本工作坊面向管理学及相关领域师生，围绕多模态数据、机器学习、因果推断与大语言模型的研究应用展开，帮助学员理解人工智能方法如何转化为可操作、可迁移、可发表的研究工具。
活动形式：两天集中式学术工作坊
活动对象：管理学及相关领域博士生、硕士生与研究人员
关 键 词：机器学习；大语言模型；多模态数据；因果推断；管理学研究
一、背景与目的 | Overview
当前，管理学研究正处在数据形态与研究方法快速变革的阶段。伴随着数字平台、社交媒体、线上交易、企业运营系统与智能设备的广泛应用，管理学研究所面对的数据已经不再局限于传统的结构化表格数据，而是逐渐扩展到文本、图像、视频、语音、网络关系以及行为轨迹等多模态数据。如何有效利用这些新型数据，提出有价值的研究问题，并将其转化为严谨、可发表的学术研究，已经成为管理学各领域研究者共同关注的重要议题。
近年来，机器学习与大语言模型的发展为管理学研究提供了新的方法工具与理论想象空间。一方面，机器学习方法能够帮助研究者从复杂、高维、非结构化数据中提取信息、识别模式，并辅助构建新的变量与测度；另一方面，大语言模型的出现进一步拓展了文本理解、知识生成、语义分析与研究辅助的能力，为管理学研究中的理论构建、数据处理、因果识别和案例分析提供了新的可能。
本次工作坊旨在帮助学员系统理解机器学习与大语言模型的基本逻辑、发展脉络及其在管理学研究中的应用场景。活动将结合方法讲解、案例展示、实例演示与圆桌讨论，引导学员理解如何将机器学习与大语言模型转化为可操作、可迁移、可发表的研究工具。
二、日程安排 | Schedule
第一天：主要围绕机器学习与管理学研究的基本关系展开。上午部分从大数据时代的管理学研究新趋势切入，介绍机器学习如何帮助研究者利用文本、图像、视频等多模态数据开展研究；随后从线性回归出发，系统梳理机器学习方法的发展逻辑，并进一步引入大语言模型。下午部分安排两个案例与实例演示环节，帮助学员理解如何将抽象方法转化为具体研究设计与操作流程。
时间 Time 内容 Session 主讲人 Speaker
9:15 – 10:30 第一节 大数据时代下的管理学研究：机器学习如何赋能多模态数据以助力我
们的研究Management Research in the Age of Big Data: How Machine Learning Enables Multimodal Data to Advance Our Research 王晨浩
10:30 – 10:45 茶歇Break
10:45 – 12:15 第二节 从线性回归到大语言模型
From Linear Regression to Large Language Model 王泉蒙
12:15 – 14:00 午餐Lunch
14:00 – 15:30 第三节 案例与实例演示
Case Study and Demonstration I 王晨浩
15:30 – 15:45 茶歇Break
15:45 – 17:15 第四节 案例与实例演示
Case Study and Demonstration II 王泉蒙
第二天：主要围绕机器学习方法在管理学研究中的进一步拓展展开。上午部分重点讨论机器学习与因果推断之间的关系。随后介绍大语言模型的基本原理及其在研究中的应用。下午以圆桌讨论收束，围绕研究选题、方法应用、论文发表和跨学科合作等问题进行交流。
时间 Time 内容 Session 主讲人 Speaker
9:00 – 10:30 第五节 机器学习与因果推断
Machine Learning and Causal Inference 杨睿
10:30 – 10:45 茶歇Break
10:45 – 12:15 第六节 大语言模型的原理与研究应用
Large Language Models and Their Research Applications 童春阳
12:15 – 14:00 午餐Lunch
14:00 – 16:00 圆桌讨论Panel Discussion 全体嘉宾
三、预期成效 | Expected Outcomes
• 帮助学员系统理解机器学习与大语言模型的基本逻辑、发展脉络及其在管理学研究中的应用潜力。
• 帮助学员认识多模态数据在管理学研究中的价值，理解如何将文本、图像、视频等非结构化数据转化为可用于学术研究的变量和证据。
• 提升学员对机器学习与因果推断结合方式的理解，使其能够在追求方法创新的同时保持管理学研究对因果机制和理论解释的重视。
• 促进不同研究方向师生之间的交流，推动人工智能时代管理学研究方法创新与跨学科合作。
四、总结 | Conclusion
本次“机器学习与大语言模型赋能管理学研究工作坊”旨在回应人工智能与大数据时代管理学研究面临的新机遇与新挑战。通过两天的系统学习、案例演示和圆桌讨论，工作坊将帮助学员从方法、数据和理论三个层面理解机器学习与大语言模型的研究价值，进一步提升其发现问题、处理数据、构建变量、设计研究和形成理论贡献的能力。
本次活动不仅是一次前沿方法培训，也是一次面向未来管理学研究范式转型的学术交流。通过本工作坊，参会学员将能够更好地把握人工智能技术发展带来的研究机会，将复杂现实问题转化为具有理论价值和实践意义的管理学研究。
学科与科研办公室
2026年6月
