--- title: "Anthropic 研究:编程 Agent 用于社会科学研究" description: "1260位量化社会科学家调查:81%试过AI但仅20%日常用coding agent,经济学39%领跑,性别鸿沟2倍,期刊投稿零增长" source_url: "https://mp.weixin.qq.com/s/AHCXofxR_eGrdGvZQahvqg" feed_name: "AGI Hunt" author: "AGI Hunt" ingested: "2026-05-29" type: article tags: [agent, coding-agent, adoption-gap, social-science, anthropic] sha256: "6a170c4e3dd18c92eaa8c1543b9e269b15d544c1a083b489d60632b094462a72" --- # Anthropic 研究:编程 Agent 用于社会科学研究 > 来源:[Anthropic Research - Coding Agents for Social Science](https://www.anthropic.com/research/coding-agents-social-sciences) | 2026年2-3月调查,1260位量化社会科学家 ## 核心发现:试用→日常使用的四倍鸿沟 **81%** 的调查对象试过 AI 聊天工具,但只有 **20%** 在日常工作中真正用上了 coding agent。 试过的和真正用起来的,差了整整四倍。 这 20% 并不均匀分布在各个学科、性别和机构里——真实的鸿沟远比这一个百分比更大更深。 ## 学科差异:经济学领跑,教育学垫底 | 学科 | 每周至少使用 coding agent 比例 | |------|-------------------------------| | 经济学 | 39% | | 政治学 | 25% | | 公共卫生 | 6% | | 传播学 | 6% | | 教育学 | 4% | 经济学研究者用 coding agent 的比例,是教育学研究者的将近 **十倍**。同样做学术研究,差距大到像是处于完全不同的两个时代。 经济学领先的原因:R 和 Stata 几乎是标配技能,跨到 coding agent 的门槛自然低。 ## 性别鸿沟:2倍的转化率差距 名字偏男性的研究者使用 coding agent 的比例是名字偏女性的 **两倍多**。 问题出在从「试一试」到「日常用起来」的转化环节——接触 AI 的机会差不多,但深度使用的比例差了一倍。所有差异均通过了 **p<0.05** 统计显著性检验。 ## 机构与年龄分布 - **博士生/博后**:>25% 采用率 - **终身教职教授**:~10% - **Top 25 大学**:比其他机构高 40% 年轻研究者采用率更高,资源丰富的机构接触新技术更快。 ## 用途分布 - **97%** 用来生成代码 - **77%** 的普通 AI 聊天工具用户也让 AI 写代码 - **文本润色** 排第二 - **方法论建议和文献梳理** 排第三 - 仅 **1/3** 的 AI 用户会让 AI 起草正文 「代码跑一下就知道对不对,文章可没法按个回车来验证。」 ## 产出悖论:更高效,但没有更多发表 | 指标 | 变化 | |------|------| | 启动项目 | +25% | | 工作论文产出 | +50% | | 期刊投稿 | **0%** | | 重新提交速度 | **无变化** | Coding agent 帮研究者更快启动项目、更快写出初稿、更快申请经费——但到了「打磨论文投期刊」最关键环节,速度没有提上来。 **解释**:学术发表的瓶颈从来不在数据处理、初步分析、代码实现,而在审稿、修改、回复审稿人意见那些漫长的来回之中。AI 能帮你跑得更快,但裁判打分的速度没变。 ## 乐观度与隐忧 - **88%** 给 AI 对论文生产力影响打了 5 分以上(1-10分制) - **50%** 打了 8 分以上 - 对「AI 提升自己论文」的信心比「AI 改善整个学科」的信心 **高 70%** 「当所有人都变快的时候,竞争只会更激烈,审稿队列只会更拥挤,发表难度反而更高了。」 ## 社会性隐忧 > 早期采用者集中在年轻人、男性和名校。如果 coding agent 确实能带来生产力优势,那这种优势正在进一步加大已有的不平等。 工具变快了,系统的其他环节还没有全跟上。 --- → [[raw/articles/anthropic-coding-agents-social-science-survey-2026|原文存档]]