我们在骰子中信任：随着时间保持选举预测信任的不确定性显示

文献标题

In Dice We Trust: Uncertainty Displays for Maintaining Trust in Election Forecasts Over Time

文献信息

• 主题领域: 不确定性可视化与选举预测信任维护
• 关键词: 不确定性可视化，信任，选举预测，政治传播，主观概率校正，视觉校准，实验研究

研究背景与问题

• 问题或挑战:

  • 选举预测因其固有不确定性面临公众信任维护的困难。现实案例如2016年美国大选，尽管希拉里·克林顿预测胜率为71%，但特朗普获胜，这种结果引发了公众对预测模型与民主选举系统的怀疑。
  • 如何设计选举预测的界面与不确定性展示以维护公众对预测的信任是一个未解决的重要挑战。

• 重要性:

  • 高可信度的选举预测直接影响公众对民主进程和选举公平的认知。
  • 选举预测也对选民行为、公众情绪和政策制定有深远影响。

• 研究动机与相关工作:

  • 以往研究着重于不确定性可视化的表现和效果，但对信任如何随时间变化的研究不足。
  • 在政治传播和选举背景下，信任具有认知和情感双重维度，需要更深入的关注。
  • 本文尝试通过控制性实验研究，探索不同不确定性展示形式对信任的影响，并结合主观概率校正和视觉校准两种技术。

解决方案

• 方法或解决方案:

  • 本文提出一种多步骤实验设计，以模拟美国总统选举预测周期，从而逐步观察不同不确定性可视化技术对公众信任的长效影响。
  • 四种主要的展示方法被比较：文本摘要、分位点散点图、直方图区间、以及动态“Plinko”图。
  • 引入两项技术以优化用户的信任体验：主观概率校正和后选举阶段的视觉校准。

• 创新之处:

  • 扩展了不确定性可视化在政治传播领域的研究，特别是信任的动态演变。
  • 从认知信任与行为信任两个维度量化预测界面的受众信任。
  • 系统性地加入了主观概率调整与实际结果的视觉校准，以探讨这些增强技术对提升信任的可能性。

• 实施步骤与关键技术:

  1. 预测模拟: 使用蒙特卡洛方法生成真实的美国总统选举预测数据，涵盖选举日起至155天前。
  2. 实验界面设计: 制作专业化的模拟预测网站，搭载四种不确定性展示形式。
  3. 实验设计: 三个逐步精炼的实验（共498名参与者），涉及信任测量（态度性信任和行为性信任）及选民行为。
  4. 统计与建模: 使用贝叶斯自相关模型对参与者的选择和信任评分进行量化分析。

研究成果

• 具体成果:

  • 文本摘要和分位点散点图在信任维护方面表现最佳。前者适用更广泛的受众，后者更适合高教育背景与数据素养的受众。
  • 主观概率校正对信任的提升影响有限，而后选举结果的视觉校准在某些情况下甚至会减弱信任。
  • 日志分析显示公众的行为信任往往比态度信任更显著。

• 与现有解决方案相比的优势:

  • 本文通过实验验证了多种不确定性展示形式的优劣，为预测界面的设计提供了数据支持。
  • 展示了如何桥接理论创新与实际应用，为改善公众对民主工具的信任提出了明确建议，例如混合界面设计。

• 实验或评估结果:

  1. 行为信任: 分位点散点图或文本摘要的使用频率逐渐增加，尤其在多次预测周期后。
  2. 选票参与率: 投票率与预测的可信度正相关，分位点散点图和文本摘要的预测表现尤为显著。
  3. 主观偏好与党派差异: 民主党支持者倾向于更具视觉性与互动性的展示形式。

• 局限性与未来方向:

  • 局限性:
    • 研究集中在美国政治背景，对其他国家选举系统（如比例代表制）可能不完全适用。
    • 实验场景为合成预测数据，尚未完全反映现实世界中的复杂动态。
  • 未来方向:
    • 探索更多实时动态数据的展示方式。
    • 更深入地研究信任建立与损失的长期机制及其对民主过程的影响。
    • 将实验扩展到真实数据与国际选举环境中，并研究视觉分析对选民行为的长期影响。