电子文件管理研究中心
学术动态

研究员成果丨并行数据：人工智能应用背景下档案管理的新议题

  • 2025-10-23
data）概念，用以系统性记录AI运行过程中的关键信息，增强其可解释性与合规性。本文系统梳理了并行数据的概念起源、跨学科演化路径与核心特征；探讨其在增强档案智能应用透明度、完善技术问责机制及重构AI时代社会记忆体系中的作用；指出其对档案学理论创新、职责拓展与AI治理的战略意义，呼吁构建标准化的并行数据管理框架，助力档案领域积极融入“人工智能+”国家战略。关键词：AI治理；可解释AI；并行数据；AI文件；计算档案学DOI:10.16033/j.cnki.33-1055/g2.20250520.001

分类号：G270

2024年、2025年的国务院《政府工作报告》持续将“人工智能+”行动纳入国家发展战略框架，在此背景下，“人工智能+档案”的融合发展呈现双重战略价值：一方面通过档案应用场景推动人工智能产业发展，另一方面通过人工智能应用促进档案工作高质量发展。根据既有研究，国内外档案界在实际工作中应用人工智能（Artificial Intelligence，简称AI）的案例日益增多，涉及档案转录、收集、分类、著录、鉴定、开放审核及知识服务等核心业务场景[1]。然而，AI工具将部分决策权委托给了非人类的行为者，从根本上改变了档案处理的性质[2]；尽管AI显著提升了档案处理效率，但算法黑箱引发的透明度缺失、过程追溯困难及责任界定模糊等问题，已成为制约发展的潜在风险。在此背景下，电子系统中文件真实性永久保障国际合作项目（以下简称“InterPARES项目”）第五期的项目主题确定为“Trust AI（2021—2026）”，旨在依据档案原则设计、开发并利用AI技术，以支持可信任的公共文件的持续可用和可访问[3]。其中，并行数据（Paradata）作为一种关键的解决方案被提出，强调系统性记录和管理AI运行的过程性数据，以增强AI的透明度和可解释性，满足相关问责需要。这一概念的引入标志着档案学理论对智能技术渗透的前瞻性回应。国际档案领域对并行数据的研究处于初步探索阶段，相关理论框架、管理原则及实施方法尚未形成体系，国内尚无文章进行探讨。本文将在梳理相关研究的基础上，总结并行数据概念的发展和内涵，分析其在“人工智能+档案”战略背景下的潜在价值，为AI在档案管理中的规范化应用提供研究基础。

1
并行数据概念的起源与发展
1.1 并行数据的起源并行数据通常被认为由美国社会学家Mick P. Couper在1998年联合统计会议上首次提出[4]，并在其2000年发表的论文中正式阐述[5]。其英文Paradata 中前缀“para-”描述的是“每一次数据被转化时都会并行产生的一条数据流（parallel stream of data）”，和活动过程相关[6]，既指向时间维度上与主流程同步发生的特性，也隐喻空间维度上对同一对象的多维度观测。Couper指出，在利用计算机辅助社会调查的过程中，收集受访者键盘输入、光标移动、页面滚动行为等数据有助于评估调查工具的有效性，从而改进访问技巧和问卷设计，此类数据即为并行数据。随着网络调查的兴起及样本联系难度的增加，社会调查领域逐渐认识到并行数据在理解调查过程、评估调查质量和提升调查效率方面的巨大价值，开始关注并行数据的收集、管理和应用[7]。此后，并行数据的概念逐渐被社会科学研究机构和统计机构所接受，并被纳入调查数据采集和汇编的标准化流程[8][9]。与此同时，并行数据的内涵也在不断扩展，从最初狭义的“访谈过程中自动生成的数据”逐步发展为“关于整个调查数据收集过程的所有相关数据类型”[10]，这一演变反映了调查方法论和数据管理理念的不断进步，以及研究者对数据质量和透明度的日益重视。1.2  并行数据的跨学科传播

自社会学领域首次提出并行数据概念以来，其方法论价值与技术潜力逐渐被其他学科所关注，并在数字技术的普及与跨学科研究的推动下，逐步拓展至文化遗产、知识管理、图书馆、档案管理、AI可解释性等多个领域。

2006年，第一个关于文化遗产可视化的国际规范——《伦敦宪章》草案提出，在对文化遗产进行数字化呈现时应该对元数据和并行数据进行系统收集和描述，并将并行数据定义为“关于人类对数据对象的理解和解释过程的信息”[11]。此后，文化遗产领域基本沿用该定义，强调在数字文化遗产3D建模、虚拟修复、历史重构等应用中，除了记录数据来源、技术参数和计算方法外，还需说明研究人员在对数据对象进行选择、调整和解释时的决策依据，以增强可视化成果的透明度和可追溯性。如在3D重建历史建筑时，由于文献和实物证据的缺失，研究人员往往需要根据有限的考古资料进行推测性建模。并行数据的记录可以帮助明确哪些部分基于确凿证据，哪些部分属于推测，并提供相应的参考依据，以防止误导观众或造成历史信息的误读[12]。此外，并行数据的记录和公开能够帮助其他学者复现可视化过程，并在新数据或新理论出现时对模型进行更新和优化。这不仅增强了文化遗产研究的学术严谨性，也提高了公众对文化遗产数字重建可信度的认可。

在信息管理领域，瑞典乌普萨拉大学信息管理与图书馆学系的Isto Huvila教授较早关注并行数据并且产出系统性研究成果。2017年，其在探讨三维技术对考古与文化遗产知识建构方式的影响时指出，并行数据不仅有助于揭示文物或虚拟重建对象“如何被制作”，也反映了知识构建的路径与选择，是知识生产过程中的重要组成部分[13]。他认为并行数据可作为优化组织流程和实践的工具，通过反馈关键知识提升系统效率，这一理念与知识管理的核心目标高度契合——即帮助人们从形式多样、动态演变的信息中提取有价值的见解[14]。2019年，他获得欧洲研究委员会（ERC）资助，主持为期五年的“CAPTURE”项目——“面向未来研究的数据创建与使用记录”，专门开展并行数据的相关研究[15]。 Huvila及其团队持续关注如何在信息科学领域与技术领域通过记录和描述来理解实践活动的细节[16]，探讨了并行数据的含义、来源、类型、管理方法等基本内容[17]。此外，Francisco F. Ruiz等对苏格兰、西班牙、瑞典的国家图书馆的并行数据管理现状进行调研，探讨其在数字化流程中的作用及其对数字馆藏质量的影响[18]。

2022年6月，InterPARES Trust AI项目小组将并行数据这个概念引入档案领域，将其定义为“关于创建和处理信息资源所用程序和工具的信息，以及执行这些程序的人员信息”[19]。并从以下方面进一步探索并行数据的应用：一是将并行数据作为破解算法黑箱的治理工具之一，认为并行数据可以为AI系统的决策过程提供详细的背景信息，有助于增强用户对AI内部决策机制的理解与信任，同时，也有助于人机责任的划分，强化AI系统的透明性和问责性[20]。二是识别特定应用场景下的独特记录需求，以应急服务系统建模为例，通过并行数据揭示呼叫生成、响应调度、资源分配等环节的动态特征，帮助设计者理解每个决策点的背景信息，从而构建更为精准的应急响应模型[21]。

2
并行数据的内涵、构成与特点
2.1  并行数据的代表性定义从前述发展脉络可以看出，并行数据不仅是一种用于记录和描述实践过程的工具或手段，更是一个跨学科的概念框架，已在多个学科领域逐步扩展和应用。不同领域对并行数据的具体定义和构建有所差异，如表1所示。不过其底层逻辑趋同，均将并行数据视为关于过程（progress）的数据，强调某一实践过程的透明度。在此基础上，不同学科根据自身特性与应用需求，对并行数据进行了语境化阐释（contextualization），用以指代特定情境中的过程性信息。正如Huvila所指出的，并行数据是一个“分析性”概念，而非“实体性”概念，其意义和功能往往取决于特定的情境、任务和领域[22]。理解并行数据的功能和应用需要将其置于具体的工作流程和信息管理系统中，以便更好地把握实践中的复杂过程和隐性因素。本文主要采纳InterPARES Trust AI项目组对并行数据的定义，关注并行数据在人工智能应用背景下的发展。2.2  AI背景下并行数据的构成

从表1可以看出，并行数据涵盖各种在业务系统和研究过程中自动生成或人为记录的过程性数据，业务对象不同，其具体构成亦存在显著差异。AI应用背景下，档案界关于并行数据的构成研究通常有三类视角，一是围绕AI应用过程，即AI系统的开发、部署、运行和维护等关键阶段展开。这样的归纳也随着对AI应用过程认识的深入而发展。2023年，InterPARES Trust AI项目组通过分析梵蒂冈秘密档案馆的智能手写体识别项目及英国国家档案馆的AI自动化项目，初步将并行数据归纳为训练、测试与验证数据集、性能信息和版本信息三大类[30]；2024年，该项目组认为AI应用包括AI系统研发和AI系统运行两类过程，故而将并行数据划分为系统层面的并行数据（System Paradata）与操作层面的并行数据（Operational Paradata），具体示例参见表1[31]。二是根据并行数据对AI应用的支持作用进行分析。如Ciaran B.Trace等人[32]从透明度和可解释性两个维度对并行数据进行分类，其中透明度维度的并行数据包括政策文档与沟通记录、设计文档、开发和测试文档、运行日志内容，可解释性维度的并行数据涵盖可解释性事实表、AI服务事实表、模型报告卡、数据集说明书等内容。三是根据产生并行数据的AI系统组件来分析。Cameron S等人[33]提出针对自动驾驶等实时AI系统应从传感器、控制器、执行器和效果四个方面梳理哪些信息有助于完整记录AI运行过程，以支持系统决策的可追溯性和安全性。这类AI依赖高频数据流的实时处理，因此，并行数据的收集和管理需与AI运行环境紧密结合，以保证其在复杂动态场景下的可解释性和问责能力。

表1 不同学科背景下并行数据的代表性定义及其来源

2.3  AI背景下并行数据的特点由上述构成研究可见，并行数据具有持续性、实时性、多元异构等特征。其中，持续性表现为并行数据的形成贯穿AI系统的整个生命周期，从训练数据的收集、模型开发、测试评估，到系统部署、运行监控和后续优化，并行数据持续生成和积累。实时性体现在并行数据的实时记录能力，尤其是在自动驾驶等实时AI系统中，需要记录传感器数据流、控制决策日志等信息，确保AI系统在运行时能够被实时监测和评估。这种动态特征要求系统能够自动捕获相关并行数据，更好地反映AI系统在原始状态下的技术性信息。如通过Google Model Cards和IBM AI FactSheets等工具，可以实时捕获AI系统情况，并且可视化相关技术性数据。多元异构是指并行数据的类型、格式和来源多样，在数据管理过程中，既要结合自动捕获技术，确保系统生成的关键数据能够实时采集，又需依赖人工收集，补充政策监管文件、伦理审查记录等难以自动获取的信息，以确保并行数据的全面性和多维度，为AI系统的透明性、合规性和可追溯性提供强有力的支持。
3
档案领域引入并行数据的原因
3.1  增强档案智能应用可解释性的需要档案领域对于并行数据的关注，首先源自自身应用可信AI的需求。档案作为社会活动的凭证性记录，其核心价值建立在真实性、可靠性与证据效力基础上。这种本质属性督促档案界在选用AI系统时高度关注AI决策可信度。而当前AI技术的“黑箱”特性，与档案智能化对可信决策的核心诉求形成矛盾，集中体现在三个方面：一是深度学习依赖的多层级神经网络架构具有高度非线性特征，其决策路径难以被直观解构；二是算法在特征提取与权重分配过程中采用数据驱动的自主学习机制，决策依据难以完全显性化呈现；三是模型训练过程中潜在的偏见嵌入和误差累积机制缺乏透明化监控，可能影响档案处理活动的客观性和科学性。此外，训练数据的代表性、数据标注偏差及模型参数的调整方式，都可能引入系统性误差，影响AI在档案管理中的公平性与可靠性。如新南威尔士州档案馆在利用机器学习技术进行自动分类时，其模型准确率在70%~80%之间，管理人员通过不断调整语料库的特征来测试其对分类效果的影响，依赖预测概率值来评估分类准确性。这种方法难以解释AI在具体决策过程中如何权衡不同特征，以及哪些因素对最终分类结果产生关键影响，很难有效调整模型以优化分类策略[34]。AI算法的不可解释性引发了档案领域对于问责、控制和偏见的担忧，以至于有学者提出应该避免使用黑箱性质的神经网络或带有随机性的技术，而优先采用结果确定性强、可验证的方法，以增强档案管理系统的可靠性与可控性[35]。这种做法虽不一定可取，但却揭示了“信任不仅仅依赖于AI决策的可靠性更关乎决策过程的可理解性……AI 的不可解释性是导致公众不信任其决策的核心原因”[36]。因此，采用可解释人工智能（Explainable AI, XAI）成为档案管理领域提升AI透明度和可追溯性的关键路径。XAI要求AI决策过程更加清晰、直观，并提供可供人类理解和审查的解释。这一点与并行数据的作用高度契合。作为一种框架，档案领域探索应用并行数据的初始目标是通过对档案智能化管理过程中AI活动的记录，提供关于训练数据来源、模型的特征提取过程、决策路径的演变及权重调整细节等信息，以帮助识别AI处理过程中可能存在的偏见、误差和不透明性，从而提高智能档案处理系统的可靠性。

3.2  升级技术过程记录工具的需要

在传统技术环境中，对于信息系统过程的记录主要通过技术文档和元数据来实现，但无论是技术文档，还是元数据都难以满足AI应用的问责需要。一方面，传统软件文档主要关注系统架构、功能描述和操作指南，不足以向监管人员提供关于AI系统设计和执行过程的详细信息。因为AI系统通常涉及复杂的算法、数据训练和动态调整，传统软件文档难以捕捉其实际运行中的关键变量，如模型参数的变化、数据输入输出等具体情况，也不重视人工干预记录。另一方面，现有元数据框架在支持AI系统过程记录方面存在不足。ISO 23081-1:2017《信息与文献 文件管理过程 文件元数据》规定了文件元数据应描述形成文件的业务过程和文件管理过程。但其核心目标在于记录业务行为的开展情况，而非AI工具执行的自动化处理流程。同时由于并行数据的持续性、实时性和多元异构性，很难归入传统意义上的元数据类别，而这正是并行数据所补充的部分。

在此，有必要对并行数据和元数据进行区分。如表2所示，从描述对象来看，元数据主要用于描述文件（档案）的属性，而并行数据则聚焦于文档创建、管理和服务过程中所使用的程序/工具及其执行主体，并不直接反映关于文件内容及其形成业务本身的信息。从内容构成方面讲，元数据侧重于对文件（档案）的静态属性进行描述，同时涵盖人为管理活动的过程记录；并行数据则更关注技术环境、算法行为、用户交互及相关监管信息，强调对动态过程的捕捉与记录。从形式上讲，元数据以结构化数据为主，半结构化数据为辅；而并行数据的形式则更加多样，涵盖训练数据集、技术说明性文档、程序性文件、系统日志及监管文件等，呈现多元异构的特点。从功能角度分析，元数据的核心作用在于资源发现、互操作性支持及电子文件真实性验证，帮助用户理解文件（档案）的背景与结构，其主要目标是维护文件的证据特性，确保长期可获取性和可用性。并行数据的核心目标则是增强程序或工具（如AI系统）的透明度和可解释性，支持用户追溯算法训练、模型调整及用户交互反馈等关键环节，从而提高AI系统的可信度与问责性。

表2 元数据和并行数据的区别对比

3.3  为构建新型社会记忆的需要虽然档案领域探索并行数据的初衷是为了自身能够应用可信AI，但是采集和管理并行数据并不仅仅能使档案智能化受惠，其对AI的说明能力能够帮助档案部门将保管对象的范围从传统文件扩展到AI时代的新型记录。随着AI技术在各行各业的深度嵌入，社会运行模式正在经历根本性的变革，传统以人为中心的知识生产与记忆构建机制正被重新定义。作为档案的社会记忆的形态不再仅限于人类主体的行为记录，而是在越来越多的场景中，由人机协同乃至人工智能主导生成的信息构成新的记忆单元。一方面，AI作为档案类数字遗产已经得到联合国教科文组织的承认，在其《长期保存的数字遗产遴选指南》中有专门章节讨论AI作为文件（档案）的必要性及其构成[37]；另一方面，作为业务活动过程和结果记录的人工智能生成内容（AIGC）正呈指数级增长，如深圳福田区率先部署的“AI公务员”系统，已广泛应用于行政文书撰写、文档校对、民情周报生成等日常政务中[38]。这些AIGC不再是可有可无的辅助性内容，而是在制度化、程序化的行政过程中被持续采纳与采信的信息成果，直接参与政务记录的生成与决策逻辑的建构，符合文件（档案）的概念定义。若未能对此类内容进行及时、系统的保存与治理，极有可能造成关键业务过程信息的缺失，进而削弱未来对制度变迁、行政行为与公共责任的追溯与问责能力。在此背景下，既有档案保存范式正面临深刻转型。此前，档案管理的重心主要集中在人类生成的文件及其元数据的采集与保管。而在AI时代，档案工作亟须将具有保存价值的AI类文件作为新型记忆纳入正式记录体系，并同步采集反映其生成逻辑、应用语境、模型参数及人类干预行为等并行数据。对于AI系统，并行数据是其档案构成要素。对于AIGC，并行数据是其文件背景要素的重要延伸，能够为理解、还原和判断AIGC的真实性与权威性提供关键支撑。因此，对AI系统、AIGC及其并行数据的系统采集与保存，为记录AI技术发展历程、反映技术演化中的社会实践变迁提供了重要路径。档案机构主动介入AIGC及其并行数据的采集与治理，不仅是对新技术冲击的积极回应，更是构建智能社会记忆基础设施的战略举措。

4
并行数据的引入给档案领域带来的影响
4.1 延扩AI时代档案学理论和实践空间如果说信息技术的应用将电子文件和元数据引入档案学理论和实践的阵地，那么AI的应用则将AIGC和并行数据引入档案领域。这既是战略机遇，也是时代的挑战。和结构相对固定、有档案著录可以参考的元数据相比，并行数据无疑更为复杂，这种复杂性一方面来自AI本身的多样性和动态性，另一方面来自并行数据的实时性和多元异构的属性。无论是认识还是管理，都有着更高的难度。作为记录AI过程的新型数据，目前档案界对它的理解才刚刚开始。从其属性和功能来看，并行数据可以被理解为AI的“档案”，它与AI共生互动；也可以理解为AI类文件所特有的背景信息，这些背景信息往往难以统一到一个结构化的元数据框架下，且与文件之间也是复杂的一对多、多对多的关系。理论上应进一步探索并行数据概念的外延、内涵和本质，以及其与背景、来源、有机联系等档案核心概念与理论之间的关系，这也将是计算档案学理论创新的源地之一。从实践的角度来看，识别不同类型的并行数据，标准化其构成，鉴定其保管期限，建立与文件之间的关联，开发合适的管理工具，明确其利用方式等问题，都需要逐一解决。

4.2 促进档案工作职责定位的深化发展

如果说元数据是电子文件管理的关键所在，那么并行数据是保存AI类文件的基本支撑。系统性保存AI类文件，不仅有助于完整记录技术介入社会的客观痕迹，还能为后代提供反思人工智能如何塑造社会认知、权力分配与制度演进的历史依据，这是AI时代档案工作的职责所在。在此过程中，档案工作不再只是保存过去的手段，更在新一代技术社会中承担着塑造集体记忆、构建公共信任与引导价值共识的重要职能。

并行数据的恰当使用，能够帮助档案工作的定位从“人类活动记录者”拓展到“机器行为审计者”。将AI研发和实施过程中产生的并行数据视为“AI的档案”，其本质是通过记录算法设计、训练调试、部署反馈等全生命周期数据，形成可追溯、可验证的AI行为轨迹。这种转变既带来了通过数据追溯实现精准问责的可能性，也要求档案领域推动技术架构、管理方法及相关政策法规的系统性革新，从而推动档案工作更好地融入数智社会。

4.3  为AI治理贡献档案智慧

并行数据被引入档案领域之后，可以发现其对XAI的贡献已经超出了仅支持自身AI应用的需要，对可信AI的整体建设和发展都有积极的意义。“透明化需求”与“技术黑箱特性”的博弈是AI生态良性发展的核心矛盾之一。有研究指出，需要根据AI特性设计专门的文档记录指南来提升AI的可问责性[39]。欧盟《人工智能法案》（AI Act）序言（71）亦明确要求“保存文件并确保技术文档的可用性，其中应包含评估AI系统是否符合相关要求以及支持市场后期监控所需的信息”[40]。通过收集和管理与AI系统运行并行而生的记录，有望构建起覆盖AI全生命周期的动态证据网络，帮助社会更好地理解和评估AI系统的运行机制和决策路径。这种变革不仅回应了监管机构对算法透明度的要求，更为构建人机协同的新型信任机制提供了技术基础设施，是“忠实记录业务过程和结果”的档案智慧在AI时代的焕发。

如果档案行业能够构建起一整套并行数据管理和利用框架，不仅能够支持AI类文件的管理，而且手握“透明性”法宝，更能督促和引导负责任、可解释和可信AI的发展，这对“人工智能+”产业的可持续性也至关重要。2023年10月，我国发布《全球人工智能治理倡议》[41]，并行数据的规范化生成、管理、留存和利用，可以成为AI治理的重要手段。如鉴别AI公务员形成文件的AI版本以回溯其可靠性，调阅自动驾驶车祸现场的实时数据以明确责任等，都将是维护智能社会秩序的生动案例。面对AI治理这一全球性挑战，我国档案界应当交出一份与AI发展国际地位相匹配的答卷，需重点关注并行数据这一新议题。

原文载《浙江档案》 2025 年第 7 期，

经杂志社授权后发布。

参考文献：
[1] 潘未梅，马林青 . 国际档案领域人工智能研究进展分析及启示 [J]. 浙江档案，2024（4）：21-27.[2]Cameron S, Franks P, Hamidzadeh B. Positioning paradata: a conceptual frame for AI processual documentation in archives and recordkeeping contexts[J]. ACM Journal on Computing and Cultural Heritage，2023，16（4）：1-19.
[3]ITRUSTAI. InterPARES Trust AI [EB/OL].[2025-04-02].https://interparestrustai.org/.
[4]Couper M P. Measuring survey quality in a CASICenvironment[C]//Proceedings of the Survey Research Methods Section of the ASA at JSM1998，1998：41-49.
[5]Couper M P. Usability evaluation of computer-assisted survey instruments[J]. Social Science Computer Review，2000，18（4）：384-396.
[6][12]Bentkowska-Kafel A, Denard H, Baker D. Paradata and transparency in virtual heritage[M].Farnham, Burlington: Ashgate Publishing Ltd.，2012：172，102-108.
[7][10][23]Couper M P. Birth and diffusion of the concept of paradata[J]. Advances in Social Research，2017（18）：14-26.
[8] National Institute of Statistical Sciences. Metadata and paradata: information collection and potential initiatives[EB/OL].[2025-04-02].https://www.niss.org/research/metadata-and-paradata-infor mation-col lection-and-potential-initiatives.
[9]U.S. Census Bureau. Paradata [EB/OL].[2025-04-02].https://www.census.gov/topics/research/paradata.html.
[11]Denard H.The London Char ter for the use of 3-dimensional visualisation in the research and communication of cultural heritage[EB/OL].[2025-04-02].https://londoncharter.org/fileadmin/templates/main/docs/london_charter_1_1_en.pdf.
[13]HuvilaI.The subtle difference between knowledge and 3D knowledge[J].Hamburger Journal für Kulturanthropologie,2017，7：99-111.
[14][21][32]Huvila I, Andersson L, Sköld O. Perspectives on paradata: research and practice of documenting process knowledge[M].Cham: Springer Nature Switzerland AG，2024：200，181-196，197-213.
[15 ]Uppsala University.Capturing Paradata for documenting data creation and use for the research of the future [EB/OL].[2025-04-02].https://www.uu.se/en/department/alm/research/research-projects/ongoing-projects/capture.
[16] Huvila I, Greenberg J, Sköld O, et al. Documenting information processes and practices: paradata, provenance metadata, life‐cycles and pipelines[C]//Proceedings of the Association for Information Science and Technology，2021，58（1）：604-609.
[17][22][25]HuvilaI.Improving the usefulness of research data with better paradata[J].Open Information Science，2022，6（1）：28-48.[18][27]Ferrer Ruiz F, Mercado Campero M. Documenting the digital legacy: provenance, paradata, and the practice of three National Libraries[D].Borås: University of Borås，2024.[19]Society for Imaging Science and lechnology. New advancements in digitization[EB/OL].[2025-04-02].https://www.imaging.org/IST/IST/Conferences/Archiving/Archiving2022/Archiving_Home.aspx.

[20][29][31]Franks P. In the pursuit of archival account ability: positioning paradata as AI processual documentation[EB/OL].[2025-04-02].https://www2.archivists.org/sites/all/files/Franks_In%20the%20Pursuit%20 of%20Archival%20Accountability.pdf.

[24]Denard H.The London Charter for the computer-based visualisation of cultural heritage[EB/OL].[2025-04-02].https://londoncharter.org/fileadmin/templates/main/docs/london_charter_2_1_en.pdf.

[26]Huvila I, Andersson L, Sköld O. Patterns in paradata preferences among the makers and reusers of archaeological data[ J/OL].Data and Information Management，2024，8（4）[2025-08-02].https://doi.org/10.1016/j.dim.2024.100077.

[28]Davet J E, Ham idzadeh B, Franks P C, etal.Tracking the functions of AI as paradata & pursuing archival accountability[C]//Archiving Conference. Society for Imaging Science and Technology，2022，19：83-88.

[30]Davet J, Hamidzadeh B, Franks P. Archivist in the machine: paradata for AI-based automation in the archives[J].Archival Science，2023，23（2）：275-295.

[33]Cameron S, Hamidzadeh B. Preserving paradata for accountability of semi-autonomous AI agents in dynamic environments: An archival perspective[ J/OL].Telematics and Informatics Reports，2024，14[2025-08-02].https://doi.org/10.1016/j.teler.2024.100135.

[34]NSW State Archives. Case study-external pilot-machine learning and records management[EB/OL].[2025-04-02]https://futureproof.records.nsw.gov.au/case-study-external-pilot-machine-learning-and-records-management/.

[35]Jaillant L, Rees A. Applying AI to digital archives:trust, collaboration and shared professional ethics[ J].Digital Scholarship in the Humanities，2023，38（2）：571-585.

[36]Von Eschenbach W J. Transparency and the black box problem: why we do not trust AI[J].Philosophy & Technology,2021，34（4）：1607-1622.

[37] 周文泓，文利君，赵婧羽，等. 人工智能作为数字遗产的保存：档案领域的行动展望 [J]. 北京档案，2023（4）：10-14.

[38] 财联社.深圳 70 名“AI公务员”上岗，公文处理、招商引资等场景均有覆盖 [EB/OL].[2025-04-02].https://www.thepaper.cn/newsDetail_forward_30184250.

[39]Königstorfer F, Thalmann S. AI Documentation:a path to accountabi l it y[ J/OL].Jour na l of Responsible Technology, 2022, 11[2025-08-02].https://doi.org/10.1016/j.jrt.2022.100043.

[40]European Union.The EU Artificial Intelligence Act [EB/OL].[2025-04-02].https://artif icialintelligenceact.eu/recital/71/.

[41]外交部.全球人工智能治理倡议[EB/OL].[2025-04-02].https://www.mfa.gov.cn/web/ziliao_674904/1179_674909/202310/t20231020_11164831.shtml.

排版：金潇苒

电子文件管理研究中心 © 2010 - 2025 All Right Reserved