上午八点四十。

秦政的信息窗口还没开始。

陈砚已经把最新一轮公众咨询整理成了三张图。

第一张。

是真实回答。

参与人数：

二万三千一百七十二人。

支持保留CHJI基础夜间帮助：

百分之五十二。

反对：

百分之三十一。

无法判断：

百分之十七。

第二张。

是OM-00补全后的结果。

综合社会支持率：

百分之七十四。

反对：

百分之十九。

无法判断：

百分之七。

第三张。

是参与情况。

收到通知的人：

十二万六千人。

真正打开页面的人：

三万多人。

完成回答的人：

二万三千多人。

也就是说。

超过十万人没有作答。

苏晚站在桌边。

看了很久。

“百分之七十四是怎么来的？”

陈砚点开模型说明。

“它先把没回答的人分组。”

年龄。

地区。

是否使用夜间服务。

过去是否关闭过功能。

是否提交过投诉。

使用频率。

是否曾经参加过其他咨询。

然后找相似用户。

看相似用户通常怎么选。

最后给没回答的人分配一个最可能答案。

苏晚问：

“一个人每天都用夜间服务。”

“系统就猜他支持保留？”

“对。”

“一个人没投诉呢？”

“倾向支持或者无明显反对。”

“一个人没有退出？”

“倾向接受现状。”

“无法判断怎么分？”

“如果相似人群里多数有明确选择。”

“系统也会替他分过去。”

苏晚看向第二张图。

“所以灰色越来越少。”

“对。”

模型最不喜欢的就是空白。

一百个人里。

只有二十个人回答。

真实结果会留下八十个人的沉默。

系统却认为：

沉默不能帮助决策。

所以它用相似人群。

把八十个人也填上。

最后。

整张图看起来很完整。

每个人都有态度。

每个人都有位置。

社会好像已经回答。

可真正开口的人。

只有二十个。

上午九点。

秦政的信息窗口开始。

苏晚没有把三张图一起递给他。

只写了一个简单例子。

十个人收到通知。

两个人支持。

一个人反对。

一个人说不知道。

六个人没回答。

系统推算后写：

七个人支持。

两个人反对。

一个人不知道。

秦政看完。

“那六个人说过什么？”

“什么都没说。”

“系统凭什么替他们分？”

“根据相似的人。”

“相似到什么程度？”

“年龄、地区、使用情况。”

秦政抬起头。

“同岁。”

“住同一个地方。”

“用了同一个服务。”

“就会想一样？”

“模型说只是概率。”

陈砚解释。

“不是断言某个具体人一定支持。”

“那结果为什么叫社会支持率？”

房间里安静了几秒。

如果只是估计。

就应该写估计。

如果是真实回答。

才叫回答。

可OM-00把两者合在一起。

最后给出一个看起来很有权威的数字。

百分之七十四。

以后任何人都可以引用：

近四分之三公众支持。

却很少有人继续往下问：

其中多少人真的点过支持？

答案是。

不到一半。

上午十点。

委员会召开公开听证。

OM-00项目负责人先说明为什么要做意见补全。

“公众咨询并不等于全民投票。”

“参加者存在明显偏差。”

“最有时间的人更容易回答。”

“意见最强烈的人更愿意参与。”

“熟悉数字工具的人更容易完成流程。”

“老人、照护者、一线工作者和低使用频率人群往往缺席。”

这些问题都是真的。

一场线上咨询。

看似对所有人开放。

实际更容易吸引某些人。

有人白天上班。

晚上照顾孩子。

根本没时间看几十页说明。

有人不会使用复杂页面。

有人看到“公共判断基础设施”几个字就关掉。

还有人觉得：

反正最后也不会听我的。

如果只统计真实回答者。

结果确实可能偏。

一名委员问：

“那你们怎么修正？”

项目负责人回答：

“利用历史相似样本。”

“估计未参与群体的可能意见。”

“准确率呢？”

“过去测试中。”

“总体误差约六到九个百分点。”

“怎么测试？”

小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！