Στερεότυπα και Στατιστικές
Είτε το θέλουμε είτε όχι, βρισκόμαστε στην άβολη, αλλά και ελεύθερη θέση να αποφασίζουμε για τη ζωή μας. Ενίοτε βέβαια, από θέσεις εξουσίας ή και ως απλά «πολιτικά όντα» που είμαστε, αποφασίζουμε για τα κοινά, ή τις ζωές άλλων. Πολλά από τα στοιχεία που λαμβάνουμε υπόψη προκειμένου να καταλήξουμε σε αποφάσεις, αποτελούν μεταξύ άλλων, απεικονίσεις στατιστικών δεδομένων και στερεότυπα.
Θα διακρίνω αυτά τα δύο λόγω της ευρείας τους χρήσης στο δημόσιο διάλογο (ή μονόλογο), ως βασικά εργαλεία επιχειρηματολογίας, ενώ θα προσπαθήσω να τα παραθέσω με τέτοιο τρόπο που να γίνεται κατανοητή η προβληματική εξάρτηση των δεύτερων (στερεότυπα), από τα πρώτα (στατιστικά δεδομένα).
Στερεότυπα
Τα στερεότυπα είναι γνωστικές δομές, δηλαδή νοητικά σχήματα που μας βοηθούν να κατηγοριοποιούμε κοινωνικές συμπεριφορές. Είναι προκατασκευασμένες πεποιθήσεις για το πώς αντιλαμβανόμαστε μια κοινωνική ομάδα (ιδεολογική, φυλετική, ηλικιακή κλπ). Μπορεί να παράγουν θετικές, ουδέτερες ή και αρνητικές απεικονίσεις της ομάδας αυτής. Βασίζονται σε κάποια δεδομένα, όμως η ανάγνωση των δεδομένων ενέχει υποκειμενικότητες, ή λάθη, ή πολλές φορές επιτηδευμένη παραποίησή τους, με αποτέλεσμα τα στερεότυπα να αποτελούν απλοποιητικά, ή αναξιόπιστα σχήματα για να λάβουμε αποφάσεις.
Απόλυτος ορισμός του στερεοτύπου δεν υπάρχει, με τους ορισμούς να εκτείνονται σε ένα ευρύ φάσμα, ενίοτε εξαρτώμενοι από τον «ηθικό σκοπό» του εκάστοτε επιστήμονα. Μερικοί επιστήμονες αναγνωρίζουν ότι μπορεί να περιέχουν έναν «Πυρήνα Αλήθειας» («Kernel of Truth»)[1], αν και ο συγκεκριμένος όρος παραπέμπει επικίνδυνα σε ουσιοκρατική προσέγγιση, με αποτέλεσμα το ευρύτερο επιστημονικό κοινό να προτιμά τον όρο «Πιθανοκρατική Ακρίβεια» («Probabilistic Accuracy»). Σε αυτή την περίπτωση το στερεότυπο δεν καταδικάζεται ως a-priori ανακριβές, αλλά εξετάζονται οι λόγοι που συνήθως είναι ανακριβές, ή οδηγεί σε λάθος αποφάσεις. Άλλοι επιστήμονες αντιθέτως επιμένουν σε απόρριψη οποιασδήποτε αλήθειας σε αυτά, από φόβο μήπως η αναγνώριση κάποιας «Πιθανοκρατικής Ακρίβειας» νομιμοποιήσει προκαταλήψεις και συνδέσει στερεότυπα με κακοποιητικές και εγκληματικές κοινωνικοπολιτικές πρακτικές. Η δεύτερη αυτή τακτική άρχισε βέβαια ν’ απορρίπτεται, γιατί η άρνηση οποιασδήποτε (έστω και μικρής) αλήθειας στα στερεότυπα, είναι εύκολα αμφισβητήσιμη θέση, με αποτέλεσμα να κερδίζει (επικοινωνιακά) σε αξιοπιστία η αντίθετη πλευρά και να επωφελούνται τα πιο ψευδή εκ των στερεοτύπων.[2]
Προκειμένου να καταλάβουμε τα όρια των στερεοτύπων και τον κίνδυνο που προκύπτει από τη χρήση τους, προαπαιτείται να αντιληφθούμε τη βασική ανθρώπινη ανάγκη που μας οδήγησε στην δημιουργία τους (πέραν των μετέπειτα σκοπιμοτήτων):
Κύριος λόγος για τον οποίο οδηγούμαστε στην κατασκευή στερεοτύπων είναι η έμφυτη ανάγκη να λάβουμε γρήγορες αποφάσεις, χωρίς ιδιαίτερη πνευματική προσπάθεια, χρησιμοποιώντας προκατασκευασμένα σχήματα. Αυτά, συχνά αξιοποιούνται χάριν «γνωστικής οικονομίας», ως μηχανισμός ταχείας επεξεργασίας πληροφοριών. Βοηθούν σε αποφάσεις που λαμβάνονται με τα ελάχιστα αντιληπτικά δεδομένα και σε ελάχιστο χρόνο. Αυτός ο τρόπος λήψης απόφασης δεν έχει κανένα νόημα όταν μπορούμε να εξασφαλίσουμε με κάποιο τρόπο περισσότερα δεδομένα, ή χρόνο.
Σε ένα πιο καθημερινό παράδειγμα, αν χρειαστεί να επιλέξω μόνο έναν, μεταξύ δύο δρόμων, για να κυκλοφορήσω, όπου στον πρώτο υπάρχουν καφενεία με ηλικιωμένους και στον δεύτερο νεαροί που ακούνε Trap και πίνουν μπύρες, πού θα ένιωθα πιο άνετα; Εδώ οι απαντήσεις μπορεί να είναι δύο καθώς, ως μεσήλικας ενδέχεται να επέλεγα εκείνο των ηλικιωμένων, ενώ ως έφηβος το δρόμο των νεαρών. Σε κάθε περίπτωση, όταν αναγκαστούμε να επιλέξουμε, δεν προλαβαίνουμε να κάνουμε κάποια πολύπλοκη νοητική διεργασία και επιλέγουμε με βάση κάποιο στερεότυπο.
Στο σύγχρονο πολύπλοκο κόσμο όμως, τα στερεότυπα οδηγούν σε πολλές λάθος αποφάσεις καθώς η χρήση τους οφείλεται κυρίως σε «νοητική νωθρότητα» παρά σε επιτακτική ανάγκη λόγω πίεσης χρόνου. Συνήθως καταλήγουν να αποτελούν κατηγοριοποιήσεις κοινωνικών ομάδων (ιδεολογικών, φυλετικών, ηλικιακών κλπ) και αποτρέπουν όποιον τα χρησιμοποιεί από το να βλέπει τα μέλη μιας κοινωνικής ομάδας ως μοναδικά.
Οι αδυναμίες των στερεοτύπων είναι:
• η γενίκευση (που είναι και το βασικό χαρακτηριστικό τους)
• η υπερβολική απλοποίηση της κοινωνικής πραγματικότητας
• η πολύ πιθανή μεροληψία
• η δημιουργία αντίστασης σε αναθεωρήσεις τους ( δηλαδή δύσκολα απεγκαθίστανται, ακόμα και όταν διαψεύδονται).
Το στερεότυπο λοιπόν δεν αποτελεί συναίσθημα ούτε κάποια πράξη. Αποτελεί γνωστική κατασκευή που όμως μπορεί να δημιουργήσει συναίσθημα και να οδηγήσει σε πράξεις. Το συναίσθημα που δημιουργεί ονομάζεται «Προκατάληψη» απέναντι σε μια ομάδα.
Ως συναισθηματικό παράγωγο του στερεοτύπου, η προκατάληψη χαρακτηρίζεται από:
• αξιολογική κρίση (θετική ή αρνητική)
• συναισθηματική φόρτιση (αποστροφή, φόβος, θαυμασμός, καχυποψία, κλπ)
Η προκατάληψη μπορεί να μετουσιωθεί σε πράξη που ονομάζουμε «Διάκριση».
Οι διακρίσεις με τη σειρά τους αποτελούν πράξεις άδικης ή άνισης μεταχείρισης ατόμων, λόγω της καταχώρησής τους (καμιά φορά με ετεροκαθορισμό)[3] σε συγκεκριμένες κοινωνικές ομάδες. Είναι παρατηρήσιμες συμπεριφορές, και μπορεί να είναι ατομικές (άρνηση πρόσληψης σε εργασία), ή να είναι και θεσμικές/συστημικές, δηλαδή να εφαρμοστούν ως γενική πολιτική και οι πολιτικές με τη σειρά τους ενδέχεται να οδηγούν σε κανονικοποίηση έως και νομιμοποίηση ρατσιστικών συμπεριφορών στους πολίτες.
Εδώ θα πρέπει να τονίσουμε πως δεν οδηγούν όλα τα στερεότυπα στα επόμενα στάδια της προκατάληψης και των διακρίσεων (σε ατομικό, ή θεσμικό επίπεδο), ούτε παράγουν πάντα λάθος αποφάσεις, αλλά:
• Η προσωπική εμπειρία (κατατάσσεται στα «Ανεκδοτολογικά Στοιχεία»)[4]συχνά δεν αποτελεί επιβεβαίωση των στατιστικών, δηλαδή δεν έχει μεγαλύτερη αξία από οποιοδήποτε άλλο στατιστικό δείγμα ανάμεσα στα χιλιάδες. Επίσης, η πολυπλοκότητα του σύγχρονου κόσμου αλλά και η σύνθεση του ατόμου μέσα από πολλαπλές ταυτότητες (εθνική,θρησκευτική,φυλετική,σεξουαλική,ιδεολογική), δεν επιτρέπει ασφαλή αναγωγή του αποτελέσματος σε γενίκευση (αναγωγισμός).
• Έχει μεγάλη σημασία το ότι η διαδικασία με την οποία δημιουργήθηκαν τα στερεότυπα του μακρινού παρελθόντος που επιβιώνουν μέχρι σήμερα, είναι επιστημονικοφανής, αλλά αναξιόπιστη και ενίοτε βασισμένη σε ψευδοεπιστήμη (ή θεωρήσεις επιστημονικής μεθοδολογίας που έχουν πλέον απορριφθεί). Αλλά και σήμερα, πολλά στερεότυπα που ενισχύονται με στατιστικά δεδομένα, ως επί το πλείστον βασίζονται σε ελλιπή δειγματοληψία, επιλεκτική αποτύπωση συγκεκριμένων στοιχείων των στατιστικών, Bias και άλλα προβλήματα που θα αναλύσουμε παρακάτω.
• Παράλληλα δε θα πρέπει να αγνοούμε και φαινόμενα όπως οι «Αυτοεκπληρούμενες προφητείες» δηλαδή τα φαινόμενα κατά τα οποία η εσφαλμένη και ετεροκαθορισμένη σύνδεση μιας ομάδας με συγκεκριμένη συμπεριφορά, μπορεί να οδηγήσει στην γενίκευση της συμπεριφοράς αυτής μέσα στην ομάδα, και την ες αεί διαιώνισή της ως ταυτοτικό στοιχείο (βλέπε Γκετοποίηση της κοινότητας των Αφροαμερικανών και εγκαθίδρυση της κουλτούρας «Ghetto»[5] στην Αμερική, που πολιτιστικά μπορεί να προσφέρει πολλά θετικά αλλά ταυτόχρονα να συνοδεύεται με συγκεκριμένες αντικοινωνικές, ή και παραβατικές συμπεριφορές).
Πιθανά σφάλματα διαμόρφωσης και ανάγνωσης στατιστικών.
1) Ελλιπής δειγματοληψία.
Στην ελλιπή δειγματοληψία («Sampling/Selection Bias»), είτε από κακό σχεδιασμό, είτε εσκεμμένα, σημαντικό μέρος δειγμάτων δεν καταγράφονται. Για παράδειγμα, θα μπορούσαμε να υποθέσουμε ότι αν μια τηλεφωνική έρευνα για τα εργασιακά διεξαχθεί το πρωί, η αναλογία συνταξιούχων/εργαζομένων θα είναι διαφορετική από το αν η ίδια διεξαγόταν καθ’όλη τη μέρα, καθώς είθισται το πρωί να λείπουν οι περισσότεροι εργαζόμενοι.
Το Survival Bias[6] αποτελεί μια ειδική και πιο ακραία περίπτωση ελλιπούς δειγματοληψίας γιατί σημαντικά δείγματα αποκλείονται από την αντίληψή μας, για συγκεκριμένο λόγο που γνωρίζουμε, και υποθέτουμε ότι η απουσία τους θα επηρεάσει, έως και αντιστρέψει το αποτέλεσμα.
Για παράδειγμα έχουμε το κράτος Α να εμφανίζει μεγαλύτερα ποσοστά καταγεγραμμένων κακοποιήσεων γυναικών από το κράτος Β. Αν όμως το κράτος Β που καταγράφει λιγότερα περιστατικά κακοποιήσεων παρουσίαζε ταυτοχρόνως περισσότερα ποσοστά γυναικοκτονιών σε σχέση με το Α, τότε θα έπρεπε να αρχίσουμε να ερευνούμε αν το κράτος Β είχε υποεκπροσώπηση στις καταγγελίες λόγω κάποιας κουλτούρας ομερτάς του ανδρικού πληθυσμού, που συστημικά απέτρεπε τις γυναίκες από το να κάνουν αναφορές των κακοποιήσεων, με αποτέλεσμα η κακοποίηση να γίνεται ορατή μόνο στην ακραία περίπτωση που έληγε με φόνο.
2) Αγνοημένη πολυπαραγοντικότητα και σύγχυση συσχετισμού με αιτιότητα.
Σε πολλές έρευνες αγνοείται η πολυπαραγοντικότητα.
Αν αποφασίζαμε να διερευνήσουμε σχέση αιτιότητας μεταξύ Πολεμικών Τεχνών (λχ.Ταε Κβον Ντό ή Καράτε) και αυτοελέγχου, η λογική μας (ή μάλλον οι πεποιθήσεις μας) ίσως να μας προδιέθεταν θετικά. Κατά την έρευνα, όμως ίσως να ήταν δύσκολο να διακρίνουμε συσχετισμό, πόσο μάλλον και ξεκάθαρη αιτιότητα, αν δεν προβλέπονταν πολλοί άλλοι παράγοντες που θα όφειλαν να εξεταστούν παράλληλα. Θα μπορούσαμε αμέσως να φανταστούμε ότι αλλιώς πλαισιώνονται οι Πολεμικές Τέχνες στην απω-ανατολική κουλτούρα και αλλιώς στη βαλκανική, αλλιώς σε ένα περιβάλλον κοινωνικής ασφάλειας (ως πειθαρχημένο άθλημα και πνευματικό αυτοέλεγχο) και αλλιώς σε περιβάλλον ανασφάλειας (ως αυτοάμυνα και ενίσχυση της αυτοπεποίθησης). Επίσης θα έπρεπε να λάβουμε υπόψη και το Sampling Bias (παράγραφος 1) καθώς είναι πολύ πιθανό όσοι τελικά παραμένουν για πάνω από 2-3 χρόνια στις πολεμικές τέχνες, να είναι ήδη από την ιδιοσυγκρασία τους πιο πειθαρχημένοι.
Όσο περισσότεροι παράγοντες επηρεάζουν ταυτόχρονα το δείγμα, τόσο πιο δυσδιάκριτος είναι ο συσχετισμός για καθέναν από αυτούς. Συνήθως απαιτείται παράλληλη έρευνα για κάθε παράγοντα ξεχωριστά, ενώ η διεύρυνση της δειγματοληψίας σε διαφορετικά περιβάλλοντα, σε διαφορετικές ηλικιακές/πολιτισμικές ομάδες και σε μεγάλο βάθος χρόνου μπορεί να δώσει πιο σαφή αποτελέσματα, ίσως και σαφή αιτιότητα (που είναι πιο ισχυρή και ξεκάθαρη από τον απλό συσχετισμό). Σημειώνουμε ότι η ύπαρξη συσχετισμού δε συνεπάγεται και αιτιότητα. Αντιθέτως η αιτιότητα αναγκαστικά συντρέχει με συσχετισμό, ασχέτως αν, λόγω σφάλματος, δεν έχει εντοπιστεί το πρόσημό του (θετικό ή αρνητικό).[7]
Ορισμένοι από τους παράγοντες μπορεί να «ρυθμίζουν» τα αποτελέσματα («moderators»).[8] Για παράδειγμα, το επίπεδο ωριμότητας ως «ρυθμιστικός παράγοντας» θα μπορούσε να οδηγεί σε διαφορετικά αποτελέσματα (έως και αντίρροπα) καθώς για ένα 6χρονο με χαμηλή ψυχοκοινωνική ωρίμανση οι πολεμικές τέχνες θα μπορούσαν να αποτελούν ευκαιρία για να χτυπάει άλλους, ενώ για έναν ωριμότερο έφηβο που τις κάνει αθλητικά, μπορεί να αποτελούν δεξιότητα αυτοελέγχου.
3) Αγνοημένα (συνήθως εσκεμμένα) ποσοστά επί του πληθυσμού δύο συγκρινόμενων ομάδων («Base Rate Bias»).[9]
Μια έρευνα θα μπορούσε να εξετάζει την ευθύνη δύο κοινωνικών ομάδων για συγκεκριμένες παραβατικές συμπεριφορές, και να φαίνεται από τα στατιστικά ότι η πρώτη ομάδα έχει περισσότερους παραβάτες από τη δεύτερη. Η σύγκριση θα μας οδηγεί σε αμφίβολο συμπέρασμα όμως για το ποια έχει αυξημένη ροπή στην παραβατικότητα, αν δεν λάβουμε υπόψη τον γενικότερο πληθυσμό των δύο ομάδων.
Ένα Debate που ξεκίνησε στο Tik Tok, βασιζόταν σε ένα στατιστικό που παρουσίαζε 1 στις 3 γυναίκες να έχουν δεχθεί κακοποιητική συμπεριφορά από άνδρες. Στο Debate αυτό, πολλές γυναίκες έφτασαν στο να υποστηρίζουν ότι αισθάνονταν πιο ασφαλείς με μια αρκούδα παρά με έναν άνδρα (με δεδομένο ότι περισσότερες γυναίκες πεθαίνουν από τα χέρια άνδρα, παρά από επίθεση αρκούδας).[10] Σε αυτή την περίπτωση, τα επιβεβαιωμένα στατιστικά για την κακοποίηση των γυναικών, εντοιχίστηκαν σε ένα εντελώς λανθασμένο στερεότυπο (βραχύβιο) που δε θα ξεστόμιζε κανείς αν βρισκόταν δίπλα σε αρκούδα. Και αυτό γιατί αγνοήθηκε το γεγονός ότι το συντριπτικό ποσοστό των γυναικών κυκλοφορούν ανάμεσα σε χιλιάδες ανθρώπους και όχι αρκούδες.
Σε κάθε περίπτωση, ακόμα και όταν δεν αγνοούνται τα ποσοστά επί του πληθυσμού της κάθε ομάδας, είναι άδικη και ίσως επικίνδυνη η ταύτιση μιας στατιστικής ερμηνείας ποσοστού, με το σύνολο του πληθυσμού ως αξιολογική ερμηνεία.
4) Απόκρυψη κεντρικών τάσεων και διασποράς.
Αυτό το στατιστικό σφάλμα είναι ιδιαίτερα εμφανές (μιας και συνήθως δημιουργείται εσκεμμένα) όταν έχουμε διχοτομικά (άνδρες/γυναίκες), ή πολυτομικά στερεότυπα (Ευρωπαίοι, Ασιάτες, Αφρικανοί). Το πιο απλό παράδειγμα, αν και άσχετο με τα κοινωνικά στερεότυπα, είναι αυτό του «μέσου μισθού». Η σύγκριση των μέσων μισθών δύο ή περισσοτέρων κρατών έχει νόημα όταν είναι γνωστές οι κεντρικές τάσεις και η διασπορά των τιμών. Σε ένα υποθετικό κράτος όπου 9 στους 10 πολίτες παίρνουν μισθό 1000€ και ένας 10.000€ ο μέσος μισθός παρουσιάζεται ως 1900€ ενώ σε ένα κράτος που 9 παίρνουν 1150€ και ένας παίρνει 2500€ ο μέσος μισθός είναι μόνο 1285€. Επομένως η μέση τιμή, όταν σερβίρεται στη δημόσια σφαίρα, μπορεί να είναι εντελώς παραπλανητική.
Γι’ αυτό αποφεύγουμε να χρησιμοποιούμε τον μέσο όρο σε τέτοιες αποτυπώσεις αλλά να επιλέγουμε έναν «Σταθμισμένο» μέσο όρο ή τη «Διάμεσο» τιμή που προσφέρουν μια πιο «διορθωμένη» αποτύπωση.[11]
Ταυτόχρονα, η μικρή (στενή) διασπορά των στατιστικών μετρήσεων μπορεί να ενισχύει την γενική στατιστική επιβεβαίωση ενός στερεοτύπου. Για να γίνει πιο κατανοητό το ζήτημα της διασποράς των μετρήσεων αξίζει να δούμε το παράδειγμα της μέσης βαθμολογίας μιας τάξης. Η μία τάξη στο διαγώνισμα παρουσίασε βαθμολογίες 7/10, 8/10, 8/10, 9/10, 8/10. Ο μέσος όρος της είναι 8/10 και μπορούμε να πούμε ότι εκφράζει με σχετική ακρίβεια την εικόνα που έχουμε σχηματίσει για το επίπεδό της. Μιαν άλλη τάξη όμως παρουσίασε βαθμολογίες 2/10, 6/10, 3/10, 10/10, 7/10. Η διασπορά των μετρήσεων εδώ είναι πολύ μεγαλύτερη (από 2 έως 10) με αποτέλεσμα ο μέσος όρος 5,6 να μην μπορεί να χαρακτηρίσει σχεδόν κανέναν από τους μαθητές, και εννοείται ότι δεν μπορεί να αποτελέσει κάποια απεικόνιση της γενικής επίδοσης της τάξης.
Γνωστό παράδειγμα ενός συχνά επιβεβαιωμένου στερεοτύπου, λόγω της μικρής διασποράς, είναι το μέσο ύψος των ανδρών/γυναικών (90% ακρίβεια). Ακόμα όμως και για στερεότυπα με τόσο συχνή στατιστική επιβεβαίωση, η γενικευμένη αξιοποίησή τους στην κοινωνία μπορεί να επιφέρει περισσότερα προβλήματα παρά διευκολύνσεις.
5) Δημιουργία και επιλογή κατατάξεων που λειτουργούν αυτοεπιβεβαιωτικά.
Βλέποντας μερικά στατιστικά της αστυνομίας[12] που αφορούν στην εγκληματικότητα και τη διαχωρίζουν σε αυτή που προέρχεται από τον γενικότερο πληθυσμό και αυτή που προέρχεται από συγκεκριμένες κοινωνικές ομάδες, αναρωτιόμαστε γιατί δε γίνεται μια μεγαλύτερη ταυτοτική κατάτμηση και μάλιστα σε διάφορα επίπεδα (εθνοτικό, μορφωτικό, τοπικό, οπαδικό, βιολογικού φύλου, θρησκευτικό, επαγγελματικό κλπ). Ίσως με μια αναλυτικότερη κατάτμιση, να εντοπίζαμε κάποιο άλλο ταυτοτικό χαρακτηριστικό να υπερέχει σε παραβατικότητα αναλογικά με τον πληθυσμό.
Ένα εντυπωσιακό παράδειγμα είναι οι συνήθεις στατιστικές αποτυπώσεις των δολοφονιών σε κάθε χώρα που κατηγοριοποιούνται το πολύ σε δύο-τρία κομμάτια κάθετα και δύο οριζόντια. Δηλαδή κάθετα σε Γενικό πληθυσμό και Μετανάστες, άντε και κάποια κοινωνική ή φυλετική ομάδα, και οριζόντια σε βιολογικό φύλο (άνδρας-γυναίκα). Το συντριπτικό ποσοστό των ανδρών, όταν αναζητήσει θεωρία για μια σκληρή οριοθέτηση των εγκληματικών τάσεων θα μείνει στο φαινόμενο που επιβεβαιώνει τις πεποιθήσεις του, δηλαδή θα ψάξει στην κάθετη κατηγοριοποίηση ποια ταυτοτική ομάδα κάνει περισσότερες δολοφονίες ψάχνοντας μεταξύ μεταναστών και γηγενών (αγνοώντας παράλληλα τα όσα αναφέραμε στις παραγράφους 2,3 και 4).
Μια γυναίκα από την άλλη θα μπορούσε να ασχοληθεί με την διαφορά που παρουσιάζει μεγαλύτερες αποκλίσεις μεταξύ των κατατάξεων, αφού και οι μεγαλύτερες αποκλίσεις είναι αυτές που πιθανώς να δείχνουν τη λύση, η οποία ίσως να είναι του βιολογικού φύλου (σε βάθος δεκαετίας από το 2025 και πίσω οι άνδρες ευθύνονται για το 70% των φόνων ενώ οι γυναίκες για το 10% με το υπόλοιπο 20% να μένει αδιευκρίνιστο, οπότε θεωρητικά θα μοιραστεί με ανάλογο ποσοστό).[13] Αν ψάχναμε δηλαδή να εντοπίσουμε ποια ταυτότητα θα έπρεπε να θεωρήσουμε ότι φέρει ευθύνες, τότε ίσως είναι άστοχο να φοβούνται οι γηγενείς τους μετανάστες, αλλά οι γηγενείς και μετανάστριες γυναίκες τους άνδρες γενικότερα, ασχέτως αν άνδρες μιας κουλτούρας παρουσιάζουν περισσότερη ροπή στο να κακοποιούν, από άνδρες άλλης κουλτούρας.
Όπως θα δούμε και στην επόμενη παράγραφο, στο συγκεκριμένο παράδειγμα βέβαια είναι σημαντικό να προσδιορίζουμε κάθε φορά το ερώτημα που θα καθορίσει ποια συμπεράσματα θα εξάγουμε. Γιατί στο ερώτημα ποιο φύλο έχει μεγαλύτερη ροπή στην εγκληματικότητα μπορεί να οδηγηθούμε σε λήψη συγκεκριμένων κοινωνικών μέτρων, ενώ ταυτόχρονα στο ερώτημα ποια εθνική ταυτότητα (ή κουλτούρα) έχει το ίδιο πρόβλημα, να οδηγήσει ταυτόχρονα και σε λήψη μέτρων που να σχετίζονται με τη μεταναστευτική πολιτική.
6) Επιλογή φαινομένων προς παρατήρηση.
Το αποτέλεσμα στατιστικής αποτύπωσης μεταξύ δύο, ή περισσότερων κατατάξεων σχετικά με την εγκληματικότητα μπορεί να παράγει διαφορετική εικόνα ανάλογα με το είδος της εγκληματικότητας που αποτυπώνουμε. Αν σταθούμε στη γενική εγκληματικότητα το αποτέλεσμα μπορεί να δίνει διαφορετικά ποσοστά από το αν εστιάσουμε στο σοβαρό ζήτημα των δολοφονιών και αφήσουμε έξω τις υπόλοιπες παραβάσεις, ή μπορεί να δίνει εντελώς διαφορετικά ποσοστά το αν εστιάσουμε στο ύψος της οικονομικής ζημίας που προκαλούν στην κοινωνία οι κλοπές κάθε κατάταξης και όχι στο πλήθος των κλοπών.
Από τα στατιστικά της ΕΛΣΤΑΤ μπορεί κανείς να διακρίνει ότι αν αναφερθούμε στο θέμα των βιασμών αυτοί βαραίνουν περισσότερο (ποσοστιαία) τους Μετανάστες, αλλά αν αναφερθούμε γενικά στο σύνολο αδικημάτων η διαφορά μειώνεται στο 17,7% (μετανάστες) προς 82,3% (γηγενείς), οπότε το ποσοστό παραβατικότητας των Μεταναστών δε φαίνεται τραγικά υψηλότερο από των Γηγενών, λαμβάνοντας υπόψη ότι οι γεννημένοι στο εξωτερικό αποτελούν το 11% του πληθυσμού.[14]
Επιπλέον (και αυτό είναι πολύ σημαντικό) θα πρέπει να λαμβάνουμε υπόψη ότι οι απεικονίσεις μπορεί να μην παρουσιάζουν το έγκλημα όπως έγινε, αλλά την «κατασκευή» του από την Αστυνομία και τη Δικαιοσύνη. Σε αυτή την περίπτωση σίγουρα το αποτέλεσμα επηρεάζεται σημαντικά από πιθανή συστημική μεροληψία της Αστυνομίας στη διαλεύκανση εγκλημάτων, από την πρόσβαση της κάθε κοινωνικής ομάδας σε ικανή νομική υπεράσπιση, από την ομερτά που μπορεί να απολαμβάνουν οι γηγενείς ή οι οικονομικά ισχυροί εγκληματίες κλπ.[15]
Στις περιπτώσεις που αυτή η επιλογή των κατατάξεων (παράγραφος 5) ή των φαινομένων προς παρατήρηση (παράγραφος 6) γίνεται εσκεμμένα με σκοπό αυτοεπιβεβαιωτικό ή για να «καθοδηγήσει» τα συμπεράσματα, τότε η τάση αυτή ονομάζεται «Cherry-Picking» και σχηματικά μπορούμε να θεωρήσουμε ότι προϋπάρχουσα προκατάληψη προηγείται στο μυαλό του ερευνητή, που επιλέγει δεδομένα και δημιουργεί στερεότυπα.
7) Πολιτική αξιοποίηση των στατιστικών.
Αγαπημένο παιγνίδι της πολιτικής είναι να αξιοποιεί στατιστικά προκειμένου να δημιουργήσει κοινωνικά στερεότυπα, που θα αιτιολογούν μια πολιτική πρόταση ως τεχνοκρατική αναγκαιότητα.
Αν ο στόχος όμως των πολιτικών ήταν ειλικρινώς να μειώσουν την εγκληματικότητα δε θα μπορούσαν να σταθούν μόνο σε στατιστικά δεδομένα που αποτυπώνουν το φαινόμενο, δηλαδή ποιος εγκληματεί περισσότερο, αλλά θα εξέταζαν αν υπάρχουν κοινωνικοί, οικονομικοί ή άλλοι παράγοντες που εντείνουν την παρανομία. Ένα απλοϊκό υποθετικό παράδειγμα θα ήταν μιαν έρευνα που αποτυπώνει ότι τα κατώτερα οικονομικά στρώματα, παραβαίνουν συχνότερα το νόμο από τα ανώτερα. Εκεί θα άξιζε κάποιος να εξετάσει αν η διαπλοκή και η οικονομική ανισότητα που επιβάλλουν τα ανώτερα οικονομικά στρώματα συνδέεται (και με ποιο πρόσημο) με την παραβατική συμπεριφορά στα κατώτερα (ακόμα και λίγοι να είναι αυτοί οι ισχυροί της διαπλοκής). Σε ένα κράτος σχεδόν «θεσμοθετημένης» ανομίας, ατιμωρησίας και έλλειψης λογοδοσίας, είναι πιθανό οι κατώτερες τάξεις (μορφωτικά ή/και οικονομικά) να καταφεύγουν από ανάγκη επιβίωσης στην παρανομία, και ταυτόχρονα οι ανώτερες να διαφεύγουν της αναγνώρισης και καταδίκης, άρα να μην προσμετρώνται (Selection/Survival Bias).
Επομένως αν ενδιαφερόμαστε από θεσμική θέση για το αποτέλεσμα της μείωσης της εγκληματικότητας, θα πρέπει στους στόχους να βάλουμε και την αναζήτηση βαθύτερων αιτιών που επηρέασαν τη στατιστική απεικόνιση, να εξετάζουμε το γενικότερο κοινωνικο-οικονομικό πλαίσιο, και να κάνουμε σύγκριση με στατιστικά από άλλα χωρο-χρονικά πεδία.
Βέβαια, πέρα από τα ερωτήματα που μπορεί να θέτει εκείνος που αναθέτει μια στατιστική αποτύπωση, που είναι σημαντικά όταν ο ίδιος, ή οι αναγνώστες της, χρειαστεί να βγάλουν συμπεράσματα σχετικά με το ερώτημά του, ενδέχεται οι αναγνώστες να βγάλουν και συμπεράσματα για ερωτήματα που δεν έχουν τεθεί ξεκάθαρα.
Παράδειγμα:
Η απεικόνιση μιας στατιστικής αποτύπωσης του αισθήματος ασφάλειας στην Ελλάδα, όπως διαμορφώνεται κατά τη συμβίωση των πολιτών με συγκεκριμένες ταυτοτικές καταχωρήσεις (λχ. Ρομά, Μετανάστες, Κάτοικοι Μυλοποτάμου Κρήτης, Ευρωπαίοι μεθυσμένοι τουρίστες στα Μάλια, Οπαδοί του ΠΑΟΚ – προφανώς αστειεύομαι με όλα αυτά), ενδέχεται να μην επηρεάζει το αν θα νοικιάσει κάποιος διαμέρισμα στη χώρα μας ή όχι. Αν όμως η έρευνα δημοσίευε και επιμέρους αποτελέσματα για να χρωματιστεί ένας χάρτης «δυσφορίας» ανάλογα με περιοχές εντός της επικράτειας, αυτός ίσως να καθιστούσε κάποιες μη δημοφιλείς (βλέπε Ασπρόπυργο, ορεινό Ρέθυμνο κλπ), και κανείς δε θα μπορούσε να πει στον υποψήφιο ενοικιαστή να μη λάβει υπόψη την πληροφορία, όσο και να οδηγεί στην εγκαθίδρυση επικίνδυνων στερεοτύπων. Επομένως, σίγουρα μετράει το αρχικό ερώτημα που θέτει όποιος παρήγγειλε την διενέργεια στατιστικής έρευνας, καθώς συνδέεται με τις προθέσεις του. Είναι όμως πιθανό διαφορετικές προθέσεις (ή έστω ενδιαφέροντα) των αναγνωστών του αποτελέσματος της έρευνας, να οδηγήσουν τους αναγνώστες σε κάποιο διαφορετικό συμπέρασμα (λανθασμένο, ή πιθανοκρατικά ισχυρό υπό προϋποθέσεις).
Επιστρέφοντας στην ευθύνη αυτού που θέτει το αρχικό ερώτημα, ένα παράδειγμα αξιοποίησης στατιστικών για την προώθηση συγκεκριμένης πολιτικής είναι η περίπτωση των θανάτων Αμερικανών πολιτών από τρομοκρατικές ενέργειες, οπλοχρησία, ή αστυνομική βία. Από το 1995 μέχρι το 2019 υπολογίζεται ότι εξαιτίας της τρομοκρατίας έχουν σκοτωθεί περίπου 3900 Αμερικανοί πολίτες συμπεριλαμβανομένων των θυμάτων της 9/11.[16] Η τρομοκρατία αποτελεί έναν από τους κύριους φόβους που επιβάλλουν (ή χρησιμοποιούνται για να δικαιολογούν) την αμερικανική πολιτική, όταν τα θύματα από την οπλοχρησία μέσα σε στενότερο χρονικό διάστημα είναι πολλαπλάσια (440.000 για τα έτη 2001 έως 2014).[17] Ακόμα πιο πολλά είναι τα σχεδόν 20.000 θυματα αστυνομικής βίας μέσα σε μια 20ετία, εκ των οποίων αυτά που μας ενδιαφέρουν, δηλαδή τα αδικαιολόγητα, είναι περίπου τα μισά.[18] Παρόλα αυτά ως κύριο αντίβαρο στο φόβο της αστυνομικής βίας, ή της κουλτούρας των όπλων, παρουσιάζεται ο κίνδυνος του τρομοκράτη. Εν προκειμένω βέβαια, δεν πρέπει να φτάσουμε στο άλλο άκρο να πιστεύουμε ότι οι τρομοκράτες είναι πιο ασφαλής παρέα από τους αστυνομικούς καθώς για την εγκληματική δράση τους υπάρχουν ισχυρά φίλτρα αποτροπής και εκεί θα επικαλεστούμε το Survival Bias. Είναι λογικό να φανταστούμε ότι όσο περισσότερο διαχέεται στην κοινωνία η οπλοχρησία, τόσο πιο συχνά και η Αστυνομία θα υποχρεώνεται σε χρήση όπλων με νόμιμη αιτιολογία, με αποτέλεσμα να προκύπτουν και περισσότερα περιστατικά για κατάχρηση βίας από αυτήν. Παραμένει όμως ιδιαίτερα ενδιαφέρον το να βλέπουμε πότε και από ποιες πολιτικές κατευθύνσεις επιλέγονται συγκεκριμένες στατιστικές αποτυπώσεις, και με ποιο πολιτικό στόχο.
Επίλογος.
Η αναγνώριση υπαρκτών διαφορών μεταξύ κοινωνικών ομάδων δεν συνεπάγεται ηθική νομιμοποίηση της διάκρισης. Αντιθέτως, η κατανόηση του μεγέθους και της φύσης των διαφορών μπορεί να συμβάλει σε πιο αποτελεσματικές πολιτικές. Η ορθή στάση δεν είναι ούτε η εκ των προτέρων απόρριψη, ούτε η άκριτη αποδοχή των στερεοτύπων, αλλά η εμπειρική διερεύνηση της «Πιθανοκρατικής τους Ακρίβειας».[19] Ακόμη όμως και όταν μια στερεοτυπική γενίκευση παρουσιάζει σημαντική πιθανοκρατική ισχύ, η αξιολόγηση των ατομικών χαρακτηριστικών οφείλει να προηγείται των ομαδικών μέσων όρων σε κάθε απόφαση.
Αποποίηση ευθύνης:
Οι παραπάνω αναγνώσεις των στατιστικών δεν είναι απαραίτητα ορθές. Στο άρθρο μου, προκειμένου να στρέψω την προσοχή στους κινδύνους στα σφάλματα αναγνώσεων προσφέρω δεύτερες ερμηνείες. Αυτές δε σημαίνει ότι δεν υποπίπτουν σε δεύτερο κύμα σφαλμάτων, το οποίο με περαιτέρω έρευνα θα μπορούσε να αποκαλυφθεί. Η μεθοδολογία αναζήτησής τους όμως είναι ίδια και η όρεξη για αλήθειες είναι το μόνο που εξασφαλίζει ότι και μόνοι μας θα αμφισβητούμε τις πεποιθήσεις μας.
Μώρης Γεώργιος – 2026 – Επιτρέπεται ο διαμοιρασμός. Απαγορεύεται η αναδημοσίευση του άρθρου χωρίς άδεια.
Βιβλιογραφία-Πηγές:
[1] https://repo.lib.duth.gr/jspui/bitstream/123456789/10983/1/BimpasakiCh_%202019.pdf Σελ.8
[2] Szymon Czarnik (2020), «How much truth is in stereotypes?», Philosophical problems in Science (No.68, pp.243-279)Institute of Sociology, Jagiellonian University
[3] Με τη λέξη «ετεροκαθορισμό» εννοούμε εκείνη την απόδοση κοινωνικής ταυτότητας σε ένα άτομο που γίνεται από το κοινωνικό του περιβάλλον και όχι επειδή το ίδιο επιδιώκει κάτι τέτοιο, ασχέτως του αν το ίδιο έχει ή δεν έχει στοιχεία που αντικειμενικά θα το κατέτασσαν με τέτοια ταυτότητα.
[4] https://en.wikipedia.org/wiki/Anecdotal_evidence
[5] https://www.city-journal.org/article/stigmatize-gang-culture
[6] Ως σύνηθες παράδειγμα (εξ’ού και η λίγο εντυπωσιακή ονομασία «survival») αναφέρεται μία ιστορία μέσα από τον Β’ΠΠ, σύμφωνα με την οποία σε μία έρευνα του Statistical Research Group, έγινε προσπάθεια να υπολογιστεί βάσει στατιστικών πού θα ήταν καλύτερα να θωρακιστούν τα βομβαρδιστικά, προκειμένου να αντέχουν στα πλήγματα των καταδιωκτικών. Τα περισσότερα δείγματα αεροσκαφών που χτυπήθηκαν και επέστρεψαν, έδειχναν πολλά πλήγματα στα ακροπτερύγια, στη μέση της ατράκτου και στην ουρά, κάτι που οδηγούσε στο βεβιασμένο συμπέρασμα ότι εκεί θα ήταν απαραίτητη η ενίσχυση. Ο στατιστικός Abraham Wald αντιθέτως υποστήριξε ότι η θωράκιση θα έπρεπε να μπει στους κινητήρες και το πιλοτήριο και όχι εκεί που αρχικά υπέθεσαν, γιατί όσα χτυπήθηκαν στους κινητήρες ή το πιλοτήριο, εν τέλει καταρρίφθηκαν. Προφανώς αυτή η ανακάλυψη του bias προϋποθέτει ότι γνώριζαν πως υπήρχε στατιστικό δείγμα που έλειψε, και τον λόγο που έλειπε (δηλαδή τα βομβαρδιστικά που έλειπαν γιατί δε γύρισαν ποτέ).
https://en.wikipedia.org/wiki/Survivorship_bias
[7] https://www.jmp.com/en/statistics-knowledge-portal/linear-models/what-is-correlation/correlation-vs-causation
[8] https://en.wikipedia.org/wiki/Moderation_(statistics)
[9] https://en.wikipedia.org/wiki/Base_rate_fallacy
[10] https://www.themarysue.com/man-vs-bear-tiktok-debate-explained/
[11] https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Beginners:Statistical_concept_-_Mean_and_median/el
[12] https://www.statistics.gr/el/statistics/-/publication/SJU03
[13] https://cde.ucr.cjis.gov/LATEST/webapp/#/pages/explorer/crime/crime-trend (για επιβεβαίωση της αναφοράς χρειάζεται ο αναγνώστης να επιλέξει τα φίλτρα για απεικόνιση των δημογραφικών)
[14] https://www.oecd.org/en/publications/international-migration-outlook-2024_50b0353e-en/full-report/greece_133f5ab7.html
[15] https://theartofcrime.gr/η-στατιστική-αποτύπωση-του-εγκληματι/
[16] https://usafacts.org/articles/how-many-americans-have-died-from-terrorist-attacks-since-911/
[17] https://edition.cnn.com/2016/10/03/us/terrorism-gun-violence
[18] https://policeviolencereport.org/
[19] Szymon Czarnik (2020), «How much truth is in stereotypes?», Philosophical problems in Science (No.68, pp.243-279)Institute of Sociology, Jagiellonian University