Millaisia arvioita poliitikot saavat äänestysikäisiltä tulevaisuuden erilaisissa skenaarioissa? Selvitimme tätä juuri julkaistussa tutkimuksessa, jossa suomalaisten äänestäjien arvioita johtavista poliitikoista tarkasteltiin kahdessa kuvitteellisessa lähitulevaisuuden tilanteessa, jotka kehystettiin utopiaksi ja dystopiaksi.

Tutkimus liittyy laajemmin Laurean NeuroLabin TKI-projekteihin, joissa pyritään ymmärtämään ihmisten päätöksentekoa erilaisissa realistisissa konteksteissa.

Päätöksenteko ja valinnan moniulotteisuus

Johtajuus on moniulotteinen ilmiö, jota äänestäjät arvioivat paitsi poliitikon päätöksentekopätevyyden ja luotettavuuden, myös arvojen, sukupuolen ja ideologisten tekijöiden näkökulmista. Aiemmin havaitsimme (Kauttonen & Suomala 2019), että poliitikkojen arviointi on vahvasti yhteydessä äänestäjän omiin asenteisiin ja piirteisiin. Esimerkiksivastaajan sukupuoli, arvoasenne ja riskinottohalukkuus olivat yhteydessä puolueiden puheenjohtajien eli pääministeriehdokkaiden arviointeihin. Tällöin samaa sukupuolta ja samaa arvoasennetta edustavat ehdokkaat saivat enemmän arvostusta kuin muut ehdokkaat. Lisäksi riskihakuiset äänestäjät suosivat uudistusmielisiä poliitikkoja, kun taas varovaisemmat arvostivat poliitikon maltillisuutta. Se, millaisen tunnetilan poliitikon kuviteltu valinta aiheutti vastaajassa, oli myös merkittävä tekijä poliitikkoa arvioitaessa. Poliitikon arvostus ei siis hahmotu ainoastaan rationaalisten kriteerien kautta, vaan arviot ovat moniulotteisia ja tunnepohjaisia kytkeytyen vastaajien henkilökohtaisiin ominaisuuksiin yhtä vahvasti kuin poliitikon objektiivisiin ominaisuuksiin (Hibbing ym. 2014).

Nyt julkaistu utopia–dystopia-tutkimus jatkaa tätä linjaa, mutta lisäsimme mukaan tulevaisuuden kontekstin, jossa tutkimme miten arviot poliitikosta muuttuvat näissä kahdessa kuvitellussa skenaariossa (Kauttonen & Suomala 2026).

Pääministeriehdokkaiden johtamisominaisuudet

Tutkimukseen osallistui 1109 suomalaista äänestysikäistä, jotka arvioivat yhdeksää tunnettua poliitikkoa seuraavien ominaisuuksien perusteella: soveltuvuus pääministeriksi, luotettavuus, yhteistyökyky, oikeamielisyys, isänmaallisuus ja päätöksentekokyky. Puolueiden puheenjohtajien valinta kohderyhmäksi oli perusteltua, koska yleisenä piirteenä on se, että politiikka on henkilökeskeistä ja puolueiden puheenjohtajat ovat lähes poikkeuksetta myös pääministeriehdokkaita vaaleissa (Garzia 2011). Arvioitavina olivat eduskuntapuolueiden puheenjohtajat, joita olivat tuolloin Jussi Halla-Aho (PS), Li Andersson (VAS), Sanna Marin (SDP), Mari Ohisalo (VIHR), Harry Harkimo (Liik.), Anna-Maja Henriksson (RKP), Petteri Orpo (KOK), Katri Kulmuni (KESK), SE Sari Essayah (KD). Sanna Marin toimi pääministerinä kyselyn suorittamisen aikana. Arviointi tehtiin ensin nykyhetkessä, ja sen jälkeen puolet vastaajista sai luettavakseen utopiaskenaarion (kuvaus harmonisesta tulevaisuudesta), ja puolet dystopiaskenaarion (kuvaus kriisiytyneestä tulevaisuudesta). Sitten he arvioivat poliitikot uudelleen. Näin selvitettiin, muuttuuko poliitikon arviointi kontekstin myötä, ja mitkä tekijät pysyvät vakaina tilanteesta riippumatta.

Aineisto kerättiin nettikyselyn avulla ja sen linkkiä jaettiin suomalaisten korkeakoulujen opiskelijoille ja henkilökunnalle sähköpostitse. Lisäksi linkkiä jaettiin sosiaalisessa mediassa. Kysely muodostui viidestä osiosta, jotka olivat vastaajan taustatiedot, ensimmäinen arviointi jokaisesta poliitikosta, vastaajan äänestyskäyttäytyminen, skenaario, ja toinen arviointi jokaisesta poliitikosta. Vastaajan taustatietoihin kuului sukupuoli, ikä, poliitikon tunnettuus, kurinalaisuus, liberaalisuus, avoimuus, omasta mielipiteestä kiinni pitäminen ja investointihalukkuus.

Näin tutkimusaineistoa analysoitiin

Analyysissä käytettiin kahta menetelmää, jotka soveltuvat moniulotteisen datan analyysiin sallien ei-lineaariset yhteydet. Gradient Boosted Trees -malli (GBM) on koneoppimismenetelmä, joka rakentaa ennusteen useiden pienten “päätöspuiden” avulla. Päätöspuu tekee arvioita askel askeleelta. Jos malli vaikka jakaa vastaajat sen perusteella, äänestävätkö he samaa puoluetta kuin mitä arvion kohteena oleva poliitikko edustaa, seuraava “oksa” voi erottaa heidät sukupuolen perusteella, ja sen jälkeen arvoasenteen mukaan. Jokaisessa päätöspuun haarassa malli oppii, miten nämä tekijät yhdessä vaikuttavat poliitikon arvioon. Näin kukin puu parantaa edellisten virheitä ja malli oppii vähitellen yhä tarkemmin, miten eri tekijät liittyvät poliitikon saamiin arvioihin. Kun kymmeniä tällaisia puita yhdistetään, syntyy “metsä”, joka huomioi monimutkaiset ja epälineaariset yhteydet. Tällaisia yhteyksiä perinteiset tilastolliset mallit eivät pystyisi havaitsemaan (Montgomery & Olivella 2018).

Mallin sisäisen toiminnan selittämisessä keskeistä on SHAP-arvot (SHapley Additive exPlanations) (Lundberg ym. 2020). SHAP kehitettiin alun perin peliteoriaan (Shapley 1953) ja sen avulla voidaan katsoa, kuinka paljon yksittäinen muuttuja nostaa tai laskee mallin ennustetta verrattuna mallin keskimääräiseen arvoon. Näin saadaan näkyviin, mitkä tekijät ovat yksittäisissä arvioissa merkittävimpiä.

Toinen menetelmä oli Bayesilainen lineaarinen sekamalli (engl. Bayesian mixed-effects model, BMM), joka edustaa perinteisempää lineaarista regressiota, mutta hyödyntää Bayesilaista lähestymistapaa. Vaikka se häviää ennustetarkkuudessa GBM mallille, sen vahvuus on tilastollisessa mallinnuksessa, jossa voidaan erotella äänestäjä ja poliitikkokohtaiset vaikutukset populaatiotason ennusteista.

Näiden kahden menetelmän yhdistelmä mahdollisti sekä ennustetarkkuuden että tulkittavuuden, sillä GBM paljasti vahvimmat yhteydet poliitikkojen arvioiden ja taustamuuttujien välillä, kun taas BMM kuvasi, kuinka varmoja tulokset ovat.

Keskeiset havainnot poliitikkojen arvioinnista

Puoluesitoutuneisuus oli vahvin poliitikkoarvioita ennustava tekijä. Äänestäjät antoivat huomattavasti myönteisimpiä arvioita poliitikoille, jotka olivat heidän omaa puoluettaan lähellä. Tätä ilmiötä kutsutaan myös puolueuskollisuuden heijastusvaikutukseksi (spillover effect), jolloin poliitikko nähdään myönteisessä valossa myös muiden piirteiden osalta (Marks ym. 2019).

Myös sukupuolen vastaavuus äänestäjän ja poliitikon välillä oli merkittävä poliitikon arvioinnissa. Erityisesti naiset arvioivat naispoliitikkoja miehiä myönteisemmin. Tämä näkyi ennustemallissa lähes yhtä vahvana kuin poliitikon asema poliittisella kentällä. Tämä havainto on linjassa aiempien suomalaisten (Kauttonen & Suomala 2019) ja yhdysvaltalaisten (Brians 2005) vaalitutkimusten kanssa.

Utopian ja dystopian vaikutus

Utopia- ja dystopia-skenaarioiden vaikutus oli verrattain heikko, sillä skenaario sijoittui vasta 10. tärkeimmäksi muuttujaksi kaikista kahdestatoista. Silti skenaariot muuttivat poliitikkojen keskinäistä järjestystä arvostusasteikolla. Utopiassa kärjessä olivat Sanna Marin (SDP), Li Andersson (VAS) ja Mari Ohisalo (VIHR). Sen sijaan dystopiassa Jussi Halla-ahon (PS) arvostus nousi selvästi, ja hän siirtyi kahdeksannelta sijalta ensimmäiseksi verrattuna alkutilanteeseen ennen skenaarion esittämistä. Tämä tukee oletusta, että kriisitilanteissa osa äänestäjistä kääntyy päättäväisinä ja konservatiivisina koettujen johtajien puoleen (Holman ym. 2022).

Sitoutuneisuus ja sukupuolierot poliittisessa arvioinnissa

Tulokset osoittivat lisäksi, että sitoutuneet äänestäjät olivat vähemmän alttiita muuttamaan mielipidettään kuin liikkuvat äänestäjät. Sitoutuneita äänestäjiä olivat ne, jotka antoivat parhaat arvioinnit saman puolueen ehdokkaalle, jota itse äänesti. Utopiaskenaariossa sitoutuneiden arviot jopa hieman nousivat, kun taas liikkuvilla äänestäjillä molemmat skenaariot johtivat arvosanojen laskuun.

Dystopiassa miesten arviot laskivat enemmän kuin naisten. Tämä näkyi erityisesti ominaisuuden oikeamielisyys kohdalla. Tämä voi kertoa siitä, miten eri sukupuolet reagoivat kriisitilanteen emotionaaliseen kehykseen.

Tutkimus valaisee poliittista päätöksentekoa monikerroksisena ja kontekstisidonnaisena prosessina, jossa yksilölliset piirteet, poliittinen tilanne ja kokonaisvaltainen arviointi kietoutuvat yhteen. Perinteinen puoluesidonnaisuus on edelleen vahvin yksittäinen poliitikkoarvioita ohjaava tekijä. Myös sukupuolen vastaavuus äänestäjän ja poliitikon välillä vaikutti arvioihin merkittävästi. Yhdistämällä ennustavaa koneoppimista ja Bayesilaista mallinnusta, toimme näkyviin päätöksenteon päätekijät ja ne hienovaraiset vuorovaikutukset, joita perinteinen tilastollinen analyysi yksinään ei helposti paljasta.

Tutkimus avaa uuden näkökulman siihen, miten konteksti muokkaa poliittista arviointia, ja tarjoaa välineitä ymmärtää päätöksentekoa laajemmin myös muilla aloilla esimerkiksi kuluttajien valinnoissa ja johtajuuden tutkimuksissa.

Lähteet

• Brians, C. L. 2005. Women for Women?: Gender and Party Bias in Voting for Female Candidates. American Politics Research, 33(3), 357–375.
• Garzia, D. 2011. The personalization of politics in Western democracies: Causes and consequences on leader–follower relationships. The Leadership Quarterly, 22(4), Article 4.
• Hibbing, J. R., Smith, K. B., & Alford, J. R. 2014. Differences in negativity bias underlie variations in political ideology. Behavioral and Brain Sciences, 37(3), Article 3.
• Holman, M. R., Merolla, J. L., & Zechmeister, E. J. 2022. The Curious Case of Theresa May and the Public That Did Not Rally: Gendered Reactions to Terrorist Attacks Can Cause Slumps Not Bumps. American Political Science Review, 116(1), 249–264.
• Kauttonen, J., & Suomala, J. 2019. The Decision Science of Voting: Behavioral Evidence of Factors in Candidate Valuation. In A.K. Goel, C.M. Seifert, & C. Freksa (Eds.), Proceedings of the 41st Annual Conference of the Cognitive Science Society, 41, 532–538.
• Kauttonen, J., & Suomala, J. 2026. Behavioral science of voting in hypothetical utopia and dystopia scenarios: A predictive modeling approach. Frontiers in Psychology, 16, 1713314.
• Lundberg, S. M., Erion, G., Chen, H., DeGrave, A., Prutkin, J. M., Nair, B., Katz, R., Himmelfarb, J., Bansal, N., & Lee, S.-I. 2020. From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence, 2(1), 56–67.
• Marks, J., Copland, E., Loh, E., Sunstein, C. R., & Sharot, T. 2019. Epistemic spillovers: Learning others’ political views reduces the ability to assess and use their expertise in nonpolitical domains. Cognition, 188, 74–84.
• Montgomery, J. M., & Olivella, S. 2018. Tree‐Based Models for Political Science Data. American Journal of Political Science, 62(3), 729–744.
• Shapley, L. S. 1953. 17. A Value for n-Person Games. In H. W. Kuhn & A. W. Tucker (Eds.), Contributions to the Theory of Games (AM-28), Volume II (pp. 307–318). Princeton University Press.