人工智能驱动的社会科学：大模型高通量计算框架与教育大数据实践

简介

本课程面向人工智能、心理学与计算社会科学的交叉研究，以“AI for Social Sciences”为总体框架，系统介绍大语言模型如何推动社会科学研究由小样本测量、人工编码和静态分析，转向可扩展的自然语言分析与高通量计算。课程以道德与情绪计算、教育评价为核心案例，讲解社会直觉主义模型、道德基础理论及cMFD、eduMFD等理论驱动词典，并比较词典匹配、监督学习与生成式大模型三类文本分析范式的原理、优势与局限。实践部分将基于RateMyProfessors教学评价数据，展示如何通过 Docker、GPU与vLLM 构建可批量、可复现、可迁移的高通量推理流程？推荐此选题的理由是：它不仅关注道德情绪计算的理论和应用价值，更提供了显著提速的工程方案，可将推理吞吐从约0.38 token/s提升至约16000token/s，把原本耗时数百日的标注任务压缩到小时级，真正实现“工业部署与教学复用”。

简介为官网原文，部分内容可能未写完。