Để hiểu chính trị, nó giúp suy nghĩ như một nhà khoa học.
Chiến dịch bảo hiểm của cuộc bầu cử tổng thống sắp diễn ra ở khắp mọi nơi, với các cuộc thăm dò khác nhau cho thấy ứng cử viên này hoặc ứng cử viên đó đứng đầu. Có xếp hạng phê duyệt quốc gia, xếp hạng phê duyệt địa phương, các cuộc thăm dò về các ứng cử viên chính, các cuộc thăm dò về các vấn đề, các cuộc thăm dò về khả năng điện. Tất cả những con số này cộng lại thành một nhóm thông tin có thể khó tạo ra đầu hoặc đuôi. Theo cách đó, các nhà khoa học cho biết, chúng rất giống với dữ liệu mà một nhà nghiên cứu có thể thu thập: Các cuộc thăm dò cá nhân hầu như không quá hữu ích, không có ngữ cảnh. Nhưng được kết hợp và tiếp cận một cách chu đáo, các cuộc thăm dò ý kiến có thể bổ sung vào loại thông tin mà một nhà khoa học sẽ thấy hữu ích.
"Có rất nhiều cuộc thăm dò chính trị có tính phương pháp gần giống với các phương pháp được sử dụng trong bối cảnh khoa học, nhưng cũng có một số cuộc điều tra chính trị được thiết kế khá kém - và / hoặc thiên vị - những thành kiến tại Đại học Syracuse. "Những người giỏi nhất trong các cuộc thăm dò chính trị làm tốt công việc với các công cụ có sẵn và duy trì - và cố gắng giao tiếp - một sự hiểu biết rõ ràng về những hạn chế vẫn còn tồn tại trong phương pháp của họ."
Nói cách khác, việc một cuộc thăm dò có giá trị hay thú vị phụ thuộc rất nhiều vào cách thức tiến hành và cách thức trình bày.
Thông thường, các cuộc thăm dò được trình bày là "Đây là một số phần trăm", theo Jillian Scudder, một nhà vật lý thiên văn học nghiên cứu các thiên hà tại Đại học Oberlin ở Ohio. "Vì vậy, bạn có thể thực hiện một cuộc thăm dò chính trị, bạn có thể nói, 'Chúng tôi đã thực hiện một cuộc thăm dò ở bang này và chúng tôi đã nhận được những con số này' và bạn có thể đưa nó vào tin tức. Khi tôi thống kê và tôi đưa ra tỷ lệ phần trăm, tỷ lệ đó đi kèm với rất nhiều con số khác ", Scudder nói với Live Science.
Công việc của Scudder liên quan đến các bài kiểm tra thống kê trông rất giống như bỏ phiếu, cô nói. Cô ấy có thể thu thập hàng triệu điểm dữ liệu về hành vi của các thiên hà để cố gắng tìm ra cách chúng hành xử. Nhưng nó sẽ là một sự lãng phí thời gian để đi qua từng người một. Vì vậy, cô ấy sẽ lấy các mẫu dữ liệu nhỏ hơn của mình và nghiên cứu chúng, sử dụng các phương pháp thống kê tương tự như những người gây ô nhiễm sử dụng để đưa ra kết luận về toàn bộ thiên hà.
Nhưng để nghiên cứu đó có hiệu quả và để nó có ý nghĩa với các nhà khoa học khác, các con số phải đi kèm với dữ liệu mang lại cho họ bối cảnh, cô nói.
"Đây có phải là mẫu 100 không? Đây có phải là mẫu 1.000 không? Đây có phải là mẫu 1 triệu không? Thay đổi kích thước mẫu thay đổi kết quả như thế nào? Nếu tôi đi từ 1.000 đến 10.000, thì tỷ lệ phần trăm có thay đổi hay không? Khá mạnh mẽ? Những thứ như vậy, "Scudder nói.
Các cuộc thăm dò, tương tự, hữu ích hơn nhiều khi bạn biết có bao nhiêu người được lấy mẫu, kết quả phù hợp với các cuộc thăm dò khác và cách chính xác các cuộc thăm dò được thực hiện, Chris Schatschneider, một nhà tâm lý học giáo dục và chuyên gia về thống kê và thiết kế nghiên cứu tại Florida cho biết Đại học nhà nước.
Trong nghiên cứu riêng của Schatschneider, ông nói, ông sử dụng số liệu thống kê để tách "tín hiệu" khỏi "nhiễu" - để xác định xem kết quả của một thí nghiệm có thể cho bạn biết điều gì đó có ý nghĩa về cách thế giới hoạt động hay có thể là kết quả của cơ hội ngẫu nhiên. Anh ta cũng suy nghĩ cẩn thận về chính xác những câu hỏi mà một bộ dữ liệu cụ thể có thể trả lời, và những câu hỏi nào không thể.
Những phương pháp thống kê này khác với những phương pháp mà những người gây ô nhiễm sử dụng, ông nói. Nhưng điều quan trọng là phải hỏi những câu hỏi tương tự khi nghe dữ liệu bỏ phiếu trong tin tức: cỡ mẫu lớn như thế nào? Ai chính xác đã được lấy mẫu? Những câu hỏi đã làm những người thăm dò hỏi chính xác? Tất cả bối cảnh đó có thể cho bạn biết liệu một cuộc thăm dò có ý nghĩa theo cách một vài số trôi nổi bên cạnh, giả sử, tên của một ứng cử viên không thể.
Nó cũng quan trọng để hiểu các phương pháp mà một người gây ô nhiễm đã sử dụng, ông nói.
Ví dụ, nhiều cuộc thăm dò liên quan đến "lấy mẫu phân tầng". Điều đó có nghĩa là nếu một nhóm cụ thể - chẳng hạn như sinh viên đại học - được đại diện trong một mẫu thăm dò so với dân số nói chung, những người thăm dò ý kiến sẽ điều chỉnh các con số để các sinh viên đại học được khảo sát trở nên quan trọng hơn. Đây có thể là một kỹ thuật hợp pháp về nguyên tắc, Schatschneider nói. Nhưng nó cũng có thể sai lệch kết quả khi một nhóm nhỏ những người được khảo sát cuối cùng đứng lên hàng ngàn người. Ông đã đưa ra một ví dụ: Thời báo New York đã báo cáo vào năm 2016 rằng một người đàn ông da đen 19 tuổi độc thân ủng hộ Donald Trump trong cuộc bầu cử năm đó đã sai lệch kết quả thăm dò ý kiến do loại dữ liệu này, dẫn đến những câu chuyện tin tức cho thấy rằng Trump đã phổ biến hơn nhiều với các cử tri da đen hơn là trường hợp.
Thực tế, Schatschneider nói, là trừ khi đó là công việc toàn thời gian của bạn, bạn có thể không có thời gian để đánh giá các cuộc thăm dò cá nhân theo cách này để xác định xem cái nào là khoa học và cái nào ít hơn. Hầu hết mọi người tốt hơn hết là không chú ý quá nhiều đến tin tức về các cuộc thăm dò cá nhân, có thể gây hiểu lầm, và thay vào đó nên nhìn vào mức trung bình của các cuộc thăm dò gần đây như những gì RealClearPolencies xuất bản, ông nói.
Các nhà khoa học làm một cái gì đó tương tự với dữ liệu nghiên cứu, khi họ lấy trung bình dữ liệu từ nhiều bài báo trong các bài báo lớn hơn gọi là "phân tích tổng hợp", Schatschneider nói. Nếu bất cứ điều gì, ông nói, trung bình các cuộc thăm dò là đáng tin cậy hơn, bởi vì các cuộc thăm dò có xu hướng được phát hành cho dù chúng có thú vị hay không. Nhưng các bài báo khoa học có xu hướng thiên về kết quả thú vị hơn bởi vì chúng vẫn dễ dàng được công bố hơn, theo Schatschneider.
Scudder nói, dự báo bầu cử dựa trên các nhóm thăm dò ý kiến khổng lồ cũng có thể thú vị và hữu ích, nhưng không giống như nghiên cứu khoa học nơi các phương pháp và số nguyên được công bố, những người thăm dò không thể hiện công việc của họ - giữ tất cả trong một hộp đen độc quyền.
Nói chung, Scudder cho biết, cô sẽ coi một nhóm các cuộc thăm dò đáng tin cậy và thú vị nếu tất cả đều cùng hướng và ít có ý nghĩa nếu chúng ở khắp mọi nơi - gợi ý các vấn đề trong việc thu thập dữ liệu.
Chỉ vì những phát hiện phù hợp với một xu hướng không làm cho chúng chính xác. Với bất kỳ tập dữ liệu nào có sẵn, Scudder cho biết, bạn cũng phải biết cách diễn giải kết quả.
"Bạn phải cẩn thận rằng bài kiểm tra thống kê bạn đang sử dụng đang trả lời câu hỏi mà bạn muốn trả lời", cô nói.
Trong khoa học, điều đó có thể có nghĩa là tìm hiểu xem liệu một bộ dữ liệu có loại bỏ hoàn toàn ý tưởng hay không - giả sử, tất cả các ngôi sao đều được làm từ phô mai - hoặc chỉ không chứng minh điều đó - nói rằng, tất cả các ngôi sao vẫn có thể được làm từ phô mai, nhưng chúng ta đã trốn tránh Tôi đã nhìn thấy pho mát chưa.
Khi nói đến các cuộc thăm dò chính trị, các câu hỏi là khác nhau. Nhưng hiểu ý nghĩa của chúng cũng quan trọng không kém. Xếp hạng phê duyệt không phải là thước đo về cách mọi người dự định bỏ phiếu. Hỏi những người họ thích trong thời kỳ sơ cấp không nhất thiết phải cho bạn biết họ sẽ cảm thấy thế nào trong cuộc tổng tuyển cử. Hỏi ai họ dự định bỏ phiếu vào tháng Hai không dự đoán họ sẽ bầu vào tháng 11 như thế nào, Schatschneider nói.
Theo cách đó, Schatschneider nói, bỏ phiếu giống như lấy nhiệt độ của bệnh nhân. Đó là một doanh nghiệp khoa học hoàn hảo, ông nói. Nhưng điều quan trọng đối với những người theo dõi các cuộc thăm dò là phải hiểu chính xác ý nghĩa của chúng.
