烈意愿去获得它。比如，会让人乐于转发到新浪微博、微信 朋友圈，会让人更加频繁打开应用查看动态通知页面。微信朋友圈、新浪微博，都具有抖音的这种传播特质，各类消息 自动通知，视频自动播放下一集，无限下拉的消息源，热门 标签和话题…… 网上流传着不少关于抖音的传说，“抖音 5 分钟，人间 1 小时” “一入抖音深似海，从此抖腿不能改”...... 海马 云大数据等发布的《2018 抖音研究报告》显示，抖音推出半

限制。而在社 交媒介中，受众则从“想象受众”变为“量化受众”。他们 按自己的表达欲和资源储备进行内容呈现，较少受到他人的 限制。 在内容分发过程中，一方面在算法推荐环境下，受众及 其行为被标签化和量化以改善算法体验，从而使得算法收集、 分发的内容更贴合人的需求；另一方面，意见领袖等具有一 定影响力的大 V 扮演着重要作用，他们借助二级传播对受众 产生影响，能形成更大的传播效应，实现一定的经济价值、

自动技术已经从根本上改变了战争的地理界线，国际和国内 安全规范之间的界限也已经变得模糊。 国家倾向将数字空间改造成一个可以征服的战场。国际 关系理论中，可以通过对某些问题进行特别的概念修饰，进 而对其贴上“安全化”的标签，这不仅能够在观念上提升这些 问题的重要性，并且可以用军事方案做“预先处理”。按照这 个框架，互联网和数字技术正在处于被“安全化”的危险之中， 并且最终将被吸纳到政府军事政策的架构之中。 三

跟踪学生答题数据，识别薄弱点并动态调整推题策略，实现个性 化组卷。同时也会使用知识图谱技术，通过知识点标签和分类索 引，智能筛选题目进行组卷。 目前市面上已有多个智能组卷系统，通过整合大量小学、初 中、高中多学科的精品试题，涵盖各地重要考试、名校试卷以及 中高考真题，构建了以知识点、难度系数、题型标签为核心的精17 细化题库体系，并为每道试题配有题目、解析和答案。依托海量 试题资源，组卷系统提供手动选题组卷、固定抽题组卷和随机抽 历史事件、前沿科技、时事动态等。从技术本质上看，学习资料22 推荐系统是通过算法模型模拟教师在教学过程中的资源筛选与 差异化推送能力。早期的推荐系统主要依赖协同过滤与内容推荐 技术，分别基于用户行为相似性与资源属性标签进行初步筛选。 然而，这些方法往往忽视学生的认知差异，难以动态响应其不断 变化的学习需求。近年来逐步引入了知识图谱与认知建模方法， 能够实现资源与知识单元的结构化映射；同时，借助深度知识追 助 思维链技术对艺术结构与风格逻辑进行预判与引导，提升作品鉴 赏时在表现层次、情感传达与艺术风格上的连贯性与一致性。此 外，多模态感知与分析技术可将音频、图像、视频等信号转化为 结构化的语义标签，结合深度学习方法对艺术作品的情感特征与 用户反馈进行建模，构建“艺术—情感”映射模型，实现艺术情感 的高效识别，进一步增强人机交互体验与个性化表达能力。 智能艺术鉴赏作为人工智能技术与艺术教育深度融合的前

碍了纠正性信息的广泛传播。[29]这段伪造音频还利用了 M eta 的媒体操纵对策的缺陷，该对策明确规定只处理完全伪造 的视频，而不处理音频。尽管核查人员最终在 Meta 上为该音频贴上伪造标签，但由于不同平台审核标准不同，这段音 频仍在碎片化信息空间广泛传播。这种最后一刻出现的丑闻， 对于一些国家而言难以应对，因为这些国家限制媒体在选举 前夕讨论与选举相关的内容，限制时长通常为 24

、大量地生成和 传播。网络平台、数字媒介则加速了网络舆情的泛道德化进程，使得道德评价、道德判断信息迅速在网络空间中 占据和异化。 网络舆情的泛道德化有以下三个突出的表现。一是网络事件当事人身份标签化。舆情中的信息往往摒弃对 当事人身份的客观化综合介绍，而是选择性地将某类群体、某种类别的刻板印象加于当事人，这必然导致信息的 片面甚至失真。二是网络事件的叙述情绪化。为了获得关注与情感共鸣，网络事件的叙述往往预设立场，采用带

亟待拯救的反面形象。冷战期间，为了从制度上 否定苏联领导的社会主义阵营，美国称共产主义 为“红色殖民主义”，贬斥苏联为“世界战争的 贩子”，给古巴贴上“极权国家”“警察国家” “流氓国家”“支持恐怖主义国家”等标签。冷战 后，美国继续渲染意识形态对立，构建“民主— 威权”的对立叙事，将非西方制度的国家尤其是 社会主义国家描绘成“压制自由”“侵犯人权” 的“专制政权”，对伊朗、伊拉克和朝鲜冠以 “邪恶轴心”称谓，将中国的和平发展污名化为