2022年6月25日上午，清华大学文科资深教授、经济管理学院讲席教授陈国青受邀在中国留美经济学会（CES）2022年会上做了题为“大数据驱动-新型研究范式”(“Bigdata-Driven: a New Methodological Paradigm for Economics and Business Research with AI/Machine Learning”)的主题演讲。

陈国青指出，传统研究范式可以分为两大类，即“模型驱动”与“数据驱动”。在模型驱动范式下，以实证类的行为构念模型和统计计量模型为例，研究者基于观察抽象和理论推演建立概念模型和关系假设，利用相关数据（如问卷、面板数据等）对假设进行检验。模型驱动范式有助于建立变量之间的因果联系，形成对要素影响路径的有效解释。模型驱动范式在经济学和管理学研究中发挥了重要作用。然而，在大数据背景下，这种范式的局限性使得不易发现已有知识结构之外的潜隐变量，同时还面临着一些要素和变量在传统意义上不可测或不可获，以及变量组合规模和复杂性的激增所带来的建模困难等问题。

进入21世纪之后，随着互联网和数字化环境的不断发展，数据驱动范式的作用日益显现，并逐渐得到广泛运用。总体说来，数据驱动范式借助于统计分析、数据挖掘和机器学习等手段，从数据入手，直接发现特定变量关系模式，形成问题解决方案。在数据驱动范式下，研究发现的一类重要关系模式是关联及其扩展形式（如关联规则、相关性关系、模式关联等），并广泛应用到许多领域（如拟合、预测、模式识别等）。近年来兴起的深度学习中的一类主流方法（如深度神经网络）也是数据驱动的，旨在“输入—输出”变量间建立关联，不过其技术方法自身具有“黑箱（Black Box）”特点。在此意义上讲，这些数据驱动的技术方法在揭示因果关系及可解释性方面存在局限。

陈国青接着指出，其实，经济管理决策既需要关联也需要因果，这在一定程度上带来了经济学和管理学在研究范式上的挑战。鉴于此，探索新型研究方法论范式显得尤为重要。陈国青介绍了近年来凝练提出的一类新型范式，即“大数据驱动范式”。“大数据驱动范式”具有三个要素特征：外部嵌入、技术增强、使能创新。外部嵌入是指通过引入外部视角，将大数据提供的、传统模型视角之外的一些新的重要变量引入到模型的变量集合中。通常新变量的引入将导致构建新型变量关系。技术增强是指通过机器学习等新型技术方法和工具将引入的新变量（如视频、语音、文本、图片等多模态变量）融入变量集合，并支持新型变量关系的构建。使能创新是指通过构建新型变量关系，形成大数据驱动的价值创造。这个过程往往也需要技术增强，如因果推断、函数拟合、可解释性人工智能等方面的技术使用和创新。这里，新型变量关系的形式可能是原模型的简单变量增拓（如简单线性增拓），或需要探索与原模型不同的变量间映射关系。

在大会主题演讲之后的讨论中，陈国青还提到人工智能发展应用带来的一个重要动向，就是人与机器（如智能机器人和智能系统）的关系问题。随着机器越来越频繁地成为决策主体，机器行为引起关注，进而将对于经济学和管理学的许多方面产生深刻影响。从传统社会科学中的心理、认知和社会网络，到管理学中的消费者行为、人力资源和组织行为，到经济学中的效用函数、理性假设和市场参与者等，都是关于人及其活动的认识。当机器加入进来之后，人机共存形成了新的场景。此时，传统的以人为对象的一系列理论方法需要被重新审视，同时也使得新的理论方法拓新具有了广阔的空间。

2022年6月25-26日，中国留美经济学会（CES）2022年会“大数据、人工智能与经济发展：经济和管理的融合（Big Data, AI and Economic Development: Merging Economics with Management）”于线上平台举办。本届年会为期两天，分为四个主会场和70个平行分会场，累计500余人次海内外高校和研究机构的学者和研究生参与。

供稿：发展规划与科研办公室

编辑：张晓雪

审核：卫敏丽