p Imagine que você seja solicitado a classificar os condados da Pensilvânia em termos de número de infecções por COVID-19. Ou você pode ser solicitado a classificar as seguintes cidades na Pensilvânia com base em suas populações:Harrisburg, Allentown, Erie e State College. p Qual seria sua resposta? Como você acha que outras pessoas responderiam a essas perguntas?

p Um novo algoritmo desenvolvido por uma equipe de pesquisadores liderada por Hadi Hosseini, professor assistente do Penn State College de Ciências da Informação e Tecnologia, pode chegar à resposta verdadeira para esta e outras perguntas semelhantes combinando o voto ou opinião do próprio respondente com sua previsão sobre como os outros responderão.

p Hosseini explicou que uma pessoa com conhecimento da Pensilvânia provavelmente saberia a resposta à pergunta acima. Eles também podem prever que outros participantes menos informados, na média, forneceria a classificação incorreta. Por outro lado, participantes uniformizados provavelmente não estão cientes da resposta correta e podem dar uma classificação errada dessas cidades.

p "Este é o ponto crucial do nosso algoritmo:usar as informações extras que os participantes informados têm para corrigir esses erros, " ele disse.

p O método dos pesquisadores expande uma abordagem existente de solicitar sabedoria de uma multidão, chamado de método surpreendentemente popular, que tem sido usado em cenários como pesquisas políticas prevendo o resultado das eleições e pesquisadores prevendo os vencedores dos jogos da NFL. Como o modelo de Hosseini, método surpreendentemente popular pede que os entrevistados forneçam duas respostas por pergunta:qual é sua opinião ou voto, e como eles prevêem que outros votarão. A técnica aproveita o conhecimento de um pequeno grupo de especialistas em uma multidão maior para apontar a resposta correta.

p Contudo, o método surpreendentemente popular tem se limitado a prever uma única resposta correta para uma pergunta feita, como "Qual é a capital da Pensilvânia?" ou "Quanto dinheiro o filme" Titanic 'arrecadou nas bilheterias em todo o mundo? "O modelo de Hosseini estende esse conceito a escolhas ou alternativas classificadas.

p "Não é necessário obter classificações completas e previsões de outros, "disse Hosseini." Somos capazes de recuperar a verdade do terreno combinando os votos e as previsões, sem extrair distribuições completas sobre todos os n! classificações. E isso é verdade para recuperar apenas a primeira escolha ou a classificação completa. "

p O método poderia ser aplicado para melhorar a previsão com escolhas classificadas, como nas pesquisas de boca de urna para prever os resultados das eleições políticas. De acordo com Hosseini, fazendo perguntas secundárias aos eleitores por meio de seu método, menos amostras seriam necessárias em comparação com as pesquisas de saída padrão que dependem de amostragem aleatória.

p A abordagem de Hosseini também supera significativamente os métodos de votação convencionais, como a regra da maioria simples, que não pedem aos entrevistados para prever como os outros responderão.

p "Acontece que a previsão dos votos dos outros é mais importante do que os votos reais, Hosseini disse. "Isso é muito importante porque postula que perguntar o que você pensa sobre a opinião de outras pessoas é uma questão mais crítica do que perguntar a própria opinião".

p Para testar seu modelo, Hosseini e sua equipe fizeram perguntas a 720 trabalhadores de crowdsourcing sobre geografia, filmes e obras de arte para escolher, por exemplo, qual filme de uma seleção de quatro tem a maior bilheteria, receita de bilheteria de todos os tempos. Os pesquisadores usaram seis formatos diferentes para obter respostas dos participantes, como selecionar a primeira resposta de uma lista de quatro opções ou classificar essas quatro opções em ordem. Alguns participantes também foram solicitados a prever qual resposta os outros escolheriam ou como os outros classificariam seu pedido.

p "Nossos métodos algorítmicos e descobertas podem ter um impacto significativo em como vemos e lidamos com as eleições, seja em nível nacional ou local, "disse Hosseini." Mais importante, nossa técnica mostra que podemos prever uma classificação com base na verdade com alta precisão, sem a necessidade de uma grande coleta de dados. "

p Adicionalmente, ele disse, o método poderia ser aplicado em áreas fora da previsão dos resultados objetivos de eventos como eleições políticas e jogos esportivos.

p "Surpreendentemente, esta técnica funciona até mesmo para prever a classificação de preços de pinturas abstratas, o que normalmente é mais difícil de especular pela multidão, " ele adicionou.

p Eles apresentaram seu trabalho, "A votação surpreendentemente popular recupera as classificações, Surpreendentemente! "Esta semana na Conferência Internacional Conjunta sobre Inteligência Artificial (IJCAI-21), realizada virtualmente de 19 a 26 de agosto. O trabalho foi parcialmente financiado pela National Science Foundation.