“大数据背景下资源环境经济学教学与研究前沿”研讨会顺利举行

西南财经大学张大永教授围绕气候金融与能源金融的交叉研究展开发言，重点介绍了其团队正在开发的全球气候风险大数据平台。他还分享了团队在编写《能源金融》《气候金融》系列教材方面的探索。

中国科学院大学特聘教授段宏波围绕碳排放测算与数据应用展开分享。他主导开发的碳排放估算平台已向企业免费开放。此外，其团队还与电商平台合作，研究消费行为与低碳转型的关系，并探索机器学习在综合评估模型中的应用潜力。

香港中文大学（深圳）张鹏副教授从学术发表的角度探讨了环境经济学的学科定位。他指出，当前在主流经济学期刊上发表环境经济学研究的难度不断加大，建议学者关注自然科学等交叉领域期刊的投稿机会。

北京大学长聘副教授王敏结合自身研究，分享了电力市场与灾害数据的应用案例。他指出，中国环境污染研究已趋饱和，未来应更多关注气候变化等长期议题。同时，他提到学生滥用AI生成数据的现象，呼吁在教学中引导学生合理使用工具，而非简单规避。

北京大学长聘副教授季曦指出，大数据技术为生态研究开辟了新的可能性。例如，可通过卫星遥感与人工智能分析地表生态变化，或利用消费数据量化个体行为对环境的影响。她建议在教学中设计引导式作业，以培养学生的批判性思维能力。

中国地质大学（武汉）张伟教授介绍，其团队正围绕矿业与海洋产业开展金融支持模式研究，并强调数据在政策制定与评估中的核心作用。同时，他呼吁，学者要积极参与环保及发改委相关的AI赋能项目，如环境监管机器人等应用实践。

南京财经大学副校长张炳教授指出，现实中数据的丰富程度远超学界预期，但获取渠道受限。他以电力系统的秒级数据为例，强调经济学家需与工科团队深入合作，方能有效研究如电力市场设计等复杂问题。他呼吁更多关注生态产品价值实现等实践性议题。

厦门大学孙传旺教授提出，大数据具有两大核心维度：时间粒度（如秒级数据）与个体覆盖范围（如企业与个人）。他指出，人工智能应与经济学的基本假设（如理性人）形成互补，同时需警惕数据污染带来的潜在偏误。

浙江大学长聘教授陈帅指出，数据获取渠道已成为当前研究的重要瓶颈。同时，他呼吁，审稿人在评审中应更加关注研究所提出问题的重要性，避免因过度强调方法严谨性而忽视研究本身的学术价值。

同济大学长期特聘教授邵帅强调，经济学应面向未来，充分利用大数据开展情景分析（如双碳目标路径）。他认为，经济学应发挥机制解释的优势，并主张包容交叉学科成果，鼓励将相关研究发表在自然科学期刊，以提升学科的广泛影响力。

上海交通大学王春华副教授分享了与企业合作的案例（如成都节能改造项目），指出学界与业界在认知上的差异：企业更关注短期收益，而学者更注重理论逻辑。他提到，审稿时应区分“重要问题”与“完美方法”，鼓励探索那些尚未验证但具备潜力的研究方向。

北京大学赖汪洋副教授认为，大数据使学生研究趋同化，缺乏原创问题。他建议，教学需平衡技术工具与经济学思维，并反思学科如何从企业实践中提炼真问题（如供应链减排），而非仅从文献中寻找研究方向。

南京农业大学李昊洋教授以合肥电力需求侧管理为例，强调学界与业界目标存在差异：企业侧重技术落地，学者则应从弹性测算等理论层面提升方案的可持续性。他呼吁构建“数据—方法—政策”的全链条协作机制，以促进实践与理论的深度融合。

中国人民大学秦萍教授以高频用水数据研究为例指出，大数据需与其他信息来源（如家庭特征数据）结合，方能深化研究结论。她认为，人工智能技术为研究提供了新的工具，但应警惕“为方法而方法”的倾向，强调经济学应始终聚焦于机制解释与现实问题。

南京大学卜茂亮教授从企业环境信息披露（ESG）切入，提出研究需区分环境绩效（Performance）、实践（Practice）与披露（Disclosure）三层次。他呼吁学者拓展研究维度，并分享担任期刊编辑的经验，强调交叉学科成果的发表潜力。

上海财经大学曹建华教授指出，近年来上海财经大学在学科结构调整过程中面临一定的招生压力，学校通过设立人工智能学院、数字经济学院等举措积极应对变革，并致力于整合传统学科资源，以增强学科竞争力。

最后，上海财经大学经济学院党委书记、资源与环境经济学系主任林立国教授梳理了本次会议的核心议题：数据生产力、学科理论根基与教学适应性。他结合AI在气候金融、生态价值量化等领域的应用，指出学界应与业界形成互补，避免“重复造轮子”。他强调，传统学科需在技术浪潮中重新定位，通过问题导向与包容性发展保持学科生命力与创新活力。