2.《“赛博远征”：中国式现代化进程中青年的数字文化主体与全球认同协商》
作者：张戌
一、研究问题
中国式现代化宏观背景下，青年数字文化主体性的生成逻辑与内在动因是什么？
Z 世代群体依托数字平台开展跨文化实践，采用何种叙事策略与符号协商方式消解文化壁垒？
“赛博远征” 模式的现实价值、现存困境与未来演进方向如何，对文明互鉴和全球治理有何启示？
二、研究方法
文献研究法：系统梳理国际传播、青年文化、Z 世代群体、跨文化传播、文化折扣相关学术成果与理论文献。
理论建构法：以数字文化主体性为主轴，搭建宏观 — 中观 — 微观三层分析框架，阐释内在作用机理。
案例分析法：选取短剧、数字游戏、短视频、国风创作等典型青年文化传播实践展开具象分析。
归纳演绎法：从青年网络行为现象提炼范式演进规律，推导跨文化传播优化路径与发展趋势。
质性研究法：依托文本解读、现象观察，剖析网络仪式、趣缘共同体的组织动员逻辑。
三、研究结论与贡献
主要结论
中国青年网络文化实践已从早期对抗性表达，转向具备文化自觉的建设性 “赛博远征” 范式，核心由冲突对立转为认同协商。
该范式生成源于三重支撑：中国式现代化涵养文化自信、数字平台提供技术渠道、网络仪式凝聚趣缘群体共识。
青年群体形成成熟跨文化策略：以共通情感建立共情联结、以数字化转译传承中华美学、以和而不同方式融合全球流行符号。
当前仍存在文化隔阂等现实阻碍，未来需从单向形象展示，转向多元议题参与，深度融入全球文明交流格局。
主要贡献
理论贡献：提出 “赛博远征” 核心概念，构建青年数字文化主体性分析框架，丰富国际传播与青年文化研究理论体系。
实践贡献：系统总结 Z 世代跨文化传播叙事策略，为青年参与全球对话、文化对外交流提供实践参考。
价值贡献：厘清民间自发传播与国家对外叙事的内在关联，为文明互鉴、人类命运共同体建设提供青年视角支撑。
四、研究局限性
以理论阐释与案例定性分析为主，缺乏大样本实证数据量化检验支撑。
案例选取集中于网络流行文化产品，未覆盖乡村青年、小众圈层等多元群体。
对西方舆论偏见、地缘文化差异等深层结构性阻碍探讨不够深入。
偏现状机理分析，未建立长效引导机制与政策配套落地路径。
对数字文化产业的影响
明晰 Z 世代作为传播主体的价值，为数字文创、短视频、网络游戏等品类开展国际传播提供新路径。
确立情感共鸣、美学转译、符号融合的创作逻辑，指导国产文化产品适配全球受众审美与认知习惯。
推动平台完善跨文化创作生态，优化算法分发与国际传播渠道，助力民间文化表达良性发展。
为行业规避跨文化传播误区、弱化文化折扣提供思路，促进数字文化产业稳健开展国际交流。
助力构建官方引导、青年参与、平台赋能的多元传播格局，提升中华文化全球影响力。
3.AI-assisted teams outperform AI-led teams but not human-only teams in assessing research reproducibility in quantitative social science
作者：Abel Brodeur（第一作者），David Valenta，Alexandru Marcoci 等 288 位全球学者
通讯作者：Abel Brodeur（渥太华大学经济学系）
一、研究问题
在定量社会科学研究的可重复性评估中，纯人类、AI 辅助、AI 主导三种不同人机协作模式的表现存在何种差异。大语言模型在可重复性评估的三个核心环节（计算复现、错误检测、稳健性检验）中分别展现出哪些优势与局限性。当前 AI 技术在高认知学术任务中的能力边界在哪里，对未来科研工作中的人机协作模式有何启示。
二、研究方法
采用全球规模最大的学术可重复性评估随机对照实验设计，将 288 位来自全球顶尖机构的学者随机分配至 103 个团队，分为纯人类团队、AI 辅助团队、AI 主导团队三组。所有团队在 7 小时内完成三项标准化任务：计算复现指定论文结果、检测论文中的编码与数据错误、提出并执行稳健性检验。运用普通最小二乘法回归分析不同组别间的结果差异，采用 Kaplan-Meier 生存分析比较任务完成速度，通过固定效应模型控制团队规模、学者经验等混淆变量。对部分参与者进行焦点小组访谈，收集其在使用 AI 过程中的体验、困难与建议，补充量化数据的解释力。系统梳理学术可重复性危机、AI 在科研中的应用、人机协作等领域的相关研究成果。
三、研究结论与贡献
主要结论
纯人类团队与 AI 辅助团队表现相当，均显著优于 AI 主导团队。纯人类团队计算复现成功率为 94%，AI 辅助团队为 91%，两者无统计学显著差异；AI 主导团队成功率仅为 37%，远低于前两组。人类在重大错误检测方面具有不可替代的优势，纯人类团队平均发现 1.70 个重大错误，AI 辅助团队为 0.74 个，AI 主导团队仅为 0.23 个；AI 主导团队在识别需要深度理解研究设计的错误时表现尤为薄弱。AI 辅助可提升效率但无法提高准确性，AI 辅助团队在完成任务的速度上略快于纯人类团队，但在错误检测的全面性和稳健性检验的质量上并未超越人类。AI 主导团队的核心局限在于缺乏深度理解能力，其失败主要源于无法准确把握论文的实证策略、难以解释复杂的统计结果，以及容易产生幻觉和错误推断。
主要贡献
首次通过大规模随机对照实验量化了不同人机协作模式在高认知学术任务中的表现，明确了当前大语言模型在科研领域的能力边界，丰富了人机协作理论在学术场景下的应用。为科研人员合理使用 AI 辅助工具提供了实证依据，为学术期刊和科研机构制定 AI 使用规范、优化审稿流程提供了科学参考。开创了 "AI 复制游戏" 的标准化实验范式，为未来研究 AI 在不同学科、不同科研环节中的应用提供了可复制的研究方法。
四、研究局限性
实验仅使用了 OpenAI 的 GPT-4 和 GPT-4o 模型，结论不能直接推广至其他厂商的大语言模型或未来更新的模型版本。评估对象仅限于经济学、政治学、心理学等定量社会科学领域的论文，未涉及自然科学、工程学和人文学科。将任务完成时间限制为 7 小时，与真实科研中可重复性评估的完整过程存在差异，可能影响结果的外部效度。AI 主导团队使用的提示词为标准化设计，未经过专门的工程优化，可能未能充分发挥大语言模型的潜力。实验未追踪参与者使用 AI 工具的长期学习过程，无法评估随着 AI 使用经验增加，人机协作表现的变化趋势。
对数字文化产业的影响
明确人机协作的最优模式，为数字文化产业中的内容审核、学术出版、知识服务、创意生产等领域应用 AI 提供了参考，确立了 "人类主导 + AI 辅助" 的核心原则。引导 AI 工具的理性应用，提醒行业避免过度依赖 AI 进行需要深度理解和价值判断的高认知任务，强调人类专家在内容质量把控和文化传承中的核心地位。推动 AI 产品的垂直化优化，促进 AI 工具开发商针对学术和文化领域的特定需求，优化模型在复杂文本理解、逻辑推理和批判性分析方面的能力。促进学术出版行业转型，为学术期刊探索人机协作的审稿新模式提供了依据，有助于提高审稿效率、降低审稿成本，缓解学术可重复性危机。助力 AI 素养教育体系建设，为高校和科研机构开展 AI 素养教育提供了实证基础，指导科研人员和文化工作者正确、高效地使用 AI 辅助工具。
