• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Outros
    O modelo de previsão pode prever quais contas são aprovadas

    O professor de ciência política da Purdue University Eric Waltenburg e o professor assistente de ciência da computação Dan Goldwasser se uniram para projetar um modelo de previsão que usa a ciência de dados para determinar os votos dos legisladores estaduais. Crédito:Purdue University

    Quando os Estados Unidos retiraram-se do Acordo do Clima de Paris no ano passado, 20 estados, incluindo Nova York e Califórnia, resolveram formar um novo, acordo não federal para lidar com as mudanças climáticas e as emissões de gases de efeito estufa.

    De acordo com o professor de ciência política da Purdue University Eric Waltenburg, muitas decisões políticas significativas como essa ocorrem em nível estadual, mas são amplamente ignoradas pelo público. Ele está colaborando com Dan Goldwasser, professor assistente de ciência da computação, para ajudar as pessoas a entender melhor o impacto das decisões tomadas em nível estadual. Juntos, eles lideram um projeto focado no desenvolvimento de um modelo de previsão para prever o comportamento eleitoral do legislador estadual.

    "Se nosso projeto funcionar como eu espero, abrirá o processo de formulação de políticas e as pessoas terão uma noção melhor de quais podem ser os resultados legislativos, "Waltenburg disse." Isso desmistificaria o processo legislativo estadual para o público. "

    As legislaturas estaduais são assembleias de membros eleitos que votam nas leis e políticas de seu estado. Em uma votação nominal, o nome de cada legislador é chamado, e devem indicar em registro se são a favor ou contra uma determinada parte da legislação. Usando fontes públicas como o Twitter, blogs políticos, relatos de jornais e dados históricos de chamadas da última década, os cientistas da computação que trabalham com Waltenburg usarão técnicas de aprendizado de máquina para prever como um legislador pode votar em um determinado projeto de lei.

    "O que estamos tentando fazer é identificar as forças-chave - me refiro a elas como preferências reveladas - entre os legisladores e usar essas preferências para prever resultados, "Disse Waltenburg." Temos uma grande quantidade de dados históricos das chamadas em nível estadual, e com esses dados podemos produzir matrizes relacionais de como cada legislador vota em relação a todos os outros membros da legislatura. "

    Em última análise, o objetivo deles é produzir um site onde as pessoas possam ir para prever o resultado de uma determinada legislação. Goldwasser acrescentou que o impacto das decisões tomadas em nível estadual são mais significativas do que as pessoas pensam, apesar de não obterem a mesma cobertura que as realizadas a nível nacional.

    "Realmente esperamos que este seja um serviço público que permita às pessoas responsabilizarem seus representantes e, pelo menos, tomarem decisões mais informadas quando forem às urnas, "Goldwasser disse.

    No final do verão, seu projeto terá se expandido além do estado de Indiana para Oregon e Wisconsin, onde eles irão testar seu modelo de previsão nas câmaras de nível inferior desses estados. Em última análise, eles gostariam de transformar seu modelo de estático em dinâmico, trazendo dados em tempo real do Twitter e de outras fontes online para que o modelo possa adaptar a matriz relacional conforme as preferências reveladas chegam.

    "Uma das perguntas que estamos fazendo é, como podemos usar recursos online como o Twitter ou a cobertura de notícias para atualizar dinamicamente o modelo que temos sobre essas preferências? ", disse Goldwasser." Quando o comportamento de um legislador estadual não é mencionado explicitamente, podemos aprender a inferir seu comportamento. "

    A equipe tem um modelo estático para a Casa de Indiana, mas gostaria de desenvolver um modelo de previsão para todos os estados e suas câmaras. O projeto deles foi um dos oito selecionados pela Purdue's Integrative Data Science Initiative para ser financiado por um período de dois anos. A iniciativa incentivará a colaboração interdisciplinar e aproveitará os pontos fortes de Purdue para posicionar a universidade como líder em pesquisa de ciência de dados e se concentrar em uma das quatro áreas:saúde; defesa; ética, sociedade e política; e fundamentos, métodos, e algoritmos. Os esforços de pesquisa da Iniciativa de Ciência de Dados Integrativos são hospedados pelo Parque de Descobertas de Purdue.

    "Embora a ideia de prever votos legislativos seja um tópico bastante convencional da ciência política, A experiência de Dan nos permite desenvolver um modelo de previsão que vai muito além de onde a maioria dos cientistas políticos chegou, "disse Waltenburg." O projeto em que estamos trabalhando é um grande exemplo de como os recursos e o corpo docente da Purdue ajudam uns aos outros a implementar ideias e colaborar entre o campus e as disciplinas. "


    © Ciência https://pt.scienceaq.com