报告时间：11月12日周三下午16：00报告地点：主楼310

主持人：刘洁教授

报告一：说服性要素对社交媒体辟谣信息分享的影响

汇报人：钞凡

哈尔滨工业大学管理科学与工程专业博士

主要研究方向：

社交媒体数据挖掘，网络舆情治理。

报告内容简介：

社交媒体在成为信息分享重要渠道的同时，也为谣言传播提供了温床，严重危害社会信任与稳定。尽管发布辟谣信息是应对谣言的关键策略，但其传播速度和广度常滞后于谣言，导致效果受限。因此，如何有效促进辟谣信息的分享，扩大其覆盖范围，是当前谣言治理的核心挑战。本次汇报所涉及的研究整合耶鲁说服性传播模式与详尽可能性模型，综合运用复杂网络、机器学习、计量经济学、问卷调查及调查实验法，从来源、内容和接收者三个方面，对影响社交媒体用户辟谣信息分享的因素进行了系统的研究，从理论上深化了对社交媒体用户辟谣信息分享行为的理论认知，也为提升谣言治理效率提供了实证依据和可行方案。

·

报告二：基于超网络的前沿交叉领域融合创新机会发现研究

汇报人：吴俣

中国农业科学院农业信息研究所农业信息管理专业博士

主要研究方向：

文本挖掘、大语言模型、自然语言处理、生态环境政策文本挖掘

报告内容简介：

本次汇报聚焦于前沿交叉领域的识别与融合创新机会发现问题。围绕学科交叉带来的复杂性与不确定性，本研究融合大语言模型、知识图谱、超网络建模与路径挖掘方法，构建了“识别–建模–分析–预测”一体化研究框架，实现了从前沿交叉领域判别，到创新要素抽取、异构超网络构建，再到融合创新机会识别的系统研究。研究以合成生物学为实证场景，验证了模型在前沿性识别、创新路径挖掘与潜在融合方向预测方面的有效性。未来将面向多语种、多领域应用拓展模型能力，增强创新路径逻辑解释性与动态预测性能，服务科技政策制定与前沿监测体系建设。