In der empirischen Forschung gibt es ein klassisches Problem: Die meisten interessanten Daten sind qualitativ, nicht quantitativ. Reden von Politikern, Geschäftsberichte, Social-Media-Posts, Zeitungsartikel oder historische Dokumente enthalten wertvolle Informationen, aber sie lassen sich schwer in Zahlen übersetzen. Genau hier setzt ein neues Forschungsprojekt an, das im Februar 2026 als NBER Working Paper erschienen ist: „GPT as a Measurement Tool“ von Hemanth Asirvatham, Elliott Mokski und Andrei Shleifer. Die Autoren stellen darin eine Software vor, die dieses Problem lösen soll: GABRIEL. Die Grundidee ist überraschend einfach. Large Language Models wie GPT können Texte verstehen, ähnlich wie ein Mensch. Wenn man sie gezielt einsetzt, können sie daher qualitative Informationen systematisch bewerten und quantifizieren. Zum Beispiel: • Wie innovationsfreundlich ist eine politische Rede? • Wie toxisch ist ein Social-Media-Kommentar? • Wie technisch komplex ist eine neue Tec...
Yellin' at Yellen: Gender Bias in the Federal Reserve Congressional Hearings ist ein neues Paper von James Bisbee, Nicolò Fraccaroli und Andreas Kern. Die Autoren analysieren die Protokolle aller Kongressanhörungen, an denen die Vorsitzenden der US-Notenbank von 2001 bis 2020 teilgenommen haben, um einen sorgfältig identifizierten Effekt von Sexismus zu ermitteln, wobei sie Janet Yellen als eine Art von ’Treatment’ verwenden. Die Autoren stellen fest, dass Gesetzgeber, die in diesem Zeitraum sowohl mit Yellen als auch mit mindestens einem anderen männlichen Fed-Vorsitzenden es zu tun hatten, Yellen häufiger unterbrechen und in einem aggressiveren Ton mit ihr sprechen. Besonders interessant: Die Zunahme der Feindseligkeit, die Yellen im Vergleich zu ihrem unmittelbaren Vorgänger und Nachfolger erfährt, tritt bei den Abgeordneten mit Töchtern nicht auf. Die (wenigen) Untersuchungen scheinen darauf hinzudeuten, dass die Geburt von Kindern einen Einfluss a...