平实见卓越，简约映品格｜访谈中国信息经济学会副理事长兼学术委员会共同主任陈国青教授

请介绍一下您的学术历程、过程中的关键事件或者里程碑。

关于学术历程，从本科学习至今40余年一直围绕着信息系统与信息管理这个专业领域。这个专业领域具有强烈的技术与管理交叉属性，也决定了其发展一方面受到信息技术的影响，另一方面也受到管理理论实践的影响。很显然，不断动态涌现、交融渗透的技术革命与管理场景，给这个专业领域持续提供了难得的动力、多样性和探索空间，也同时带来了知识的更迭、复杂性和研究挑战。这些机遇与挑战多年来也一直丰富着我的学术兴趣，带动了持续的学术追求。

请您谈谈科研心得，您是用什么样的生活和哲学态度看待科研工作的？

科研工作是生活的一部分。选择学术性职业，其实就是选择了一种生活方式。那么，用什么态度对待学术生活？这里可以分享两个体会和感悟：

一、“有意义、有意思”（“二有”），即做有意义有意思的人和事。“二有”强调在追求真理、贡献新知的科研工作中保持正面积极的态度。“有意义”更多体现为责任感和奉献精神；“有意思”更多体现为兴趣和喜好感受。例如，对于知识来讲，一些看似枯燥无用的东西不一定是无意义的；对于选题来讲，从有意义的不同方案中选择更有趣更感兴趣的，岂不更好？此外，“有意义”和“有意思”具有偏序性，也就是说，“有意义有意思”和“有意思有意义”在不同的学术历程中有着不同的意味。例如：在学术生涯的初期，面临的KPI考核和能力进阶努力不一定都是有趣的并令人喜爱的，但这些可能是成长的（有意义的）一部分。此时，是“有意义有意思”。在学术生涯的成熟期，可能更有机会和能力进行选择。此时，是“有意思有意义”。“二有”的过程是一个相对的状态转换过程，从“必然王国”到“自由王国”。

二、“平实见卓越，简约映品格”。这也是经常给学生的寄语。首先，工作和生活中的卓越，都是在平常、平凡、实在的点滴中体现的。一些所谓当下的“苟且”，可能正汇聚着“远方的诗句”。再者，处在一个经济社会变革的环境中，碎片的、功利的、浮躁的、精致的、奢华的种种现实影响着学术圈及其价值取向。此时，多一些简约的、朴素的、理想主义的、家国情怀的品格特质更显得难能可贵。

您最满意的研究成果有哪些？

说起来，这么多年有一些成果。谈不上哪个最满意，但有的体现了较为深刻的思考和影响。下面谈一下近年来的三块工作吧：

一、阶段演化框架与数智化新跃迁。阶段模型被广泛用于技术和组织的发展沿革研究，包括探索和刻画企业信息化过程和学习模式。基于一系列相关研究，提出了信息系统研究发展的一个阶段演化框架，并结合改革开放以来我国信息系统研究演化历程，从多个维度刻画了各阶段的跨越特征，以及对应的“自动化”、“集成化”、“数据化”、“数智化”的主题迁移。进而，从数据、算法、赋能不同层面阐释了正在发生的数智化新跃迁的“治-智”特点和新挑战、新课题（参见2022.1《管理世界》：“数智赋能：信息系统研究的新跃迁”等相关文章）。

二、“大数据-小数据”问题。当大数据可能为决策提供全局视图的同时，在很多应用场景中，出于数据的可获性以及成本、时间的限制，乃至人们的认知能力、阅读心理等因素的影响，人们所面对和能够直接处理的数据往往是有限的、部分的（即小数据）。针对这种决策信息的不对称性，基于一系列相关研究，围绕“小数据”如何反映“大数据”的语义内容这一核心，提出了“大数据-小数据”问题，并系统性地凝练和阐释了这一问题的科学内涵、求解路径、实践意义和管理启示（参见2021.2《管理世界》：“‘大数据-小数据’问题：以小见大的洞察”等相关文章）。

三、大数据管理决策研究体系框架。在大数据管理决策研究中，需要回答一系列重要挑战性问题，比如：什么问题可以称作是大数据问题？大数据环境下做研究，方法论有什么不同？大数据环境下做决策，决策要素有哪些不同？在涉及多学科多领域团队式大数据科研攻关时，如何聚焦以形成整体性研究方向架构？相应的，围绕NSFC大数据重大研究计划的展开，一系列相关工作提出了（1）“粒度缩放、跨界关联、全局视图”的大数据问题特征；（2）具有“外部嵌入、技术增强、使能创新”要素特征的“大数据驱动”方法论范式；（3）决策要素存在四大转变，即跨域转变、主体转变、假设转变、流程转变，使得“大数据决策范式”呈现跨域型、人机式、宽假设、非线性的特点；（4）全景式PAGE研究框架，形成大数据管理决策研究在探索方向和问题特征维度上的4x3要素矩阵（参见2018.7《管理科学学报》、2020.2《管理世界》等相关文章）。

请用通俗易懂的例子讲解一下您的研究的理论意义、实践价值以及主要创新点。

关于研究意义和创新点，上面提到的三块工作中都有所涉及。因为每一块工作都包含一系列研究，如果举例说明，相关的场景其实很多。下面仅分别从各块简单举一个示意性的例子。

第一块工作的一个例子：在数智化新跃迁中，数据治理将成为主题关注，个人隐私和信息保护等越来越受到重视，这在营造良好数字经济环境的同时，也将对于许多已有的、基于随意个人数据收集和算法逐利的商业模式造成冲击。比如，在平台生态环境下，这些冲击可能造成消费者无法在平台上发现感兴趣的产品/服务、商家的个性化产品/服务也无法被匹配给消费者而失去创新动力、基于个人数据的业务板块可能难以为继使得平台不得不改变盈利模式、平台间的产业链条可能面临业态重组等等。无疑，这些新挑战是新的管理问题，进而也催生新的学术课题。

第二块工作的一个例子：在网络购物平台上，产品评论成为消费者购物决策的重要参考。许多平台基于评论大数据，通常为消费者提供产品特征（如价格、质量、口味、颜色、尺寸、服务等）的评论概括信息（如各个特征的正负评论比例）。虽然这类信息很有用，但是消费者往往还希望去阅读若干具体评论（如首页内的10条评论），以获得对于产品具象的、感性的、丰富的、细节的认知。然而，许多情况下，消费者看到的具体评论在产品特征上的比例却与概括信息中的比例不一致，进而产生决策信息不对称性以及可能的认知混淆和附加成本。这就是“大数据-小数据”问题的一种类型，即一致性语义反映问题。

第三块工作的一个例子：在决策要素四个转变中，一个转变是主体转变。传统决策情境下，人是决策主体，计算机及其系统（“机器”）支持或辅助决策。但是，在大数据管理决策情境下，计算机及其系统日益向着智能机器人/智能系统进化，逐渐在许多场景中发挥自主决策作用，即人与机器均成为了决策主体。此外，“机器行为是否超出人们的设计和控制？”这样的问题成为重要学术关注，进而呼唤“机器行为学”的研究。机器作为决策主体对于许多经济管理理论的影响是深刻的、甚至是革命性的。比如，在人机共同决策的环境中，传统的组织行为理论是否还适用（如团队认同、组织公民性、LMX、组织文化等构念及其内涵）？许多方面需要重新审视，并探索可能的新理论构建和创新。

您是怎样找到有趣的科学问题的？

寻找有趣的科学问题，我体会一个是途径，一个是凝练。途径说起来很简单，就是“从实践中来，到实践中去”。也就是从管理现象中发现“有意义有意思”的问题，总结规律以形成具有一般性和指导意义的理论和认识。其中，凝练是关键。我总结出了一个V型同构的凝练框架，和一些学生们分享过。简单说来，对于科学问题，就是从“现象”层面出发，通过抽象性建模（formulating），下钻到问题的“科学”层面，探究和揭示现象的本质属性和机理特征。以信息系统的设计科学为例，这个建模过程通常是以比较形式化的、定量的方式呈现的。此外，对于获得的“科学”层面的研究结论，通过蕴涵性阐释(implying)，上卷到问题的“认识”层面，产生和归纳结论的学理内涵和广泛意义。这个从“现象”到“认识”的形成过程，强调经过深入的“从上到下，再从下到上”的凝练和逻辑路径。

您主要用什么研究方法分析和解决问题？

我的学术研究，可以简单概括为关注管理信息系统的“造”与“用”，主线是数据/数字化。“造”的视角主要围绕着数据能力的构建，包括数据建模、数据挖掘、大数据分析等，研究方法论主要是信息系统的设计科学；“用”的视角主要围绕数据赋能和价值创造，包括赋能战略、影响因素、行为模式等，研究方法论主要是信息系统的行为和实证建模。

您未来的研究计划是怎样的？

未来的研究将进一步围绕大数据管理决策的相关问题展开。具体议题包括新颖关系发现、可解释深度学习、机器学习中的行为数据偏差等。

您承担了哪些课程的教学？您是如何指导学生的？

近年承担的研究生和本科生课程包括《高级信息系统》、《大数据时代的管理》、《管理信息系统》等。关于指导学生，概括来说，这些年来投入较多时间，强调学生为学为人的综合成长，涉及研究进程、全面素质、未来发展等方面。

您对学会未来的发展有什么建议和期望？

近些年来，学会在各方面都取得了显著成绩。首先，学会进一步强调学术导向，通过“信息经济”和“信息管理”两大领域方向，鼓励和推动相关的研究探索；再者，学会通过组织一系列活动并调动学者的广泛参与，团结和汇聚了大批学者形成重要学术平台；此外，学会通过积极举措设立人才类项目计划，旨在提升国内学术团队建设和研究生人才培养水平。期望学会在今后继续发扬成绩，不断加强相关组织和机制建设以及可持续能力建设，在学科领域理论和应用创新、乃至促进我国数字经济发展等方面发挥更大作用。