Низ изборниот лавиринт
Со тренираниот модел спроведовме три експерименти во кои анализиравме 14.000 можни сценарија. Сценарија во кои моделот менуваше некоја или неколку од променливите и утврди веројатност за исходот од изборите. Не можевме да знаеме за тоа каков ќе биде резултатот. Но знаевме однапред дека споделувањето на резултатот некому нема да му се допадне.
Изборите се врвот на демократија. Тие се комплексни, динамични процеси, кои будат многу интерес. Го будат интересот на гласачите поради изложеноста на изборната кампања и пораките од политичарите. Додека интересот на аналитичарите се буди поради можноста да набљудуваат извонредно сложен однос помеѓу кандидатите, стратезите, експертите за односи со јавност и севкупноста на пораките од политички кампањи. Во денешниот дигитален свет оваа комплексност станува понагласена, а потребата од разбирање на однесувањето на гласачите, како и на самите избори добива на значење.
За потребите на испитување на јавното мислење за избори, уште во почетокот на 20 век било користено анкетирање.
Сепак, Џорџ Галуп ја популаризирал употребата на научно истражување на јавното мислење со неговото точно предвидување за претседателските избори во САД во 1936 година. Методите на Галуп направиле револуција на полето, докажувајќи ја ефективноста и потенцијалното влијание на анкетата во разбирањето и предвидувањето на изборните исходи. Тоа била основата за современите техники на анкетирање и интеграцијата на анкетата во стратегиите на политичката кампања.
Во дигиталната ера, има уште една веројатно многу софистицирана алатка, компјутерско моделирање, што ја издигнува анализата на изборите на нови височини. Обете методологии не се само обични академски алатки, туку имаат длабоки практични импликации, кои влијаат врз стратегиите на кампањите и го обликуваат јавното мислење во реално време.
Компјутерското моделирање при изборните процеси користи софистицирани алгоритми за анализа и предвидување на изборните резултати. Тоа вклучува собирање и синтетизирање различни типови податоци, вклучувајќи историски резултати од изборите, демографија на гласачите и актуелни политички трендови. Се користат напредни статистички методи и алгоритми за машинско учење за да се создадат модели што симулираат потенцијални изборни сценарија.
Овие модели можат да бидат многу софистицирани, вклучувајќи фактори какви што се моделите на однесување на гласачите, сентимент и општествено-политичката динамика. Спротивно на компјутерското моделирање, анкетирањето се заснова на директно собирање податоци од електоратот. Тоа вклучува спроведување анкети за да се измери јавното мислење за кандидатите и нивните програми. Точноста на истражувањето зависи од репрезентативноста на примерокот и неутралноста на поставените прашања. Современото анкетно истражување често користи дигитални технологии, иако традиционалните интервјуа лице в лице и натаму се опција.
И двете методологии бараат внимателно разгледување на предрасудите, големината на примерокот и квалитетот на податоците. Компјутерското моделирање, со неговото потпирање на историски и демографски податоци, мора постојано да се приспособува на променливите политички пејзажи. Анкетата, во меѓувреме, мора да ги надмине предизвиците на искреноста на испитаниците и поставувањето прашања. Во изборен контекст, овие алатки се од непроценливо значење за кампањите и аналитичарите во креирањето стратегии и разбирањето на чувствата на гласачите.
Силата на моделирањето лежи во неговата предвидлива моќ, нудејќи широка перспектива за можните изборни резултати. Тоа им овозможува на политичките кампањи и аналитичарите да ги предвидат резултатите од изборите и трендовите на однесувањето на гласачите, а со тоа да носат и информирани стратешките одлуки.
Од другата страна, анкетирањето, директно ги доловува моменталните чувства и мислења на електоратот.
Овие податоци во реално време се клучни за да се процени ефективноста на изборната стратегија или упатените пораки кон гласачите. Обете методологии доаѓаат со предизвици. Точноста на компјутерските модели зависи од квалитетот и репрезентативноста на внесените податоци, додека анкетата мора да се бори со предрасудите во однос на прашањата и пристрасноста на одговорите на учесниците.
FiveThirtyEight е пример за користење компјутерско моделирање во изборите. Методологијата на платформата користи напредно статистичко моделирање и комбинира историски податоци, тековни анкети, демографски информации и други варијабли во еден сеопфатен компјутерски модел, кој не само што предвидува кој би можел да победи на изборите, туку и ја пресметува веројатноста за секој од утврдените исходи.
Неколку години наназад, во Институтот ПРЕСПА работиме со неколку колеги на развивање и тренирање компјутерски модел за следење на изборите, нарушување на изборниот процес и однесување на гласачите. Главната цел на моделот беше да утврдува недостатоци и злоупотреба на изборниот процес. Конечно, минатата недела пред јавноста ја презентиравме ЕлектоМетар.
Притоа во истражувањето како влезни податоци беа вклучени описите на гласачките места, самите гласачки места и нивната геолокација, како и изборните резултати од сите изборни циклуси во периодот 2013 до 2021 година. Од изборните серии ги исклучивме локалните избори за градоначалници во 2013 и 2017, односно првиот круг од претседателските избори во 2014 и 2019 година. Од овој извор ги зедовме предвид и податоците за излезност за истиот временски период, 2013 – 2021, додека од Државниот завод за статистика во тренирањето на моделот ги вклучивме податоците од пописот 2021 година, односно демографијата на населени места прилагодена по изборни единици. На крајот ги вклучивме податоците од анкетните истражувања од минатото. Најпрвин ја анализиравме демографијата на политичките партии. Потоа третиравме намера за гласање и поддршката за политички партии, како и пропорции на поддршката за политичките партии. Земени беа податоци од анкети кои сме ги работеле во Институтот, како и податоци достапни од анкети на Меѓународниот републикански институт, Националниот демократски институт, и уште неколку македонски тинк-тенк организации.
При градењето на моделот направивме корелирање на демографијата на политичките партии со демографијата на населените места и корелирање на пропорциите по анкети, периодите на анкетирање и утврдените отстапки од изборни резултати.
Потоа направивме корелирање на гласачките места со резултатите по политичките партии и корелирање на гласачките места со излезноста на различните избори.
Тренирајќи го моделот утврдивме дека постои модел за излезност и однесување на гласачите на различните типови избори, како и гласачки места што можат да се сметаат како сигурни, или добитни места за секоја од политичките партии. Со други зборови, утврдивме врска помеѓу излезноста и резултатите на различни политички партии, како и дека личноста или други променливи имале многу мало влијание врз одлучувањето на изборите во минатото. Граѓаните гласале за политичка партија. На крајот, со тренираниот модел спроведовме три експерименти во кои анализиравме 14.000 можни сценарија. Сценарија во кои моделот менуваше некоја или неколку од променливите и утврди веројатност за исходот од изборите. Не можевме да знаеме за тоа каков ќе биде резултатот. Но, знаевме однапред дека споделувањето на резултатот некому нема да му се допадне.
За експериментите и резултатите ќе пишувам следната недела, овде само уште заклучокот дека спојувањето на компјутерското моделирање и анкетирање во изборите нуди повеќеслојност на анализата на изборниот процес. Моделирањето обезбедува макро ниво предвидување на изборните резултати, анкетирањето нуди микро ниво увид во сентиментот на гласачите. Заедно, обете методологии ја зголемуваат нашата способност да го разбереме и да го предвидиме изборниот процес, обликувајќи го не само начинот на кој се водат и се победува на изборите, туку и начинот на кој тие се перципираат и се разбираат од јавноста.
Рацин.мк
(Авторот е истражувач, директот на Преспа институт)
