در این اپیزود سراغ یکی از مشهورترین شکست‌های تاریخ داده می‌رویم؛ داستان مجله‌ی لیترری دایجست و نظرسنجی انتخاباتی ۱۹۳۶ که با بیش از دو میلیون جواب، یکی از فاجعه‌بارترین پیش‌بینی‌های آماری قرن بیستم را رقم زد.

🗳️ همراه لیترری دایجست وارد دنیای عددهای بزرگ می‌شویم؛ جایی که حجم عظیم داده، اعتماد بیش‌ازحد به نمونه و نادیده گرفتن واقعیت‌های اجتماعی، مسیر را از حقیقت منحرف کرد.

📊 سوگیری پنهان در داده‌ها: بررسی می‌کنیم چگونه چارچوب نمونه‌گیری اشتباه، سوگیری طبقاتی و عدم پاسخ، باعث شد پیش‌بینی مجله با واقعیت انتخابات اختلافی تاریخی پیدا کند.

🔍 در ادامه، به ظهور جورج گالوپ می‌رسیم؛ جایی که تأکید بر نمایندگی آماری، مسیر علم نظرسنجی را از «داده‌ی زیاد» به «داده‌ی درست» تغییر داد و درس‌هایی ماندگار برای دنیای کلان‌داده امروز ساخت.

📚 منابع مهم این اپیزود:

· مقاله‌ی «Why the 1936 Literary Digest Poll Failed» نوشته‌ی Pever ...