Causal Claims in Economics
यह शोध पत्र 1980 से 2023 तक के 44,852 अर्थशास्त्र के शोध पत्रों में कारण संबंधी (causal) और गैर-कारण संबंधी (non-causal) संबंधों को मैप करने के लिए साक्ष्य-एनोटेटेड क्लेम ग्राफ (evidence-annotated claim graphs) प्रस्तुत करता है, जो समय के साथ कारण संबंधी दावों में उल्लेखनीय वृद्धि को प्रकट करता है और यह प्रदर्शित करता है कि मजबूत कारण नैरेटिव संरचना और नवीनता वाले शोध पत्रों के शीर्ष जर्नल्स में प्रकाशित होने और दीर्घकालिक उद्धरण प्राप्त करने की संभावना अधिक होती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि अर्थशास्त्र की दुनिया एक विशाल, अराजक पुस्तकालय है जिसमें पिछले 40 वर्षों में लिखे गए लगभग 45,000 शोध पत्र (किताबें) मौजूद हैं। लंबे समय तक, यदि आप जानना चाहते थे कि वे किताबें वास्तव में क्या कह रही हैं, तो आपको उनमें से प्रत्येक को पढ़ना पड़ता था। लेकिन जैसे-जैसे पुस्तकालय बढ़ता गया, उन सभी को पढ़ना असंभव होता गया।
यह शोध पत्र उस पुस्तकालय को व्यवस्थित करने का एक नया तरीका पेश करता है। इसके लेखक, प्रशांत गर्ग और थिमो फेट्ज़र ने एक "क्लेम ग्राफ" (Claim Graph) प्रणाली बनाई है। इसे एक जटिल आर्थिक शोध पत्र को एक सरल, दृश्य फ्लोचार्ट या विचारों के फैमिली ट्री (वंशवृक्ष) में बदलने के रूप में समझें।
यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ दिया गया है:
1. "क्लेम ग्राफ" (विचारों का फैमिली ट्री)
पैराग्राफ पढ़ने के बजाय, लेखकों ने आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करके प्रत्येक शोध पत्र को उसके मुख्य घटकों में तोड़ दिया:
- नोड्स (लोग): ये आर्थिक अवधारणाएं हैं, जैसे "मुद्रास्फीति" (Inflation), "शिक्षा" (Education), या "न्यूनतम मजदूरी" (Minimum Wage)।
- एजेस (संबंध): ये वे तीर हैं जो अवधारणाओं को जोड़ते हैं। वे दिखाते हैं कि लेखक का दावा है कि क्या चीज़ किस चीज़ का कारण बनती है। उदाहरण के लिए, "शिक्षा" से "उच्च वेतन" की ओर इशारा करता हुआ एक तीर।
- कलर कोड (प्रमाण): यह सबसे महत्वपूर्ण हिस्सा है। तीरों को इस आधार पर रंग दिया गया है कि प्रमाण कितना मजबूत है।
- 🔵 नीले तीर: ये उन दावों का प्रतिनिधित्व करते हैं जो "कॉज़ल इन्फरेंस" (Causal Inference) द्वारा समर्थित हैं। यह प्रमाण का "गोल्ड स्टैंडर्ड" है। इसका अर्थ है कि लेखक ने यह साबित करने के लिए एक चतुर प्रयोग या प्राकृतिक घटना (जैसे अचानक नीति परिवर्तन) का उपयोग किया कि A ने वास्तव में B को उत्पन्न किया, न कि केवल यह कि वे दोनों एक साथ हुए।
- 🟠 नारंगी तीर: ये कमजोर साक्ष्य वाले दावों का प्रतिनिधित्व करते हैं, जैसे साधारण अवलोकन, सिद्धांत, या केवल यह कहना कि "वे संबंधित लगते हैं।"
2. बड़ी खोज: "क्रेडिबिलिटी रिवोल्यूशन" (विश्वसनीयता क्रांति)
लेखकों ने 1980 से 2023 तक के पुस्तकालय का अवलोकन किया और पाया कि अर्थशास्त्री लिखने के तरीके में एक बड़ा बदलाव आया है।
- 1990 में: इन फ्लोचार्ट्स में केवल लगभग 8% तीर नीले (मजबूत प्रमाण) थे। अधिकांश नारंगी (कमजोर प्रमाण) थे।
- 2020 में: यह संख्या बढ़कर 32% हो गई।
उपमा: कल्पना कीजिए कि एक अदालत है। 1990 के दशक में, अधिकांश वकील केवल यह कह रहे थे, "मेरा क्लाइंट घटनास्थल पर मौजूद था, इसलिए वे दोषी होने चाहिए!" (नारंगी)। आज, अधिक वकील यह साबित करने के लिए सुरक्षा कैमरा फुटेज और डीएनए टेस्ट ला रहे हैं (नीले)। अर्थशास्त्र का पूरा क्षेत्र कारण-और-प्रभाव (cause-and-effect) को साबित करने के मामले में बहुत अधिक कठोर हो गया है।
3. किसे पुरस्कृत किया जाता है? (लोकप्रियता प्रतियोगिता)
यह शोध पत्र पूछता है: क्या "कठोर" होना (अधिक नीले तीरों का होना) वास्तव में किसी शोध पत्र को शीर्ष जर्नल्स में प्रकाशित होने या अन्य शोधकर्ताओं द्वारा उद्धृत (cite) होने में मदद करता है?
- अच्छी खबर: हाँ! जिन शोध पत्रों में अधिक नीले तीर (मजबूत कारण संबंधी प्रमाण) और नए नीले तीर (नए कारण-और-प्रभाव संबंधों की खोज) होते हैं, उनके शीर्ष 5 कुलीन जर्नल्स में प्रकाशित होने और अन्य शोधकर्ताओं द्वारा उद्धृत किए जाने की संभावना बहुत अधिक होती है।
- ट्विस्ट: केवल नारंगी तीरों (कमजोर प्रमाण) के साथ अपने शोध पत्र को लंबा या जटिल बनाने से मदद नहीं मिलती। वास्तव में, यह आपके अवसर को कम भी कर सकता है।
- "मेनस्ट्रीम" प्रभाव: एक अपवाद है। यदि कोई शोध पत्र बहुत लोकप्रिय, केंद्रीय विषयों (जैसे "मुद्रास्फीति" या "विकास") पर बात करता है, तो उसे बहुत अधिक उद्धृत किया जाता है, भले ही प्रमाण कमजोर हो। यह एक सेलिब्रिटी की तरह है: लोग उनके नवीनतम काम की गुणवत्ता की परवाह किए बिना उनके बारे में बात करते हैं। लेकिन "हॉल ऑफ फेम" (शीर्ष जर्नल्स) में प्रवेश करने के लिए, आपको नीले तीरों की आवश्यकता होती है।
4. उन्होंने यह कैसे किया (AI शेफ)
आप सोच सकते हैं, "उन्होंने 45,000 शोध पत्रों को कैसे पढ़ा?"
उन्होंने उन सभी को मैन्युअल रूप से नहीं पढ़ा। उन्होंने तीन-चरणीय रसोई में एक "स्मार्ट शेफ" (AI) का उपयोग किया:
- टेस्टर (स्वाद चखने वाला): AI एक शोध पत्र के पहले 30 पन्नों को पढ़ता है और उसके मुख्य घटकों का सारांश बनाता है।
- शेफ (रसोइया): AI फ्लोचार्ट बनाता है, घटकों को जोड़ता है, और प्रमाण के आधार पर तीरों को रंग देता है।
- टेस्ट टेस्ट (स्वाद परीक्षण): यह सुनिश्चित करने के लिए कि AI ने गलतियाँ नहीं की हैं, उन्होंने AI को एक ही व्यंजन को तीन बार पकाने के लिए कहा। यदि फ्लोचार्ट तीनों प्रयासों में एक जैसा दिखता था, तो उन्होंने उसे रखा। यदि वह अलग दिखता था, तो उन्होंने उसे फेंक दिया। इससे यह सुनिश्चित हुआ कि डेटा विश्वसनीय है।
यह क्यों मायने रखता है?
यह शोध पत्र आर्थिक अनुसंधान के लिए एक GPS बनाने जैसा है।
- पहले, यदि आप जानना चाहते थे कि "क्या शिक्षा उच्च वेतन का कारण बनती है?", तो आपको सैकड़ों शोध पत्र पढ़ने पड़ते और अनुमान लगाना पड़ता कि कौन से भरोसेमंद हैं।
- अब, क्लेम ग्राफ के साथ, हम तुरंत देख सकते हैं: "यहाँ 50 शोध पत्र हैं जो इसे मजबूत साक्ष्य (नीले) के साथ सिद्ध करते हैं, और यहाँ 20 शोध पत्र हैं जो केवल अनुमान लगाते हैं (नारंगी)।"
यह हमें समझने में मदद करता है कि अर्थशास्त्र का क्षेत्र परिपक्व हो रहा है। यह "कहानी सुनाने" से हटकर "ठोस साक्ष्य" की ओर बढ़ रहा है। और सबसे अच्छी बात क्या है? यह प्रणाली उन वैज्ञानिकों को पुरस्कृत करती है जो उस ठोस साक्ष्य को खोजने का कठिन काम करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।