ถาม-ตอบ: Pew Research Center สำรวจเจ้าหน้าที่ตำรวจเกือบ 8,000 นายได้อย่างไร

ถาม-ตอบ: Pew Research Center สำรวจเจ้าหน้าที่ตำรวจเกือบ 8,000 นายได้อย่างไร

Pew Research Center เปิดเผยผลสำรวจล่าสุดของเจ้าหน้าที่ตำรวจสาบานตนเกือบ 8,000 นายที่ทำงานในแผนกต่างๆ ทั่วสหรัฐฯ โดยมีเจ้าหน้าที่อย่างน้อย 100 นาย แบบสำรวจนี้ให้รายละเอียดว่าเจ้าหน้าที่รู้สึกอย่างไรเกี่ยวกับงานของพวกเขา และวิธีที่พวกเขามองความสัมพันธ์กับชุมชนที่พวกเขาให้บริการในช่วงเวลาที่มีความตึงเครียดเพิ่มขึ้น หลังจากการเผชิญหน้าที่มีชื่อเสียงระหว่างผู้บังคับใช้กฎหมายและคนผิวดำ

บรรณาธิการอาวุโส Rich Morin และนักระเบียบ

วิธีวิจัยอาวุโส Andrew Mercer เป็นส่วนหนึ่งของทีมที่ออกแบบโครงการ วิเคราะห์ผลการสำรวจ และเขียนรายงานขั้นสุดท้าย สิ่งต่อไปนี้คือบทสัมภาษณ์ฉบับแก้ไขกับผู้เขียนเกี่ยวกับวัตถุประสงค์และวิธีการของการสำรวจ

อะไรทำให้คุณทำแบบสำรวจนี้ ทำไมมันถึงสำคัญ?

Rich Morin บรรณาธิการอาวุโส Pew Research Center

โมริน:ในช่วงไม่กี่ปีที่ผ่านมา การมีส่วนร่วมของตำรวจในการตายของคนผิวดำในสหรัฐฯ ทำให้เกิดการถกเถียงระดับชาติเกี่ยวกับยุทธวิธี การฝึกอบรม และวิธีการของตำรวจ การเผชิญหน้าที่ร้ายแรงเหล่านี้ยังกระตุ้นให้เกิดการถกเถียงในที่สาธารณะเกี่ยวกับความสัมพันธ์ระหว่างตำรวจกับคนผิวดำและชุมชนชนกลุ่มน้อยอื่นๆ

เราและคนอื่นๆ ได้สำรวจความคิดเห็นของสาธารณชนเกี่ยวกับตำรวจ เชื้อชาติ และการใช้กำลัง โครงการนี้ช่วยเติมเต็มช่องว่างความรู้ที่สำคัญ: ตำรวจ คิด อย่างไรเกี่ยวกับเหตุการณ์ล่าสุดเหล่านี้ และพวกเขาเห็นว่าอะไรเป็นประเด็นสำคัญและข้อกังวลที่พวกเขาเผชิญและอาชีพของพวกเขา และมุมมองของเจ้าหน้าที่ตำรวจเทียบกับของประชาชนเป็นอย่างไร? เท่าที่ทราบ นี่คือหนึ่งในการสำรวจความคิดเห็นของเจ้าหน้าที่ตำรวจที่ใหญ่ที่สุดและหลากหลายที่สุดเท่าที่เคยมีมา

การสำรวจจัดทำขึ้นสำหรับ Pew Research Center โดย National Police Research Platform นั่นคืออะไร? ทำไมคุณถึงร่วมงานกับพวกเขาในแบบสำรวจนี้

Andrew Mercer นักระเบียบวิธีวิจัยอาวุโส Pew Research Center

Andrew Mercer นักระเบียบวิธีวิจัยอาวุโส Pew Research Center

Mercer:แพลตฟอร์มการวิจัยตำรวจแห่งชาติได้รับการพัฒนาและปัจจุบันได้รับการจัดการโดยกลุ่มนักวิชาการในมหาวิทยาลัยต่างๆ ทั่วประเทศ ซึ่งมีความเชี่ยวชาญในการทำวิจัยที่เป็นกลางและไม่ฝักใฝ่ฝ่ายใดโดยมุ่งเน้นไปที่ตำรวจและกรมตำรวจ เนื่องจากงานในการสร้างและรวบรวมตัวอย่างหน่วยงานและเจ้าหน้าที่ของตำรวจในระดับประเทศเป็นงานที่ใหญ่มาก เราจึงตัดสินใจทำงานร่วมกับกลุ่มผู้เชี่ยวชาญที่ได้วางรากฐานสำหรับการทำวิจัยประเภทนี้ไว้แล้ว

โมริน:มีหน่วยงานตำรวจและนายอำเภอ 15,000 แห่ง

ทั่วประเทศ และมีเจ้าหน้าที่สาบานมากกว่า 750,000 คน ไม่มีรายชื่อเจ้าหน้าที่ทั้งหมด 750,000 นายที่เราจะสุ่มเลือกได้ นี่ไม่ใช่แค่วิธีที่ดีที่สุดเท่านั้น แต่ยังเป็นวิธีเดียวที่เราสามารถทำแบบสำรวจคุณภาพสูงได้ในระยะเวลาที่เหมาะสมและด้วยงบประมาณที่เหมาะสม

คุณได้ทำการวิจัยพื้นฐานเพื่อเตรียมพร้อมสำหรับการสำรวจนี้หรือไม่?

โมริน:ค่ะ เรารวบรวมแบบสำรวจที่มีอยู่ไม่กี่ฉบับที่ทำกับตำรวจ ซึ่งเกือบจะทำเฉพาะในแผนกเดียว เรารวบรวมงานวิจัยเชิงวิชาการจำนวนมากเกี่ยวกับตำรวจ แนวปฏิบัติของตำรวจ และจิตวิทยาของการเป็นเจ้าหน้าที่ตำรวจ ซึ่งนำมาปรับใช้กับแบบสอบถามของเรา เราเชิญเจ้าหน้าที่จากกรมตำรวจท้องที่ในวอชิงตัน ดี.ซี. ภูมิภาคมาพูดคุยกับเราเกี่ยวกับแนวปฏิบัติของตำรวจในปัจจุบันและปัญหาการบังคับใช้กฎหมายต่างๆ และเราได้สอบถามความคิดเห็นเกี่ยวกับคำถามประเภทต่างๆ ที่พวกเขาคิดว่าสำคัญ เพื่อให้เราถามในแบบสำรวจของเรา เราได้พูดคุยกับผู้เชี่ยวชาญที่เกี่ยวข้องกับความพยายามในการปฏิรูปตำรวจและร่วมเดินทางไปกับเจ้าหน้าที่ตำรวจในเขตอำนาจศาลท้องถิ่นเพื่อรับความคิดเห็นของเจ้าหน้าที่ระดับและไฟล์ในประเด็นที่บังคับใช้กฎหมาย

การสำรวจนี้เป็นตัวอย่างระดับชาติของเจ้าหน้าที่ตำรวจที่ทำงานในหน่วยงานที่มีเจ้าหน้าที่สาบานตนตั้งแต่ 100 นายขึ้นไป เจ้าหน้าที่ตำรวจทำงานในแผนกขนาดนี้กี่เปอร์เซ็นต์?

Mercer: กรมตำรวจส่วนใหญ่มีเจ้าหน้าที่น้อยกว่า 100 นาย นั่นเป็นเพราะมีหน่วยงานในเมืองเล็กๆ จำนวนมากที่จ้างเจ้าหน้าที่เพียงไม่กี่คน แต่ถ้าคุณพิจารณาจำนวนเจ้าหน้าที่โดยรวม ส่วนใหญ่ (มากกว่า 60%) ทำงานในแผนกที่มีเจ้าหน้าที่ 100 คนขึ้นไป

คุณรู้สึกว่าผลลัพธ์ที่ได้เป็นตัวแทนที่ดีของมุมมองของเจ้าหน้าที่ตำรวจส่วนใหญ่หรือไม่?

เมอร์เซอร์:ใช่ เราต้องการออกแบบแบบสำรวจที่จะสะท้อนทัศนคติและคุณลักษณะของเจ้าหน้าที่ตำรวจในหน่วยงานขนาดใหญ่ประเภทนี้ได้อย่างถูกต้อง และเราได้ทำการวิเคราะห์ล่วงหน้าจำนวนมากเพื่อให้แน่ใจว่าหน่วยงานที่เป็นส่วนหนึ่งของแพลตฟอร์มการวิจัยตำรวจแห่งชาติอยู่ใน ข้อเท็จจริง เป็นตัวแทนของประชากรตำรวจจำนวนมากในสหรัฐอเมริกา

ในการทำเช่นนี้ เราเปรียบเทียบแผนกต่างๆ ในตัวอย่าง NPRP กับข้อมูลการสำรวจเกี่ยวกับแผนกตำรวจทั่วประเทศที่รวบรวมโดยสำนักสถิติกระบวนการยุติธรรม เราพิจารณาการแบ่งประเภทของเจ้าหน้าที่ในแง่ของเพศ เชื้อชาติ และการกระจายตำแหน่งในหมู่เจ้าหน้าที่ เรายังดูลักษณะอื่นๆ ของกรมตำรวจที่มีอยู่ในข้อมูลของรัฐบาลด้วย เช่น งบประมาณเฉลี่ยของกรมและดูว่ามีภารกิจตำรวจชุมชนหรือไม่ เราต้องการให้แน่ใจว่าไม่มีความแตกต่างที่สำคัญระหว่างแผนกที่ต้องการเข้าร่วมการสำรวจของเราและในโปรไฟล์ของแผนกโดยรวม

คุณจะเตือนอะไรเกี่ยวกับผลลัพธ์เหล่านี้ (หากมี)

Mercer:คำเตือนที่สำคัญประการหนึ่งคือการสำรวจจะรวมเฉพาะแผนกที่มีเจ้าหน้าที่ 100 คนขึ้นไปเท่านั้น และแม้ว่านี่จะเป็นเจ้าหน้าที่ตำรวจส่วนใหญ่ทั่วประเทศ แต่ก็ไม่ใช่เจ้าหน้าที่ตำรวจทั้งหมด ดังนั้นเราจึงไม่สามารถคาดการณ์ถึงเจ้าหน้าที่ตำรวจในแผนกเล็กๆ ได้

โมริน:สิ่งสำคัญคือต้องสังเกตว่าบางครั้งมุมมองต่อคำถามอาจแตกต่างกันไปในแต่ละแผนก การดูผลลัพธ์เหล่านี้ไม่ควรตีความว่าเป็นมุมมองของตำรวจในเมืองของคุณ แต่เป็นมุมมองที่เป็นตัวแทนในระดับประเทศของเจ้าหน้าที่ทุกคนในแผนกขนาดนี้

Mercer:และเช่นเดียวกับแบบสำรวจทั้งหมด สิ่งสำคัญคือต้องจำไว้ว่าคุณกำลังพูดถึงค่าเฉลี่ยและรูปแบบกว้างๆ ของเจ้าหน้าที่โดยทั่วไป – ไม่จำเป็นต้องเป็นเจ้าหน้าที่รายบุคคล และแน่นอนว่ามีข้อผิดพลาดในการสุ่มตัวอย่างและข้อผิดพลาดประเภทอื่นๆ ที่เป็นจริงสำหรับแบบสำรวจใดๆ

มีอะไรสำคัญที่ควรทราบเกี่ยวกับข้อผิดพลาดในการสุ่มตัวอย่างสำหรับคำถามแต่ละข้อในแบบสำรวจนี้หรือไม่

Mercer:นั่นเป็นสิ่งที่น่าสนใจจริงๆ เกี่ยวกับแบบสำรวจนี้ โดยปกติ เราสามารถรายงานข้อผิดพลาดในการสุ่มตัวอย่างเพียงค่าเดียว ซึ่งคุณสามารถนำไปใช้กับคำถามแบบกว้างๆ ได้ การออกแบบที่ใช้ที่นี่หมายความว่าคุณไม่สามารถใช้ระยะขอบข้อผิดพลาดเดียวกับคำถามที่แตกต่างกันทั้งหมดได้ นั่นเป็นเพราะแทนที่จะสุ่มตัวอย่างเจ้าหน้าที่แต่ละคนโดยตรง เราต้องเลือกแผนกก่อน แล้วจึงสำรวจเจ้าหน้าที่ภายในแผนกเหล่านั้น สิ่งนี้เรียกว่า “การสุ่มตัวอย่างแบบกลุ่ม” และเป็นวิธีเดียวที่จะทำการสำรวจเช่นนี้ได้ เนื่องจากไม่มีวิธีใดที่ดีในการหาเจ้าหน้าที่มาสัมภาษณ์ได้ง่ายๆ นอกจากการเข้าไปสำรวจตามแผนกต่างๆ แต่นี่ก็หมายความว่าขอบของข้อผิดพลาดในการสุ่มตัวอย่างนั้นใหญ่กว่าสำหรับคำถามที่เจ้าหน้าที่ที่ทำงานในแผนกเดียวกันมักจะให้คำตอบเดียวกัน

Credit : UFASLOT