本书系统探讨人工智能（AI）如何重塑经管科研范式，聚焦AI 时代经管研究的理论创新、方法升级与实践应用，为研究者提供从思维变革到工具落地的全流程指南。
全书共10章，以“范式变革—工具赋能—质量伦理”为主线展开，第1~3章解析AI对经管理论体系与科研流程的重构，详解提示词设计的原则与技巧；第4~7章围绕理论构建、多模态数据分析、实证研究、质性研究等核心科研场景，展示AI的应用路径；第8~10章则阐述论文优化策略、能力进化路径及伦理规范，助力高质量成果产出。
本书兼具学科针对性、方法实操性与内容前沿性，适合经管专业高年级本科生、研究生、高校教师，以及从事AI与社会科学交叉研究的科研人员阅读，亦可作为数智化研究方法相关课程的教材。
本书针对经管科研的特点，明晰了人工智能在经管科研中的应用逻辑，系统介绍了判别式人工智能、生成式人工智能等技术在各类经管科研场景中的应用，在广泛综述前沿文献的基础上，精心架构内容体系，确保条块清晰、逻辑严谨，使知识衔接流畅。本书具有如下几个特色。
一是以科研生命周期为主线，系统梳理了 AI 时代经管科研范式变革，介绍AI在文献综述、数据分析、实证研究、质性研究等核心科研场景的应用，分步骤解析 AI 的辅助机制，帮助读者建立技术流程价值的整体认知。
二是针对经管科研特点，明晰 AI 在经管科研中的应用逻辑，总结了 AI 提示词在经管科研中的设计逻辑，使读者能够将 AI 技术应用于经管科研，有效提升经管科研的质量和效率，促进 AI 与经管科研深度适配。
三是守正创新，推动经管科研与 AI 的交叉创新。本书既继承经管学科问题导向、理论基础的逻辑，又融入 AI 在经管科研应用中的前沿成果，整合国内外众多学术文献，反映当前 AI 赋能经管科研的新研究动态和趋势，具有较高的学术价值和参考价值，能够为经管科研人员提供前瞻性的指导和启示。
刘颖，中国科学院大学经济与管理学院教授，博导，院长助理，研究生教学部主任。斯坦福大学访问学者，北京大学大数据分析与应用技术国家工程实验室技术委员会委员，入选第六期北京市国家治理青年人才培养计划。主要从事商业数据分析、数字经济、金融科技、电子商务、算法治理等领域的研究与实践工作。主持国家重点研发计划子课题、国家自然科学基金等6项课题、中央网信办、公安部、北京市自然科学基金等科研项目10余项。多次承担阿里巴巴、百度、腾讯等企业委托的大数据课题，在《管理世界》《中国科学》《管理科学学报》Nature子刊等重要期刊和会议上发表论文40余篇。
姚凤阁，现任哈尔滨商业大学金融学院院长，教授，博士（后）导师，黑龙江省领军人才梯队金融学科带头人，本科专业金融工程专业（建设）带头人，黑龙江省政府特殊津贴专家，龙江学者，黑龙江省“六个一批”人才，黑龙江省智库专家。主持国家社科基金一般项目3项，国家社会科学基金重大项目子课题1项及多项省部级课题，并获省社会科学成果一等奖2项，二、三等奖各1项，主编专著、编著、教材11部。
张峰，北京联合大学研究生处处长，教授，博士生导师，北京区域经济学会理事，中关村金融科技产业发展联盟“金融科技专才培养计划”专家组成员。曾获北京市教学名师、北京高校优秀本科育人团队带头人等荣誉称号。研究方向包括数字金融、普惠金融，主持参与国家社科基金、教育部人文社科基金、北京市社科基金等项目十余项，公开发表学术论文50余篇，出版专著5部，主编参编教材十余本。
第 1章 AI 时代经管科研的范式变革 /01
1.1 AI 时代的经管理论重构 /02
1.1.1 理性人与算法人 /02
1.1.2 经验决策与人机混合决策 /05
1.1.3 微观行为与宏观涌现 /09
1.1.4 计算科学与经管学科的融合 /13
1.2 AI 时代的经管研究方法 /16
1.2.1 理论研究与实证研究 /16
1.2.2 定性分析与定量分析 /18
1.2.3 小模型范式与大模型范式 /21
1.3 AI 的局限性与人机协同边界 /22
1.3.1 AI 在经管科研应用中的局限性 /23
1.3.2 人机协同的边界 /25
第 2章 人工智能 + 经管科研的流程与步骤 /27
2.1 什么是好的研究 /28
2.1.1 真问题：研究的起点 /28
2.1.2 新见解：视角的重构 /29
2.1.3 严谨论证：结论的科学保障 /29
2.1.4 三种研究类型及 AI 应用 /30
2.2 AI 重塑科研的三要素 /32
2.2.1 AI 与研究者 /33
2.2.2 AI 与研究工具 /35
2.2.3 AI 与研究对象 /37
2.3 AI+ 经管科研的基本流程 /39
2.3.1 AI 辅助研究设计 /40
2.3.2 AI 辅助科研实施 /45
2.3.3 AI 辅助理论贡献提炼 /48
第3章AI 提示词在经管科研中的通用设计逻辑 /53
3.1 AI 提示词设计的基本原则 /54
3.1.1 精准性设计 /54
3.1.2 场景化设计 /60
3.1.3 扩展性设计 /62
3.2 AI 提示词在经管科研中的通用框架 /64
3.2.1 AI 提示词与经管学科的融合 /64
3.2.2 从理论到实践的 AI 提示词框架构建 /65
3.2.3 提示词迭代优化方法 /68
3.3 AI 提示词在经管科研中的典型应用场景 /72
3.3.1 跨模态交互：文本、数据与图表的协同设计 /72
3.3.2 成功与失败的提示词对比 /79
第4章 人工智能 + 经管理论构建与文献研究 /83
4.1 AI+ 经管理论构建 /84
4.1.1 理论构建的意义与流程 /84
4.1.2 理论构建的经典方法与新路径 /86
4.1.3 AI 赋能理论构建的价值维度 /88
4.1.4 AI 优化演绎和归纳的路径 /90
4.1.5 AI 驱动经管理论创新的范文解析 /92
4.2 AI+ 经管文献研究 /94
4.2.1 文献研究中的提示词设计 /94
4.2.2 AI 辅助文献阅读与归纳 /97
4.2.3 AI 辅助文献热点分析 /100
第5章 人工智能 + 经管科研数据处理与分析 /107
5.1 AI+ 经管数据采集 /108
5.1.1 AI+ 数据勘探 /108
5.1.2 AI+ 数据抓取 /114
5.1.3 AI 助力多源数据融合 /117
5.2 AI+ 经管文本数据分析 /119
5.2.1 文本分类及经管科研应用 /119
5.2.2 主题建模及经管科研应用 /121
5.2.3 文本相似度计算及经管科研应用 /123
5.3 AI+ 经管音频数据分析 /125
5.3.1 音频的分类维度及数据背后的经济含义 /125
5.3.2 音频数据挖掘方法及经管科研应用 /127
5.4 AI+ 经管视频数据分析 /129
5.4.1 视频分类的维度及经济含义 /129
5.4.2 视频数据挖掘方法及经管科研应用 /130
第6章 人工智能 + 经管实证研究 /133
6.1 AI+ 实证研究 /134
6.1.1 经管实证研究的基本流程 /134
6.1.2 AI 与实证研究的融合 /135
6.2 AI+ 实证变量构建 /138
6.2.1 判别式人工智能在变量构建中的应用 /139
6.2.2 生成式人工智能在变量构建中的应用 /143
6.3 AI+ 解释性实证研究 /147
6.3.1 AI 驱动的关联关系研究 /148
6.3.2 AI 驱动的因果关系研究 /150
6.4 AI+ 预测性实证研究 /154
6.4.1 AI 与传统预测模型的融合 /154
6.4.2 AI 驱动的新型预测模型构建 /155
第7章 人工智能 + 经管质性研究 /157
7.1 AI+ 质性研究 /158
7.1.1 质性研究在经管科研中的价值 /158
7.1.2 质性研究的实施流程 /159
7.1.3 质性研究中的局限性 /161
7.1.4 AI 对质性研究路径的改变 /162
7.1.5 AI 在质性研究应用中面临的挑战 /167
7.2 AI+ 经管案例研究法 /169
7.2.1 案例研究概述 /169
7.2.2 案例研究的实施流程 /171
7.2.3 AI 在案例研究中的应用 /172
7.3 AI+ 扎根理论研究 /174
7.3.1 扎根理论概述 /174
7.3.2 扎根理论的实施流程 /176
7.3.3 AI 在扎根理论中的应用 /177
第 8 章 AI 赋能经管科研论文优化与质量提升 /180
8.1 顶级期刊针对大模型使用的政策 /181
8.1.1 顶级期刊的政策 /181
8.1.2 大模型辅助写作的“四原则”/186
8.2 AI 赋能经管科研论文质量提升的应用场景 /187
8.2.1 研究逻辑检验与模拟评审 /188
8.2.2 期刊偏好分析与智能选刊建议 /192
8.2.3 语言润色与表达优化 /198
8.2.4 科研绘图智能优化 /201
8.3 规避 AI 写作的学术合规风险 /205
8.3.1 查重降噪策略 /205
8.3.2 规避大模型“幻觉”风险 /206
8.3.3 规避大模型合作使用风险 /208
第 9 章 AI 时代研究者的能力进化 /210
9.1 AI 时代研究者的核心能力 /211
9.1.1 工具赋能与认知赋能 /211
9.1.2 科技素养与学科深度的平衡 /212
9.1.3 深度思考与判别能力 /215
9.1.4 复杂系统下的创新力与决策力 /219
9.2 AI 时代经管科研的跨学科跨领域协作 /220
9.2.1 科技与人文的交汇 /220
9.2.2 经管学科与自然学科的融合 /223
9.2.3 政产学研协同创新 /227
9.3 AI 时代的经管科研团队管理 /232
9.3.1 AI 时代的经管科研团队组织结构 /232
9.3.2 AI 时代的数据治理与知识共享 /235
第 10 章 经管科研的 AI 伦理 /238
10.1 AI 伦理的基本内涵 /239
10.1.1 伦理的概念 /239
10.1.2 技术伦理的关注点 /239
10.1.3 AI 伦理的概念和新内涵 /240
10.2 AI 伦理的常见问题 /241
10.2.1 虚假信息的甄别 /241
10.2.2 数据泄露与知识产权 /245
10.2.3 知识偏见 /247
10.2.4 算法歧视 /250
10.3 AI 伦理问题的应对 /252
10.3.1 大模型学术使用边界 /252
10.3.2 人机双向互动 /255
10.3.3 引注规范与全程监管 /258
10.4 学术规范保障与 AI 检测平台使用 /263
10.4.1 学术规范保障 /263
10.4.2 AI 检测平台的使用 /265
参考文献 /269
新书资讯
