📍پایان عصر اقتصاد سنتی؛ داده، رفتار و هوش مصنوعی وارد میدان شدند
🔹اقتصاد که در قرن نوزدهم توسط توماس کارلایل «علم ملالآور» نامیده شد، امروز به یکی از پویاترین حوزههای علوم اجتماعی تبدیل شده است. برخلاف تصور مالتوسی از محدودیت دائمی رشد و بازگشت رفاه به شرایط دشوار، اقتصاد مدرن با ورود روشهای جدید، دادههای گسترده و همکاریهای میانرشتهای مسیر متفاوتی را طی کرده است.
🔹بررسی مقالات منتشرشده در ۲۴ مجله معتبر اقتصادی بین سالهای ۲۰۰۰ تا ۲۰۲۵ نشان میدهد سهم پژوهشهای میانرشتهای بهطور قابل توجهی افزایش یافته است. سهم مقالاتی که توسط تیمهایی از حوزههای مختلف نوشته شدهاند از ۱۹ درصد به ۳۵ درصد رسیده، در حالی که سهم مقالات تکنویسنده از ۳۴ درصد به ۱۵ درصد کاهش یافته است.
🔹اما عامل اصلی رشد علمی صرفاً همکاری بیشتر نیست؛ بلکه فاصله فکری میان حوزههای مختلف اهمیت دارد. پژوهشهایی که ایدهها را از حوزههای دورتر علمی ترکیب میکنند، در دورههای بعدی سهم بیشتری در ادبیات اقتصادی پیدا میکنند. نمونههایی مانند دارون عجماوغلو و سندیل مولایناتان نشان میدهد پیوند میان حوزههای متفاوت میتواند مرزهای سنتی اقتصاد را گسترش دهد.
🔹همزمان، موضوعات پژوهشی اقتصاد نیز تغییر کردهاند. در حالی که سهم حوزههایی مانند نظریه اقتصادسنجی و سیاست پولی کاهش یافته، مطالعات توسعه، جرم، جنسیت و رفتار انسانی رشد کردهاند.
🔹یکی از مهمترین تحولات اقتصاد مدرن، «انقلاب اعتبار» است؛ یعنی حرکت از مدلسازی صرف به سمت آزمون تجربی و شناسایی روابط علّی. استفاده از روشهایی مانند آزمایشهای کنترلشده و تفاضل در تفاضل باعث شده اقتصاد بیش از گذشته به علوم تجربی نزدیک شود. سهم مقالات دارای ادعاهای علّی از ۷.۷ درصد در سال ۱۹۹۰ به ۳۲.۶ درصد در سال ۲۰۲۳ افزایش یافته است.
🔹با این حال، اقتصاد تجربی با چالشهایی مانند بازتولیدپذیری نتایج، فشار برای انتشار مقاله و مشکلات دادهای روبهرو است. برخی بررسیها نشان میدهد بخش قابل توجهی از مطالعات اقتصادی ممکن است بهراحتی توسط پژوهشگران دیگر قابل تکرار نباشد.
🔹اکنون هوش مصنوعی مرز جدید تحول در اقتصاد است. این فناوری سرعت تحلیل داده، پردازش اطلاعات و کشف روابط پیچیده را افزایش داده، اما همزمان نگرانیهایی درباره تولید مقالات کمکیفیت و فشار بیشتر بر نظام داوری علمی ایجاد کرده است.
🔹اقتصاد امروز دیگر صرفاً علم مدلها و پیشبینیهای کلان نیست؛ بلکه رشتهای مبتنی بر داده، تجربه، همکاری و فناوری است. چالش اصلی آینده این است که جامعه علمی بتواند میان سرعت نوآوری و حفظ استانداردهای سختگیرانه پژوهشی تعادل برقرار کند.
👈گزارش کامل را از لینک زیر بخوانید:
