Vďaka technológiám, ktoré nás dnes sprevádzajú na každom kroku, máme dnes k dispozícii dáta o našom pohybe počas roka.

Dáta z mobilov, pripojenia na internet a aplikácií, ktoré využívame, nám dnes slúžia aj na prevenciu pred Covid-19. Zároveň, to čo sa v minulosti zdalo ako najväčšie zlo globálnych firiem (sledovanie pohybu), sa dnes počas pandemickej situácie úplne bežne používa na hodnotenie a predikciu vývoja situácie do budúcnosti. Ako sa čísla u nás počas roka teda menili?

Google, Apple a Facebook dáta — aký je rozdiel?

Globálne spoločnosti, ktoré sa rozhodli zverejňovať dáta o pohybe, sú najznámejšie 3: Google, Apple a Facebook. Každá spoločnosť sa venuje prevádzke inej technológie, a aj dáta, ktoré o svojich užívateľoch, sú rôzne. Niektoré sú z podstaty presnejšie, niektoré sú menej relevatné, no aj na ich základe dokážu dnes analytici na Ministerstve Zdravotníctva alebo iných výskumných inšitútov posudzovať zmenu správania u veľkých más užívateľov.

a) Google dáta

Google dáta zachytávajú správanie ľudí, ktorí sa prihlasujú do aplikácie vyhľadávania na Google.com a ďalších službách. V Google má každý užívateľ (napríklad aj služby Gmail) vytvorený profil, v ktorom sa zaznamenáva poloha, teda z ktorej lokality sa prihlasuje do vyhľadávania. V prípade, že sa prihlasuje z oblastí definovaných ako pracoviská, rezidenčné zóny a dopravné uzly, Google ukladá tieto dáta podľa týchto špecifikácií. Kedže aplikácia Google.com patrí dlhodobo medzi najnavštevovanejšie stránky, spoľahlivosť takýchto dát bude dostatočne vysoká.

Začiatkom minulého roka sa Google rozhodol zverejňovať 6 nasledujúcich kategórií dát, podľa lokalít z ktorých sa ľudia prihlasujú.:

• Dopravné uzly a stanice
• Maloobchod a rekreácia
• Pracoviská
• Potraviny a lekárne
• Rezidenčné zóny*
• Parky*

Práve posledné dve kategórie obsahujú údaje, ktoré z tými vyššími korelujú opačne. Ak klesá podiel ľudí prihlasených z pracoviska, stúpa podiel ľudí prihlasených z rezidenčných domov. Úplne zatvorenie prevádzok zároveň prinieslo aj väčší počet vychádzok do prírody, v malých skupinách a osamote, čo je vidieť na dátach v kategórií Parky. Z toho dôvodu som ju spolu s rezidenčnými dátami z vizuálizáci vylúčil.

Ako metriku si Google zvolil zmenu oproti benchmarku, základnej hodnote, ktorou sa stal priemer mobility ľudí do 6. februára 2020.

b) Apple dáta

Apple ako výrobca mobilných zariadení zbiera údaje zo zariadení, keď človek využíva dáta v mobile/ tablete. Google dáta zbierajú signály, prihlásenia a porovnávajú ich z bežným režimom. Pri presune alebo jazde však nemusíte mať zapnutý dáta prenos, a v tom sa líšia dáta od Apple.

Narozdiel od prihlasovania na stránku Google, dáta Apple reportuje v prípade, že presun zodpovedá jazde v aute/ dopravných prostriedkoch počas režimu online. Napríklad pri využívaní navigácie Waze, Sygic, Google či Apple maps, dáta potrebujete mať zapnuté, aby ste získavali aktuálne údaje o vašej ceste. Z toho dôvodu dáta od Apple majú výpovednejšiu hodnotu o presune, hoci pokrývajú len automobilovú dopravu.

*Poznámka: Apple reportuje aj dáta pohybu za chôdze, ale len za Bratislavský kraj. Tieto dáta pri vizualizácií pre celé Slovensko nevyužívam.

Facebook dáta mobility sleduje prihlasovanie do aplikácie z jednotlivých lokalít, podobne ako Google, no nanešťastie, pre Slovensko dáta nezverejňuje (afaik).

Prečo je mobilita dôležitá?

V priebehu roka, ale najmä s rastúcimi číslami nakazených za posledné mesiace, sa nám potvrdilo, že akékoľvek vybavenie nemocníc a opatrenia nezabránia šíreniu koronavírusu efektívnejšie, ako dodržiavanie týchto opatrení. Dáta mobility nám preto aj na Slovensku pomáhajú sledovať a reagovať na správanie obyvateľstva (hoci s akýmsi meškaním: Google 6–7 dní neskôr, Apple 1–2 neskôr).

Na záver pripájam vizualizácia kompletných dát pre Slovensko, teda zjednotenie dát od Google a Apple, ako aj krivku, ktorá modeluje spoločný trend počas daných dní.* Tu môžete vidieť, aký efekt mali jednotlivé “lockdowny”, zatvárania ekonomiky a obyvateľstva, počas priebehu pandémie do koncaminulého roka.

*Poznámka: jedná sa o lineárnu polynomiálnu regresiu vyššieho rádu.

Ďakujem za každý komentár a zdieľanie.
Viac dát a vizualuzácií na stránke FB: “@OPolitikeSK”

Mobilita na Slovensku za rok 2020 was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

Ako nám údaje štatistického úradu môžu pomôcť odhaliť vzťah medzi typom sídla a voličskou preferenciou?

V rámci tvorby máp a grafov pre FB stránku Opolitike som sa pred časom zameral na rozdiel vo výsledkoch volieb na vidieku a v mestách. Viedla ma k tomu informácia na stránke Our world in data podľa ktorej patrí Slovensko v Európe medzi jednu z mála krajín s klesajúcou urbanizáciou. Znamená to, že na rozdiel od okolitých krajín ako Maďarsko, Poľsko či Česká republika, na Slovensku stúpa podiel ľudí, ktorí žijú v obciach menších ako 5 000 obyvateľov.

Zaujímalo ma preto, aký bol rozdiel vo voľbe ľudí žijúcich vo veľkých obciach (mestách) oproti tým menším. Tak vznikol prvý graf porovnania medzi výsledkom strán vo voľbách v mestách a na vidieku.

Vo všeobecnosti sa na vidieku darilo viac než v sídlach nad 5 000 obyvateľov stranám ako SMER-SD, ĽSNS, SMK, KDH ale aj Sme rodina. Naopak, v obciach pod 5 000 obyvateľov mali horšie výsledky strany SAS, koalícia PS/SPOLU či strana Za ľudí.

Pripomínam, že na Slovensku máme podľa údajov 2 769 obcí pod 5 000 obyvateľov, a 157 obcí nad 5 000 obyvateľov. Urobiť takéto porovnanie teda bolo jednoduché, ale nedáva nám odpoveď na otázku, či mestské oblasti môžeme považovať za akési centrá liberálnych hlasov v krajine.

Veľmi podobne sa tomu už venoval analytik Jake Low v blogu na stránke Observable, ktorá sa venuje dátovej analytike. V článku porovnával hustotu obyvateľstva okreskov v USA a pomer hlasov medzi 2 kandidátmi na prezidenta v 2016. Inšpiroval som sa preto jeho spracovaním voličských preferencií a zapracoval do porovnania hustotu obyvateľstva aj na Slovensku. Tento údaj je ľahko dostupný na stránke Štatistického úradu, zohľadňuje však intravilán a extravilán dokopy, preto výpovedná hodnota tejto analýzy má byť len ilustračná.

Vplýva hustota osídlenia na volebné výsledky na Slovensku?

Pozrime sa teda na hustotu obyvateľstva (vypočítanú ako pomer obyvateľov a rozlohy katastra obce) na Slovensku. Na Slovensku máme podľa údajov z 2019 obcí s hustotou vyššou ako 1000 obyvateľov na km2 presne 29. Tvoria ich najmä centrá veľkých miest ako Bratislava, Košice, Žilina, Prievidza alebo Humenné. Na opačnom spektre, obcí do hodnoty 10 obyvateľov na km2 je na Slovensku o niečo viac, 122, a patria medzi ne aj vojenské obvody či obce vo Vysokých a Nízkych Tatrách. Mediánová hodnota na Slovensku vychádza na 59 obyvateľov na km2.

Podľa mapy vyššie preto môžeme vidieť, že niektoré oblasti miest majú násobne, niekedy aj 100x väčšiu hustotu osídlenia ako väčšina územia. Budú výsledky v týchto hustejšie obývaných sídlach korelovať?

Už v minulosti som pritom pripravil podrobnú mapu na úrovni obcí, ktorá prezentovala víťaza volieb. Na mape môžeme napríklad vidieť, že mimo južných oblasti s maďarskou menšinou, si drvivú väčšinu víťazstiev po obciach rozdelili OĽANO a SMER.

Výsledky obcí podľa víťazov vo voľbách vo februári 2020 mi však v tomto prípade nepomohli, pretože na výpočet som potreboval výsledky všetkých strán vo všetkých obciach. Aj tie som teda získal z dát Štatistického úradu a hustotu a volebný výsledok všetkých strán sa pokúsil zmapovať najprv na bodový diagram. Ten nám odhalí rozloženie výsledkov strán (os x) podľa hustoty obyvateľstva (os y).

[*načítavanie môže chvíľu trvať, ide o cca 70k dátových bodov]

Podľa námatkových bodov môžeme vidieť, že miesta s veľkou koncentráciou ľudí vyhrávali prevažne strany súčasnej koalície. Strany, ktoré by sa dali označiť ako viac liberálne na politickej scéne, v týchto výsledkoch bodujú porovnateľne lepšie v obciach s vyššou hustotou. Aká mi teda vyšla korelácia medzi hustotou a výsledkom konkrétnych strán?

V rámci porovnania vychádza korelácia (Pearson r) pri vybraných stranách od 0.2 po -0.1. Vybrané sú v grafe strany, pri ktorých p-value, signifikancia, vyšla dostatočne silná (p-value < 0.05). Tu môžeme vidieť, že liberálne strany naozaj získavajú silnejšie v oblastiach s vyššou hustotou obyvateľstva, ide však o relatívne slabú koreláciu (0.2 z 1). Zároveň, pri pohľade na strany s negatívnou koreláciou môžeme týmto potvrdiť, že v oblastiach s nižšou hustotou obyvateľstva získavajú najviac strany ako SMER, SNS, a ĽSNS. Ani v ich prípade však hustota obyvateľstva nie je ten dominantný prediktor na volebný úspech (-0.1 z -1).

A ako by sa to zmenilo, ak by sme brali do úvahy výsledky strán na úrovni krajov?

Záver:

Na grafoch vyššie môžeme vidieť, že v obciach s vysokou hustotou obyvateľstva, špeciálne v Bratislavskom kraji, je korelácia medzi hustotou obyvateľstva a voľbou konkrétnej strany relatívne významná (výraznejšia než na vzorke celého Slovenska). Táto korelácia, v závislosti od konkrétnej strany, môže ísť oboma smermi. V prípade liberálno-demokratických strán* (Koalície PS/SPOLU, SAS, Za ľudí) môžeme povedať, že čím hustejšie osídlená obec, tým lepší volebný výsledok. V prípade Oľano, Sme rodina a ĽSNS platí presný opak. Strany sa na základe tohto môžu poučiť, ako prispôsobiť svoju komunikáciu voči skupine, u ktorej je ich korelácia pozitívna/negatívna.

Note: môžem sa mýliť, pripájam preto rovnice použité pre výpočet korelácie medzi hodnotami. Za každú spätnú väzbu vopred ďakujem.

BigQuery (#standard SQL):
N ako počet hodnôt, “=COUNT(*)”
Korelácia (Pearson coefficient) ako “=CORR({hustota},{výsledky})”
Kritická hodnota (t)** ako “=safe_divide((CORR({hustota},{výsledky})*SQRT(COUNT(*)-2)),(SQRT(abs(1-(power(CORR({hustota},
{výsledky}),2))))))”

MS Excel:
p-value ako “=T.DIST.2T(ABS(t),N–1)”

Zdroj: real-statistics.com, educba.com

Inšpirácia: https://observablehq.com/@jake-low/how-well-does-population-density-predict-u-s-voting-outcome

Volia ľudia v mestách viac liberálne? was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

3 + 1 dôvod, prečo je sledovanie “úspešnosti” politikov online zlý nápad

Zachytil som (na Facebooku) vznik aplikácie Populi, ktorá prináša pre širokú verejnosť možnosť sledovať počty reakcií na stránkach politikov. Podobné návrhy a riešenia tu už boli predtým, tu však vidím minimálne 3 veľmi jasné defekty. Okrem toho, že chýba zoznam politikov a stránok za jednotlivé strany (a niektorí sú zaradení očividne nesprávne), problémy vidím najmä v spojení s prezentáciou dát, pomenovaním metrík a chýbajúci širší kontext na tejto stránke, a prinášam preto tento krátky prehľad.

Ak máte čokoľvek na doplnenie, pridajte prosím komentár nižšie, ďakujem vám za diskusiu vopred.

Prečo je to celé zlý nápad?

A.) Pretože sledujeme len absolútne čísla a nepoznáme celkovú vzorku

Myslím, že bude dostatočne zrozumiteľné v tejto dobe, ak poviem, že je rozdiel, ak z počtu otestovaných 15 000 budeme mať v pondelok nakazených 500 ľudí, a keď budeme mať v nedeľu predtým rovnaký počet nakazených (500) z celkového počtu 1 000. Rovnako ako v tomto prípade, na grafoch nevidíme celkové počty, ktoré môžu interpretáciu “sily”, “vplyvu” a “úspešnosti” skreslovať.

Problém vyhodnocovania výkonnosti reklamných platforiem (nielen u Facebooku) vychádza práve z toho, že nevieme určiť podiel, lebo nepoznáme celkový počet za daný deň. Z dát čítanosti médií aj na Slovensku sa dá povedať, že externý kontext mení celkové počty vo výnimočných situáciách dostatočne výrazne (voľby, svetová pandémia, ako aj celospločenské pohyby — napr. vyhlásenie celoplošného testovania a diskusia okolo neho, či priebeh súdu a odsúdenie vodcu extrémistickej strany na súde). Iné to nebude ani v prípade Facebooku. Každý týždeň sa nájde niečo nové, čo otrasie mediálnym svetom.

B.) Sledujeme signály od nereprezentatívnej vzorky ľudí bez váženia týchto signálov — selektujeme a ostrakizujeme publikum

Jeden z dôvodov prečo sú politici ako Mazurek, Uhrík, Kotleba a Blaha výrazní na svojich sociálnych sieťach je fakt, že interakcia s nimi sa neodohráva nikde inde. Je to výsledok (pozn. pozitívny) ostrakizácie extrémnych názorov mimo mainstreamových spravodajských médií. Títo politici nemajú inú možnosť, a rovnako tak aj ich fanúšikovia, čítať a sledovať ich názory nikde inde. Tu majú samozrejme šancu prikrášľovať a používať framing, ale stále je to myslím málo.

Igor Matovič, právoplatne zvolený do parlamentu, v súčasnosti premiér, nemusí a nepotrebuje pre svoje zviditeľňovanie využívať výhradne svoj Facebook. Na zavolanie je v TV pred 500 tis. divákmi v hlavnom vysielacom čase (Televízne noviny o 19:00) na najsledovanejších (a súkromných) televíziach TV Markíza a TV JOJ. Tu však spätná väzba (komentáre, reakcie, zdieľania) možné nie sú, resp. odohrávajú sa pod jednotlivými príspevkami na profiloch TV, rádia, novín, atď. Interakcie sú preto len malou časťou spätnej väzby na jeho osobnom profile, hoci jeho viditeľnosť je násobná (a vďaka popísanému dizajnu ostrakizácie aj neporovnateľná s politikmi za Smer a ĽSNS vyššie).

C.) Sledujeme signály bez rozoznávania či sa jedná o skutočného užívateľa na Slovensku, užívateľa reagujúceho na politikov zo zahraničia, alebo umelo prevádzkovaného bota za účelom šírenia signálov medzi ľuďmi

Podľa expertov a politológov z prestížnych univerzít, ktorí spolupracujú na vyhodnocovaní hybridných hrozieb spolu s Facebookom, sa na tejto sociálnej sieti nachádza 5% falošných účtov (boti) a ďalších 11% sú duplikáty existujúcich užívateľov (link nižšie).

Infographic: 16% of All Facebook Accounts Are Fake or Duplicates

Z ponúkaných počtov reakcií vyššie nevieme povedať, aké percento reakcií tvoria skutočne ľudia, ani či sa nachádzajú na Slovensku alebo v iných krajinách.

Úprimnosť na záver:

Čo vyššie spomínané platforma a jej podobné merajú a poskytujú vo forme grafov, nie je “úspešnosť politickej kampane”. Merajú rozhorčenie užívateľov na sociálnych sieťach. A tak by sa to malo aj pomenovať, v opačnom prípade ide o nebezpečný framing pre celú spoločnosť.

Podľa pomenovania vyššie by totiž u mňa najúspešnejší politici boli Anna Záborská, Boris Kollár, Igor Matovič a Ľuboš Blaha. Pre žiadneho z nich by som však nikdy hlas do urny nehodil, a fakt, že akýkoľvek graf dokáže z moje podráždené reakcie na ich ustrelené nápady interpretovať ako ich “úspech”, je skreslenie (možno rovno aj klamstvo).

Toto sú moje výhrady k meraniu “úspechu” cez online rozhorčenie (angl. outrage). Najviac na tom však prekáža jazyk, a to konkrétne pomenovania ako “úspech”, “najvplyvnejší”, “najsilnejší”, v spojení s týmto rozhorčením.

Každý marketingový stratég vám povie, že úspech akejkoľvek aktivity, kampane, plánu, začína pri jeho plánovaní — záleží preto na pomenovaní merateľných (SMART) cieľov.

Čo podľa vás nastavujeme ako metriku úspechu, my ako spoločnosť (sprostredkovane), ak nazývame “úspechom” burcovanie obyvateľstva?

Myslím, že sa jedná o veľmi špecifické dáta a interpretáciu na pomedzí politológie, marketingu a dátovej analytiky digitálneho priemyslu. Táto kombinácia zručností v spoločnosti nebude úplne najbežnejšia. Osobne očakávam, že dáta môžu byť a často budú nesprávne interpretované, ako sa to párkrát stalo aj pred voľbami, počas prebiehajúcej predvolebnej kampane.

Na základe prehľadu v behaviorálnych vedách a UX tvrdím, že dizajn mení správanie ľudí najefektívnejšie, a tu v priamom prenose môžeme vidieť dizajn očakávaní spoločnosti, ktorá od politikov ako meradlo úspechu bude očakávať rozoštvávanie ľudí na internete. A to nie je ani správne, ani prínosné.

Autor je dátový analytik čítanosti a predaja pre svetové spravodajské médiá.

Aký je váš názor? Napíšte prosím svoj komentár nižšie.

Je dnes cieľom politikov vybičovať vášne ľudí na internete? was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

2020 — Výsledky volieb do NRSR

V ktorých obciach na Slovensku vyhralo Oľano a v ktorých SMER-SD?

29. februára sa konali voľby do NRSR, v ktorých kandidovalo dokopy 23 strán a jedna koalícia. Na mape nižšie môžeme vidieť zafarbenie obcí podľa víťaza volieb v danej obci (podľa najvyššieho počtu získaných hlasov).

Viac zaujímavých grafov, máp a dát ku politike, médiám a politickému marketingu nájdete na FB stránke a IG účte: OpolitikeSK.

Newsletter pripravujem. Prihláste sa ešte dnes.

2020 — Výsledky volieb do NRSR was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

2017 — Výsledky volieb do VÚC

Ktoré strany vyhrali v ktorých obciach vo voľbách vo VÚC v roku 2017?

2017 — Výsledky volieb do VÚC was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

2018 — Výsledky volieb do samospráv (obcí a miest) na Slovensku

V ktorých obciach vyhrali ktoré strany v komunálnych voľbách v 2018?

Viac zaujímavých grafov, máp a dát ku politike, médiám a politickému marketingu nájdete na FB stránke a IG účte: OpolitikeSK.

Newsletter pripravujem. Prihláste sa ešte dnes.

2018 — Výsledky volieb do samospráv (obcí a miest) na Slovensku was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

2019 — Výsledky volieb do Európskeho parlamentu

Ktoré strany vyhrali v jednotlivých obciach na Slovensku vo voľbách do Európskeho parlamentu?

2019 — Výsledky volieb do Európskeho parlamentu was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

2019 — Výsledky prezidentských volieb (1. a 2. kolo)

Aký bol rozdiel medzi výsledkami kandidátov v 1. a 2. kole? Ktoré obce a okresy vyhrala jednoznačne Zuzana Čaputová?

2019 — Výsledky prezidentských volieb (1. a 2. kolo) was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

Z času na čas je každý z nás nespokojný so smerovaním politiky na Slovensku — niekto viac, niekto menej.

Ak patríte do skupiny ľudí, ktorí sú prekvapení, že až tak veľa vecí sa napriek sile občianskej nespokojnosti vo voľbách vo februári 2020 nezmenilo, pozrime sa bližšie na systém reprezentatívnej demokracie na Slovensku. Systém (alebo dizajn, alebo architektúra volieb) totiž bude vždy zaručovať podobný výsledok, za akýchkoľvek okolností, pokiaľ sa tento systém nezmení. *

NRSR 2020

Vo voľbách do Národnej rady v 2020 kandidovalo na kandidátnych listinách 24 hnutí, strán či koalícií dokopy 2691 kandidátov. Poslancov NRSR je vždy maximálne 150.

Europarlament 2019

V roku 2019 sa konali voľby do Európskeho parlamentu, kde Slovensku patrí z celkových 705 kresiel 14 (+1 po vystúpení Veľkej Británie z EÚ). Na miesto 14 europoslancov kandidovalo dokopy 349 kandidátov za 29 strán a 2 koalície.

Komunálne voľby 2018

V komunálnych voľbách v roku 2018 kandidovalo v 2919 obciach spolu 7131 kandidátov na starostov. Okrem nich sa zároveň konali voľby aj obecných a mestských zastupiteľstiev, kde kandidovalo dokopy neznámy počet* kandidátov, z ktorých zvolených bolo 20 732.

(*Neznámy kvôli tomu, že Štatistický úrad zverejňuje za rok 2018 súmár za všetkých kandidátov iba v prípade, že na zratúvanie používali obce nový informačný systém IVIS.)

Voľby do VÚC 2017

Vo voľbách do VÚC v 2017 kandidovalo na miesto župana dokopy 92 kandidátov (dokopy máme 8 krajov), a 2901 kandidátov na miesta 416 krajských poslancov.

A ak započítame aj prezidentské voľby v 2019, v prvom kole kandidovalo dokopy 13 kandidátov.

Kedže kandidáti sa počas rokov opakujú, nie je možné určiť presne koľko kandidátov na politických reprezentantov na Slovensku skutočne máme. Časť z nich sa bude opakovať, v každých voľbách, na akúkoľvek pozíciu, ak nájdu dostatočnú podporu.

Môžeme to však skúsiť približne odhadnúť z počtov vyššie, kedy nám vyjde približne 66 tisíc kandidátov na politické funkcie. Ak k tomu prirátame stranícke štruktúry 66 aktívnych strán (november 2019), môžeme sa dorátať na číslo okolo 70 000 aktívnych politikov. To je 70 000 politických predstaviteľov na 5,4 milióna obyvateľov, v priebere jeden politik na 77 obyvateľov.

Pýtam sa, ak sa menej než 1,2% obyvateľov venuje politike minimálne, nie na plný úväzok, ale aspoň vo forme hobby či vo forme aktivizmu v ich vlastnom regióne, je to veľa alebo málo?

Link na zdroj: https://volby.statistics.sk

P.S. Vedeli ste, že …

V komunálnych voľbách v 2018 až 762 obciach bolo o starostovi/ primátorovi rozhodnuté už celé týždne pred voľbami?

V týchto obciach totiž kandidáti nemali ani jedného protikandidáta, a na výhru teda potrebovali (minimálne) 1 hlas.

Viac zaujímavých grafov, máp a dát ku politike, médiám a politickému marketingu nájdete na FB stránke a IG účte: OpolitikeSK.

Newsletter pripravujem. Prihláste sa ešte dnes.

Je politika na Slovensku systém pre menej než 1% obyvateľov? was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.

Čítať zoznamy dôkazov PRE a PROTI rôznym fenoménom, ktoré používajú internetoví diskutéri na facebooku, twitteri, reddite môže byť aktivita plná emócií. Je to zároveň istá cesta k zlým záverom.

Do rozhodovania, či nás americkí agenti cez sociálne siete ovplyvňujú rovnako ako tí ruskí, a či liberáli utláčajú slobodu viac ako konzervatívci, by malo vstupovať minimum emocií. V týchto diskusiách ide pritom často o presný opak.

V modernom štýle propagandy už nejde ani tak o čistú dezinformáciu, vyfabrikovanú informáciu, ale o zahltenie verejného priestoru protirečivými informáciami, resp. informáciami s rôznou kvalitou. V týchto sa potom snažia ideologickí diskutéri hladať vzorce (ang. patterns), a ide im to jednoducho, pretože ľudský mozog túži hľadať prepojenia, a vidí ich aj tam, kde nie sú (viď “pareidolia”).

V tomto diskurze slúžia zoznamy dôkazov ako kyjak v diskusii, ktorým ovalíme diskutéra, a následne odtiahneme do jaskyne, z ktorej viac nenájde cestu späť. Nie preto, že by spísané dôkazy nemali žiadny význam, skôr preto, že na posúdenie a zhodnotenie, sa na ne treba pozorovať ako na nezávislé náhody, než ich môžeme zaradiť, kategorizovať, pridať na misku váh.

Vzdorovať vlastnému mozgu/robiť unáhlené závery môže byť prvýkrát náročné, a preto ponúkam 3 problémy z oblasti dátovej analytiky, ktoré je dobré si uvedomiť, ak sa pozeráme na akýkoľvek zoznam “dôkazov”.

Súčty namiesto trendu na časovej osi

Prvým dôvodom, prečo zoznamy dôkazov nemajú zmysel, je samotné množstvo prípadov, zobrazených naraz ako zoznam. To môže v prvých sekundách indikovať, že ide o “obrovský” počet prípadov — > práve teraz <--, že dnes/ teraz sa deje nejaký fenomén, že to rastie, nebodaj dokonca epidemicky.

Ide o omyl: zoznam akýchkoľvek prípadov bude určite za nejaké obdobie (mesiace, roky, možno 5 alebo 10 rokov). Nejde teda o rastúci trend na časovej osi, ale súčet počtu výskytov udalostí (agregát) za celé toto obdobie. Naviac tu môže byť problém, z akej veľkej oblasti sú fenomény zbierané, z akej celkovej vzorky populácie (1 zo 100 nie je 1 z 1 milióna).

Status quo preferencia

Druhým dôvodom je výber prípadov v čase. Ak vyberáme do zoznamu dôkazov z celého časového obdobia, prirodzene vyberieme staršie prípady, kde môže byť proces diskusie ukončený — majú svoj pevný status quo. Zároveň, ak k nim však zaradíme aj prípady nové, aby sme napríklad navodili dojem, že sa to deje aj dnes, nielen v minulosti, máme problém. Zaraďujeme aj prípady, kde diskusia nemala dostatok času prebehnúť. Každý z prípadov sa pritom bude v čase vyvíjať, budú sa vyvíjať pohľady naň, a prípady zaradené z rokov 2004 a 2014 nedávajú spolu zmysel.

Neznáma populácia

Dôvodom, prečo nebudú takéto agregáty za celé obdobie dávať zmysel je, že dokumentujú len jednu stranu mince. Na to, aby sme vedeli povedať, že je toho a toho javu v spoločnosti veľa, napr. drobnej kriminality, musíme vedieť celkové číslo všetkej registrovanej kriminality (tzv. celkovú populáciu, a zabudnime pritom na chvíľu, že sa deje aj neregistrovaná kriminalita, aj keď by sme nemali. Nemali by sme totiž zabúdať na dáta, ktoré nevieme zmerať, hoci v skutočnosti existujú. Toto sa mimochodom nazýva Survivorship bias).

Iba z celkovej “populácie” vieme porovnať, či sa v našom prípade jedná o 80% všetkých udalostí alebo len o 0.001% prípadov. Pomocou pomeru alebo frekvencie výskytu vieme povedať na základe porovnania, napr. s inými krajinami, alebo za rovnako dlhé predchádzajúce obdobie, či je výskyt pozitívny alebo negatívny (alebo či sa vôbec mení v čase).

A samozrejme, okrem logických skreslení z oblasti analytiky, sú takéto zoznamy problematické pre ďalšie a ďalšie behaviorálne a kognitívne skreslenia, ako napr.:

• Agent detection
• Bandwagon effect
• Clustering illusion
• Confirmation bias

až po …

• Ultimate attribution error

Vyhodnotiť akýkoľvek trend, či sa vôbec jedná o trend, a nie len náhodný výskyt, by nemalo zabrať iba pár sekúnd, len na základe toho, že to niekto tvrdí. Preverovať tvrdenia zoznamom možných skreslení je dobrý začiatok, ako sa naučiť vnímať skreslenia okolo seba, a robiť lepšie rozhodnutia.

Využívanie propagandistických nástrojov je úzko spojené s rámcami, ktorým slúžia. Rámcovanie diskusie (ang. framing) je jedna z najväčších výziev, pred ktorou stoja politickí kandidáti pri vstupe do politiky. Rozhodol som sa postupne rozobrať populárne a známe rámce, ktoré tvoria už dnes podstatnú súčasť našej domácej politiky.

Viac o manipulácii diskusie v politike, rámcoch a ich význame nájdete na mojom súkromnom blogu, napríklad tu:

Framing 101: Keď strata je výhra a naopak.

Ďakujem za každý feedback a komentár
Matúš Záhradník

Nový štýl propagandy? Zahltenie diskusie dôkazmi was originally published in OpolitikeSK on Medium, where people are continuing the conversation by highlighting and responding to this story.