如何采集和组织数据，如何从数据中发现规律，又如何将研究成果转化为清晰的表达与实际应用……这些都是同学们开展信息管理学习与研究时会遇到的问题。10月12日至19日，新生学院行知书院与信息管理学院联合主办的“学科之窗·启行探知”系列活动“信息管理中的AI应用”工作坊在鼓楼校区南教学楼102举行，引导同学们了解AI辅助信息管理实践的不同环节。

信息管理学院副院长、教授、博士生导师康乐乐老师介绍“信息管理中的AI应用”工作坊共设三期，每期约两小时，主讲内容涵盖数据采集、数据组织、数据分析、可视化、报告撰写与应用开发。工作坊也是“数说红色·行知记忆”数据产品创新挑战赛的配套环节，旨在引导同学将AI工具运用于日常学习与研究，最终形成可展示的数据产品。

数据采集与组织专场

10月12日晚，信息管理学院信息管理科学系博士后梁哲闻老师和信息管理科学系主任、教授、博士生导师颜嘉麒老师围绕AI辅助数据采集与数据组织展开分享。

梁哲闻老师的主题为“AI 辅助数据采集：数据来源探索与高效获取”。他以“江苏省哪个城市的蜜雪冰城门店最密集”为例，说明数据采集不能止于搜索或询问AI。面对检索结果，还需要核对数据来源、统计口径、覆盖范围和更新时间。开展采集前，应先明确研究问题和所需数据，再寻找并比较合适的来源，并借助AI辅助检索、核实和比较，最后才进入实际获取环节。老师特别提醒，部分数据接口存在返回数量上限，使用时要留意数据完整性，并保存原始材料和来源记录。并且，AI可以协助比较候选来源，但不能代替使用者核验真实性与适用性。

颜嘉麒老师的主题为“AI 辅助数据可视化：从分析结果到直观表达”。他指出，AI使重复性的整理工作可以更高效地完成，但制定规则、作出判断的能力反而更加重要。表示、分类、关联、序化和检索“五环节”，依然是数据组织的核心逻辑。颜嘉麒老师以“鼓楼美食地图”为例，演示了如何将原始数据清洗规范、抽取标注，进一步生成场景榜单，并形成可检索的美食地图。通过“三元组连成关系网络”的演示，同学们进一步了解信息关联如何为后续检索和展示提供基础。此外，颜嘉麒老师提供了提示词模板库，从清洗规范、抽取表示到关联序化，体现出AI时代数据组织的“变”与“不变”。

从本期两场分享可以看到，AI辅助数据采集与组织并非简单地将任务交给工具，而是需要一套清晰、可核验的工作流程。AI能够提升部分环节的效率，而数据质量、规则设计和结果判断仍需要使用者主动把关。

数据分析与可视化专场

10月14日晚，信息管理学院博士后石静老师和信息管理学院2022级博士研究生王嘉杰老师围绕AI辅助数据分析与可视化展开分享。

石静老师的主题为“AI 辅助数据分析：从数据探索到规律发现”。以一份人工智能招聘数据为例，石静老师介绍数据分析从观察数据明细开始。分析前，需要通过描述性统计解释字段含义、数据分布和样本情况，并检查缺失值、逻辑冲突等问题。随后再根据研究问题开展分组比较、相关分析、多因素回归和文本分析等工作。她提醒同学们，不同来源、不同时间窗口的数据不能直接比较，相关不等于因果。分析结果还应尽量通过多源数据和多种方法交叉验证。

王嘉杰老师的主题为“AI 辅助数据可视化：从分析结果到直观表达”。他借助图形语法框架介绍可视化的基本要素，并结合案例说明图表中的颜色、形状和位置应与数据及其含义相对应。面对同一组数据，使用点、线或面积等不同形式会带来不同的阅读体验，因此图表设计要服务于信息传达。王嘉杰老师进一步介绍了可视化在数据项目中的位置，并用PMF概括相关思考：产出了什么可视化产品（Product）、是否进入真实应用场景（Market），以及成果与实际需求是否匹配（Fit）。他还展示了如何利用AI完成数据可视化全流程，并分享了积累个人可视化成果、尝试搭建可视化智能体的思路。

本期工作坊围绕数据分析与可视化两个相互衔接的环节展开，呈现了AI辅助数据实践的多种可能。两场分享不仅介绍了具体方法，也提醒同学们关注数据质量、分析边界与实际需求。

10月19日晚，信息管理学院副院长、教授、博士生导师康乐乐老师和信息管理学院信息管理科学系助理教授羊剑楠老师分别围绕AI时代的科研规范与数据报告写作、人机协同应用开发展开分享。

康乐乐老师的主题为“AI 辅助数据报告撰写：从初步结论到学术报告”。他指出，数据规模扩大并不必然带来研究质量提升。面对多源异构数据，研究者需要统一时间口径、对齐数据标准、记录使用权限并保存原始资料。康乐乐老师还介绍了输入、代码、结果和版本四个层面的复核要求，包括记录样本筛选与变量定义、抽查关键代码步骤、复算核心统计结果，以及留存模型、代码、提示词和数据集版本。在论文写作中，康乐乐老师强调，应先保证论证逻辑清晰，再优化文字表达。并且，他归纳了AI时代研究者需要重视的五项能力：问题转化、证据与方法判断、来源区分、批判性分析和责任承担。他强调AI科研使用的四条边界：核心观点、判断与结论应由研究者负责；AI生成的引文和数据必须回到原始来源核验；敏感研究材料不应上传至第三方商业平台；AI使用情况应按相关要求如实披露并留存记录。

羊剑楠老师的主题为“AI 辅助数据应用开发：交互式展示”。他结合多个实践案例，介绍人机协同开发交互式应用的思路与工具链。在介绍AI系统时，羊剑楠老师将其概括为三个层次：模型负责推理与理解，工具负责数据分析和文件调用等具体操作，智能体（Agent）则负责连接模型与工具，并通过反馈循环分步骤完成目标。在现场演示中，他以近600万条芝加哥Divvy Bike共享单车骑行记录为基础，开发出具备数据筛选、地图展示和结果导出功能的可视化网页，并展示了动态词云和模拟选课小游戏。羊剑楠老师指出，AI降低了应用开发的门槛，但理解数据、明确需求、测试功能和识别缺陷，仍是开发过程中的重要环节。

最后，两位老师共同谈到信息管理学科实践的不同层次：在微观层面，信息管理能够帮助个体提升信息素养；在中观层面，可以促进机构和组织的信息流转与运行优化；在宏观层面，则有助于完善公共信息制度、建设健康的信息生态。

本次工作坊从数据采集与组织出发，延伸到分析、表达、写作和应用开发，呈现了AI辅助信息管理实践的多种路径。三期分享也提醒同学们，在使用AI提升效率的同时，应核验信息与证据，审慎判断分析结果，并对研究和应用承担责任。