DOI：10.12154/j.qbzlgz.2026.02.004 1 引言 大数据与人工智能技术的发展使蕴含丰富决策价值的情感信息成为情报工作的重要组成部分，也对传统情报流程构成严峻挑战。情感信息特指能够表征个体（作为“彼方”客体）情感状态的多模态数据集合，包括文本情感词汇与语言语调、面部表情等非文本信号。情报工作的核心任务在于“消除不确定性”，而情感信息固有的模糊性与高情境依赖性加剧了分析中的不确定性，这一内在矛盾构成本研究的问题起点。 近年来，全球情报学研究呈现从“流程效率”到“整体治理”的演进趋势，强调对情报全流程中的信息、技术、人员与伦理等要素进行系统规范。进入数智时代，技术伦理、算法问责与人的主体性成为情报学研究的核心议题：国际标准化组织（ISO）已提出“战略情报循环”的理念[1]，学界对“情报透明原则”与“伦理框架”也进行了大量探讨。但现有研究在应对情感信息时仍存在明显局限：大多着眼于宏观流程与客观信息，对于“信息—情绪”之间交互的特殊矛盾，仍缺乏针对性操作方案。 情感信息在开源情报与商业情报中价值显著[2]，然而，由于其主观性和复杂性，分析难度极大，导致当前相关人员的处理错误率居高不下。问题的根源在于目前对于情感信息的治理流程普遍忽视挖掘“情感—情报”转化规律。这意味着，当下最迫切的工作应该是对整个流程体系进行人本化的“治理”。基于此，本研究将对情报循环理论进行人本维度拓展，构建一个包含“信息流动”与“劳动调节”双闭环的治理模型，进而通过多场景实证数据检验其在提升情报效能与保障从业者福祉方面的综合作用。 2 相关研究 2.1 情感信息治理机制研究 当前学界对于情感信息治理的研究主要聚焦于情感计算等算法模型的性能优化[3]。然而，这些研究大多陷入“技术决定论”的窠臼，导致与情报流程治理的实际需求脱节。其一，忽视情报学的“目标导向”原则。许多研究将治理简单等同于算法识别准确率提升，忽视了真实情报场景中信息采集与处理必须服务于特定的情报目标。其二，缺乏对治理全流程的操作性方案，尽管有研究证实情感信息质量与决策质量存在正相关[4]，但未能揭示“信息采集—情境解读—价值判断—行动反馈”这一过程中的现实问题。这两种忽视都体现出对情感信息治理的碎片化和片面性，没有对其内在机制进行探寻追问[5]。 2.2 情绪劳动与情报流程关联的研究 情绪劳动对情报工作质量的影响已获广泛实证支持[6]，但学界对其与情报流程的关联解析仍处在初步阶段，存在一些重要问题亟待解决。首先，现有研究对不同类型情感信息（如愤怒、悲伤、狂热）所引发的情绪劳动在性质与负荷强度上的差异性关注不足，导致据此开发的干预措施缺乏针对性与精准度。其次，情绪劳动作为一个关键的中介变量，如何具体地调节（或干扰）从信息采集到决策反馈的情报循环过程尚未被有效揭示，因此难以在流程的关键节点进行干预，以缓解情绪耗竭对情报质量的负面影响。最后，尽管少数前沿研究开始关注情绪劳动与情报流程的双向交互特性，并初步观察到情绪劳动策略（如表层扮演、深层扮演）的转换对情报处理效能的影响[7]，提示了其之间存在非线性的关联特征，但这些宝贵的微观行为规律至今仍未成功地被整合并体现在宏观的情报流程模型之中。 2.3 情报循环理论在情感治理中的应用研究 情报循环理论描述了情报从产生需求到分发的标准化流程（通常包含“采集—处理—分析—反馈”等环节）[8]，因其鲜明的流程导向与反馈机制，被学界视为解析情报工作的基础框架之一。然而，将该理论直接应用于情感信息治理场景时，其传统范式暴露出明显的人本维度缺失。首先，传统情报循环理论侧重客观信息的流转，其经典模型隐含了“从业者是理性处理器”的假设，忽视了情感信息处理所引发的高强度、高耗竭性的情绪劳动。由于未能将“情绪劳动”作为关键变量内生性地纳入模型，因此无法揭示“高情绪负荷如何导致情报质量下降”的内在机制。其次，传统情报循环理论缺乏对情感信息治理中“伦理合规”要求的系统性容纳。情感信息兼具情报价值与隐私风险的双重属性，要求治理活动在“价值挖掘”“劳动负荷”与“伦理合规”之间进行动态权衡。 因此，本研究的核心理论任务在于对情报循环理论进行人本维度的拓展，将情绪劳动调节与伦理合规机制作为关键变量系统性地嵌入其中，而这也是推动情报学理论适应数智时代人机协同挑战的关键所在。 3 理论基础与研究假设 3.1 理论基础：核心概念的情报学解构 3.1.1 情感信息的情报属性 （1）结构形态的多模态与非结构化：情感信息是文本、表情、语音等多模态数据的复杂集合，在结构形态上的首要挑战在于其多模态与非结构化特性。为应对这一挑战，治理流程的核心任务之一便是集成多模态融合技术，以实现对异构数据的统一解读与结构化处理，为后续的情报萃取奠定基础。情感信息的价值并非恒定，而是高度依赖具体情境（Context）。同一情感信号在不同场景下可能代表截然不同的情报价值（如客户愤怒在售后与售前场景下的差异）。因此，治理必须嵌入动态情境解读机制。 （2）情报价值与个人权益的平衡：情感信息既是“情报富矿”亦是“隐私雷区”，这决定了其治理必须在恪守伦理合规的前提下进行[9]。遵守GDPR等法律法规，践行尊重、无伤害、公平的人本关怀，不仅是为了规避用户抵触、数据质量下降与决策失效等风险，更是为了确保治理活动本身的长期效能。因此，必须在“最小够用”与“目的限定”原则下，将伦理考量内嵌于治理的每一个流程环节之中。 3.1.2 情绪劳动的情报学阐释 （1）劳动强度与信息熵的正向关联性：情绪劳动强度与信息熵紧密相关。信息模糊、情境缺失、推送延迟等信息缺陷会导致信息熵升高，为弥补这些缺陷，从业者需投入更多认知资源进行猜测、验证，并管理由此产生的负面情绪，这也是连接“信息流”与“情绪流”的桥梁。
