立足数字人文,深化历史叙事|科学智能赋能人文社科领域研究

2025 年初 DeepSeek-R1 的发布引起轰动,这标志着继 2022 年末 ChatGPT 引发的全球人工智能浪潮后,人类在智能技术应用的征途上迈出了更具实践导向的关键步伐。随着人工智能技术的飞速发展,大语言模型(LLM)工具已经逐渐渗透进生活、学习、科研的方方面面。即便在人文社科领域,使用大语言模型辅助工作也是常态。然而,当前大模型在面对专业性强、历史脉络复杂的问题时,往往会给出模棱两可的回答。因此,如何提升大模型的应用效能,实现知识的深度结构化与专业化,让大模型能够更精准、高效地服务于人文社科研究,成为了当前时代人文社科学者共同面临的重大命题。

基于此,山东大学数字人文实验室数典述疆团队(以下简称“团队”)开发了中国首个边疆历史文化专业知识库,探索出了科学智能赋能人文社科领域研究的新路径,以前沿数字技术为边疆历史及更广范围的人文研究提供坚实新基建,并在此基础上开发面向研究者与公众的创新应用,确保专业知识的高效、准确传播。

边疆历史事关国家主权和领土完整、民族认同,其历史叙述必须严谨、准确、权威。为了更精准地讲述和传播边疆故事,传承边疆历史,团队依托边疆历史文化领域的长期积累,着力构建国内首个边疆历史文化知识库,并衍生相关应用。目前,团队已完成三项核心数字化成果。

  • 高度结构化的边疆历史文化专业知识库。该知识库是数字人文方法论的基石与核心,它并非简单文献或资料堆砌,而是对如何系统性、结构化地管理人文知识,并使其能为AI所用、为人所用的核心思考与实践。相较于通用AI,专业知识库应该能够提供更加权威、精确、深度结构化的知识内容。文科研究者往往拥有自己领域内独特且珍贵的语料和知识积累。通过构建专业知识库并结合检索增强生成(RAG)技术,可以将专业知识“注入”大模型,使其成为研究者专属的、更懂行的智能助手,辅助文献研读、事实核查、乃至启发新的研究思路。

  • 边疆历史文化数字景观平台。数字景观平台是基于知识库的延伸应用,能够通过数字化、可视化手段展示文献资料,作为对外展示资料储备的窗口。这种“数字景观”的呈现方式,对于任何需要进行空间叙事、情境再现的人文研究领域(如历史地理、城市研究、战争史、文学作品的地理背景分析等)都具有借鉴意义。它可以帮助学者将研究成果转化为更易于公众理解和体验的数字化产品,拓展学术传播的边界

  • 可交互的边疆历史文化数字人。团队开发了可交互的边疆历史文化数字人 “卫沧溟”。其底层接入外挂知识库的大语言模型,具备准确回答边疆历史文化问题的能力。可交互数字人作为一种新兴的知识传播和互动媒介,能够提供极具吸引力和沉浸感的交互体验,为文科知识的普及教育开辟新路径。

这套以构建专业知识库为核心,结合前沿AI技术与多元化数字呈现手段的方法论,不仅适用于边疆研究,更对广大文科生和人文社科学者具有普遍的借鉴意义。它展示了在大模型时代,文科研究者如何主动作为,利用科学智能深化研究、创新表达、拓展知识服务的可能性。

以大模型辅助文献整理、自主专业学习问答、学术选题启发和历史书写优化,提升了学术研究与创作的效率与质量。早在 2019 年,山东大学数字人文实验室就与和鲸展开了合作,共同深入探索人工智能领域,推动从“数字平台”向“数智平台”的转变。2024年3月,双方携手打造了数智实践课堂,以趣味教学赋能数据人才培养。山东大学东亚数字人文团队充分利用和鲸科技的技术支持和实验室资源,搭建了数字人文教研一体化平台。平台面向全校学生推出了《数字人文通用技术与实践》课程,旨在广泛传播数字人文知识。此外,还特别邀请了和鲸科技的专业团队进行线下实践授课,以进一步增强学生的跨学科实战综合能力。2024年12月,山东大学同智谱、和鲸共同发布“边疆大模型暨综合智能体”,并签署“101 数智领航计划”,助力高校人才培养模式的持续变革,推动人才培养由“知识为主”向“能力为先”转变。

当前,科学智能发展迅速,AI4S正以其跨学科研究方法创新及计算机技术融入逐渐改变人文社科在科学研究的模式,通过将AI技术转化为基础研究能力,也为进一步强化统一研究方法提供助力。您可联系和鲸了解其他科学智能驱动科研范式变革相关案例,获取更多科研灵感与助力

和鲸科技深耕人工智能与数据科学十年,以推动 AI for Science 科研范式改革为使命,依托旗下数据科学协同平台 ModelWhale,开启了全方位的创新实践。近年来更是联合众多科研组织与机构,全面推进科学智能在垂直领域创新应用,为赋能国家创新体系建设添砖加瓦。

和鲸 ModelWhale 已面向科研机构、高校及专业领域企业及个人打造专属科学智能应用,致力于为人工智能科研团队、学者提供科研支持与助力。欢迎您前往和鲸官网联系和鲸工作人员免费体验

和鲸 ModelWhale 大模型应用平台即将正式发布,欢迎您联系和鲸工作人员参与AI应用调研,赢取 ModelWhale 大模型应用平台内测资格!

代码下载链接: https://pan.quark.cn/s/a175d1ef418b 标题部分中的"新建文件夹 (2).zip"暗示这是一个采用ZIP编码方式的压缩文档,这种格式通常用于将多个关联的文件或目录整合进一个压缩单元中。在信息技术领域,ZIP编码格式是一种广泛应用的标准,它支持将多个据单元压缩成一个独立的压缩文件,从而提升文件传输的便捷性、存储空间的利用效率以及管理的便捷度。ZIP格式的压缩文件可以通过多种解压缩工具进行访问,例如WinRAR软件、7-Zip应用程序或操作系统自带的压缩解压功能。 描文本里的"shop"字样或许指向这个压缩文档与商业店铺、电子商务平台或网络销售系统存在关联。在Java编程范畴内,这有可能是一个范例项目,用以说明构建电子商务平台相关功能的实现方法,涵盖商品维护、购物车功能以及订单处理等模块。Java语言因其跨平台兼容性、系统稳定性以及完备的库资源支持,经常被选作开发大型企业级应用的技术栈,尤其是电子商务系统。 依据标签"java"的指示,可以推断压缩包内部可能包含了采用Java编程语言编写的源代码片段、系统配置文档、据库操作脚本及其他辅助性资源。Java程序员一般借助集成开发环境(IDE)如Eclipse、IntelliJ IDEA或NetBeans进行Java代码的编写、编译及执行操作。这些开发工具能够高效地支持ZIP文件中项目结构的导入与管理。 文件命名列表仅列出一个条目"新建文件夹 (2)",这或许意味着压缩文档中包含一个同名的文件夹,该文件夹内可能收纳了一系列子文件及子目录。在实际的Java开发任务中,类似的结构可能包含src目录(存放程序源代码)、lib目录(存放项目依赖的jar库文件)、resou...
内容概要:本文系统研究了基于Kantorovich距离的SBR(Sequential Benefit Replacement)算法在电力系统场景削减中的应用,旨在从大量原始不确定性场景中筛选出最具代表性的型场景,以降低随机优化问题的计算复杂度。该方法通过引入Kantorovich距离(也称Wasserstein距离)精确量化场景之间的差异性,并结合SBR算法实现场景的逐步合并与削减,有效保留原始场景的概率分布特征。文中提供了完整的Matlab代码实现,便于用户复现算法,特别适用于处理风电出力、负荷波动等具有强随机性和不确定性的多场景优化问题,如微电网调度、电氢耦合系统运行等。; 适合人群:具备一定概率统计、优化理论基础和Matlab编程能力,从事电力系统、新能源并网、能源互联网、随机规划及综合能源系统优化等领域研究研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于高比例可再生能源接入下的电力系统随机优化调度、微电网能量管理、多能互补系统等需要进行多场景分析与决策的建模场景;②帮助研究人员深入掌握Kantorovich距离的学原理与计算方法,以及SBR算法的迭代逻辑与实现技巧,提升对不确定性建模、场景生成与削减技术的理解与应用能力; 阅读建议:建议读者结合提供的Matlab代码,重点理解距离矩阵的构建、场景权重的更新规则以及场景合并的判定逻辑,通过调试代码并代入实际风电或负荷据进行案例测试,以深刻领会算法的核心思想与工程价值。
内容概要:本文围绕电力系统短期负荷预测问题,深入研究了基于极限学习机(ELM)及其智能优化算法的应用方法,提出并实现了白鲸优化算法(BWO)和鹭鹰优化算法(IBOA)对ELM模型的关键参进行寻优的技术路径。通过Matlab编程实现,优化后的模型有效提升了预测精度,降低了原始ELM因随机初始化带来的不稳定性和误差波动,增强了模型在面对电力负荷不确定性变化时的泛化能力和鲁棒性。研究系统阐了ELM的基本原理、两种新型群智能优化算法的搜索机制及其在解决非线性参优化问题上的优势,并通过实验对比验证了优化模型在均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标上的显著优越性,为电力系统负荷预测提供了高效可靠的解决方案。; 适合人群:具备电力系统分析、人工智能算法理论基础及Matlab编程能力的高校研究生、科研机构研究人员以及电力公司从事负荷预测、电网调度与能源管理的工程技术人员。; 使用场景及目标:①应用于电网调度中心的短期负荷预测业务,提高预测准确性,保障电力供需平衡;②为智能优化算法在电力工程领域的落地应用提供可复现的技术范例;③支撑电力市场出清、发电计划制定、储能系统配置及需求侧响应等关键决策环节; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点理解ELM网络结构搭建、适应度函设计、优化算法迭代流程及预测结果后处理等关键步骤,通过调整据集和参设置,深入掌握模型调优技巧,并尝试将该方法迁移至风电、光伏功率预测等相似时序预测任务中。
内容概要:本文档聚焦于“经济学期刊论文复现:数字化转型能促进企业的高质量发展吗”这一核心命题,系统整合了大量基于Matlab和Python的科研代码资源,涵盖微电网优化调度、电力系统分析、机器学习预测模型、路径规划算法、信号与图像处理、通信技术优化等多个工程技术领域。文档的核心在于通过复现高水平学术论文中的量化模型与实证方法,帮助研究人员深入理解数字化转型对企业高质量发展的理论机制与实际影响,并提供可操作的技术路径进行仿真验证与拓展研究。内容不仅包括据驱动的建模、优化算法设计与仿真分析,还涉及多学科交叉的应用场景,如能源系统优化、智能制造、智能交通等,旨在为科研工作者提供一套完整的从理论到代码实现的支持体系。; 适合人群:具备一定编程基础和经济学或工科背景的研究生、科研人员及高校教师,尤其适合从事数字化转型、能源经济、企业管理、电力系统优化、智能算法应用等相关领域研究的专业人士。; 使用场景及目标:①用于复现经济学领域关于数字化转型与企业高质量发展的实证研究模型;②支撑科研论文撰写、课题申报与仿真验证工作;③辅助掌握Matlab/Python在经济与工程交叉领域的建模方法、优化技术和据分析能力,提升科研效率与创新能力。; 阅读建议:建议结合文中提供的代码与网盘资料同步实践操作,优先选择与自身研究方向契合的内容深入学习,注重模型构建逻辑、参设置与优化过程的理解,同时可关注“荔枝科研社”公众号获取配套讲解、更新资源及技术交流支持。
下载代码方式:https://pan.quark.cn/s/746a98442a86 《据库课程设计:教材征订管理系统》 教材征订管理系统是一种针对教学管理而开发的信息系统,其目的是提升学校教材征订工作的效率和准确性。该系统的构建过程包含后台据库的构建和前端应用程序的研制,非常注重据的一致性、完整性以及较高的安全性。系统不仅能够处理多价格书籍的征订、采购和发行,还支持在货物到达之前更换书目,以及进行大量据录入和书目检索等操作。 系统的开发选用SQL Server 2000作为据库平台,PowerBuilder 9.0作为前端开发工具,而据源则选用了ACCESS 2000。ODBC(开放式据库连接)用于与据源建立连接,SQL结构化查询语言则用于实施查询任务。系统的核心关键词有教材征订、面向对象、库存查询和PB9.0,这表明系统设计采用了面向对象的编程理念,并非常重视库存的即时查询。 前言部分提到,由于学生量的增长和教材种类的多样化,传统的教材征订管理模式已经难以适应,因此迫切需要建立一个与选课制度相匹配的教材征订管理系统。该系统能够自动化处理教材收费和领取流程,包含四个主要的功能模块:教材的入库与出库管理、学生书费管理、系统管理以及综合查询。 系统设计之初需要深入理解相关问题。教材征订管理系统必须具备登录、教材信息管理等功能,支持基础信息的录入、修改和查询,以及复杂的统计分析。涉及的据信息涵盖教材征订、库存、购买和收款等详细记录。 需求分析是据库设计的关键环节,包括据流图和据字的构建。据流图展示了教材从征订到发放的整个流程,据字则详细说明了各个据项的特征。比如,教材编号由七位数字组成,教材管理表单包含了征订号、书名、出版社、作...
标题基于Springboot+Vue的景区推荐系统设计与实现AI更换标题第1章引言介绍景区推荐系统的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义阐景区推荐系统对旅游业发展的重要性及研究价值。1.2国内外研究现状分析国内外景区推荐系统的研究进展及存在的不足。1.3研究方法及创新点介绍本文的研究方法、技术路线及主要创新点。第2章相关理论总结景区推荐系统相关的理论基础和技术。2.1推荐系统基本理论阐推荐系统的基本概念、分类及工作原理。2.2Springboot框架技术介绍Springboot框架的特点、优势及其在系统中的应用。2.3Vue前端框架技术介绍Vue框架的特点、优势及其在系统中的应用。2.4据挖掘与机器学习算法简据挖掘与机器学习算法在推荐系统中的应用。第3章系统需求分析与设计详细描系统的需求分析、架构设计及据库设计。3.1系统需求分析分析系统的功能需求、性能需求及用户需求。3.2系统架构设计设计系统的整体架构,包括前端、后端及据库等。3.3据库设计设计系统的据库结构,包括表结构、字段及关系等。第4章系统实现与测试介绍系统的实现过程、关键技术及测试方法。4.1系统实现过程详细介绍系统的开发环境、开发工具及实现步骤。4.2关键技术实现阐系统实现中的关键技术,如推荐算法、前后端交互等。4.3系统测试方法介绍系统的测试方法、测试用例及测试结果分析。第5章系统优化与改进分析系统存在的问题,提出优化与改进方案。5.1系统性能优化针对系统性能瓶颈,提出优化方案,如缓存技术、负载均衡等。5.2推荐算法改进根据用户反馈和据分析,改进推荐算法,提高推荐准确性。5.3用户体验提升优化系统界面设计,提升用户体验,如增加个性化设置、简化操作流程等。第6章结论与展望总结本文的研究成果,展望未来的研究方向。6.1研究结论概括本文的主要研究成果,包括系
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值