Introduzione
Negli ultimi anni, i sondaggi tradizionali hanno spesso fallito nel prevedere accuratamente i risultati delle elezioni presidenziali. Un caso emblematico è rappresentato dalle elezioni presidenziali argentine del 2019, dove Alberto Fernández ha sconfitto il presidente in carica Mauricio Macri con un margine significativo, non previsto dai sondaggi. Questo studio esamina i dati grezzi forniti da Elypsis, un sondaggista argentino, per comprendere i motivi di tali fallimenti e propone un modello alternativo basato sull’intelligenza artificiale e l’analisi dei social network.
Limiti dei Sondaggi Tradizionali
I sondaggi tradizionali soffrono di vari problemi che ne compromettono l’accuratezza:
- Basso Tasso di Risposta: I tassi di risposta ai sondaggi telefonici sono drasticamente diminuiti, raggiungendo livelli inferiori al 6%, rendendo difficile ottenere un campione rappresentativo.
- Rappresentazione Errata: I campioni di sondaggio spesso non rispecchiano accuratamente la demografia della popolazione generale. Anche dopo la riponderazione, questi campioni possono produrre risultati imprecisi, specialmente in paesi con voto non obbligatorio.
- Pregiudizi di Desiderabilità Sociale: Gli intervistati tendono a nascondere le loro vere intenzioni di voto per candidati controversi, fenomeno noto come effetto Bradley, che distorce ulteriormente i risultati.
Analisi delle Elezioni Presidenziali Argentine del 2019
L’analisi dei dati grezzi di Elypsis rivela due principali problemi:
- Rappresentazione Demografica Distorta: Il campione del sondaggio era significativamente distorto, con una sottorappresentazione dei giovani elettori, un gruppo demografico cruciale in Argentina dove il voto è obbligatorio e l’affluenza è elevata.
- Pregiudizi di Desiderabilità Sociale: Molti elettori hanno nascosto la loro vera intenzione di voto, specialmente nei confronti di Cristina Fernández de Kirchner, una figura politica controversa. Questo bias ha portato a una sottostima del sostegno per Fernández nei sondaggi.
Proposta di un Modello Basato sull’Intelligenza Artificiale
Per affrontare i limiti dei sondaggi tradizionali, lo studio propone un modello basato sull’analisi dei dati dei social network, in particolare Twitter. Il modello segue quattro fasi principali:
- Raccolta Dati: Utilizzo delle API pubbliche di Twitter per raccogliere tweet rilevanti sui candidati da marzo a ottobre 2019. In totale, sono stati raccolti circa 110 milioni di tweet.
- Elaborazione del Testo e dell’Utente: Identificazione e rimozione di bot utilizzando il nome del client Twitter. Standardizzazione del testo tramite rimozione delle stop word e tokenizzazione.
- Classificazione dei Tweet: Addestramento di un modello di apprendimento automatico, in particolare la regressione logistica, per classificare i tweet come favorevoli a un candidato o all’altro. Questo modello ha raggiunto un’accuratezza dell’83%.
- Modellazione delle Opinioni: Utilizzo delle opinioni cumulative degli utenti per tracciare le tendenze elettorali nel tempo. Questo approccio longitudinale consente di monitorare i cambiamenti di opinione e di definire classi di fedeltà degli utenti verso i candidati.
Risultati del Modello
Il modello proposto ha dimostrato una maggiore precisione rispetto ai sondaggi tradizionali nelle elezioni argentine del 2019. Tre modelli specifici sono stati sviluppati:
- Modello 1: Gruppo di indecisi come terza parte.
- Modello 2: Uso dell’omofilia di rete per dedurre l’orientamento politico degli indecisi.
- Modello 3: Riponderazione della popolazione di Twitter ai dati del censimento per ridurre il pregiudizio di campionamento.
Il Modello 3 ha fornito le previsioni più accurate, con un errore assoluto medio (MAE) di 0,53, prevedendo la vittoria di Fernández con il 48,9% dei voti, una stima molto vicina al risultato ufficiale del 48,24%. Questo modello ha anche previsto con successo il grande margine di vittoria di Fernández nelle elezioni primarie (PASO), un risultato che ha sorpreso tutti i sondaggisti tradizionali.
Conclusioni
I metodi tradizionali di sondaggio stanno diventando sempre meno affidabili a causa di bassi tassi di risposta, distorsioni demografiche e pregiudizi di desiderabilità sociale. L’analisi dei social network, combinata con l’intelligenza artificiale, offre una soluzione promettente a questi problemi. Questo metodo non solo può prevedere le elezioni con maggiore precisione, ma può anche rilevare le tendenze della società in tempo reale. Il futuro delle previsioni elettorali e dell’analisi dell’opinione pubblica potrebbe quindi risiedere in metodi non intrusivi basati su big data e intelligenza artificiale.
Lo studio dimostra che l’uso di strumenti di intelligenza artificiale per analizzare i dati dei social network può fornire previsioni elettorali più accurate e affidabili rispetto ai metodi di sondaggio tradizionali, rappresentando un significativo passo avanti nella scienza delle previsioni elettorali. Questi metodi possono catturare meglio l’opinione delle persone, ridurre i bias e fornire un quadro più chiaro delle tendenze politiche e sociali.