随着大数据、AI技术和人工智能的发展与应用，计算科学、数据科学、信息科学等学科与人文社科之间出现了融合交叉，为研究者提供全新的视角和方法，正推动着人文社科领域的发展和创新。硕士研究生陈奕醇基于自然语言处理（NLP）技术，分享了关于数字乡村文献相似性网络分析和数字乡村政策文本主题挖掘的两篇论文构思。在数字乡村文献相似性网络分析分享中，他首先以Citespace文献计量方法为切口，指出共被引与引文耦合分析方法存在的争议与不足，从而引出文本挖掘技术的科学性与构建文献相似性网络的重要性。随后从文献收集、数据清洗、Word2Vec词向量训练、K-means聚类、加权句向量等方法展现了数字乡村研究文献的关键词、研究主题和文献相似性，并通过gephi进行了网络可视化，结合社会网络分析（SNA）对文献相似性网络进行了解读，指出了学者的研究特征、研究领域以及研究领域的学科结构与未来增长点。最后点明了研究可能的学术贡献和存在的不足，并结合相关文献进一步指出了对文献计量结果进行理论解读的重要性。接着在数字乡村政策文本主题挖掘分享中，他通过分析现有数字乡村政策文本研究存在的不足，提出基于政策扩散理论，使用文本挖掘与主题模型构建的方法，分别提炼中央与地方数字乡村的政策主题，构建政策演化桑基图，从而讨论数字乡村政策的央地层级扩散与扩散机制。对此，博士研究生王琎首先肯定了应用新型文献计量方法与对话公共管理学科理论相结合的研究方式，提出研究方法要服务于本学科领域研究，要回归学科话语体系。接着他结合Citespace研究经验指出在文本的同义词的合并过程中，要对相关名词有充分的把握，同时也不能忽略在文本挖掘过程中出现的“新词”“怪词”，这些词往往具有特殊的研究意义，能够对研究者产生新启发与新发现，并且有可能是未来研究的热点，因此在关键词的筛选过程中要细致谨慎。博士研究生谭丰隆则指出了文本的选取十分关键，文献选取的主题除了可以关注“数字乡村”，还可以关注一些新的研究主题，使文本挖掘的内容更有新颖性，而在政策文本的选择上不应遵循穷尽原则，而应当关注核心部门发文与重要纲领文件，这不仅能够让政策分析的主题更加聚焦，也更符合政策扩散的现实实际。