人工智能水平(词频法)
「人工智能水平(词频法)」，覆盖 1992-2025 年，频率 年度，上市公司层级，含 17 个变量，样本量约 67,311。 衡量企业人工智能技术的应用与关注程度。
| 时间跨度 | 1992-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 17 |
| 样本量 | 67,311 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 股票代码
- StkName [证券简称] — 证券简称
- Year [年份] — 年报对应年度
- Province [省份] — 公司注册所在省份
- ProvinceCode [省份代码] — 省份行政区划代码(6位)
- City [城市] — 公司注册所在城市
- CityCode [城市代码] — 城市行政区划代码(6位)
- County [区县] — 公司注册所在区县
- CountyCode [区县代码] — 区县行政区划代码(6位)
- IndustryCode [行业代码] — 中上协行业分类代码
- IndustryName [行业名称] — 中上协行业分类名称
- Lnwords [人工智能水平-全文] — 参考姚加权等(2024, 管理世界)的方法，计算公式为：ln(年报全文中73个AI关键词的词频总和+1)，用作研究变量，越大代表企业人工智能应用水平越高
- LnwordsMDA [人工智能水平-MDA] — 参考姚加权等(2024, 管理世界)的方法，计算公式为：ln(管理层讨论与分析章节中73个AI关键词的词频总和+1)，作为人工智能水平-全文的稳健性检验指标
- FreqTotal [AI关键词总词频-全文] — 年报全文中73个人工智能关键词的匹配总次数(最长匹配去重)。单位：次
- FreqMDA [AI关键词总词频-MDA] — 管理层讨论与分析章节中73个人工智能关键词的匹配总次数(最长匹配去重)。单位：次
- TotalChars [年报总字符数] — 年报全文中文字符总数，可用于构建词频占比等标准化指标。单位：个
- MDAExtracted [MDA提取标志] — 是否成功提取管理层讨论与分析章节(0=否，1=是)，MDA提取标志=0时人工智能水平-MDA基于全文计算
常见问题
- 「人工智能水平(词频法)」是什么数据集？
- 人工智能水平(词频法)，隶属数字化转型与人工智能。衡量企业人工智能技术的应用与关注程度。
- 该数据集的时间范围是？
- 覆盖 1992-2025 年。
- 包含哪些变量/指标？
- 共 17 个变量。核心指标包括：人工智能水平-全文、人工智能水平-MDA、AI关键词总词频-全文、AI关键词总词频-MDA、年报总字符数、MDA提取标志。完整字段清单（变量名·中文名·说明）见页面「字段字典」。
- 数据频率和层级是怎样的？
- 频率为年度，上市公司层级。
- 样本量有多大？
- 约 67,311 条观测。
- 数据是如何测算/获取的？
- 指标定义与计算方法 本数据集旨在度量中国上市企业的人工智能应用水平，其核心方法参考了姚加权等（2024）的研究。该方法认为，企业在年度报告（以下简称“年报”）文本中提及人工智能相关关键词的频率，能够有效反映其在生产经营中对人工智能技术的关注、投入与应用程度。为全面捕捉这一信息，研究构建了一个包含73个核心人工智能术语的词典，并采用文本分析方法对年报内容进行扫描与统计。 具体而言，首先对每家上市公司每年度的年报全文进行文本处理。利用Aho-Corasick多模式匹配算法，在年报文本中高效、准确地识别并统计73个预设人工智能关键词的出现次数。为确保统计的准确性，算法执行最长匹配原则，以避免对包含关系的子串进行重复计数（例如，“深度神经网络”被识别为一个整体，而不会将其中的“神经网络”单独再计数一次）。统计得到的关键词总次数即为年报全文的AI关键词总词频（FreqTotal）。作为稳健性检验，研究还特别关注年报中“管理层讨论与分析”（MD&A）章节，该章节集中反映了管理层对公司战略、经营状况和未来展望的阐述，更能体现企业主动披露的技术应用方向。采用相同的方法，单独统计MD&A章节中的AI关键词总词频（FreqMDA）。若因文本格式问题无法成功提取MD&A章节（MDAExtracted=0），则FreqMDA的计算将基于全文进行。 在获得原始词频数据后，为缓解极端值的影响并使数据分布更接近正态，参照文献中的通用做法，对词频进行对数化处理。由此，构建出两个核心指标：基于年报全文的人工智能水平（Lnwords）和基于MD&A章节的人工智能水平（LnwordsMDA）。其计算公式分别为： $$Lnwords = \ln(FreqTotal + 1)$$ $$LnwordsMDA = \ln(FreqMDA + 1)$$ 其中，$FreqTotal$为年报全文中人工智能关键词的总词频，$FreqMDA$为管理层讨论与分析章节中人工智能关键词的总词频。指标数值越大，表明企业在年报中提及人工智能相关概念的频率越高，通常被解释为其人工智能应用水平或关注度越高。LnwordsMDA作为Lnwords的补充和稳健性指标，侧重于考察管理层在核心论述部分对人工智能的强调程度。 补充说明 - 数据覆盖中国A股上市公司发布的年度报告。 - 文本分析时，对73个AI关键词执行最长匹配去重，以避免重复计数。 - 若无法成功提取年报中的“管理层讨论与分析”章节，则LnwordsMDA指标将基于年报全文计算，此时MDAExtracted字段标识为0。 参考文献 - 姚加权， 张锟澎， 郭李鹏， 冯绪. 人工智能如何提升企业生产率？——基于劳动力技能结构调整的视角[J]. 管理世界， 2024, 40(1): 101-116.
- 如何获取该数据集？
- 通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。