How should we improve the NHS?
Give specific details of what could be done and how? Give examples of what is not working with proposed solutions. How could we leverage technology whilst also ensuring privacy?
您从一个陈述开始,投出您的一票,然后发现您的观点如何融入更大的图景——不是作为原始百分比,而是作为真实观点集群的一部分。
讨论陈述
"英国应将其净零排放目标从 2050 年提前至 2040 年,以保持气候领导地位。"
第 3 个,共 8 个陈述
基于 1,247 票投票
我们向你展示意见的结构,而非仅仅数字——哪些群组出现、他们之间的共识是什么,以及真正的分歧线在哪里。
意见群组
共识分析——英国净零讨论
1,247名参与者612人
412人
223
按投票模式的机器学习聚类
"对可再生能源的投资创造的工作机会多于破坏的。"
"能源安全和气候行动可以也应该同时追求。"
"过渡成本应主要由高收入家庭承担。"
为什么这很重要
传统民调显示有多少人同意某事——但不会显示谁、为什么,以及他们还有什么共识。聚类意见数据揭示了数字背后的真正结构:哪些群组一致、哪些分歧,以及对立群组在哪里发现意外的共识。
在所有群组中都有广泛认可的想法——民调经常遗漏的真正共识。
团结那些在其他方面不同意的人的想法——跨越分歧进行富有成效对话的基础。
真实的分歧线——群组真正不同之处。理解这些是诚实公开辩论的开始。
为什么这很重要
社交媒体奖励愤怒而非细致入微。民意调查将复杂性简化为百分比。评论区放大最大声的声音。政府进行的"咨询"没人读。我们创建Society Speaks是因为真正公众审议的基础设施已经破裂。
民调告诉你 62% 的人同意某件事。但它不会告诉你是哪 62%、他们的感受强度、他们是否还有其他共同点,或者这 62% 实际上是否由六个因为完全不同的原因而同意的群体组成。
评论区由最有动力、最极端、最活跃的声音主导。它们制造了讨论的假象,同时又在积极压制真正的讨论。沉默的大多数很少发声——当他们发声时,往往被淹没。
政府和企业咨询会产生数千份杂乱无章的意见提交。分析成本高昂,容易被有组织的运动操纵,而且几乎从不能产生真正的公众共识所在的清晰图景。
我们的方法论
Society Speaks 使用一种名为观点聚类的机器学习技术(基于投票模式的主成分分析),不是按照参与者是谁,而是按照他们如何实际投票来对参与者分组。这揭示了公众舆论的真实结构。
参与者投票足够多的陈述后,算法会识别自然聚类——投票方式相似的人群。然后将每个陈述分类为:
这种方法能够抵抗有组织的操纵——协调的运动会显示为一个独特的聚类,而不是扭曲整体图景。它也让沉默的大多数浮出水面:从不发表评论但投票权重相等的参与者。
基于 Pol.is——更进一步
Pol.is 率先采用这种方法,并将其用于台湾的 vTaiwan 参与式民主进程——这是数字审议历史上最成功的例子之一。我们受到这项工作及其背后开源研究的启发。
Society Speaks 基于核心聚类洞察并为结构化、机构化使用而更进一步:
原生陈述策展
陈述经过审核、平衡和 AI 辅助——确保质量和公平性,而非浮出最受欢迎的提交陈述
项目——结构化的多讨论运动
将多个讨论组织成阶段、主题和群组——支持完整的咨询运动,而不仅仅是一次性的对话
证据关联推理
参与者可以在投票时附加证据和推理——超越二元选择,形成更丰富的记录,说明人们为什么这样想
发布者和合作伙伴集成
将讨论直接嵌入新闻文章、政策文件和网站——在参与者已经所在的地方与他们相遇
我们如何对标
| 功能 | Society Speaks | Pol.is | YouGov / 民调 | 公民大会 | 标准咨询 |
|---|---|---|---|---|---|
| 观点聚类 (ML) | ✓ | ✓ | ✗ | ✗ | ✗ |
| 结构化项目 / 阶段 | ✓ | ✗ | ✗ | ✓ | ~ |
| 可嵌入网站 | ✓ | ✓ | ✗ | ✗ | ✗ |
| 证据关联推理 | ✓ | ✗ | ✗ | ✓ | ✗ |
| 向公众开放参与 | ✓ | ✓ | 仅限样本 | 仅限选中 | ~ |
| 免费使用 | ✓ | ✓ | ✗ | ✗ | ✗ |
| 策展的、平衡的陈述 | ✓ | ✗ | ~ | ✓ | ✗ |
| 完整数据导出 (CSV/JSON) | ✓ | ✓ | 仅付费 | ~ | ✗ |
| 可扩展 — 从 10 到 100,000 名参与者 | ✓ | ✓ | 规模扩大时成本高 | 100–200 人 | 规模扩大时难以管理 |
~ = 部分或有限的功能
围绕真实议题的真实讨论 — 加入并了解意见如何聚集。
Give specific details of what could be done and how? Give examples of what is not working with proposed solutions. How could we leverage technology whilst also ensuring privacy?
The New York Stock Exchange is developing a tokenized securities platform that will allow for 24/7 settlement of trades
Iran’s nuclear programme and control of the Strait of Hormuz remain major sticking points, despite mediation efforts by Qatar and Pakistan
项目
一个计划将多个讨论整合为一个结构化的活动 — 包含共享的主题、阶段、参与者队列和完整的数据导出。组织机构和政府使用它来进行从利益相关者咨询到国家战略对话的各种工作。
计划 · 示例
关于住房供应、规划改革和可负担性的区域咨询
8
讨论
2,419
参与者
4
队列
这会产生什么
相同的平台。相同的严谨性。对每个受众的运作方式不同。
市民、活动人士、学生、好奇的人
对重要议题表明立场。了解你与他人的相对立场 — 不仅仅是百分比,而是作为志同道合的一群人的一部分。发现你与其他群体的共同之处比预期更多。
品牌、媒体、播客主持人、通讯作者
你的受众有观点。Society Speaks 能帮你恰当地呈现这些观点——不是通过民调或评论区,而是通过结构化辩论和真实分析。发现你的受众真正同意的地方,以及真正分歧所在。
非政府组织、理事会、研究机构、公司
运行结构化的公共或利益相关方咨询,完全控制参与者和提问内容。创建一个方案来按主题分组讨论,将其组织成阶段,并导出完整数据集供你自己分析。
常见问题
是的——参与讨论、创建讨论、创建个人和组织资料都是免费的。对于大多数用例,计划也是免费的。对于需要专属支持、白标或高级集成的大规模机构部署, 联系我们.
聚类算法需要足够的数据来识别有意义的群体。实际上,当有大约 30-40 名活跃参与者(至少投票 5 项陈述的人)时,您就会开始看到清晰的模式。有 100 多名参与者时,分析变得明显更加可靠;有 500 多名参与者时,则非常稳健。每个参与者需要对至少 5 项陈述进行投票才能被纳入其群体中。
个人投票是隐私的 — 没有人能看到您如何具体投票每项陈述。可见的是汇总结果:所有参与者中赞成/反对/不确定的百分比分解,以及群体分组。共识分析显示您属于哪个群体,但不会向其他参与者或讨论主持人透露您的个人投票。
讨论是关于一个主题的单一对话。项目是一个结构化的活动,将多个讨论组合在一起 — 例如,关于住房政策的国家协商可能会对规划、可负担性、社会住房和房东监管进行单独讨论。项目支持阶段(例如听取 → 审议 → 建议)、主题和参与者群体,包括所有数据的单一导出。
可以。讨论创建者和项目管理者可以将所有投票数据导出为 CSV 或 JSON 格式 — 包括每项陈述的结果、参与者群体和群体分解。这让您可以进行自己的分析,将结果输入报告,或在平台外存档所有内容。
调查工具给您汇总响应 — 百分比和平均值。Society Speaks 揭示了意见的结构:观点如何聚类、哪些想法能弥合相反的群体,以及真正的分裂线在哪里。它在默认情况下也向公众开放,参与者可以添加他们自己的陈述和理由 — 使其成为真正的审议工具,而不是数据收集练习。
查看实际演示、阅读文档或设置嵌入。
传统民调只给你百分比。评论区放大了最大声的声音。Society Speaks 让你看到观点实际上如何聚集——以及真正的共同点在哪里。受 Pol.is, 为任何规模的审议民主而构建。