数据分析与编程

Image: "Woman Conducting an Interview" by amtec_photos (CC BY-SA 2.0) via Wikimedia Commons, recoloured. 简单的词语列表能否为叙述性申请材料打分，并达到足以支持甄选决策的水平？Emily Campion 与 Michael Campion（Journal of Applied Psychology，2026）构建了 17 部自然语言处理词典，并在 12 个样本（N = 67,652）中加以检验，发现其预测效果稳定，在能力测验和人格测验之外还具有增量预测力，且性别与种族族裔之间的差异较小。 面向甄选研究的透明文本评分 组织在甄选过程中收集的大量文本，例如面试回答、申请短文和过往工作描述，通常只被阅读一次，之后便不再作为数据使用。Emily D. Campion（爱荷华大学）与 Michael A. Campion（普渡大学）探讨的问题是：能否借助自然语言处理中最透明的工具之一，即词典（由能够反映某一构念的词语和短语组成的精选列表），对这些材料进行

通过模拟 CSV 数据、重复记录与缺失值检查、已测试的 Python 代码和可手算的标准答案，核查 AI 生成的数据分析。

使用已知结果的小型示例、数据检查和干净环境重跑，核查 AI 生成的 R 或 Python 分析代码，再解释和使用研究结果。

Image: "New York Stock Exchange August 2017 02" by Arild Vågen (CC BY-SA 4.0) via Wikimedia Commons, recoloured. 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及顶级商业期刊。 信息泄漏：人工智能驱动研究中隐蔽的效度威胁 社会科学研究者越来越多地将新闻、公司公告和评论输入大语言模型，用于测量情感、对文本进行分类或预测结果。正如 Songrun He、Linying Lv、Asaf Manela 和 Jimmy Wu 在 Journal of Financial Economics 中指出的，问题在于：一个基于当今互联网训练的模型，实际上已经“读过”了未来，其训练数据可能会给任何历史分析带来前视偏差（lookahead bias）和训练泄漏。他们的解决方案是训练一系列时间一致（chronologically consistent）的模型，即 ChronoBERT 和 ChronoGPT，这些

2025年4月6日 4月5日，我们举办了工作坊的第二天活动。另请访问我们的 GitHub 页面，获取幻灯片、阅读材料和其他学习资料： http://github.com/lanceyuu/osloworkshop 上午场 面向研究的无代码编程 RAG（检索增强生成） 下午场 使用 GPT、Claude 和 Gemini 进行数据分析 使用 LLM 和 Colab 进行可视化 使用 EASY DATASET 微调 LLM 合成数据

2024年11月3日 设想你正在尝试将数千条关于某款产品的评论归纳为若干主要主题。传统上，研究者要么必须人工通读全部内容（耗时且昂贵），要么使用常常忽略重要语境的老式计算机程序。OSF 上的一篇新预印本表明，GPT-4、Claude 和 Gemini 等现代人工智能系统能够有效完成这项工作，尤其是在处理短文本时。 研究者开展了两项有趣的实验： 研究一：聊天机器人感知研究 收集了 199 人关于"是什么让聊天机器人显得像人"的回答 比较了三种不同的回答分析方式：人工分析（由一名研究助理通读全部内容）；传统计算机分析（使用一种名为 LDA 的方法）；现代人工智能分析（使用 GPT-4 和 Claude） 结果：人工智能系统与人工分析的一致率达到 90%，而传统计算机方法的准确率仅为 60%。 研究二：疫苗犹豫研究 分析了 10,000 条关于新冠疫苗顾虑的推文 检验了人工智能能否在不同样本量下识别主要主题 比较了三种不同的人工智能系统 结果：人工智能仅使用 5% 的数据时的表现与使用 100% 数据时一样好，准确率达到 90%。 在主题分析中使用人工

2024年8月24日 一项发表于 *Proceedings of the National Academy of Sciences* 的新研究发现，人工智能聊天机器人 GPT 是跨多种语言分析文本中心理构念的有效工具。 来自斯坦福大学、普林斯顿大学和纽约大学的研究者测试了 GPT 在12种语言文本中识别情感倾向、情绪、冒犯性和道德基础的能力。他们发现，GPT 的表现显著优于传统的基于词典的方法，并且几乎与需要大量训练的顶尖机器学习模型相当。 "GPT 在无需任何额外训练数据的情况下，跨语言识别心理构念的准确率很高，"斯坦福大学的第一作者 Steve Rathje 表示，"这使其成为希望分析多语言文本数据的研究者的一种强大且易用的工具。" 该研究在超过47,000条经人工标注的社交媒体帖子和新闻标题上测试了三个版本的 GPT（3.5、4 和 4 Turbo）。GPT 大幅优于词典方法，在某些情况下甚至超过了经过微调的机器学习模型。 值得注意的是，GPT 即使在斯瓦希里语和卢旺达语等使用人数较少的非洲语言上也表现良好。其准确率随每个新版本显著提升，在

使用持续维护的示例开展小规模 ScrapeGraphAI 试点，对照来源网页检查记录，记录版本、缺失值和完整的数据处理路径。

为 AI 辅助网页数据提取制定抽样规则、字段结构、来源记录和核查步骤，保留原始教学视频，建立可追溯的数据采集流程。

2024年4月15日（更新于2024年5月8日） 作者： Jan Ole Krugmann, Jochen Hartmann 摘要 在飞速发展的生成式人工智能时代，ChatGPT 等大语言模型（LLMs）正处于颠覆营销实践与研究的最前沿。本文全面探讨了大语言模型在情感分析方面的能力。情感分析是营销研究中理解消费者情绪、观点和感知的一项核心任务。我们将三种最先进的大语言模型，即 GPT-3.5、GPT-4 和 Llama 2，与已有的高性能迁移学习模型进行基准比较。尽管大语言模型采用零样本方式，我们的研究表明，在情感分类准确率方面，大语言模型不仅能够与传统迁移学习方法相媲美，在某些情况下甚至更胜一筹。我们考察了文本数据特征和分析程序对分类准确率的影响，揭示了数据来源、文本复杂度和提示技术如何影响大语言模型的表现。我们发现，包含较长且富含内容的词语等语言特征会提升分类表现，而单句评论和结构较松散的社交媒体文本等其他特征则会降低表现。此外，我们还探讨了大语言模型所生成情感分类的可解释性。结果表明，大语言模型，尤其是 Llama 2，能够提供出色的分类解

通过带有原文依据的主题标签、经过审查的编码手册和独立检查材料，识别文本主题，并从核实后的编码中计算频数。

2024年4月7日（更新于2024年5月8日） 作者： Fabrizio Gilardi (https://orcid.org/0000-0002-0635-3048, gilardi@ipz.uzh.ch), Meysam Alizadeh (https://orcid.org/0000-0001-6696-6471), Maël Kubli (https://orcid.org/0000-0002-5592-9648) 编辑：Mary Waters（哈佛大学）；2023年3月27日收稿，2023年6月2日接收 发表于 *PNAS*，2023年7月18日，120 (30) e2305016120，https://doi.org/10.1073/pnas.2305016120 摘要 许多自然语言处理（NLP）应用需要针对多种任务进行人工文本标注，尤其是用于训练分类器或评估无监督模型的性能。根据任务规模和复杂程度，这些工作可由 MTurk 等平台上的众包工作者完成，也可由研究助理等经过培训的标注员完成。我们使用四个推文和新闻文章样本（n = 6,1

2024年4月7日（更新于2024年5月8日） 作者： Gaël Le Mens (https://orcid.org/0000-0003-4800-0598, gael.le-mens@upf.edu), Balázs Kovács (https://orcid.org/0000-0001-6916-6357), Michael T. Hannan (https://orcid.org/0000-0002-7664-9565), Guillem Pros (https://orcid.org/0009-0009-9937-4902) 编辑：Kenneth Wachter（加州大学伯克利分校）；2023年6月3日收稿，2023年10月13日接收 发表于 *PNAS*，2023年11月30日，120 (49) e2309350120，https://doi.org/10.1073/pnas.2309350120 意义陈述 我们使用 GPT-4 构建"典型性测度"，以定量评估文本文档与特定概念或类别的契合程度。与以往需要在大型文本数据集上进行大量训练

2024年4月7日（更新于2024年5月8日） 本视频来自 DataScienceDojo，这是一个学习数据分析的优质平台。版权所有 @DataScienceDojo 生成式人工智能是一个快速发展的领域，有望彻底改变数据分析的方式。在这场关于数据分析与生成式人工智能的实践课程中，您将学习： 如何借助 Python 和 Power BI，利用生成式人工智能简化分析任务 生成式人工智能在分析从业人员中所扮演的角色，以及它如何改变我们的工作方式 真实案例、应用场景与实践洞见 如果您是数据科学家、分析师或工程师，并希望了解如何运用生成式人工智能改进数据分析流程，那么本教程正适合您。 Albar Wahab Data Science Dojo 高级数据科学家兼讲师 Albar Wahab 是 Data Science Dojo 的高级数据科学家兼讲师，专注于数据科学训练营（Data Science Bootcamp）、面向数据科学的 Python（Python for Data Science）以及 Power BI 等直播培训项目。他在设计和主讲 Pow

主办方：INFORMS。录制于 2026 年 2 月。演讲者：Louis Luangkesorn（Highmark Health）。 基础模型是基于易获取的数据训练的，在专家能够识别、而新手无法识别的情形下会出现失误。本讲座将生成式 AI 整合进覆盖 INFORMS 分析框架全流程的分析工作流中，指出了典型的失败模式，并提出了减少错误的做法。对于使用大语言模型进行数据分析的研究者而言具有直接参考价值。 来源：INFORMS，YouTube。

Image via Wikimedia Commons (public domain). 直到不久前，用 AI 做数据分析还意味着把代码粘贴进聊天窗口，再把答案粘贴回来。2025 年，工具的形态变了。Claude Code、OpenAI Codex 和 Gemini CLI 这样的编程智能体直接运行在你的项目文件夹里，读取你的数据和脚本，编写并执行代码，检查输出并修正自己的错误。对研究者来说，这比更好的自动补全意义大得多：智能体可以从原始数据到图表完成整个分析，而你可以全程观看。本教程解释这些工具是什么、如何设置项目以保证结果可复现，以及在哪些环节必须保留人工介入。 三个工具分别是什么 Claude Code（Anthropic）可在终端、桌面应用或 VS Code 与 JetBrains 内运行。它擅长理解已有代码库和执行冗长的多步骤任务。 Codex（OpenAI）内置于 ChatGPT，在你代码仓库的隔离云端副本中工作，以 pull request 的形式提出修改。也有命令行版本。 Gemini CLI（Google）是开源的终端智能体，拥

Image via Wikimedia Commons.jpg) (public domain). 8月17日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科期刊。 当"AI 让我更高效"其实只是你对处理方式的定义 关于 AI 在科学领域最常被引用的说法之一是：开始使用大型语言模型的研究者发表成果明显更多。问题在于，没有人能直接观察到"采纳"行为，因此研究通常只能推断它，也就是从检测器标记为 LLM 辅助的第一篇论文入手。在一篇新的 PNAS 通讯中，[《Scientific production in the era of large language models: Outcome-triggered treatment timing and spurious event-study dynamics》](https://doi.org/10.1073/pnas.2618638123)的作者指出，这个推断规则正是问题所在。由于高产出月份在机制上更可能包含一篇被检测到的论文，处理时

Image via Wikimedia Commons.jpg) (public domain). 7月27日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、PNAS 以及各领域顶级商科与社会科学期刊。 AI 已悄然成为研究工具，而验证工作尚未跟上 本周最相关的两篇论文关注的都是方法，而非模型。在 Journal of Consumer Psychology 上，一组[评论文章](https://doi.org/10.1002/jcpy.70037)回应 Schmitt、Hao、Pham 和 Hofstetter 提出的生成式扎根理论（Generative Grounded Theory, GGT），这是一个七步框架，让生成式 AI 深度参与语料库构建、数据结构化、编码、概念聚类、抽象化、理论整合以及饱和度评估。这意味着 AI 已经进入诠释研究者传统上行使判断力的几乎每一个步骤，远远超出了质性项目的边缘地带。评论这一体裁本身就是信号：学界尚未就这类框架能担保什么达成共识，还在通过纸面论辩解决分歧。 同一问题的定量侧面出现在 [

7月16日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science、PNAS 以及各领域顶级商科期刊。 当可辩护的分析变得廉价，证据便会充裕，却不再可信 几十年来，对 p 值操纵（p-hacking）的实际约束是人力成本。多分析师研究（many-analyst studies）由多个独立团队在同一数据上检验同一假设，并且经常得出相互冲突的结论，这类研究证明了可辩护分析构成的多元宇宙确实存在，但组织一次这样的研究需要昂贵的人力协调。本周，Martin Bertran、Riccardo Fogliato 和 Zhiwei Steven Wu 撤除了这道刹车。他们在 [PNAS](https://doi.org/10.1073/pnas.2606495123) 上发表的研究基于大语言模型构建了完全自主的 AI 分析师，每个分析师在固定数据集和固定假设上独立执行完整的分析流程，并由另一个独立的 AI 审计员筛查每次运行的方法学有效性。在三个数据集上，AI 分析师再现了人类多分析师研究中观察到的分析离散度：效应量、*P*...

6月28日 欢迎阅读本周的人工智能重塑科研动态速览，内容精选自 Nature、Science 以及商学与管理学顶级期刊。 当你让 AI 代为测量变量时，可能正在让研究结果产生系统性偏差 这已成为诸多学者的常规操作：调用大语言模型对在线评论进行情感打分、评估广告的审美水平，或是标记客户留言中的情绪倾向，随后直接将这些由 AI 生成的分数作为解释变量纳入回归方程，用以估计其对销售额或用户互动的影响。这种操作表面上看似严谨的科学测量，实则暗藏隐患。在发表于 Information Systems Research 的一篇前沿论文中，Jingwen Zhang、Wendao Xue、Yifan Yu 和 Yong Tan 指出，由于 AI 预测本身并不完美，直接将这些预测标签作为回归自变量代入模型，会给最终的效应估计带来系统性偏差。AI 标注过程中的误差不会在平均化过程中自行抵消，而是会直接传导并扭曲你的回归系数与统计推断。 作者团队针对部分线性模型开发了一套去偏校正程序，能够有效纠正 AI 生成自变量所引起的估计失真，从而恢复有效的一致估计与统计推断。