社会企业与制度资本的互动关系研究
本文综述了关于制度企业家、制度资本与社会企业的相关研究。制度企业家是指在制度环境下，通过创新和改革推动社会企业发展的人。制度资本是企业在制度环境中的资源整合能力。社会企业关注社会问题和公共利益，以实现可持续发展。文章分析了这些概念的内涵和相互关系，并提出了未来研究的方向。
人工智能在创新管理中的角色与挑战
这篇文章主要探讨了人工智能在创新管理中的重要作用。在当前社会数字化发展的背景下，人工智能系统的出现为创新管理带来了新的可能性。文章提出了一种人工智能在创新流程中的应用框架，并通过理论背景梳理和实际应用案例分析，揭示了人工智能如何帮助企业提高创新效率，降低创新风险，并创造更多价值。同时，也指出了在创新管理过程中使用人工智能系统所面临的挑战。未来研究的一个重要方向将是探索如何在创新管理中更好地利用人工智能系统，以提高企业的竞争力。
造假大师 | ChatGPT给出的参考文献有多离谱？
最近，尝试了一下ChatGPT搜寻相关文献的功能。总体来说，响应挺快，介绍相关领域的研究论文头头是道，给出的参考文献格式也挺规范，还能直接提供文章的doi，甚至网站链接。咋看起来挺靠谱，实际上是典型的造假大师。那么，ChatGPT给出的参考文献有多离谱？不能说十分符合，只能说是毫不相关，给出的参考文献甚至没有一篇是真实的。 下面演示一下 基于提示工程，先给ChatGPT一个训练，改善其响应质量。先告诉ChatGPT的身份，以及擅长的领域。Q1. You are an environmental researcher. Q2. You specialize in microbial electrochemistry, especially microbial fuel cells. 然后调研一下是否有碳化铁材料用于微生物燃料电池。Q3. Are there iron carbide materials used as microbial fuel cell anodes? 给出的答案看起来挺靠谱。 进一步询问研究来源，以及提供更多类似的研究。 Q4. Can you give me the source of these studies? Q5. Is there more research? 然后用Web of Science搜索一下这些文章。 重点来了，搜索结果全军覆没，没有一篇文章能通过Web...
可解释AI、数据起源与可信AI：21世纪科技前沿的探索
这篇文章主要探讨了人工智能和机器学习模型的可解释性和透明度问题。在学界的共识下，AI和ML模型应当是透明的，可解释的和可信的。因此，可解释AI（XAI）领域迅速扩张，通过解释复杂模型如深度神经网络的生成过程，可以提高人工智能系统可信度和透明度。文章回顾了相关文献，并对数据起源、可解释AI和可信赖AI进行了系统的综述。作者强调了数据起源在提高AI系统透明度的重要作用，并通过Bibliometrix和VOS Viewer等工具进行了文献计量分析。同时，文章介绍了多种将数据起源文档化的工具，如W3C PROV本体和OpenML，并在实际应用中引入了Renku等工具软件。最后，作者强调了数据起源对于XAI和TAI的重要性，呼吁开发更多自动化工具记录数据起源，并使其可查询和访问。