研究项目：基于AI的CEO政治倾向识别 - 研究核心是开发一种基于语音与文本数据、利用机器学习算法识别CEO政治倾向的新方法，突破了传统依赖问卷调查或公开声明的局限 [3] - 技术流程包含文本预处理、主题建模、特征工程和机器学习预测四个主要阶段 [4][5][6][7] - 文本预处理使用GPT-4o-mini进行句子级筛选，保留具有意识形态含义的语句，并进行实体匿名化以增强模型泛化能力 [4] - 主题建模采用BERTopic框架，相比传统LDA模型能更好捕捉语义细节，话题一致性得分显著提升，从初始228个话题优化保留90个核心话题 [5] - 特征工程通过最大话题密度、TpF-IDF重加权和话题情感分析三个步骤，共同构成意识形态预测的基础 [6] - 机器学习预测以政治捐款为标注数据，最终选择的逻辑回归模型达到71%的预测准确率，预测结果经时间平滑处理以捕捉稳定趋势 [7] - 研究进一步将90个主题聚类到9个更广泛的特定意识形态领域（如能源、枪支管制等），提供更精细、更具实操性的政策层面意识形态图谱 [8] 商业应用与价值 - 在投资领域，投资者可依据分析出的CEO政治倾向，预判其在对华政策、环保法规、劳工标准等关键议题上的立场，为ESG投资决策提供参考 [12] - 在公司治理领域，董事会可借助此工具评估CEO的决策偏好，规避因个人立场与企业核心价值观偏离而引发的治理风险 [12] - 研究团队亦将AI技术应用于制造业现场管理，开发了多模态车间行为分析系统 [9] - 该系统通过分析上万小时的车间监控视频，能实时识别员工操作行为，精准预测安全事故与次品率 [12] - 在试点车间中，该算法已成功助力企业降低安全事故与次品率，展现出在工业现场管理中的高实用价值 [12] 相关课程：定量战略分析 (MGT3780) - 课程系统介绍公司战略与商业政策相关的理论框架与分析工具，旨在帮助学生构建基础的公司战略视野与定量战略分析技能 [9] - 课程特色包括前沿性与时代感，将AI的兴起作为核心宏观背景，内容紧密契合当前科技与商业发展趋势 [10] - 课程强调定量分析与实操，高度重视通过定量数据分析支撑战略决策，并引入大模型等最新工具提升分析效率与深度 [10] - 课程采用“经典理论框架”与“最新商业案例”（如萝卜快跑带来的跨行业冲击）相结合的教学方式 [10] - 课程高度强调课堂互动、实践操作以及团队协作，通过独立作业与团队项目相结合的形式锻炼学生能力 [10] - 课程内容会融入授课教师在该领域的最新研究发现，确保学生接触到最前沿的学术思想与实践方法 [10]