封面
前折页
书名页
版权
编者的话
DeepSeek篇
 第1章 DeepSeek入门
  1.1 大语言模型简介
   1.1.1 技术原理
   1.1.2 技术生态
   1.1.3 DeepSeek：开放生态的新星
  1.2 DeepSeek系列模型概述
   1.2.1 模型架构
   1.2.2 性能优势
  1.3 DeepSeek网页应用与本地部署
   1.3.1 Web界面
   1.3.2 使用本地客户端
   1.3.3 本地部署
  1.4 DeepSeek的API
   1.4.1 基础功能调用
   1.4.2 高级功能实现
  1.5 DeepSeek的提示词工程
   1.5.1 一般性原则
   1.5.2 提示词示例
  1.6 总结
 第2章 DeepSeek与文献阅读
  2.1 大语言模型辅助文献阅读与翻译
   2.1.1 Zotero安装与推荐插件配置
   2.1.2 文献阅读：GPT插件安装与API配置
   2.1.3 文献翻译：Translation for Zotero插件安装与API配置
  2.2 大语言模型协助生成文献综述
   2.2.1 方法一：使用Zotero中的大模型插件生成文献综述
   2.2.2 方法二：使用DeepSeek协助生成文献综述
  2.3 使用DeepSeek协助生成思维导图
  2.4 总结
  —思考与练习—
 第3章 DeepSeek与调查研究
  3.1 调查研究数据收集过程
   3.1.1 问卷整体设计
   3.1.2 问卷题目设计
   3.1.3 问卷质量评估
  3.2 调查研究数据清洗过程
   3.2.1 变量筛选
   3.2.2 样本取值的编码
  3.3 DeepSeek辅助进行实验研究
   3.3.1 DeepSeek辅助进行样本抽取
   3.3.2 DeepSeek辅助进行实验干预设计
   3.3.3 DeepSeek辅助进行实验数据分析
  3.4 总结
  —思考与练习—
 第4章 硅基样本的生成：系统仿真
  4.1 人工智能体（AI Agent）简介
  4.2 技术基础与常见工具
   4.2.1 技术基础
   4.2.2 常见平台介绍
  4.3 环境设定
  4.4 实验运行与数据收集
   4.4.1 实验运行
   4.4.2 数据收集
  4.5 总结
  —思考与练习—
 第5章 DeepSeek与文本数据
  5.1 数据抓取
   5.1.1 分析网页结构
   5.1.2 编写爬虫代码
  5.2 数据特征提取
   5.2.1 命名实体识别
   5.2.2 复杂事件抽取
  5.3 数据标注
   5.3.1 封闭域标注任务：以情感极性为例
   5.3.2 开放域标注任务：以主题提取为例
  5.4 总结
  —思考与练习—
 第6章 DeepSeek在数据分析中的应用
  6.1 数据提取与分析支持
   6.1.1 数据清洗与预处理
   6.1.2 统计分析支持与结果解读
   6.1.3 数据特征提取与模式识别
  6.2 代码生成与优化
   6.2.1 代码生成
   6.2.2 功能增添
   6.2.3 代码纠错
  6.3 总结
  —思考与练习—
 第7章 DeepSeek与研究成果呈现：校对、翻译、辅助撰写课题申报书
  7.1 研究成果辅助校对
   7.1.1 文本预处理
   7.1.2 校对及语境审查
   7.1.3 事实核查与数据验证
   7.1.4 逻辑一致性检查
  7.2 研究成果辅助翻译
   7.2.1 角色预设
   7.2.2 术语库支持
   7.2.3 翻译记忆
  7.3 辅助撰写课题申报书
   7.3.1 选题价值挖掘
   7.3.2 申报书结构化生成
   7.3.3 模拟专家评审
  7.4 总结
  —思考与练习—
ChatGPT篇
 第8章 ChatGPT简介与提示词工程
  8.1 OpenAI的GPT简介
   8.1.1 GPT概述
   8.1.2 ChatGPT：专注于对话生成的应用
   8.1.3 ChatGPT对普通民众和社会科学研究的帮助
   8.1.4 ChatGPT的使用与GPTs
   8.1.5 小结
  8.2 提示词工程
   8.2.1 什么是提示词工程
   8.2.2 基础概念
   8.2.3 约束回答范围
   8.2.4 提供回答参考
   8.2.5 明晰问答结构
   8.2.6 其他提示词优化技巧
  8.3 总结
  —思考与练习—
 第9章 ChatGPT与理论构建
  9.1 知识管理与观点形成
   9.1.1 传统的知识管理流程
   9.1.2 卡片笔记理论
  9.2 后工具时代的知识管理
   9.2.1 减少知识收集的时间
   9.2.2 AI如何辅助我们思考
  9.3 对当下工作流的看法
   9.3.1 知识管理工具的演进与应用
   9.3.2 社科研究者的一般性工作流
   9.3.3 AI技术对知识管理流程的影响
  9.4 总结
  —思考与练习—
 第10章 ChatGPT与研究数据获取、数据清洗
  10.1 数据获取
   10.1.1 使用API获取数据
   10.1.2 使用爬虫获取数据
  10.2 数据清洗
   10.2.1 数据框数据清洗
   10.2.2 文本数据清洗
  10.3 CopiIot插件安装
   10.3.1 在Visual Studio Code中安装Copilot
   10.3.2 在R Studio中安装Copilot
  10.4 总结
  —思考与练习—
 第11章 大模型辅助的硅基样本生成
  11.1 从碳基样本到硅基样本
  11.2 硅基样本的方法原理
   11.2.1 算法保真：硅基样本的信度保障
   11.2.2 操作策略：基于角色设定的智能体设计
  11.3 硅基抽样的操作：以EDSL包为例
   11.3.1 概念框架
   11.3.2 准备工作
   11.3.3 问题设计
   11.3.4 使用基于角色设定的智能体开展调查
   11.3.5 问卷调查进阶：顺序、记忆与场景
  11.4 总结
  —思考与练习—
 第12章 数据处理
  12.1 引言
  12.2 数据标注
   12.2.1 情感分析
   12.2.2 主题建模
  12.3 缺失值插补
   12.3.1 基于单行的插补
   12.3.2 基于数据微调的插补
  12.4 大规模的数据处理
  12.5 质量评价
   12.5.1 评估标准
   12.5.2 评估方法
  12.6 总结
  —思考与练习—
 第13章 ChatGPT与研究数据分析
  13.1 研究数据分析概述
  13.2 非结构文本数据的结构化
   13.2.1 自动摘要与关键信息提取
   13.2.2 语义分类与标注
   13.2.3 结构化数据表格生成
  13.3 数据可视化
   13.3.1 常见的研究数据可视化类型
   13.3.2 使用ChatGPT生成并优化图表
   13.3.3 动态与交互式图表生成
   13.3.4 LaTeX表格生成
   13.3.5 在社会科学研究中的定制化图表应用
  13.4 编写代码与数据分析自动化
   13.4.1 使用ChatGPT生成代码
   13.4.2 debug代码优化与错误调试
   13.4.3 实践案例：使用ChatGPT自动化数据分析过程
  13.5 总结
  —思考与练习—
 第14章 ChatGPT与研究成果呈现
  14.1 文本校对与润色
   14.1.1 基本语法与拼写校对
   14.1.2 学术语言润色
   14.1.3 确保论文逻辑性与连贯性
  14.2 多语言翻译与验证修改
   14.2.1 学术文本的准确翻译
   14.2.2 翻译结果的验证与修正
   14.2.3 多语言翻译的质量控制
  14.3 成果呈现的自动化与批量处理
   14.3.1 使用API实现批量文本校对
   14.3.2 自动化翻译多文档
   14.3.3 生成格式化输出（表格或参考文献）
  14.4 数据的隐私保护与合规性
   14.4.1 研究数据的隐私保护与合规性
   14.4.2 ChatGPT使用中的数据加密与存储要求
  14.5 总结
  —思考与练习—
后折页
封底