夜雨聆风这两年，做社科研究的人大概都有一种感觉：
项目申报越来越难了。
难的地方不只是竞争激烈，也不只是申报书格式越来越细。真正让很多人焦虑的是：我们熟悉的那套选题、写作和研究方法，正在被AI重新搅动。
以前写项目申报，大家最关心的是：
这个题目能不能贴上国家战略？ 这个问题有没有现实意义？ 这个论证够不够完整？ 这个方向有没有前期成果？
现在还要多问几句：
AI会不会改变这个问题本身？ AI能不能成为研究对象？ AI能不能成为研究方法？ AI能不能辅助我们写申报书、做文献综述、设计访谈、分析文本？ 如果用了AI，学术边界又在哪里？
这就是我想长期讨论的方向：
AI时代的社科项目申报与研究方法。
当人工智能进入社会运行、知识生产和科研写作之后，社科研究者该如何重新理解选题、方法和表达。
一、AI正在从“技术话题”变成“社科问题”
过去谈人工智能，很多人会自然地把它归到计算机、算法、模型、工程应用里。
但现在不一样了。
生成式AI、大模型、智能推荐、算法治理、深度伪造、智能政务、AI教育、AI写作、AI陪伴、AI招聘、AI司法辅助……这些问题已经不是单纯的技术问题。
它们背后至少牵涉到这些社科议题：
权力如何被算法重新分配？ 劳动岗位会发生什么变化？ 平台如何通过算法影响个体选择？ AI生成内容如何影响舆论和公共信任？ 大模型会不会改变学术评价和科研伦理？ AI进入基层治理后，是提升效率，还是制造新的治理风险？ 青少年、老年人、普通劳动者在AI时代会不会被进一步边缘化？
这些问题，计算机科学不能单独回答。
它们需要法学、社会学、政治学、管理学、经济学、新闻传播学、教育学、马克思主义理论、信息资源管理等学科一起进入。
换句话说，AI不是只属于技术人员的研究对象。 它正在变成社科研究的重要现场。
二、社科项目申报已经开始回应AI议题
如果观察近年的社科项目立项情况，会发现一个明显趋势：人工智能相关选题正在快速扩散到不同学科。
法学关心AI生成内容、算法歧视、数据合规、平台责任、司法AI。
管理学关心AI如何影响企业转型、组织管理、产业链韧性、劳动过程。
经济学关心AI对就业结构、收入分配、数字贸易、产业升级的影响。
新闻传播学关心AIGC、虚假信息、事实核查、舆论生态、认知安全。
教育学关心AI助教、智能课堂、学术诚信、学生AI依赖、教师AI素养。
社会学关心AI对青年、老年人、平台劳动者、弱势群体的影响。
马克思主义理论和文化研究则会关注AI时代的意识形态安全、文化主体性、价值传播和话语权问题。
这说明什么？
说明AI已经不是一个可以“点缀”在题目里的词，而是一个正在重塑研究对象、研究问题和研究方法的变量。
过去有些题目只是把“人工智能”四个字加到前面，例如：
人工智能时代的社会治理研究 人工智能背景下的教育改革研究 人工智能赋能基层治理研究
这样的题目看起来很热，但容易空。
真正有竞争力的选题，不是简单写“AI+某某领域”，而是要说清楚：
AI具体改变了什么？ 改变发生在哪个场景？ 带来了什么新问题？ 这个问题为什么值得研究？ 你的学科能够提供什么解释？
比如，相比“人工智能赋能基层治理研究”，一个更具体的方向可能是：
生成式人工智能嵌入基层政务服务的风险识别与治理机制研究
相比“AI时代高校教育改革研究”，一个更有问题意识的方向可能是：
大学生生成式AI依赖对学术诚信认知的影响机制研究
相比“人工智能与就业研究”，可以进一步细化为：
生成式人工智能应用对青年知识型劳动者职业能力重构的影响研究
差别在哪里？
差别在于，后面的题目有对象、有场景、有问题、有机制。
这也是未来AI+社科项目申报的关键：不要追概念，要抓问题。
三、AI也在改变社科研究方法
AI不仅是研究对象，也正在成为研究工具。
这件事对社科研究者影响很大。
以前做研究，很多工作高度依赖个人经验和时间投入。比如：
查找文献； 整理研究现状； 比较不同理论； 设计访谈提纲； 优化问卷题项； 初步编码访谈文本； 分析政策文本； 修改论文摘要； 检查申报书逻辑。
现在，AI都可以参与其中。
但这里要特别小心：AI可以辅助研究，却不能替代研究。
它适合做什么？
适合帮我们扩展思路、整理资料、生成初稿、比较框架、检查逻辑、润色表达。
它不适合做什么？
不适合替我们判断研究价值，不适合虚构文献，不适合编造数据，不适合代替真实调研，也不适合直接生成最终学术成果。
比如，让AI直接写一段“国内外研究现状”，风险很大。它可能会编不存在的文献，或者把不同研究混在一起，写出看似顺滑但实际空泛的综述。
但如果你把真实文献摘要、关键词、研究问题提供给AI，让它帮你按照“研究主题、研究方法、核心观点、研究不足”进行整理，这就有价值。
再比如，让AI直接帮你写“创新点”，通常会写出这类话：
本研究在研究视角、研究方法和研究内容方面具有一定创新。
这几乎等于没写。
但如果你让AI帮你检查“这个创新点是否具体，是否能对应研究问题，是否与已有研究形成差异”，它就可能成为一个有用的辅助审稿人。
所以，AI时代的社科研究方法，不是“让AI替我做研究”，而是要学会：
把AI放进研究流程，但把判断权留在研究者手里。
四、项目申报者最需要补上的能力，不是AI技巧，而是问题转化能力
很多人一听到AI辅助申报，第一反应是：有没有好用的提示词？有没有工具推荐？能不能一键生成申报书？
这些当然有用，但不是最重要的。
真正重要的是问题转化能力。
什么意思？
就是你能不能把一个宏大的社会变化，转化成一个具体、可研究、可论证、可申报的学术问题。
比如，“AI很火”不是问题。 “AI影响教育”也不是问题。 “AI会不会导致学生偷懒”仍然不够。
更好的问题应该是：
在什么教育场景中？ 影响的是哪类学生？ 影响的是学习行为、学术诚信，还是知识理解？ 这种影响通过什么机制发生？ 学校、教师、平台分别应该如何治理？
再比如，“AI影响就业”也太大。
可以继续追问：
影响的是制造业工人、平台劳动者，还是高校毕业生？ 影响的是岗位数量、技能结构，还是职业认同？ AI是替代劳动，还是重组劳动过程？ 不同群体受到的影响是否不同？ 政策如何介入？
一个好的社科项目选题，通常不是从概念开始的，而是从问题开始的。
AI时代尤其如此。
因为“人工智能”本身太大、太热、太容易被滥用。如果研究者不能把它转化成具体问题，题目就很容易变成口号。
五、这个公众号接下来会写什么？
接下来，我会围绕几个固定方向持续更新。
第一类，社科项目申报方法。
比如：
如何从重点研究方向转化出具体题目？ 申报书里的问题意识怎么写？ 研究内容、研究思路、研究方法有什么区别？ 创新点怎么写才不空？ 青年项目如何选一个“小而深”的题目？ 技术路线图到底该怎么画？
第二类，AI辅助科研实操。
比如：
如何用AI辅助选题？ 如何用AI做文献综述框架？ 如何用AI检查申报书逻辑漏洞？ 如何用AI设计访谈提纲？ 如何用AI辅助政策文本分析？ 如何避免AI虚构文献和学术风险？
第三类，AI+社科前沿议题。
比如：
AI与基层治理； AI与就业结构； AI与法律规制； AI与教育改革； AI与舆论生态； AI与学术诚信； AI与文化安全。
第四类，立项题目拆解。
我会尽量从已立项项目、热门选题和典型题目中，拆解一个好题目到底好在哪里：
研究对象是什么？ 核心问题是什么？ 学科视角是什么？ 理论贡献在哪里？ 现实意义如何落地？ 普通申报者能借鉴什么？
第五类，模板与清单。
比如：
申报书自查清单； AI科研提示词； 文献综述写作框架； 选题判断表； 创新点写作模板； 论文修改提示词； 项目申报避坑清单。
我希望这些内容不是看完就过去的“热闹文章”，而是可以被收藏、反复使用、真正帮助到申报和研究工作的工具型内容。
你现在最关心的是哪一类问题？
社科项目选题 申报书写作 AI辅助文献综述 AI辅助论文写作 AI+社科研究热点 已立项题目拆解
可以在评论区留言。后面的文章，我会优先围绕大家最关心的问题展开。
