Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > econ > arXiv:2510.02408v1

帮助 | 高级搜索

经济学 > 一般经济学

arXiv:2510.02408v1 (econ)
[提交于 2025年10月2日 ]

标题: 可以生成式人工智能提高学术表现吗? 来自社会科学和行为科学的证据

标题: Can GenAI Improve Academic Performance? Evidence from the Social and Behavioral Sciences

Authors:Dragan Filimonovic, Christian Rutzer, Conny Wunsch
摘要: 本文评估了生成式人工智能(GenAI)采用对社会科学和行为科学领域科研产出和质量的影响。 使用匹配的作者层面面板数据和差异双重设计,我们发现GenAI的采用与研究产出的显著增加相关,产出量通过发表论文的数量来衡量。 此外,根据期刊影响因子,它还带来了适度的出版质量提升。 这些影响在早期职业研究人员、从事技术复杂子领域的作者以及非英语国家的作者中最为明显。 结果表明,GenAI工具可能有助于降低学术出版中的一些结构性障碍,并促进更包容的研究参与。
摘要: This paper estimates the effect of Generative AI (GenAI) adoption on scientific productivity and quality in the social and behavioral sciences. Using matched author-level panel data and a difference-in-differences design, we find that GenAI adoption is associated with sizable increases in research productivity, measured by the number of published papers. It also leads to moderate gains in publication quality, based on journal impact factors. These effects are most pronounced among early-career researchers, authors working in technically complex subfields, and those from non-English-speaking countries. The results suggest that GenAI tools may help lower some structural barriers in academic publishing and promote more inclusive participation in research.
主题: 一般经济学 (econ.GN)
引用方式: arXiv:2510.02408 [econ.GN]
  (或者 arXiv:2510.02408v1 [econ.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.02408
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Christian Rutzer [查看电子邮件]
[v1] 星期四, 2025 年 10 月 2 日 07:32:47 UTC (57 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
econ.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
econ
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号