AI 编码代理的使用在社会科学中显示出明显差距

研究中的 AI 使用很普遍，但编码代理的采用并不均衡

Anthropic 的一项新研究被 The Decoder 报道后指出，社会科学研究者对 AI 编码代理的采用并不均匀。虽然总体 AI 使用在各群体之间看起来相对平衡，但编码代理这类可自动生成程序代码的工具，其使用情况却更加不均衡，在性别、学科、职业阶段和大学排名方面存在明显差距。

所提供材料中最引人注目的结果是性别差距。报告显示，通常被认为是男性名字的研究者使用编码代理的频率，是通常被认为是女性名字的研究者的两倍多。研究称，这种差异即使在相同学科和相同职业层级内部也依然存在，这表明这一分化不能仅仅用学科构成来解释。

按学科划分的差异同样显著。报告显示，经济学家是使用编码代理最频繁的群体，采用率为 39%，而教育研究者处于最末位，仅为 4%。这一范围表明，社会科学不同分支在将 AI 融入日常工作的方式上存在重大的结构性分化。

最主要的使用场景是用于数据分析的代码生成，占编码代理用户的 97%。根据来源材料，只有大约三分之一的用户会用 AI 来撰写文本。这个细节很重要，因为它区分了编码代理和通用聊天工具。在这项研究中，关键变化不只是研究者使用更多 AI，而是有些人开始在计算型工作流程中比其他人更严重地依赖 AI。

研究还发现，博士生和博士后使用编码类 AI 的频率远高于教授，而且顶尖 25 所大学的研究者采用这些工具的频率比其他地方的同行高 40%。这些发现符合技术扩散中一个可识别的模式：当工具承诺带来生产力提升时，新进入者和资源更充足的机构往往行动更快。

但这一模式也引出了更难的问题。如果编码代理让处理数据、搭建分析原型或加快论文产出变得更容易，那么不均衡的采用可能会加深既有的学术等级结构。拥有更好访问条件、更强定量传统或更宽松本地规范的研究者，可能会进一步拉大与那些采用较慢或更怀疑的同行之间的差距。

这项研究最耐人寻味的张力之一，是受访者如何看待 AI 对自己与对本学科的影响。所提供文本称，88% 的受访者将 AI 对其自身论文产出的影响评为 10 分制中的 5 分以上，其中一半评为 8 分或更高。编码代理用户比其他受访者更为乐观。

然而，70% 的受访者对自身生产力的看法，比对 AI 对社会科学整体影响的看法更乐观。作者怀疑，研究者担心论文产出增加会压垮同行评审，加剧对注意力的竞争，并恶化选择性报告和风险规避式渐进研究等既有问题。

这种分化之所以重要，是因为它呈现出一种熟悉的技术动态：工具在个人层面看起来有益，在系统层面却显得不稳定。在本就奖励产出、速度和可见度的学术界，即使是适度的生产力提升，也可能带来远超预期的制度性影响。

这项研究并不认为编码代理本身有害。相反，它显示许多用户把它们视为推动研究工作的实用加速器。但这种不均衡的采用模式表明，AI 进入社会科学并不是作为一个对所有人都同样有益的中性层。

相反，它可能正在放大技术能力、机构声望和计算实践可及性方面已有的差距。性别差异尤其值得关注，因为它在编码代理上的差距似乎比在一般 AI 使用中更大。如果这种模式持续下去，学术界最重要的 AI 变化之一，可能会复制不平等，而不是减少不平等。

这项研究的直接重点是研究行为，但其影响更广。编码代理正越来越多地被营销为通用生产力工具。此类研究表明，它们的采用可能更多取决于本地文化、学科规范和既有技术信心，而不是营销所暗示的那样。

这使得这些发现远不止对大学有意义。如果 AI 编码工具即使在高学历知识工作者之间也会不均衡扩散，那么各类组织都应预期在工业、政府和非营利部门出现类似的采用差距。挑战不再只是构建功能强大的工具，而是要理解谁会先采用、谁会先受益，以及哪些既有不平等会被悄然放大。

本文基于 The Decoder 的报道。阅读原文。

Originally published on the-decoder.com