2026年11月12日
| 主题 | 检索期刊 | 收录论文数 |
|---|---|---|
| AI大模型 | Expert Systems with Applications、Research Policy、Knowledge-Based Systems | 3 |
| 供应链金融 | Journal of Business Finance & Accounting、Emerging Markets Review、Journal of International Money and Finance | 3 |
| 品牌 | Journal of Brand Management、Marketing Letters、International Journal of Consumer Studies | 3 |
| 合计 | 9本 | 9篇 |
注:本轮9本期刊均为此前未检索期刊,且各刊均检索到2025—2026年直接相关文献,无空检索期刊;期刊级别标注中 ABS 为英国商学院协会期刊分级(3*/4* 为高水平),SSCI/SCI 分区按 JCR 与中科院分区标注。文献检索关键词:AI大模型(large language model / generative AI)、供应链金融(supply chain finance / trade credit)、品牌(brand equity / brand strategy)。
构建以LLM为核心的群体共识决策框架:用语义驱动的动态信任网络刻画专家交互中的观点与情绪演化,结合前景理论生成谈判策略、以双层可接受调整度构造最小调整模型,并借知识图谱辅助专家理解决策目标,显著提升决策质量、一致性与可解释性。
随着大语言模型技术的快速发展,利用大语言模型求解群体决策与共识协商问题展现出广阔的应用前景与研究潜力。本研究提出一个基于大语言模型的群体共识决策框架,构建语义驱动的动态信任网络,用以分析专家互动过程中的意见演化与状态情绪变化。本文还提出基于前景理论的谈判策略生成模型,将冲突划分为四种类型,并利用双层谈判可接受调整度构建最小调整模型。借助大语言模型与知识图谱,该方法帮助专家深入理解决策目标,并制定令专家满意的改进方案。实验结果表明,该框架显著提升了决策质量与一致性,增强了决策过程的可解释性与透明度,为地方政府债务风险评估等复杂决策情境提出了一种知识驱动、交互优化、动态演化的群体决策新方法。
识别创新搜索中三组人机“关系辩证法”——中心化搜索对跨界搜索、情境化对去情境化、评判对构想,认为三者互补可扩展理性边界并缓解搜索偏差,从而提升创新潜力。
在追求创新的过程中,多元化主体之间发生频繁互动。尽管人工智能(AI)正日益成为创新搜索的积极参与者,但学界对其独特搜索能力如何与人类行动者的能力相互补充仍认识不足。我们探究人机搜索中涌现的互补性,识别出此类互动中产生的三种关系辩证法。第一种对比以人为中心的搜索——依赖组织内部知识与关系网络——与AI跨越遥远陌生领域的边界跨越式搜索及其综合分散内部知识的能力。第二种将人类的情境化(带来相关性与情境意义)与AI的去情境化(剥离假设、揭示抽象的模式化关联)相对照。第三种对比人类的评判(涉及评价与说服)与AI的构想(生成并可视化替代可能性)。我们认为,这些辩证互补带来理性的扩展并缓解搜索过程中的偏差,从而增强创新潜力。
提出受控且透明的专家系统构建范式:限定领域并以结构化提示抽取,把LLM输出转写为可人工校验的Prolog符号知识库,兼顾大模型的召回能力与符号系统的精确性,缓解幻觉并保证可解释性、可扩展性与可靠性。
大语言模型(LLM)的发展已成功改造了知识密集型系统,例如开放域问答,可自动产生大量看似连贯的信息。然而这些模型存在若干缺陷,如幻觉,即自信地生成错误或无法核实的事实。本文提出一种以受控且透明的方式使用LLM开发专家系统的新路径。通过限定领域并采用结构良好的基于提示的抽取方法,我们生成知识的符号表示(以Prolog表示),该表示可由人类专家校验与修正。此路径同时保证所构建专家系统的可解释性、可扩展性与可靠性。借助Claude Sonnet 3.7与GPT-4.1开展的定量与定性实验表明,所生成的知识库在事实依从性与语义一致性方面表现优异。我们呈现了一种透明的混合方案,将LLM的召回能力与符号系统的精确性相结合,为敏感领域构建可信AI应用奠定基础。
以英国2017年强制披露供应商付款实践的法规为准自然实验,用双重差分叠加断点回归发现:披露使企业缩短对供应商的付款账期,效应集中于流动性更高、杠杆更低的企业,渠道为供应商压力与外部声誉管理。
我们考察强制公开披露对改善企业商业信用付款实践的有效性。我们利用英国2017年通过的一项法规作为外生冲击,该法规要求满足特定规模标准的企业披露其对贸易供应商的付款实践信息。采用双重差分研究设计并结合针对刚好高于和低于强制披露规模标准企业的断点回归方法,我们发现披露供应商付款信息的企业缩短了其支付商业信用的天数。进一步发现,该效应集中于流动性较高、杠杆较低的企业。在完成稳健性检验后,我们探讨了两种可能解释上述发现的渠道:其一,企业是否在回应竞争性行业中供应商的压力;其二,企业是否在管理其外部声誉。以赫芬达尔—赫希曼指数衡量行业竞争度,以面向终端消费者的企业及其市场份额衡量声誉暴露度,我们发现证据与上述两种解释均一致。总体而言,这些发现表明披露促使企业改善付款实践,但该效应似乎仅限于具备财务灵活性予以应对的企业。
基于2010—2023年中国上市公司季度数据,发现地缘政治风险上升时企业显著收缩对客户的商业信用供给,机制为融资环境恶化、经营不确定性上升与企业保守化,制度环境较好或重视供应链稳定的企业受影响更小。
本文探讨地缘政治风险(GPR)与中国企业商业信用供给之间的关系。使用2010至2023年间中国上市公司的季度数据,我们发现企业在GPR高企时期倾向于减少向客户提供的商业信用。融资环境恶化、经营不确定性上升以及企业保守化程度提高是驱动这一关系的关键机制。此外,当企业处于更完善的制度环境中或更重视供应链稳定性时,GPR的负面影响会被削弱;而对于持有境外股权的企业,该效应则被放大。进一步分析表明,地缘政治风险促使企业采取风险管理策略,包括缩短信用期限、聚焦高质量客户以降低坏账。本研究为企业如何在不确定性加剧时期调整供应链策略提供了新的洞见。
以2018年美国多轮进口关税上调为准自然实验,发现受投入品关税冲击更强的美国制造企业显著降低对商业信用的依赖;小企业、下游竞争激烈行业、融资约束企业以及上游供应商集中度高时效应更强,印证议价能力渠道。
2018年,美国对多轮进口关税实施上调,对企业投入成本与供应商竞争形成外生冲击。以这些关税上调作为准自然实验,我们考察上游竞争的变化如何影响美国制造企业对商业信用的使用。我们发现,受投入品关税冲击更强的企业显著降低了对商业信用的依赖。该效应在规模较小的企业、处于高度竞争下游行业的企业、融资约束较强的企业以及此前商业信用依赖度更高的企业中更为明显。此外,当上游供应商市场较为集中时,这种下降更为显著,与议价能力渠道相一致。总体而言,我们的结果提供了因果证据,表明供应商竞争的减少削弱了下游企业获取商业信用的能力。
以PLS-SEM检验发现,代言人可信度的三个维度(可信赖性、吸引力、专业性)显著提升基于消费者的品牌资产,消费者—品牌认同在培育正向口碑、进而强化品牌忠诚与品牌倡导中发挥关键作用。
名人代言仍是影响消费者感知与行为的有力工具。本研究考察名人代言对基于消费者的品牌资产的影响,重点关注代言人可信度——由可信赖性、吸引力与专业性构成——如何提升品牌资产;同时探讨消费者—品牌认同在培育正向口碑(WOM,即品牌忠诚与品牌倡导的关键驱动力)中的作用。采用偏最小二乘结构方程模型(PLS-SEM)分析,研究结果凸显了可信的名人代言在强化消费者—品牌关系与提升品牌资产方面的重要作用。本研究为名人代言人、消费者认同与品牌相关行为之间的复杂动态提供了有价值的洞见,有助于更深入理解有效的代言策略。
基于98,081张社交媒体图片与配套实验发现,视觉纵情对分享意愿的作用取决于品牌奢侈度:主流低端品牌越纵情越抑制分享(消费者预期声誉成本),高端奢侈品牌则通过唤起情绪在不触发声誉顾虑的前提下提升分享意愿。
从放纵的甜点到感官化意象,品牌常生成视觉上“纵情”的内容,期望激励消费者在社交媒体上分享(或转发),从而提升品牌曝光。但这一策略真的有效吗?对98,081张社交媒体图片的分析配合控制实验表明,视觉纵情对分享意愿的影响取决于品牌奢侈度。对于低端主流品牌,视觉纵情程度越高反而降低分享意愿,主要因为消费者预期分享此类内容会带来声誉成本(例如传递不良的个人特质信号)。然而,随着品牌奢侈度提升,这些声誉顾虑逐渐减弱。对于高端奢侈品牌,视觉纵情主要通过唤起情绪来提升分享意愿,且不会触发声誉顾虑。总体而言,这些发现为纵情、社交媒体分享与奢侈品牌策略研究作出了贡献。
以文献计量映射结合TCCM框架系统梳理84篇AI与品牌传播文献,归纳信息设计与界面线索、早期传播者印象、下游态度与行为结果三大主题,并提出跨文化比较、生成式内容真实性、透明度与用户控制等关键研究缺口。
近期人工智能(AI)应用的进展以及管理界对AI中介触点的日益重视,加速了学界对品牌传播(BC)的研究兴趣。针对该领域碎片化的问题,本研究通过系统文献综述整合了84篇同行评议文献的发现,将文献计量映射与TCCM(理论、情境、特征与方法)框架相结合。分析识别出若干关键主题,包括信息设计与界面线索、早期传播者印象以及下游的态度与行为结果,同时揭示了跨行业、跨文化与跨平台尚未解决的问题与边界条件。研究识别出若干关键研究缺口,指出需要开展以技术为中心与社会心理导向理论的比较评估、在代表性不足地区与信任敏感行业开展研究,以及对平台—诉求匹配、生成式内容的真实性、透明度、用户控制与接触节奏进行更深入考察。方法上的建议包括将质性洞见与因果实验和行为验证相衔接的顺序混合设计;并强调网络志、眼动追踪与面部表情分析等方法在捕捉细微情感反应方面的应用。这些发现为未来研究提供了全面基础,并为设计有效、可信且契合情境的AI赋能品牌传播提供了实践指引。