公共事务治理的广度、深度与力度——需求溢出理论关于政府职能的三维定位论

作为改革开放以来我国社会科学界最热门的学术话题之一,政府职能定位在国际上主要受自由主义、国家干预主义与马克思主义三大宏观理论流派的影响。鉴于上述宏观理论在实践层面对于解决政府职能定位问题不够明确,有必要构建一种便于实践操作的关于政府职能的微观理论。由此,需求溢出理论基于自身的理论逻辑,以公共事务为政府职能的定位之锚,提出了一个关于政府职能的三维定位论：以对公共事务的治理广度(即公共事务范围),作为政府职能的横向职责维度;以对公共事务的治理深度(即公共事务治理程度),作为政府职能的纵向职责维度;以对公共事务的治理力度(即公共事务治理的资源支持),作为政府职能的权能维度。由此,政府职能定位等于政府对公共事务治理的广度、深度和力度的定位。     

日本文学中的女性隐喻及其社会文化内涵——基于认知社会语言学视角

随着第二次女性主义浪潮的兴起,女性研究成为新的研究热点,但认知社会语言学视角下的女性研究尚不多见。因此,借助这一视角,分析日本文学中的女性隐喻及其社会文化内涵是一次有益的尝试。研究表明：日本文学中有关女性的隐喻模式主要集中在所有物、商品、植物和食物4种隐喻类型上;这些隐喻模式除了基于身体经验,还与社会文化密切相关。认知语言学的社会转向是未来的一大发展趋势,通过考察特定的隐喻不仅可以洞悉隐匿于语言背后的社会文化内涵,还能为相关领域提供新的研究路径。     

从主客观相统一原则谈我国刑事责任年龄下调之合理性

近年来,许多恶性刑事案件屡屡见诸报端,从而引发对我国刑事责任年龄下调的热议,部分学者从对未成年人双向保护的立场出发,主张应借鉴英美法系的"恶意补足年龄制度";另有学者从我国现有立法体系的角度,认为应当降低刑事责任年龄,本文通过对以上观点进行分析,谈我国刑事责任年龄降低的合理性.     

西方对认知战的研究历程及其特征述评：2008-2021

西方学者对认知战的探索开始于2008年,但直至2017年前后,一些美军高层仍将认知域视为如何在战争前或战争中获取信息以辅助军事决策过程的信息战,而非以公众认知为目标、平战一体的认知战。从2018年起,西方重新开始关注认知战,从军事、媒体、法律和神经科学等多个角度研究了认知战。但也有学者将认知战片面理解为新闻战、宣传战,故而使其成为政客恐吓民众的工具。西方学者对的认知战研究深受西方冷战思维的深刻影响,注重对认知战及其相关概念进行定义,注重跨学科研究。值得警惕的是,西方学者在论述认知战时往往把自身描述为认知战的受害者,更强调对认知战的防御。     

构建积极身体形象：肥胖认知与大学生身体活动的关系

身体形象是影响大学生身心健康的重要因素,也是窥探其身体活动的重要视角。基于“大学生体育锻炼与身心健康状况调查”数据,从主客观两个方面探讨肥胖形象与大学生身体活动的关系及其性别异质性。研究发现：（1）主客观肥胖形象认知存在显著的性别差异,男生对肥胖形象的认知更偏客观,女性则更偏主观。（2）客观肥胖形象显著正向影响大学生的身体活动,但主观肥胖形象则无显著影响。（3）肥胖形象认知偏差是影响大学生身体活动的重要因素,认知越偏客观,其身体活动水平越高,反之则越低,且不存在性别异质性。因此,客观认知与评价身体形象,采用身体活动建构身体形象,对大学生身心发展具有重要作用。     

威胁认知、安全供给与北约扩张的逻辑

冷战结束后欧洲地区维持了近三十年的总体和平,伴随着俄乌冲突的爆发而彻底回归到权力政治时代。北约是理解欧洲安全动态的关键,欧洲的和平由北约强大的军事力量支撑,美欧与俄罗斯之间的竞争与对抗则与北约扩张紧密相关。冷战结束后,北约不仅继续存在,而且在成员规模、行动空间和功能领域三个方面不断扩展。关于北约的存续与扩张,现有研究主要从北约的制度属性、成员国共享的价值理念、美国维持霸权的需要三个角度加以解释,但都无法准确理解后冷战时代北约扩张的全过程。作为一个具有集体安全属性的军事联盟,北约创建与维持的动力来源于成员国面临的安全威胁与联盟安全供给能力之间的匹配。冷战时期,北约与成员国将苏联视为紧迫威胁,由此建立起安全供需平衡。尽管苏联解体破坏了这种平衡,但北约独特的制度设计赋予其高度的灵活性,提供了双方在其他安全问题上重新形成供需平衡的可能性。在后冷战时代,族群冲突、恐怖主义等非传统安全问题凸显,对俄罗斯的担忧仍然存在,这些因素重塑了成员国的威胁认知,推动北约通过不断扩张来调整安全供给能力,以匹配成员国的安全威胁需求。北约扩张的过程由战略理念、机构改革、能力建设和情报共享四个部分构成,核心目标在于适...     

基于LSTM-CNN的中文短文本分类模型

针对中文语言本身特点,以及传统文本分类方法不能有效应对短文本分类的问题,本文构建了基于LSTM-CNN的中文短文本分类模型。该模型使用word2vec对待分类文本进行预处理,以获得字词级别的向量;再将词向量送入LSTM层提取语义特征,并通过卷积层提取局部特征;在利用最大池化的方法获得特征向量后,将其放入softmax分类器以得到分类的最终结果。与现有的SVM、KNN、CapsNet和Labeled-LDA的实验结果相比,该分类模型能够有效提高中文短文本分类的准确率。