مکانیسم آزمایش فهرست: چگونه نظرسنجی‌کنندگان آنچه مردم از اعتراف به آن سر باز می‌زنند را اندازه‌گیری می‌کنند

تصور کنید از ۱۰۰۰ نفر بپرسید که آیا مرتکب فرار مالیاتی شده‌اند. اگر ۵۰ نفر پاسخ مثبت دهند، تقریباً مطمئناً تعداد واقعی بیشتر است. وقتی انسان‌ها با سؤالاتی در مورد مصرف مواد مخدر غیرقانونی، تعصب نژادی یا قصد رأی‌گیری بحث‌برانگیز مواجه می‌شوند، دروغ می‌گویند.[3]

این پدیده به عنوان سوگیری مطلوبیت اجتماعی شناخته می‌شود. این تمایل پاسخ‌دهندگان است که به گونه‌ای به سؤالات پاسخ دهند که از نظر دیگران مطلوب تلقی شود، خواه از طریق مدیریت آگاهانه تصویر خود یا خودفریبی ناخودآگاه.[3]

برای دهه‌ها، این سوگیری روش‌شناسان نظرسنجی را آزار داده است. اگر نمی‌توان به پاسخ‌های سؤالات مستقیم اعتماد کرد، چگونه می‌توان شیوع رفتارهای حساس را اندازه‌گیری کرد؟ راه‌حل در یک رویکرد ریاضی غیرمعمول نهفته است: تزریق عمدی نویز به داده‌ها برای اعطای امکان انکار موجه به پاسخ‌دهندگان.[1][2]

ظریف‌ترین این روش‌ها، آزمایش فهرست است که به عنوان تکنیک شمارش موارد نیز شناخته می‌شود. به جای پرسیدن مستقیم از پاسخ‌دهنده که آیا دیدگاه حساسی دارد، نظرسنجی‌کننده از او می‌خواهد که تعداد کل گزاره‌هایی را که با آن‌ها موافق است، از یک فهرست ارائه شده گزارش دهد.[1]

نمونه به طور تصادفی به دو گروه تقسیم می‌شود. گروه کنترل فهرستی از گزاره‌های عادی و غیرحساس دریافت می‌کند—به عنوان مثال، «من از تماشای ورزش لذت می‌برم»، «من سگ دارم» و «من به خارج از کشور سفر کرده‌ام». از آن‌ها به سادگی پرسیده می‌شود: «چند مورد از این‌ها برای شما صادق است؟»[1]

گروه مداخله دقیقاً همان فهرست را به علاوه یک گزاره اضافی دریافت می‌کند: مورد حساس، مانند «من در ماه گذشته از مواد مخدر غیرقانونی استفاده کرده‌ام». نکته حیاتی این است که پاسخ‌دهندگان هرگز مشخص نمی‌کنند کدام گزاره‌های خاص صحیح هستند، بلکه فقط تعداد کل را اعلام می‌کنند.[1]

از آنجا که نظرسنجی‌کننده فقط یک عدد—مثلاً «۳»—را می‌بیند، هیچ راهی برای دانستن اینکه آیا مورد حساس یکی از آن سه مورد بوده است یا خیر، ندارد. این پوشش ریاضی ناشناس بودن، پاسخ‌دهنده را آزاد می‌گذارد تا بدون ترس از قضاوت یا تلافی، صادقانه پاسخ دهد.[1]

معجزه در تجمیع رخ می‌دهد. اگر گروه کنترل به طور متوسط ۲/۱ گزاره صحیح را گزارش کند و گروه مداخله به طور متوسط ۲/۴ را گزارش کند، تفاوت—۰/۳—نشان‌دهنده نسبت دقیق جمعیتی (۳۰٪) است که با گزاره حساس موافق هستند.[1]

با این حال، آزمایش‌های فهرست یک آسیب‌پذیری حیاتی دارند که به عنوان اثرات سقف و کف شناخته می‌شود. اگر یک پاسخ‌دهنده در گروه مداخله با تمام گزاره‌های عادی و گزاره حساس موافق باشد، پاسخ او «۴ از ۴» است. حریم خصوصی او فوراً از بین می‌رود. برای جلوگیری از این امر، طراحان نظرسنجی باید موارد کنترلی با همبستگی منفی را با دقت انتخاب کنند تا اطمینان حاصل شود که تقریباً هیچ کس به طور طبیعی با همه یا هیچ یک از آن‌ها موافق نیست.

یک رویکرد قدیمی‌تر و جایگزین، تکنیک پاسخ تصادفی است که توسط استنلی وارنر در سال ۱۹۶۵ معرفی شد. این روش متکی بر یک ابزار تصادفی‌ساز فیزیکی، مانند پرتاب سکه یا تاس، است که مصاحبه‌کننده نمی‌تواند آن را ببیند.[2][4]

در یک طراحی کلاسیک پرتاب سکه، از پاسخ‌دهنده یک سؤال حساس پرسیده می‌شود. او به صورت خصوصی یک سکه پرتاب می‌کند. اگر رو بیاید، باید صادقانه پاسخ دهد. اگر پشت بیاید، دوباره پرتاب می‌کند: رو به این معنی است که باید «بله» بگوید، و پشت به این معنی است که باید «خیر» بگوید.[4]

برای مصاحبه‌کننده، یک «بله» در سطح فردی بی‌معنی است—می‌تواند یک اعتراف صادقانه باشد، یا صرفاً نتیجه دو بار پرتاب سکه باشد. اما از نظر آماری، محقق دقیقاً می‌داند که چه مقدار نویز تصادفی به سیستم تزریق شده است.[4]

اگر از ۱۰۰۰ نفر نظرسنجی شود، تقریباً ۲۵۰ نفر مجبور می‌شوند «بله» بگویند و ۲۵۰ نفر مجبور می‌شوند «خیر» بگویند. ۵۰۰ نفر باقی‌مانده صادقانه پاسخ می‌دهند. با کسر حجم مشخص پاسخ‌های اجباری از نتایج کلی، محقق می‌تواند شیوع واقعی رفتار را جدا کند.[4]

هر دو روش با موفقیت سوگیری مطلوبیت اجتماعی را دور می‌زنند، اما مجازات آماری شدیدی را تحمیل می‌کنند. آزمایش‌های فهرست با افزودن متغیرهای غیرحساس، سیگنال را رقیق می‌کنند، در حالی که پاسخ تصادفی با افزودن پاسخ‌های مثبت مصنوعی، سیگنال را رقیق می‌کند.[1][2][5]

در نتیجه، هر دو رویکرد برای دستیابی به همان حاشیه خطای پرسشگری مستقیم، به حجم نمونه به مراتب بزرگ‌تری نیاز دارند. واریانس معرفی شده توسط موارد کنترلی یا پرتاب سکه به این معنی است که نظرسنجی‌هایی با نمونه کوچک نمی‌توانند به طور قابل اعتماد از این تکنیک‌ها استفاده کنند.[1][2][5]

با وجود هزینه، این روش‌های پرسشگری غیرمستقیم نشان‌دهنده پیروزی طراحی آماری هستند. تحلیلگران داده با فدا کردن قطعیت فردی، می‌توانند حقایق پنهان یک جمعیت را کشف کنند و با اعطای آزادی ریاضی به مردم برای صادق بودن، آنچه را که قابل اندازه‌گیری نیست، اندازه‌گیری کنند.[5]