Här är bevis på att Claude Code kan skriva en hel empirisk statsvetenskaplig artikel. För att styrka mitt påstående att AI-agenter kommer för statsvetenskap "som ett godståg" lät jag idag Claude Code fullständigt replikera och utöka en gammal artikel som uppskattar effekten av universell poströstning på valdeltagande och valresultat... I princip på en gång. Efter noggrann uppmaning, Claude Code: (1) Laddade ner det gamla artikelns repo och replikerade de tidigare resultaten, och översatte vår gamla Stata-kod till Python (2) Genomsökte webben för att få uppdaterade officiella valdata och folkräkningsdata (3) Genomförde nya analyser som förlängde resultaten till 2024 (4) Skapade nya tabeller och figurer (5) Gjorde en litteraturöversikt (6) Skrev en helt ny artikel (7) Flyttade hela grejen till ett nytt github-repo Hela grejen tog ungefär en timme. Detta är ett galet paradigmskifte i hur empiriskt arbete utförs. Det bekräftar också poängen som flera personer, inklusive @BrendanNyhan, gjorde igår--- Det kommer att vara särskilt lätt att skala observationsforskning med AI. Tack till @alexolegimas, @arthur_spirling och många andra som gav mig feedback. .

Några anteckningar för senare: --Detta var förmodligen det enklaste fallet eftersom det bara innebar att en enkel analys utökades med offentliga data. --Claude kunde inte uppdatera vissa av våra uppskattningar av valdeltagande/mode som byggde på proprietära väljarfildata (i princip kunde Claude begära och komma åt denna data men det skulle vara superkomplicerat) --Claudes första försök med evenemangsdesignen var inte korrekt --Jag gav Claude instruktioner om vilket Python-paket han skulle använda för att komma så nära Statas reghdfe-paket som möjligt --Några nästa saker att prova: mer komplexa tillägg som kräver mer ny datainsamling och fler nya analysmetoder

Och här är repotet: