انجمن روان‌شناسی آمریکا می‌گوید: «اطلاعات نادرست، اطلاعات نادرست یا نادرست است – اشتباه گرفتن حقایق. اطلاعات نادرست اطلاعات نادرستی است که عمداً به قصد گمراه کردن – تحریف عمدی حقایق است. ” (1) اما تعریف و تجزیه و تحلیل اطلاعات نادرست و اطلاعات نادرست می تواند چالش برانگیز باشد – به خصوص به دلیل اینکه تحقیقات علمی به طور مداوم در حال تکامل است و یافته های جدید را در بر می گیرد، غیر معمول نیست که “حقایق” امروزی در آینده با جمع آوری داده های بیشتر مورد بازنگری قرار گیرند.

من یک دوره تحصیلات تکمیلی آمار را در دانشگاه واندربیلت تدریس می کنم. یکی از جالب‌ترین تمرین‌هایی که دانشجویان هر دو سال یک بار انجام می‌دهند، مربوط به بررسی نتایج نظرسنجی‌های سیاسی بلافاصله قبل از انتخابات است. انتخابات ریاست جمهوری به ویژه مفید است زیرا داده های نظرسنجی ایالتی و ملی فراوانی در دسترس است post hoc (بعد از رویداد) نتایج واقعی انتخابات را تجزیه و تحلیل می کند، که سپس می تواند برای ارزیابی صحت و عدم دقت نظرسنجی استفاده شود. به طور مستقیم، نظرسنجی ها و انتخابات فرصتی ایده آل برای بررسی “واقعیت ها” قبل از انتخابات و مقایسه آنها با “واقعیت ها” پس از انتخابات برای نشان دادن محدودیت ها (و خطرات) فرآیندهای “واقعیت یابی” است.

روش نظرسنجی از یک رویکرد مشترک برای انجام آزمایش های علمی استفاده می کند: دانشمندان یک نماینده جمع می کنند نمونه از یک جمعیت هدف – در مورد نظرسنجی، رای دهندگان ایالات متحده – به منظور برآورد واقعی جمعیت ارزش: نتایج انتخابات در کار خود در زمینه توسعه و آزمایش ارزیابی‌ها و درمان‌های گفتاری و زبانی برای کودکان اوتیستیک، کودکان مبتلا به سندرم داون، کودکان ناشنوا با کاشت حلزون حلزون، و کودکانی که دیر صحبت می‌کنند، نمونه‌ای از این کودکان جمع‌آوری می‌کنم، ارزیابی‌ها را انجام می‌دهم یا درمان را انجام می‌دهم (در حالی که شامل شرایط کنترل/مقایسه مناسب) به این امید که نه تنها در مورد کودکان خاص در مطالعه، بلکه در مورد جمعیت گسترده تر کودکان اوتیستیک، کودکان مبتلا به داون نیز بیاموزیم. سندرم، کودکانی که از کاشت حلزون استفاده می کنند و غیره.

از آنجایی که دانشمندان (و نظرسنجی‌کنندگان) می‌دانند که نمونه‌گیری تصادفی نسبت به مقدار کلی جمعیت «واقعی» تغییر خواهد کرد، از آمار برای تولید طیف وسیعی از برآوردهای پارامترهای جمعیت استفاده می‌شود. ممکن است متوجه شده باشید که همه نظرسنجی ها شامل “حاشیه خطا” هستند. این آمار طیفی از نمرات در اطراف نتایج نظرسنجی را به دست می دهد تا نه تنها نتیجه واقعی انتخابات را تخمین بزند، بلکه یک “فاصله اطمینان” را نیز به دست می دهد که به دانشمندان نظرسنجی – و خوانندگان نظرسنجی – دامنه احتمالی نتایج انتخابات را می گوید. به عبارت دیگر، دانشمندان نظرسنجی می دانند که مقدار گزارش شده در نمونه بعید است که دقیقاً با نتیجه واقعی انتخابات مطابقت داشته باشد. در عوض، طیف وسیعی از نتایجی وجود دارد که نظرسنجی پیش‌بینی می‌کند. به همین دلیل، حتی زمانی که یک نظرسنجی به درستی برنده نهایی را پیش‌بینی نمی‌کند، این لزوماً نشان نمی‌دهد که نظرسنجی «اطلاعات غلط»، «اطلاعات نادرست» یا به هر طریقی شرورانه بوده است.

به عنوان مثال، یک نظرسنجی پیش از انتخابات واشنگتن پست در مورد رقابت های انتخابات ریاست جمهوری ایالات متحده در سال 2024 در پنسیلوانیا پیش بینی کرد که نامزد دموکرات در روز انتخابات 1 درصد بیشتر از نامزد جمهوری خواه رای خواهد آورد.(2) تفاوت گزارش شده در نظرسنجی، آماردانان “خطا” را 3% +/- می نامند، بنابراین اگر مجموع آرا واقعی در هر جایی باشد، این نظرسنجی می تواند “صحیح” در نظر گرفته شود. بین نتیجه 4 درصد به نفع نامزد دموکرات تا 2 درصد کل رأی به نفع نامزد جمهوری خواه. از آنجایی که نتیجه انتخابات برای نامزد جمهوری خواه در پنسیلوانیا 2 درصد برتری بود، (3) این نظرسنجی “دقیق” بود. اما رای دهندگانی که از نامزد دموکرات حمایت می کنند، بدون شک از نتایج انتخابات ناراضی هستند، زیرا اگرچه نظرسنجی در محدوده دقت نظرسنجی علمی دقیق بود، اما نامزد مورد نظر آنها در انتخابات شکست خورد.

روی دیگر سکه این است که حامیان نامزد جمهوری خواه ممکن است به این نظرسنجی نگاه کنند برآورد از یک درصد پیروزی برای نامزد دموکرات و به اشتباه به این نتیجه رسیدند که گروه نظرسنجی – و واشنگتن پست – با استفاده از “اطلاعات نادرست” یا بدتر از آن، “اطلاعات نادرست” سعی در گمراه کردن رأی دهندگان برای تأثیرگذاری بر نتیجه انتخابات به نفع نامزد دموکرات داشتند. ”

متأسفانه، هنگامی که نظرسنجی ها اشتباه می کنند، این می تواند به طور ناخواسته بی اعتمادی گسترده تری نسبت به علم و روش علمی ایجاد کند، به ویژه زمانی که مردم تعصب سیاسی را به طور بالقوه آلوده کننده نتایج تحقیقات و تفسیر می دانند. به طور قطع، سوگیری در علم یک چالش دیرینه است. محققان باید به طور فعال مطالعاتی را انجام دهند که سوگیری احتمالی را به حداقل برساند یا کنترل کند. به عنوان مثال، من بخشی از تیمی هستم که یک کارآزمایی بالینی از دو روش درمانی مختلف را برای کودکان با استفاده از کاشت حلزون انجام می‌دهد. در این مطالعه، من درباره اینکه کودک چه درمانی دریافت می‌کند، “کور” شده‌ام، بنابراین می‌توانیم مطمئن باشیم که آزمایش من به طور ناخواسته تحت تأثیر هیچ باور آگاهانه یا ناخودآگاهی که ممکن است در مورد اینکه کدام درمان من فرض می‌کنم بهتر است (یا بدتر) نیست، نیست. . نظرسنجی‌کنندگان، مانند هر دانشمند دیگری، باید دقیق باشند تا اطمینان حاصل کنند که سوگیری یا هر نقص روش‌شناختی دیگری به تحقیقات آنها لکه‌دار نمی‌شود.

بررسی دقیق نظرسنجی‌های انتخابات 2024 نشان می‌دهد که اگرچه بسیاری نشان می‌دهند که درصد کمی طرفدار نامزد دموکرات است که در نهایت شکست خورد، نتایج در “حاشیه خطا” قرار گرفت و بنابراین نباید به عنوان اطلاعات نادرست، اطلاعات نادرست یا غیرعلمی تلقی شود.

اما در مورد برخی دیگر از نظرسنجی‌ها که به‌شدت نادرست بودند و بسیار فراتر از هر گونه حاشیه خطای معقولی بودند، چطور؟ آیا این نظرسنجی ها باید به عنوان تامین کنندگان «اطلاعات غلط» یا «اطلاعات نادرست» معرفی شوند و در انتخابات آینده سانسور شوند؟

نظرسنجی Outlier Iowa

به عنوان مثال، چند روز قبل از انتخابات، یک نظرسنجی که در آیووا انجام شد توسط Des Moines Register با عنوان «نظرسنجی آیووا: کامالا هریس از دونالد ترامپ پیشی گرفت و نزدیک به روز انتخابات رهبری کرد، منتشر شد. این به این صورت است.» (4) داستان مزیت 3 درصدی را برای نامزد دموکرات گزارش می دهد. از آنجایی که این نظرسنجی توسط یک شرکت نظرسنجی معتبر با سابقه چندین دهه پیش‌بینی صحیح نتایج انتخابات انجام شد، نتیجه به طور گسترده در رسانه‌ها گزارش شد که نتیجه مثبتی را برای نامزد دموکرات در آیووا نشان می‌دهد. برخی از رسانه ها پیشنهاد کردند که این احتمالاً نه تنها در آیووا، بلکه در جاهای دیگر در غرب میانه صادق است، (5) حتی اگر نظرسنجی فقط نمونه ای از آیوایی ها را شامل می شد، و ثبت د موین به هیچ وجه «قابلیت تعمیم پذیری» را به هیچ یک پیشنهاد نمی کرد. ایالت دیگر این نظرسنجی دارای «حاشیه خطا» 3.4 درصد بود، به طوری که هر گونه اختلاف بین 0.6 درصد برتری رای جمهوری خواهان در آیووا تا 6.4 درصد رای برای نامزد دموکرات، نظرسنجی دقیقی در نظر گرفته می شود.

اما نتیجه واقعی انتخابات در آیووا (6) 13.6 درصد به نفع نامزد جمهوری خواه بود. بنابراین، نظرسنجی با 16.6٪ “خاموش” بود – تقریباً 5 برابر بیشتر از حاشیه خطا. بدیهی است که این نظرسنجی به شدت نادرست بود و علم “عادی” نشان می دهد که احتمال اینکه این یک نتیجه تصادفی باشد بسیار کم است. محاسبات تقریبی من نشان داد که احتمال این اتفاق به تنهایی تقریباً 0.0000010623 است.

این به شدت نشان می دهد که مشکلات اساسی در روش نظرسنجی وجود داشته است. یک خطای احتمالی این بود که نظرسنجی ها نتوانستند نمونه ای نماینده جمع آوری کنند، که اغلب اتفاق می افتد. همه دانشمندان و نظرسنجی‌ها با مشکلات نمونه‌گیری «غرض‌آمیز» آشنا هستند، بنابراین این نظرسنجی به طور بالقوه نمونه‌ای از یک شرکت نظرسنجی باتجربه است که به اندازه کافی نسبت به نتایج «غیرطبیعی» خود شکاک نیست. اکثر نظرسنجی‌های دیگر بیشتر با نتیجه واقعی انتخابات مطابقت داشتند، بنابراین این سازمان را می‌توان به درستی به دلیل عدم تایید نمونه‌ها و نتایج خود قبل از انتشار آنها مورد انتقاد قرار داد.

از آنجایی که این نظرسنجی در نهایت به طور قابل توجهی نادرست است، آیا “اطلاعات نادرست” یا بدتر از آن، “اطلاعات نادرست” بود؟ آیا داستان Des Moines Register که این نظرسنجی را گزارش می‌کند باید سانسور شود یا از رسانه‌های اجتماعی حذف شود؟

اصلاً غیرمعمول نیست که یک نظرسنجی فردی – یا یک مطالعه علمی فردی برای آن موضوع – یافته‌ای را گزارش کند که بعداً نادرست بودن آن ثابت شود. با این حال، قبل از انتخابات هیچ راهی برای دانستن اینکه آیا این نظرسنجی دور از ذهن است یا حقیقت وجود نداشت. این که این «واقعیت» پیش از انتخابات با یک «واقعیت» پس از انتخابات رد شد، قابل بحث نیست. اما چه می شد اگر نظرسنجی Des Moines Register در روز انتخابات درست بود؟ چگونه هر فرد، خبرگزاری یا رسانه ای می تواند «بداند» کدام نظرسنجی در حاشیه خطا است و کدام نه؟ من استدلال می کنم که ثبت نام – و این نظرسنجی – نباید محدود می شد و همچنین نباید در انتخابات آینده محدود می شد. صادقانه، من فرض می کنم که نظرسنجی های آینده منتشر شده توسط Des Moines Register و انجام این نظرسنجی به دلیل این نظرسنجی با شک و تردید بیشتری نگریسته خواهد شد.

نکته اینجاست که در نظرسنجی – و در علم – حفظ پلتفرم های باز، بدون سانسور بسیار مهم است. نظرسنجی‌کنندگان و دانشمندان باید آزادانه یافته‌های خود را منتشر کنند و در عین حال در مورد روش‌شناسی خود شفاف باشند. اگر و زمانی که رویدادها و داده های بعدی نشان دهند که روش شناسی ناقص یا عامل مداخله گر دیگری منجر به نتایج و نتایج نادرست شده است، نظرسنجی ها و دانشمندان نیز باید مایل باشند که خطرات ناشی از اثبات اشتباه بودن را بپذیرند. من استدلال می‌کنم که هر فرآیندی که برای برچسب‌گذاری آینده‌نگر و گذشته‌نگر «واقعیت‌ها» به‌عنوان «اطلاعات نادرست» یا «اطلاعات نادرست» طراحی می‌شود، باید در معرض تجزیه و تحلیل پزشکی قانونی قرار گیرد – و شک و تردید زیادی.