Explainer: Wat weten politieke databases over jou?

Getty

Amerikaanse burgers worden overspoeld met politieke berichten - op sociale netwerken, in hun nieuwsfeeds, via e-mail, sms-berichten en telefoontjes. Het is geen toeval dat mensen worden gebombardeerd: fracties geven de voorkeur aan een multimodale strategie voor contact met kiezers, waarbij ze veel platforms en meerdere pogingen gebruiken om een ​​burger over te halen zich in te zetten voor hun zaak of kandidaat. Een advertentie wordt gevolgd door een e-mail, gevolgd door een sms - allemaal bedoeld om de boodschap te versterken.

Deze strategieën worden gebruikt door politieke campagnes, politieke actiecomités, belangengroepen en non-profitorganisaties. Deze verschillende groepen zijn onderworpen aan zeer verschillende regels en voorschriften, maar ze zijn allemaal afhankelijk van het vastleggen en verslinden van gegevens over miljoenen mensen in Amerika.

Wie zitten er in deze datasets?

Bijna iedereen. De meeste campagnes krijgen hun kiezersinformatie van een handvol dataleveranciers, onpartijdig of partijdig. Deze bedrijven proberen gegevens te verstrekken over alle Amerikaanse volwassenen, ongeacht of ze geregistreerde kiezers zijn. Het is onwaarschijnlijk dat een individuele leverancier uitgebreide bestanden heeft over alle in aanmerking komende Amerikaanse kiezers, maar het Pew Research Center, dat een rapport uitbracht over commerciële kiezersbestanden in 2018, ontdekte dat meer dan 90% van de mensen in zijn eigen steekproef van Amerikaanse volwassenen in ten minste één register te vinden was.

Welke gegevens worden verzameld en waar komen ze vandaan?

De belangrijkste bron van kiezersgegevens zijn openbare stemregisters, die de namen, het adres en de partijaffiliatie van een kiezer bevatten. Maar kiezersgegevens zijn zeer fragmentarisch en gedecentraliseerd: elke staat heeft zijn eigen database en ze hebben vaak verschillende kenmerken. Dus leveranciers vullen het aan met andere bronnen, zoals telefoonboeken en kredietgegevens.

Het is moeilijk om een ​​volledig beeld te krijgen van alles wat in de databases van de leveranciers wordt ingevoerd: het recept dat iedereen gebruikt, wordt meestal als een handelsgeheim beschouwd. Pew's onderzoek legde uit dat de registers een samensmelting zijn van administratieve gegevens van staten over registratie en stemmen, gemodelleerde gegevens over partijdigheid, politieke betrokkenheid en politieke steun van leveranciers; en demografische, financiële en levensstijlgegevens verzameld uit een breed scala aan bronnen.

Gegevensleveranciers proberen deze verschillende datasets op elkaar af te stemmen en met elkaar in overeenstemming te brengen om voor elke persoon in de VS één uitgebreid record te creëren op basis van belangrijke identificatiegegevens zoals naam, adres, geslacht en geboortedatum.

L2 is een van de grootste bedrijven die deze informatie verhandelen, en het beweert meer dan 600 gegevensattributen te hebben gehaald uit censusgegevens, e-mails van commerciële bronnen, donorgegevenssets en meer. Experts zeggen dat de meeste leveranciers honderden datapunten over elke kiezer verstrekken.

Hoe nauwkeurig zijn deze kiezersdatabases?

Het staat ter discussie. Sommige gegevenspunten zijn zeer nauwkeurig, maar andere zijn eigenlijk slechts voorspellingen of gissingen. Partij en ras worden bijvoorbeeld vaak afgeleid op basis van iemands naam en locatie. Van iemand met de achternaam Ryan wordt aangenomen dat hij blank is, terwijl iemand in een zwaar Republikeins district een Republikeinse kiezer is.

De nauwkeurigheid van specifieke kenmerken varieert sterk: Pew ontdekte dat ras 79% van de tijd accuraat was, opleiding 51% en religie 52%. Het gezinsinkomen was ondertussen slechts 37% van de tijd juist. Er was ook een meetbare vertekening, met hogere foutenpercentages voor jongere, zeer mobiele, niet-geregistreerde en Latijns-Amerikaanse kiezers.

Verwant verhaal

De Trump 2020-app is een buitengewoon krachtig hulpmiddel voor kiezersbewaking Beide presidentiële campagnes gebruiken apps om gegevens vast te leggen, maar Trump's vraagt ​​om je identiteit, je locatie en controle over de Bluetooth-functie van je telefoon op te pikken.

Eitan Hersh, een professor aan Tufts die voor het Congres getuigde na het Cambridge Analytica-schandaal in 2016, is van mening dat de gegevens - met name de gemodelleerde attributen - zo onnauwkeurig zijn dat ze het nut ervan voor campagnes belemmeren. In zijn getuigenis merkte hij op dat modellen die hij had bestudeerd 25% van de tijd het ras van een persoon onjuist aannamen. En ras is veel gemakkelijker te voorspellen dan iemands swingprobleem.

Hoe gebruiken politieke fracties deze gegevens?

Campagnes en andere politieke groeperingen kopen data van leveranciers, maar combineren vaak informatie en koppelen er extra datasets aan. Campagnes zullen ook zelf datasets maken op basis van sociale-mediatests en advertentiegegevens, hoewel het niet duidelijk is hoe vaak deze praktijk is.

Ze gebruiken dit vaak allemaal om te proberen volwassenen te identificeren die op een specifiek probleem zullen reageren. Een campagne kan bijvoorbeeld een model ontwikkelen om kiezers te vinden die de wetgeving inzake klimaatverandering steunen. Het model zou deze datasets kunnen gebruiken om een ​​lijst met kiezers uit te spugen, gerangschikt op een schaal van 1 tot 100, waarbij 100 de meest waarschijnlijke voorstanders van de zaak zijn. De campagne zou er dan voor kunnen kiezen om een ​​bericht te sturen naar kiezers met een score hoger dan 70 in een poging om mobilisatie aan te moedigen.

Hoewel het betwistbaar is of gerichte reclame de manier waarop mensen stemmen verandert, is het uiterst nuttig gebleken bij het verzamelen van andere contactgegevens, zoals e-mailadressen, en bij het inzamelen van geld.

Welke rol spelen sociale media?

Uw sociale-mediagegevens, zoals de openbare Facebook-berichten die u leuk vindt of de Twitter-hashtags die u hebt gebruikt, kunnen in veel verschillende stadia worden gecombineerd met andere gegevens. Sommige leveranciers integreren sociale-mediagegevens in hun belangrijkste gegevensset, vooral voor mensen van wie het profiel overeenkomt met hun naam. Die informatie kan helpen om betere voorspellende modellen te bouwen.

Het is berucht dat Cambridge Analytica een spelletje speelde op Facebook door informatie te verzamelen over 270.000 gebruikers van een app van derden, en de vriendennetwerken van die gebruikers binnenhaalde totdat het een dataset had van 87 miljoen mensen, van wie de meesten geen toestemming hadden gegeven en niet wisten dat dit was gebeurt. Het beweerde modellen op die gegevens te gebruiken om gepersonaliseerde en voorspellende politieke afbeeldingen van gebruikers te genereren.

Maar de effectiviteit van dergelijke technieken staat ter discussie.

Een onderzoek uit 2013 door psycholoog Michal Kosinski, waarop Cambridge Analytica veel van zijn methoden baseerde, voerde aan dat de gegevens van 150 likes op Facebook voldoende zijn voor een algoritme om uw gevoelige persoonlijke kenmerken beter te kennen dan een familielid. Maar Cambridge Analytica was niet in staat om enig bewijs te leveren dat het erin slaagde deze algoritmen te creëren, of dat een van de targeting ervan iemand kon overtuigen. Het is ongelooflijk moeilijk om een ​​stem toe te schrijven aan een bepaalde advertentie, artikel of tweet.

Een van de belangrijkste toepassingen van sociale-media-informatie is het verfijnen en richten van berichten. A/B-tests zijn zo nauwkeurig geworden dat campagnes een bepaalde advertentie kunnen blijven aanpassen totdat deze hyperspecifiek wordt voor de gebruiker.

Wat zijn de verschillende soorten gerichte advertenties?

Gerichte advertenties zijn berichten die aan mensen zijn gericht op basis van hun bevestigde of vermoede politieke identiteit. Velen richten zich op het overtuigen van problemen, het mobiliseren van kiezers of fondsenwerving, en sommige groepen gebruiken veel geavanceerdere benaderingen dan andere.

Targetingmethoden omvatten e-mail, telefoon en sms, maar veel van de advertenties vinden online plaats - op Facebook, Google en Instagram. Twitter verbood politieke advertenties in november, hoewel 501c(3) non-profitgroepen nog steeds targeting op het platform kunnen gebruiken. Om zich op een kiezer te richten, zullen groepen specifieke filters gebruiken om precies te bereiken wie ze willen, bijvoorbeeld vrouwen op universiteitscampussen in Michigan. Op Facebook, en mogelijk ook op andere sociale platforms, kunnen campagnes zich rechtstreeks op individuen richten door een lijst met accounts te uploaden - misschien slechts een klein aantal mensen, als de adverteerder uiterst specifieke gepersonaliseerde berichten wil versturen.

Welke regels zijn er over de manier waarop gegevens worden gebruikt?

Voor verschillende groepen gelden verschillende regels. 501c(3) groepen zoals Keerpunt VS of de Stichting Tides kan geen verkiezings- of kandidaat-berichten naar voren brengen. Ze zijn ook vrijgesteld van wetten voor openbaarmaking van donoren. Aan de andere kant zijn politieke campagnes onderworpen aan de wetten voor campagnefinanciering en toezicht door de Federale Verkiezingscommissie.

Maar hoewel campagnegesponsorde advertenties als zodanig moeten worden geïdentificeerd, is het op internet vaak onduidelijk wie precies uw aandacht en steun probeert te trekken. Verkeerde informatie en manipulatie worden verward met officiële campagneberichten, terwijl campagnes de verantwoordelijkheid kunnen omzeilen door zich te distantiëren van meer controversiële groepen met parallelle berichten.

Waarom is dit van belang voor de verkiezingen van 2020?

Uit opiniepeilingen blijkt dat het waarschijnlijk is dat deze verkiezingen in de buitenwijken worden beslist. In 2016 waren het de provincies in de voorsteden die Trump de electorale voorsprong gaven, zelfs terwijl hij achterbleef bij de populaire stemming. En kiezers in de voorsteden gebruiken Facebook … veel. Campagnes en belangengroepen kunnen de groeiende kracht van data crunching gebruiken om rechtstreeks met die kiezers te spreken. Dusver, Donald Trump heeft twee keer zoveel uitgegeven aan Facebook-advertenties als Joe Biden .

zich verstoppen