AI-Assisted Discovery of Quantitative and Formal Models in Social Science
社会科学中定量与形式模型的 AI 辅助发现AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用社会科学符号模型发现，虽提到纵向数据与反事实探索，但不足以确定所列面板、因果或宏观细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
社会科学中定量与形式模型的 AI 辅助发现
- 研究问题
- 如何从有噪声的纵向社会科学数据中发现紧凑、可解释的非线性函数和动力学方程，并控制模型表达能力与可解释性的平衡？
- 方法与思路
- 作者扩展神经符号方法，以符号回归搜索紧凑函数及微分方程，并在经济学和社会学的真实数据中展示模型发现流程。
- 材料陈述的贡献
- 摘要称框架支持发现可解释关系和探索反事实模型，并提出通过系统搜索非线性模型空间连接参数与非参数研究方法。
- 阅读关注点
- 应核对模型搜索目标、复杂度控制及噪声处理，检查样本外验证，并区分拟合关系、机制解释和反事实分析所需依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体识别策略和模型验证结果，符号关系本身不能确认机制或因果效应。
原文摘要
In social science, formal and quantitative models, such as ones describing economic growth and collective action, are used to formulate mechanistic explanations, provide predictions, and uncover questions about observed phenomena. Here, we demonstrate the use of a machine learning system to aid the discovery of symbolic models that capture nonlinear and dynamical relationships in social science datasets. By extending neuro-symbolic methods to find compact functions and differential equations in noisy and longitudinal data, we show that our system can be used to discover interpretable models from real-world data in economics and sociology. Augmenting existing workflows with symbolic regression can help uncover novel relationships and explore counterfactual models during the scientific process. We propose that this AI-assisted framework can bridge parametric and non-parametric models commonly employed in social science research by systematically exploring the space of nonlinear models and enabling fine-grained control over expressivity and interpretability.