第7周行业和学术资讯推送

本周行业资讯

  • 《Brookings|How AI may reshape career pathways to better jobs》: https://www.brookings.edu/articles/how-ai-may-reshape-career-pathways-to-better-jobs/?utm_source=chatgpt.com

    导读

    《布鲁金斯学会|人工智能如何重塑职业发展路径以创造更好的就业机会》

    人工智能改变的,究竟只是具体岗位的任务结构,还是连同向上阶层流动的职业路径也一并被改写?这篇报告以美国未持四年制大学、但通过工作经验、职业培训、社区学院等途径积累技能的劳动者群体为案例,区分出起点型、枢纽型与目标型三类职业路径,讨论AI对这些路径的渗透程度。报告指出,AI的风险并不只在于岗位增减,更在于它可能削弱低工资劳动者通向较高工资岗位的关键通道。

  • 《北大国发院|投资于人:激活经济高质量发展的内生动力》: https://nsd.pku.edu.cn/docs//2026-03/12fea13ad90f4006a82f37f03211a998.pdf

本周学术资讯

  • Karger, E., Kuusela, O., Abaluck, J., Bryan, K. A., Halperin, B., Jones, T. R., Murphy, C., Trammell, P., Reynolds, M., Mayland, D., Viswanathan, R., Mittal, A., de Castro, R. C., Rosenberg, J., & Tetlock, P. (2026). Forecasting the economic effects of AI. https://doi.org/10.3386/w35046

    导读

    AI究竟会把经济推向高速增长,还是只会带来温和但深远的变化?这篇论文通过问卷调查比较了经济学家、人工智能公司员工、人工智能政策研究者、超级预测者和普通公众五类人群的判断,全面研究来区分各行业从业者对技术进步速度与经济后果的不同看法。研究发现,多数受访者都相信到2030年AI能力会明显提升,但对经济整体的基线判断并不激进。大家普遍预计,增长会高于政府和市场常见基准,却不会立刻进入爆发式跃升。只有在AI快速进展、并在大量认知和体力任务上超过人类的情景下,才预期更快的经济增长、更低的劳动参与率和更高的财富集中。

  • Horiuchi, Y., & Johnson, M. C. (2026). Reassessing gendered reactions to terrorist attacks: Slumps or bumps? The American Political Science Review, 1–13. https://doi.org/10.1017/s000305542610149x

    导读

    恐怖袭击发生后,女性领导人真的会比男性领导人,更容易遭遇支持率下滑吗?这篇论文重新分析了英国选举研究中盖曼彻斯特爆炸案前后的调查数据。研究发现,只要把支持率原本就持续变化的时间趋势纳入模型,特雷莎·梅在袭击后的支持率下滑就不再显著,这意味着此前被解释为“恐袭惩罚女性领导人”的结果,很可能只是原有政治气候变化的延续而非事件本身的冲击。当前证据既不足以证明女性领导人在安全危机中会受到特殊惩罚,也不足以支持恐怖袭击必然带来领导人支持率变化。

  • Benoit, K., De Marchi, S., Laver, C., Laver, M., & Ma, J. (2026). Using large language models to analyze political texts through natural language understanding. American Journal of Political Science, ajps.70050. https://doi.org/10.1111/ajps.70050

    导读

    大语言模型真的能像政治学专家一样读懂政党宣言和联合执政协议吗?这篇论文采用多个大语言,对21种语言的政党宣言和联合政府协议进行分析,并把结果与专家调查和传统手工编码数据进行比较。研究发现,大语言模型在经济、社会、移民和欧洲一体化等主要议题上的位置估计,与专家判断高度一致,而且多次重复运行后的结果也相当稳定。在联合政府政策位置的预测上,它们甚至比传统手工编码更符合联盟形成理论对政策妥协范围的预期。整体来看,大语言模型不仅能大规模处理政治文本,还可能成为兼具可扩展性、可复制性和解释力的新型研究工具。

  • Beliaeva, T., Ben Jabeur, S., & Maalaoui, A. (2026). The adoption of artificial intelligence methods in entrepreneurship research: current state and pathways forward. Small Business Economics. https://doi.org/10.1007/s11187-026-01215-6

    导读

    AI正在怎样改变创业研究,而不仅仅是改变创业实践本身?这篇论文系统梳理了来自高水平商业、管理和经济学期刊的142篇实证研究,考察AI和机器学习在创业研究中被用到了哪些问题、承担了什么方法角色,以及未来还能走向哪里。研究发现,AI方法已经广泛进入创业过程、风险投资、众筹、企业绩效、创新和数字化等主题。其价值不只是提高预测准确率,更在于让研究者能够处理文本、图像、音频和平台数据等过去难以系统分析的材料,从而同时服务于理论检验和理论建构。

  • Schechtl, M. (2026). Childhood exposure to local wealth inequality, economic isolation in schools, and inter-class social ties in adulthood. Social Science Research, 136(103355), 103355. https://doi.org/10.1016/j.ssresearch.2026.103355

    导读

    为什么有些地方的低收入者更容易在成年后结交高收入朋友,而另一些地方的阶层边界却格外牢固?这篇论文把地方财富不平等数据、学校经济隔离数据和基于社交平台大样本友谊关系的跨阶层联系数据结合起来,追踪童年时期的地方环境与成年后的社会联系之间的关系。研究发现,儿童成长于财富差距更大的地方,成年后与高收入群体建立友谊的可能性明显更低。而低收入学生在学校里越是集中于相似经济背景的同伴,成年后的跨阶层联系也越弱。与此同时,地方财富不平等上升还与学校经济隔离加深显著相关。更重要的是,即使把学校隔离考虑进去,财富不平等与跨阶层联系之间的负相关仍然存在,这说明学校确实是重要机制之一。