Anàlisi dels sistemes electorals i estudi dels resultats de les eleccions catalanes ala darrera dècada mitjançant Intel·ligència Artificial
Notice bibliographique
Résumé
Ens trobem en un moment de la història on les democràcies estan evolucionant, i degut a la hiperconectivitat i globalització, s’estan replantejant molts models d’elecció dels nostres representants polítics, també coneguts com a models electorals. Aquesta globalització tecnològica permet incidir de forma molt particular en cadascú de nosaltres. Mitjançant l’anàlisi de dades i els algoritmes d’Intel·ligència Artificial, cada vegada està més a l’abast predir el comportament dels humans, i per tant de l’opinió personal i pública. Aquests dos fets han fet despertat en mi una gran curiositat en dos àmbits, l’àmbit dels sistemes electorals i l’àmbit de la Intel·ligència Artificial, fet pel qual vaig proposar fer un treball que englobés ambdós. Així doncs, amb aquest treball es pretén conèixer els diferents sistemes electorals i fer un estudi dels resultats de les eleccions de la darrera dècada a Catalunya (mitjançant l’anàlisi de dades i la Intel·ligència Artificial). Per fer-ho, el treball se separà en dos grans blocs. El primer està relacionat amb els sistemes electorals en sí; al principi es fa una breu introducció de què son i seguidament s’expliquen els 2 grans blocs de sistemes de votació. Per acabar el primer bloc es plasma el que s’ha après mostrant un estudi de com li afectaria a Catalunya el fet de tenir un altre sistema o fórmula electoral diferent a la que s’utilitza actualment. El segon bloc té com a objectiu elaborar un model de predicció mitjançant Intel·ligència Artificial per tal de poder predir el valor dels resultats d’unes possibles eleccions futures, o el que és el mateix, analitzar com afecten diversos factors, com per exemple la natalitat, migració, població segons edat... als resultats de les eleccions. Per arribar fins aquí cal un procés de recopilació, tractament i filtratge de dades i és d’això el que tracta el primer apartat d’aquest segon bloc del treball. L’últim apartat del cos del treball tracta sobre la Intel·ligència Artificial. Comença el capítol fent una introducció general i explicant totes les coses que calen per fer un model de regressió; especialment aquelles que s’empraran posteriorment. La segona part porta com a objectiu trobar un model de regressió que s’ajusti a les dades recopilades, i s’explica poc a poc les passes seguides per tal d’arribar-hi. L’objectiu del model de regressió es poder predir el nombre de vots que aconseguirà cada partit en funció de totes les dades que aniré recopilant. Ja per acabar, m’agradaria destacar que aquest treball intenta estar a l’abast de tothom, per tant no cal saber molt d’Intel·ligència Artificial o d’aspectes electorals per entendre-ho i seguir-ho sense problemes
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».