社交媒体信息可信度评估研究综述

２０１６年１２月　现代情报　Ｊｏｕｒｎａｌ　ｏｆＭｏｄｅｒｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｄｅｃ．，２０１６　Ｖ０１．３６　Ｎｏ．１２　第３６卷第１２期　・综述・ｚ，￣＇ｇＦ－・　社交媒体信息可信度评估研究综述　－千一垡　一　Ｉ　（郑州大学科学技术信息研究所，河南郑Ｊ，Ｉ、Ｉ　４５０００１）　［摘要］社交媒体信息可信度评估研究不仅有助于发展与完善网络信息资源管理理论，而且有助于提高社交媒体舆情监　控、社交媒体搜索、社会化推荐等方面的效果。本文通过梳理国内外相关文献，从社交媒体信息研究、信息可信度研究、社交　媒体信息可信度评估研究对国内外研究情况进行综述，指出国内社交媒体信息可信度评估研究存在的研究面窄、定性研究多、　缺乏系统性等问题，并提出应对中文社交媒体信息可信度进行系统研究、进行自动评估等解决方法。　［关键词］社交媒体；信息可信度；评估；综述　ＤＯＩ：１０．３９６９／ｉ．ｉｓｓｎ．１００８一ｏ８２１．２０１６．１２．Ｏ３０　（中图分类号］Ｇ２０３　［文献标识码］一Ａ　［文章编号］１００８—０８２１（２０１６）１２—０１６４—０６　Ｒｅｖｉｅｗ　ｏｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｒｅｄｉｂｉｌｉｔｙ　Ａｓｓｅｓｓｍｅｎｔ　ｉｎ　Ｓｏｃｉａｌ　Ｍｅｄｉａ　Ｗａｎｇ　Ｙｉｈｕａ　（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｃｉｅｎｔｉｆｉｃ　ａｎｄ　Ｔｅｃｈｎｉｃａｌ　Ｉｎｆｏｒｍａｔｉｏｎ，Ｚｈｅｎｇｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ　４５０００１，Ｃｈｉｎａ）　［Ａｂｓｔｒａｃｔ］Ｉｆｎｏｒｍａｔｉｏｎ　ｃｒｅｄｉｂｉｌｉｔｙ　ａｓｓｅｓｓｍｅｎｔ　ｒｅｓｅａｒｃｈ　ｉｎ　ｓｃｉｏａｌ　ｍｅｄｉａ　ｎｏｔ　ｏｎｌｙ　ｃｏｎｔｒｉｂｕｔｅｓ　ｔｏ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　ｉｍｐｍｖｅ—　ｍｅｒｉｔ　ｏｆ　ｎｅｔｗｏｒｋ　ｉｆｏｒｍａｔｎｉｏｎ　ｒｅｓｏｕｒｃｅ　ｍａｎａｇｅｍｅｎｔ　ｔｈｅｏｒｙ，ｂｕｔ　ａｌｓｏ　ｈｅｌｐｓ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｓ￣ｉｌ　ｍｅｄｉａａ　ｍｏｎｉｔｏｒｉｎｇ　ｐｕｂｌｉｃ　ｏｐｉｎｉｏｎ，ｓｏｃｉａｌ　ｍｅｄｉａ　ｓｅａｒｃｈ，ｓｏｃｉａｌ　ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　ａｎｄ　ＳＯ　ｏｎ．Ｔｈｅ　ｐａｐｅｒ　ｆｉｒｓｔｌｙ　ｒｅｖｉｅｗｅｄ　ｔｈｅ　ｒｅｓｅａｒｃｈｅｓ　ａｔ　ｈｏｍｅ　ａｎｄ　ａｂｒ０ａｄ　ａｂｏｕｔ　ｔｈｅ　ｓｏｃｉｌ　ｍｅｄａｉａ　ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｓｅａＩ℃ｈ，ｉｎｆｏｒｍａｔｉｏｎ　ｃｒｅｄｉｂｉｌｉｔｙ　ｒｅｓｅａｌ＇ｃｈ，ａｎｄ　ｓｏｃｉｌ　ｍｅｄａｉａ　ｉｆｏｒｎｍａｔｉｏｎ　ｃｒｅｄｉｂｉｌｉｔｙ　ａｓ－　ｅｓｓｍｅｎｔｓ　ｒｅｓｅ＆ｔｃｈ，ａｎｄ　ｔｈｅｎ　ｐｏｉｍｏｄ　ｏｕｔ　ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｅｘｉｓｔｉｎｇ　ｉｎ　ｉｎｆｏｒｍａｔｉｏｎ　ｃｒｅｄｉｂｉｌｉｔｙ　ａｓｓｅｓｓｍｅｎｔ　ｒｅｓｅａｒｃｈ　ｏｆ　ｄｏｍｅｓｔｉｃ　ｓｏｃｉｌ　ｍｅ—　ａｄｉａ，ａｎｄ　ｆｉｎａｌｌｙ　ｐｕｔ　ｆｏｒｗａｒｄ　ｔｈｅ　ｓｏｌｕｔｉｏｎ　ｔｏ　ｉｔ．　【Ｋｅｙｗｏｒｄｓ］ｓｏｃｉａｌｍｅｉａ；ｉｄｎｆｏｒｍａｔｉｏｎ；ｃｒｅｄｉｂｉｌｉｙ；￣ｓｔｅｓｓｍｅｍ；ｒｅｖｉｅｗ　信息可信度评估有助于社交媒体用户判断信息的可信性，　ｌ研究的意义　随着互联网技术和移动技术的突飞猛进，社交媒体盛　营造诚信健康的互联网环境，也有助于提高社交媒体信息　舆情监控、社交媒体信息引导、社交媒体搜索、社会化推　荐等方面的效果。　行　人人可做信息的制造者，制造的信息极为丰富。然而，　在这丰富信息的背后，隐藏着漫天飞舞的谣言、病毒般传　播的虚假照片和视频，这给人们幸福的生活、社会的稳定　２社交媒体信息研究　社交媒体（Ｓｏｃｉｌａ　Ｍｅｄｉａ）是通过Ｗｅｂ２．０技术实现的一　类支持用户自主创造和交换内容的媒体，如Ｔｗｉｔｔｅｒ、Ｆａｃｅ．　ｂｏｏｋ、Ｙｏｕｔｕｂｅ、Ｈｎｋｅ￣ｎ、Ｗｉｋｉ、微博、微信、ＱＱ、论坛、　带来了严重的隐患。为了遏制虚假不良信息传播，营造健　康向上的网络环境，信息可信度评估就成了迫在眉睫的问　题，社交媒体信息急需“鉴定师”和“测谎仪”。　社交媒体信息可信度评估研究既有较高的学术价值，　也有较强的应用价值。具体来说，学术价值表现在研究社　人人网等。自１９７３年ｕ幽ｎ、Ｓｚ０ａｋｏｗｓｋｉ和Ｆｅｌｓｅｎｓｔｅｉｎ　３人在　美国加州伯克利市建立全球第一个公共电子公告牌系统　Ｃｏｍｍｕｎｉｔｙ　Ｍｅｍｏｒｙ后，ＢＢＳ以及网络社区等早期的社交媒体　开始映人人们的眼帘。（（０１２５年全球社会化媒体、数字和移　动业务数字统计趋势》报告表明：全球社交媒体活跃用户　交媒体信息可信度评估并探讨虚假信息的生成机制、传播　模式、治理措施，是对社交媒体环境下网络信息资源管理　理论的丰富、发展与完善。应用价值表现在研究社交媒体　收稿日期：２０１６—０７—２５　基金项目：　国家社会科学基金项目“社交媒体信息可信度自动评估与实证研究”（项目编号：１６ＢＴＱ０６９　Ｊ阶段性成果。　作者简介：王一华（１９７２一），男，副研究馆员，博士，硕士生导师，研究方向：网络信息资源评价，发表论文２ｏ余篇。　・－－——１６４－—－——　２０１６年ｌ２月　第３６卷第１２期　社交媒体信息可信度评估研究综述　Ｄｅｃ．，２０１６　Ｖ０１．３６　Ｎｏ．１２　约占全球人口的２９％。　传播机理的Ｌｏｔｋａ—Ｖｏｈｅｒｒａ竞争模型　］。②社交媒体信息　传播中存在的问题与对策研究。如阎俊（２０１５）探讨微博　传播存在的问题及原因，并提出了加强微博内容管理、增　强把关意识、提高微博用户的媒介素养等对策［２１ｊ。③社交　媒体信息传播效果研究。如陈远和袁艳红（２０１２）以新浪　微博作为数据来源，把信息覆盖人数、评论数、转发数作　２．１　国外研究　社交媒体的相关研究从２０世纪８０年代开始，在２００５　年左右开始进入快速发展阶段，发文量有逐年增加的趋势。　在国际期刊中，发表社交媒体论文较多的要属（Ｃｏｍｐｕｔｅｒｓ　ｉｎ　Ｈｕｍａｎ　Ｂｅｈａｖｉｏｒ｝｝。近两年，关于社交媒体的国际会议主　要有ＡＳＯＮＡＭ、ＳＭＰ、ＭＩＳＮＣ、ＳＭＡＰ、ＳＣＳＭ。国外学者研　为微博信息传播效果的量化指标，从纵横向两个角度研究　究内容主要集中在以下４个方面：　２．１．１社交媒体信息利用研究　社交媒体在商业领域、教育领域、公共管理领域等都　有广泛的应用＿１　Ｊ。如在营销领域，利用社交媒体信息，可　以获知消费者态度和行为　２，可以获知客户交流和推荐对　营销的影响【　－４Ｊ，可以获知社交媒体信息对营销管理功能　的影响ｌ　５ｌ。　２．１．２社交媒体信息检索与信息推荐研究　侧重于社交媒体信息检索与信息推荐方法的研究。社　交媒体信息的检索采用主题模型＿６Ｊ、社会网络［　、本体［８］　等检索方法。比如，Ｈｏｎｇ和Ｄａｖｉｓｏｎ（２０１０）使用标准主题　模型进行社交媒体Ｔｗｉｔｔｅｒ信息的检索。社交媒体信息的推　荐采用内容推荐［引、协同过滤［１０］、时序推荐［１１］、位置推　荐【１２Ｊ、社会化推荐【１３］等方法。比如，Ｌｅｖａｎｄｏｓｋｉ等（２０１２）　提出位置感知推荐系统（ＬＡＲＳ）［ｔ２Ｊ。　２．１．３社交媒体信息传播研究　侧重于反映信息传播传播规律的社交媒体信息传播模　型的构建以及通过模型的构建对实际问题进行预测等方面　的研究。如Ｇａｌｕｂａ等（２０１０）通过研究１　５００万ＵＲＬ在不同　Ｔｗｉｔｔｅｒ用户之间的３００小时传播，提出了基于内容流行度、　用户影响力和传播速度的线性阈值模型【１４Ｊ。Ａｄａｒ和Ａｄａｍｉｃ　（２００５）通过研究信息在博客中传播的模式和动力学特性，　提出用传染病模型来描绘信息传播的机理【１５　Ｊ。　ｕｒ和Ｈｕ—　ｂｅｒｍａｎ（２０１０）采用来自Ｔｗｉｔｔｅｒ．ｃｏｎ的聊天数据通过简单的　线性回归模型预测电影票房的收入【１６ｊ。　２．１．４社交媒体用户隐私研究　在探讨社交媒体用户隐私现存问题的基础上，提出了　相应的隐私保护方法。如Ｖｉｓｗａｎａｔｈ等（２０１０）首先研究　Ｓｙｂｉｌ防御的缺陷，在其基础上探讨了替代ｓｙｂｉｌ防御的方　法【１７　Ｊ。Ｃｏｎｔｉ等（２０１１）采用ＦａｃｅＶＰＳＮ解决社交媒体用户　隐私问题【ｉ８］。　２．２国内研究　、　国内学者的社交媒体研究最早可追溯至２０世纪９０年　代末，但从２００５年后起关于社交媒体的论文才逐渐表现出　增长态势。国内研究内容主要集中在：　２．２．１社交媒体信息传播研究　研究内容包括：①社交媒体信息传播模式研究。如韩　佳等（２０１３）提出了基于改进ＳＩＲ的在线社交网络信息传　播模型［１９Ｊ。姜景等（２０１５）构建表征谣言信息与辟谣信息　新浪微博信息传播过程造成的效应［２２Ｊ。　２．２．２社交媒体舆情分析与监测研究　如张明等（２０１４）以打砸Ｅｔ系车系列突发公共事件为　实例，探讨其在新浪微博和新浪新闻平台上舆情传播的特　征与规律［２３　Ｊ。张瑜等（２０１５）对新浪微博热门话题“北京　单双号限行常态化”下的微博进行了数据采集，将舆情演　化划分为潜伏、成长、爆发、衰退、波动、死亡６个阶段，　并对各阶段进行情感分析，为舆情治理提供了支持［２４Ｊ。唐　涛（２０１４）在分析网络舆情五要素的基础上，探讨移动互　联网舆情的新特征，指出面临的新挑战，并从信息分析、　信息筛选、信息引导等方面提出对策［２５　Ｊ。　２．２．３社交媒体营销研究　如唐兴通（２０１２）的著作《社会化媒体营销大趋势：　策略与方法》系统总结了社交媒体营销，并对众多社交媒　体工具在实际工作中的应用提供了具体的建议［２６Ｊ。张淼　（２０１４）提出了企业完善社交媒体营销策略的“９＋３”模　式　Ｊ。刘晓燕和郑维雄（２０１５）采用社会网络分析方法研　究企业微博营销传播的效果［２８Ｊ。　３信息可信度研究　３．１　国外研究　信息可信度（Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｒｅｄｉｂｉｌｉｔｙ）是指人们对信息可　相信程度的认识。它由值得信赖（Ｔｒｕｓｔｗｏｒｔｈｉｎｅｓｓ）和专业　性（Ｅｘｐｅｒｔｉｓｅ）两个关键要素组成【驯。信息可信度比较系　统的研究始于２０世纪５０年代的传播领域。Ｈｏｖｌａｎｄ和同事　的工作具有里程碑的意义［３ｏｊ。信息可信度最初关注的是传　播者的可信度。国外对传统媒体信息可信度的研究主要是　从信源可信度、内容可信度、渠道可信度三方面展开的。　随着互联网的出现，网络信息可信度的评估被提上了议事　日程。研究情况可归纳如下：　３．１．１网络信息可信度评估的理论模型　’　主要有Ｆｏｇｇ（２００３）的Ｐ—Ｉ理论模型、Ｗａｔｈｅｎ和　Ｂｕｒｋｅｌｌ（２１３０２）的评判模型、Ｓｕｎｄａｒ（２００８）的ＭＡＩＮ　Ｍｏｄｅｌ、　Ｈｉｌｌｉｇｏｓｓ和Ｒｉｅｈ（２００８）的统一模型、Ｍｅｔｚｇｅｒ（２００７）的双　处理模型以及Ｌｕｃａｓｓｅｎ等（２０１３）的３ｓ模型（修订版）。以　上理论模型是由情境、用户特征、操作性、处理过程这些　侧面的若干部分构建而成的。　３．１．２网络信息可信度研究内容　主要有对网络新闻的可信度研究、对搜索引擎结果的　一】６５—　２０１６年１２月　现代情报　Ｊｏｕｒｎａｌ　ｏｆＭｏｄｅｍ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｄｅｃ．．２０ｌ６　Ｖ０１．３６　Ｎｏ．１２　第３６卷第１２期　可信度研究以及对维基百科内容的可信度研究。比如，　Ｎａｇｕｒａ等（２００６）通过比较关于同一主题不同网页的相似　目前可以说，研究处于繁荣期。国外研究情况可归纳如下：　４．１．１社交媒体信息可信度评估研究内容　研究内容主要包括：①不实信息的判断识别。如　Ｑａｚｖｉｎｉａｎ等（２０１１）提取Ｔｗｉｔｔｅｒ信息的文本特征、网络特　征和微博元素特征，构建贝叶斯分类器甄别谣言＿加Ｊ。Ｚｈａｏ　等（２０１５）通过研究查询帖以便及早识别社交媒体谣言　［４１］。②话题新闻的可信度评估。如Ｃａｓｔｉｌｌｏ等（２０１１）选　度来计算每个网页的可信度＿３　。Ｙａｍａｍｏｔｏ和Ｔａｎａｋａ（２０１１）　利用用户可信度评判模型对网页搜索结果进行重新排序，　以便从ｗｅｂ搜索结果的列表中用户可以更高效的找到可信　的网页Ｅ３２Ｊ。Ａｄｌｅｒ等（２００８）以文章长度、版本数量和基于　贡献数量的作者声誉建立模型，计算出维基百科文章的可　信度［３３］。　３．１．３网络信息可信度研究方法　主要采用定量研究法。比如，Ｏｌｔｅａｎｕ等（２０１３）在调　查网页的各种特征（文本内容、链接结构、网页设计等）　的基础上，经过统计分析方法筛选出关键的特征，采用监　督学习算法来推断网页内容的可信度Ｅ３４Ｊ。与网络信息可信　度有关的典型系统有日本的ＷＩＳＤＯＭ和Ｈｏｎｔｏ？Ｓｅａｒｃｈ。　３．１．４影响力较大的项目和国际会议　影响力较大的项目有互联网可信度研究（Ｔｈｅ　Ｗｅｂ　Ｃｒｅｄｉｂｉｌｉｔｙ　Ｒｅｓｅａｒｃｈ）项目，影响力较大的国际会议有　ＷＩＣＯＷ（Ｗｏｒｋｓｈｏｐ　Ｏｉｌ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｃｒｅｄｉｂｉｌｉｔｙ　ｏｎ　ｔｈｅ　Ｗｅｂ）。　３．２国内研究　１９９３年的《鉴别虚假信息五法》是国内发表的早期论　文。２００４年至今，相关研究进入快速发展期。相对于国外　较多研究评估算法和评估系统，国内研究重点在于定性分　析上，大多采用问卷调查及专家访谈法等进行人工评估。　国内研究内容主要有：　３．２．１侧重于信息可信度影响因素研究　比如，龚思兰等（２０１３）针对评论信息的文本内容、　长度、情感倾向、时效性、发布者、商家活动等特征，通　过问卷调查方式对大学生消费群体进行在线商品评论信息　可信度影响因素实证分析Ｅ３５　Ｊ。蒋洪梅（２０１３）运用理论分　析辅以实证研究的方法，从宏观的社会系统、中观的政策　法规、微观的媒介与受众３个视角分析网络新闻信息可信　度的影响因素［３６３。　３．２．２侧重于信息可信度指标体系的构建　比如，胡红亮（２０１３）按照信息源、信息加工、信息　传播和信息应用等方面采用德尔菲专家调查法建立了学术　著作可信度的基本评价模型　ｊ。潘勇和孔栋（２００７）基于　第三方认证机构的视角，构建了电子商务网站的信用评价　指标体系及评价因素集，并建立灰色关联信用评估模　型＿３引。当然，也有少量基于机器学习的信息可信度自动化　评估实验研究，比如，马伟瑜（２０１１）提出一种采用改进　的ＰａｇｅＲａｎｋ算法评估网页信息可信度的方法＿３９ｊ。　４社交媒体信息可信度评估研究　４．１　国外研究　国外相关研究较早。社交媒体信息可信度的相关研究　随着ＢＢＳ的出现随之展开，最早可追溯到２０世纪８０年代。　一１６６一　取了有关用户特征、文本特征、主题特征、信息传播特征，　采用Ｊ４８决策树评估Ｔｗｉｔｔｅｒ中话题新闻的可信度［４２Ｊ。　４．１．２社交媒体信息可信度评估方法　评估方法主要有监督学习［４３　Ｊ，统计分析Ｌ４４ｊ，与可信　信息来源的相似性比较　４５。舶］，社交网络的链接结构分析与　主题模型的利用［４７　Ｊ等。它们主要采用自动评估，具体来　说：①选取的特征：选取的特征主要是用户特征、文本特　征、信息传播特征。比如，西班牙的Ｃａｓｔｉｌｌｏ和智利的Ｍｅｎ．　ｄｏｚａ、Ｐｏｂｌｅｔｅ（２０１１）选取用户特征（如注册时间、粉丝量、　好友量），文本特征（如是否包含＃标签、是否包含问号、　Ｔｗｅｅｔ中包含的ＵＲＬ数量、是否转发），主题特征（如带＃　标签Ｔｗｅｅｔ的比例、Ｔｗｅｅｔ数量、Ｔｗｅｅｔ的平均长度、Ｔｗｅｅｔ　的平均情感分值、积极情绪或消极情绪的比例），以及信息　传播特征（如传播树的深度），采用Ｊ４８决策树评估Ｔｗｉｔｔｅｒ　信息的可信度　］。②评估的方法：大多通过构建ＳＶＭ分类　器、Ｂａｙｅｓｉｎａ分类器、Ｄｅｃｉｓｉｏｎ　Ｔｒｅｅ分类器等方法，并对结　果进行分类，以达到评估社交媒体信息可信度的目的。上　例Ｃａｓｔｉｌｌｏ等采用Ｊ４８决策树构建分类器，并对结果进行分　类，从而评估Ｔｗｉｔｔｅｒ信息的可信度【４２Ｊ。当然，也有通过对　结果进行排序的实例，从而达到评估社交媒体信息可信度　的目的。比如，Ｇｕｐｔａ和Ｋｕｍａｒａｇｕｒｕ（２０１２）采用Ｒａｎｋ—　ＳＶＭ与ＰＲＦ相结合的方法，按照可信度得分对Ｔｗｉｔｔｅｒ信息　进行排序［４３　Ｊ。　４．１．３有较大影响的在研项目与系统　由欧盟资助七国科研人员联合攻关的ＰＨＥＭＥ项目研究　的重点是社交媒体信息的真实性，该项目在国际上有较大　影响。Ｊａｃｏｂ　Ｒａｔｋｉｅｉｗｅｚ等（２０１１）开发出可实时追踪Ｔｗｉｔｔｅｒ　上政治谣言的Ｔｒｕｔｈｙ系统＿鹕Ｊ。Ｇｕｐｔａ等（２０１４）、Ｌｏｒｅｋ等　（２０１５）分别开发出一款可自动评估推文可信度的工具　ＴｗｅｅｔＣｒｅｄ、ＴｗｉｔｅｒＢＯＴＴＭ一５ｏ３。　４．２　国内研究　２００７年《博客信息“可信度不亚于纽约时报”？》拉开　了国内探讨社交媒体信息可信度评估的序幕。目前研究还　处于发展的初期。社交媒体信息可信度评估研究主要有：　４．２．１社交媒体信息可信度影响因素研究　如刘雪艳和闫强（２０１３）探讨政府微博中的热点事件　信息可信度的影响因素［５１］。丁科芝（２０１５）从信息传播　者、渠道、信息内容和用户基本信任观念４个方面构建社　交网络可信度影响因素模型［５２］。薛传业等（２０１５）从信息　２０１６年１２月　第３６卷第ｌ２期　社交媒体信息可信度评估研究综述　建适合评估工作需要的自动化评估系统。　Ｄｅｃ．．２０１６　Ｖ０１．３６　Ｎｏ．１２　来源可信度、信息传播渠道可信度、信息内容可信度以及　信息评论反馈多维度探讨了突发事件中社交媒体信息可信　度的影响因素［５３ｊ。　３）评估指标、评估模型的选取以及参数的训练，既要　考虑研究结果的精确度，又要考虑系统的运算时间。　４）评估模型构建后，不仅要进行实验室评估，还应进　行实际效果评估。　４．２．２构建社交媒体信息可信度指标体系研究　它大多采用问卷调查及专家访谈法进行人工评估。屈　文建和谢冬（２０１３）从站点层次、版块层次、主题层次、　内容层次４方面，采用模糊综合信用评估模型对网络学术　论坛信息可信度进行评估［５４ｊ。莫祖英等（２０１３）从微博信　息量、信息内容质量、信息来源质量和信息利用情况等方　面进行问卷调查，采用层次分析法构建微博信息质量评估　参考文献　［１］Ｎｇａｌ，Ｅ．Ｗ．Ｔ．，Ｍｏｏｎ，Ｋ．Ｋ．，Ｌａｍ，Ｓ．Ｓ．，Ｃｈｉｎ；Ｅ．Ｓ．Ｋ．ａｎｄ　Ｔａｏ，Ｓ．Ｓ．Ｃ．．Ｓｏｃｉａｌ　ｍｅｄｉａ　ｍｏｄｅｌｓ，ｔｅｃｈｎｏｌｏｇｉｅｓ，ａｎｄ　ａｐｐｌｉｃａｔｉｏｎｓ　［Ｊ］．ＩｎｄｕｓｔｒｉｌＭａｎａｇｅｍｅｎｔａａｎｄＤａｔａＳｙｓｔｅｍｓ，２０１５，１１５（５）：７６９　模型＿５５　Ｊ。当然国内也有少量自动化评估的例子。比如，贺　刚等（２０１３）引入关键词分布特征和时间差等新特征，基　于ＳＶＭ算法来预测新浪微博信息是否为谣言［５６］。程亮等　（２ｏ１３）提出基于ＢＰ神经网络模型及改进其激发函数，同　时引入冲量项，对微博话题在传播过程中演变为谣言进行　检测【５７］。路同强（２０１５）采用半监督学习算法检测微博谣　言，但不足之处在于未考虑信息的深层特征［５８］。　４．３存在的问题　对比国内外研究情况，可发现国内研究存在如下问题：　４．３．１研究内容　关于社交媒体信息可信度研究，国内外Ｅｌ前以微博研　究较多。与国外丰富的研究内容相比，国内在该领域的研　究还主要集中于对影响因素以及特征的探讨上。　４．３．２研究方法　国外定量研究较多，很多涉及自动化评估，而国内定　性研究较多，大多采用问卷调查法、专家访谈法等进行人　工评估。　总之，现有研究大多是针对Ｔｗｉｔｔｅｒ等英文社交媒体，　其研究成果大多不能直接应用于中文社交媒体。尽管也有　少量研究是面向中文社交媒体的，但研究成果零散，还缺　乏系统性。另外，在特征选择上，选择范围面较窄，考虑　社交媒体深层的隐含特征较少。　５结语　为了解决中文社交媒体的可信度评估问题，在吸收前　人研究的基础ｔ－［５９－６３］，很有必要对中文社交媒体信息可信　度进行系统研究，特别是在参考国外信息可信度评估系统　的基础上，很有必要研制开发中文社交媒体信息可信度评　估系统，实现中文社交媒体信息可信度的自动评估。在进　行中文社交媒体信息可信度评估中，应注意下列问题：　１）评估要在对信息资源分类的基础上，对不同的类别　采用不同的评估指标体系，以提高评估工作的科学性和合　理性。　２）评估既要重视定性评估，也要重视定量评估，尤其　是自动化评估。特别是在大数据环境下，应针对评估的实　际需求，制定科学的评估方案，选择恰当的评估方法，构　—８０２．　［２］Ｇａｍｂｏａ，Ａ．Ｍ．ａｎｄ　Ｇｏｎｑａｌｖｅｓ，Ｈ．Ｍ．．Ｃｕｓｔｏｍｅｒ　ｌｏｙａｌｔｙ　ｔｈｒｏｕ＃ｓｏ—　ｅｉａｌ　ｎｅｔｗｏｒｋｓ：ｌｅｓｓｏｎｓ　ｆｒｏｍ　Ｚａｒａ　ｏｎ　Ｆａｃｅｂｏｏｋ［Ｊ］．Ｂｕｓｉｎｅｓｓ　Ｈｏｒｉ．　ｚｏｒｌｓ，２０１４，５７（６）：７０９—７１７．　［３］Ｊｉｎ，Ｓ—Ａ．Ａ．ａｎｄ　Ｐｈｕａ，Ｊ．Ｆｏｌｌｏｗｉｎｇ　ｃｅｌｅｂｒｉｉｔｅｓ’ｔｗｅｅｔｓ　ａｂｏｕｔ　ｂｒａｎｄｓＩ　ｔｈｅ　ｉｍｐａｃｔ　ｏｆ　Ｔｗｉｔｔｅｒ—－ｂａｓｅｄ　ｅｌｅｃｔｒｏｎｉｃ　ｗｏｒｄ—－ｏｆ—－ｍｏｕｔｈ　ｏｌｌ　ＣＯｌｉＳｔｎｌｌｅｒｓ’ｓｏｕｒｃｅ　ｃｒｅｄｉｂｉｌｉｔｙ　ｐｅｒｃｅｐｔｉｏｎ，ｂｕｙｉｎｇ　ｍｔｅｎｆｉｏｎ，ａｎｄ　ｓｏｃｉａｌ　ｉｄｅｎｔｉｉｆｃａｔｉｏｎ　ｗｉｔｈ　ｃｅｌｅｂｒｉｔｉｓｅ［Ｊ］．Ｊｏｕｍａｌ　ｏｆ　Ａｄｖｅｒｔｉｓｉｎｇ，２０１４，４３　（２）：１８１—１９５．　［４］ＣｏＲｉｎａｄｅｒ，Ｊ．ａｎｄ　Ｄａｈｌ６ｎ，Ｍ．Ｆｏｌｌｏｉｗｎｇ　ｔｈｅ　ｆａｓｈｉｏｎａｂｌｅ　ｆｒｉｅｎｄ：ｔｈｅ　ｐｏｗｅｒ　ｏｆ　ｓｏｃｉｌａ　ｍｅｄｉａ［Ｊ］．Ｊｏｕｒｎｌａ　ｏｆ　Ａｄｖｅｒｔｉｓｉｎｇ　Ｒｅｓｅａｒｃｈ，２０１１，　５１（１）：３１３—３２０．　【５　Ｊ　Ｍｏｎｃｒｉｅｆ，Ｗ．Ｃ．，Ｍａｒｓｈａｌｌ，Ｇ．Ｗ．ａｎｄＲｕｄｄ，Ｊ．Ｍ．．Ｓｏｃｉｌａｍｅｄｉａ　ｎａｄｍｌｍｅｄｔｃｅｈｎｏｌｏｇｙ：ｄｒｉｖｅｒｓ　ｏｆ　ｃｈａｎｇｅｉｎｍａｎａｇｉｎｇｔｈｅ　ｃｏｎｔｅｍｐｏｒａｒｙ　ｓａｌｅｓ　ｆｏｒｃｅ［Ｊ］．Ｂｕｓｉｎｅｓｓ　Ｈｏｉｒｚｏｎｓ，２０１５，５８（１）：４５—５５．　【６］Ｈｏｎｇ，Ｌｉａｎｇｊｉｅ　ａｎｄ　Ｄａｖｉｓｏｎ，Ｂ．Ｄ．．Ｅｍｐｉｒｉｃａｌ　ｓｔｕｄｙ　ｏｆｔｏｐｉｃ　ｍｏｄｅｌ・　ｉｎｇｉｎｔｗｉｔｔｅｒ［ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆｔｈｅＦｉｒｓｔＷｏｒｋｓｈｏｐ　ｏｎＳｏｃｉｌａＭｅｄｉ・　ａ　Ａｎａｌｙｔｉｃｓ（ＳＯＭＡ’１０）．ＡＣＭ，Ｎｅｗ　Ｙｏｒｋ，ＮＹ，ＵＳＡ，２０１０：８０　—８８．　［７］Ｋｌｅｉｎｂｅｒｇ。Ｊ．Ｍ．．Ａｕｔｈｏｒｉｔａｔｉｖｅ￥ｃ￣ｔｕｌ３ｓｅ　ｉｎ　ａ　ｈｙｐｅｒｌｉｎｋｅｄ　ｅｎｖｉｒｏｎｍｅｎｔ　［Ｊ］．Ｊｏｕｒｎａｌｏｆｔｈｅ　ＡＣＭ，１９９９，４６（５）：６０４—６３２．　［８］Ｔｏｂａｒ，Ｃ．Ｍ．，Ｇｅｒｍｅｒ，Ａ．Ｓ．，Ａｄａｎ—Ｃｏｅｌｌｏ，Ｊ．Ｍ．，ａｎｄＤｅＦｒｅ—　ｉｔａｓ，Ｒ．Ｌ．．Ｉｎｆｏｒｍａｔｉｏｎ　ｒｅｔｉｒｅｖａｌ　ｉｎ　Ｗｉｋｉｓ　ｕｓｉＩｌｇ　ａｌｌ　ｏｎｔｏｌｏｇｙ［Ｊ］．　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００９；８２６—８３１．　［９］Ｋｉｍ，Ｙ．ａｎｄ　Ｓｈｉｍ，Ｋ．ＴＷＩＬｒｒＥ￣Ａ　ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　ｓｙｓｔｅｍ　ｆｏｒ　Ｔｗｉｔｔｅｒ　ｕｓｉｇｎ　ａ　ｐｒｏｂａｂｉｌｉｓｔｉｅ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｌａｔｅｎｔ　Ｄｉｉｒｃｈｌｅｔ　ａｌｌｏｃａｔｉｏｎ　［Ｊ］．Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍｓ，２０１４：５９—７７．　［１０］Ｒａｍｅｓｈ，Ａ．，Ａｎｕｓｈａ　Ｊ．，Ｃｌａｒｅｎｃｅ，Ｊ．Ｍ．Ｔ．．Ａ　ｎｏｖｅｌ，ｇｅｎｅｒａｌ—　ｉｚｅｄ　ｒｃｅｏｎｍａｅｎｄｅｒ　ｓｙｓｔｅｍｆｏｒ　ｓｏｃｉｌａｍｅｄｉａｕｓｉｎｇｔｈｅ　ｃｏｌｌａｂｏｒａｔｉｖｅ—－ｆｉｌｔｅｒ－・　ｉｇｎ　ｔｅｃｈｎｉｑｕｅ［Ｊ］．ＡＣＭ　ＳＩＧＳＯＶＦ　Ｓｎｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｇｎ　Ｎｏｔｓｅ，　０２１４：１—４．　［１１］Ｚｉｍｄａｒｓ，Ａ．，Ｃｈｉｃｋｅｒｉｎｇ，Ｄ．Ｍ．，ａｎｄＭｅｅｋ，Ｃ．ＵｓｉｎｇＴｅｍｐｏｒａｌ　Ｄａｔａ　ｆｏｒ　Ｍａｋｉｎｇ　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓ　ｆｏ　ｔｈｅ　Ｓｅｖｅｎ・　ｔｅｎｔｈ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｕｎｃｅｒｔａｉｎｔｙ　ｉｎ　ａｒｔｉｉｆｃｉｌａ　ｉｎｔｅｌｌｉｇｅｎｃｅ（ＵＡＩ＇Ｏ１），　Ｊａｃｋ　Ｂｒｅｅｓｅａｎｄ　Ｄａｐｈｎｅ　Ｋｏｌｌｅｒ（Ｅｄｓ．）．Ｍｏｒｇａｎ　ＫａｕｆｎｍｎｎＰｕｂｌｉｓｈｅｒｓ　Ｉｎｃ．，Ｓａｎ　Ｆｒａｎｃｉｓｃｏ，ＣＡ，ＵＳＡ，２００１：５８０—５８８．　［１２］Ｌｅｖａｎｄｏｓｋｉ，Ｊ．Ｊ．，Ｓａｌ＇ｗａｔ，Ｍ．，Ｅｌｄａｗｙ，Ａ．ａｎｄ　Ｍｏｋｂｅｌ，　Ｍ．Ｆ．．ＥＡＲＳ：Ａ　Ｌｏｃａｔｉｏｎ—Ａｗａｒｅ　Ｒｅｃｏｍｍｅｎｄｅｒ　Ｓｙｓｔｅｍ［Ｃ］∥　ＩＥＥＥ　２８ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎＤａｔａＥｎｇｉｎｅｅｒｉｇｎ，Ｗａｓｈｉｎｇｔｏｎ，　ＤＣ，２０１２：４５０—４６１．　・－－——１６７‘—。——　２０１６年ｌ２月　现代情报　Ｊｏｕｒｎａｌ　ｏｆＭｏｄｅｍ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｄｅｃ．，　２０１６　第３６卷第１２期　Ｖｏ１．３６　Ｎｏ．１２　［１３］Ｊａｍａｌｉ，Ｍ．ａｎｄ　Ｅｓｔｅｒ，Ｍ．ＴｒｕｓｔＷａｌｋｅｒ：ａ　ｒａｎｄｏｍｗａｌｋｍｏｄｅｌｆｏｒ　Ｃｏｍｐｕｔｉｎｇ　Ｓｙｓｔｅｍｓ，Ｐｉｔｔｓｂｕｒｇｈ，Ｐｅｎｎｓｙｌｖａｎｉａ，ＵＳＡ，１９９９：８０—　８７．　ｃｏｍｂｉｎｌｎｇ　ｔｒｕｓｔ—ｂａｓｅｄ　ａｎｄ　ｉｔｅｍ—ｂａｓｅｄ　ｒｅｃｏｍｍｅｎｄａｔｉｏｎ［ｃ］∥Ｐｍ—　ｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　１５ｔｈ　ＡＣＭ　ＳＩＧＫＤＤ　ｉｎｔｅｍａｔｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｋｎｏｗｌ－　［３Ｏ］Ｒｉｅｈ，Ｓ　ｎｄａ　Ｄａｎｉｅｌｅｓｎ，Ｄ．Ｃｒｅｄｉｂｉｌｉｔｙ：Ａ　Ｍｕｈｉｄｉｓｃｉｐｌｉｎａｒｙ　Ｆｒａｍｅ－　ｗｏｒｋ［Ｊ］．Ａｎｎｕａｌ　Ｒｅｖｉｅｗ　ｏｆ　ＩｎｆｏｒｍａｔｉＯｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，　２０ｏ７：３０７—３６４．　ｅｄｇｅ　ｄｉｓｃｏｖｅｒｙ　ａｎｄ　ｄａｔａ　ｍｉｎｉｎｇ（ＫＤＤ＇０９）．ＡＣＭ，Ｎｅｗ　Ｙｏｒｋ，ＮＹ，　ＵＳＡ，２００９：３９７—４０６．　［１４］Ｇａｌｕｂａ　Ｗ，Ａｂｅｒｅｒ　Ｋ，Ｃｈａｋｒａｂｏｒｔｙ　Ｄ，Ｄｅｓｐｏｔｏｖｉｃ　Ｚ，Ｋｅｌｌｅｒｅｒ　Ｗ．　Ｏｕｔｔｗｅｅｔｉｎｇ　ｔｈｅ　ｔｗｉｔｔｅｒｅｒｓ——ｐｒｅｄｉｃｔｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｃａｓｃａｄｅｓ　ｉｎ　ｍｉ－・　［３１］Ｎａｇｕｒａ，Ｒ．，Ｓｅｋｉ，Ｙ．，Ｋａｎｄｏ，Ｎ　ａｎｄ　Ａｏｎｏ，Ｍ．Ａ　ｍｅｔｈｏｄ　ｏｆ　ｒａｔｉｎｇｔｈｅ　ｃｒｅｄｉｂｉｌｉｔｙ　ｏｆｎｅｗｓ　ｄｏｃｕｍｅｎｔｓ　ｏｎｔｈｅｗｅｂ［Ｃ］ｆｆＰｒｏｃｅｅｄｉｎｇｓ　０ｆ山ｅ　２９ｔｈ　ａｎｎｕａｌｉｎｔｅｍａｔｉｏｎａｌＡＣＭ　ＳＩＧＩＲ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎＲｅｓｅａｒｃｈａｎｄ　ｃｒｏｂｌｏｇｓ［Ｃ］ｆｆＰｒｏｃｅｅｄｉｎｇｓ　ｏｆｔｈｅ　３ｒｄＷｏｒｋｓｈｏｐ　ｏｎＯｎｌｉｎｅＳｏｃｉａｌＮｅｔ—　ｗｏｒｋｓ，ＵＳＥＮＩＸ　Ａｓｓｏｃｉａｔｉｏｎ，Ｂｏｓｔｏｎ，ＭＡ，ＵＳＡ，２０１０：１—９．　ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　ｉｆｏｒｎｍａｔｉｏｎ　ｒｅｔｒｉｅｖａｌ（ＳＩＧＩＲ＇０６）．ＡＣＭ，Ｎｅｗ　Ｙｏｒｋ，　［１５］Ａｄａｒ，Ｅ．ａｎｄ　Ａｄａｍｉｃ，Ｌ．Ａ．．Ｔｒａｃｋｉｎｇ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｐｉｄｅｍｉｃｓ　ｉｎ　Ｂｌｏｇｓｐａｃｅ［ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｈｔｅ　２００５　ＩＥＥＥ／ＷＩＣ／ＡＣＭ　Ｉｎｔｅｍａ　ｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｗｅｂ　Ｉｎｔｅｌｌｉｇｅｎｃｅ（ＷＩ＇０５）．ＩＥＥＥ　Ｃｏｍｐｕｔｅｒ　Ｓｏｃｉ—　ｅｔｙ，Ｗａｓｈｉｎｇｔｏｎ，ＤＣ，ＵＳＡ，２００５：２０７—２１４．　１１６　Ｊ　Ａｓｕｒ，Ｓ　ａｎｄ　Ｈｕｂｅｒｍｓｎ，Ｂ．Ａ．．Ｐｒｅｄｉｃｔｉｎｇ山ｅ　Ｆｕｔｕｒｅ　ｗｉｈｔ　Ｓｏｃｉｌａ　Ｍｅｄｉａ［Ｃ］∥２０１０　ＩＥＥＥ／ＷＩＣ／ＡＣＭ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｗｅｂ　ｎＩｔｅｌｌｉｇｅｎｃｅ　ａｎｄ　ＩｎｔｅＲｉｇｅｎｔ　Ａｇｅｎｔ　Ｔｅｃｈｎｏｌｏｇｙ（Ｗ—ＩＡＴ），Ｔｏｒｏｎｔｏ，　２０１０：４９２—４９９．　【１７　Ｊ　Ｖｉｓｗａｎａｔｈ，Ｂ．，Ｐｏｓｔ，Ａ．，Ｇｕｍｍａｄｉ，Ｋ．Ｐ．，ａｎｄ　Ｍｉｓｌｏｖｅ，Ａ．　Ａｎａｎａｌｙｓｉｓ　ｏｆ　ｓｏｃｉｌａ　ｎｅｔｗｏｒｋ—ｂａｓｅｄ　Ｓｙｂｉｌ　ｄｅｆｅｎｓｅｓ［Ｊ］．Ａｃｍ　Ｓｉｇ－　ｃｏ／ｎｌｎ　Ｃｏｍｐｕｔｅｒ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｒｅｖｉｅｗ，２０１０，４ｏ（４）：３６３—３７４．　［１８］Ｃｏｎｔｉ，Ｍ．，Ｈａｓａｎｉ，Ａ．，ａｎｄ　Ｃｒｉｓｐｏ，Ｂ．Ｖｉｒｔｕａｌ　Ｐｒｉｖａｔｅ　Ｓｏｃｉｌａ　Ｎｅｔｗｏｒｋｓ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆｔｈｅ　１ｓｔ　ＡＣＭ　Ｃｏｆｎｅｒｅｎｃｅ　ｏｎ　Ｄａｔａ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　Ｓｅｃｕｒｉｔｙ　ａｎｄ　Ｐｒｉｖａｃｙ（ＡＣＭ　ＳＩＧＳＡＣ　ＣＯＤＡＳＰＹ　２０１１），　ＳａｎＡｎｔｏｎｉｏ，ＴＸ，ＵＳＡ，２０１１：３９—５０．　［１９］韩佳，肖如良，胡耀，等．在线社交网络中信息传播模式的　特征分析［Ｊ］．计算机应用，２０１３，（１）：１０５—１０７，１１１．　［２ｏ］姜景，李丁，刘怡君．基于竞争模型的微博谣言信息与辟谣　信息传播机理研究［Ｊ］．数学的实践与认识，２０１５，（１）：１８２　—１９１．　［２１］阎俊．微博传播的问题与对策研究［Ｄ］．锦州：渤海大学，　２０１５：１—３８．　［２２］陈远，袁艳红．微博信息传播效果实证研究［Ｊ］．信息资源　管理学报，２０１２，（３）：２８—３４．　［２３］张胡，孙霄凌，朱庆华　突发公共事件舆情传播特征与规律　研究——以新浪微博和新浪新闻平台为例［Ｊ］．情报杂志，　２０１４，（４）：９０—９５．　。　［２４］张瑜，李兵，刘晨胡．面向主题的微博热门话题舆情监测研　究——以“北京单双号限行常态化”．舆情分析为倒［Ｊ］．中文　信息学报，２０１５，．（５）：１４３　１５１，　１５９，！　一　［２５］唐涛．移动互联网舆情新特征、；　新挑战与对策［Ｊ］．情报杂　志，２０１４，（３）：１１３—１１７．　［２６］唐兴通．社会化媒体营销大趋势：策略与方法（第２版）　［Ｍ　北京：清华大学出版社，２０３２　ｌ、　２３５．　．．ｔ　［２７】张淼．社会化媒体在市场营销中的应用研究・［Ｄ］：北京：首　都经济贸易大学，２０１４：１—４７．　“　［２８］刘晓燕，郑雏雄．企业社会化媒体营销传播的效果分析——　以微博扩散网络为例［Ｊ］．　新闻与传播研究，２０１５，（２）：：８９　—１０２。１２８．　｛　Ｃ２９］Ｆｏｇｇ，Ｂ．Ｊ．，ａｎｄ　Ｔｓｃｎｇ；Ｈ．Ｔｈｅ　ｅｌｅｍｅｎｔｓ　ｏｆ　ｃｏｍｐｕｔｅｒ　ｃｒｅｄｉｂｉｌｉｔｙ　［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＳＩＧＣＨＩ　ｃ０玎ｆｅｒ岛ｃｅ　ｏｎ　Ｈｕｎｌａｎ　Ｆａｃｔｏｒｓ　ｉｎ　・－－－——１６８－－－－——　ＮＹ，ＵｓＡ，２０ｏ６：６８３—６８４．　［３２］Ｙａｍａｍｏｔｏ，Ｙ　ａｎｄ　Ｔａｎａｋａ，Ｋ．Ｅｎｈａｎｃｉｎｇ　ｃｒｅｄｉｂｉｌｉｔｙ　ｊｕｄｇｍｅｎｔ　ｏｆ　ｗｅｂ　ｅｓａｒｃｈ　ｒｅｓｕｌｔｓ［ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ　ｆｏ　ｈｔｅ　ＳＩＧＣＨＩ　Ｃｏｆｎｅｒｅｎｃｅ　ｏｎ　Ｈｕｍａｎ　Ｆａｃｔｏｒｓ　ｉｎ　Ｃｏｍｐｕｔｉｎｇ　Ｓｙｓｔｅｍｓ（ＣＨＩ’１１）．ＡＣＭ，Ｎｅｗ　Ｙｏｒｋ，　ＮＹ．ＵＳＡ。２Ｏｌ１：１２３５—１２４４．　［３３］Ａｄｌｅｒ，Ｂ．Ｔ．，Ｃｈａｔｔｅｒｊｅｅ，Ｋ．，Ｄｅ　Ａｌｆａｒｏ，Ｌ．，Ｆａｅｌｌａ，Ｍ．，　Ｐｙｅ，Ｉ．，ａｎｄ　Ｒａｍａｎ，Ｖ．Ａｓｓｉ　ｎｇ　ｔｒｕｓｔ　ｔｏ　Ｗｉｋｉｐｅｄｉａ　ｃｏｎｔｅｎｔ［Ｃ］　ｆＰｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　４ｔｈ　Ｉｎｔｅｎｒａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　ｋｉｓ．ＡＣＭ．　２００７：１—１２．　［３４］Ｏｌｔｅａｎｕ，Ａ．，Ｐｅｓｈｔｅｒｌｉｅｖ，Ｓ．，“ｕ，Ｘ．，ａｎｄ　Ａｂ￣ｒｅｒ，Ｋ．Ｗｅｂ　Ｃｒｅｄｉｂｉｌｉｔｙ：Ｆｅａｔｕｒｅｓ　Ｅｘｐｌｏｒａｔｉｏｎ　ａｎｄ　Ｃｒｅｄｉｂｉｌｉｙｔ　Ｐｒｅｄｉｃｔｉｏｎ［Ｃ］∥　Ｅｕｒｏｐｅａｎ　Ｃｏｎｆｅｅｒｎｃｅ　ｏｎ　Ａｄｖａｎｃｅｓ　ｉｎ　Ｉｆｎｏｒｍａｔｉｏｎ　Ｒｅｔｒｉｅｖａｌ，２０１３：５５７　—５６８．　［３５］龚思兰，丁晟春，周夏伟，等．在线商品评论信息可信度影　响因素实证研究［Ｊ］．一睛报杂志，２０１３，　（１１）：２０２—２０７，　１８０．　［３６］蒋洪梅．网络媒体新闻信息可信度研究［Ｄ］．南京：南京师　范大学，２０１３：１—５６．　［３７］胡红亮．数字环境下学术著作的可信度研究［Ｊ］．科技与出　版，２０１３，（５）：９７一１００．　［３８］潘勇，孔栋．电子商务网站可信度评价模型［Ｊ］．情报杂志，　２００７，（７）：８１—８２，８７．　［３９］马伟瑜．基于改进的ＰａｇｅＲａｎｋ的网页信息可信度评估方法研　究［Ｄ］．保定：河北大学，２０１１：１—３４．　［４ｏ］Ｑａｚｖｉｉｎａｎ，ｖ．，Ｒｏｓｅｎｇｒｅｎ，Ｅ．，ｎａｄｅｖ，Ｄ．Ｒ．，ａｎｄ　Ｍｅｉ，Ｑ．　Ｒｕｍｏｒ　ｈａｓ　ｉｔ：Ｉｄｅｎｔｉｆｙｉｎｇ　ｍｉｓｉｆｎｏｒｍａｔｉｏｎ　ｉｎ　ｍｉｃｒｏｂｌｏｇｓ［Ｃ］∥Ｐｒｏ—　ｃｅｅｄｌｎｇｓ　ｆｏ　ｔｈｅ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｅｍｐｉｉｒｃａｌ　Ｍｅｔｈｏｄｓ　ｉｎ　Ｎａｔｕｒａｌ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，Ａｓｓｏｃｉａｔｉｏｎ　ｆｏｒ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｌｉｎｇｕｉｓｔｉｃｓ，ＵＫ，２０１　１：　１５８９—１５９９．　［４１］Ｚｈａｏ，　Ｚ．，Ｒｅｓｎｉｃｋ，Ｐ．，ａｎｄ　Ｍｅｉ，Ｑ．Ｅｎｑｕｉｉｒｎｇ　Ｍｉｎｄｓ：Ｅａｒｌｙ　Ｄｅｔｃｅｉｔｏｎ　ｆｏ　Ｒｕｍｏｒｓ　ｉｎ　Ｓｏｃｉａｌ　Ｍｅｄｉａ　ｆｒｏｍ　Ｅｎｑｕｉｒｙ　Ｐｏａｓ［Ｃ］∥Ｐｒｏ—　ｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２４ｔｈ　Ｉｎｔｅｍａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ　（ｗｗｗ’１５）．ＡＣＭ，ＵＳＡ，２０１５：１３９５—１４０５．　［４２］Ｃａｓｔｉｌｌｏ，Ｃ．Ｍｅｎｄｏｚａ，Ｍ　ａｎｄ　Ｐｏｂｌｅｔｅ，Ｂ．Ｉｎｆｏｒｍａｔｉｏｎ　ｃｒｅｄｉｂｉｌｉｔｙ　ｏｎ　ｔｗｉｔｔｅｒ［Ｃ］／／；　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２０ｔｈ　ｉｎｔｅｒｎａｉｔｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｗ０ｒｌｄ　ｗｉｄｅ　ｗｅｂ（ＷＷ　１１）．ＡＣＭ，Ｎｅｗ　Ｙｏｒｋ，ＵＳＡ，２０１１：６７５　，　１　：．　．　一６８４．　［４３］Ｇｕｐｔａ，Ａ．，Ｋｕｍａｒａｇｕｒｕ，Ｐ．Ｃｒｅｄｉｂｉｌｉｔｙ　ｒａｎｋｉｎｇ　ｏｆ　ｔｗｅｅｔｓ　ｄｕｒｉｎｇ　ｈｉｇｈ　ｉｍｐａｃｔ　ｅｖｅｎｔｓ［Ｃ］ｆｆＰｒｏｃｅｅｄｉｎｇｓ　ｏｆＷｏｒｋｓｈｏｐ　ｏｎＰｒｉｖａｃｙａｎｄ　Ｓｅ一　’ｅｕｒｉｔｙ‘ｉｒｌ　Ｏｎｌｉｎｅ　Ｓｃｍｉ￣Ｍｅｄｉａ￣ＳｅｒＰｓｏｓｍ，２０１２：’２—８．　［４４］ｌＯ’Ｄｏｎｏｖａｎ，Ｊ　，Ｋａｒｉｇ，‘Ｂ．，Ｍｅｙｅｒ＇；＇　Ｇ．，Ｈｏｌｌｅｅｒｒ，Ｔ．，ａｎｄ　２０１６年１２月　第３６卷第ｌ２期　社交媒体信息可信度评估研究综述　２Ｏ１６　Ｄｅｃ．，　Ｖ０１．３６　Ｎｏ．１２　Ａｄａｌｉｉ，Ｓ．Ｃｒｅｄｉｂｉｌｉｔｙ　ｉｎ　Ｃｏｎｔｅｘｔ：Ａｎ　Ａｎａｌｙｓｉｓ　ｏｆ　Ｆｅａｔｕｒｅ　Ｄｉｓｔｒｉｂｕ—　［５１］刘雪艳，闫强．政府微博中的热点事件信息可信度研究［Ｊ］．　北京邮电大学学报：社会科学版，２０１３，（２）：６—１２．　ｔｉｏｎｓ　ｉｎ　Ｔｗｉｔｔｅｒ［Ｃ］∥Ｐｒｉｖａｃｙ，Ｓｅｃｕｒｉｔｙ，Ｒｉｓｋ　ａｎｄ　Ｔｒｕｓｔ，２０１２：　２９３—３０１．　［５２］丁科芝．社交网络信息可信度研究［Ｄ］．武汉：华中师范大　学，２０１５：１—６１．　［４５］Ａ１一Ｋｈａｌｉｆａ，Ｈ．Ｓ．ａｎｄ　Ａ１一Ｅｉｄａｎ，Ｒ．Ｍ．．Ａｎ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｓｙｓ—　ｔｅｒｎｆｏｒｍｅａｓｕｒｉｎｇｔｈｅ　ｃｒｄｉｅｂｉｌｉｙｏｔｆｎｅｗｓ　ｃｏｎｔｅｎｔｉｎｔｗｉｔｔｅｒ［Ｊ］．Ｉｎｔｅｒ－　ｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｗｅｂ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍｓ，２０１１，７（２）：１３０—　１５１．　［５３］薛传业，夏志杰，张志花，等．突发事件中社交媒体信息可　信度研究［Ｊ］．现代情报，２０１５，（４）：１２—１６．　［５４］屈文建，谢冬．网络学术论坛信息可信度的灰度分析［Ｊ］．　图书情报知识，２０１３，（２）：１１２—１１８．　［４６］Ｓｕｚｕｋｉ，Ｙ．ａｎｄ　Ｎａｄａｍｏｔｏ，Ａ．Ｃｒｅｄｉｂｉｌｉｔｙ　Ａｓｓｅｓｓｍｅｎｔ　Ｕｓｉｎｇ　Ｗｉｋｉｐｅｄｉａ　ｏｆｒ　Ｍｅｓｓａｇｅｓ　ｏｎ　Ｓｏｃｉｌａ　Ｎｅｔｗｏｒｋ　Ｓｅｒｖｉｃｅｓ［Ｃ］∥ＩＥＥＥ　Ｎｉｎｔｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｄｅｐｅｎｄａｂｌｅ，Ａｕｔｏｎｏｍｉｃ　ａｎｄ　Ｓｅｃｕｒｅ　Ｃｏｍ－　ｐｕｆｉｎｇ，Ｓｙｄｎｅｙ，ＮＳＷ，２０１１：８８７—８９４．　［５５］莫祖英，马费成，罗毅．微博信息质量评价模型构建研究　［Ｊ］．信息资源管理学报，２０１３，（２）：１２—１８．　［５６］贺刚，吕学强，李卓，等．微博谣言识别研究　［Ｊ］．图书情　报工作，２０１３，（２３）：１１４—１２０．　［４７］Ｃａｎｉｎｉ，Ｋ．Ｒ．，Ｓｕｈ，Ｂ．，ａｎｄ　Ｐｉｍｌｌｉ，Ｐ．Ｌ．．Ｆｉｎｄｉｎｇ　Ｃｒｅｄｉｂｌｅ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｏｕｒｃｅｓ　ｉｎ　Ｓｏｃｉｌ　Ｎｅｔａｗｏｒｋｓ　Ｂａｓｅｄ　ｏｎ　Ｃｏｎｔｅｎｔ　ａｎｄ　Ｓｏｃｉｌ　ａ［５７］程亮，邱云飞，孙鲁．微博谣言检测方法研究　［Ｊ］．计算机　应用与软件，２０１３，（２）：２２６—２２８，２６２．　Ｓｔｒｕｃｔｕｒｅ［Ｃ］∥Ｐｒｉｖｃａｙ，Ｓｅｃｕｒｉｙｔ，Ｒｉｓｋ　ｎｄａ　Ｔｒｕｓｔ（ＰＡＳＳＡＴ）ａｎｄ　２０１１　ＩＥＥＥ　Ｔｈｉｒｄ　Ｉｎｅｍａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｏｃｉｌａ　Ｃｏｍｐｕｔｉｎｇ（Ｓｏｃｉｌ－ａ　［５８］路同强，石冰，闫中敏，等．一种用于微博谣言检测的半监　督学习算法［Ｊ］．计算机应用研究，２０１６，（３）：７４４—７４８．　［５９］Ｇｉｎｓｃａ，Ａ．Ｌ．，Ｐｏｐｅｓｃｕ，Ａ．，ａｎｄ　Ｌｕｐｕ，Ｍ．ＣｒｅｄｉｂｉｌｉｔｙｉｎＩｎｆｏｒ－　ｍａｔｉｏｎ　Ｒｅｔｒｉｅｖａｌ　ｌ　Ｊ　Ｊ．Ｆｏｕｎｄａｔｉｏｎｓ　ａｎｄ　Ｔｒｅｎｄｓ　ｉｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｒｅ—　ｔｒｉｅｖａｌ，２０１５：３５５—４７５．　Ｃｏｍ），２０１１　ＩＥＥＥ　Ｔｈｉｒｄ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ，Ｂｏｓｔｏｎ，ＭＡ，　２０ｌｌ：１—８．　［４８］Ｒａｔｋｉｅｗｉｃｚ，Ｊ．，Ｃｏｎｏｖｅｒ，Ｍ．，Ｍｅｉｓｓ，Ｍ．，Ｇｏｎｑａｌｖｅｓ，Ｂ．，　Ｐａｔｉｌ，Ｓ．，Ｈａｍｍｉｎｉ，Ａ．ａｎｄ　Ｍｅｎｃｚｅｒ，Ｆ．Ｔｍｔｈｙ：ｍａｐｐｉｎｇ　ｔｈｅ　ｓｐｅｒａｄ　ｏｆａｓｔｒｏｔｕｒｆｉｎｍｉｃｒｏｂｌｏｇ　ｓｔｒｅａｍｓ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ　２０ｔｈ　ｉｎｔｅｍａｆｉｏｎａｌ　ｃｏｎｆｅｒｅｎｃｅ　ｃｏｍｐａｎｉｏｎ　ｏｎ　Ｗｏｒｌｄ　ｗｉｄｅ　ｗｅｂ（ＷＷＷ’１１）．　ＡＣＭ，Ｎｅｗ　Ｙｏｒｋ，ＮＹ，ＵＳＡ，２０１１：２４９—２５２．　［６０］Ｌａｚａｒ，Ｊ．Ｍｅｉｓｅｌｉｔｗｚ，Ｇ．ａｎｄ　Ｆｅｎｇ，Ｊ．Ｕｎｄｅｒｓｔｎｄａｉｎｇ　Ｗｅｂ　Ｃｒｅｄｉ—　ｂｉｌｉｔｙ：Ａ　Ｓｙｎｔｈｅｓｉｓ　ｏｆ　ｔｈｅ　Ｒｅｓｅａｒｃｈ　Ｌｉｔｅｒａｔｕｒｅ［Ｍ］．Ｎｏｗ　Ｐｕｂｌｉｓｈｅｒｓ　ｎｃ．２Ｏ０７：１—８ｏ．Ｉ　［４９］Ｇｕｐｔａ，Ａ．，Ｋｕｍａｒａｇｕｍ，Ｐ．，Ｃａｓｔｉｌｌｏ，Ｃ．，ａｎｄ　Ｍｅｉｅｒ，Ｐ．　ＴｗｅｅｔＣｒｅｄ：Ｒｅａｌ—Ｔｉｍｅ　Ｃｒｅｄｉｂｉｌｉｔｙ　Ａｓｓｅｓｓｍｅｎｔ　ｏｆ　Ｃｏｎｔｅｎｔ　ｏｎ　Ｔｗｉｔｔｅｒ　［６１］Ｚａｆａｒａｎｉ，Ｒ．Ａｂｂａｓｉ，Ｍ．Ａ．，ａｎｄ　Ｌｉｕ，Ｈ．社会媒体挖掘［Ｍ］．　北京：人民邮电出版社，２０１５：１—２４０．　［Ｃ］∥Ｓｏｃｉｌａ　Ｉｎｆｏｒｍａｔｉｃｓ．Ｓｐｒｉｎｇｅｒ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｐｕｂｌｉｓｈｉｎｇ，２０１４：　２２８—２４３．　［６２］拉塞尔．社交网站的数据挖掘与分析（第２版）［Ｍ］．北京：　机械工业出版社，２０１５：１—３６８．　［５０］Ｋｒｚｙｓｚｔｏｆ，Ｌ．，Ｊａｃｅｋ，ｓ．Ｗ．，Ｍｉｃｈａｌ，Ｊ．Ｌ．，ａｎｄＡｍｉｔ，Ｇ．Ａｕ—　ｔｏｍａｔｅｄ　Ｃｒｅｄｉｂｉｌｉｔｙ　Ａｓｓｅｓｓｍｅｎｔ　ｏｎ　Ｔｗｉｔｔｅｒ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，　２０１５，（２）：１５７—１６８．　［６３］梁循，杨小平，张海燕．面向社会化媒体大数据的社会计算　［Ｍ］．北京：清华大学出版社，２０１４：１—１２９．　（本文责任编辑：孙国雷）　：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：：　：：：：：：：：：：：：：：：：：：：：：：　（上接第１５９页）　［２３］路甬祥．空间数据共享及其面临的伦理挑战（英文）［Ｊ］．　遥感学报，２００Ｏ，（４）：２４５—２５０．　［２４］Ｃｆｌｌｎｌｎ￣ｒＥ，ＭａｎｄｉｎａｃｈＥ．Ｂｕｉｌｄｉｎｇ　ａ　ＣｏｎｃｅｐｔｕａｌＦｒａｍｅｗｏｒｋｆｏｒＤａｔａ　Ｌｉｔｅｒａｃｙ［Ｊ］．Ｔｅａｃｈｅｒｓ　Ｃｏｌｌｅｇｅ　Ｒｅｃｏｒｄ，２０１５，１１７（４）：ｎ４．　【２５　Ｊ　Ｍａｎｄｉｎａｃｈ　Ｅ　Ｂ，Ｇｕｎｌｒｆｌｅｒ　Ｅ　Ｓ．Ｅｖｅｒｙ　ｔｅａｃｈｅｒ　ｓｈｏｕｌｄ　ｓｕｃｃｅｅｄ　ｗｉｔｈ　ｌ８　７一ｌ８９９．　［３２］Ｍｅｉｎｅｋｅ　ＦＡ，Ｉ　Ｍ，Ｓｔａｕｂｅｒｔ　Ｓ，ｅｔａ１．Ｉｎｔｅｇｒａｔｉｏｎ　ｏｆｔｈｅ　ｃｌｉｎｉｃａｌ　ｄａｔａ　ｍａｎａｇｅｍｅｎｔ　ｓｙｓｔｅｍ　ＯｐｅｎＣｌｉｎｉｃａ　ｉｎｔｏ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｉｆｒｎａｓｔｒｕｃｔｕｒｅ　ｏｆ　ｈｅ　ＣｅｎｔｔｅｒｆｏｒＳｅｐｓｉｓ　Ｃｏｎｔｒｏｌａｎｄ　Ｃａｒｅ（ＣＳＣＣ）［Ｃ］．Ｉｎｆｃｔｉｅｏｎ．Ｔｉｅｒ—　ｇａｒｔｅｎｓｔｒａｓｓｅ　１７，Ｄ一６９１２１　Ｈｅｉｄｅｌｂｅｒｇ，Ｇｅｒｍａｎｙ：Ｓｐｒｉｎｇｅｒ　Ｈｅｉｄｅｌ－　ｂｅｒｇ，２０１１，３９：Ｓ１４１一Ｓ１４１．　ｄａｔａｌｉｔｅｒａｃｙ［Ｊ］．Ｐｈｉ　ＤｅｌｔａＫａｐｐａｎ，２０１６，９７（８）：４３—４６．　［２６］Ｍａｎｄｉｎａｃｈ　Ｅ　Ｂ，ＣＭｌＩｏｎｌｅｒＥ　Ｓ．Ａ　ｓｙｓｔｅｍｉｃ　ｖｉｅｗ　ｏｆｉｍｐｌｅｍｅｎｔｉｎｇ　ｄａｔａ　ｌｉｔｅｒａｃｙ　ｉｎ　ｅｄｕｃａｔｏｒ　ｐｒｅｐａｒａｔｉｏｎ［Ｊ］．Ｅｄｕｃａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈｅｒ，２０１３，　４２（１）：３０—３７．　［３３］Ｍｙｎｅｎｉ　Ｓ，Ｐａｔｅｌ　Ｖ　Ｌ．Ｏｒｇａｎｉｚａｔｉｏｎ　ｏｆ　ｂｉｏｍｅｄｉｃａｌ　ｄａｔａ　ｆｏｒ　ｃｏｌｌａｂｏｍ—　ｉｆｖｅ　ｓｃｉｅｎｔｉｉｆｃ　ｒｅｓｅａｒｃｈ：Ａ　ｒｅｓｅａｒｃｈ　ｉｆｏｒｍａｔｎｉｏｎ　ｍａｎａｇｅｍｅｎｔ　ｓｙｓｔｅｍ　［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌｊＯＵｌｌｌｌｏａｆｉｆｏｒｎｍａｔｉｏｎｍａｎａｇｅｍｅｎｔ，２０１０，３０（３）：　２５６—２６４．　［２７］孟祥保，钱鹏．国外数据管理专业教育实践与研究现状［Ｊ］．　中国图书馆学报，２０１３，（６）：６３—７４．　［２８］孟祥保，钱鹏．国外高校图书馆数据馆员岗位设置与管理机　制［Ｊ］．图书与情报，２０１３，（４）：１２—１７．　［３４］Ｆｒａｎｋ　Ｅ　Ｐ，ＰｈａｒｏＮ．Ａｃａｄｅｍｉｃｌｉｂｒａｒｉａｎｓｉｎ　ｄａｔａｉｎｆｏｒｍａｔｉｏｎｌｉｔｅｒａｃｙ　ｉｎｓｔｕｃｔｒｉｏｎ：ａ　ｃａｓｅ　ｓｔｕｄｙ　ｉｎ　ｍｅｔｏｒｏｌｅｏｇｙ［Ｊ］．Ｃｏｌｌｅｇｅ＆ＲｅｓｅａｒｃｈⅡ一　ｂｒａｒｉｅｓ，２０１５：ｃｒｌ１５—８２８．　［３５］Ｈａｅｎｄｅｌ　Ｍ　Ａ，Ｖａｓｉｌｅｖｓｋｙ　Ｎ　Ａ，Ｗｉｒｚ　Ｊ　Ａ．Ｄｅａｌｉｎｇ　ｗｉｔｈ　ｄａｔａ：Ａ　ｃａｓｅ　ｓｔｕｄｙ　ｏｎ　ｉｆｏｒｎｍａｔｉｏｎ　ａｎｄ　ｄａｔａ　ｍａｎａｇｅｍｅｎｔ　ｌｉｔｅｒａｃｙ［Ｊ］．ＰＩｚ￣Ｓ　Ｂｉ—　ｏｌ，２０１２，１０（５）：ｅ１００１３３９．　［２９］沈婷婷，卢志国．科研项目不同阶段的科学数据监管方法　［Ｊ］．图书馆建设，２０１３，（３）：４９—５１．　［３０］Ｃｈｒｉｓｔｉｎｅ　Ｌ．Ｂｏｒｇｍａｎ，青秀玲．科研数据共享的挑战［Ｊ］．现　代图书情报技术，２０１３，（５）：１—２０．　［３１］Ｐｌａｔｔ　Ｒ，Ｒａｍｓｂｅｒｇ　Ｊ．Ｃｈａｌｌｅｎｇｅｓ　ｆｏｒ　Ｓｈａｒｉｎｇ　Ｄａｔａ　ｆｒｏｍ　Ｅｍｂｅｄｄｅｄ　Ｒｅｓｅａｒｃｈ　ｌＪＪ．Ｎｅｗ　Ｅｎｇｌｎｄ　Ｊｏｕｒａｎａｌ　ｏｆＭｅｄｉｃｉｎｅ，２０１６，３７４（１９）：　［３６］Ｃａｎｎｉｃｈａｅｌ　Ｐ．Ｔｒｉｂｅｓ，ｔｅｒｒｉｔｏｒｉｅｓ　ａｎｄ　ｔｈｒｅｓｈｏｌｄ　ｃｏｎｃｅｐｔｓ：Ｅｄｕｃａｔｉｏｎ－　ａｌ　ｍａｔｅｒｉｌａｉｓｓ　ｍａｔｗｏｒｋｉｎ　ｈｉｇｈｅｒｅｄｕｃａｔｉｏｎ［Ｊ］．Ｅｄｕｃａｔｉｏｎｌａ　Ｐｈｉｌｏｓｏｐｈｙ　ｎｄＴａｈｅｏｒｙ，２０１２，４４（ｓ１）：３１—４２．　（本文责任编辑：郭沫含）　－－－—・—１６９・－－－——