视频与研讨会

主办方： Stanford Institute for Human-Centered Artificial Intelligence (HAI)，作为 *AI + Science: Accelerating Discovery* 会议的闭幕圆桌讨论。2026年5月5日录制于斯坦福大学校园。 发言人： Risa Wechsler（Stanford，主持人）、Surya Ganguli（Stanford，主持人）、Angèle Christin（Stanford）、James Evans（University of Chicago）、James Zou（Stanford）以及 Eun-Ah Kim（Cornell University）。 在这场圆桌讨论中，来自物理学、社会学、传播学和生物医学数据科学领域的研究者探讨了人工智能正在如何改变作为一种实践的科学。他们审视了自动化与理解之间、效率与创造力之间以及产业价值与学术价值之间的张力。他们讨论的研究发现包括：有证据表明，人工智能提高了科学家的生产力，同时却将他们推向一种“大数据”单一文化，使所提出问题

主办方： 美国管理学会（Academy of Management）战略管理（STR）分会，由 STR 会员参与委员会赞助，Daniel Albert 组织。发布于 2026 年 7 月 18 日。 主讲人： Vivianna He（伦敦大学学院）、Felipe Csaszar（密歇根大学）、Gwendolyn Lee（普渡大学）和 Phanish Puranam（INSEAD）。 在这场时长一小时的线上小组讨论中，四位战略管理学者探讨了生成式人工智能如何作为战略管理的研究工具，以及它如何为该领域发现和推进研究机会开辟新的途径。本次讨论既面向有意将人工智能融入自身研究的学者，也面向希望了解顶尖学者如何看待战略学术研究未来的听众。 对于管理学和商学研究者而言，这段录像是对本合集中已收录的美国管理学会更广泛讨论的有益补充：它将问题聚焦于单一学科，而在这一学科中，理论构建、数据收集以及研究问题的界定都正在被大语言模型重塑。 来源： STR Strategic Management Division (AOM)，YouTube。

主办方： 英国国家研究方法中心（National Centre for Research Methods，NCRM）。2025 年 10 月 1 日录制于伦敦英国国家学术院（The British Academy），精华版于 2025 年 10 月 22 日发布。 演讲者： Dame Wendy Hall 教授（南安普顿大学）、David De Roure 教授（牛津大学）、Zeba Khanam 博士（BT）以及 Mark Carrigan 博士（曼彻斯特大学）。 2025 年 NCRM 年度讲座围绕一个问题展开：在科研中负责任地使用人工智能应当是什么样子？此次活动并非单场讲座，而是由四位演讲者组成的专题讨论：他们分别阐述了各自对这一主题的看法，随后回答了现场观众的提问。这段 44 分钟的视频是 NCRM 对该活动精彩内容的剪辑合集；活动以线下形式举行，并同步进行了线上直播。 这场专题讨论值得一看，因为它涵盖了多个不同的视角。讨论汇集了塑造英国人工智能与数字研究格局的资深计算机科学家、一位业界人工智能研究者，以及一位就学术生活中的生成式人工智能

主办方： Association for Consumer Research (ACR)。录制于2026年7月7日。 时长： 约56分钟。 观看录像（56分钟） 本期 ACR 网络研讨会介绍了研究者运用生成式人工智能的两种新兴方式：一是氛围编程（vibe coding），即用自然语言描述需求，由 AI 模型编写代码；二是 AI 辅助访谈，用于收集和开展质性访谈。 录像托管于 OneDrive，将在新标签页中打开：观看录像。 封面图片："Laptop coding programs"（Unsplash，CC0），来源：Wikimedia Commons。

2025年10月26日 10月15日，New Scholars 举办了一场网络研讨会，邀请 Stine Grodal 和 Henri Schildt 探讨如何在质性研究中使用人工智能。 以下是基于 Stine 和 Henri 的论文及其研讨会整理的《人工智能增强型质性研究最佳实践指南》。 1.0 引言：质性探究的新前沿 新的人工智能（AI）工具正在从根本上重塑知识工作的格局，为质性研究界带来了重大机遇，也带来了深刻挑战。正如法律和翻译等职业已经发生转变，我们的领域如今也站在关键的十字路口。大范围"去技能化"的风险以及肤浅的"AI 垃圾内容"的泛滥都是真实存在的威胁。然而，同样的工具也蕴含着推动新一轮理论创新的潜力。我们现在形成的实践很可能产生持久的、路径依赖的影响，既塑造我们的方法，也塑造这项技术本身的未来。这一代学者所做的选择将产生深远的影响。 对于当今的研究者而言，核心选择在于如何使用这些工具，而非是否使用。这一决定代表着一个战略性的岔路口，通向两条截然不同的道路。第一条是自动化，这条路颇具诱惑力，承诺速度与效率，但由于将研究者关键的诠释能力

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

2025年4月5日 大家好，这是工作坊第一天的录像。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 00:15 开场介绍 15:00 生成式人工智能基础 01:19:46 文献综述与文献管理 02:04:23 自动化、助手与智能体 02:36:03 实验刺激材料生成 03:18:33 AI 访谈员 03:52:38 API 03:59:01 文本分析

2024年10月8日 设想一下，如果我们能够自动化地发现突破性的科学假设，以前所未有的速度开启新的可能性。三个研究团队已朝这一方向迈出了重要一步，推出了旨在高效生成和评估科学假设的机器学习框架。 这一新框架围绕三个核心阶段构建：提取、生成和评估假设。首先，系统从科学文献中提取已有假设，并以命题逻辑的形式加以表示。其次，系统使用经过优化的机器学习模型，基于所提取的知识生成新的假设。最后，一组基于图论的指标对所生成假设的新颖性和相关性进行评估。 这项工作属于更广泛的新一波机器学习框架浪潮的一部分，这些框架旨在实现科学假设生成的自动化。近期研究还推出了其他若干在该领域展现潜力的框架，它们利用 GPT-4 和 Claude-2 等大语言模型（LLM）的能力，加速包括心理学在内的多个领域的科学发现。 其中一个值得关注的框架是芝加哥大学开发的 HypoGeniC，它侧重于基于标注数据生成假设。HypoGeniC 分三个阶段运行： 初始假设生成：框架分析少量示例，生成初始假设。 假设迭代更新：受多臂老虎机问题启发，HypoGeniC 使用奖励函数对假设进行迭代

2024年9月16日（更新于2024年10月8日） 本文题为"Can Large Language Models Provide Useful Feedback on Research Papers? A Large-Scale Empirical Analysis"（大语言模型能否为研究论文提供有用的反馈？一项大规模实证分析），由来自不同学术背景和机构的研究团队合作完成。该研究于2024年7月17日发表于 *NEJM AI* 第1卷第8期。文章探讨了大语言模型（LLMs）为研究论文提供有用反馈的潜力，并通过大规模实证分析回答这一问题。这项开创性研究考察了大语言模型（特别是 GPT-4）为研究论文提供有用反馈的潜力。研究者利用 GPT-4 开发了一个自动化流程，为科学论文生成结构化反馈，并开展了两项大规模研究以评估其有效性。 主要发现 回顾性分析： 将 GPT-4 的反馈与人类同行评审者对 *Nature* 系列期刊3,096篇论文和 ICLR 会议1,709篇论文的反馈进行比较。 GPT-4 与人类评审者反馈之间的重合度（*Nature* 系列

2024年7月13日 日期： 2024年6月20日 主讲人： Joshua Cova 和 Luuk Schmitz，马克斯·普朗克社会研究所（Max Planck Institute for the Study of Societies） 本次工作坊由马克斯·普朗克社会研究所的 Joshua Cova 和 Luuk Schmitz 主持，对大语言模型（LLMs）在社会科学研究中的应用进行了富有洞见的介绍。会议涵盖以下几个关键领域： 大语言模型在社会科学中的四大主要用途： a) 对人类行为进行计算建模（Aher, Arriaga, and Kalai, 2022; Dillion et al., 2023; Horton, 2023; Tjuatja et al., 2023） b) 模拟社会关系（Park et al., 2023; Wang et al., 2024; Akata et al., 2023） c) 与人类主体互动（Chopra and Haaland, 2023） d) 文本标注（Törnberg, 2023; Gilardi,

2024年5月16日（更新于2024年6月27日） 2024年5月16日，我们举办了一场关于生成式人工智能科研应用的入门网络研讨会。欢迎在此观看录像。 以下是我们在研讨会期间制作的一些趣味素材。 收听摇滚明星 Mimi 的新单曲： https://suno.com/song/890d713a-d2b3-456c-84c8-04e57e269deb 观看 Mimi 欢快奔跑的视频： https://pika.art/video/61630e70-d4d0-48b7-8568-75cc3c00df2e 如果您尚未填写调查问卷，请点击以下链接。 https://bino.qualtrics.com/jfe/form/SV_d9YUHaUIwtpgIhE

2024年5月8日（更新于2024年5月12日） ChatGPT 等工具让人们得以释放大语言模型（LLMs）的潜力，并迅速风靡全球。它们能够生成质量惊人的书面内容，这促使（或迫使）学术界思考其对科研和教育的影响。在本次研讨会中，我们将探讨生成式人工智能如何为研究者提供帮助，例如生成（无风险的）预实验数据，或简化写作流程。与此同时，它也引发了一系列与科研诚信相关的问题：如何区分人工智能生成的数据与"真实"的人类数据？什么构成抄袭？版权问题又该如何处理？本次研讨会将结合个人经验与实证证据，对上述问题进行选择性概述。 来源：鲁汶大学（University of Leuven）

2024年7月9日 主讲人： Eva Boxenbaum (Copenhagen Business School) Teppo Felin (Utah State University) Matthew Grimes (Cambridge Judge Business School) Christine Moser (VU Amsterdam) Christopher Wickert (VU Amsterdam) 大语言模型（LLM）正日益影响科学研究和学术工作。作为能够模仿人类推理某些要素的先进人工智能系统，大语言模型可能会自动化、增强或重构目前由人类完成的许多数据分析、理论构建和写作过程。在此背景下，本次专家小组由顶级期刊编辑和公认的人工智能思想专家组成，将阐明大语言模型在管理与组织领域学术工作和研究中可能的使用情景。专家们将讨论该技术对这一领域研究和学术的价值；确保技术得到合乎伦理且透明使用所涉及的挑战与权衡；以及他们认为对学术共同体而言重要的防护措施，并兼顾该知识领域的优势与其学术共同体的利益。 阅读材料： Cornelissen, J.

2024年6月14日 5月15日，一场题为 "Humanity and Vulnerability: Generative AI in the Market and Society"（人性与脆弱性：市场与社会中的生成式人工智能）的讨论会举行，哲学家 Colin Allen 和行为科学家 Julian De Freitas 出席。 本次讲座旨在加深人们对人工智能社会角色的理解，激发新的研究方向，并审视这一快速发展技术的可能性与局限性。讲座精彩片段的短视频现已发布。

2024年5月10日 更新于：2024年5月12日 本次网络研讨会由 Wiley 培训团队主办，聚焦生成式人工智能对信息发现的变革性影响，尤其是在学术研究与出版领域。主讲人为 Wiley Partner Solutions 智能服务组总监朱虹博士（Dr. Hong Zhu）。本场研讨旨在阐明人工智能技术，特别是生成式人工智能，正在如何重塑研究人员与数字内容互动并加以利用的方式。 研讨会以 Wiley 培训团队成员的致辞和介绍开场。该成员概述了会议安排以及参会者可获取的资源，包括会后提供的录像和可供参考下载的幻灯片。 朱博士的报告分为若干部分，分别探讨人工智能融入研究与出版领域的不同方面： 朱博士介绍了学术研究中数字化转型的概念，强调人工智能、大数据与云技术的融合。他概述了人工智能在提升研究资料可发现性与可获取性方面的作用，从而使研究人员能够从内容中获得更多价值。 讨论的很大一部分集中于生成式人工智能在信息发现中的作用。朱博士解释了 GPT 和 BERT 等人工智能模型如何被用于生成研究内容并改进信息检索流程。他重点介绍了人工智能在研究阶段的若干应

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12日 生成式人工智能将颠覆心理学研究的开展方式。使用人工智能取代人类参与者有哪些可能性？会带来哪些意想不到的后果？同行评审者将如何评估使用人工智能工具的研究稿件？ 本次网络研讨会是生成式人工智能系列活动之一，与 APA 的 Essential Science Conversations 合作举办。在该活动中，嘉宾与听众就心理科学中的新兴议题展开开放对话。 嘉宾： Mohammad Atari 博士，马萨诸塞大学阿默斯特分校（UMass Amherst）心理学助理教授 Kurt Gray 博士，北卡罗来纳大学教堂山分校心理学与神经科学教授 Jerri Lynn Hogg 博士，媒体心理学家、研究者、人工智能领域全球演讲者 Rose Sokol 博士，APA 期刊与图书出版人 Sang Eun Woo 博士，普渡大学教授 Mitch Prinstein 博士（主持人），APA 首席科学官 本次网络研讨会属于 APA 的 Essential Science Conversations 系列，聚焦生成式人工智能对心理学研究的变革性影响。研

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

2024年4月7日 主讲人： Jerry Davis（密歇根大学）、Dirk Lindebaum（格勒诺布尔管理学院）、Stella Pachidi（剑桥大学） 主持人： Anne Tsui（亚利桑那州立大学） 从计算机的诞生到社交媒体的广泛普及，信息技术的进步为社会科学研究带来了挑战与机遇。以 ChatGPT 为代表的生成式人工智能，对我们如何开展和分享定性与定量研究，以及何为真正的人类知识，提出了根本性的问题。在本次圆桌讨论中，我们将探讨这些挑战是什么，它们在不同研究情境中如何呈现，以及学术共同体能够且应当如何建立规范，以指导负责任的管理研究原则。 推荐阅读 Lindebaum, D. and Fleming, P. (2023), ChatGPT Undermines Human Reflexivity, Scientific Responsibility and Responsible Management Research. *British Journal of Management*. https://doi.org/10.1111

历史活动，2024年4月12日。该研讨会已结束。请阅读