮 9 本期刊均检索到 2025—2026 年直接相关文献,无空结果。Annals of Operations Research 一文为较早期在线发表、2025 年正式编入卷期,按现检索卷期标注;Psychology & Marketing 一文 2025 年在线首发、2026 年正式刊于第 43 卷第 2 期。
本文以“质量标准”而非“技术能力”为中心,梳理结构化文献综述的既有流程与规范,并给出在确保学术诚信前提下分步引入生成式AI的操作指南。
生成式人工智能(Gen.AI)能够显著提升结构化文献综述(SLR)的广度与深度,但其引入也引发了关于综述方法、质量与伦理的关键问题。以往研究主要聚焦Gen.AI的能力与局限,以建立研究实践的指南;然而Gen.AI的快速演进常常超出方法类论文的发表速度。为此,本研究采取以标准为中心的路径,审视Gen.AI必须满足的科学质量标准:换言之,我们并不讨论Gen.AI能做什么、不能做什么,而是讨论无论其能力如何,我们应当允许Gen.AI做什么。本研究从两方面为SLR的研究者提供参考。第一,我们分析SLR中既有的前沿流程与相关质量标准,据此综合出一套统一的流程与标准集合,既支撑对现有SLR方法论的全面理解,也作为整合Gen.AI的基础性框架。第二,我们界定适合将Gen.AI纳入这一基础框架的具体场景,以及不宜整合的情形。我们的贡献还通过一份详尽的分步指南得以巩固——它类似于一份“烹饪菜谱”——帮助研究者在遵守既定质量标准的前提下有效整合Gen.AI。
三项预注册实验显示,减少大语言模型的偏见输出可提升受污名群体对AI的信任与使用意愿;而对优势群体而言,偏见被“印证”反而提高使用意愿。
用户反映ChatGPT等大语言模型(LLM)会生成带有偏见的回复。在三项预注册实验中,受污名社会群体的成员(非裔美国人、女性)在观看与ChatGPT的无偏见互动后,相比观看AI生成的偏见内容(即薪酬上的种族或性别差距),报告了更高的LLM可信度评价。值得注意的是,更高的可信度解释了使用LLM行为意向的提升,但这一机制仅出现在受污名社会群体中。相反,当AI生成的偏见印证了其内隐种族偏见时,美国白人更可能使用LLM;而当回复与其内隐性别偏见相匹配时,男性更倾向于使用LLM。研究结果表明,减少AI生成的偏见可能提升受污名社会群体对LLM的信任,进而增强其使用AI工具的意愿。
本文以社会技术系统视角梳理生成式AI从符号主义转向连接主义的技术脉络与人机生态系统特性,并为信息系统学界提出结构化的研究议程。
建立在大型语言模型及相关算法之上的生成式人工智能(GenAI)持续而爆发式的发展,引发了人们对其潜在影响的极大兴奋与猜测,相关论断包括AI将彻底变革商业与社会、显著改变个人生活。然而,这一技术与以往AI技术存在显著差异,其是否真正具备变革潜力、信息系统研究者应如何回应,仍不清晰。本文考察AI的演进与新兴趋势,以审视其当下情形并预测其未来影响。现有GenAI文献要么对多数信息系统研究者而言技术性过强,要么缺乏理解GenAI潜在影响所需的深度。因此,我们尝试从面向系统的社会技术视角,弥合GenAI技术群体与组织群体之间的鸿沟。具体而言,我们探讨GenAI的独特特征——这些特征根植于从符号主义向连接主义的持续转变,以及人机生态系统深层的系统性内在属性。我们回溯了AI在达到今日采纳、适配与使用水平之前的演进历程,以围绕信息系统研究情境中GenAI对商业与社会的多方面影响提出未来研究。我们的工作旨在协助信息系统学界形成结构良好的研究议程,以支撑这一新一波AI所赋能的前沿战略与运营。
实验室实验表明,在商业信用融资下,存在破产风险的零售商会系统性订货不足,前景理论中的参照点是解释该行为的关键机制。
本研究以实验方法考察面临随机需求、通过商业信用采购的资金受限报童型零售商的订货行为。借助受控实验室实验,我们在无破产风险(NBR)与有破产风险(BR)两种情形下、于低与高利润率水平上,考察零售商向供应商以商业信用采购库存的订货决策。实验观察显示决策偏离规范最优,且NBR与BR情形下的订货行为呈现相反特征:与各自的规范最优量相比,NBR情形下零售商在低利润率时过度订货、在高利润率时订货不足;而BR情形下,低与高利润率条件均出现一致的订货不足。随后,我们采用由“追逐需求”启发式驱动的动态面板回归模型刻画订货模式。最后,我们构建前景理论模型以解释BR情形下观察到的订货不足行为,发现参照点起关键作用。研究结果为识别资金受限零售商的真实行为、并发展描述性模型以改进决策提供了启示。
基于2011—2022年中国上市公司数据,本文发现供应商市场势力差异扩大商业信用规模、客户市场势力差异压缩商业信用规模,而数字化转型分别放大与削弱了这两种效应。
本文考察企业市场势力差异(MPD)与商业信用(TC)之间的关系,以及数字化转型(DT)对该关系的调节作用。研究以供应链金融(SCF)中最重要的融资安排之一——商业信用来代表企业的供应链金融融资能力,并使用2011至2022年中国上市公司及其供应商与客户的样本开展实证研究。我们首先考察市场势力差异——包括供应商市场势力差异(SMPD)与客户市场势力差异(CMPD)——对焦点企业商业信用规模的影响,发现SMPD与焦点企业的商业信用正相关,而CMPD与其商业信用负相关。进一步发现,数字化转型增强了SMPD对商业信用规模的作用,却削弱了CMPD对商业信用规模的作用。本研究从数字化的悖论视角深化了对市场势力差异影响商业信用的理解,并为实践者理解数字技术部署如何影响供应链关系提供了洞见。
本文提出融合旋转森林与Logit Boosting的混合集成模型,基于非洲216家农业中小企业等三方数据识别关键变量,提升供应链金融情境下的信用风险预测精度。
信用风险是供应链金融(SCF)中农业4.0投资面临的重要障碍,对中小企业而言尤为突出。因此,金融服务提供者(FSP)需要在低质量与高质量中小企业之间作出区分,以准确预测信用风险。本研究提出一种新颖的混合集成机器学习方法,用于预测中小企业在SCF中农业4.0投资所关联的信用风险,采用两种核心算法,即旋转森林(Rotation Forest)算法与Logit Boosting算法。研究基于来自非洲运营的216家农业中小企业、195家龙头企业与104家FSP所收集的数据,识别并评估了影响中小企业农业4.0投资信用风险的关键变量。
字节跳动大规模随机实验显示,短视频广告的大部分效果发生在平台之外,忽略广告溢出会严重高估单次转化成本并误导品牌定向策略。
短视频已占据社交媒体并吸引了广告主的关注,但其广告效力仍存在疑问。基于在字节跳动开展的大规模随机实验,我们发现广告溢出效应在广告活动中起着关键作用:大部分广告效果来自字节跳动平台之外的溢出,曝光用户在平台外发生转化的可能性是平台内的八倍。当把平台外的广告溢出纳入考量时,品牌常用于评估投放成本的平均单次转化成本会缩小5倍甚至25倍(取决于计算方法)。广告溢出还会影响品牌的定向策略:汽车品牌常用的人口统计变量在仅使用平台数据时对目标营销有效,但考虑平台外溢出后便不再有效;相反,本文提出的行为变量(既往品牌主页访问)能够有效调节广告效果,而在忽略溢出时则毫无影响。研究凸显了平台与品牌之间信息共享的重要性,而现实中往往并非如此。
两项真实品牌档案数据与四项实验共同表明,复数品牌名通过提升实体性感知带来更有利的品牌态度,但该优势在高端品牌上会减弱。
本研究发现品牌态度上存在“复数品牌名优势”。六项研究——包括两个使用真实市场品牌的档案数据集与四个使用虚构品牌的实验——表明,采用复数名称的品牌(如Dunkin' Donuts)相比采用单数名称的品牌(如Dunkin' Donut)会获得更有利的品牌态度。这一复数品牌名优势源于复数实体被集体解读时产生的品牌实体性(entitativity)感知。不过,对于高端品牌,复数品牌名对品牌态度的正向效应会减弱。本研究对品牌命名策略具有实践启示,并通过将注意力引向品牌名称语言学中研究不足的形态学议题,作出理论贡献。
英美两大零售商的子品牌实验表明,修订后的八维量表可作为单因子工具稳健测量零售商品牌组合资产,并能中介购物行程类型对到店意愿的影响。
本研究通过考察消费者在不同类型购物行程中对各子品牌的到店意愿,拓展了基于消费者的零售商品牌资产文献。我们使用两个大型零售商品牌的子品牌,对修订后量表的预测效度进行了实验检验。研究1以英国消费者为对象,考察Tesco的子品牌,结果显示量表指数与消费者在大宗及小型购物行程、以及Tesco Express与Extra子品牌上的到店意愿均高度相关,量表的八个维度在这些条件下几乎全部显著。研究2以美国消费者为对象,使用Walmart的Neighborhood Markets与Supercenters子品牌,结果复现了研究1的发现;而且在研究2中,八个维度在所有条件下均显著。实验数据证实了该量表作为单因子测量在不同消费者购物目标下的学术适用性,支持其作为评估零售商品牌组合资产的独立测量工具投入实际应用。此外,所有维度均不可或缺,可为管理者提供有意义的洞见。数据还表明,当零售商子品牌层面的到店意愿差异较大时,基于消费者的零售商品牌资产可以中介不同购物行程类型所带来的影响。