ISSN 2587-7666 (Online)
Поиск
/
ВТЭ

Вопросы теоретической экономики

Институт экономики Российской академии наук

Методология экономической наукиНаучная статья

ТЕКСТ-КАК-ДАННЫЕ: ЭКОНОМИЧЕСКАЯ ПЕРСПЕКТИВА

TEXT-AS-DATA: AN ECONOMICS PERSPECTIVE

Страницы: 38-48
УДК: 303.101.5, 303.43
JEL: B40, B41, N10, Z13

Авторы

Либман Александр Михайлович

д.э.н., PhD (Economics), профессор

ORCID: 0000

alexander.libman@fu-berlin.de

  • профессор, Берлинский Свободный университет (Берлин)
Получена: 13.07.2025
Принята в печать: 22.07.2025

Аннотация

Формальные количественные методы анализа текстов – подходы, объединённые общим названием «текст-как-данные» («text-as-data») – играют всё более важную роль в современных общественных науках. В то же время, если в политологии и отчасти в социологии их внедрение является естественным процессом, во многом соответствующим логике развития этих дисциплин, то экономической науке место «text-as-data» неоднозначно. Соответствуя общим тенденциям на освоение постоянно растущего спектра количественных методов, «text-as-data» в то же время противоречат некоторым важным принципам экономической науки — в частности, вниманию к выявленным предпочтениям, а не риторике, и принципам «революции достоверности». Растущая роль «text-as-data» показывает сложный и нелинейный характер прогресса количественных методов в экономике (и в общественных науках в целом).

Ключевые слова

текст-как-данныереволюция достоверностивыявленные предпочтения

Литература

  1. Либман А. (2024). «Зоопарк» эмпирических результатов: количественные исследования и прирост знания об обществе [Libman A. (2024). Zoo of Empirical Results: Quantitative Research and Accumulation of Knowledge in Social Sciences] // Журнал Новой экономической ассоции. №4. С. 178–194. DOI: 10.31737/22212264_2024_4_178-194.
  2. Ash E., Hansen S. (2023). Text algorithms in economics // Annual Review of Economics. Vol. 15. No. 1. Pp. 659–688. DOI: 10.1146/annurev-economics-082222-074352.
  3. Ash E., Gauthier G., Widmer P. (2024). Relatio: Text semantics capture political and economic narratives // Political Analysis. Vol. 32. No. 1. Pp. 115–132. DOI: 10.1017/pan.2023.8.
  4. Baden C., Pipal C., Schoonvelde M., van der Velden M. A. G. (2022). Three gaps in computational text analysis methods for social sciences: A research agenda // Communication Methods and Measures. Vol. 16. No. 1. Pp. 1–18. DOI: 10.1080/19312458.2021.2015574.
  5. Baker S.R., Bloom N., Davis S.J. (2016). Measuring economic policy uncertainty // Quarterly Journal of Economics. Vol. 131. No. 4. Pp. 1593–1636. DOI: 10.1093/qje/qjw024.
  6. Benoit K. (2020). Text as data: An overview // The SAGE handbook of research methods in political science and international relations / L. Curini, R. Franzese (eds.) Pp. 461–497. DOI: 10.4135/9781526486387.n29.
  7. Boulier B.L., Goldfarb R.S. (1998). On the use and nonuse of surveys in economics // Journal of Economic Methodology. Vol. 5. No. 1. Pp. 1–21. DOI: 10.1080/13501789800000001.
  8. Brady H.E. (2019). The challenge of big data and data science // Annual Review of Political Science. Vol. 22. No.1. Pp. 297–323. DOI: 10.1146/annurev-polisci-090216-023229.
  9. Charness G., Grosskopf B. (2004). What makes cheap talk effective? Experimental evidence // Economics Letters. Vol. 83. No. 3. Pp. 383–389. DOI: 10.1016/j.econlet.2003.12.007.
  10. Colander D., Holt R., Rosser Jr. B. (2004). The changing face of mainstream economics // Review of Political Economy. Vol. 16. No. 4. Pp. 485–499. DOI: 10.1080/0953825042000256702.
  11. Crawford I., De Rock B. (2014). Empirical revealed preference // Annual Review of Economics. Vol. 6. No. 1. Pp. 503– 524. DOI: 10.1146/annurev-economics-080213-041238.
  12. Currie J., Kleven H., Zwiers E. (2020). Technology and big data are changing economics: Mining text to track methods // AEA Papers and Proceedings. Vol. 110. Pp. 42–48.
  13. Egami N., Fong C.J., Grimmer J., Roberts M.E., Stewart B.M. (2022). How to make causal inferences using texts // Science Advances. Vol. 8. No. 42. P. eabg2652. DOI: 10.1126/sciadv.abg2652.
  14. Einav L., Levin J. (2014). Economics in the age of big data // Science. Vol. 346(6210), 1243089. DOI: 10.1126/ science.1243089.
  15. Farrell J., Rabin M. (1996). Cheap talk // Journal of Economic Perspectives. Vol. 10. No. 3. Pp. 103–118. DOI: 10.1257/ jep.10.3.103.
  16. Gemenis K. (2013). What to do (and not to do) with the comparative manifestos project data // Political Studies. Vol. 61(1_suppl). Pp. 3–23. DOI: 10.1111/1467-9248.12015.
  17. Gentzkow M., Kelly B., Taddy M. (2019). Text as data // Journal of Economic Literature. Vol. 57. No. 3. Pp. 535–574. DOI: 10.1257/jel.20181020.
  18. Gilardi F., Alizadeh M., Kubli M. (2023). ChatGPT outperforms crowd workers for text-annotation tasks // Proceedings of the National Academy of Sciences. Vol. 120(30). e2305016120. DOI: 10.1073/pnas.2305016120.
  19. Goldsmith-Pinkham P. (2024). Tracking the credibility revolution across fields. arXiv preprint arXiv:2405.20604. DOI: 10.48550/arXiv.2405.20604.
  20. Grimmer J., Stewart B. M. (2013). Text as data: The promise and pitfalls of automatic content analysis methods for political texts // Political Analysis. Vol. 21. No. 3. Pp. 267–297. DOI: 10.1093/pan/mps028.
  21. Hoberg G., Lewis C. (2017). Do fraudulent firms produce abnormal disclosure? // Journal of Corporate Finance. Vol. 43. Pp. 58–85. DOI: 10.1016/j.jcorpfin.2016.12.007.
  22. Imbens G.W. (2020). Potential outcome and directed acyclic graph approaches to causality: Relevance for empirical practice in economics // Journal of Economic Literature. Vol. 58. No. 4. Pp. 1129–1179. DOI: 10.1257/ jel.20191597.
  23. Jelveh Z., Kogut B., Naidu S. (2024). Political language in economics // Economic Journal. Vol. 134(662). Pp. 2439– 2469. DOI: 10.1093/ej/ueae026.
  24. Lazer D., Radford J. (2017). Data ex machina: introduction to big data // Annual Review of Sociology. Vol. 43. No. 1. Pp. 19–39. DOI: 10.1146/annurev-soc-060116-053457
  25. Leamer E.E. (2010). Tantalus on the Road to Asymptopia // Journal of Economic Perspectives. Vol. 24. No. 2. Pp. 31–46. DOI: 10.1257/jep.24.2.31.
  26. Libman A. (2015). Words or deeds: what matters? On the role of symbolic action in political decentralization // Empirical Economics. Vol. 49. Pp. 801–838. DOI: 10.1007/s00181-014-0893-8.
  27. Linegar M., Kocielnik R., Alvarez R.M. (2023). Large language models and political science // Frontiers in Political Science. Vol. 5. 1257092. DOI: 10.3389/fpos.2023.1257092.
  28. Loughran T., McDonald B. (2020). Textual analysis in finance // Annual Review of Financial Economics. Vol. 12. No. 1. Pp. 357–375. DOI: 10.1146/annurev-financial-012820-032249.
  29. Oshchepkov A., Shirokanova A. (2022). Bridging the gap between multilevel modeling and economic methods // Social Science Research. Vol. 104. 102689. DOI: 10.1016/j.ssresearch.2021.102689.
  30. Proksch S.O., Slapin J.B. (2009). How to avoid pitfalls in statistical analysis of political texts: The case of Germany // German Politics. Vol. 18. No. 3. Pp. 323–344. DOI: 10.1080/09644000903055799.
  31. Schumpeter J. (1933). The common sense of econometrics // Econometrica. Vol. 1. No. 1. Pp. 5–12. DOI: 10.2307/1912225.
  32. Shiller R.J. (2017). Narrative economics // American Economic Review. Vol. 107. No. 4. Pp. 967–1004. DOI: 10.1257/ aer.107.4.967.
  33. Shiller R.J. (2020). Narrative economics: How stories go viral and drive major economic events. — Princeton (N.J.): Princeton University Press.
  34. Starr M.A. (2014). Qualitative and mixed‐methods research in economics: surprising growth, promising future // Journal of Economic Surveys. Vol. 28. No. 2. Pp. 238–264. DOI: 10.1111/joes.12004.
  35. Wilkerson J., Casas A. (2017). Large-scale computerized text analysis in political science: Opportunities and challenges // Annual Review of Political Science. Vol. 20. No. 1. Pp. 529–544. DOI: 10.1146/annurev- polisci-052615-025542.

© Либман Александр Михайлович, 2025

© ФГБУН Институт экономики Российской академии наук «Вопросы теоретической экономики», 2025

Для цитирования

Либман Александр Михайлович. ТЕКСТ-КАК-ДАННЫЕ: ЭКОНОМИЧЕСКАЯ ПЕРСПЕКТИВА // Вопросы теоретической экономики. 2025. № 3 (28). С. 38-48. DOI: 10.52342/2587-7666VTE_2025_3_38_48.