本次會議圍繞“大數據、大模型和機器學習與管理理論之間的隔閡、融合與共贏”的主題展開深入討論，會議由劉超和姚偉兩位老師聯合主持，參與者包括多位學者和研究生。會議的核心議題是探索如何將大數據分析、大模型和機器學習的最新成果與管理理論相融合，解決當前研究中存在的理論與實踐脫節問題。
會議中，劉超老師分享了近期指導一名專碩研究生的專案，該研究旨在利用機器學習技術預測生鮮電商平臺的消費者行為模式，特別是服務品質的迭代策略，最終用機器學習為領域相關的數學建模、理論推導等內容進行動態賦能。研究生運用了主題模型挖掘、K均值聚類和多層感知機（MDL）神經網路進行數據分析，但因數據來源有限，尤其是缺少實際的消費者行為數據，導致研究結果的解釋力和理論貢獻不足。劉超老師對此表達了數據獲取難度的擔憂，認為數據來源受限是數據結果未達人意的可能原因，並就結果未達到預期效果原因和結果優化途徑提出疑問，基於此，參會者展開激烈討論。
林建衡老師從論文撰寫角度提供了意見，他指出研究生論文的撰寫需要更加全面，尤其是在理論創新和深度上需要加強。林建衡老師建議研究生應擴大參考文獻範圍，同時考慮到已有研究成果，避免重複研究，尋找創新的視角。他也指出了研究生論文的不足，即缺乏深入的理論支撐和明確的研究目標，這可能是由於研究生對研究領域的不熟悉和方法掌握上的不成熟所致。同時，林建衡老師強調了理論與實踐結合的重要性，認為理論模型的構建應當基於數據的實證發現，並建議劉超老師可以考慮在理論假定上做些改動，以適應新的研究問題。
代文彬老師也參與了討論，他認同劉超老師試圖通過機器學習豐富理論假定，進而構建新理論模型的思路。針對研究中存在的問題，他建議應明確研究變數，如價格與購買量之間的關係，以及考慮情境因素對消費者行為的影響，確保機器學習模型能準確提取具有情境含義的特徵變數。
姚偉老師對劉超老師想法給予了正面評價，同時指出研究在理論基礎和數據處理方面的不足。他認為，雖然機器學習方法應用得當，但在數據預處理環節，如停用詞過濾未得到妥善處理，影響了數據的純淨度和分析品質。此外，姚偉老師強調了理論深度和研究哲學轉換的重要性，鼓勵劉超老師及其團隊在研究中融入詮釋主義視角，結合實驗主義方法，形成獨特的理論與實踐相結合的研究路徑。他提出，通過調整和優化現有研究，可以分別撰寫理論性和實證性兩篇論文，形成學術研究的新範式。
除此之外，姚偉老師團隊的研究生積極參與了本次討論，向劉超老師建議從理論深化、方法優化與品質提升等方面入手探索突破口，促進研究方法的創新與理論框架的構建以實現大數據、大模型和機器學習與管理理論之間的隔閡消除與深度融合。
會議最後，與會者一致認為，儘管目前的研究面臨挑戰，如數據不足、理論基礎薄弱及結果解釋力不強等，但通過不斷迭代優化模型、深化理論基礎、加強理論與實踐的結合，以及跨學科的合作，可以逐步克服這些障礙。劉超老師的探索性研究雖在起步階段遭遇困難，但其創新精神、開放性思想與前瞻性思維得到了大家的高度認可，有望在後續研究中取得突破，最終推動管理理論與大數據、大模型、機器學習技術的深度整合，實現研究領域的創新與跨越。
十、會議思想與科研啟迪
1、關於跨學科交融方面
跨學科思想的交融是當今學術研究領域的重要趨勢，它打破了傳統學科之間的界限，將不同領域的知識與方法進行整合，以應對複雜問題的挑戰。在“大數據、大模型和機器學習與管理理論之間的隔閡、融合與共贏”會議中，學者們深入探討了如何將大數據分析、機器學習技術與管理理論相結合，以構建理論與實踐的橋樑。劉超老師的探索性研究，嘗試利用機器學習技術預測生鮮電商平臺的消費者行為模式，這標誌著跨學科思想在實踐中的應用，既是對傳統管理理論的補充，也是對新興技術在管理領域應用潛力的探索。然而跨學科思想的實踐，要求研究者不僅要精通本領域知識，還需掌握並應用其他領域的理論與工具，以促進創新思維，開闢解決問題的新途徑。因此，跨學科思想的實踐既要做到邊界範圍“有度”，又要做到邏輯結構“自洽”。
①跨學科融合的邊界範圍“有度”
跨學科研究要求研究者從多個角度審視問題，劉超老師將大數據、大模型與管理理論進行交叉滲透，實現複雜化、混合化、邏輯化、系統化和一體化的整合過程。這種跨學科融合不僅拓寬了研究視野，還推動了學術生態系統的開放構建，為促進學科間的對話與合作創造了條件，進一步助力知識的創新與傳播，推動科學研究的全面發展。
在跨學科融合的過程中，邊界範圍的設定至關重要。跨學科融合旨在促進學科間的相互借鑒與發展，要求研究者在維護學科獨立性的同時，打破學科壁壘，以開放的心態吸納其他學科的有益成果，實現創新發展，因此邊界劃定需基於學科間特性的考量，以實現學科內涵的昇華，而非簡單拆除學科邊界。劉超老師進行的探索性研究，在堅守學科邊界的基礎上，進行科學的跨學科融合，確保管理理論與大數據、大模型和機器學習之間的融合在必要性和科學性的框架內進行，在保障學科自身的學理性同時兼顧了學科間的規律性。
②跨學科融合的邏輯結構“自洽”
邏輯結構的自洽性是跨學科融合研究成功的關鍵。跨學科研究需對學科間的邏輯進行深入對比、審視與檢驗，保持跨學科融合的自信與自洽的高度，以確保研究成果的穩定性和可靠性。在此過程中，應審慎思考跨學科融合的邏輯結構，避免因邏輯不清或結構模糊導致的理論衝突與悖論，關注管理理論與大數據、大模型和機器學習跨學科融合的內在邏輯與限制條件，以確保跨學科融合的切入具備自洽性。這有助於研究者更加精准地聚焦與解答現實問題，為解決複雜問題提供創新視角與解決方案。
總而言之，跨學科思想、方法的交融，不僅促進了學術研究的深度與廣度，也為解決實際問題提供了新思路與新工具。通過跨學科融合，研究者能夠更好地理解複雜現象，推動學科間的知識創新與傳播，在保持邊界範圍的“有度”同時追逐邏輯結構的“自洽”，是學術研究全面發展的活力源泉。
2、關於學術創新探索方面
①學術創新之基：開放思維與前瞻視野
學術創新的持續進步，離不開開放性思維與前瞻性視野的緊密結合。開放性思維鼓勵研究者接納多元視角與不同觀點，勇於探索未知領域與新興技術；而前瞻性視野則使研究者能夠預見未來趨勢，提前佈局研究方向，確保研究成果的時效性與創新性。劉超老師的研究實踐，正是對這兩種思維模式的生動詮釋。他們不僅關注技術前沿的最新動態，還積極將機器學習等新技術成果應用於管理理論的研究中，從而推動了技術與管理之間的深度融合。這種前瞻性的嘗試，即使在起步階段遭遇困難，也展現了對未來學術領域可能創新點的預見性，為學術研究的持續創新和突破奠定了堅實的基礎。
②學術創新之魂：多維探索與逐層深入
多維度、多層次的探索是學術創新的核心路徑。劉超老師從技術與管理兩個維度出發，深入剖析數據的收集、處理與分析方法，並探究數據背後所蘊含的組織行為、決策邏輯及市場規律。這種跨學科的研究框架構建，能夠在不同維度上揭示技術如何影響並重塑管理理論。在此過程中，系統論方法、縱橫結合法與點面結合法等研究方法的綜合運用，為全面審視技術與管理相互作用提供了新的視角與工具。
③學術創新之源：團隊合作與能力培養
團隊合作在學術創新中發揮著至關重要的作用。通過彙聚校內外專家的智慧與經驗，調動團隊成員的積極性與創造力，研究者能夠形成合力，共同攻克學術難題。劉超老師在研究中注重團隊合作與集體智慧的發揮，通過互學互補、集思廣益的方式激發創新思維與靈感。同時，他們還重視培養年輕學者的科研能力與創新精神，為團隊提供多元化的探索平臺與機會，共同推動管理理論與技術的深度融合與創新。
④學術創新之道：學術研究範式轉換
在大數據、大模型和機器學習與管理理論融合的背景下，傳統的學術研究範式正經曆著轉型。一方面，從實驗主義向詮釋主義的轉變，意味著從數據驅動的實證分析轉向對數據背後深層意義的探索，要求研究者不僅要關注“是什麼”，更要關注“為什麼”。這種研究範式的轉換，要求重新審視研究問題的選擇、數據的處理和理論的構建過程，以更開放和包容的態度接納不同學科的視角，推動理論與實踐的深度整合。另一方面，對研究哲學的深刻理解是構建有深度理論模型的基石。研究哲學的轉換，即從實證主義向詮釋主義或批判主義的遷移，這意味著更加注重理論的解釋力和批判性，鼓勵在研究過程中不斷反思理論的適用性和局限性。通過理論與哲學的雙重深化，最終為研究提供更堅實的理論基礎，促進理論與實踐的深度結合。
3、關於論文撰寫方面
在撰寫文章時，應兼顧文章深度與廣度，既要體現扎實的理論基礎，又要展現豐富的實證分析。如何在學術論文的選題與撰寫過程中，採取全面、系統且富有創新性的方法確保論文的高質量與學術價值至關重要，這要求既要確保選題新穎性與價值，又要立足問題本質推動理論與實踐的融合。
①拓寬視野，多元融合選題
秉持“內外兼修”原則以確定優質選題。在外部探索上，廣泛閱讀本學科相關文獻，迅速把握學科脈絡與前沿動態，從中汲取靈感。同時，緊跟學術期刊的選題熱點與國家政策導向，確保研究緊貼時代脈搏，兼具時效性與價值性。在內部挖掘上，強調實踐經驗與理論反思的結合，培養從日常學習與生活中提煉研究問題的能力，實現“實踐出真知”的良性迴圈。
②多維審視，確保選題價值
選定研究問題後，通過“切己之思”“學理之思”“能力之思”“融合之思”“創新之思”進行五維思考以深化認識，確保選題的科學性與創新性。“切己之思”是評估選題與個人研究興趣及能力的契合度，避免力所不及的盲目選擇；“學理之思”是審視選題的教育研究價值，確保其符合學術規範與需求；“能力之思”是考量自身資源調配與研究條件，確保研究可行；“融合之思”是明確研究所需的理論基礎與知識體系，為深入研究奠定堅實基礎；“創新之思”是在綜合前四項思考的基礎上，明確研究旨在解決的具體問題，體現選題的獨特貢獻與創新點。
③層層剝繭，直擊問題本質
確定研究問題後，應進一步確立論文寫作的核心支撐點與邏輯起點。對研究問題實施層層遞進的深度剖析以凝練核心觀點。逐步揭露問題的內在結構，識別並聚焦影響問題的核心要素及其關鍵方面，進而通過遞進式的探索路徑準確把握問題的本質。
④論點輻射，構建思辨網路
在確立核心論點之後，學術論文的撰寫可以通過論點輻射，圍繞中心論點展開多層次、多維度的探討。以核心論點為圓心，逐步向外擴展，形成一級、二級乃至三級議題網路，確保每一層級均緊密圍繞中心論點展開，從而構建起一個邏輯嚴密、層次分明的研究與寫作框架。
⑤事實依託，融合理論實踐
在學術論文的創作過程中，應嚴格遵循“從實踐中來，到實踐中去”的原則，確保論點既建立在堅實的理論基礎之上，又經受得住實踐的檢驗。一方面，進行深入的理論思辨以構建堅實的理論支撐；另一方面，開展嚴謹的實驗驗證或案例分析，以避免出現“論而未證”的理論與實踐脫節現象。同時，要警惕“獨斷獨白”的傾向，即在論述中保持開放心態，尊重並吸納多元觀點，避免陷入主觀臆斷；此外，還需注意構建完整、系統的論述體系，防止“論無體系”的隨意與散亂，確保論文的每部分都緊密服務於整體論證邏輯。
會議紀實
劉超：這是一個專碩，最近我讓他做了一點兒工作。當然他這個工作做的還不太完善，就是做的比較粗，他這個工作好多地方都有待完善只是常識性的。我讓他去嘗試用機器學習做一點兒工作。試著寫。我想讓他做一點常識性的工作，但是這個工作呢做的很一般。當然，另外兩個這個研究生呢，他也在做這個工作，但是他們現在還沒有做出來。就有的時候。這個我我我讓他們做一些工作也。這個有的時候他這個想像力就好像是不是特別的，因為這是一種探索性的方法不太容易。另外現在論文發表難度也不小。他這個工作呢，是用機器學習做的這個生鮮的電商消費者行為模式的一個預測。當然他這個題目起的不好。我想呢他就主要是生鮮電商它的這個服務品質的一個研究就是所謂叫迭代策略的研究。那麼主要呢，在整個研究體系裏邊就是不關注生鮮消費者需求端行為的分析。這是我的設想，就是說他的首先從需求端消費模式進行分析。那麼下一步呢，在這個基礎上我們想用它這個發現出來的東西呢？我們看看能不能跟我們以前做過的一些理論模型深入結合，這是我初步的一個設想。
寒假期間，他去北京專門培訓了，參加了培訓班，他們三個人參加了培訓班這個。他用的這些方法呢是那個陳強老師，山東大學陳強老師給他們做的。這個研究生做出來的用了三個方法，一個是主題模型挖掘，還有一個是K均值聚類，再有一個用了一個神經網路，就是MDL多層感知機進行預測。那麼首先他做了一個這個網上評論的一個主題，挖掘用非監督學習的技術。也就是主題詞挖掘。這個主題詞挖掘之後呢？他構造一個這個聚類的矩陣，然後聚類矩陣通過把這個消費者根據他這個記錄之間的相似度構造一個矩陣相關性的矩陣。那麼這個相關性的矩陣是屬於這個消費者，他要構造這個特徵向量，用這個特徵向量若干個消費者特徵來判斷這兩個消費者他們的在購買當中近似性。這這是我給他的任務的設想，但實際上呢，這裏邊就後來就出現了困難，就是說消費者的行為數據那不好找，在這個網上這個沒有這種行為數據的來源。因此，在構造特徵向量的時候，這個特徵向量沒有太多行為的數據。那你像這個數據裏邊資訊只涉及消費者購買的這個評論。但是行為數據他找不著這是個困難，從數據來源上我們遇到了難處。那麼從哪要行為數據呢？而且有些公司他未必願意跟我們去分享，因為這是深層次的涉及到他的客戶,這裏邊有一些敏感的資訊？這個我現在還在想個辦法去看看，如果能夠找到這樣的公司他願意跟我們分享一些數據就太好了，問題是沒找到。那麼這些個從網上獲得的這些個數據呢？這個很粗糙不能夠準確的刻畫出來生鮮消費者在購買行為上的差異。因此它構造的特徵向量特徵值它就不含有行為的這個特徵。首先我們怎麼界定這個消費者的行為，我覺得應該是比方說兩個消費者在訂購這個生鮮品的時候購買時間、購買點擊次數、購買網站差異。行為是動態的具有全程性。這些特徵值我們沒有獲取到就把這個忽略掉了。然後他就做了一個聚類，這個根據特徵點距離做了聚類分析。通過K均值聚類以後又通過前面的分類數據構造一個多層感知機的預測，通過這個特徵，利用神經網路學習預測消費者需求是多少。於是呢把這個數據70%作為訓練30%作為測試。它只取了五個特徵向量根本就不夠但沒有辦法。然後設置的輪數是做了1000次，經過反向傳播的梯度優化，學習率是限定的0.01。加一個模型的參數設定進行訓練獲得一個結果。首先呢，他從京東生鮮平臺上弄到這些數。弄的這些數經過主題詞提取，提取的是2024年4月22號起。後邊採集了2000條它大致分為主要是蔬菜，水果，肉類，海鮮，禽蛋這麼幾大類。那麼這個蔬菜類採集的有菠菜，生菜。水果只採集了火龍果跟鳳梨作為一個典型的評論數據。肉就採集了這個牛排，羊排。海鮮是三文魚，梭子蟹兩種，我覺得這購買頻次都不是特別典型，禽蛋的都是雞蛋，鴨蛋兩個。乳品就是鮮奶。由於數據不足一共採集了2萬條。剔除重複值之後還剩下1萬3000條。所以1萬3000這是它構造的詞雲圖，進行主題分析。