第10周行业和学术资讯推送
本周行业资讯
《竞争秩序场｜让AI查了330次新闻：平均准确率25%，近一半链接打不开，AI“幻觉”问题在加重吗？》： https://mp.weixin.qq.com/s/OyelCAeQ_NuezbadCYZpQQ
《真实故事计划｜掉队的中学生，正批量成为鬼火少年》： https://mp.weixin.qq.com/s/C9TDYlOh5vN0NkGla5bsZA
《远川研究所｜快手本地生活，一份七亿人的消费新样本》： https://mp.weixin.qq.com/s/pka1WKVopDb7GAwOMCoYHA
《知识自动化｜中国机床的春天》： https://mp.weixin.qq.com/s/vng81SzuvhRPunk8hbG10Q
《第一财经YiMagazine｜“对等关税”第二周，跨境电商走向已定》： https://mp.weixin.qq.com/s/qdERquPO-ihwEzGxal5kDg
本周学术资讯
Allouche, J. (2025). Gold mining, conflict, and post-war governmentality in Côte d’Ivoire. World Development, 192(107049), 107049. https://doi.org/10.1016/j.worlddev.2025.107049
导读带血的黄金如何搅动非洲小国的政局？过去二十年，西非科特迪瓦等国掀起新一轮黄金热潮，金矿开采成为国家治理与地方社会秩序重塑的关键推手。这篇论文通过田野调查、访谈与问卷，结合“资源前沿（resource frontier）”和“治理术（governmentality）”理论，系统梳理了2014年采矿法在发展模式、产权和身份政治三大维度上引发的深刻变迁。首先，采矿法通过设立“矿业地方发展委员会（CDLM）”和发展基金，意在规范矿企与社群关系，却导致传统土地酋长（land chief）和地方精英（cadre）权力被边缘化，利益分配失衡引发新的社会冲突。其次，采矿法规定地下矿产归国家所有，与地方居民“土地与地下资源皆为祖产”的观念冲突，补偿机制造成社会分层和代际、性别、族群矛盾，外来者与本地人之间的产权争议尤为突出。再次，金矿治理强化了“本地—外来”身份区隔，政府将手工淘金（ASM）者标签为“外来者”，村社内部也通过就业、补偿等机制排斥“非本地人”，导致身份排斥、暴力冲突频发，地方归属感和社会秩序被全面重塑。论文作者提出，金矿治理不仅是经济技术问题，更是权力、文化与身份的深度再造；地方社会围绕资源、权力和归属展开激烈博弈，金矿开采成为战后国家治理和社会秩序重建的微观缩影。
von der Heyde, L., Haensch, A.-C., & Wenz, A. (2025). Vox populi, Vox AI? Using large language models to estimate German vote choice. Social Science Computer Review. https://doi.org/10.1177/08944393251337014
导读大语言模型是否可以作为民众舆论的有效合成样本（synthetic samples）？本文以2017年德国大选为例，系统评估了 GPT-3.5 生成的“合成样本”与传统调查在整体与分群体上的一致性。作者为每位受访者构建包含13项社会、经济和政治特征的人格，用德语 prompt 要求 GPT-3.5 预测其投票选择，并与真实调查数据逐一对比。结果显示，GPT-3.5 明显高估绿党（Green）、左翼党（Left）和非投票者比例，低估自由民主党（FDP）、德国选择党（AfD）及小党派，对主流党派（CDU/CSU、SPD）较为准确，但总体预测准确率仅39%，显著低于基于调查数据的多项式回归模型。进一步分析发现，GPT-3.5 主要依赖党派认同（partisanship）等简单信号，无法捕捉教育、收入、宗教、移民态度等复杂变量的交互影响，对缺乏强党派认同或策略性投票者的预测尤为薄弱。
Kabir, S. M. A., Ali, F., Ahmed, R. L., & Sulaiman-Hill, R. (2025). Exploring the use of AI in qualitative data analysis: Comparing manual processing with Avidnote for theme generation. International Journal of Qualitative Methods, 24. https://doi.org/10.1177/16094069251336810
导读人工智能能否有效提升定性数据分析的效率与质量？本论文以穆斯林专业人士在恐袭事件后社区支持的访谈数据为例，系统比较了人工手动主题生成与 AI 工具 Avidnote 的表现。研究发现，Avidnote 能显著加快主题生成速度，节省大量时间和成本，并有时能识别出人工分析遗漏的主题，具备一定创新性。但 AI 输出的主题在数量和内容上存在波动，内部效度和语境敏感性有限，难以完全替代人工对深层文化和情感细节的把握。
Chen, M., Wei, Y., & Wang, S. (2025). Past and future of cryptocurrencies: A survey using bibliometric methods. Journal of Economic Surveys. https://doi.org/10.1111/joes.12700
导读加密货币研究到了何种地步？本文基于Web of Science核心合集2011-2023年间3844篇相关文献，采用文献计量学与CiteSpace工具，系统梳理了该领域的知识结构、主题演变和未来趋势。研究发现，全球加密货币文献年产量呈指数级增长，商业经济、计算机科学等多学科交叉明显。共被引分析揭示，加密货币研究可归为三大主线：一是市场效率与价格预测，实证显示比特币市场未完全符合有效市场假说（Efficient Market Hypothesis），机器学习和情绪分析等方法正提升对价格波动的预测能力，但市场依然存在套利空间与局部低效；二是区块链技术创新及治理，权益证明（Proof-of-Stake）等新机制正改善安全性和可持续性，环境影响、合法合规及智能合约安全成为治理重点；三是风险管理与资产联动性，加密货币避险、对冲和风险分散功能具有时变性，受突发事件如新冠疫情影响显著，统计建模揭示其与传统金融资产的风险溢出结构复杂。
Chae, Y., & Davidson, T. (2025). Large language models for text classification: From zero-shot learning to instruction-tuning. Sociological Methods & Research. https://doi.org/10.1177/00491241251325243
导读大型语言模型如何助力于文本分类？本文系统梳理了 LLMs 从 n-gram 到 transformer 的技术演进，详细比较了 BERT、Llama3、GPT-4o 等十种不同规模与架构的模型在文本立场检测任务中的表现，以及 zero-shot learning、few-shot learning、fine-tuning 和 instruction-tuning 等多种训练范式。通过对 Twitter 和 Facebook 评论数据、评论-回复线程等多平台多类型数据集的实验，作者发现参数规模最大的模型（如 GPT-4o、Llama3-70B）在 zero-shot 和 few-shot 场景下无需额外标注数据即可显著超越传统 SVM、CNN 等基线模型。在标注数据充足时，小型 LLMs（如 GPT-3 Ada、Llama3-8B）通过 fine-tuning 可以以更低成本达到接近大型模型的准确率。对于结构化、多标签的复杂任务，instruction-tuning 能让开源大模型（Llama3-70B）获得与商业闭源模型（GPT-4o）相当的性能，极大扩展了 LLMs 的应用边界。prompt 设计和 few-shot 示例选择对模型表现影响巨大，需通过实验优化。所有模型中，prompt-based 学习在大模型上优势最明显，fine-tuning 则能让小模型在数据充足时达到较高性价比。