• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Andra
    Sms:a vänner till vän kan vara den mest effektiva väljarmobiliseringstaktiken under valet 2020

    Upphovsman:CC0 Public Domain

    Sms från vän till vän kan vara den nya dörr-till-dörr-bearbetningen som leder fram till valet 2020.

    Columbia-forskare har funnit att sms kan vara ett effektivt alternativ till konventionella, mobiliseringstaktik för väljare ansikte mot ansikte under covid-19-pandemin. Laget, som leddes av Data Science Institutes postdoktor Aaron Schein, fann att ett meddelande från en vän ledde till ökat valdeltagande under mellanårsvalet 2018. Den uppskattade effekten motsvarade dörr-till-dörr-bearbetning, ett viktigt fynd i den sociala distanseringstiden.

    Schein och hans medarbetare, inklusive statsvetaren Donald Green, DSI-medlem David Blei, DSI postdoktor Dhanya Sridhar, et al., samarbetat med Outvote, ett verktyg för att komma ur rösten, att genomföra studien.

    Outvote randomiserade en aspekt av deras system före mellanårsvalet 2018 för att diskret bedöma orsakseffekten av deras användares meddelanden på valdeltagandet. Columbia-teamet utvecklade en statistisk metod för att hantera utmaningarna med sådana data, och analyserade Outvotes tidigare resultat. Deras analys avslöjar bevis på stora och statistiskt signifikanta behandlingseffekter från vän-till-vän-mobiliseringsinsatser. Den statistiska metoden kan användas för att studera andra meddelandeinsatser från vän till vän.

    Schein använder statistiska modeller för att förstå och förutsäga faktorer som driver nya valdeltagande i politiska val i USA. Han erkänner att det kan vara utmanande att experimentellt studera vän-till-vän-tilltalanden. "Om studien är för påträngande, så att det hämmar naturlig interaktion, vi kan sluta med att mäta effekten av vän till vän vädjanden som är uppstyltade och oäkta. Å andra sidan, om den experimentella interventionen är för svag, vi kanske misslyckas med att uppskatta effekterna med precision, " han sa.

    Studien använde ett "light-touch"-schema, Schein sa, samtidigt som man injicerar tillräckligt med slumpmässighet i systemet för att identifiera orsakseffekter. "De statistiska utmaningarna vi övervinner för att uppskatta dessa effekter är sannolikt inneboende i alla studier av autentiska vän-till-vän-överklaganden och är kanske varför det har gjorts så få studier av detta slag hittills."

    Dessa forskningsresultat presenterades för 2020 International Conference on Computational Social Science (IC2S2 2020). Schein fick priset 2020 för bästa presentation under konferensen.


    © Vetenskap https://sv.scienceaq.com