发帖
15 个论坛币
雷达卡
在当今信息爆炸的时代，文本数据已成为学术研究的“新石油”。无论是上市公司年报、政策文件，还是社交媒体评论，都蕴含着海量未被挖掘的洞察。
在经管学术研究领域，一个显著的趋势正日益清晰：文本分析能力，已成为高水平研究的核心竞争力。 从《管理世界》到《经济研究》，从年报、公告到互动平台文本，海量的非结构化文本数据正被挖掘成衡量企业行为、市场情绪和信息质量的关键变量。掌握前沿的文本分析方法，意味着您的研究将拥有更独特的视角、更严谨的测量工具和更强的创新潜力。
然而，面对从基础分词到复杂的大语言模型应用，许多研究者难免困惑：
´ 如何将文本分析技术无缝对接到自己的研究问题中？
´ 顶刊文献中复杂的变量（如文本相似性、主题强度、情感倾向）是如何一步步构建出来的？
´ 如何跨越从“知道方法”到“做出研究”的鸿沟？
´ 如何才能像顶尖学者一样，从文字中提炼出严谨、有深度的学术发现？
答案，就藏在即将开启的 “经管类学术研究中的文本分析方法”课程中。
“方法+工具+写作”三合一实战课。用 12 小时带你走完“PDF→变量→顶刊论文”全流程，把过去需要半年才能啃下的文本分析技能压缩到1个周末。
包含7篇21-25年顶刊论文实例解析！
课程信息：
上课时间：12月13-14日（周六、日）
上课安排： 9:00-12:00；14:00-17:00
上课形式：远程直播，提供录播回放，便于复习
已拉群，即将发送课程资料进入预习阶段！！
讲师介绍：
麦斯老师，金融数学博士，某知名高校商学院教授，主要从事金融数学，金融数据分析等领域的研究，发表SCI，EI，CSSCI核心期刊论文多篇。麦斯老师高校从教14年，主要讲授统计学、信用风险建模、金融数据挖掘等课程，先后指导学生获得全国数学模型竞赛和美国数学建模竞赛一等奖。
在具体行业方面，先后担任过咨询公司、互联网金融机构、数据管理公司的高级数据分析顾问，先后参与过客户估值、反欺诈识别、舆情分析等数据分析项目，有着丰富的行业经验。
同时具有丰富的教学讲解经验，课程生动形象，风格通俗易懂，深受学员的喜爱。
不止于技术：一门为经管学者量身定制的高阶方法课
1. 与顶刊研究深度融合： 课程内容直接对标近年在《管理世界》、《经济研究》、《管理科学学报》等权威期刊上发表的最新成果。每一讲都结合经典文献案例，深入剖析其研究设计、变量构建的学理依据及结果解读的深层含义。
2. “AI+ 编程”的双重能力锻造： 课程将引导您掌握如何将AI提示词工程与Python编程的灵活可控性有机结合，高效解决经管研究中复杂的文本识别、分类与语义编码问题。
3. 紧扣经管场景的实战训练： 所有案例与练习均围绕上市公司年报、MD&A、券商研究报告、互动平台文本等典型经管数据展开，确保所学即所用，可直接迁移至您的研究项目中。
课程介绍：系统掌握前沿方法
本课程将用12个高效学时，带你走完从原始文本到学术变量的完整流程。课程内容直接对接核心期刊最新研究成果，不仅讲解方法操作，更着重剖析其在严谨学术研究中的设计逻辑和变量构建的学理依据。
| 讲次 | 核心内容 | 关键方法 |
| 第一讲 | 文本分析基本思路与文献分类 | 理论框架 |
| 第二讲 | 文本预处理与词频计算 | 分词、TF-IDF |
| 第三讲 | 词向量与近义词发现 | 词向量 |
| 第四讲 | 文本相关性与信息量度量 | 余弦相似度 |
| 第五讲 | 主题模型与主题分布测量 | LDA |
| 第六讲 | 大语言模型在识别与分类中的应用 | LLM API |
课程大纲：
第一讲：经管类学术研究中的文本分析（2h）
1. 文本分析基本思路
2. 文本分析文献的大致分类
3. 文本分析的主要方法
4. 经管报告文本的批量处理
第二讲：文本分析基础（2h）
1. 文本分词
2. 停用词使用
3. 词频计算
4. TFIDF计算
5. 学术研究中的词频是如何计算的？
参考文献：
① 胡楠,薛付婧,王昊楠.管理者短视主义影响企业长期投资吗？——基于文本分析和机器学习[J].管理世界,2021,37(05):139-156+11+19-21.
第三讲：词向量分析（2h）
1. 词向量原理
2. 词向量的实现
3. 近义词发现
4. 学术研究中的扩展词是怎么做的？
参考文献：
② 危雁麟,张俊瑞,汪方军,程茂勇.数据资产信息披露与分析师盈余预测关系研究——基于文本分析的经验证据[J].管理工程学报,2022,36(05):130-141.
③ 朱康,唐勇.数据要素利用与企业金融资产配置——基于机器学习和文本分析的证据[J].会计研究,2025,(06):121-133.
第四讲：文本相关分析（2h）
1. 文本相关分析常用方法
2. 余弦与软余弦相似性
3. 软余弦相似性度量方法
4. MD&A信息量如何度量？问与答的一致性如何度量？
参考文献：
④ 郑晓瑜,刘俊晗.信号还是噪声?——基于上市公司年报文本变动的研究[J].投资研究,2022,41(04):70-90.
⑤ 卞世博,陈曜,管之凡,等.高质量的互动可以提高股票价格信息效率吗——基于“上证e互动”的研究[J].会计研究,2023,(04):102-117.
第五讲：文本主题模型（2h）
1. 主题模型的基本思路
2. 主题模型在学术中应用
3. 主题模型的实现
参考文献：
⑥ 俞红海,范思妤,吴良钰,马质斌.科创板注册制下的审核问询与IPO信息披露——基于LDA主题模型的文本分析[J].管理科学学报,2022,25(08):45-62.
第六讲：大语言模型在识别与分类中的应用 （2h）
1. 大语言模型原理
2. 大语言模型的API调用
3. 大语言模型在识别与分类中的应用
参考文献：
⑦ 陆瑶,施函青,周欣怡.中国企业数字技术风险暴露对企业价值的影响——来自大语言模型的文本分析证据[J].经济研究,2025,60(02):73-89.
掌握前沿的文本分析方法，不再仅仅是学习一项技能，更是为您的研究装备上洞察信息的“火眼金睛”。我们期待与您在课堂相遇，共同探索经管学术研究的文本分析新前沿！立即行动，为您的学术研究注入新动能！
咨询报名：
尹老师
电话：13321178792
QQ：42884447
WeChat：JGxueshu
京公网安备 11010802022788号
