陈国青指出，传统研讨范式能够分为两大类，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计算计量模型为例，研讨者根据调查笼统和理论推演树立概念模型和联络假定，运用相关数据（如问卷、面板数据等）对假定进行查验。模型驱动范式有助于树立变量之间的因果联络，构成对要素影响途径的有用解说。模型驱动范式在经济学和办理学研讨中发挥了重要效果。但是，在大数据布景下，这种范式的限制性使得不易发现已有知识结构之外的潜隐变量，一起还面临着一些要素和变量在传统意义上不行测或不行获，以及变量组合规划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，跟着互联网和数字化环境的不断开展，数据驱动范式的效果日益闪现，并逐步得到广泛运用。整体说来，数据驱动范式借助于计算分析、数据发掘和机器学习等手法，从数据下手，直接发现特定变量联络方式，构成问题解决方案。在数据驱动范式下，研讨发现的一类重要联络方式是相关及其扩展方式（如相关规矩、相关性联络、方式相关等），并广泛使用到许多范畴（如拟合、猜测、方式识别等）。近年来鼓起的深度学习中的一类干流办法（如深度神经网络）也是数据驱动的，旨在“输入—输出”变量间树立相关，不过其技能办法本身具有“黑箱（Black Box）”特色。在此意义上讲，这些数据驱动的技能办法在提醒因果联络及可解说性方面存在限制。

　　陈国青接着指出，其实，经济办理决议计划既需求相关也需求因果，这在必定程度上带来了经济学和办理学在研讨范式上的应战。鉴于此，探究新式研讨办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式范式，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、技能增强、使能立异。外部嵌入是指经过引进外部视角，将大数据供给的、传统模型视角之外的一些新的重要变量引进到模型的变量调集中。通常新变量的引进将导致构建新式变量联络。技能增强是指经过机器学习等新式技能办法和东西将引进的新变量（如视频、语音、文本、图片等多模态变量）融入变量调集，并支撑新式变量联络的构建。使能立异是指经过构建新式变量联络，构成大数据驱动的价值发明。这个进程往往也需求技能增强，如因果揣度、函数拟合、可解说性人工智能等方面的技能运用和立异。这儿，新式变量联络的方式可能是原模型的简略变量增拓（如简略线性增拓），或需求探究与原模型不同的变量间映射联络。

　　在大会主题讲演之后的评论中，陈国青还说到人工智能开展使用带来的一个重要意向，便是人与机器（如智能机器人和智能体系）的联络问题。跟着机器越来越频频地成为决议计划主体，机器行为引起重视，从而将关于经济学和办理学的许多方面发生深刻影响。从传统社会科学中的心思、认知和社会网络，到办理学中的消费者行为、人力资源和安排行为，到经济学中的效用函数、理性假定和商场参加者等，都是关于人及其活动的知道。当机器参加进来之后，人机共存构成了新的场景。此刻，传统的以人为目标的一系列理论办法需求被从头审视，一起也使得新的理论办法拓新具有了宽广的空间。

　　2022年6月25-26日，我国留美经济学会（CES）2022年会“大数据、人工智能与经济开展：经济和办理的交融（Big Data, AI and Economic Development: Merging Economics with Management）”于线上渠道举行。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讨机构的学者和研讨生参加。

　　原标题：《陈国青在我国留美经济学会（CES）2022年会上做“大数据驱动-新式研讨范式”主题讲演》