原文刊发：《情报学进展》2024年00期

作者：沙勇忠，兰州大学管理学院教授；何路，兰州大学管理学院博士研究生；李潇敏，兰州大学管理学院硕士研究生；

摘要：随着世界范围内风险社会特征的日益明显、重大突发公共危机事件的频发以及新一代数字信息技术的迅速发展及其在公共危机管理中的应用。目前，公共危机信息管理已成为一个具有重要学术影响力和社会影响力的新的学科交叉研究领域。文章以Web of Science和中国知网（CNKI）为检索来源，利用相关概念构造检索策略，根据所制定的纳入排除标准对文献进行筛选，最终确定1911—2023年的11603篇英文文献和2692篇中文文献进行文献计量分析。文献分析述评由两部分构成：一是基于科学文献计量的范围型综述；二是对领域热点和前沿主题的叙述型综述。范围型综述从文献增长情况、核心作者、学科领域、研究脉络呈现了领域发展的整体图景，显示出公共危机信息管理研究在文献数量快速增加的同时，其学科交叉特征愈发明显ꎬ研究议题也越发多元。叙述型综述着重对近10年的领域最新动态进行梳理述评，发现公共危机信息管理研究形成包括理论框架与领域议题、危机信息传播、风险沟通、危机中的社交媒体、风险分析与评估、数字应急与智慧决策6大热点领域，以及包括理论框架、领域议题、危机谣言、危机舆情、危机中的政府信息公开、风险感知、危机中的科学传播、风险沟通中的信息说服、危机中的社交媒体使用、社交媒体的应急潜能挖掘、危机相关社交媒体数据收集和处理、风险分析、风险评估、应急管理数字化、应急知识管理、案例推理应急决策16个热点主题。在此基础上，总结提出了公共危机信息管理研究未来的5大发展趋势，包括多学科交叉融合发展、关注新兴风险和未知风险、探索人与技术的协同、加强基础数据积累与共享以及强化政产学研协同创新。

关键词：公共危机信息管理；范围型综述；叙述型综述；热点主题；趋势展望

0  引言

公共危机信息管理（Public Crisis Information Management，PCIM）是公共危机管理与数据信息管理交叉而成的一个新兴研究领域，主要探讨公共危机中的数据信息管理问题和基于数据信息的公共危机管理问题。从相关文献来看，PCIM发端于20世纪80年代，本世纪以来文献规模持续显著增长，呈现出蓬勃发展态势。随着世界范围内风险社会特征的日益明显、重大突发公共危机事件的频发以及新一代数字信息技术的迅速发展及其在公共危机管理中的应用，目前PCIM已成为一个具有重要学术影响力和社会影响力的新的学科交叉研究领域。然而正如克里斯蒂安·路透（C. Reuter）所指出的，迄今为止帮助PCIM研究领域评估进展、阐明议程或描绘研究争议的综述论文还很有限^[1]。本文通过范围型综述（Scoping Review）和叙述型综述（Narrative Review）^[2]相结合的方式，对国内外PCIM领域的研究进展和热点主题进行分析和评述，并对未来发展趋势进行展望，以期为PCIM这一新兴领域的研究者和实践者提供一种知识图谱意义上的借鉴参考。

1  兴起背景

PCIM的兴起反映了某种必然的趋势，具体而言与下列背景有关^[3]：

1.1  应对重大公共安全风险与危机的需要

20世纪80年代以来，乌尔里希·贝克（U. Beck）、安东尼·吉登斯（A. Giddens）、斯科特·拉什（S. Lash）等提出风险社会理论，认为由于现代性的副作用（Side Effects），技术创新和制度变革本身潜藏着重大风险。在客观上，这种风险即吉登斯所谓的“人为制造的风险”（Manufactured Risk）超越“外部的风险”（External Risk）而占据主导地位；在主观上，公众的集体需求从发展转向安全。近几十年来世界范围发生的重大公共危机事件验证了风险社会理论的解释力。为应对公共安全风险与危机，知识生产应能满足风险社会的知识需求，公共危机管理即在这一背景下诞生^[4]。而从学科性质上看，由于公共安全风险与危机具有复杂性特征，对系统风险（Systemic Risk）、巨灾（Catastrophe）、跨界危机（Transboundary Crisis）、总体安全（Overall Security）的强调，标示了公共危机管理内在的交叉学科属性，需要社会科学、自然科学和工程技术等多学科的力量协同推动，PCIM的兴起即是公共危机管理引入数字信息技术应对公共安全风险与危机的需要。

1.2  学科交叉融合的结果

由于数据信息渗透于公共危机管理的各方面和全过程，公共危机管理减缓（Mitigation）阶段的风险管理、脆弱性评估，准备（Preparedness）阶段的预案建设、资源准备，响应（Response）阶段的应急决策、协调联动，以及恢复（Recovery）阶段的灾害评估、重建规划等，这些公共危机管理的关键流程都离不开对相应数据信息的需求和数据信息管理的支持，因此，数据信息及其管理对公共危机管理具有基础性的意义。从学科上来看，公共危机管理与信息科学、数据科学、计算科学、地理学、传播学等的交叉融合直接促使了PCIM的产生。不同学科的理论方法在PCIM中发挥着不同的作用。例如，大数据分析和人工智能可以用于实时数据处理和危机预测；空间信息技术可以用于空间分析和地理数据可视化，从而帮助进行风险分析和评估；框架理论可以被用于研究危机信息传播的最佳实践，以改进风险沟通的效果；知识管理的理念增进公共危机知识的整合，进而支持危机决策等。这种学科的交叉融合为PCIM提供了更全面的理论视角、更丰富的知识基础和更多样的研究手段。

1.3  有关国家相关实践的发展

全球范围内，应急信息化已经成为各国的发展共识。例如，中国应急管理部建设的汇聚了自然资源、交通、水利、气象、电信等外部信息及全国各地感知数据和基础数据的数据治理系统、欧盟颁布欧洲空间信息基础设施法令（INSPIRE）并建设的成员国共享的应急地理信息系统、日本的全国瞬时警报系统（J-Alert）、澳大利亚的丛林大火与灾害监测工具（MyFireWatch）、印度国家灾害管理局（NDMA）的全国信息平台等。以实践最早的美国为例，联邦应急管理署（FEMA）制定了“e-FEMA”战略，利用信息技术在电子政务框架下构建信息技术基础设施，以此提高政府部门的应急能力和效率。2001年实施的“e-FEMA2.0”包括以下内容：一是CIO制度；二是IT架构和战略；三是一批应用项目；四是现有的网络和通信基础设施。其中企业级IT架构由业务过程、信息流和关系、系统与应用、数据描述、技术基础设施五个部分构成，对政府信息化产生了深远影响。“9·11”事件之后，美国整合FEMA等机构成立了国土安全部（DHS），实施了国家危机管理信息系统（NEMIS）、国土安全信息网络（HSIN）等重大项目，强调在反恐和防灾两个主轴领域，来自美国和美国之外国家的数据采集和融合，并利用大数据、人工智能技术进行态势洞察和趋势分析。有关国家应急信息化的实践推动了PCIM的发展。

1.4  国内外学术共同体的推动

由荷兰、比利时和美国的三位学者发起成立的相关研究组织“危机响应与管理信息系统”（Information Systems for Crisis Response and Management，ISCRAM）协会，致力于危机响应与管理的信息系统设计、开发、部署、应用与评估，是一个由研究人员、实践人员和政策制定者共同加盟的国际组织。该组织创办了以其组织名称命名的国际会议，自2004年开始每年举办一次，并于2009年创办了《应急响应与管理信息系统国际学刊》（The International Journal of Information Systems for Crisis Response and Management），标志着PCIM领域专业学术研究组织及学术期刊的建立及其常态化（2021年后调整为每年出版一册ISCRAM国际会议论文集）^[5]。中国应急管理学会在其分支机构中也设立了信息化工作委员会；国家自然科学基金委管理科学部实施了两个国家自然科学基金重大研究计划项目——“非常规突发事件的应急管理”（2009）和“大数据驱动的管理与决策研究”（2015），其中“非常规突发事件的应急管理”，设置了在“非常规突发事件的信息处理与演化建模”“非常规突发事件的应急决策”“紧急状态下个体和群体的心理与行为反应规律”三大研究内容，PCIM是其中之一。除此之外，政府、大学及社会研究机构的风险管理以及危机管理研究组织中，也都不同程度地开展了围绕公共危机数据信息和公共危机数据信息管理的研究，共同推动PCIM向学科领域迈进。

2  概念范畴和研究领域

2.1  PCIM相关概念范畴

作为一个正在兴起中的新领域，PCIM尚未有清晰一致的学科概念界定。相关的概念主要有：危机信息学（Crisis Informatics），致力于在危机的全生命周期中，对危机从技术的、社会的和信息的方面进行综合研究；灾害信息学（Disaster Informatics），研究个人和组织对信息和通信技术的设计、开发和使用，以生成、收集、处理、存储和分发在灾害的减缓、准备、响应和恢复阶段改进决策和行动所需的信息^[6]；安全信息学（Security Informatics），通过集成技术、组织和政策的方法，研究信息技术、系统、算法和数据库在国际、国内和国土安全领域的应用；安全信息学（Safety Informatics），研究安全管理过程中和人的安全行为有关的信息问题^[7]（“Security”通常涉及蓄意为之的情形或事件，例如恐怖袭击；而“Safety”通常是指非蓄意的情形或事件，例如职业安全。这种概念的差异也体现在管理实践中。例如，我国公安部和原国家安监总局都是公共安全管理的职能部门，但公安部的英文为“Ministry of Public Security”，安监总局的英文则是“State Administration of Work Safety”^[8]）；公共卫生和流行病信息学（Public Health and Epidemiology Informatics），是医学信息学的一个分支领域，致力于使用技术和数据来改进与公共卫生和疾病传播有关的信息的收集、分析、解释和传播^[9]。此外，PCIM也在应急准备信息（Emergency Preparedness Information）、信息准备（Information Preparation）、数据准备（Data Preparation）、数据驱动的风险管理（Data-driven Risk Management）^[10]、备灾（Disaster Preparedness）、数字应急志愿者（Digital Volunteers in Emergency Management）、信息韧性（Information Resilience）、城市信息学（Urban Informatics）^[11]等概念中均有不同程度的体现，并应用于诸如美国国土安全信息网络（Homeland Security Information Network，HSIN）、国家危机管理信息系统（National Emergency Management Information System，NEMIS）以及社区灾害信息系统（Community Disaster Information System）等概念中。总体而言，PCIM的相关概念形成了一个相对宽广的范畴领域，对其概念内涵的界定需立足于公共危机管理和数据信息管理的相关知识规定，在理论发展中予以整合，并秉持一种开放性的学术立场。

2.2  PCIM研究领域

从学科范畴来看，PCIM主要包括两个研究领域：公共危机中的数据信息管理和基于数据信息的公共危机管理。其一，公共危机中的数据信息管理以公共危机为对象场域，研究公共危机管理中的信息管理问题和数据管理问题。其知识积累从本体上看，属于信息管理和数据管理范畴，即以信息资源和数据资源本身作为研究对象，以信息科学和数据科学作为学科基础，在公共危机场域及其约束条件下进行有关问题研究，更多地体现信息管理和数据管理本身的学科规定性和研究逻辑。其二，基于数据信息及相关技术赋能的公共危机管理则以数据信息及相关技术应用为基础，研究公共危机管理中的重要问题，如风险识别、评估与预警，公共危机应急决策，公共危机处置的协调联动，应急资源优化配置，风险沟通与信息发布，损失评估与重建规划等。其知识积累从本体上看，属于公共危机管理范畴，即以数据信息为基础或切入点，以公共管理、管理科学与工程、社会学等作为学科基础，在数据信息及相关技术应用或交叉结合方面进行研究，更多地体现公共危机管理的学科规定性和研究逻辑。二者一体两面，相辅相成，共同促进PCIM学科交叉意义上的知识积累和知识范畴形成。借用斐迪南·滕尼斯（F. Tnnies）的“共同体”（Community）概念^[12]，前者更多属于信息管理和数据管理学术共同体，后者更多属于公共危机管理学术共同体，但随着两个学术共同体成员基于相同或相近研究旨趣在该领域的持续互动交流和贡献知识，未来PCIM整体多学科学术共同体的形成是可以预期的。

（1）公共危机中的数据信息管理。根据PCIM双生命周期模型，公共危机管理的生命周期由减缓、准备、响应和恢复四个阶段构成，信息管理的生命周期由信息生产、信息组织、信息分析和信息利用四个阶段构成，二者的结合构成PCIM的双生命周期理论模型^[13]。公共危机管理的每一个阶段都需要相应信息的支持，需要相应的信息管理，并根据各阶段的需求不同在内容上有所侧重。

从数据管理来看，目前学界主要采用数据监管（Data Curation）、数据管理（Data Stewardship and Management）与数据治理（Data Governance）三个概念从不同学科视角开展数据研究。三者关注重点不同，研究内容上有所交叉。数据监管侧重于确保数据资源的质量、可用性和可持续性，涵盖了三个关键活动：一是全过程管理（Curation），二是归档（Archiving），三是长期保存（Preservation）^[14]。迈克尔·威特（M. Witt）等从数据生产者视角出发提出了包括数据集描述和监管实践需求描述两部分组成的数据监管指导框架^[15]。数据管理关注数据的全生命周期、全过程管理，包括数据的采集、整合、处理、分析、分享和应用，尤其强调数据的有效使用和价值提取^[16]。同时此视角下也常研究数据的操作性管理，因此也会重点关注数据管理的系统、方法、工具和技术等。数据治理“将数据作为组织的一种资产”为出发点，通过对组织中相应职责、决策权以及角色的分配来保证数据资产的完整性、准确性、可访问性和可利用性，以确保数据在整个组织中被正确管理和使用。具体涉及数据原则、数据质量、元数据、数据存取和数据生命周期等研究内容，以及在企业、政府、医院和高校等组织中的数据获取、数据共享、数据重用和数据加值等数据治理实践。

（2）基于数据信息的公共危机管理。从问题域（Problem Domain）的角度，基于数据信息及相关技术赋能的公共危机管理有以下5个核心问题域或研究范畴，即PCIM要素论（Element）、PCIM过程论（Process）、PCIM功能论（Function）、PCIM方法论（Methodology）和PCIM系统论（System），每个问题域或研究范畴都有其核心科学问题和研究侧重点，标示出PCIM的主要研究内容。要素论主要研究PCIM的构成要素以及要素之间的关系，建立关于PCIM结构要素的基本认识和知识；过程论基于公共危机管理的典型生命周期过程，研究每一阶段的信息保障和信息管理问题；功能论主要研究PCIM在公共危机管理中的功能和作用，探析PCIM最基本、最普遍的功能及其作用机理与方式；方法论研究PCIM的方法来源、方法原理、方法应用以及方法体系的建构问题；系统论主要研究支持公共危机管理的各种应用信息系统、信息架构和信息分析技术^[13]。

关于基于数据的公共危机管理，可从三个维度理解其内涵：一是从管理客体出发关注数据本身的管理，二是从管理主体出发关注利益相关主体的职责与角色，三是从管理活动出发关注管理主体诉诸于管理客体的行动计划。按此理解，基于数据的公共危机管理的主要研究内容有：公共危机数据管理客体（数据来源、数据类型、数据特征、数据生命周期、数据质量、数据管理模型与数据处理技术等）；公共危机数据管理主体（数据管理多元主体的角色定位，数据管理多元主体内外部的共享与协同机制）；公共危机数据管理活动（数据管理规划制定、数据生成管理、数据收集管理、数据质量管理、数据描述及归档管理、数据处理与分析管理、数据保存管理、数据共享及使用管理，以及数据驱动的公共危机治理体系与治理能力、管理体制机制、危机预警、危机决策、危机响应、应急资源配置、危机恢复等）。该领域的研究呈现出以下鲜明特点：注重公共危机数据管理主体、客体与管理活动的统合；强调组织尤其是政府组织不同层面公共危机数据管理问题的提炼与解决；突出公共危机治理情境中数据的特殊性和数据管理活动的差异性；从数据作为关键资产的视角出发促进公共危机数据的增值和数据产品的开发；公共危机治理活动中跨组织边界数据流动的安全评估与管控；公共危机数据管理的伦理问题与隐私保护等。

与领域知识的高度融合是数据信息管理的重要特征之一，反之数据信息管理也将促进领域知识中数据信息问题的抽象提炼，数据信息管理与公共危机管理的交叉融合使PCIM既有其背景学科——公共危机管理与数据信息管理——的知识支撑，又有其不同于其背景学科的独特的知识范畴和学科气质。

3  国内外研究进展

3.1  文献收集与研究方法

3.1.1  文献检索与筛选

利用Web of Science（WOS）和CNKI两个综合型学术文献数据库分别进行英文文献和中文文献的检索筛选。首先，利用限定的关键词进行检索，获取初步检索结果。其次，按照如下标准对检索到的文献进行筛选：①是研究论文，不包括卷首语、会议新闻、书评等。②研究内容需涉及自然灾害、安全事故、群体性事件、公共卫生事件、风险管理和韧性等，即与公共危机情景相关。③研究内容涉及数据信息管理问题。筛选后确定基础文献样本，同时将研究者阅读文献发现的未纳入的重要遗漏文献（被引频次超过20次）予以补充，得到最终文献样本。

（1）英文文献。利用WOS数据库提供的高级检索功能，经过多次尝试和调整检索式平衡结果的检全率和检准率后，最终确定采取的英文文献检索策略如表1所示。

表1 PCIM研究英文文献检索策略

Tab.1 English literature search strategy for PCIM research

初步检索得到英文文献22448篇，按上述标准筛得到基础英文文献11245篇，同时补充遗漏文献358篇，最终确定11603篇英文文献为样本文献。

（2）中文文献。同理，借助CNKI数据库提供的专业检索功能，确定中文文献检索策略如表2所示。

表2 PCIM研究中文文献检索策略

Tab.2 Chinese literature search strategy for PCIM research

初步检索得到中文文献6871篇，按上述标准筛得到基础中文文献2553篇，同时补充遗漏文献139篇，最终确定2692篇中文文献为样本文献。

3.1.2  研究方法

首先，进行范围型综述，描述国内外PCIM研究领域的总体状况，并以图表、知识图谱等可视化方式呈现分析结果。其次重点抽取近10年（2013-2023年）的研究文献，在关键词共现、主题聚类等计量分析结果的基础上，从中选取具有代表性的高被引和热点论文，聚焦本领域研究的热点主题和前沿问题进行叙述型综述。范围型综述和叙述型综述参考马蒂厄·坦普利埃（M. Templier）等^[17]对文献综述撰写的改进意见和建议框架进行。

3.2  PCIM研究现状整体描述

3.2.1  国际PCIM研究现状

（1）文献增长情况。一定时间段内发表文献数量的变动是反应某一研究领域知识量变化情况的重要指标^[18]。长尺度来看，国际PCIM领域研究文献的发展与文献计量学奠基人普赖斯（D. S. Price）所提出的“科技文献增长四阶段理论”^[19]相契合（图1）。PCIM研究自从20世纪80年代发端后^[20]，一直发展相对缓慢，本世纪开始文献量出现持续快速增长。2007年克里斯蒂娜·哈格尔（C. Hagar）提出危机信息学概念，随后在莱西亚·帕伦（L. Palen），刘维威（L. Vieweg）和休斯（A. L. Hughes）等学者的共同推动下，危机信息学的内涵外延不断拓展，逐渐形成“促进人们利用信息和通信技术以创造性的方式应对灾难和不确定性”的核心宗旨^[21]。值得关注的是，自2002年中国学者开始在英文期刊发表PCIM研究论文后，中国的科研力量逐渐跻身为国际PCIM领域发展的主要推动者，近年来形成了中国、美国等国学者共同引领领域发展的研究态势。

图1 国际PCIM研究的文献增长情况

Fig.1 The literature growth of international PCIM research

（2）核心作者。综合考虑发文量和被引量两项指标识别PCIM领域的核心作者。通过统计和CiteSpace共被引分析分别找到发文量前50和单篇被引频次前50的学者，按照发文量赋权0.5、最高单篇被引量赋权0.5的策略加权计算学者得分，选取得分前20%的学者为核心作者，最终识别出19位产出数量可观且学术影响力高的领域核心作者（表3）。由于英文文献经常存在作者姓名简写重复而导致统计数据有误的问题，本文参考文献计量学领域的主流方法^[22]，逐一核验了每位核心作者的单位、发文量和最高单篇被引量，以保证核心作者分析结果的准确性。

国际PCIM研究领域核心作者的学科背景多样、学科交叉特征明显，以计算机科学、环境科学、工程学、信息科学与图书情报等领域的学者居多。这些学者大多将PCIM作为研究兴趣之一，但也有拉吉卜·肖（R. Shaw）、克里斯蒂安·路透（C. Reuter）等学者以灾害信息学、危机信息学等为其主要研究方向。此外，根据核心作者最高被引论文的研究主题可以发现，很多计算机科学、工程学背景的学者不约而同地关注社交媒体在灾害危机管理方面的潜力^[23]，利用社交媒体数据开展相关研究并获得学界广泛引用。

表3 国际PCIM研究领域核心作者

Tab.3 Core authors in the international PCIM research field

3.2.2  国内PCIM研究现状

（1）文献增长情况。国内PCIM研究相较于国外兴起稍晚，却发展迅速，且与我国应急管理实践高度相关（图2）。20世纪90年代有学者[24]开始关注PCIM，2003年SARS事件发生后我国开始了以“一案三制”为核心的现代应急管理体系建设，PCIM研究也进入快速发展阶段。虽然仅看中文研究文献，2015年前后国内PCIM研究进入稳步发展阶段[25]，但将中国学者发表的英文文献和中文文献整合后再看，可发现中国PCIM研究依旧处于快速发展阶段，且国际化程度较高，与国外研究形成了有实质意义的对话。2003年、2008年和2019年前后，均出现文献量突增现象，直观反映出国内PCIM研究明显的实践需求导向。从非典疫情到汶川地震再到新冠疫情，我们接受了面对重大突发公共卫生事件信息不畅的惨痛教训[26]，意识到了掌握高分辨率卫星遥感影像拍摄和分析能力的迫切[27]，体察了公共危机中做好风险沟通工作的重要意义[28]，中国应急管理实践不断向PCIM研究提出新问题、新场景、新任务。

图2 国内PCIM研究的文献增长情况

Fig.2 The literature growth of domestic PCIM research

（2）核心作者。与英文核心作者的识别方法一样，识别出20位产出数量可观且学术影响力高的领域核心作者（表4）。国内核心作者由图书情报、新闻学、安全科学、地质学、公共管理、公安学等多学科学者构成，但明显以图书情报领域学者为主。国内核心作者在研究方向方面，与国际核心作者保持了同样的特征，既有多数学者将PCIM作为研究兴趣之一，也有部分学者如兰月新、夏一雪等专注于该领域研究。

表4 国内PCIM研究领域核心作者

Tab.4 Core authors in the domestic PCIM research field

3.3  PCIM研究的知识图谱分析

中文语境下，“知识图谱”一词既指自然语言处理范式下的Knowledge Graph，也可指代文献计量学范式下的Mapping Knowledge Domains[29]。本文采用文献计量学范式，从整体图景和知识结构两方面阐释PCIM研究的知识图谱。

3.3.1  领域整体图景描述

（1）学科领域。受限于中文文献归属学科数据无法获取，本文以英文文献样本进行学科领域计量分析。通过绘制学科共现网络图，可看出PCIM是典型的多学科交叉的研究领域[3]（图3），主要涉及6大学科板块：①由信息科学与图书情报、管理学、工商管理、心理学、公共管理等共同构成的社会科学板块；②由交通工程、电气与电子工程等共同构成的工程学板块；③由信息系统、通信通讯、人工智能等共同构成的计算机科学板块；④由环境科学、生态学、环境教育、公共环境与职业健康共同构成的环境科学板块；⑤由地理学、地质学共同构成的地学板块；⑥由数学、统计学、化学、物理学等共同构成的基础学科板块。无论是各板块内，还是板块间均存在明显的共现路径，各大板块周围亦存在不同程度的交叉期刊聚类，说明各板块间普遍存在知识流通和研究互鉴，反应出PCIM研究领域不仅具有学科交叉特征，更是有着学科融合的趋势。同时，在6大板块之外还存在医学信息学、健康护理科学和卫生服务等公共卫生学科的聚类，虽体量有限，但不可否认其依旧是推动PCIM领域知识积累和实践进步的重要学科力量。如前文高被引文献所提及的，内维尔·卡列哈（N. Calleja）等公共卫生学科领域的学者通过整合多学科专家知识和各阶层公众经验，开发出一套管理框架帮助公共部门在新冠疫情大流行期间管控由病毒疫情级联引发的信息疫情[30]，即谣言传播造成的风险放大问题。该框架最终被世界卫生组织（World Health Organization）采用并向各国政府推广使用。

图3 PCIM研究文献归属学科共现图

Fig.3 Co-occurrence map of disciplines attributed to PCIM research literature

（2）研究脉络。了解研究脉络及其变化同样有助于增进对PCIM领域的整体认知，本文利用文献归属主题数据，将中英文文献样本中各文献归属主题数据匹配聚合后，以1991-2000年、2001-2011年、2012-2017年和2018-2023年为限将数据切片为4期，选取每期出现频次前50%的节点作为代表，绘制领域研究脉络演化桑葚图（图4）。可以发现，PCIM研究脉络“主干相对稳定、枝叶不断变化”，既可以看到在研究问题方面，知识管理、风险沟通、自然灾害等经典议题的逐渐细化，恐怖主义、移民、新冠疫情等实践需求导向型新议题的涌现；也可以发现在研究工具方法方面，地理信息系统、回归分析等传统分析手段的一以贯之，同时机器学习、深度学习、人工智能等新方法的兴起。

图4 PCIM研究脉络演化桑葚图

Fig.4 Mulberry diagram of PCIM research vein

3.3.2  领域知识结构分析

（1）关键词共现。以关键词共现为主要手段的知识结构分析是了解某一研究领域热点主题和前沿问题的经典手段之一[31]，本文通过提取2013-2023年中英文文献样本的关键词数据，根据语义手工对齐关键词后，分别绘制PCIM研究中英文文献的关键词共现网络图（图5）。选取近10年的文献数据进行分析，一方面是因为已有文献综述对2012年以前PCIM研究领域知识结构和研究主题进行过梳理分析[13]，另一方面是出于更集中聚焦领域最新发展动态的考量。从共现网路图，可以看出近年来PCIM领域中英文文献均形成了3类各有特点的研究热点。

图5 近10年PCIM研究关键词共现网络图

Fig.5 Co-occurrence network diagram of PCIM research keywords in the last 10 years

英文文献的研究热点包括：①围绕社交媒体、传统媒体等进行的风险沟通、风险感知、危机沟通等研究，尤其是新冠疫情的大流行直接推动了热点体量的扩张。②借助地理信息系统、空间分析、数据模型、数据挖掘等工具方法开展的风险评估等研究，目前此类研究虽以自然灾害的评估为主，但涵括的公共危机事件类型全面。③大数据、智慧城市、物联网、人工智能等新一代数字信息技术兴起背景下的灾害管理、应急管理研究，即智慧应急相关研究。

中文文献的研究热点包括：①基于地理信息系统、信息量模型、空间信息技术等进行的自然灾害易发性评价、危险性评价等研究。②围绕应急管理、公共危机、突发事件等展开的应急决策、应急预案、应急信息管理、风险感知、风险沟通、政府信息公开、数字治理等研究。③传统公共危机和新兴公共危机的风险评估研究。值得关注的是，数字化浪潮带来的信息安全、网络安全、算法歧视等新兴潜在危机的风险评估受到了学界越来越多的重视。

（2）主题聚类。在共现网络的基础上，利用CiteSpace软件提供的主题聚类功能对网络结构进一步序化，以更全面、综合地识别出PCIM研究领域近10年的研究主题（图6）。

图6 近10年PCIM研究主题聚类结构图

Fig.6 Clustering structure of PCIM research topics in the last 10 years

应用潜在语义索引（Latent Semantic Indexing，LSI）、对数极大似然率（Log-likehood Ratio，LLR）和互信息（Mutual Information，MI）3种聚类算法进行聚类分析，以语义为依据对3组聚类结果匹配整合，最后得到英文文献主题聚类标签35个，中文文献主题聚类标签34个（表5）。主题标签的具体阐释，将在叙述型综述部分进一步展开。

表5 近10年PCIM研究主题聚类标签

Tab.5 Clustering labels of PCIM research topics in the last 10 years

3.4  PCIM研究的热点主题

结合前述范围型综述的知识图谱结构分析和2013-2023年领域内高被引文献的内容分析，PCIM近10年研究主要涉及6大热点领域，涵盖16个热点主题。

3.4.1  理论框架与领域议题

（1）理论框架。理论框架往往在应用性社会科学研究领域的发展中起到奠基作用^[32]。PCIM领域的理论框架依旧尚未完全定型。沙勇忠等通过整合PCIM的要素论、过程论、功能论、方法论、系统论，提出PCIM的EPFMS理论分析框架^[33]，并基于此阐述了领域内的主要知识范畴。寇纲等提出突发公共事件信息管理框架应由突发公共事件指标体系信息收集和预处理、数据挖掘和智能知识、信息展示和决策支持等模块共同组成^[34]。苏新宁等借助生命周期理论方法，构建了基于组织角度的链状模型、基于情报内容角度的环状模型、基于应急决策角度的V状模型等三种应急情报体系理论模型^[35]。朴哲贤（Chul Hyun Park）等基于信息科学中经典的投入-过程-产出模型，提出应急数字志愿者贡献的理论分析框架^[36]。卡茨里亚娜·拉布内茨（K. Labunets）等在安全目录制定和使用中引入循证（Evidence-based）理念，改进提出基于证据的安全风险分析知识重用理论框架，并通过专家和新手分析师的对照实验，实证检验了循证有助于促进知识重用的假设^[37]。罗伯特·托马斯（R. Tomas）等为平衡全面灾害风险评估对数据的海量需求和灾害空间数据获取困难、完整性差、质量不一的矛盾，开发了一套具有互操作性特征的理论框架。该框架涉及规范灾害领域通用术语、采用通用模型促进跨域数据集成、制定自然灾害评估通用方法和推动自然灾害分类方案动态可扩展等内容^[38]，并被欧洲空间信息基础设施法令（INSPIRE）的自然灾害数据规范技术指南采用^[39]。

与此同时，在新冠疫情、气候变化、极端灾害等需求侧以及数智技术兴起、技术环境变革等供给侧的共同牵引下，近几年PCIM相关理论研究不断涌现。例如，面向现代通信生态系统环境的启发式风险沟通框架^[40]，将传统组织-公众对话式沟通框架扩展至社交媒体背景下的多层次对话沟通框架^[41]，致力于提高关键基础设施弹性的数字孪生基础设施运行概念框架^[42]，围绕公共卫生事件中的信息公开问题构建的疫情信息公开精准治理“四阶段-敏感度-可用性”分析框架^[43]及信息公开质量标准体系框架^[44]，试图推动人工智能和风险科学深度融合的理论框架^[45]，大数据驱动公共安全治理中的数据协同逻辑框架^[46]及治理模式框架^[47]等。

按照拉卡托斯的“科学研究纲领”^[48]，理论框架研究中部分理论将逐渐构成PCIM研究的理论硬核，实证研究中部分假设和理论归纳将聚集形成领域的保护带。从目前的研究态势来看，虽然大量研究为PCIM积累了理论保护带，但是PCIM领域理论内核还尚未形成，例如对领域研究是聚焦于信息和信息技术问题^[49]，还是将研究问题置于组织场景、社会互动、政策制定等更宏观议题之下^[1]，源自不同学科的学者间依旧存在争议。

（2）领域议题。综述和述评文献对PCIM领域研究议题进行了多角度的归纳梳理，显示了PCIM领域研究的主要议题或主题图景。

涉及公共危机管理中信息系统应用^[50]、公共危机管理中大数据应用^[51]、政府应急信息发布和信息公开^[52]、公共危机管理中谣言及网络舆情^[53]、公共危机管理中社交媒体作用^[54]、公共危机管理志愿信息^[55]及众包^[56]等信息活动，公共危机事件监测预警^[57]、风险分析^[58]、风险沟通、救援仿真^[59]、数据挖掘^[60]、智慧灾害管理^[61]等。这些议题设置与研究发现对于PCIM研究发展有重要的启示价值。莱西亚·帕伦（L. Palen）等指出海量的社交媒体推文正在成为危机信息学研究的新兴数据源，要利用社交媒体数据进一步挖掘其背后的信息行为规律^[23]。克里斯蒂安·路透（C. Reuter）等强调关注社交媒体平台为政府公众风险沟通提供更多渠道的同时，应更关注社交媒体同样便利了公众间的信息传播以及由此带来的谣言快速散播、集体无意识等风险^[21]。费舍尔·刘（B. Fisher Liu）等提出危机沟通理论研究要面向社交媒体积极进行理论创新，不要局限于形象修复理论研究，沟通如何在危机管理中进一步发挥作用需要更多的知识积累^[62]。奥吉（R. I. Ogie）等为灾害信息学这一术语提供了一个更综合、全面的定义，以期促进学者们对灾害信息学形成共同理解^[6]。穆纳瓦尔（H. S. Munawar）等指出信息技术赋能综合防灾减灾的痛点并不是技术不足，而是开放标准、共享协议和建设成本等限制了技术潜能的释放，未来研究可以通过产研合作围绕上述限制发力攻关^[63]。刘奕等剖析了我国目前智慧应急科技发展的基本状况和面临的问题，提出面向2035和大应急的中国智慧应急科技发展战略构想，涉及重要科技发展方向、重点基础研究方向、重大科技研发任务等^[64]。这些学者的观点得到了领域内学者的积极响应，推动了PCIM领域的议题设置和研究深化。

值得重视的是，罗伯特·索登（R. Soden）等指出的4个PCIM实践案例引发了领域内学者的共同反思^[65]。具体包括：①人类历史上首次大规模灾后数字志愿应急服务的尝试，即2010年海地地震救灾中在OpenStreetMap（OSM）平台发起的数字志愿服务项目，初衷是通过众包方式发动志愿者共同制作受灾信息图，为国际人道主义救援提供及时的地图数据，但在实际应用中由于严格的信息限制、信息不匹配等多重问题，导致数千名志愿者共同制作的地图并没有发挥出预期效果。②2012年桑迪飓风袭击前后在社交媒体平台积累的巨量推文数据，让学界意识到社交媒体平台可以为公共危机管理提供重要数据源。然而在学者们探索如何挖掘数据潜在价值的同时，社交媒体的局部代表性造成对危机态势的误判^[66]，隐私泄露引致的信息安全问题也引发了公众对危机数据如何纳入知识系统的质疑^[67]。③2010年拉奎拉事件中，因政治家和媒体对科学家观点的断章取义，致使公众误判大地震不会发生，2009年拉奎拉爆发6.3级地震造成308人死亡、近1500人受伤，2010年拉奎拉公众检察官办公室起诉控告相关6名科学家过失杀人。由此警醒我们要对公共危机管理中的风险沟通、科学沟通等问题进行反思。④2015年尼泊尔7.8级地震后，尼泊尔政府在国际社会和世界银行（The World Bank）的技术指导下开展灾后需求评估（Post-Disaster Needs Assessment，PDNA），此次PDNA采用了快速模糊评估方法，仅用3周便完成^[68]，虽然评估工作很难被称作是符合规范的，不仅评估过程倍受质疑，评估结果还存在明显偏误，但在实际救灾工作中，该评估结果依旧有力推动了国际捐助总额和分配方案的制定。以上4个案例让大家共同反思，数据信息和数字技术介入公共危机管理的限度和方式，认识到PCIM需要研究解释和回答的理论和实践问题还有很多。

3.4.2  危机信息传播

近10年与信息传播相关的技术和社会环境几乎发生了颠覆式变革。短视频、直播、社交媒体等新媒体技术的普及，加上公众信息素养和能力整体的显著提升，导致危机信息较过去往往传播得更快、更广，而危机信息传播过程中出现的问题也愈发棘手。

（1）危机谣言。危机谣言是公共危机信息传播过程中必然出现的问题，尤其是社交媒体的活跃及其言论自由特征，更是催生了危机谣言的频繁出现和大范围传播。该主题的研究包括：①谣言内容分析。常采用自然语言处理和人工分析相结合的方式进行分析，基于语义语用分析以揭示谣言文本的写作风格、语言特点、吸引技巧等^[69]，以及虚假图片、音视频的制作方式、图像特征^[70]等；②发布者信息行为特征分析。即通过跟踪分析谣言发布账户的账户信息、历史活动、发布规律等识别出社交媒体平台中那些专门用于传播虚假内容的账户^[71]，并基于研究发现开发自动或半自动的谣言发布账户识别工具；③传播模式分析。多为借鉴流行病模型构建谣言传播的数学模型，通过稳态分析、数值模拟等方式探究谣言传播规律、测试谣言干预措施^[72]；④虚假信息检测研究。目前相关研究中主要采用的技术路线有两种，一种是借助机器学习算法训练分类模型进行谣言识别^[73]，另一种是通过对社交平台用户关系的网络建模来判断信息可信度^[74]；⑤信息规范和标准研究。该类研究关注从制度与法规角度治理危机谣言问题，具体包括探究社交媒体平台用户实名化^[75]、发布内容责任化等制度的可行性和相关政策法规的效果，以助推用户能在理性思考后再发布或转发信息。

（2）危机舆情。危机舆情和危机谣言关系密切，甚至谣言发布动机的其中一种就是操纵舆论^[76]，危机舆情研究往往同时兼具管理性和技术性，且管理性更强。李纲等归纳总结突发公共事件网络舆情的研究热点有概念研究、特点研究、影响因素研究、生命周期研究、网络舆情技术与系统研究、舆情管控研究等^[77]，其中除网络舆情技术与系统研究可划归于技术问题外，其余均与管理问题相关。危机舆情研究这一特征源于舆情问题的公共性，公共危机事件中爆发的舆情很可能会影响到政府的公信力^[78]、甚至是其执政合法性，因此一些学者将其视作需要公共部门和公众间互动的治理问题，而不是单纯的技术问题。近年来危机舆情研究主要集中于以下四个方面：①危机舆情演化规律研究。以兰月新等构建突发事件网络舆情信息传播规律数学模型，研究潜伏期的舆情高潮预测问题为代表^[79]。②危机舆情态势感知研究。以张思龙等基于情报感知新理念构建了一套网络舆情研判与预警系统的技术路线^[80]为代表。③危机舆情监测预警研究。以梅德福（R. J. Medford）等通过对大体量Twitter推文文本情感的计算，预警了用户群对疫情大流行恐慌舆情的发生^[81]为代表。④危机舆情应对方法研究。以聂慧芳等考虑公众情绪演化对危机舆情发展的影响，提出针对舆情“初期-中期”不同特征的两阶段应急响应决策方法^[82]为代表。

（3）危机中的政府信息公开。政府作为公共危机管理的最重要的责任主体，需要承担大量的危机信息管理工作，包括但不限于收集整合危机事件相关信息、接收回应公众的诉求信息、发布权威信息引导舆论等，而信息公开则是政府落实信息管理工作的重要手段。黄种滨等指出政府信息公开可以回应公众信息需求，有利于消减公众对危机的恐惧以提振公众信心和防范社会失序，能增进公众对政府的认可与信任^[83]。虽然危机背景下和常态背景下的政府信息公开研究同样都会关注政府信息公开制度、信息公开影响因素、信息公开的效果、信息公开质量、信息公开时效性、信息公开渠道^[84]等内容，但是相关研究与危机情景有联系时，研究的偏好、议题依旧有所差别。例如，一些研究更加关注政府信息公开对政府执政合法性^[85]、公民政策遵循^[86]等与公共危机应对关系密切的议题，一些研究则更加关心政府信息公开的制度落实，从政府层级的央地关系^[83]、危机事件等级^[87]、公民参与共同生产^[88]等角度探讨如何确保政府危机信息及时公开、如何让公开的效果更好。

3.4.3  风险沟通

风险沟通研究长期以来带有“充斥悖论”和“不确定强”^[89]的标签。近年来相关研究开始自觉地思考“发布方接收者间的双向信息交换^[90]”“多元主体参与的信息传播网络^[91]”等问题，推动风险沟通研究向更贴近现实的复杂情景深入。    （1）风险感知。风险感知关注人们对有危害性活动和技术的直观判断与评估，以及风险主体的风险感知与态度，一方面有助于理解和掌握社会公众对各类风险灾害的响应状态，另一方面也为社会公众、技术专家和决策制定者之间的风险沟通提供依据。部分研究使用风险认知（Risk Cognition）的表述，从含义上看两者基本一致，只是风险感知被学界使用的更多^[92]。当个体或群体身处公共危机时，会因其自身特质、所获取的风险信息以及特质与信息间的相互作用^[93]，导致不同个体和群体在面临相同潜在风险时会形成不同的风险感知。例如，总有人会对客观上很小的风险表现出反常的恐惧和不安，也会有人对客观上很大的风险视而不见。虽然危机风险感知研究需要考虑信息问题，但其研究内容往往与个体特质和心理活动更相关^[94]。学界遵从心理学研究范式，将风险感知概念化并开发了众多模型量表和工具用以测量风险感知，包括测量飓风风险感知的认知情感量表^[95]、测量气候变化风险的量表^[96]等。然而，量化风险感知往往困难且争议不断^[97]，过去的研究常是针对某一特定类型事件开发量表。近年来通用风险感知量表的研究逐渐兴起。威尔逊（R. S. Wilson）等开发了可以通用测量行为相关风险、技术灾害风险、自然灾害风险的泛化风险感知量表^[94]。此外，影响因素分析、公众风险感知对公众响应风险政策和自身行为选择的影响等同样是风险感知研究的关键议题。卡汉（D. M. Kahan）等研究发现公众对气候变化风险感知的分歧并不源于公众对科学的不理解，而是源于个人利益与集体利益之间的冲突^[98]；吉塞拉·瓦欣格（G. Wachinger）等对自然灾害领域中与风险感知与个人意愿或风险准备相关的定量定性研究进行了梳理，并提出风险认知悖论，即风险经历与风险感知之间存在影响关系，尤其是自然灾害的个人经历以及对政府和专家的信任对风险认知有显著影响，但不同研究结果表明该影响既有正向也有负向^[93]。李天明（L. T. Ming）等通过对119个国家/地区的跨国调查，指出加强素质教育、积极向公众宣传气候变化对其所在地的影响有助于公众参与和支持气候变化管理政策，同时通过国家间比较发现，国情、区位条件不同的国家间影响公众气候变化风险感知的影响因子差异显著，进一步提出各国需要因地制宜地制定气候风险信息传播策略^[99]。徐戈等通过雾霾严重时期收集的大规模问卷调查数据，构建了公众雾霾风险感知因素与其应对行为之间关系的结构方程模型，探讨了公众的雾霾风险感知对行为和环境满意度的影响^[100]。

（2）危机中的科学传播。科学传播（Science Communication）与风险沟通各自作为相对独立的研究领域，原本二者之间仅有零敲碎打的联系，2010年发生的拉奎拉事件促成了两者的深度融合。面临公共危机时，政府、公众往往会高度依赖科学信息来判断危机态势，进而做出合理选择，可实际情况是科学传播难以确保准确无误。一方面源于科学固有的不确定性和科学发展阶段的局限性。科学固有的不确定性意指科学进步本身就是不断提出新假设、推翻原假设的迭代过程，在此过程中积累的科学知识天然带有不确定的特点；科学发展阶段的局限性是指现代科学的能力存在边界，像地震精准预测、长期天气精准预测等依旧是现有技术能力无法实现的。另一方面是因为与风险沟通一样，科学传播同属于主体间的信息传播活动，科学知识信息经复杂传播网络传递后出现信息失真的问题在所难免，尤其是现实中科学信息经常因政治、经济和世俗化等原因，会先由政府、媒体加工处理后再传播至公众。围绕上述两方面现实痛点，涌现了两类研究：①不确定性描绘对科学传播的影响研究。即探究在科学传播中，有意识地向公众告知科学的不确定性会起到积极还是消极影响，而该问题长期存在争议^[101]。巴顿（T. M. Barton）等跟踪研究新西兰“阿尔卑斯断层8级地震”项目（由灾害管理机构、关键基础设施组织、大学和皇家研究所联合组建的政产学合作项目，致力于更好应对灾害风险），发现灾害风险知识被认为在科学层面可信度高时最有效^[102]。最近一项定性系统综述研究也指出，并未发现向公众告知科学的不确定性会对风险知识传播有积极影响的实证证据^[103]。②科学信息传播机制优化研究。即通过建立信任主导的沟通生态、拓展科学家向公众传播科学信息的直接信息渠道等，最大限度减少信息误传、漏传、错传的问题。此方面研究的积累，在中国新冠疫情初期有力地推动了专家信任地位的确立和风险沟通成效的提升^[104]。

（3）风险沟通中的信息说服。信息的说服（Persuasive）在风险沟通中有着重要作用^[105]。信息说服研究属于风险沟通研究中专门探究微观信息问题的一类研究，致力于通过说服信息设计以影响人们对潜在风险的态度和行为。传播学、新闻学、心理学等领域的研究力量是推动该方面知识积累的主力。研究具体包括：①危机信息加工研究。研究个体在接受危机信息后如何理解和内化信息，即信息加工。人的信息加工过程概括为两类模型，分别为详尽可能性模型（Elaboration Likelihood Model，ELM）和启发-系统式模型（Heuristic Systematic Model，HSM）。在ELM模型下，危机信息可以通过设计来主动引导受众的信息处理走中心路径，使其能在深思熟虑后决策，或引导受众的信息处理走边缘路径，让其做出判断时更依赖外部信息^[106]；在HSM模型下，危机信息既可以按有利于从直觉上启发受众^[107]的方式进行设计，也可以从满足受众系统性理性思考需要^[108]的角度进行设计。②危机信息框架研究。以框架理论（Framing Theory）为基础，探究等效框架、强调框架、增损益框架、视觉框架、积极消极框架等信息框架对风险沟通的影响^[109]；③危机信息内容研究。更偏好关注局部细节的信息规律研究，例如分析信息中的恐惧诉求如何引发受众对风险的恐惧情绪^[110]，比较统计性证据和叙述性证据间谁更具有说服力^[111]等。

3.4.4  危机中的社交媒体

危机中的社会媒体研究依旧是PCIM研究领域最受关注的热点主题^[112]。克里斯蒂安·路透（C. Reuter）等更是认为危机中的社交媒体研究推动了危机信息学的形成和发展^[21]。

（1）危机中的社交媒体使用。身处公共危机时，公众的社交媒体使用量会爆发式的激增。探究公众在面临危机时为何使用社交媒体，又如何使用社交媒体，以及在使用社交媒体的过程中公众间自发形成了哪些危机应对新模式等是此类研究共同的特点。例如，卡沃塔（J. K. Kavota）等的实证研究指出，容易使用、提供信息质量好、公众感到有用等因素正向影响了公众在危机时期的社交媒体使用行为；凯特·斯塔伯德（K. Starbird）等分析了来自各大洲的Twitter用户在地震救灾期间如何帮助翻译、整理信息，揭示了“数字志愿者”在信息空间中自组织行为的内在机制^[113]。危机期间社交媒体平台展现的价值，已经不单单只是方便人们获取、传递、交流危机信息，而是在技术赋能危机信息快速流通的过程中，孵化出了诸多像“互助文档”“受灾信息地图”“救灾物资信息整理”等公众间互助应对危机的生动实践，拓宽了多元主体共同参与PCIM的渠道与方式^[114]。正如莱西亚·帕伦（L. Palen）等在2007年ISCRAM年会上预言的那样，“未来信息通信技术支持的公众参与危机应对将稀松平常且贡献重大^[115]”，以社交媒体、协同工作系统等为代表的一系列新技术及相关应用的赋能，让公众参与的危机信息共治从理论走向了实践。

（2）社交媒体的应急潜能挖掘。不同于社交媒体使用研究更多是站在用户使用的立场分析社交媒体在公共危机管理中的作用，社交媒体的潜能挖掘研究则主要从公共组织利用社交媒体防范危机、化解危机的角度进行研究。例如，徐选华等探究如何从社交媒体数据中挖掘出那些无序分布在数据深处的群体知识，提出一套综合使用TF-IDF、词汇链算法、语义计算的应急决策大群体群智知识挖掘及其价值测度方法^[116]；闪四清（S. S. Qing）等借助自然语言处理技术分析危机期间的微博发帖，进而实现对危机事件造成损失的实时动态评估^[117]等。总结来看，社交媒体平台可以在危机期间帮助政府收集公众诉求、监测危机态势、引导公众参与危机管理、创造社会凝聚力、促进慈善捐赠等^[118]。当前研究中对社交媒体作用的探讨，已经从危机应对延伸至公共危机管理生命周期的全阶段，即思考社交媒体在危机减缓、危机准备、危机响应和危机恢复的各阶段都分别能发挥什么作用。休斯顿（J. B. Houston）等的研究发现在灾害管理活动中，社交媒体具有事前预警和发布备灾信息，事中监测灾害影响态势，事后帮助社区重建等15种不同的用途^[119]。但米格尔·埃斯帕扎（M. Esparza）和亚历山大（D. E. Alexander）等指出，需要反思公共危机管理中滥用^[118]、误用、过度依赖社交媒体信息的问题，范超（F. Chao）等的研究亦认为，简单地将危机时期在社交媒体活跃发布受灾信息的地区视为需要救济的地区，很可能会导致那些没有条件上网的弱势群体所在地区失去被救助的机会^[66]。

（3）危机相关社交媒体数据收集和处理。如何从各种社交媒体平台采集与危机相关的数据、又如何对采集到的多源异构数据整合清洗，以及数据清洗后如何从中抽取研究需要的信息等技术问题，同样是PCIM研究关注的重点。危机管理研究中往往对社交媒体数据的位置信息、整合程度、获取及时性等有着特定需求。该类研究工作通常是由计算机、信息系统等学科领域学者推动。阿妮塔·萨罗吉（A. Saroj）等的一项描述型综述（Descriptive Reviews）从技术角度对这类研究使用的技术和方法进行了全面梳理，包括位置定位方法技术、提取技术、事件检测技术、内容分析技术、可视化技术等若干类^[120]。邬柯杰等的一项叙述型综述也对社交媒体数据提取灾害信息的技术应用进行了述评^[121]。社交媒体数据收集和处理的下述趋势值得我们关注：①让“数据变大”。近年来那些具有创新价值的研究均不约而同地使用了让社交媒体数据变大的策略，即将社交媒体数据和其他来源数据整合后再进行分析工作。例如，阿尔布克尔克（J. P. Albuquerque）等将Twitter推文数据和传感器数据、水文数据和数字高程模型整合，找到了一种更高效地从海量社交媒体数据中识别出与灾害管理强相关信息的技术方案^[122]。粟路军等通过整合新闻报道、政府文件、微博评论、政府新闻发布会资料等数据，探究了社交媒体兴起背景下，政府和媒体的信息响应策略对公众行为的影响^[123]。②“Twitter”失宠。以往研究中使用的社交媒体数据大部分来源于Twitter平台，原因在于其方便的数据导出服务让研究者们甚是受用^[1]。目前国外的Facebook和Instagram平台相继推出Graph API与Instagram Graph API，国内微博、小红书、抖音等平台也分别上线开放平台API服务，允许研究者更便捷地获取帖子、用户信息、评论等结构化数据。③提供“跨平台证据”。虽然社交媒体数据很有价值，但它天然带有的选择偏差问题^[23]，经常会被坚持传统研究范式的学者不认同。为尽可能消弭质疑，亚尼斯·西奥查里斯（Y. Theocharis）等开始尝试并呼吁^[124]用来自多个平台的社交媒体数据开展研究，以提升数据的代表性，得到更稳健的研究结论。目前PCIM领域使用“跨平台证据”的社交媒体研究还很有限。

3.4.5  风险分析与评估

风险分析（Risk Analysis）和风险评估（Risk Assessment）既有联系又有区别。风险分析是风险评估的前提^[125]，旨在对潜在风险进行初步了解，并确定哪些风险需要深入评估。而风险评估则更详细、具体，以定量、定性或综合的方法量化风险，进而明确风险等级及其可能影响和潜在威胁等。两者都是风险管理的重要手段，也是风险研究的重要内容，其本质是理解和解释风险^[126]。风险分析与评估研究在过去几十年内得到了显著发展，以国际风险分析学会（Society for Risk Analysis）下设专业小组的情况为例，16个小组的研究范围几乎涵盖了生产安全、自然灾害、生态安全、社会稳定、职业健康、国家安全、金融安全等经济社会发展中与风险问题相关的方方面面。

（1）风险分析。在新兴技术方法不断涌现的同时，很多上世纪提出的经典风险分析方法也被沿用至今，这使得风险分析领域积累了庞大的方法集。例如事故致因模型、模糊认知图、事故树、事故地图、瑞士奶酪模型、检查单法、情景分析、贝叶斯网络推演、马尔可夫链预测等，这些方法中既有定性的、定量的，也有定性定量结合的混合分析方法。与此同时，灾害数据、建模工具和算力资源的不断丰富，让这些分析方法的结果越来越精准。然而，随着风险分析研究向复杂问题情景的深入、向宏大研究议题的拓展，风险分析领域正在面临方法危机。上述经典的分析方法在面对复杂系统的风险分析问题时存在很多局限性，例如在多个突发事件同时发生或级联发生的问题情景下，在全球气候变化风险、网络物理耦合系统风险等宏大议题下，因果分析、贝叶斯网络、马尔可夫方法等现有研究中较常使用的定量分析方法很难得到精准分析结果，而定性分析方法更是因模型简单，往往很难考虑复杂系统的风险动态性、要素耦合性等细节问题。因此如何实现复杂环境下突发事件风险的精准分析成为近年来学者关注的重点。刘奕等认为未来的方向是发展“数据+模型+理论”的风险计算方法，但需要解决缺乏体系化的突发事件模型、灾害数据多源异构且规范标准缺失、风险计算模型方法不足等三大瓶颈问题^[127]。扎赫拉·穆哈赫格（Z. Mohaghegh）等认为应该将组织因素纳入技术和事故的概率风险评估，使其契合社会技术系统的复杂性^[128]，贾斯汀·彭斯（J. Pence）等在此思想的基础上，提出了社会技术风险分析中量化组织因素的数据理论方法^[129]。传统风险分析在因苏亚（D. R. Insua）等的推动下扩展至对抗性问题情景^[130]，对抗性风险分析方法（Adversarial Risk Analysis）因此被提出，并在一些以国家安全为主题的研究中得到应用^[131]。除此之外，还有目前流行的全球洪水风险模型（Global Flood Risk Models）^[132]开发研究、将人类行动纳入洪水灾害风险分析的系列研究^[133]等。

（2）风险评估。风险评估研究的逻辑起点是对风险概念的理解。尽管不同学科对风险的定义有着不一样的表述，但基本都会在表述中提及风险概念中的两大基本要素，即可能性（发生的概率）和后果（造成的损失）。因此，风险评估也往往是从某一特定突发事件的出现可能和预计损失两方面入手，对潜在风险进行量化评估。同时，此类研究中自然灾害风险评估研究的体量最大且更加成熟。从范围型综述部分展示的研究脉络图、关键词共现图等不难看出，以地理信息系统（Geographic Information Systems，GIS）为基础的空间信息技术在PCIM研究领域频繁出现，正是因为空间信息分析是自然灾害风险分析与评估中最通用的手段^[134]、灾害空间数据也是分析评估工作中最常用的数据。灾害系统理论的提出，使从致灾因子、孕灾环境和承灾体三方面进行自然灾害风险评估指标设计成为一种通行做法^[135]。自然灾害风险评估理论方法也被推广应用至对其他类型突发事件的风险评估研究中。例如，流行病学的空间分析研究^[136]，基于GIS的交通安全风险评估研究^[137]，从城市区域环境、火灾危害和防护能力三方面设计城市火灾风险评估指标体系^[138]等。然而，风险评估研究必须不断发展，以应对现有和未来的挑战^[139]，尤其是要重点关注那些已经出现但尚未大规模爆发的新兴风险和我们从未经历过的未知风险。整体来看，评估准确性和应对知识匮乏是近年来相关研究寻求创新的两大主攻方向。①评估准确性。学界对风险评估研究的反思总是周期性的出现，2017年Safety Science期刊发布了特刊《风险管理中的风险分析验证和信任》^[140]（Risk Analysis Validation and Trustin Risk management），引发了新一轮主题为“风险评估可信度及其结果准确性”的反思潮。帕斯曼（H. J. Pasman）等指出风险评估的对象及评估涉及的主体并非一成不变的，未来应该从韧性角度思考如何评估风险^[126]。弗洛里斯·戈兰特（F. Goerlandt）等认为评估人员的事前培训、多评估方法结果的交叉验证、建立独立同行评议制度、在评估过程中进行质量管理等，均可一定程度增进定量风险分析的有效性。②应对知识匮乏。在上述反思潮中同样形成了另一派观点，在不确定性越来越加剧的当下，风险评估发展的重点是解决知识的匮乏，而不是精进传统风险评估和预测方法的准确性。特雷·阿文（T. Aven）、齐奥（E. Zio）^[139]等认为之所以现有评估的效果不尽人意，是因为原先的知识积累尚不够解决当下和未来人类面临的复杂问题，包括数字化变革带来的新兴风险、气候变化引发的极端灾害和巨灾等。此观点在一系列拓新研究中也有所体现，例如自然灾害引发的技术灾难（Natural Hazard Triggering Technological Disasters）事件的风险评估方法研究^[141]，多灾种综合风险评估方法研究^[142]等。

3.4.6  数字应急与智慧决策

智慧应急作为应急管理现代化的重要发展方向，与此相关的实践与理论问题研究同样是当前PCIM的研究热点之一。

（1）应急管理数字化。物联网、人工智能、无人机、数据中台等数字技术在应急管理领域中的应用得到了研究者的重点关注。巴托利（G. Bartoli）等基于物联网和区块链技术，提出了一种用于自然灾害、城市火灾和犯罪行为监测、预测和管理的城市公共安全智慧管理平台设计方案^[143]。古普塔（S. Gupta）等通过访谈梳理了目前印度自然灾害应急管理中人工智能和云协作平台的应用领域，包括帮助业务人员管理灾害数据、预测突发事件、评估灾害损失，辅助政策制定者确定关键地区、选取应急预案等^[144]。安东尼（R. Antoine）等研究发现随着无人机的小型化、灵活化和可靠化，其在地质灾害管理全过程中的应用越发普及，指出优化无人机和卫星数据整合利用的技术路线是未来研究的突破方向^[145]。杨大鹏以浙江数字抗疫为例，介绍了数智化中台、基础数据平台、数据开发开放共享体系在应急管理实践中的价值^[146]。与此同时，一些研究站在整体视角讨论了如何实现应急管理数字化。例如，高山等通过分析绩效生成路径，研究发现基层政府应急管理数字化建设效果是由情境、资源、策略等多层面条件共同决定的。宋轩（S. Xuan）等概述了大数据及相关技术在应急管理中的应用，将大数据应急技术分解为基础设施技术、数据分析技术和知识管理技术，并介绍了三类技术的发展前沿与挑战^[147]。拉杰什·辛格（R. Singh）等归纳了将物联网和人工智能技术应用于高速公路安全管理的5种场景，并提出将智能照明、交通流量控制和道路应急管理整合的技术应用架构^[148]。魏玖长等基于政策导向和现有技术框架，提出中国应急管理体系灾害信息可视化要着重发展灾害监测预警和应急决策支持两方面能力，通过健全标准体系与优化协同网络最大限度发挥技术潜力。周利敏^[149]、赵祚翔^[150]等提出可以将应急管理数字化融入智慧城市建设，通过平台数据整合共享、数据标准同步规划等推动应急数字化提质增效。

（2）应急知识管理。应急知识管理是将知识管理理论和方法应用于公共危机管理领域，以重大突发事件相关的知识要素为对象，研究应急知识和知识应用问题^[151]。其实质是通过对应急管理相关隐性知识和显性知识的管理以实现知识复用，进而支持智慧应急决策。研究内容主要包括以下三类：①知识系统建设研究。案例库、知识库等是建设应急知识系统的主要手段，并在建设理念上可划分为以用户为中心和以知识为中心。马吉斯瓦利·多拉萨米（M. Dorasamy）等针对马来西亚具体国情开发了一套服务业务人员的应急知识库系统原型iCEMAS（Integrated Community Emergency Management and Awareness System），并通过在应急业务部门的模拟环境测试验证了该系统有助于解决应急数据管理、应急知识共享和传播等^[152]。于峰等借鉴生物分类学方法，提出基于案例相似度的突发事件情景应对案例库族谱设计方法，该方法面对大体量案例集时能有效提升案例检索效率和匹配精确度^[153]。在实际应用中知识系统通常会与专家系统、决策支持系统等配合使用。②知识应用研究。目前以知识建模、知识图谱构建研究为主。杜志强等提出从理论出发自顶向下构建模式层和基于数据自底向上构建数据层相结合的应急知识图谱构建流程，可有效从多源数据中序化应急知识^[154]。王慕华等采用数据驱动和专家经验结合的方式，构建了暴雨预警事件知识图谱模型，用以从监测数据、气象预报文本等数据中自动抽取和展示暴雨预警事件中的主要要素及要素间关系^[155]。与此同时，随着知识推理、大语言模型等技术的发展，基于图谱的应急知识问答、知识推荐^[156]等应用研究也开始兴起。③知识共享传播研究。这类研究关注应急知识共享传播过程中的人因问题。个体特质、社会因素、地区文化和组织边界^[157]等都是影响知识共享意愿和行为的重要变量。马兹达·艾哈迈德（M. Ahmad）等的实证研究，发现自我效能感、社会支持和社会认同会显著影响受灾公众的知识共享意愿^[158]。福斯托·马林西奥尼（F. Marincioni）通过美国和意大利应急实践的比较研究发现，技术与地区文化的互动是影响灾害知识传播的关键因素^[159]。尼曼（M. R. Nyman）等的访谈研究发现公众会更倾向于将自己对极端天气及其影响的经验、知识在组织内共享^[157]。

（3）基于案例推理的应急决策。案例推理（Case-based Reasoning，CBR）的核心思想在于使用旧经验来理解和解决新问题，该方法已在应急决策领域得到广泛应用^[160]。张丽媛（Z. Liyuan）等提出两阶段应急决策方法，即先通过基于知识单元案例推理（KU-CBR）方法来生成备选方案，再利用语言直觉模糊偏好关系（LIFPRs）方法将专家知识和经验融入决策过程以选择最佳方案，并以防台风应急预案的选取验证了该决策方法的可行性和有效性^[161]。段金利（D. Jinli）等通过提取传染病突发事件的主要情景，对事件演变过程进行结构描述，采用马尔可夫模型分析传染病暴发的情景演变，提出了一套动态CBR的传染病事件决策模型^[162]。总体来看，目前案例推理方法在应急决策研究中的应用有以下特点：一是关注优化案例检索匹配的步骤与方法，常见的手段有调整案例检索方式^[163]，改进案例相似度计算方法^[164]，借助机器学习算法进行案例匹配^[165]等。二是主要应用于应急响应场景，像医学领域将CBR用于诊断、分类、规划和治疗等多场景那样，进一步挖掘CBR在应急预防、应急准备、恢复重建等场景下的应用潜力。三是对案例的广义理解，具体研究中案例既有用特征向量表示的，也有用框架或本体（Ontology）进行结构化表示的，只有少部分研究会用文本表示案例^[166]。四是动态和复杂情景CBR研究兴起，例如根据传染病事件演化不同阶段匹配相似案例的动态CBR决策模型研究^[162]和考虑台风灾害链的CBR风险预测模型研究^[167]等。五是案例推理和其他风险分析方法的综合使用，通过多方法结合提高相似案例匹配率的同时，可将研究拓展至更复杂的应急决策问题情景^[168]。

4  研究趋势展望

4.1  多学科交叉融合的发展

如前所述，目前PCIM研究涉及社会科学、工程学、计算机科学、环境科学、地学及基础学科等6大学科板块，显示了PCIM领域的学科交叉特征。多学科的交叉研究为PCIM提供了跨学科的知识基础、多元化的理论视野以及场景化的研究方式，形成推动PCIM发展的重要学科力量。但与此同时，由于学科间在术语体系认知和研究范式方面的差异，未能形成学科间实质性的理论对话和知识融合，在局部知识不断涌现的同时，尚未能发展出PCIM整体知识，易言之，PCIM领域的理论硬核正处于凝聚形成过程中。未来的研究将更加重视PCIM的跨学科研究，在注重6大学科板块的主要学科如图书情报、信息管理、计算科学、公共管理各自的知识生产的同时，尤其强调根据PCIM的内在规定性和核心理论问题进行知识生产的交互、竞争与关联^[169]，以促进PCIM理论硬核的形成以及整体知识的涌现。

4.2  关注新兴风险和未知风险

PCIM研究面临的不仅是问题情景从简单走向复杂化（Complication），还需关注复杂性（Complexity）问题的研究^[170]。复杂性问题指那些虽然当前机理不明确、内在关联复杂、演化结果难以预测，但已经被意识或预见到其存在风险的问题，具有自主性、动态性和进化性，会在不确定的时间点以我们尚未预想到的方式爆发，形成“黑天鹅”事件^[171]。复杂性问题研究主要涉及新兴风险（Emerging Risk）和未知风险（Unknown Risk）。新兴风险指那些已经露头但尚未大规模爆发的风险。例如，核电厂信息系统安全风险、智慧城市信息安全风险、网络恐怖主义风险和跨境数据流风险等。未知风险指那些首次发生，从历史记录中几乎找不到类似案例可供参考学习的风险。例如，全球气候变化引致的极端天气事件，目前主流使用的天气预测手段——数值模拟（Numerical Simulation Models）因缺乏类似天气状况的案例数据而预测屡次失灵^[172]。复杂性问题研究不仅需要大数据积累、新兴技术赋能以及面向情景的仿真推演，更需要前瞻性思考、发散性思维和公共价值^[173]的加持，以防止“想象力失败”（Failure of Imagination）这一危机管理实践中的永恒威胁。

4.3  探索人与技术的协同

罗伯特·索登（R. Soden）等指出的4个PCIM实践案例引发的反思提示我们，技术系统发挥作用是有条件的，需要与行政体系、组织架构和人的行为相匹配，易言之，技术系统在危机管理中发挥作用，不仅是一个行为技术问题，更是一个行为价值和行为管理问题。吕孝礼、薛澜在中国应急管理体系反思研究中也提到，尽管在国家应急体系顶层设计时高度重视信息问题，并建设了严格的应急信息报送制度和畅通的信息传递系统，但在实际运行中仍然因基层出现人为瞒报问题而导致信息系统失灵^[174]。罗伯特·索登（R. Soden）呼吁“危机信息学相关研究要积极向HCI（Human-Computer Interaction，人机交互）、CSCW（Computer-Supported Cooperative Work，计算机支持的协同工作）等领域扩展研究问题，以形成对危机管理中信息问题的更完整理解”^[65]，就是基于对危机管理中人与技术协同问题的深刻体悟。

随着深度神经网络、生成式AI等新技术涌现，人工智能技术突破显性知识与隐性知识鸿沟的“波兰尼悖论”逐渐成为可能^[175]。机器人、无人机、AR/VR、图像识别、AIGC、大模型等技术在应急管理领域的大量应用，人和技术成为相互合作的伙伴，需要超越人与工具二分或人机对立的传统思维方式，以全新的理念建立人与技术优势互补乃至合作共生的伙伴关系，注重技术应用可能带来的诸如隐私风险、算法歧视、责任伦理等衍生风险。学界提出的“三元空间”大安全观^[176]、超前布局“人机物”融合应急管理新范式^[177]等设想，以及美国信息技术促进灾害管理委员会、新美国安全中心智库关于危机管理中信息技术战略制定^[178]的相关建议，均显示了对人与技术协同这一命题的关注。

4.4  加强基础数据积累与共享

科学研究已迈入数据密集型“第四范式（The Fourth Paradigm）”，创新和竞争性的研究需要积累PCIM领域的一手数据，在此基础上可以进一步通过互惠互利交换数据或通过任务驱动协调数据，开展数据驱动的危机管理重大问题研究，并通过证据合成和证据链建立，支持危机管理循证决策。

基础数据的积累需要国际组织、国家、学术组织、研究者等多层主体的共同努力。经济合作与发展组织（OECD）的全球地震模型（Global Earthquake Model，GEM）行动计划发布了1900年至今有仪器记录的全球历史地震目录（ISC-GEM）、全球断层数据库（GAF-DB）、全球地震危害地图、全球地震风险地图、地震情景数据库等；灾害流行病研究中心（CRED）开发维护的EM-DAT数据库收录了从1900年至今全球26000起大规模灾害数据。2020年我国实施的第一次全国自然灾害综合风险普查获取了数十亿条灾害风险要素数据。一些学术组织如约翰霍普金斯大学^[179]、Zenodo、Figshare、中国科学院科学数据中心等也通过数据开放平台公布了相关灾害危机数据集。这些基础数据的积累与不同方式的共享，对进行包括国家、地区、组织、个体之间大规模同类案例的横向比较研究，以及大规模同类案例的历时性纵向比较研究具有重要价值，前者有助于横向知识的互鉴贯通，后者有助于纵向整体知识的生成。

4.5  强化政产学研协同创新

PCIM是政府主导，企业、社会组织和公众等多元主体相互协同的数据信息驱动的危机治理活动。从“政”的角度来看，与“学研”合作可借助专家系统的力量提供危机管理重大问题的学理支撑和决策依据，与“产”的合作可借助技术系统的力量提供危机管理技术条件的支持。从“学研”的角度来看，与“政”合作可精准把握研究需求并利用政府资源，提供专业人才与智库咨政服务，与“产”合作可借助其技术力量促进成果转化，开发应急产品并促进应急产业发展。从“产”的角度，与“政”合作可精准把握技术需求与产业政策导向，与“学研”合作可促进理论成果向应用成果的转化，发展技术赋能的危机管理实践。这种政-产-学研的协同关系与三重螺旋理论（Triple Helix Theory）所倡导的协同创新逻辑相似。

按照穆纳瓦尔（H. S. Munawar）的研究，政产学研合作推动信息技术赋能综合防灾减灾，需要找准政产学研各主体的定位并在具体情景下实现创新协同^[63]。例如，在诸如电子围栏、监测传感器、裂纹图像识别等减灾技术开发应用中，政府需要制定开放标准、共享数据与经验、强调系统的可扩展性，与产学研等形成协同合力，减低技术系统的成本。政产学研之间的协同关键是建立一种有利于创新赋能的机制，通过机制设计和迭代优化进行增量创新、临近创新、突破创新和激进创新，提升危机管理系统的效能，各个国家的PCIM有关实践正显示出该领域的努力和价值。

参考文献：略

基金资助：国家社科基金重大项目“新时代我国数字强边战略及实施路径研究（21&ZD163）”的研究成果之一；

原文链接：https://kns.cnki.net/kcms2/article/abstract?v=RyE_S26iMhWMuFGmIW2ksK87stcZqCcxBj8MBiEvP9PPMu6KTymk0iD5L4mAJkdxah_5gARXd-gO0h5WeiQN-RWGyX4MtaUPHm2Q0Iuukvn4IIsd1Kb6p0t8Jwzbok4XvGTN-OeRHNxRsmWufmjd2HwBs9jjjXPg4PMiucxIKgZKuvm9XQ-Dm5vHC6Ldnn4C&uniplatform=NZKPT&language=CHS