Voiko algoritmi ennustaa poliitikon tulevaisuutta vain analysoimalla hänen twiittejään? | Karina Petrova, PsyPost Uusi tilastollinen malli on onnistuneesti lajitellut Yhdysvaltain kongressin jäsenet erillisiin poliittisiin ja lainsäädännöllisiin ryhmiin pelkästään heidän vuorovaikutusmalliensa perusteella sosiaalisen median alustalla X. Journal of Computational and Graphical Statistics -lehdessä julkaistussa tutkimuksessa tunnistettiin myös pieni määrä poikkeavia henkilöitä, joiden verkkokäyttäytyminen näytti viestittävän kunnianhimoa korkeampaan virkaan. Poliitikot käyttävät julkisia alustoja viestiäkseen periaatteistaan ja poliittisista kannoistaan äänestäjille. Muodollisten lausuntojen lisäksi monet viljelevät myös henkilökohtaista brändiä kieli- ja tyylivalinnoillaan. Koska suuri osa poliittisesta viestinnästä tapahtuu nyt verkossa, tutkijat ovat tutkineet, miten vaaleilla valitut virkamiehet asettuvat strategisesti yhteen muiden koalitionsa jäsenten kanssa. Uuden tutkimuksen suorittivat Stevens Institute of Technologyn matemaattisten tieteiden apulaisprofessori Benjamin Leinwand ja Marylandin yliopiston matematiikan professori Vince Lyzinski. He ovat erikoistuneet verkkotieteeseen, alaan, joka analysoi monimutkaisten järjestelmien yhteyksiä. He pyrkivät selvittämään, voisiko malli päätellä poliittisen verkoston taustalla olevan rakenteen tarkkailemalla vain vuorovaikutusta ilman, että sille annetaan mitään tietoa poliittisista kytköksistä tai siitä, mihin kongressin kamariin jäsen kuuluu. Ymmärtääkseen kongressin sosiaalista maisemaa tutkijat tarvitsivat työkalun, joka voisi kartoittaa verkkovuorovaikutuksen monimutkaisen verkon. Pohjimmiltaan mikä tahansa tällainen tilastollinen malli yrittää laskea yksinkertaisen arvon jokaiselle yksilöparille: todennäköisyyden, että ne yhdistyvät. Tämä tuottaa verkon suunnitelman, joka osoittaa, mitkä yhteydet ovat todennäköisiä ja mitkä eivät. Jotkut laajalti käytetyt verkkomallit lähestyvät tätä tehtävää yhdistämällä muutamia avaintekijöitä. Malli voi esimerkiksi arvioida yhteyden todennäköisyyden kertomalla henkilön yksilöllisen "sosiaalisuuden" pistemäärän pistemäärällä, joka kuvaa hänen ryhmänsä vuorovaikutusta. Tämä menetelmä toimii hyvin monissa skenaarioissa, mutta se voi rikkoutua verkoissa, joissa on äärimmäisiä vaihteluita. Ongelma nousee esiin tiiviisti kytkeytyneissä yhteisöissä, joissa muutama henkilö on poikkeuksellisen aktiivinen. Tällaisissa tapauksissa malli saattaa antaa näille aktiivisille ihmisille erittäin korkeat sosiaalisuuspisteet ja heidän ryhmälleen korkean vuorovaikutuspistemäärän. Kun nämä korkeat pisteet kerrotaan yhteen, tuloksena oleva todennäköisyys voi ylittää 1 tai 100 prosenttia. Tämä on matemaattinen mahdottomuus, joka osoittaa, että malli ei pysty edustamaan tarkasti taustalla olevaa sosiaalista dynamiikkaa. Leinwandin ja Lyzinskin kehittämä uusi malli on rakennettu toisenlaiselle matemaattiselle perustalle, joka on erityisesti suunniteltu välttämään tämä ongelma. Sen sisäiset laskelmat on rakennettu tavalla, joka takaa, että minkä tahansa poliitikkoparin lopputulos on aina pätevä todennäköisyys, luku välillä 0-1. Näin varmistetaan, että malli tuottaa yhtenäisen ja loogisen kartan verkosta myös sen aktiivisimmilla ja monimutkaisimmilla alueilla. Virheiden ehkäisemisen lisäksi tämä uusi lähestymistapa tarjoaa enemmän joustavuutta. Se ei oleta, että yhteysmallit ovat samat koko verkossa. Jotkut mallit voivat esimerkiksi olettaa, että yhden ryhmän sosiaalisesti aktiivisimmat jäsenet ovat todennäköisimmin yhteydessä toisen ryhmän aktiivisimpiin jäseniin. Uusi malli voi kuitenkin havaita monimutkaisempia kuvioita. Se voisi esimerkiksi löytää tilanteen, jossa kahden eri poliittisen puolueen maltilliset jäsenet ovat usein vuorovaikutuksessa, kun taas samojen puolueiden puolueellisimmat jäsenet ovat hyvin vähän vuorovaikutuksessa. Se voi myös tunnistaa, että yksilön taipumus muodostaa yhteyksiä voi muuttua riippuen yhteisöstä, jonka kanssa hän on vuorovaikutuksessa, mikä tarjoaa yksityiskohtaisemman ja realistisemman kuvan poliittisesta viestinnästä. Tämän mallin avulla Leinwand ja Lyzinski analysoivat 475 Yhdysvaltain 117. kongressin jäsenen julkista toimintaa. Heidän tietojoukkonsa sisälsi jokaisen jäsenen, joka julkaisi vähintään 100 twiittiä neljän kuukauden aikana 9. helmikuuta 2022 ja 9. kesäkuuta 2022 välisenä aikana. Malli määritteli yhteyden minkä tahansa kahden poliitikon välille, jos toinen heistä twiittasi tai uudelleentwiittasi toista tänä aikana. "Kutsumme kahta ihmistä 'yhteydessä', jos jompikumpi parista twiittasi toiselle tai uudelleentwiittasi toisen tänä aikana", Leinwand selitti. Mallille ei annettu mitään tietoa poliitikon puolueesta, kamarista tai poliittisista kannoista. Sen tehtävänä oli lajitella 475 henkilöä ryhmiin vain heidän digitaalisten yhteyksiensä verkon perusteella. Malli tunnisti kolme ensisijaista yhteisöä. Nämä algoritmisesti määritellyt ryhmät jakautuivat tuttujen poliittisten linjojen mukaan. Ensimmäinen ryhmä koostui lähes kokonaan senaattoreista. Toinen yhteisö koostui pääasiassa edustajainhuoneen demokraattisista jäsenistä, ja kolmas koostui suurelta osin edustajainhuoneen republikaanisista jäsenistä. Analyysi osoitti, että näiden kolmen ryhmän poliitikot olivat useimmiten vuorovaikutuksessa oman yhteisönsä jäsenten kanssa. "Republikaanien kongressiedustajat puhuivat paljon keskenään ja demokraattiset kongressiedustajat puhuivat paljon keskenään, vaikka demokraattiset kongressiedustajat olivat jonkin verran todennäköisemmin vuorovaikutuksessa senaattorien kanssa kuin republikaanikollegansa", Leinwand sanoi. Hän tarjosi mahdollisen selityksen tälle mallille. Tarkkailun aikaan demokraateilla oli enemmistö senaatissa. Tämän seurauksena "voisi kuvitella, että demokraattisia kongressiedustajia voitaisiin kannustaa vahvistamaan senaatin johdon viestejä liittolaistensa lisäksi edustajainhuoneessa", hän jatkoi. ...