数字历史项目中的用户反馈自动分类与 .docxVIP

PAGE2

数字历史项目中的用户反馈自动分类与

摘要

本文聚焦公共史学与记忆研究领域，探讨人工智能技术应用于数字历史项目用户反馈自动分类的理论基础与实践框架。随着数字历史项目在全球范围内的蓬勃发展，用户生成的海量反馈数据成为理解公众历史认知与集体记忆建构的重要资源，然而传统人工分类方法已难以应对数据规模与复杂性的双重挑战。

研究首先梳理了公共史学参与式转向与记忆研究连接主义范式演进的理论脉络，揭示了用户反馈作为“微观记忆实践”的理论价值。在此基础上，本文构建了“记忆协商型反馈分类框架”，将用户反馈划分为事实纠错型、情感共鸣型、叙事竞争型与身份认同型四类，并论证了各类反馈在记忆协商连续体中的理论位置。

论文进一步阐释了AI辅助分类的三层作用机制：语义识别层实现反馈内容的初步解析，协商定位层判断反馈在记忆协商中的功能角色，知识转化层将分类结果转化为项目改进的结构化知识。研究提出，AI分类系统不仅是技术工具，更是数字历史项目“算法守门人”机制的核心构成，其分类逻辑深刻影响着何种记忆得以显现、何种声音被边缘化。本文最终建构了“人机协同的记忆协商”理论模型，为理解数字时代历史知识生产中的权力关系与技术伦理提供了新的分析框架。

关键词：数字历史；用户反馈分类；人工智能；公共史学；记忆研究；记忆协商

第一章绪论

1.1研究背景

数字历史项目的兴起深刻改变了公众参与历史知识生产的方式。从