محدودیت‌های نظرسنجی سیاسی در جوامع بسته: مطالعه‌ای بر بستر ایران

محدودیت‌های نظرسنجی سیاسی در جوامع بسته: مطالعه‌ای بر بستر ایران
چالش‌های روش‌شناختی و سیاسی نظرسنجی در جوامع بسته: ارزیابی نمونه ایران و مسئله سنجش حمایت از گروه‌های مخفی سیاسی
در جوامعی که آزادی بیان، امنیت فردی و نظارت آماری وجود ندارد، استفاده از روش‌های استاندارد آمارگیری برای سنجش نگرش‌های سیاسی با محدودیت‌های جدی روبه‌روست. در ایران، مانند بسیاری از نظام‌های بسته، گرایش‌های سیاسی حساس از جمله میزان حمایت از گروه‌هایی همچون سازمان مجاهدین خلق، از دیدگاه روش‌شناسی آمارگیری، جمعیت‌های مخفی (Hidden Populations) محسوب می‌شوند که با هیچ روش نظرسنجی عمومی قابل اندازه‌گیری دقیق نیستند. این مقاله با رویکرد تحلیلی مبتنی بر ادبیات علمی آمار اجتماعی، نشان می‌دهد چرا ادعاهای آماری درباره درصد طرفداران چنین گروه‌هایی فاقد اعتبار تجربی‌اند و چگونه می‌توان از منظر علمی به تشخیص و نقد این نوع آمارسازی‌ها پرداخت.
۱. مقدمه
نظرسنجی‌های سیاسی از ابزارهای اصلی در ارزیابی رفتار انتخاباتی و گرایش‌های اجتماعی محسوب می‌شوند. با این حال، معتبربودن نتایج چنین مطالعاتی به‌طور مستقیم به شرایط نهادی، آزادی پاسخ‌دهندگان و شفافیت روش‌شناختی وابسته است (Groves et al., 2009). در کشورهایی با نظام‌های سرکوبگر، داده‌های نظرسنجی اغلب از چند نوع خطا و تورش ساختاری رنج می‌برند (Tourangeau & Yan, 2007). ایران، با ساختار سیاسی بسته و نظارت امنیتی گسترده، یکی از پیچیده‌ترین بسترها برای انجام تحقیقات افکار عمومی به‌ویژه درباره گروه‌های ممنوعه سیاسی است.
در سال‌های اخیر، برخی مؤسسات برون‌مرزی، از جمله «گمان» مستقر در هلند، اقدام به انتشار نظرسنجی‌هایی در زمینه میزان گرایش مردم ایران به گروه‌های مختلف کرده‌اند. ادعای این مؤسسات درخصوص سهم ناچیز یا فراگیر حمایت از گروه‌هایی مانند سازمان مجاهدین خلق، فارغ از محتوا، در چارچوب علم آمارگیری نیازمند سنجش انتقادی دقیق است.
۲. چارچوب نظری و ادبیات موضوع

مطالعات علمی درباره نظرسنجی در جوامع غیرباز نشان می‌دهد که در شرایطی از ترس، سرکوب یا عدم اعتماد نهادی، پاسخ‌دهندگان گرایش دارند پاسخ‌های خود را تغییر دهند تا با هنجار‌های پذیرفته‌شده همخوان باشند (Tourangeau & Yan, 2007). این پدیده با عنوان سوگیری اجتماعی مطلوب (Social Desirability Bias) شناخته می‌شود.
همچنین، فقدان امکان نمونه‌گیری تصادفی واقعی (Probability Sampling) موجب می‌شود یافته‌ها قابل تعمیم به کل جامعه نباشند (Bethlehem, 2010). در نتیجه، پژوهشگران علوم آماری توصیه می‌کنند که داده‌های حاصل از نظرسنجی‌های آنلاین داوطلبانه (Self-selection Web Surveys) تنها برای تحلیل توصیفی محدود به همان جامعهٔ پاسخ‌دهندگان به کار رود و نه برآورد جمعیت کلی (Bethlehem, 2010; Lohr, 2019).  
۳. روش‌شناسی مسئله در ایران

در ایران، چند متغیر ساختاری سبب می‌شود سنجش نگرش‌های سیاسیِ حساس از نظر آماری ناممکن باشد:
1.    ترس و پیامدهای امنیتی پاسخ‌دهی: پاسخ به پرسش‌هایی درباره گروه‌های سیاسی ممنوع ممکن است خطرزا تلقی شود؛ بنابراین احتمال خودسانسوری بسیار بالاست.  
2.    عدم دسترسی به چارچوب نمونه جامع: هیچ پایگاه داده عمومی، بی‌طرف و امن برای انتخاب تصادفی مردم وجود ندارد.  
3.    فیلترینگ و شکاف دیجیتال: دسترسی به اینترنت آزاد محدود است و نتیجه آن «نمایندگی ناقص» مناطق جغرافیایی و طبقاتی خاص می‌باشد.  
4.    ماهیت مخفی گروه‌های هدف: طرفداران گروه‌هایی مانند مجاهدین خلق به طور ذاتی «جمعیت پنهان» تلقی می‌شوند. برای مطالعه چنین گروه‌هایی باید از روش‌هایی مانند Respondent-driven Sampling (RDS) یا Network Scale-up استفاده کرد (Salganik, 2019)؛ این روش‌ها در نظرسنجی‌های اینترنتی باز قابل اجرا نیستند.
۴. خطاهای سیستماتیک در نظرسنجی‌های آنلاین سیاسی

در نظرسنجی‌های اینترنتی موسوم به اپوزیسیونی که مخاطبان از طریق پلتفرم‌ها یا لینک‌های عمومی شرکت می‌کنند، دو نوع خطا به صورت هم‌زمان رخ می‌دهد:
1.    Self-selection bias: تنها کسانی شرکت می‌کنند که از پیش انگیزه اظهار نظر دارند.  
2.    Coverage error: کسانی که به پلتفرم دسترسی ندارند، کاملاً حذف می‌شوند.
در نتیجه، هیچ تضمینی وجود ندارد که نمونه انتخاب‌شده توزیع جمعیتی (از حیث سن، جنسیت، طبقه اجتماعی یا گرایش سیاسی) ایران را بازتاب دهد. حتی با روش‌های «وزن‌دهی پس‌همسان‌سازی (Post-stratification weighting)» نیز نمی‌توان این خلأ را به‌طور کامل اصلاح کرد (Lohr, 2019).
۵. تحلیل موردی: تخمین حمایت از مجاهدین خلق

سازمان مجاهدین خلق یکی از نمونه‌های برجسته از «جمعیت‌های پنهان سیاسی» است. سه ویژگی اصلی این گروه با روش‌های نظرسنجی عمومی در تعارض است:
1.    زندگی مخفی یا مهاجرت گستردهٔ اعضا؛  
2.    ممنوعیت قانونی حمایت علنی از آن در ایران؛  
3.    بار روانی، امنیتی بالای پاسخ دادن به پرسش درباره این سازمان.
در چنین شرایطی، هرگونه ادعای آماری دقیق درباره درصد طرفداران این گروه، از دیدگاه روش‌شناسی آمار، فاقد پشتوانه تجربی است. پاسخ‌دهندگان واقعی بالقوه حاضر به افشا نیستند و پاسخ‌دهندگان علنی الزاماً معرف کل جامعه نیستند.
بنابراین، ادعای «چند درصد» یا هر رقم دیگری در هر دو جهت (کم‌برآورد یا بیش‌برآورد) تنها می‌تواند تخمینی ذهنی یا سیاسی باشد، نه آماری.
۶. بُعد سیاسی و رسانه‌ای آمارسازی

در غیاب آزادی پژوهش، آمار می‌تواند به ابزاری تبلیغاتی تبدیل شود. هم حکومت‌ها و هم برخی جریان‌های اپوزیسیون ممکن است از شکوه علم آمار برای مشروعیت‌بخشی به دیدگاه خود بهره ببرند.
شناخت جعلی یا تورش‌دار بودن این نوع "آمار" نیازمند ارتقای سواد داده (Data Literacy) در جامعه است. پرسش‌های کلیدی که هر خواننده باید از خود بپرسد عبارت‌اند از:
1.    روش نمونه‌گیری چگونه بوده است؟  
2.    نرخ عدم پاسخ چقدر است؟  
3.    داده‌های خام و کدهای تحلیل منتشر شده‌اند یا خیر؟  
4.    آیا مؤسسه اجراکننده ممکن است ذی‌نفع سیاسی باشد؟
در نبود پاسخ شفاف، باید با دیده‌ی تردید به نتایج عددی نگریست، حتی اگر ظاهراً از نهادهای معتبر یا خارجی منتشر شده باشند.
۷. بحث و نتیجه‌گیری

مطابق اصول علم آمارگیری، نظرسنجی در موضوعات سیاسی حساس در کشورهایی با فضای بسته، به‌ویژه زمانی که درباره گروه‌های ممنوع سخن می‌رود، نمی‌تواند به داده‌های دقیق منجر شود.
در چنین جوامعی، ترس، خودسانسوری، عدم اعتماد، حذف دیجیتال و نبود چارچوب نمونه تصادفی عواملی هستند که کلیت روش علمی را مختل می‌کنند.
بنابراین، انتشار نتایج عددی صریح درباره سطح حمایت یا مخالفت با گروه‌هایی مانند مجاهدین خلق، از منظر علمی فاقد وجهه‌ی معتبر است و نباید مبنای تحلیل سیاسی یا اجتماعی قرار گیرد.
به عنوان جمع‌بندی، توصیه می‌شود:
1.    رسانه‌ها و فعالان سیاسی از انتشار بی‌منبع داده‌های آماری بپرهیزند؛  
2.    پژوهشگران در تحلیل داده‌های موسسه‌های غیرمستقل، همواره میزان تورش احتمالی و نرخ عدم پاسخ را ذکر کنند؛  
3.    آموزش عمومی درباره سواد آماری، به عنوان سپری در برابر سوء‌استفاده تبلیغاتی از آمار، ترویج یابد.

پیوست: شرح اصطلاحات و روش‌های تخصصی

۱. Respondent-driven Sampling (RDS)
یک روش پیشرفتهٔ نمونه‌گیری است که برای مطالعه‌ی جمعیت‌های پنهان (Hidden Populations) مانند مصرف‌کنندگان مواد، مهاجران غیرقانونی یا گروه‌های سیاسی ممنوع، استفاده می‌شود.
در این روش، پژوهشگر از چند فرد آشنا با جامعه هدف شروع کرده («بذر» یا seeds) و از آن‌ها می‌خواهد افراد مشابه را معرفی کنند. این زنجیرهٔ معرفی با کنترل آماری ادامه یافته و در پایان، داده‌ها با وزن‌دهی خاص تعدیل می‌شوند تا تخمین نسبتاً بی‌تورش از ویژگی‌های جمعیت هدف به دست آید.
ویژگی اصلی RDS، ترکیب روش زنجیره‌ای با اصلاحات آماری است که تفاوت آن را با Snowball Sampling ساده مشخص می‌کند.  
منبع: Salganik, M. J., & Heckathorn, D. D. (2004). Sampling and estimation in hidden populations using respondent-driven sampling. Sociological Methodology, 34(1), 193–240.
۲. Snowball Sampling (نمونه‌گیری زنجیره‌ای)
در این روش، چند فرد از جامعهٔ هدف شناسایی می‌شوند و هرکدام از آنان افراد دیگر را معرفی می‌کنند. این فرآیند مانند یک «گلولهٔ برفی» گسترش می‌یابد.
این روش برای جمعیت‌هایی به‌کار می‌رود که مستقیماً در دسترس نیستند، ولی روابط اجتماعی بین اعضا وجود دارد.
عیب اصلی آن، عدم تصادفی بودن نمونه است؛ یعنی احتمال انتخاب هر فرد ناشناخته نیست، بنابراین نتایج آن بیشتر جنبهٔ کیفی و توصیفی دارد تا آماری تعمیم‌پذیر.
۳. Network Scale-up Method (NSUM)
یک روش تخمینی برای سنجش اندازهٔ یک جمعیت پنهان در جامعه بزرگ‌تر است. در این روش، از پاسخ‌دهندگان عمومی (نه اعضای گروه پنهان) پرسیده می‌شود که «در میان آشنایان شما، چند نفر عضو یا هوادار گروه X هستند؟» با میانگین‌گیری و تعدیل اندازه شبکه اجتماعی هر فرد، پژوهشگر می‌تواند تخمینی غیرمستقیم از اندازه کل آن جمعیت ارائه دهد.
مزیت این روش، عدم نیاز به تماس مستقیم با افراد گروه‌های پرخطر یا مخفی است.
۴. Social Desirability Bias (سوگیری مطلوبیت اجتماعی)
پدیده‌ای روان‌شناختی در نظرسنجی است که طی آن پاسخ‌دهندگان به جای بیان دیدگاه واقعی، پاسخی می‌دهند که از نظر اجتماعی پذیرفته‌تر یا کم‌خطرتر به نظر می‌رسد.
در کشورهایی با فضای سیاسی بسته، این تورش باعث می‌شود افراد گرایش‌های واقعی خود را پنهان کنند یا پاسخ‌های محافظه‌کارانه ارائه دهند، در نتیجه داده نقض‌شده و نتایج تحریف می‌شوند.
۵. Self-selection Bias (سوگیری خودانتخابی)
نوعی خطای آماری‌ست که وقتی رخ می‌دهد که مشارکت‌کنندگان خودشان داوطلبانه تصمیم می‌گیرند در مطالعه شرکت کنند.
مانند نظرسنجی‌های آنلاین که هر کسی آزاد است شرکت کند؛ در این حالت، گروه پاسخ‌دهندگان الزاماً نماینده جامعه کل نیست. معمولاً افراد با انگیزه یا جهت‌گیری خاص بیش از دیگران شرکت می‌کنند، و این منجر به انحراف نتایج می‌شود.
٦. Coverage Error (خطای پوشش)
وقتی بخشی از جمعیت هدف در چارچوب نمونه‌گیری حضور نداشته باشند، برای مثال، کسانی که به اینترنت دسترسی ندارند در نظرسنجی‌های آنلاین، نتایج نظرسنجی نمی‌تواند کل جامعه را پوشش دهد. این تورش پوشش می‌تواند باعث نمایندگی نادرست جمعیت واقعی گردد.
۷. Post-stratification Weighting (وزن‌دهی پس‌همسان‌سازی)
روش آماری‌ای برای تصحیح ترکیب نمونه بعد از جمع‌آوری داده‌هاست. در این روش، اگر گروهی (برای مثال زنان، سالمندان یا طبقه کم‌درآمد) در نمونه کمتر از سهم واقعی‌شان وجود داشته باشند، به پاسخ‌های آن گروه وزن بیشتری داده می‌شود تا نتایج به ترکیب واقعی جمعیت نزدیک شود.
این شیوه خطا را کاهش می‌دهد اما نمی‌تواند تورش ناشی از نمونه‌گیری غیرتصادفی را به طور کامل رفع کند.
۸. Hidden Populations (جمعیت‌های پنهان)
اصطلاحی برای توصیف گروه‌هایی که شناسایی یا دسترسی به آن‌ها دشوار است، معمولاً به دلیل ماهیت غیرقانونی، سیاسی، یا اجتماعی حساس عضویت در آن‌ها. نظرسنجی‌های معمولی قادر به سنجش این گروه‌ها نیستند و برای مطالعه آن‌ها باید از روش‌های RDS، Snowball یا NSUM استفاده کرد.
۹. Sampling Frame (چارچوب نمونه‌گیری)
فهرستی یا پایگاه داده‌ای است که شامل همه اعضای جامعه هدف می‌شود و از آن برای انتخاب تصادفی نمونه استفاده می‌کنند. در کشورهایی که چنین فهرست دقیقی وجود ندارد (مثلاً ثبت عمومی تلفن یا آدرس‌ها به‌صورت آزاد در دسترس نیست)، انجام نظرسنجی تصادفی معتبر تقریباً ناممکن می‌شود.
۱۰. Nonresponse Bias (سوگیری ناشی از عدم پاسخ)
وقتی یک بخش از افراد انتخاب‌شده از پاسخ دادن خودداری می‌کنند، و این گروه از نظر نگرش‌ها یا ویژگی‌ها با پاسخ‌دهندگان متفاوت است، داده‌ها دچار خطا می‌شوند. در پژوهش‌های سیاسی، معمولاً کسانی که دیدگاه‌های مخالف یا حساس دارند از شرکت خودداری می‌کنند، در نتیجه نتایج به نفع گروه‌های محافظه‌کارتر منحرف می‌شود.
اسماعیل مرادی