Politiker innen erforscht

Parteiaustritte sind im italienischen Parlament keine Seltenheit, fast ein Drittel der Abgeordneten ist davon betroffen.Ein maschinelles Lernverfahren sagt anhand von Wahldaten genau voraus, wer die Partei wechselt.Parteiwechsler neigen dazu, sich häufiger an geheimen Abstimmungen zu beteiligen.Abnehmende Übereinstimmung mit der Mehrheit ihrer Partei identifiziert künftige Wechsler Zusammenfassung.
Die Dynamik des Parlaments kann zuweilen unberechenbar erscheinen. Die Vorhersage künftiger Abstimmungsmuster könnte die Politikgestaltung auf der Grundlage der Simulation von Abstimmungsszenarien unterstützen. Die Verfügbarkeit offener Daten über legislative Aktivitäten und maschinelle Lernwerkzeuge könnten eine solche Vorhersage ermöglichen. In unserem Beitrag liefern wir Beweise für diese Aussage, indem wir einen Algorithmus entwickelt haben, der in der Lage ist, den Wechsel von Parteien im italienischen Parlament mit einer Genauigkeit von über 70 % bis zu zwei Monate im Voraus vorherzusagen. Die Analyse basierte auf Wahldaten der XVII. (2013-2018) und XVIII. (2018-2022) italienischen Legislaturperiode. Wir fanden heraus, dass Parteiaustauscher eine höhere Beteiligung an geheimen Abstimmungen aufwiesen und bis zu zwei Monate vor dem tatsächlichen Wechsel eine zunehmende Abnahme der Kohärenz mit den Mehrheitsstimmen ihrer Partei zeigten. Diese Ergebnisse zeigen, wie maschinelles Lernen in Kombination mit offenen politischen Daten die Vorhersage und das Verständnis politischer Dynamiken unterstützen kann.Damit erkennen wir dass Forschung nicht nur Labor bedeutet,sondern mittlerweile auch die Persönlichkeiten erforscht und entschlüsselt werden.

Kommentar verfassen