نظرسنجی از ۱٬۲۶۰ دانشمند علوم اجتماعی نشان داده است که ۸۱٪ از آنها از ابزارهای هوش مصنوعی در کار خود استفاده میکنند، اما تنها ۲۰٪ از عوامل کدنویسی — برنامههایی مانند Claude Code که میتوانند به طور خودکار کد بنویسند و اشکالزدایی کنند — استقبال کردهاند. این یافتهها نشان میدهد که اگرچه هوش مصنوعی به بخش routine پژوهش علوم اجتماعی تبدیل شده است، ابزارهای تخصصی کدنویسی هنوز با منحنی پذیرش steepی روبرو هستند.
استفاده عمومی از هوش مصنوعی در مقابل عوامل کدنویسی
این نظرسنجی که در میان پژوهشگران حوزههایی مانند جامعهشناسی، روانشناسی و علوم سیاسی انجام شد، درباره استفاده آنها از ابزارهای مختلف هوش مصنوعی پرسش کرد. هشت نفر از هر ده نفر گفتند که از هوش مصنوعی برای کارهایی مانند مرور ادبیات، تحلیل دادهها یا کمک به نگارش استفاده میکنند. اما وقتی سؤالات به عوامل کدنویسی — ابزارهایی که از دستورات زبان طبیعی کد تولید یا اصلاح میکنند — رسید، سهم به فقط یک نفر از هر پنج نفر کاهش یافت.
عوامل کدنویسی با دستیارهای عمومی هوش مصنوعی تفاوت دارند. در حالی که ابزاری مانند ChatGPT میتواند به پیشنویس متن یا طوفان فکری کمک کند، یک عامل کدنویسی برای تفسیر دستورالعملها و تولید کد عملیاتی طراحی شده است. برای دانشمندان علوم اجتماعی که با دادهها به زبانهایی مانند R یا Python کار میکنند، چنین ابزارهایی میتوانند مانع اجرای تحلیلهای پیچیده را کاهش دهند. با این حال، نظرسنجی نشان میدهد که بیشتر پژوهشگران آنها را در workflow خود ادغام نکردهاند.
پذیرش نابرابر بر اساس جنسیت و مرحله شغلی
این نظرسنجی نابرابریهای آشکاری را در استفاده از عوامل کدنویسی نشان داد. مردان بیشتر از زنان به استفاده از آنها گزارش دادند و پژوهشگران در مراحل اولیه شغلی با نرخ بالاتری نسبت به همکاران ارشد خود از این ابزارها استقبال کردند. نویسندگان نظرسنجی درصد دقیق این زیرگروهها را منتشر نکردند، اما تفاوتها را "شدید" توصیف کردند.
این الگوها روندهای کلیتر در پذیرش فناوری را منعکس میکند، جایی که زنان و حرفهایهای مسنتر اغلب عقبتر هستند. یافتهها نگرانیهایی را ایجاد میکند که اگر عوامل کدنویسی در پژوهش به طور فزایندهای مهم شوند، نابرابریهای موجود ممکن است گسترش یابد. در میان زنان پاسخدهنده، نرخ پذیرش به طور قابلتوجهی کمتر از مردان بود. و پژوهشگرانی که بیش از یک دهه پیش دکترای خود را دریافت کرده بودند، کمتر از کسانی که به تازگی مدرک دکترا گرفته بودند، از این ابزارها استفاده میکردند.
آنچه نظرسنجی بیپاسخ گذاشته است
این نظرسنجی میزان استفاده را اندازهگیری کرد، اما علت انتخاب نکردن پژوهشگران برای استفاده از عوامل کدنویسی را بررسی نکرد. دلایل احتمالی میتواند شامل عدم آگاهی، آموزش ناکافی یا نگرانیهایی درباره قابلیت اطمینان باشد. دادهها اجازه نتیجهگیری درباره علل پذیرش پایین یا نابرابریها را نمیدهد.
آنچه روشن است این است که اکثریت زیادی از دانشمندان علوم اجتماعی از قبل با ابزارهای هوش مصنوعی راحت هستند. گام بعدی — ترغیب آنها به استقبال از عوامل کدنویسی — به نظر چالش بزرگتری میآید. این نظرسنجی تصویری از وضعیت فعلی این حوزه ارائه میدهد، اما این سؤال را باز میگذارد که چگونه میتوان شکاف را پر کرد.
