新書推薦：
《
被偷走的尊严：美国保守派的失落、耻辱与奋起（三联·哈佛燕京学术丛书）
》
售價：NT$
398
《
尖叫的数学：令人惊叹的数学之美：修订新版（从数学的角度发现不一样的逻辑和处世哲学。随书附赠手账本。）
》
售價：NT$
296
《
数学老师没教过的数学
》
售價：NT$
214
《
法国在乍得的战争：在非洲的军事干预与非殖民化
》
售價：NT$
500
《
西学东渐记（插图本）
》
售價：NT$
398
《
新民说·保罗·策兰与勒内·夏尔书信集（1954—1968
》
售價：NT$
352
《
大历史学家——世界100位著名历史学家画传
》
售價：NT$
755
《
欧洲私法：1800-1914
》
售價：NT$
1520
|
| 編輯推薦： |
本书是一本符合中国科研工作者实际需求的AI科研助理打造指南：
场景化编排
?AI 如何辅助研究设计和理论建构（生成研究假设、构建因果推理框架）
?利用 AI 进行文献综述和信息整理（高效筛选文献、自动摘要、生成引文）
?人工智能辅助数据处理和分析（文本挖掘、舆情分析、定性数据编码）
?AI 在学术写作与投稿中的应用（论文框架优化、摘要和引言撰写、学术翻译）
本土化视角
?AI 赋能政策研究、政府治理、智库分析
?AI辅助课题/基金申报和项目撰写
?政策研究与政府治理分析的 AI 应用
?Local Leader Message Board、微博舆情等数据资源智能化处理
|
| 內容簡介： |
《打造AI科学家：DeepSeek与ChatGPT应用实战手册》是一本写给科研工作者的AI科研助理使用指南，以人工智能技术赋能科学研究为核心，聚焦Deepseek与ChatGPT两大工具，系统构建从理论研究到实践操作的完整知识框架。全书以社会科学研究流程为主线，围绕文献处理、数据获取、分析可视化、成果输出四大核心环节展开，通过具体的场景化案例展现AI技术的赋能路径。结构设计采用双工具并行对比的视角：DeepSeek篇深入解析其技术生态与本地化部署能力，覆盖文献自动化综述、虚拟样本生成、公式推导等深度应用场景；ChatGPT篇聚焦其自然语言交互优势，针对代码生成、多语言翻译、学术写作润色等高频需求提供即用型解决方案。
《打造AI科学家：DeepSeek与ChatGPT应用实战手册》主要面向社会科学领域的研究者与实践者，尤其适合缺乏编程基础却需处理海量文献、复杂数据的学术群体。人文社科方向的本硕博学生可通过书中提供的对话式指令模板，快速掌握AI实用技能，突破论文写作技术瓶颈；青年教师与资深学者则可资本书以探索计算社会科学与传统研究范式的融合路径。本书尤宜作为开设“数字人文”“社会科学研究方法”等交叉课程的实训教材，引导学生构建人机协同思维。
|
| 關於作者： |
|
本书由孟天广教授领衔编写，他是“长江学者”特聘教授、清华大学社会科学学院政治学系长聘教授、计算社会科学与国家治理国家重点实验室副主任，同时也是国内计算政治学学科的开创者、带头人。编写团队成员均长期从事计算社会科学研究，在人工智能及其在社会科学中的应用领域具有丰富经验。相比于一般的 AI 工具指南，本书依托一流学术背景，确保内容的科学性、严谨性和前沿性，能够为学者提供专业且可操作的指导。
|
| 目錄：
|
编者自序
DeepSeek篇 5
第1章DeepSeek入门 5
1.1大语言模型简介 6
1.1.1技术原理 6
1.1.2技术生态 7
1.1.3 DeepSeek：开放生态的新星 8
1.2 DeepSeek系列模型概述 9
1.2.1模型架构 9
1.2.2性能优势 10
1.3 DeepSeek网页应用与本地部署 11
1.3.1 Web界面 11
1.3.2使用本地客户端 12
1.3.3本地部署 13
1.4 DeepSeek的API接口 16
1.4.1基础功能调用 16
1.4.2高级功能实现 17
1.5 DeepSeek的提示词工程 21
1.5.1一般性原则 21
1.5.2提示词示例 22
1.6 结语 24
第2章DeepSeek与文献阅读 25
2.1大语言模型辅助文献阅读与翻译 26
2.1.1 Zotero 安装与推荐插件配置 26
2.1.2文献阅读：GPT 插件安装与 API 配置 26
2.1.3文献翻译：Translation for Zotero 插件安装与 API 配置 31
2.2大语言模型协助生成文献综述 33
2.2.1方法一：使用Zotero中的大模型插件生成文献综述 33
2.2.2方法二：使用DeepSeek协助生成文献综述 34
2.3使用DeepSeek协助生成思维导图 37
第3章DeepSeek与调查研究 40
3.1调查研究数据收集过程 41
3.1.1问卷整体设计 41
3.1.2问卷题目设计 44
3.1.3问卷质量评估 48
3.2调查研究数据清洗过程 50
3.2.1变量筛选 50
3.2.2样本取值的编码 51
3.3 DeepSeek辅助进行实验研究 53
3.3.1 DeepSeek辅助进行样本抽取 53
3.3.2 DeepSeek辅助进行实验干预设计 54
3.4小结 61
第4章 硅样本的生成：系统仿真 62
4.1人工智能体（AI Agent）简介 63
4.2 技术基础与常见工具 63
4.2.1技术基础 63
4.2.2常见平台介绍 65
4.3环境设定 67
4.4实验运行与数据收集 68
4.4.1实验运行 68
4.4.2数据收集 70
第5章DeepSeek与文本数据 73
5.1数据抓取 74
5.1.1分析网页结构 74
5.1.2编写爬虫代码 75
5.2数据特征提取 78
5.2.1命名实体识别 78
5.2.2复杂事件抽取 81
5.3数据标注 84
5.3.1封闭域标注任务：以情感极性为例 85
5.3.2开放域标注任务：以主题提取为例 88
5.4 小结 90
第6章DeepSeek在数据分析中的应用 92
6.1数据提取与分析支持 93
6.1.1数据清洗与预处理 93
6.1.2统计分析支持与结果解读 97
6.1.3数据特征提取与模式识别 100
6.2代码生成与优化 101
6.2.1代码生成 101
6.2.2功能增添 103
6.2.3代码纠错 105
第7章DeepSeek与研究成果呈现：校对 翻译 辅助撰写基金 108
7.1研究成果辅助校对 109
7.1.1文本预处理 109
7.1.2校对及语境审查 110
7.1.3事实核查与数据验证 111
7.1.4逻辑一致性检查 112
7.2研究成果辅助翻译 113
7.2.1角色预设 113
7.2.2术语库支持 114
7.2.3翻译记忆 115
7.3辅助撰写课题申报书 116
7.3.1选题价值挖掘 116
7.3.2申报书结构化生成 117
7.3.3模拟专家评审 118
7.4小结 118
ChatGPT篇 120
第8章ChatGPT 简介与提示词工程 120
8.1 OpenAI’s GPT简介 121
8.1.1 GPT：生成式预训练变换器 121
8.1.2 ChatGPT：专注于对话生成的应用 121
8.1.3 ChatGPT对普通民众和社会科学研究的帮助 122
8.1.4 ChatGPT的使用与 GPTs 122
8.1.5小结 125
8.2提示词工程 125
8.2.1什么是提示词工程 125
8.2.2基础概念 126
8.2.3约束回答范围 130
8.2.4提供回答参考 133
8.2.5明晰问答结构 137
8.2.6其他提示词优化技巧 142
8.3总结 145
第9章ChatGPT与理论构建 147
9.1知识管理与观点形成 148
9.1.1传统的知识管理流程 148
9.1.2卡片笔记理论（Zettelkasten） 150
9.2后工具时代的知识管理 151
9.2.1减少知识收集的时间 152
9.2.2 AI如何辅助我们思考 154
9.3对当下工作流的看法 159
9.3.1知识管理工具的演进与应用 159
9.3.2社科研究者的一般性工作流 159
9.3.3 AI技术对知识管理流程的影响 161
9.4总结 162
第10章ChatGPT与研究数据获取、数据清洗 163
10.1数据获取 164
10.1.1使用API接口获取数据 164
10.1.2使用爬虫获取数据 166
10.2数据清洗 169
10.2.1数据框数据清洗 169
10.2.2文本数据清洗 174
10.3 Copilot插件安装 179
10.3.1在Visual Studio中安装Copilot 179
10.3.2在RStudio中安装Copilot 180
10.4小结 180
第11章 大模型辅助的硅基样本生成 182
11.1从碳基样本到硅基样本 183
11.2硅基样本的方法原理 184
11.2.1算法保真：硅基样本的信度保障 184
11.2.2操作策略：基于角色设定的智能体设计 185
11.3硅基抽样的操作：以EDSL为例 185
11.3.1概念框架 185
11.3.2准备工作 187
11.3.3问题设计 188
11.3.4使用基于角色设定的智能体开展调查 191
11.3.5问卷调查进阶：顺序、记忆与场景 193
11.4小结 199
第12章 数据处理 203
12.1引言 204
12.2数据标注 205
12.2.1情感分析 205
12.2.2主题建模 207
12.3缺失值插补 209
12.3.1基于单行的插补 210
12.3.2基于数据微调的插补 211
12.4大规模的数据处理 211
12.5质量评价 213
12.5.1评估标准 213
12.5.2评估方法 214
12.6小结 217
第13章 ChatGPT与研究数据分析 220
13.1研究数据分析概述 221
13.2非结构文本数据的结构化 221
13.2.1自动摘要与关键信息提取 222
13.2.2语义分类与标注 223
13.2.3结构化数据表格生成 225
13.3数据可视化 227
13.3.1常见的研究数据可视化类型 228
13.3.2使用 ChatGPT 生成并优化图表 228
13.3.3动态与交互式图表生成 231
13.3.4 LaTeX 表格生成 235
13.2.5在社会科学研究中的定制化图表应用 236
13.4编写代码与数据分析自动化 240
13.4.1使用 ChatGPT 生成代码 241
13.4.2 debug 代码优化与错误调试 242
13.4.3实践案例：使用 ChatGPT 自动化数据分析过程 243
13.5总结 244
第14章 ChatGPT与研究成果呈现 246
14.1文本校对与润色 247
14.1.1基本语法与拼写校对 247
14.1.2学术语言润色 248
14.1.3确保论文逻辑性与连贯性 250
14.2多语言翻译与验证修改 253
14.2.1学术文本的准确翻译 254
14.2.2翻译结果的验证与修正 255
14.2.3多语言翻译的质量控制 259
14.3成果呈现的自动化与批量处理 263
14.3.1使用API实现批量文本校对 263
14.3.2自动化翻译多文档 265
14.3.3生成格式化输出（如表格或参考文献） 267
14.4数据的隐私保护与合规性 268
14.4.1研究数据的隐私保护与合规性 268
14.4.2 ChatGPT 使用中的数据加密与存储要求 269
14.5总结 269
|
| 內容試閱：
|
编者的话
在数字技术的冲击下，当代社会科学研究，尤其是计算社会科学领域，正经历着机遇与挑战并存的深刻变革。一方面，海量数据与复杂模型为研究开辟了全新视角；另一方面，传统研究方法在数据处理效率、理论创新速度等方面已显不足。DeepSeek和ChatGPT等智能工具的出现，为解决文献梳理耗时、数据分析复杂、理论构建困难等痛点提供了解决方案。然而，如何实现人机协同、如何规避算法偏见、如何确保研究伦理，这些关键议题亟待进一步探索与解答。
面对这一变革，本书编写团队在过去几年中积极探索，将DeepSeek、ChatGPT等大语言模型应用于社会科学研究的全流程中。从初期探索到形成体系化的过程中，团队积累了丰富的经验，也见证了这些工具对研究效率和质量的显著提升。基于多年的实践，我们编写了本书，希望为社会科学领域的研究者和学生提供一本兼具实用性与系统性的工具书。
本书分为两篇，第1篇探讨了 DeepSeek 在社会科学研究中的应用实践，第2篇则聚焦 ChatGPT 的具体使用场景。这两种工具在功能定位上存在交集。为避免内容冗余，对相同的功能，我们展现了不同的使用场景。例如，在讨论虚拟样本生成时，DeepSeek篇着重探讨交互式虚拟样本的生成和使用，而ChatGPT篇则更关注非交互式虚拟样本的生成。当然，两款工具在特定任务中的表现确实存在差异化优势：在学术基金申请辅助撰写等需要严谨逻辑的领域，DeepSeek展现出更卓越的性能；而在多语言翻译与跨文化研究等场景中，ChatGPT则具有相对优势。书中对这些存在性能差异的环节进行了详细说明，以帮助读者根据具体需求选择更合适的工具。
本书的编写团队由多位具有人工智能应用经验的教师和研究人员组成。团队成员在政治学、经济学、社会学等多个学科领域都有深入的研究实践，并在使用DeepSeek和ChatGPT辅助研究方面积累了丰富的案例。编写过程尤其注重实用性和可操作性，力求通过具体的案例和步骤说明，帮助读者快速掌握这些工具的使用技巧。
但仍需强调，人工智能工具并非要取代研究者的主体性，而是作为“研究助手”来提升效率和质量。在使用这些工具时，研究者仍需保持批判性思维，对生成的内容进行严格验证和评估。本书也讨论了数据隐私、伦理问题以及潜在的技术局限，帮助读者建立正确的使用观念。
本书的适用对象主要包括高校和研究机构的社科研究者，也适用于政府政策研究部门和企业市场研究团队。无论是AI初学者还是希望进阶的中高级用户，都能从本书中获益。通过学习与实践，读者将掌握如何利用AI快速检索文献、梳理研究动态；优化研究设计与理论构建；加速数据处理与分析；改进学术写作与论证；辅助基金申请与学术翻译。读者将学会规避AI使用风险，实现人机协同，提升研究质量与效率。
最后，我们要感谢清华大学社会科学学院提供的支持，以及各位执笔人在繁忙的教学科研工作中抽出时间参与本书的撰写。由于人工智能技术发展日新月异，书中内容难免存在不足之处，欢迎读者批评指正。我们期待这本书能帮助更多社会科学研究者掌握AI工具，推动社会科学研究方法的创新与发展。
编者团队
清华大学社会科学学院
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
