本周行业资讯

• 《麦肯锡全球研究所｜The next big arenas of competition》： https://www.mckinsey.com/~/media/mckinsey/mckinsey%20global%20institute/our%20research/the%20next%20big%20arenas%20of%20competition/the-next-big-arenas-of-competition_final.pdf

  导读

  注：该报告基于2005年至2020年世界3000家最大公司的数据集，预测到2024年将被重塑的18个行业领域。

• 《南风窗·调研中国｜2024十强调研报告》： https://mp.weixin.qq.com/s/ewJ11FdS5DFpdlAkaqRrSg

• 《霞光社｜中国老板，卷不动墨西哥打工人》： https://mp.weixin.qq.com/s/_9RRPsRB4OEXOvHlv4gTXw

• 《社会研究方法评论 | 杨善华-田野调查：经验与思考》： https://mp.weixin.qq.com/s/utKHLdLZ6Km-zfrIJZajUw

• 《新皮层NewNewThing｜准确预测特朗普胜选的Polymarket到底是个什么公司》： https://mp.weixin.qq.com/s/P4v1DUYe93Ei_UT4exhD0A

特别推荐

社会调研推荐

• 《豫中某制砖厂工人情况考察报告》： https://mp.weixin.qq.com/s/HhGu9XpOZ1XIBNPiRpk09A

  推荐语

  配套纪实视频《豫中某制砖厂工人情况考察报告》 ： https://www.bilibili.com/video/BV19D2yYzE1d/

• 《县域调研：黄淮地区某县纺织产业空间人口调研简表》： https://mp.weixin.qq.com/s/Mkg-s7f_zZccYv3dedd5Ig

本周学术资讯

• Alvero, A. J., Lee, J., Regla-Vargas, A., Kizilcec, R. F., Joachims, T., & Antonio, A. L. (2024). Large language models, social demography, and hegemony: comparing authorship in human and synthetic text. Journal of Big Data, 11(1). https://doi.org/10.1186/s40537-024-00986-7

  导读

  大型语言模型自诞生以来即受到破天慌的欢迎，其中一个重要原因是该模型能胜任各领域模仿人类写作的创作任务。大型语言模型的流行也从根本上改变了人们对书面语言的感知和评价。一个随之而来的问题是，基于大型语言模型的生成式AI在写作时，到底“像谁”？它会采用怎样的语言风格以获得人们的认同？作者巧妙地将2所大学（1所公立大学和1所私立大学）15万份入学申请文书，与GPT3.5和GPT4生成超过2.5万篇论文的写作风格特征进行比较，探寻生成式AI的行文方式极其背后隐藏的文化霸权奥秘。

• Maarten, B., Alexander, R., Sander Noels, Iris, D.-C., Edith, H., Raphael, R., Iman, J., Alexandru-Cristian, M., Jefrey, L., & De Bie, T. (2024). Large language models reflect the ideology of their creators. (October 24, 2024). In arXiv [cs.CL]. http://arxiv.org/abs/2410.18417

  导读

  大型语言模型通过大量数据训练生成自然语言，使其能够执行文本摘要和问答等任务。这些模型在ChatGPT等AI助手中广受欢迎。本文作者揭示了不同大型语言模型在意识形态立场上的显著差异。该研究邀请一组不同大型语言模型的知名人士，让其用英语和中文描述近代世界历史上许多著名且富有争议的人物。通过识别和分析这些描述中反映出的道德评价，该研究发现大型语言模型的意识形态立场往往反映了其创造者的世界观。这表明对大型语言模型监管工作至关重要，因为它们可能有政治工具化风险。

• Black, J. (2024). Can AI lie? Chabot technologies, the subject, and the importance of lying. Social Science Computer Review. https://doi.org/10.1177/08944393241282602

  导读

  AI会撒谎吗？为回答这个问题，本文作者以目前最流行的AI Chatbot即ChatGPT为研究对象，采用拉康精神分析方法，对AI进行心理分析，并探讨其在哲学和技术层面上的意义。

• Lilley, J., & Townley, S. (2024). Tackling transparency in UK politics: application of large language models to clustering and classification of UK parliamentary divisions. Journal of Computational Social Science, 7(3), 2563–2589. https://doi.org/10.1007/s42001-024-00317-z

  导读

  可视化的政治数据对提高政治透明度、鼓励公众参与政治至关重要。作者提出一种基于大语言模型的可视化工具，可以实现新形式的自然语言处理，以研究英国政党派系的一系列行为、偏好以及议题表现。

• 【重磅推荐】Enns, P. K., Colner, J., Kumar, A., & Lagodny, J. (2024). Understanding Biden’s exit and the 2024 election: The state presidential approval/state economy model. PS, Political Science & Politics, 1–14. https://doi.org/10.1017/s1049096524000994

  导读

  该团队构建一套全新的政治科学选举统计模拟方法，以预测美国历任总统大选结果。该团队在2020年曾事先成功预测美国49个州选举人团投票情况，并于2024年10月15日发表论文预测本年度美国总统选举结果。11月6日开票结果显示，该团队成功预测了美国全境50个州选举人团投票情况，表明该团队所设计的模型已成为全球最精确的选举预测工具（该模型应用于历史选举数据，可成功拟合1984年以来91%的州级选举结果，及2000年以来95%的州级选举结果）。

  该模型全套统计程序【即将】在如下地址开源： https://doi.org/10.7910/DVN/PBGFOF