“AI与研究方法变革”系列研讨(三)预告: AI与混合研究方法:协作关系及应用边界

嘉宾介绍

中国人民大学公共管理学院2023级行政管理专业博士研究生，研究方向为廉洁治理。曾于《中国行政管理》《甘肃行政学院学报》“Habitat International”等发表多篇文章，1篇文章被《新华文摘》转载。曾获北京市三好学生、京东特等奖学金、新加坡连氏善治国际学术会议英文/中文最佳论文奖等荣誉，主持2025年“求是学术-栋梁项目”。

分享主题：AI与混合研究方法：协作关系及应用边界

内容简介：

       随着科技革命和产业变革深入发展，AI已成为驱动社会科学方法转型的重要引擎。AI技术的应用，不只是工具层面的迭代，更为因果识别、机制解释和理论建构增能增效。而在应用AI的同时，信息过载、伦理审查及证据幻觉等问题仍有待进一步厘清和解决。

       本次分享将围绕“AI赋能混合研究方法的应用”展开，以定量定性混合研究应用过程中面临的具体困境为例，揭示AI在混合研究方法中的作用。一方面，通过文本量化与异常识别，缓解非结构化资料的分析困难，并在变量构造、样本筛选与假设检验等环节提升因果推断方法的适配性。另一方面，通过文本信息清洗、辅助编码与跨案例比较等方式，AI也拓展了定性研究的解释情境。混合研究方法的难点更在于能否围绕同一核心命题形成逻辑闭环，AI在研究方法中的应用，使得理论建构、案例阐释、机制解释与模型检验等流程实现更深层次的贯通与互证，推动混合研究从方法并置走向流程重塑。但技术赋能也内嵌风险。证据幻觉、伪相关陷阱、可重复性试验与信息伦理问题，是AI使用中不可忽视的工具代价。本次分享将在厘清AI赋能研究方法的基础上，结合公共管理研究的具体场景，探讨如何在AI时代保持技术应用与学术规范的良性互动。

推荐资料：

[1] GROSSMANN I, FEINBERG M, PARKER D C, et al. AI and the transformation of social science research [J]. Science,2023,380(6650): 1108 -1109.

[2] DAVIDSON T, KARELL D. Integrating Generative Artificial Intelligence into Social Science Research: Measurement, Prompting, and Simulation[J]. Sociological Methods & Research,2025,54(3):775-793.

[3] GRAZIANI M, DUTKIEWICZ L, CALVARESI D, et al. A global taxonomy of interpretable AI: unifying the terminology for the technical and social sciences[J]. Artificial Intelligence Review,2023,56(4):3473 -3504.

[4] 王东阳,赵洁,郭家琛.人工智能应用、智能素养与街头官僚工作压力——基于“联合实验+定性访谈”的混合研究[J].电子政务,2026,(04):92-107.

活动安排