嘉宾简介：

陈致玮（Chee-Wee Tan）教授现任香港理工大学商学院管理与市场营销系教授。在加入香港理工大学之前，他曾任教于哥本哈根商学院。陈教授于不列颠哥伦比亚大学获得管理信息系统博士学位。他的研究主要聚焦于数字平台相关的设计和创新问题，研究成果发表于众多国际顶级同行评审期刊，包括MIS Quarterly (MISQ)、Journal of Operations Management (JOM)、Information Systems Research (ISR)、Journal of Management Information Systems (JMIS)以及 Decision Support Systems (DSS) 等。在学术服务方面，陈教授曾担任MISQ 的高级编辑，并长期担任多家国际学术期刊的编委会成员。此外，他还曾在岭南大学、新南威尔士大学以及中国科学技术大学等大学担任客座教授。

讲座简介：

数字货运平台在货运数据的“停滞-剧变”动态变化中，运营异常检测系统时常面临成本效益的挑战。然而，针对此类动态货运数据的异常检测，理论认识仍然有限，而现有的异常检测系统（如基于规则的和基于人工智能的系统）由于同时缺乏两项核心能力，表现不尽如人意：（i）停滞期异常识别能力；（ii）剧变期适应能力。为弥补这一研究空白，本研究为数字货运平台设计了一种人工智能增强的系统，以应对动态货运数据。在分布式认知理论的指导下，研究者提出了一种“先规则后人工智能”的序列系统：规则模块首先筛选出潜在的异常，随后人工智能模块通过过滤误报来进一步精炼检测结果。研究者在中国一家领先的数字货运平台上进行了三轮迭代干预。值得注意的是，最后一轮的现场A/B测试验证表明，使用研究者提出的人工智能增强系统，检测恢复率达到93.0%，专家工作量减少31.7%，显著提升了成本效益。在理论层面，本研究揭示了规则模块与人工智能模块的整合顺序对塑造人工智能增强系统性能的关键作用。