Purdue Universitys professor i statskundskab Eric Waltenburg og assisterende professor i datalogi Dan Goldwasser er gået sammen om at designe en prognosemodel, der bruger datavidenskab til at bestemme statslovgivernes stemmer. Kredit:Purdue University
Da USA trak sig ud af Paris-klimaaftalen sidste år, 20 stater – inklusive New York og Californien – besluttede at danne en ny, ikke-føderal aftale om at håndtere klimaændringer og drivhusgasemissioner.
Ifølge Purdue University professor i statskundskab Eric Waltenburg, mange meningsfulde politiske beslutninger som denne finder sted på statsniveau, men ignoreres stort set af offentligheden. Han samarbejder med Dan Goldwasser, adjunkt i datalogi, at hjælpe folk til bedre at forstå virkningen af beslutninger truffet på statsniveau. Sammen leder de et projekt fokuseret på at udvikle en prognosemodel til at forudsige statens lovgivers stemmeadfærd.
"Hvis vores projekt fungerer, som jeg håber, det gør, det vil åbne op for den politiske beslutningsproces, og folk vil få en bedre fornemmelse af, hvad lovgivningsmæssige resultater kan være, " sagde Waltenburg. "Det ville afmystificere statens lovgivningsproces for offentligheden."
Statens lovgivende forsamlinger er forsamlinger af valgte medlemmer, der stemmer om love og politik for deres stat. Ved afstemning ved navneopråb, hver lovgivers navn kaldes, og de skal oplyse, om de er for eller imod en bestemt lovgivning. Ved at bruge offentlige kilder som Twitter, politiske blogs, avisregnskaber og historiske navneopkaldsdata fra det seneste årti, dataloger, der arbejder med Waltenburg, vil bruge maskinlæringsteknikker til at forudsige, hvordan en lovgiver kan stemme om et bestemt lovforslag.
"Det, vi forsøger at gøre, er at identificere nøglekræfter – jeg omtaler dem som afslørede præferencer – blandt lovgivere og bruge disse præferencer til at forudsige resultater, " sagde Waltenburg. "Vi har enorme mængder af historiske navneopkaldsdata på statsniveau, og med disse data er vi i stand til at producere relationelle matricer for, hvordan hver lovgiver stemmer i forhold til hvert andet medlem af lovgiver."
Ultimativt, de sigter mod at producere en hjemmeside, hvor folk kan gå hen for at forudsige resultatet af en bestemt lovgivning. Goldwasser tilføjede, at virkningen af beslutninger truffet på statsniveau er mere betydningsfulde, end folk tror, på trods af, at de ikke får samme dækning som dem, der er lavet på landsplan.
"Vi håber virkelig, at dette ville være en offentlig tjeneste, der giver folk mulighed for at holde deres repræsentanter ansvarlige og i det mindste træffe mere informerede beslutninger, når de går til stemmeurnerne, " sagde Goldwasser.
Ved udgangen af sommeren, deres projekt vil have udvidet sig ud over staten Indiana til Oregon og Wisconsin, hvor de vil teste deres prognosemodel på de lavere niveaukamre i disse stater. Ultimativt, de vil gerne transformere deres model fra statisk til dynamisk, indbringelse af realtidsdata fra Twitter og andre onlinekilder, så modellen kan tilpasse den relationelle matrix, efterhånden som de afslørede præferencer kommer ind.
"Et af de spørgsmål vi stiller er, hvordan kan vi bruge onlineressourcer såsom Twitter eller nyhedsdækning til dynamisk at opdatere den model, vi har om disse præferencer?" sagde Goldwasser. "Når hvordan en statslovgiver kommer til at opføre sig ikke udtrykkeligt nævnes, vi kan lære at udlede deres adfærd."
Holdet har en statisk model for Indiana House, men vil i sidste ende gerne udvikle en prognosemodel for alle stater og deres kamre. Deres projekt var et af otte udvalgt af Purdue's Integrative Data Science Initiative til at blive finansieret for en toårig periode. Initiativet vil tilskynde til tværfagligt samarbejde og bygge videre på Purdues styrker for at positionere universitetet som førende inden for datavidenskabelig forskning og fokusere på et af fire områder:sundhedspleje; forsvar; etik, samfund og politik; og grundlæggende, metoder, og algoritmer. Forskningsindsatsen i Integrative Data Science Initiative er vært for Purdue's Discovery Park.
"Selvom ideen om at forudsige lovgivende stemmer er et ret konventionelt politisk videnskabeligt emne, Dans ekspertise giver os mulighed for at udvikle en prognosemodel, der rækker langt ud over, hvor de fleste politologer er nået, " sagde Waltenburg. "Det projekt, vi arbejder på, er et godt eksempel på, hvordan Purdues ressourcer og fakultet hjælper hinanden med at implementere ideer og samarbejde på tværs af campus og discipliner."