编辑推荐：
地理人工智能（GeoAI）的快速扩张使得GIScience领域有必要重新关注“慢速”。将GeoAI置于GIScience漫长的自动化历史中，本进展报告重新审视了快速与慢速的地理知识生产，并将慢速GIS发展为一种面向智能自动化的批判性取向。借鉴批判的、女性主义的
地理人工智能（GeoAI）的快速扩张使得GIScience领域有必要重新关注“慢速”。将GeoAI置于GIScience漫长的自动化历史中，本进展报告重新审视了快速与慢速的地理知识生产，并将慢速GIS发展为一种面向智能自动化的批判性取向。借鉴批判的、女性主义的、原住民的、参与式的、残障的及次要GIScience，研究人员提出相关性（relevance）、反身性（reflexivity）、关系性（relationality）与责任性（responsibility）四项承诺，用以引导对不宜过快自动化之环节的关注——从问题框定、数据组装到结果解释、知识动员与后果追溯。文末探讨了在当代研究体系中维系慢速GIS所需的系统性变革。
研究背景方面，随着地理空间人工智能（GeoAI）与智能自动化在GIScience中的迅速渗透，以模型层、自然语言接口层与自主代理（agent）层为骨架的技术链条正把数据发现、预处理、模型选择、空间分析、可视化、报告与决策支持压缩进高度集成的流水线，导致人类在“问题陈述—分析输出”之间的显式干预点被持续削薄。此种“快速GIS”承袭了智慧城市想象中对实时性、预测性与自动响应的崇拜，却掩盖了分类边界由谁划定、不确定性被何处抑制、何种知识被排除以及何者承担后果等判断节点。在此情形下，Miller（2020）提出的快/慢GIScience区分中“慢”的一极始终未被充分展开，而批判GIS、女性主义GIS、原住民GIS、参与式GIS、残障GIS等“次要GIScience（minor GISciences）”传统早已表明空间数据、分类、模型与界面皆具社会嵌入性。因此，Victoria Fast在《Progress in Human Geography》发表的这篇进展报告跳出对GeoAI子领域的文献统合，转而发展“慢速GIS（slow GIS）”作为对智能自动化的批判取向，追问自动化扩张如何重塑GIScience的进步标准。
关键技术方法上，研究人员未采用实验性技术操作，而是以概念史梳理与文献综合为方法：将Tobler（1959）以降的“自动化地理”脚本化、地统计处理、无监督分类脉络与当代GeoAI基础模型、大语言模型（LLM）、GIS副驾驶（copilot）及自主GIS框架对照阅读；依托Miller（2020）快/慢认知类比定位慢速GIS的认识论位置；借由次要GIScience谱系（批判、女性主义、原住民、参与式、残障、酷儿）萃取四重承诺；并按空间知识生产工作流（问题框定—数据组装—分析解释—知识动员）做阶段性介入分析。无样本队列，无试剂与代码级操作。
研究结果依原文小标题浓缩如下。
快速GIS作为主导进步叙事：研究人员指出当代快速GIS由GeoAI基础模型、LLM/生成式AI中介层与自主代理编排层三叠层构成，已进入ArcGIS、QGIS等环境；其危险不在速度本身，而在工作流压缩使地理判断（分母选取、可计算范畴化、不确定性 suppression、知识排斥、问责归属）退场，故慢速GIS须使这些决策可见、可修订、可争议。
慢速GIS的知识基础与承诺：自慢食、慢城至慢学术（Berg and Seeber 2016；Mountz et al. 2015）的“慢”批判被引入GIScience，与自动化地理学（geographies of automation）汇流。研究人员提炼四重承诺——相关性（问题是否值得、证据是否合用）、反身性（假设/分类/立场/基础设施如何塑形知识，拒斥“无处之视”）、关系性（研究者—社群—机构—技术—场所间谁参与、谁决策、谁治理）、责任性（知识释放后之上游/下游义务，不能委于伦理审查）。四者非步骤而系重叠取向。
慢速GIS贯穿空间知识生产工作流：（1）问题框定：Lund（2014）“此为哪类之例”式框定须缓行，Miranker and Giordano（2025）人道GIS与Moran（2026）90小时人工判读6400个旧金山交叉口显示慢速暴露出过街距离与行人安全等原不可计算维度。（2）数据组装与缺失辨识：FAST数据便利化处理偏好标准化可编码之物；Jungs De Almeida et al.（2024）将缺失政治化与关系化，Deitz et al.（2021）示市政无障碍数据缺口反映“谁的移动性被计数”；CARE原则与FAIR原则并列审视来源、治理与复用。（3）证据分析与结果解释：Kelly（2026）示标准地图图标以中性伪装普遍化身体与社会预设；慢速GIS区分“分析产出”与“证据可合理支撑”，使结论暂定化。（4）知识动员与后果追溯：Treviranus（2026）指统计式AI偏爱平均案例而排挤边缘身体；Eubanks（2018）示自动分类与风险评估以技术中立貌再生产不平等；慢速GIS要求监测、质疑、更正、限用与撤回机制。
讨论与结论翻译浓缩：相关性、反身性、关系性、责任性共同提供判准，以辨识智能自动化于何处强化GIScience、于何处窄化问题、遮掩关键抉择、弱化关系或疏离研究人员与其知识后果。有意义的减速不能仅靠个体研究者——当体系奖赏速度与可计数产出时，依赖持续参与、关系建立、迭代解释与问责的GIScience形态即处劣势。Stadnyk（2024）论STEM女性流失、Barnett（2026）将出版喻为“脱轨列车”、Hill（2025）呼求激进改革、Kelly and Bosse（2022）75%引文来自弱势学者，皆示个体少发少引不改激励结构；Morgan-Thomas et al.（2024）证即便机构承诺负责任评估，专家评价仍追期刊排名。故慢速GIS要求重造研究价值与奖赏机制，承认实质、关系、伦理与多元贡献。慢速GIS既是方法论取向，亦是对决定“何问可问、何知如何产、何贡献被认、何人可留”之系统的重塑；GIScience未来不惟由其创造之系统形塑，亦由创造知识之系统形塑。
该文重要意义在于：在GeoAI语境中将“慢”从生活政治概念转译为GIScience认识—伦理框架，以四重承诺填补Miller慢GIScience未竟之环，并为智能自动化时代重定义“进步”提供可操作介入点。
