发帖
雷达卡
资料名称： 一份用公开文献元数据检验「AI 使用是否减少科研协作」的可复现研究设计，含变量表、识别策略、数据来源清单与稳健性检验清单，并对照三篇已发表的实证研究与一篇观点评论
帖内资料： 三个可检验的研究问题与对应的被解释变量，五类公开数据源及其可取得字段，处理变量的三条构造路线，五种识别策略的适用条件与已知弱点，三篇已有研究的结果与效应量，以及一份可照着执行的稳健性检验清单
时间覆盖： 所参照的三项研究数据窗口分别为 2015—2025（两项，基于 OpenAlex）与 2018 年 1 月至 2024 年 6 月（一项，基于预印本平台）；观点评论发表于 2026 年 9 月 7 日
口径： 处理时点以 ChatGPT 公开发布（2022 年底）为共同冲击；个体层面研究改以作者首次出现 LLM 辅助成果的月份为处理时点，两类口径不可混用
许可与引用： OpenAlex 元数据以 CC0 公开；arXiv、bioRxiv、SSRN 元数据可按各自条款使用；三篇研究均给出 SSRN 或 arXiv 编号，引用时应标注编号与版本日期；观点评论为 Research Agenda 的随笔栏目，本次读取时全文可见
适用任务： 研究计划书与开题报告的写作、文献计量类课程的实证练习、AI 对科研生产影响这一议题的选题与方案设计、已有研究结论的复现与扩展
获取条件： OpenAlex 与各预印本平台元数据公开可查；观点评论页本次读取时全文可见，选题登记标注为需免费注册阅读，若遇注册提示按站点要求办理
从一句担忧到一个可检验的问题
2026 年 9 月 7 日，Daniel Hook 在 Research Agenda 的随笔栏目提出「Waymo 效应」：一项技术如果把「与另一个人打交道」的摩擦移除，我们会把这种移除体验为纯收益，因为摩擦的成本看得见、收益看不见。他把科研里的对应现象称为去协作化（decollaboration）——研究者把本该与同事的对话转向模型，规模上就会抽出共同体的一根线。
他同时点出三重推力：资金压力先砍掉研讨会与访问这类「机缘基础设施」，评价体系仍奖励速度与产出，而模型不争作者顺序。
这是一篇观点评论，没有数据、没有识别策略。真正让它从担忧变成课题的，是这几年已经做出来的一批文献计量研究：它们用的都是公开元数据，结论也已经开始回答「团队是不是变小了」「谁受益了」「产出涨了但质量呢」这类问题。下面这份设计就是把这条线整理成能直接照着做的方案。
三个可以落地的研究问题
问题一：AI 使用之后，每篇论文的作者数变少了吗？ 这是去协作化最直接的度量。已有一项基于 OpenAlex 的研究给出答案：以 2022 年 Web of Science 学科分类把 1,118 种期刊划为「干」（核心任务是推导、计算、分析、写作，与 LLM 能力重叠度高）与「湿」（核心步骤是实验与测量）两组，用 ChatGPT 发布作为冲击做双重稳健双重差分，干领域每篇论文作者数相对下降约 1.5% 至 2.7%。
问题二：受益的是谁？ 一项覆盖 OpenAlex 9,200 万条成果、26 个学科、2015—2025 年的研究发现，混合回归的效应与零无法区分，但按学科既有 AI 能力分层后，能力每高一个标准差，LLM 采用率每提高 1 个百分点带来的产出增长就高 4.52 个百分点（p = 0.010）。只有一个学科越过了阈值：计算机科学，位于均值之上 4.04 个标准差，到 2025 年底累计产出增长约 8.7%；其余 25 个学科（含工程、物理）与零无法区分。
问题三：产出涨了，质量与广度怎么变？ 一项基于 arXiv（120 万）、bioRxiv（22.1 万）、SSRN（67.6 万）的研究用作者级固定效应事件研究，测到采用 LLM 的研究者预印本产出增加约 24% 至 89%，且非英语母语者的增益更大（亚洲姓名学者在 arXiv 上 +43.0%，在 bioRxiv 与 SSRN 上接近 +89%）。
但同一研究也测到：LLM 辅助稿件的语言复杂度更高，而对人写稿件，复杂度越高发表与评审结果越好；对 LLM 辅助稿件这一关系反转，用 2.8 万份 ICLR 评审报告验证成立。
数据来源清单
| 来源 | 可得内容 | 用于构造 |
| OpenAlex | 成果、作者、机构、引用链接、学科分类，CC0 公开 | 团队规模、作者职业生涯、学科面板、引用网络 |
| arXiv / bioRxiv / SSRN | 预印本全量元数据与摘要、提交月份 | 个体层面处理时点、月度产出面板 |
| Web of Science 学科分类（2022） | 期刊到学科的映射 | 干湿分组、学科既有 AI 能力分层 |
| ICLR 评审报告 | 投稿与评审文本、评分 | 质量侧的正交度量 |
| 引用链接（OpenAlex / Semantic Scholar） | 1.016 亿条引用关系 | 引用广度、引用年龄、影响 |
干湿分组这一步值得单独说。它把「哪些领域的核心任务与 LLM 能力重叠」这个判断变成可复核的分类：按 2022 年 WoS 类别把期刊归到干或湿，处理强度就是分组，冲击时点就是 ChatGPT 发布。这类设计的优点是不需要知道谁真的用了模型，缺点也在这——分组是粗的，且无法排除同期其他冲击。
识别策略怎么选
双重稳健双重差分适合上面的干湿设计：同时做倾向得分加权与结果回归，两组只要有一个设定正确就能得到一致估计。它缓解的是干湿期刊在冲击前的可观测差异。
堆叠双重差分适合个体层面：每个作者以自己首次出现 LLM 辅助成果的月份为处理时点，对照组是截至观察期末从未被处理的作者，并为对照作者随机分配一个 2023 年 1 月至 2024 年 6 月之间的事件时间。这里的识别假设是「一旦采用就持续使用」，若有人用一次就停用，会稀释估计。
作者级固定效应事件研究是与上面配套的动态版本：把采用队列与条件相近的未采用者比较，并剔除核心 AI 子领域，避免 AI 研究本身的高速增长混进处理效应。
阈值设计用于回答「谁受益」：不预设所有学科同效，而是估计学科既有 AI 能力每提高一单位带来的边际增益，再看哪些学科越过效应由负转正的阈值。
前后对比要慎用。 其中一项研究明确指出，文献计量里常见的前后对比会把处理效应与既有趋势混在一起；它自己的混合设定效应与零无法区分，正是这个原因。
这份设计里最容易出错的四处
第一，处理时点有两种，不能混。 领域层面用 ChatGPT 发布这一共同冲击；个体层面用作者首次 LLM 辅助成果的月份。两种口径的对照组定义不同，放同一个模型里会互相污染。
第二，LLM 使用的度量本身有误差。 主流做法是基于摘要文本训练检测器：用 2023 年前的人写摘要与 GPT-3.5-turbo 改写结果对比出 token 分布差异，再据此给 2023 年后的摘要打分并设阈值。它只看摘要不看全文，人工大幅改写会掩盖使用痕迹，也无法分辨是哪位合著者用了工具、是用于写作还是用于构思或写代码。
第三，作者消歧在预印本上不可靠。 arXiv 的作者记录中有 24.5% 只有名字首字母（bioRxiv 为 1.7%、SSRN 为 1.5%），OpenAlex 对 arXiv 作者的消歧因此容易出错，同名全名作者也可能被并到同一个 ID。可行的补救是限定到有全名的子集做稳健性检验——原作者在这样做之后方向仍成立，但效应量变小。
第四，效应小且对设定敏感。 干湿设计下作者数的效应只有 1.5% 至 2.7%，作者职业生涯长度的效应在统计上偏弱，且结果对基年选择与冲击前差异敏感。这类结论适合写成「方向性证据」而非定论。
三张变量表、五种识别策略的逐条适用条件与弱点、稳健性检验清单的每一项，以及各数据源的可取得字段与复现步骤，都在下面。
────────────────
回复本帖即可查看以下内容
下面是帖子的相关资料的获取以及相关的内容说明，内容包含：被解释变量、处理变量、控制变量与机制变量的完整变量表，五种识别策略的适用条件与已知弱点，三篇研究的数据窗口、样本量与效应量对照，一份可照着执行的稳健性检验清单，以及五类数据源的可取得字段与复现步骤
京公网安备 11010802022788号
