数据显示，2020-2024年人文社科领域AI研究论文数量增长显著，年增幅超四成。环境学与AI交叉研究增长最快，法学则出现下滑。人文社科学生主要将AI作为研究方法(44.5%)和研究内容(42.3%)，隐私伦理与技术应用是共同关注焦点。这一趋势表明，人文社科正积极回应AI带来的范式转型，探索AI时代文科的新价值与定位。

---

（图源：豆包AI）

过去几年来，人工智能（AI）逐渐走出尖端科技的象牙塔，成为人文社科工作者的研究主角。数据显示，从2020至2024年，在每年知网所收录的高校优秀硕博学位论文中，以AI为主题的人文社科类学位论文数量净增长共计1077篇，平均年增长量为269.25篇，涨幅超过四成。

当人文社科+人工智能成为新趋势，越来越多的人文社科类学生投身AI领域，AI也成为毕业生们的研究对象。**人文社科硕博生，为啥爱上了研究AI？不同专业、领域的人文社科学生，最关注的AI议题是哪些？**通过统计近5年来，知网优秀硕博论文库中所收录的以AI为研究主题的人文社科领域学位论文，我们试图给出答案。

人文社科学生写毕业论文，盯上AI了？

我们以“人工智能”为检索主题，梳理自2020年以来知网优秀硕博论文库内人文社科专业相关的学位论文数量（其中2025年为知网提供的预测数据）。结果发现，以AI为主题的人文社科论文数从2020年起上涨，除2023至2024年间略有下降，在2020至2023年的三年间年均增长约667篇。

相关论文数攀升的背后，自然离不开所属院校提供的平台支持。

在优秀硕博论文入库知网的全部院校中，吉林大学以417篇以AI为主题的人文社科硕博论文数遥遥领先，凭借综合类大学的跨学科研究平台，成为最懂跨行研究AI的高等学府。

部分非综合类的大学，在“AI+人文社科”的研究方面同样表现不俗。比如，华东师范大学、华中师范大学等师范类院校走上了“教育+AI”赛道；西南财经大学、上海财经大学等财经类院校则锚定金融科技命题；还有中南财经政法大学、西南政法大学等政法类院校，用AI赋能法律治理。

值得关注的是，同样以AI作为学位论文的主题，不同人文社科专业的硕博生的研究热度大相径庭**。**近几年来，一些人文社科专业的研究势头一路高歌，另有一些专业的研究热度却在走下坡路。

我们统计了2020年至2024年间，各专业以AI为主题的学位论文的增长速度，结果发现：随双碳政策与AI技术的结合，**环境学与人工智能交叉研究的论文数从2020年的5篇，上涨至2024年的55篇，上涨了10倍。**体育学、统计学、农业经济学等专业将AI当作数据建模的底层方法，增速同样可观。

相比之下，法学、科学与科技管理学、新闻传播学、哲学、保险学专业的硕博生对AI研究热度有所下滑。

其中，**“法学+AI”主题的硕博学位论文以29.97%的负增长率，成为近五年来硕博生AI研究热度降幅最大的专业。**要说背后的原因，早在AI勃兴初期，法学研究者便聚焦于AI著作权、算法歧视、AI法律法规等核心议题，积累了大量学术成果，使后来的研究者难免在选题上陷入同质化的困境 [1]。

如果抛开增速，单从论文发表的绝对数量来看，在2020-2024年间，工商管理、通信经济、法学、教育和金融专业的硕博生累计发表的AI主题学位论文数量最多。一方面，这几个专业的学生规模相对较大，论文产出量偏多。另一方面，这些学科与现实经济、社会治理、技术应用等密不可分，AI可以提供学科研究的工具支持，或引发核心问题的再讨论。

相比之下，中药与方剂、动力工程、植物保护、系统科学、天文、农业工程、特种医学等7个专业以AI为主题的学位论文数最低。

不同专业学生，更关注哪些AI议题？

基于上述筛选文献，我们从知网优秀硕博论文库中二次选取了研究主题属于计算机科学，但研究者所属专业为人文社科领域的675篇跨界论文。由于知网数据库内的学位论文数不定期的日常更新，本次统计仅收集了2025年6月8日前的相关论文。

接下来，我们从研究方法、研究内容、研究对象、理论视角和核心变量五个维度对相关论文进行编码。其中，研究对象指“研究谁/什么”，研究内容是“研究对象的什么方面”。举个例子，一项研究的对象可以是AI生产的小说，研究内容则是机器叙事对传统文学审美标准的冲击。

在编码统计后，我们发现，人文社科硕博生最常把人工智能当作研究方法（44.5%）和研究内容（42.3%）写入毕业论文，其次是将它视作直接的研究对象（32.1%）。

分析来看，AI技术的功能性强，**自然语言处理（NLP）、文本标注、情感分析等技术是处理大规模文本数据的重要手段。**因此，人工智能成为人文社科硕博生广泛使用的研究方法，并不难理解。

此外，人工智能议题日趋成为研究热点，作为研究内容、研究对象的比例自然偏高。但在理论视角、核心变量上，大部分人文社科硕博生研究更习惯于使用原有的研究框架，一般只把AI当作供参考的外部变量。

从不同专业的分布来看，**应用统计专业的硕博生最倾向把人工智能作为研究方法，其应用比例显著高于第二名的教育技术和第三名的工商管理专业。**这可能是因为统计学本身就强调数据处理和模型构建，容易将AI纳入原有方法。

与此同时，**法律、工商管理、管理科学与工程专业常把人工智能当成它们的研究内容。**当AI在社会上产生日趋广泛的影响，相关专业的及时反映十分必要。除此以外，人工智能也容易成为法律、设计学、管理科学与工程专业硕博生的研究对象，他们最关心的，是AI应用于本专业后产生的伦理、流程优化与创新设计等方面的问题。

而从研究的具体内容来看，**来自不同专业的人文社科硕博生，所研究的AI相关内容也各具专业特色。**我们以“人工智能”为检索词，检索了2020年至2025年间相关专业的优秀硕博论文，由DeepSeek与人工二度编码，梳理出了最爱跨界研究AI的五个学科所关注的研究内容。

从各专业的共性来看，**隐私伦理、技术应用是不同专业学生所共同关注的两大AI热门议题。**当管理学学生关注AI在企业管理、公共治理中的应用，艺术学硕博生则视AI为引发艺术生产变革的新工具。如果我们把视线转向法学研究生，AI的“双刃剑”属性是他们最为关注的话题：他们既忧心着AI面部识别、图像存储所带来的风险，同时也在尝试把AI引入到司法实践内，提升判决的准确性与效率。

相比之下，**新闻传播学对AI的关注面可谓相当广泛，**包括AI对新闻生产全流程的影响、大众对AI产品的感知与情感反应，以及人工智能与元宇宙之间复杂的互动关系。看似冷门的哲学学科，则在伦理学领域关注个人隐私问题，站在宏观视角，对网站与APP的算法推荐机制进行反思。

不同人文社科硕博士对AI的共同关注，似乎让我们有底气回答那个持续被追问的诘问：AI时代，文科无用？

近年来，大量涌现的“AI+人文社科”硕博论文向我们揭示，**人文社科正在以多种方式回应技术变革带来的范式转型，在知识生产和社会治理上积极探索。**在人工智能与社会不断深入与紧密嵌合的过程中，如果我们缺乏对其影响的批判性理解，或许会忽视人的价值和能动性，造成文化的主体性遮蔽[2]。

从ChatGPT到DeepSeek，从AI作曲、绘画到“赛博歌手”的走红……在技术理性被推崇的时代，人文社科研究者更需要在合理利用技术的基础上破除“唯技术论”，强调人的价值。或许比起“文科无用？”，我们更应该关注：AI时代，文科何为？

最后，我们结合时下热点，设计了新闻传播专业可能入手研究人工智能的理论视角、研究对象、核心变量和研究内容。欢迎你生成属于自己的“新闻传播学AI论文”，并在留言区与我们分享。

学习大模型 AI 如何助力提升市场竞争优势？

随着新技术的不断涌现，特别是在人工智能领域，大模型的应用正逐渐成为提高社会生产效率的关键因素。这些先进的技术工具不仅优化了工作流程，还极大地提升了工作效率。然而，对于个人而言，掌握这些新技术的时间差异将直接影响到他们的竞争优势。正如在计算机、互联网和移动互联网的早期阶段所展现的那样，那些最先掌握新技术的人往往能够在职场中占据先机。

掌握 AI 大模型技能，不仅能够提高个人工作效率，还能增强在求职市场上的竞争力。在当今快速发展的技术时代，大模型 AI 已成为推动市场竞争力的重要力量。个人和企业必须迅速适应这一变化，以便在市场中保持领先地位。

如何学习大模型 AI ？

在我超过十年的互联网企业工作经验中，我有幸指导了许多同行和后辈，并帮助他们实现个人成长和学习进步。我深刻认识到，分享经验和知识对于推动整个行业的发展至关重要。因此，尽管工作繁忙，我仍然致力于整理和分享各种有价值的AI大模型资料，包括AI大模型入门学习思维导图、精选学习书籍手册、视频教程以及实战学习等内容。通过这些免费的资源，我希望能够帮助更多的互联网行业朋友获取正确的学习资料，进而提升大家的技能和竞争力。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、初阶应用：建立AI基础认知

在第一阶段（10天），重点是对大模型 AI 的基本概念和功能进行深入了解。这将帮助您在相关讨论中发表高级、独特的见解，而不仅仅是跟随他人。您将学习如何调教 AI，以及如何将大模型与业务相结合。

主要学习内容：

• 大模型AI的功能与应用场景：探索AI在各个领域的实际应用
• AI智能的起源与进化：深入了解AI如何获得并提升其智能水平
• AI的核心原理与心法：掌握AI技术的核心概念和关键原理
• 大模型应用的业务与技术架构：学习如何将大模型AI应用于业务场景和技术架构中
• 代码实践：向GPT-3.5注入新知识的示例代码
• 提示工程的重要性与核心思想：理解提示工程在AI应用中的关键作用
• Prompt的构建与指令调优方法：学习如何构建有效的Prompt和进行指令调优
• 思维链与思维树的应用：掌握思维链和思维树在AI推理和决策中的作用
• Prompt攻击与防范策略：了解Prompt攻击的类型和如何进行有效的防范
  
  
  、、、

二、中阶应用：深入AI实战开发

在第二阶段（30天），您将进入大模型 AI 的进阶实战学习。这将帮助您构建私有知识库，扩展 AI 的能力，并快速开发基于 agent 的对话机器人。适合 Python 和 JavaScript 程序员。

主要学习内容：

• RAG的重要性：理解RAG在AI应用中的关键作用
• 构建基础ChatPDF：动手搭建一个简单的ChatPDF应用
• 检索基础：掌握信息检索的基本概念和原理
• 理解向量表示：深入探讨Embeddings的原理和应用
• 向量数据库与检索技术：学习如何使用向量数据库进行高效检索
• 基于 vector 的 RAG 实现：掌握基于向量的RAG构建方法
• RAG系统的高级扩展：探索RAG系统的进阶知识和技巧
• 混合检索与RAG-Fusion：了解混合检索和RAG-Fusion的概念和应用
• 向量模型的本地部署策略：学习如何在本地环境中部署向量模型
  

三、高阶应用：模型训练

在这个阶段，你将掌握模型训练的核心技术，能够独立训练和优化大模型AI。你将了解模型训练的基本概念、技术和方法，并能够进行实际操作。

• 模型训练的意义：理解为什么需要进行模型训练。
• 模型训练的基本概念：学习模型训练的基本术语和概念。
• 求解器与损失函数：了解求解器和损失函数在模型训练中的作用。
• 神经网络训练实践：通过实验学习如何手写一个简单的神经网络并进行训练。
• 训练与微调：掌握训练、预训练、微调和轻量化微调的概念和应用。
• Transformer结构：了解Transformer的结构和原理。
• 轻量化微调：学习如何进行轻量化微调以优化模型性能。
• 实验数据集构建：掌握如何构建和准备实验数据集。
  
  

四、专家应用：AI商业应用与创业

在这个阶段，你将了解全球大模型的性能、吞吐量和成本等方面的知识，能够在云端和本地等多种环境下部署大模型。你将找到适合自己的项目或创业方向，成为一名被AI武装的产品经理。

• 硬件选型：学习如何选择合适的硬件来部署和运行大模型AI。
• 全球大模型概览：了解全球大模型的发展趋势和主要玩家。
• 国产大模型服务：探索国产大模型服务的优势和特点。
• OpenAI代理搭建：学习如何搭建OpenAI代理以扩展AI的功能和应用范围。
• 热身练习：在阿里云 PAI 上部署 Stable Diffusion
• 本地化部署：在个人计算机上运行大型模型
• 私有化部署策略：大型模型的内部部署方法
• 利用 vLLM 进行模型部署：高效部署大型模型的技术
• 案例分析：如何在阿里云上优雅地私有部署开源大型模型
• 开源 LLM 项目的全面部署：从零开始部署开源大型语言模型
• 内容安全与合规：确保AI应用的内容安全和合规性
• 算法备案流程：互联网信息服务算法的备案指南
  

通过这些学习内容，您不仅能够掌握大模型 AI 的基本技能，还能够深入理解其高级应用，从而在市场竞争中占据优势。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你无疑是AI领域的佼佼者。然而，即使你只能完成60-70%的内容，你也已经展现出了成为一名大模型AI大师的潜力。

最后，本文提供的完整版大模型 AI 学习资料已上传至 CSDN，您可以通过微信扫描下方的 CSDN 官方认证二维码免费领取【保证100%免费】。