人工智能是引领新一轮科技革命和产业变革的战略性技术，深刻影响哲学社会科学研究范式和发展方向。当人工智能日益渗透学术研究的每一个环节，一个根本性命题就摆在每一位社会科学研究者面前：人机融合的新范式应遵循什么样的规范？《规范》以制度化方式回应了这一时代之问。

　　《规范》明确将人工智能辅助科研适用范围拓展至选题研判、研究设计、知识梳理、调查研究等方面，并探索建立人主智辅、人机融合的科研新范式。这一文件的出台，标志着我国哲学社会科学研究范式的智能化转型进入规范化、系统化阶段。

　　劳动经济学的传统研究范式，是以研究者为中心、结构化数据为基础、计量模型为工具的知识生产模式。研究者凭借理论直觉提出假设，依靠调查数据和行政记录进行检验，通过计量模型识别因果关系。这一研究范式在数据、方法、认知上具有较大的局限性。更深层的矛盾在于，传统范式将研究者视为单一认知主体，要求在认知维度上都做到最优，科学研究的瓶颈比较突出。这几个复杂问题相互交织、彼此强化，构成传统范式在人工智能时代的系统性困境。突破这一困境，需要的不是对旧范式的修补，而是结构性的范式重塑。

　　人机融合的本质不是用机器替代研究者的劳动，而是通过重新划分人机功能边界，使研究者得以回归学术研究中真正属于人的核心环节。所谓“人主智辅”，一个基本准则就是：“涉及价值判断、理论创造和意义诠释的工作，应该由人来主导；而涉及信息处理、模式识别和重复执行的工作，可以由智能辅助。”具体而言，可分为以下几个环节。

　　其一，研究选题：人定方向，智拓视野。研究者凭借学术直觉和现实关怀确定大方向，尤其是中国社会科学院的科研工作者，更要以服务国家战略大局为己任。人工智能通过大规模文献挖掘和趋势分析，帮助发现被忽视的选题空白与跨学科连接点。

　　其二，知识梳理：人掌框架，智理脉络。研究者构建理论框架和核心论点，人工智能负责海量文献的检索、分类、摘要提取和引文网络分析，使研究者得以将精力集中于观点的凝练与批判性思考。

　　其三，理论构建：人立假说，智验逻辑。理论假说的提出始终依赖人的创造力和对现实的洞察力。人工智能在此环节的角色是“逻辑审计员”，检验假说体系的内在一致性，识别潜在逻辑漏洞，基于已有文献评估假说的新颖性与可检验性。

　　其四，数据获取与清洗：人定标准，智执操作。研究者确定数据需求、质量标准和变量定义，人工智能负责多源数据的采集、匹配、清洗与标准化处理，大幅降低数据准备的时间成本。人工智能可以“找到数据”，但“数据是否可用”必须由研究者作出判断。

　　其五，因果推断：人作判断，机器验证。人工智能可承担因果推断中的工具性工作，而决定研究可信度的核心判断必须由研究者完成。

　　其六，结果解读：人赋意义，智呈图景。数据呈现和模式识别可借助人工智能完成，统计结果的标准化报告、系数比较表、效应量可视化等工作可由机器高效执行。但结果背后的经济学含义、政策启示和理论贡献，必须由研究者赋予。

　　其七，成果撰写与传播：人著思想，智助表达。论文的核心论点、学术贡献和思想洞见，出自学者的深思熟虑。凡借助人工智能生成内容并产出成果的，须完整如实披露工具名称、版本、使用环节及生成内容，确保可追溯、可核查。

　　七个环节层层递进，构成一个从信息处理到知识创造的完整认识论循环。这不是人与机的深层次认知协同。未来，人主智辅的研究范式要在三个方向上持续深化，最终指向中国劳动经济学自主知识体系构建。

　　一是从工具辅助走向认知协同。当前，人机融合主要停留在“工具—使用者”层面，人工智能执行研究者发出的具体指令。未来方向是让人工智能深度参与认知过程。

　　二是从个体赋能走向集体智慧。人工智能不仅赋能个体研究者，更有潜力重塑学术共同体的协作方式。当每位成员都能借助人工智能拓展能力边界，当跨学科知识壁垒因智能工具而变得可被打破，劳动经济学研究便有望走向真正的集体智慧。

　　三是从方法革新走向范式自觉。归根结底，人机融合的深层意义不在于研究效率的提升，而在于它迫使我们重新思考：劳动经济学研究的本质究竟是什么？构建中国劳动经济学自主知识体系，需要研究者在充分运用人工智能技术工具的同时，坚守对中国劳动现实的理论敏感性和中国制度经验的理论提炼力。

　　人主智辅不只是一个技术口号，更是一种学术自觉。技术工具决定研究的效率边界，而学术主体性决定研究的思想边界。只有坚持人的主体地位，才能确保人工智能时代的劳动经济学不仅是一门更精确的技术科学，更是一门理解人、关怀人、服务于人的社会科学。

　　（作者系中国社会科学院人口与劳动经济研究所副研究员）