• Principal
  • Notícia
  • O uso de previsões eleitorais na cobertura da campanha pode confundir os eleitores e diminuir a participação

O uso de previsões eleitorais na cobertura da campanha pode confundir os eleitores e diminuir a participação

Os eleitores de manhã cedo esperam para votar no dia da eleição. (Jessica McGowan / Getty Images)

Os americanos há muito estão familiarizados com as pesquisas de 'corrida de cavalos' que acompanham as eleições nos Estados Unidos. Mas desde 2008, uma nova ferramenta de pesquisa ganhou destaque, que não apenas sugere qual candidato está à frente em um determinado momento, mas também estima suaprobabilidadede vencer a eventual eleição.

Essas previsões probabilísticas podem dar aos eleitores em potencial a impressão de que um candidato vencerá de forma mais decisiva e podem até mesmo diminuir a probabilidade de votar, de acordo com um novo estudo realizado por Sean Westwood, de Dartmouth, Yphtach Lelkes, da Universidade da Pensilvânia, e Solomon Messing, da Pew Research. Centro.

O uso de tais previsões probabilísticas foi uma constante na cobertura da corrida presidencial de 2016, com uma média de 16 menções por dia em telejornais, segundo o estudo. E pelo menos em 2016, os veículos com públicos mais liberais tiveram mais cobertura. Os meteorologistas uniformemente favorecem Hillary Clinton para capturar a Casa Branca, com chances variando de 70% a 99%.

O novo estudo descobriu que números como esses podem deixar as pessoas com a impressão de que a corrida é muito menos competitiva do que quando veem os dados das pesquisas apresentados como a porcentagem dos votos que se espera obter - algo familiar ao público.

Mas a probabilidade pode ser difícil de entender, e pequenas diferenças nas projeções de corrida de cavalos de participação nos votos correspondem a grandes diferenças na probabilidade de um candidato vencer. As probabilidades são especialmente difíceis de entender para um único evento como uma eleição, como o colunista do New York Times David Leonhardt apontou recentemente. 'As pessoas entendem que se eles rolarem um dado 100 vezes, eles vão receber alguns 1's. Mas quando veem a probabilidade de um evento, tendem a pensar: isso vai acontecer ou não?

Essas previsões probabilísticas ganharam destaque depois que pelo menos uma delas previu com sucesso quase todas as disputas para o Senado estadual e resultados presidenciais em 2008. O número de artigos retornados pelo Google News que mencionam previsões probabilísticas aumentou de 907 em 2008 para 3.860 em 2012, para 15.500 em 2016 (dados de 30 de janeiro de 2017; os números exatos flutuam).



Para investigar como as pessoas interpretam as previsões probabilísticas, 4.151 participantes foram apresentados a uma hipotética corrida ao Senado dos EUA, em que 'O candidato A apóia a maioria das políticas que você apóia e é bem qualificado para o trabalho' e 'O candidato B não compartilha de suas opiniões e é menos qualificado do que o Candidato A '.

Os participantes então viram uma projeção eleitoral hipotética com base nos mesmos números subjacentes, mas apresentada na forma de:

  • avotar compartilhar, por exemplo, 'Espera-se que o candidato A ganhe 55% dos votos, ± 2' (ou seja, margem de erro de mais ou menos 2 pontos);
  • o equivalenteprobabilidadeque o Candidato A venceria, por exemplo, 'O Candidato A tem 87% de chance de vitória';
  • ouambos, 'Espera-se que o candidato A ganhe 55% dos votos, ± 2, e tem 87% de chance de vitória'. Normalmente, os previsores probabilísticos apresentam ambos os tipos de projeções, mas as probabilidades geralmente são mais proeminentes.

Em seguida, eles foram solicitados a avaliar a parcela de votos que esperavam que o Candidato A recebesse, comoprováveleles pensaram que o Candidato A venceria e comocertoeles eram o Candidato A ganharia ou perderia.

Aqueles expostos a previsões de probabilidade estavam mais confiantes em suas avaliações de qual candidato estava à frente e quem acabaria por ganhar, em comparação com aqueles mostrados apenas uma projeção da parcela de votos do candidato. Em todas as condições gerais, os participantes forneceram relatos imprecisos sobre a probabilidade de vitória.

Os resultados sugerem que a cobertura da mídia com previsão probabilística dá origem a expectativas muito mais fortes de que o candidato líder vencerá, em comparação com uma cobertura mais familiar da parcela de votos dos candidatos.

A maneira como as pessoas interpretam as estatísticas pode parecer irrelevante - a menos que essas interpretações afetem o comportamento. E há evidências de que sim: outra pesquisa mostra que quando as pessoas não têm certeza de quem vai ganhar uma eleição, elas votam em taxas mais altas, embora nem todos os estudos encontrem o mesmo efeito. Isso pode significar que, se os cidadãos se sentirem seguros de que a eleição quase certamente terá um rompimento depois de ler as previsões probabilísticas, alguns verão pouco sentido em votar.

Para testar se essas previsões podem manter as pessoas longe das pesquisas, os pesquisadores realizaram um segundo experimento com 1.171 entrevistados selecionados de um painel nacional de pesquisa não probabilística online, recrutado pela Qualtrics. Em vez de confiar na intenção de voto auto-relatada, o experimento consistiu em várias rodadas de um jogo econômico projetado para imitar os incentivos enfrentados por potenciais eleitores do mundo real. Os entrevistados podem decidir se pagam ou não uma pequena taxa para 'votar' em sua equipe, simulando os custos reais que os eleitores reais enfrentam, como o tempo que leva para votar. Se seu time ganhasse cada 'eleição', eles ganhariam dinheiro, ou perderiam dinheiro se seu time perdesse.

Antes de cada rodada, os entrevistados viram previsões probabilísticasevote e compartilhe projeções para sua equipe. Às vezes, esses números estavam perto de 50-50, às vezes eles representavam grandes margens ou grandes probabilidades. Os números exatos foram selecionados com base na atribuição aleatória, embora a participação nos votos e a probabilidade de uma equipe devessem estar abaixo ou acima de 50% - por exemplo, uma equipe pode receber 56% dos votos projetados e 63% de chance de ganhando.

Os resultados mostraram que as previsões probabilísticas com maior chance de um candidato vencer resultaram em pessoas que não gastaram os recursos necessários para votar no jogo. Em contraste, o tamanho das projeções de compartilhamento de votos não teve efeito detectável sobre a votação no jogo.

Para ter certeza, um jogo online pode apenas simular os cálculos que os eleitores em potencial fazem antes do dia da eleição, e nenhum dos estudos mede o voto real em uma eleição real. No entanto, o padrão sugere que ouvir a chance de um candidato de ganhar ou perder pode ter um efeito muito maior em sua propensão a votar do que saber o quanto está adiantado ou atrasado em termos percentuais.

O aumento do uso de previsões probabilísticas na mídia significa que podem ter efeitos adicionais a jusante. Outros estudos mostraram que a cobertura eleitoral tem efeitos secundários sobre as doações e mobilização, enquanto as percepções dos candidatos sobre a proximidade de uma eleição podem dar às campanhas um incentivo para investir mais em campanha e se esforçar mais para entender e implementar as preferências de seus constituintes.

Em suma, essas descobertas não são uma crítica aos dados subjacentes, aos processos estatísticos ou à precisão final das previsões probabilísticas. Em vez disso, eles falam sobre como as pessoasinterpretaressas previsões ecomporte-secom base nessas interpretações. Além disso, é importante destacar que o estudo não mostra que as previsões probabilísticas levam os eleitores asobreestimar a probabilidade de um candidato ganhar.

Mas as previsões probabilísticas dão aos eleitores uma impressão mais forte da certeza do resultado do que a apresentação das margens de voto, o que potencialmente tem um efeito significativo sobre a participação. E, como mostra o jornal, o efeito pode afetar desproporcionalmente um lado: é mais forte para o candidato que parece estar à frente nas pesquisas.

Nota: Leia onovo estudoem previsões probabilísticas por Sean Westwood de Dartmouth, Yphtach Lelkes da Universidade da Pensilvânia e Solomon Messing do Pew Research Center.

Facebook   twitter