Information Systems
PulseAugur coverage of Information Systems — every cluster mentioning Information Systems across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
专家警告：AI预算掩盖了数据清理成本
企业级AI项目往往会暴露巨大的潜在数据债务，其中AI模型本身只是一个可见的项目，掩盖了数据清理和修复的真实成本。研究表明，周围的数据基础设施、配置和监控对持续的维护成本贡献巨大。基准测试中被污染的地面真实性、多维度数据质量问题以及语言模型训练语料库中的重复数据等问题，都会导致AI项目失败和性能下降。
-
计算机科学与信息系统专业引入人工智能方向
为计算机科学和信息系统专业的学生开设新的人工智能方向课程。该举措旨在为这些领域提供专业化教育。
-
AI管道将IT工单数据转化为可操作的智能
一篇新的研究论文概述了一个社会技术AI管道，该管道旨在将IT服务管理（ITSM）工单数据转化为可操作的智能，供销售和高管利益相关者使用。该管道利用基于LLM的模式规范化、HDBSCAN和层次凝聚聚类来创建层次主题。与销售工程和客户成功专业人士进行的评估表明，在可解释性、可操作性、信任度和使用可能性方面得分很高，将ITSM分析定位为信息系统内以人为本的设计问题。
-
新图基方法 MalGuard 增强恶意软件检测能力
研究人员开发了 MalGuard，一种用于在组织环境中检测恶意软件的新颖的基于图的方法。该方法通过将软件表示为捕获执行行为的程序图，克服了传统基于字节的机器学习方法的局限性，使其不易受到规避策略的影响。MalGuard 将基本块的内聚组识别为“操作角色”，并通过对这些角色之间的交互进行建模来学习富有表现力的程序图表示，从而保留稀疏的恶意信号并捕获分层图结构。实验表明，MalGuard 提高了检测性能并降低了未检测到的恶意软件的财务影响。
-
随着LLM的进步，信息系统研究拥抱语言学理论
信息系统（IS）研究员Kalle Lyytinen回顾了他1980年代的出版物，反思了语言理论对该领域的影响。在最近的一次访谈中，Lyytinen讨论了信息系统的语言学基础，特别是在当代大型语言模型和生成式AI的背景下。他还从IS的语言学视角概述了未来潜在的研究方向。
-
生成式AI对研究新颖性的影响因机构语言背景而异
一项发表在arXiv上的新研究考察了生成式AI（特别是ChatGPT）对信息系统期刊研究新颖性的影响。研究发现，与英语占主导地位的机构的文章相比，来自非英语占主导地位国家机构的文章在2022年后相对语义新颖性下降幅度更大。这表明，虽然生成式AI可以帮助知识组合，但也可能促进既有思想的复制，并且其影响因机构语言背景而异。
-
信息系统研究受美学观点影响
本文探讨了美学视角如何影响信息系统领域研究的方向和认可度。它确定了四种关键的美学观点——模仿、感官体验、世界构建和政治实践——这些观点塑造了学者们如何看待和评价社会技术现象。通过明确这些隐含的假设，该研究旨在提供一个框架，以理解美学如何影响理论构建、方法论以及信息系统学术研究的整体贡献，特别是在算法管理和数字媒介亲密关系等领域。