摘要
数据解释质量构成了科学研究结论的基石。在数据驱动的科研时代,生成式人工智能通过其在数据分析和模式识别方面的先进能力,为科研数据解释提供了有力的辅助,对科学发现和理论发展起到了重要的促进作用。基于扎根理论,通过文献回顾、实地观察和深度访谈相结合的方法,揭示了生成式人工智能在研究设计与方法论等6个关键领域的反馈循环模式,据此构建了基于路径分析的6因素系统动力学模型。研究发现:(1)数据预处理与分析工具、研究过程与结果管理直接影响科研数据解释质量;(2)模型构建与参数优化作为中介因素,通过影响预测模型构建、模型参数调整、创新度量与评估等环节,间接正向促进了数据预处理与分析工具对科研数据解释质量的作用;(3)研究设计与方法论、成果共享与团队协作和研究影响与评估作为调节因素,影响了研究过程与结果管理对科研数据解释过程的作用强度和方向。通过深入探讨生成式人工智能在研究生科研数据解释中的多重角色、详细阐释科研数据解释的过程及其相互作用机制,深化了对这些角色间动态关系及其随时间演变的理解,突出了生成式人工智能在优化科研数据解释质量中的重要性。
出处
《中国高校科技》
2025年第4期29-34,共6页
China University Science & Technology
基金
山东省教育科学“十四五”规划2023年度课题“ChatGPT在高等教育应用中的风险审视与应对策略”(2023YB066)
青岛理工大学2024年本科教学改革与研究项目重点项目“基于数据挖掘的跨学科教学资源整合研究——策略、实施与效果评价”(F2024-038)。
作者简介
朱晓鑫,青岛理工大学商学院,博士后,副教授、硕士生导师,研究方向为公共安全与危机管理、高等教育风险管理。
