诺欧商学院工商管理博士（DBA）课程回顾｜从 AI 赋能到研究设计，构建博士研究的核心能力

“以全球前沿视野洞察技术变革，以严谨研究方法探索商业本质。”

10 月 17–18 日，诺欧商学院（NEOMA Business School）工商管理博士（DBA）项目上海线下课程顺利开展。Bart CLARYSSE 教授围绕生成式人工智能与研究方法两大主题，带领学员探索前沿科研工具，构建系统化的研究思维。

Bart CLARYSSE教授为苏黎世联邦理工学院（ETH Zurich）创业学教授，曾任伦敦帝国理工学院商学院创业学教授，并曾担任欧盟委员会技术政策顾问。其研究聚焦技术创新、科技创业与企业价值创造。

课程围绕生成式人工智能在研究中的应用，以及博士研究的方法与设计两大主题展开。

01

生成式 AI 赋能研究：从工具应用到研究思维升级

课程从生成式 AI 的基本原理出发，介绍大型语言模型（LLM）的工作机制、Transformer 架构及 AI 对话界面的基本逻辑，帮助学员理解 AI 如何生成内容，以及提示词、上下文与系统指令如何影响输出结果。

生成式 AI 正在改变研究者获取信息、处理文献与开展分析的方式。如何有效使用 AI 提升研究效率，同时保持独立判断与学术严谨性，是本次课程的核心内容之一。

在实践环节，教授重点讲解了 Role–Task–Format 提示词结构，即明确 AI 扮演的角色、需要完成的任务，以及期望的输出形式。例如，学员可以要求 AI 以系统综述研究者的视角，归纳多篇论文摘要中的核心主题，并以表格呈现主题、出现频次与关键文献。通过对比不同提示词产生的结果，学员能够更直观地理解：明确研究背景、任务要求和输出格式，有助于获得更有针对性的回答。

课程还介绍了检索增强生成（RAG）的基本流程：将文档切分并转换为向量表示，根据问题检索相关内容，再结合检索结果生成回答。这一方法有助于研究者围绕自己的文献资料开展分析，探索不同论文之间的联系。

在具体研究流程中，AI 可辅助完成论文摘要整理、研究空白探索、假设构思、数据分析代码编写及学术写作修改。但课程也特别强调，AI 是研究助手，而不是研究者的替代品。

针对 AI 可能生成虚假引用、错误数据或不准确解释的问题，课堂设置了文献核验练习：让 AI 生成相关领域的论文清单，再通过 Google Scholar、Semantic Scholar 或学校图书馆数据库核对作者、期刊、年份及文献真实性。同时，课程讨论了训练数据中的偏差、非英语文献可能被忽略的风险，以及研究中应遵循的透明披露、独立核验、数据隐私与学术诚信原则。

02

研究方法与设计：从商业问题走向严谨研究

一项有价值的博士研究，不仅需要关注现实中的商业问题，更需要将其转化为清晰、具体且能够通过研究回答的问题，并选择与之匹配的方法。在研究方法课程中，Bart CLARYSSE 教授围绕研究质量、研究问题、文献综述与研究设计展开系统讲解，帮助学员理解博士研究从构思到实施的关键环节。

从研究质量出发：理解信度与效度

课程首先介绍了研究质量的两个重要基础——信度（Reliability）与效度（Validity）。信度关注测量结果在相似条件下能否保持一致，效度则关注测量是否真正反映了研究者希望考察的概念。

课堂通过跨部门员工离职率的案例说明：即使不同部门使用相同的 KPI 名称，如果统计口径不同，例如有的计算所有离职员工，有的只计算正式员工，有的只计算主动离职，所得结果就不能直接比较。这个案例进一步说明，清晰、一致的指标定义是可靠研究的重要前提。

从现实问题出发：找到值得研究的 Research Puzzle

研究问题的形成是博士研究的重要起点。课程提出，好的研究问题通常源于一个值得解释的现象、矛盾或尚未解决的问题，而不仅仅是一个宽泛的兴趣主题。

以创业研究为例，课程指出：在大型人口调查中，表达创业意愿的人可能占 30%–50%，但在发达经济体中，实际参与创业活动的人约占 10%–15%。创业意愿与实际行动之间的差距，便构成了一个值得进一步探索的研究谜题。

围绕这一现象，研究者可以进一步聚焦：财务资源是否影响创业决策？对失败的担忧是否阻碍潜在创业者采取行动？父母的创业经历是否会影响子女的创业选择？

通过这样的思路，学员能够理解如何从宏观商业现象逐步缩小研究范围，形成更具体、更有研究价值的问题。

从研究问题到研究叙事：运用 SCQ(A) 框架

课程进一步介绍了 SCQ(A) 框架，帮助学员组织研究背景与核心论证：

S — Situation（背景）： 介绍研究领域中已有的事实与基本情况。

C — Complication（关键矛盾）： 指出值得关注的变化、冲突或尚未解决的问题。

Q — Question（研究问题）： 明确由关键矛盾引出的核心研究问题。

A — Answer（回答思路）： 说明研究将如何回应问题；在研究构想阶段，可以初步交代拟采用的方法与研究路径。

这一框架不仅适用于研究构想（Research Vignette）的撰写，也有助于建立清晰的研究叙事，让读者理解研究为什么重要、问题在哪里，以及研究将如何展开。

03

文献综述与研究设计：让研究问题落地

明确研究问题后，如何系统梳理既有研究，并据此制定可执行的研究方案，是课程进一步讨论的重点。

文献综述：从逐篇阅读走向主题综合

课程强调，文献综述不应只是对单篇论文逐一进行摘要式介绍，而应围绕研究问题，对既有研究进行批判性综合。

学员需要将研究问题拆分为若干核心知识领域，通过文献检索与阅读，梳理已有研究形成了哪些共识、不同研究之间存在哪些分歧、现有证据主要来自哪些研究情境，以及哪些问题仍有待探索。

在文献选择方面，课程建议优先关注已发表的学术研究，并结合 Google Scholar、期刊网站及 Semantic Scholar 等工具开展检索；同时，可借助 AI 辅助整理资料，但需要核验文献来源与研究质量。课程还介绍了利用表格、手写笔记及 NotebookLM 等数字化工具整理文献的不同方式。

研究设计：让研究方法与研究问题相匹配

在研究设计环节，教授重点介绍了 Question–Method-Fit，即研究问题与研究方法之间的匹配关系。不同类型的问题需要采用不同的研究路径：

差异解释型问题（Variance Questions）： 关注不同结果之间的差异及其影响因素，可采用定量推断分析或定性多案例研究。

过程型问题（Process Questions）： 关注某一现象如何随时间展开，可采用定性案例研究、观察或纵向研究。

因果效应问题（Cause–Effect Questions）： 关注某种干预或因素是否产生因果影响，通常需要实验、回归或其他能够支持因果推断的研究设计。

探索型问题（Exploratory Questions）： 关注尚未充分理解的新现象，可通过概念探索、理论建构或描述性统计等方式展开研究。

课程同时强调，研究设计必须考虑数据是否能够实际获取，以及所选方法能否真正回答研究问题。研究方法部分需要明确三个核心要素：样本（Sample）、研究工具（Instrument）与分析方法（Analytic Approach），分别说明研究对象、数据收集方式，以及数据将如何处理与分析。

从文献梳理到方法选择，再到样本、测量工具与分析方案的确定，学员逐步理解如何将研究构想转化为具有可行性的研究计划。

04

以研究深化管理认知，以方法提升实践价值

从生成式 AI 的有效应用，到研究谜题的识别，再到文献综述与研究设计，本次课程围绕 DBA 研究的关键环节，帮助学员进一步理解如何将现实管理问题转化为有逻辑、有依据、可执行的研究项目。

课程传递的核心理念是：工具可以提升研究效率，但研究质量仍取决于研究者的问题意识、批判性思维与方法选择。 无论是运用 AI 辅助分析，还是开展文献综述与数据研究，都需要以清晰的问题为起点，以可靠的证据为基础，并对研究过程与结论保持审慎。

从真实管理问题出发，让学习回到实践

05

在读学员展示

DBA 学习的价值，不止于知识的获取，更在于将长期积累的管理经验转化为系统思考与研究能力。来自不同产业、承担不同管理职责的学员，带着各自的实践问题走进课堂，也在课程中不断深化对管理问题的理解。

来自不同产业的实践者（部分在读学员展示）

06

学员怎么评价这次课程？

课程内容｜新颖且有连贯性

“课程内容新颖，且前后连贯性很好。让我能够跟着课程的节奏不断深入，也更能体会到系统学习的重要性。这样的衔接和循序渐进的过程，我觉得太重要了。就像升级打怪一样，层层递进，也让我不容易逃课。”

学习价值｜不只是听课，更是持续思考

“课程一层一层地推进，也更能体会到系统学习的重要性。我觉得花几个小时在课程上非常值得。”

—— 诺欧商学院 DBA 在读学员 瞿同学

诺欧商学院

三皇冠认证 

诺欧商学院为全球不到1%同时拥有AACSB、EQUIS和AMBA三大认证的世界级商学院！ 

法国十大高商之一，老牌商科学府！

院校与专业排名 

2026年《金融时报》高管教育全球第12名、法国第4名；2025年《金融时报》欧洲商学院排名第28名。

证书认可度：

硕士学位证书支持国内外权威认证，如海牙、WES认证等国际权威认证！