动画投票方法

Animated Voting Methods

频道:Unify The Vote · 时长:6:18 · 发布:2017-06-16 · 播放:15788

在 YouTube 观看

简介

一个动画模拟,比较单一获胜者投票方法,如多数制、即时决选和 STAR。彩色区域显示随着随机选民在二维政治空间中移动,哪个候选人获胜,建立在 Ka-Ping Yee 早期的图表基础上。

HN 为什么推荐

HN 评论者在投票改革讨论中引用它作为视觉论据,证明基数系统(STAR、赞成投票)优于多数制和排序选择投票。

在讨论 STAR 投票与其他替代系统时,我总是推荐这对视频。 — HN, 2019

数据可视化与信息设计 · 概率与博弈论 · 美国政治与选举

中文字幕节选

本视频利用计算机图形学的魔力, 直观展示各种投票方法 在选出代表选民意愿的人选方面实际效果如何。 事实证明,我们当前的制度,以及其他一堆被提议的制度,实际上 在准确代表选民意愿方面做得并不好。 那么,让我们想象有两个候选人,典型的红方和蓝方。 他们由彩色圆圈表示, 位于虚拟的二维政治光谱中。 现在,我们加入一位选民,由他来决定选举的获胜者。 在这个模拟中,选民只选择距离最近的候选人。 当选民在政治上向另一位候选人靠近时, 那位候选人就会成为获胜者。 现在,我们将整个背景涂上颜色, 表示当选民处于政治光谱中 每个位置时,哪位候选人会获胜。 我们可以增加候选人:现在有三名、 四名或五名候选人,而选举的获胜者 在每个位置上就是距离那位决定胜负的 单一选民最近的候选人。 当我们让候选人在政治光谱中动态移动时, 这能生成漂亮的图片,但并不是特别有用。 我们想知道当选民不止一位时,投票系统的表现如何。 所以现在,不是每个位置只有一位选民,而是我们将运行一场大约 4000名选民的选举,他们围绕该位置呈随机高斯分布。 所以,公众舆论的中心并没有改变, 只是现在选民数量多了很多, 我们将逐一测试多种不同的 投票系统,看看这些投票系统 在产生代表性结果方面表现如何。 我们将考察几种不同的系统。 多数制,这是我们在美国以及大多数场合使用的当前制度。 我们还会考察即时决选投票, 有时人们称之为排序选择投票 ——美国大约十几个城市在使用它,缅因州刚刚在全州范围内通过了它。 我们将考察评分投票。 排序选择投票让你对候选人进行排名——1、2、3。 评分投票让你给他们打分——0到5分或0到9分。 最后,我们将考察评分决选 投票,也称为星级投票,它从 评分投票开始,然后增加一个自动决选步骤来纠正偏差。 如你所见,在有两个候选人时,所有投票方法的表现都相同, 产生的结果也合理。 在所有系统中,最接近公众舆论中心的候选人获胜, 这与只有一位选民 正好位于公众舆论中心时的情况相符。 当我们加入第三位候选人时会发生什么? 嗯,就乱套了。事实证明,创建一种 真正具有代表性的投票方法是一项艰巨的任务, 每当候选人超过两位时都是如此。 多数制投票很容易挤掉位于中间位置的候选人。 你可以看到,这位黄色候选人的获胜区域急剧缩小。 这位候选人甚至无法在选举中获胜, 即使他们正好位于公众舆论的 最中心,因为他们相对于其他候选人的位置不利。 这是一种非常直观的方式来展示所谓的 搅局者效应,即竞选中搅局候选人的存在 可能会阻止原本应该获胜的 候选人获胜。 所以你可以看到,当选民在红蓝光谱中 更靠近蓝方的黄色时, 在红蓝分界线的蓝色一侧,当选民更接近黄色时,红色充当了搅局者;而当选民在红蓝分界线的红色 一侧更接近黄色时,蓝色则充当了搅局者。 两种情况都阻止了最具代表性的候选人获胜。 排序复选制在很大程度上也有同样的 “搅局者/中间挤压”效应,困扰着我们当前的投票制度。

HN 上的讨论

在讨论STAR投票与其他替代系统时,我总是推荐这两个视频。第一个视频简单易懂地解释了在多数投票和IRV中可能出现的搅局者效应[1]。在第二个视频[2]中,STAR投票的创建者将Ka-Ping Yee的方法应用于STAR投票,并将其与替代系统并排动画展示以显示其性能。[1] [LINK] [2] [VIDEO] — user234683, 2019-10
那里的第一个链接确实与排序选择进行了比较。它只是被称为IRV。这里有一个更大的比较,包括更多类型的排序选择(也称为“序数”)[0]。不过我特别喜欢这个动画[1]。我还要补充一点,投票有很多细微差别,VSE并不是一切。有很多因素需要考虑,包括:策略如何运作?它可扩展吗?它能容易地计数和/或统计验证吗?对选民来说容易吗?(强和弱)搅局候选人有多有效?还有更多问题。在大多数情况下,基数方法(如赞成投票)在所有这些方面都表现更好。VSE略有取舍。注意[0]中的STAR的VSE略低于RP/Schulz(排序),但分组更紧密(对抗策略更好)。但STAR对选民和计数来说比赞成投票更复杂(我仍然认为STAR对选民和计数者来说比序数系统更容易)。所以这些就是你正在做的权衡类型[0] [LINK] [1] [VIDEO] — godelski, 2021-11
排序选择投票并不是一个好主意。它有非常奇怪且反直觉的行为。基于评分的投票要好得多,而且可以说更简单、更省力。我特别喜欢STAR投票,他们在最后进行决选以覆盖一些额外情况。他们还有一些多赢家和代表制投票的变体。它对现实生活中的人来说也更熟悉,比如在线评论。[LINK] 附言:哇,很多反对票。RCV只是获得最多营销的替代方案,但一旦你开始研究不同的系统,我真的不明白人们怎么能坚持RCV,仅仅因为它比之前的系统稍好一点。如果你要投入所有这些努力来改进系统,为什么不选择更简单且客观上更好的东西。这个视频很好地展示了这个问题(STAR投票的参与者之一制作的):[VIDEO] — nickik, 2021-06
简单回答:数学表明如此[VIDEO] 更长的回答:基数系统(赞成投票所属的广义形式)能够捕捉更多关于选民偏好的信息。用范围投票这样的例子最容易看出这一点。你可能熟悉这样的问题:“你是否同意x陈述?:强烈反对、反对、中立、同意、强烈同意。”这就是范围。赞成投票则是“你是否同意x陈述?:反对、同意”。相反,FPTP会给你许多陈述,你必须选择你最同意的一个,即使你可能同意列表中的许多。你大概可以看出,通过这种方式,你实际上能够捕捉相当多的偏好信息,从而选出更准确地代表整体人口的代议士。 — godelski, 2020-10
RP 的解决时间为 O(n4),所以我不确定在一个(更低的)复杂度导致关键错误的讨论串中,这是你想主张的方法。在所有其他标准上最大化 VSE 是幼稚的。我再怎么强调也不为过,没有最优系统,我们不能孤立地看待标准。 > 我不明白你怎么不理解这个论点。因为纯粹的诚实从来不是最优策略?我不知道有哪个系统的最优策略是那样。但正如我们在范围投票中展示的,最佳策略是某种形式的诚实。不诚实的部分是你重新调整比例,我认为大多数人不会对此感到不安。让我沮丧的是,你似乎(我愿意承认可能是误读,因为这些对话很难,而且鉴于你通常的嫌疑人声明,显然你对我的立场有先入为主的看法)忽略了序数系统中相同的策略问题。但我也相当清楚地说明了为什么我偏好基数系统。因为我非常关心解决复杂度(这个讨论串的主题就是一个好例子)、单调性(IRV/RCV 失败的东西(RP 和 Schultz 通过但未通过前一个标准))、最爱背叛者/强… — godelski, 2022-12

相关视频