Ricerca e innovazione

Come misurare l'influenza dei partiti sui voti

14 Ottobre 2020

Ricercatori del Consiglio nazionale delle ricerche - Istituto di analisi dei sistemi ed informatica “A. Ruberti” (Cnr-Iasi) e Istituto di elettronica e di ingegneria informatica e delle telecomunicazioni (Cnr-Ieiit) - in collaborazione con il Dipartimento di elettronica e telecomunicazioni del Politecnico di Torino hanno sviluppato una tecnica innovativa basata sul Machine Learning, in grado di stimare, a partire dall’osservazione dei dati di voto, la “fedeltà” di ciascun senatore al proprio gruppo parlamentare e, simultaneamente, il grado di influenza degli altri gruppi concorrenti. Concentrando l’attenzione sulle leggi più importanti votate durante la XVII legislatura lo studio, pubblicato su PLoS One, associa a ogni senatore un “Political DNA” che rappresenta graficamente le influenze dei gruppi.

Negli ultimi decenni, la comunità scientifica ha dedicato sforzi significativi allo studio di modelli matematici che descrivano la formazione di opinioni in gruppi sociali. Secondo questi modelli, le opinioni degli “agenti” sono il risultato di una opportuna media tra le opinioni altrui e le proprie convinzioni iniziali. In questo senso, gli agenti non sono completamente aperti alle opinioni altrui, essendo spinti con perseveranza da un attaccamento individuale dovuto, per esempio, all'influenza di una specifica appartenenza di gruppo.

Obiettivo dello studio, e ingrediente chiave per offrire un’analisi efficace di un gruppo sociale, è lo sviluppo di nuove metodologie in grado di estrarre dai dati queste mutue influenze.  Il Political DNA potrebbe fornire un utile strumento di sintesi per l’osservazione e la valutazione dell’attività politica dei rappresentanti.

"Le tecniche di “machine learning” stanno assumendo una crescente rilevanza in ambiti che vanno oltre quelli usuali, ingegneristici e scientifici, coinvolgendo sempre più le scienze umane, politiche e sociali. La ricerca in oggetto si muove in questa direzione, per fornire degli strumenti automatici che aiutino nella analisi e comprensione del comportamento di agenti appartenenti a diversi gruppi ideologici tra loro contrapposti. Il Dipartimento di Elettronica e Telecomunicazioni (DET) del Politecnico di Torino è da tempo attivo nell’ambito del machine learning; questo lavoro nasce in particolare dalla collaborazione tra il gruppo “Control Systems and Data Science” del DET da me coordinato, il gruppo “System Modeling & Control” dell’IEIIT-CNR coordinato dal dr. Fabrizio Dabbene, e il dr. Corrado Possieri dello IASI-CNR" ha dichiarato il professor Giuseppe Calafiore.

Tag