L'intelligenza artificiale rivela i veri motivi del voto nelle elezioni

Ogni elezione offre l'opportunità di riflettere sulle motivazioni che hanno spinto le persone a votare per un candidato piuttosto che per un altro. Nel caso delle elezioni presidenziali del 2020 negli Stati Uniti, la ricerca condotta da Sreemanti Dey, studentessa della Caltech, e Michael Alvarez, professore di scienze politiche e sociali computazionali, ha utilizzato l'apprendimento automatico per analizzare i dati raccolti durante il processo elettorale, offrendo spunti interessanti sulle motivazioni dei votanti. La scelta di utilizzare l'apprendimento automatico per studiare i risultati delle elezioni del 2020 è stata dettata dalla volontà di adottare un approccio più aperto e basato sui dati, in contrasto con gli studi deduttivi tradizionali delle scienze sociali. In questo modo, è stato possibile analizzare un'enorme quantità di dati senza introdurre pregiudizi e concentrandosi sulle informazioni più rilevanti. Per la ricerca è stato utilizzato l'algoritmo Fuzzy Forest, che permette di ridurre set di dati ad alta dimensionalità ai fattori più importanti. L'algoritmo raggruppa tutte le caratteristiche dei dati in moduli correlati tra loro, riducendo il numero di caratteristiche in ogni modulo e combinando infine tutti i moduli per un'ulteriore riduzione delle informazioni. Grazie a questa ricerca, si è potuto avere un quadro più chiaro e imparziale delle ragioni che hanno spinto le persone a votare per un candidato piuttosto che per un altro nelle elezioni presidenziali del 2020. L'apprendimento automatico si è dimostrato uno strumento prezioso per comprendere la complessità del processo elettorale e potrebbe essere utilizzato anche in futuro per analizzare ulteriori elezioni e fornire spunti utili per migliorare la democrazia.