• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Otro
    Las encuestas electorales son más precisas si preguntan a los participantes cómo votarán los demás.

    Los resultados reales al 17 de noviembre cuentan los votos. Crédito:La conversación

    La mayoría de las encuestas de opinión pública predijeron correctamente al candidato ganador en las elecciones presidenciales de EE. UU. De 2020, pero en promedio, sobrestimaron el margen por el cual el demócrata Joe Biden derrotaría al presidente republicano Donald Trump.

    Nuestra investigación sobre los métodos de encuesta ha descubierto que las predicciones de los encuestadores pueden ser más precisas si van más allá de las preguntas tradicionales. Las encuestas tradicionales preguntan a las personas por quién votarían si las elecciones fueran hoy, o por el porcentaje de probabilidad de que voten por candidatos en particular.

    Pero nuestra investigación sobre las expectativas de las personas y los juicios sociales nos llevó a nosotros y a nuestros colaboradores, Henrik Olsson en el Instituto Santa Fe y Drazen Prelec en MIT, preguntarse si diferentes preguntas podrían arrojar resultados más precisos.

    Específicamente, Queríamos saber si preguntarle a la gente sobre las preferencias políticas de otros en sus círculos sociales y en sus estados podría ayudar a pintar una imagen más completa del electorado estadounidense. La mayoría de la gente sabe bastante sobre las experiencias de vida de sus amigos y familiares. incluyendo cuán felices y saludables son y aproximadamente cuánto dinero ganan. Así que diseñamos preguntas de encuesta para ver si este conocimiento de los demás se extendía a la política, y hemos descubierto que sí.

    Encuestadores, determinamos, podrían aprender más si aprovecharan este tipo de conocimiento. Preguntar a las personas cómo van a votar los que les rodean y agregar sus respuestas en una gran muestra nacional permite a los encuestadores aprovechar lo que a menudo se denomina "la sabiduría de las multitudes".

    ¿Cuáles son las nuevas preguntas sobre la "sabiduría de las multitudes"?

    Desde la temporada de elecciones presidenciales de EE. UU. De 2016, hemos estado preguntando a los participantes en una variedad de encuestas electorales:"¿Qué porcentaje de sus contactos sociales votará por cada candidato?"

    En las elecciones estadounidenses de 2016, esta pregunta predijo que Trump ganaría, y lo hizo con más precisión que las preguntas sobre las propias intenciones de voto de los encuestados.

    Durante la votación, el orden de Biden y Trump se varió aleatoriamente entre los participantes. Crédito:La conversación

    La pregunta sobre los contactos sociales de los participantes fue igualmente más precisa que la pregunta tradicional para predecir los resultados de las elecciones presidenciales francesas de 2017. las elecciones parlamentarias holandesas de 2017, las elecciones parlamentarias suecas de 2018 y las elecciones estadounidenses de 2018 para la Cámara de Representantes.

    En algunas de estas encuestas, también preguntamos, "¿Qué porcentaje de personas en su estado votará por cada candidato?" Esta pregunta también se basa en el conocimiento de los participantes sobre quienes los rodean, pero en un círculo más amplio. Las variaciones de esta pregunta han funcionado bien en elecciones anteriores.

    ¿Qué tan bien les fue con las nuevas preguntas de la encuesta?

    En las elecciones presidenciales de EE. UU. De 2020, Nuestras preguntas de "sabiduría de las multitudes" fueron una vez más mejores para predecir el resultado del voto popular nacional que las preguntas tradicionales. En la encuesta de USC Dornsife Daybreak Poll preguntamos a más de 4, 000 participantes cómo esperaban que votaran sus contactos sociales y qué candidato pensaban que ganaría en su estado. También se les preguntó cómo pensaban votar ellos mismos.

    Los resultados de las elecciones actuales muestran una ventaja de Biden de 3,7 puntos porcentuales en el voto popular. Un promedio de encuestas nacionales predijo una ventaja de 8,4 puntos porcentuales. En comparación, la pregunta sobre los contactos sociales predijo una ventaja de Biden de 3,4 puntos. La pregunta del ganador estatal predijo que Biden lideraba por 1,5 puntos. Por el contrario, la pregunta tradicional sobre las propias intenciones de los votantes en la misma encuesta predijo una ventaja de 9,3 puntos.

    ¿Por qué funcionan las nuevas preguntas de la encuesta?

    Creemos que hay tres razones por las que preguntar a los participantes de la encuesta sobre otros en sus círculos sociales y su estado termina siendo más preciso que preguntar sobre los propios participantes.

    Primero, preguntarle a la gente sobre otros aumenta efectivamente el tamaño de la muestra de la encuesta. Brinda a los encuestadores al menos algo de información sobre las intenciones de voto de las personas cuyos datos, de otro modo, podrían haberse omitido por completo. Por ejemplo, muchos no fueron contactados por los encuestadores, o puede que se haya negado a participar. Aunque los encuestados no tienen información perfecta sobre todos los que los rodean, resulta que saben lo suficiente como para dar respuestas útiles.

    Crédito:La conversación

    Segundo, sospechamos que a las personas les puede resultar más fácil informar sobre cómo creen que los demás podrían votar que admitir cómo ellos mismos votarán. Algunas personas pueden sentirse avergonzadas de admitir quién es su candidato favorito. Otros pueden temer el acoso. Y algunos pueden mentir porque quieren obstruir a los encuestadores. Nuestros propios hallazgos sugieren que los votantes de Trump podrían haber sido más propensos que los votantes de Biden a ocultar sus intenciones de voto. por todas esas razones.

    Tercera, la mayoría de las personas se ven influenciadas por los que les rodean. Las personas a menudo obtienen información sobre temas políticos de amigos y familiares, y esas conversaciones pueden influir en sus elecciones de voto. Las preguntas de la encuesta que preguntan a los participantes cómo votarán no capturan esa influencia social. Pero al preguntar a los participantes cómo creen que votarán los que los rodean, los encuestadores pueden tener una idea de qué participantes aún podrían cambiar de opinión.

    Otros métodos que estamos investigando

    Sobre la base de estos hallazgos, estamos buscando formas de integrar la información de estas y otras preguntas en algoritmos que podrían hacer predicciones aún mejores de los resultados de las elecciones.

    Un algoritmo llamado el "Suero de la Verdad Bayesiana, "da más peso a las respuestas de los participantes que dicen sus intenciones de voto, y los de sus círculos sociales, son relativamente más frecuentes de lo que piensan las personas en ese estado. Otro algoritmo, llamado "pronóstico de información completa, "combina las respuestas de los participantes en varias preguntas de la encuesta para incorporar información de cada una de ellas. Ambos métodos superaron en gran medida la pregunta de la encuesta tradicional y las predicciones de un promedio de encuestas.

    Nuestra encuesta no tuvo suficientes participantes en cada estado para hacer buenos pronósticos a nivel estatal que pudieran ayudar a predecir los votos en el Colegio Electoral. Como era, Nuestras preguntas sobre los círculos sociales y los ganadores estatales esperados predijeron que Trump podría ganar por poco el Colegio Electoral. Eso estuvo mal, pero hasta ahora parece que estas preguntas tenían en promedio un error más bajo que las preguntas tradicionales al predecir la diferencia entre los votos de Biden y Trump en todos los estados.

    Aunque todavía no sabemos los recuentos de votos finales para las elecciones de 2020, sabemos lo suficiente para ver que los encuestadores podrían mejorar sus predicciones preguntando a los participantes cómo creen que votarán los demás.

    Este artículo se vuelve a publicar de The Conversation bajo una licencia Creative Commons. Lea el artículo original.




    © Ciencia https://es.scienceaq.com