厚植資料科學素養 中山大學運用AI翻轉研究視角

【記者 王雯玲／高雄 報導】當人工智慧遇上傳統統計科學會迸出什麼新火花？國立中山大學舉辦「AI與傳統研究方法整合應用」專題講座，由EMBA學程助理教授卓雍然分享實務案例，說明傳統統計科學與現代資料科學的差異，帶領師生了解AI工具如何協助處理龐大的資料、建立互動視覺化工具，並結合統計模型，開啟新研究路徑。

資料科學包含大數據運算、人工智慧、機具學習等，如何將資料分析技術落地使用於教材、研究、課程，第一步很難跨越。卓雍然表示，AI技術雖能處理龐大資料並快速簡化複雜現象，但無法告訴你「為什麼會這樣」，若缺乏傳統統計與因果論述支持，AI的應用仍難以通過學術期刊的審查門檻。他強調，真正重要的不是擁有最新的模型，而是學會用對的工具回答對的問題，研究者應先從觀察數據出發，再提出有根據的解釋與推論。

卓雍然以美國Yelp線上評論平台為案例分析，展示如何運用資料探勘與R語言將800萬筆評論轉化成一款互動式應用程式。這些評論涵蓋約20萬家商店、508種商業類別，分類為194種話題與10種情緒。透過視覺化工具，使用者可以探索不同評論話題與讀者反應之間的關係。例如，在酒吧類評論中，哪種語氣或話題會讓人覺得「有趣」？哪些內容會被點選為「有用」？這類資料分析不再依賴問卷或實驗設計，而是以巨量的真實文字資料為基礎，透過自然語言分析技術、探索性資料分析（EDA）與統計方法，利用互動式圖表在龐雜的資料之中尋找有用的資訊規律。

卓雍然指出，「傳統研究方法強調控制變數與設計樣本，以問卷與實驗為主，目的是驗證假設、推論因果關係；而AI與機器學習則處理的是來自真實世界的大量行為資料，不只是數字，還包含文字、圖片、影音等多媒體形式，讓研究者得以全面觀察而非抽樣預測，進行動態模擬與即時決策。」他以「決策樹結合線性混合模型（Tree of GLMM）」為例，說明如何從資料中先找出分群結構，再用統計模型驗證各群間變項關係，實現AI與傳統理論的雙軌整合。另一展示案例「Conditional Moderated Mediation Model（條件式調節中介模型）」進一步展現R語言在自動化和視覺化上的優勢。

該場講座吸引跨院系所師生參與，卓雍然鼓勵眾人換一種思維，從假設驗證走向開放探索，學習基礎的程式語言，「R語言則是實現這個過程最平易近人的工具。」並總結，AI時代的研究是將資料看作一種語言，結合演算法、統計邏輯與研究問題，創造出具社會洞察力與學術價值的成果。未來在任何領域，能夠理解並應用AI與統計邏輯，將是每一位知識工作者的關鍵能力。中山管院「商業大數據平台」（https://bap2.cm.nsysu.edu.tw/?page_id=6212）即聚焦以行銷、社群評論、文化行為等真實資料為基礎，推動跨領域應用案例。該講座結合教育部智慧創新人才培育計畫，協助教師與學生掌握資料思維與AI實務，培養下一代具資料素養與解釋能力的AI人才。（圖／記者王雯玲翻攝）