众包自适应调查

民意调查对于指导民主决策至关重要，但传统调查方法难以应对快速变化的信息环境，也难以衡量小众社群内的信念。本文介绍了一种众包自适应调查方法（CSAS），该方法结合了自然语言处理和自适应算法的最新进展，以生成能随用户输入而演变的题库。CSAS方法将参与者提供的开放式文本转化为调查题目，并应用多臂老虎机算法来确定调查中应优先考虑哪些问题。该方法的自适应特性允许探索新的调查问题，同时将调查长度的成本降至最低。在拉丁裔信息环境、国家议题重要性和地方政治等领域的应用展示了CSAS识别那些可能被调查研究者忽视的主题的能力。最后，我强调了CSAS在调查研究中弥合研究者与参与者之间概念鸿沟的潜力。