数智融合环境下信息分析方法在循证决策中的应用：要素、框架与优化策略

doi:10.3772/j.issn.1000-0135.2026.05.002

情报学报

2026, Vol. 45

Issue (5): 629-642 DOI: 10.3772/j.issn.1000-0135.2026.05.002

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

数智融合环境下信息分析方法在循证决策中的应用：要素、框架与优化策略

夏义堃, 叶均玲

南京大学数据管理创新研究中心，苏州 215163

Application of Information Analysis Methods in Evidence-Based Decision Making under the Digital Intelligence Integration Environment: Elements, Frameworks, and Optimization Strategies

Xia Yikun, Ye Junling

Research Institute for Data Management & Innovation, Nanjing University, Suzhou 215163

摘要
图/表
参考文献
相关文章 (2)

全文: PDF (2222 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要在数智技术深度赋能的时代背景下，信息分析方法正加速从传统范式向智能范式转型，循证决策作为数智决策体系的重要组成，已成为信息分析方法应用的重要领域。本文立足循证决策场景，基于系统论思维，采用系统性文献综述方法，围绕信息分析方法应用的要素、框架和优化3个维度，提炼了“证据源-分析方法-决策场景”三维要素的类型特征与关联机制，构建了融合“要素-模式-功能-主体-情境”五维结构的信息分析方法应用框架。研究发现，信息分析方法在循证决策中的有效应用是在多元主体协同、复杂情境交织背景下，以三维要素耦合实现其在“数据-证据-决策”全链条中的深度嵌入与功能发挥。据此，提出全方位提升数据治理能力、理性应用人工智能技术赋能、加强方法体系组合应用和交叉验证等优化策略。本文旨在系统揭示循证决策中信息分析方法应用体系的结构特征与演化逻辑，深化对其运行机制与功能作用的理解，为数智融合环境下分析方法的有效应用提供策略建议。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	夏义堃
	叶均玲

关键词 ：信息分析方法, 循证决策, 数智融合, 应用框架, 优化策略

收稿日期: 2025-05-15

基金资助:国家社会科学基金重大项目“基于数智融合的信息分析方法创新与应用研究”（22&ZD326）。

作者简介: 夏义堃，1967年生，博士，教授，博士生导师，主要研究方向为政府数据治理与智能情报分析；叶均玲，通信作者，1999年生，博士研究生，主要研究方向为智能情报分析，E-mail：2538802980@qq.com；

引用本文:

夏义堃, 叶均玲. 数智融合环境下信息分析方法在循证决策中的应用：要素、框架与优化策略[J]. 情报学报, 2026, 45(5): 629-642.
Xia Yikun, Ye Junling. Application of Information Analysis Methods in Evidence-Based Decision Making under the Digital Intelligence Integration Environment: Elements, Frameworks, and Optimization Strategies. 情报学报, 2026, 45(5): 629-642.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2026.05.002 或 https://qbxb.istic.ac.cn/CN/Y2026/V45/I5/629

1 拜争刚, 黄泳淇, 李刚. 循证决策理念对我国新型智库建设的借鉴作用[J]. 智库理论与实践, 2020, 5(2): 1-10.
2 杜宝贵, 张慧芳. 从“医学”到“公共管理学”——循证决策范式的扩散[J]. 广州大学学报(社会科学版), 2019, 18(1): 56-63.
3 Engaging with government: guide for academics[EB/OL]. (2011-12-06). https://www.gov.uk/government/publications/engaging-with-government-guide-for-academics.
4 Subcommittee on Social and Behavioral Sciences of the Committee on Science of the National Science and Technology Council. Blueprint for the use of social and behavioral science to advance evidence-based policymaking[R/OL]. (2024-05-15). https://bidenwhitehouse.archives.gov/wp-content/uploads/2024/05/Blueprint-for-the-Use-of-Social-and-Behavioral-Science-to-Advance-Evidence-Based-Policymaking.pdf.
5 日本の科学技術イノベーション政策の変遷2021: 科学技術基本法の制定から現在まで[R/OL]. 東京: 国立研究開発法人科学技術振興機構研究開発戦略センター, (2021-03-16). https://www.jst.go.jp/crds/pdf/2020/FR/CRDS-FY2020-FR-06.pdf.
6 Barends E, Rousseau D M, Briner R B. Evidence-based management: the basic principles[M/OL]. Amsterdam: Centre for Evidence-Based Management, (2014-01-01). https://cebma.org/assets/Uploads/Evidence-Based-Practice-The-Basic-Principles.pdf.
7 Davies P. What is evidence-based education?[J]. British Journal of Educational Studies, 1999, 47(2): 108-121.
8 张力伟. “情报—决策”互动为基础的循证决策模式论析[J]. 现代情报, 2021, 41(8): 45-52.
9 H.R.4174-Foundations for Evidence-Based Policymaking Act of 2018[Z/OL]. (2019-01-14). https://www.congress.gov/bill/115th-congress/house-bill/4174.
10 DWP evidence and evaluation strategy 2025[R/OL]. (2025-07-22) [2026-03-26]. https://www.gov.uk/government/publications/evidence-and-evaluation-strategy-2025/.
11 What you can do with e-CSTI[EB/OL]. [2025-10-12]. https://e-csti.go.jp/en/.
12 魏景容. 大数据时代循证决策研究: 一个分析框架[J]. 中国科技论坛, 2020(7): 24-32.
13 卢小宾, 翟兴, 王涛. 基于复杂网络的信息分析模型研究[J]. 情报理论与实践, 2020, 43(5): 177-182.
14 董克, 吴佳纯. 数智融合信息分析方法的理论框架与体系建构[J]. 中国图书馆学报, 2024, 50(6): 103-118.
15 姚清晨, 张颖. 基于循证理念的公共政策制定研究[J]. 四川行政学院学报, 2018(4): 27-32.
16 Von Bertalanffy L. The history and status of general Systems Theory[J]. Academy of Management Journal, 1972, 15(4): 407-426.
17 黄梅银, 王芳, 刘清民. 网络媒体态势感知: 基于系统性综述的理论框架构建[J]. 情报学报, 2024, 43(9): 1046-1058.
18 章成志. 情报学研究方法与技术体系[M]. 北京: 科学技术文献出版社, 2021: 64.
19 孙振誉, 张蕙杰, 白碧君, 等. 信息分析导论[M]. 北京: 清华大学出版社, 2007: 86-87.
20 黄甫全, 游景如, 涂丽娜, 等. 系统性文献综述法: 案例、步骤与价值[J]. 电化教育研究, 2017, 38(11): 11-18, 25.
21 Alper B S, Haynes R B. EBHC Pyramid 5.0 for accessing preappraised evidence and guidance[J]. Evidence-Based Medicine, 2016, 21(4): 123-125.
22 BalshemH, HelfandaM, SchunemannH J, et al. GRADE指南: Ⅲ. 证据质量分级[J]. 高霑, 译. 中国循证医学杂志, 2011, 11(4): 451-455.
23 王春青, 胡雁. JBI证据预分级及证据推荐级别系统(2014版)[J]. 护士进修杂志, 2015, 30(11): 964-967.
24 Hofman J, Peters J, Stroobants C, et al. Air quality sensor networks for evidence-based policy making: best practices for actionable insights[J]. Atmosphere, 2022, 13(6): 944.
25 Cankaya B, Topuz K, Delen D, et al. Evidence-based managerial decision-making with machine learning: the case of Bayesian inference in aviation incidents[J]. Omega, 2023, 120: 102906.
26 刘峘, 黎元元, 谢雁鸣, 等. 基于多准则决策模型的鸡骨草胶囊临床综合评价[J]. 中草药, 2023, 54(16): 5312-5320.
27 Wheeler S B, Leeman J, Hassmiller Lich K, et al. Data-powered participatory decision making: leveraging systems thinking and simulation to guide selection and implementation of evidence-based colorectal cancer screening interventions[J]. The Cancer Journal, 2018, 24(3): 136-143.
28 查先进. 信息分析与预测[M]. 武汉: 武汉大学出版社, 2000.
29 孙振誉, 张蕙杰, 白碧君, 等. 信息分析导论[M]. 北京: 清华大学出版社, 2007: 86-87.
30 傅唯佳, 顾莺, 杨玉霞, 等. 先天性心脏病患儿营养风险筛查及评估循证决策支持系统的构建与应用[J]. 中华护理杂志, 2023, 58(17): 2059-2066.
31 王喆, 陈芊秀, 董志浩, 等. 基于循证体系的针灸学数据挖掘算法构建与应用研究[J]. 中国循证医学杂志, 2024, 24(9): 1070-1078.
32 彭海媛. 地方科技重大专项整体资助绩效评价研究——基于循证视角[J]. 科技管理研究, 2022, 42(21): 48-55.
33 Wimmer H, Yoon V Y, Sugumaran V. A multi-agent system to support evidence based medicine and clinical decision making via data sharing and data privacy[J]. Decision Support Systems, 2016, 88: 51-66.
34 李子烨, 纪雪梅, 王浩. 文献循证视域下科学证据图谱构建研究——以碳减排领域文献为例[J]. 情报理论与实践, 2025, 48(2): 178-187.
35 Sarker A, Mollá D, Paris C. Automatic evidence quality prediction to support evidence-based decision making[J]. Artificial Intelligence in Medicine, 2015, 64(2): 89-103.
36 游俊杰, 刘波, 陈梦玲, 等. 重症肺炎患者营养管理的最佳证据总结[J]. 中华护理杂志, 2024, 59(13): 1616-1623.
37 Martín M C, Jurado A, Abad-Molina C, et al. The age again in the eye of the COVID-19 storm: evidence-based decision making[J]. Immunity & Ageing, 2021, 18: Article No.24.
38 Koliousis I, Al-Surmi A, Bashiri M. Artificial intelligence and policy making; can small municipalities enable digital transformation?[J]. International Journal of Production Economics, 2024, 274: 109324.
39 Krishnamurthy M, Marcinek P, Malik K M, et al. Representing social network patient data as evidence-based knowledge to support decision making in disease progression for comorbidities[J]. IEEE Access, 2018, 6: 12951-12965.
40 卢小宾, 霍帆帆, 王壮, 等. 数智时代的信息分析方法: 数据驱动、知识驱动及融合驱动[J]. 中国图书馆学报, 2024, 50(1): 29-44.
41 徐泽水, 王新鑫, 牛若轩. 认知决策视角下的智能系统: 机遇与挑战[J]. 管理工程学报, 2025, 39(2): 1-13.
42 张志学, 华中生, 谢小云. 数智时代人机协同的研究现状与未来方向[J]. 管理工程学报, 2024, 38(1): 1-13.
43 安东尼·吉登斯. 社会的构成——结构化理论纲要[M]. 李康, 李猛, 译. 北京: 中国人民大学出版社, 2016: 10.
44 Han B, Jin X B, Wang J X, et al. Identifying inefficient urban land redevelopment potential for evidence-based decision making in China[J]. Habitat International, 2022, 128: 102661.
45 H?chtl J, Parycek P, Sch?llhammer R. Big data in the policy cycle: policy decision making in the digital era[J]. Journal of Organizational Computing and Electronic Commerce, 2016, 26(1/2): 147-169.
46 Guo Y C, Zhang Z. Reducing carbon emissions through green renewal: insights from residential energy consumption in Chinese urban inventory districts from an evidence-based decision-making perspective[J]. Humanities and Social Sciences Communications, 2024, 11: Article No.54.
47 Hurt J, Yang L, Sorger J, et al. Evidence-based policy-making in sports funding using a data-driven optimization approach[J]. PLoS One, 2024, 19(12): e0312179.
48 Sharma M, Walmsley S L. Contraceptive options for HIV-positive women: making evidence-based, patient-centred decisions[J]. HIV Medicine, 2015, 16(6): 329-336.
49 田晨, 晏毅龙, 王勇, 等. 证据智能合成与分级: AutoMeta平台开发与验证[J]. 中国循证医学杂志, 2024, 24(4): 459-465.
50 Mills D, Pudney S, Pevcin P, et al. Evidence-based public policy decision-making in smart cities: does extant theory support achievement of city sustainability objectives?[J]. Sustainability, 2022, 14(1): 3.
51 Kim E S. Can data science achieve the ideal of evidence-based decision-making in environmental regulation?[J]. Technology in Society, 2024, 78: 102615.
52 Dwivedi R, Dave D, Naik H, et al. Explainable AI (XAI): core ideas, techniques, and solutions[J]. ACM Computing Surveys, 2023, 55(9): Article No.194.
53 Ziems C, Held W, Shaikh O, et al. Can large language models transform computational social science?[J]. Computational Linguistics, 2024, 50(1): 237-291.
54 吕佳龄, 温珂. 循证决策的协同模式: 面向国家治理体系和治理能力现代化的科学与决策关系建构[J]. 中国科学院院刊, 2020, 35(5): 602-610.
55 Creswell J W, Plano Clark V L. Designing and conducting mixed methods research[M]. 3rd ed. Los Angeles: Sage Publications, 2018.
56 Brownstein N C, Louis T A, O’Hagan A, et al. The role of expert judgment in statistical inference and evidence-based decision-making[J]. The American Statistician, 2019, 73(sup1): 56-68.