Dokáže algoritmus předpovědět budoucnost politika jen na základě analýzy jeho tweetů? | Karina Petrová, PsyPost Nový statistický model úspěšně roztřídil členy Kongresu USA do odlišných politických a legislativních skupin pouze na základě jejich vzorců interakce na platformě sociálních médií X. Studie publikovaná v časopise Journal of Computational and Graphical Statistics také identifikovala malý počet lidí, jejichž chování na internetu signalizovalo ambice na vyšší úřad. Politici využívají veřejné platformy k tomu, aby voličům sdělovali své zásady a politické postoje. Kromě formálních prohlášení si mnozí z nich také pěstují osobní značku prostřednictvím volby jazyka a stylu. Vzhledem k tomu, že se nyní na internetu objevuje velké množství politických zpráv, výzkumníci zkoumají, jak se volení představitelé staví strategicky k ostatním ve své koalici. Novou studii provedli Benjamin Leinwand, odborný asistent matematických věd na Stevens Institute of Technology, a Vince Lyzinski, profesor matematiky na University of Maryland. Specializují se na síťovou vědu, což je obor, který analyzuje spojení v rámci složitých systémů. Snažili se zjistit, zda model může odvodit základní strukturu politické sítě pozorováním pouze interakcí, aniž by jim byly poskytnuty jakékoli informace o politické příslušnosti nebo o tom, ke které komoře Kongresu člen patří. Aby vědci porozuměli sociálnímu prostředí Kongresu, potřebovali nástroj, který by dokázal zmapovat složitou síť online interakcí. Ve své podstatě se každý takový statistický model pokouší vypočítat jednoduchou hodnotu pro každou dvojici jedinců: pravděpodobnost, že se spojí. Tím se vytvoří plán sítě, který ukazuje, která připojení jsou pravděpodobná a která ne. Některé široce používané síťové modely přistupují k tomuto úkolu kombinací několika klíčových faktorů. Model může například odhadnout pravděpodobnost spojení vynásobením skóre "společenskosti" jednotlivce skóre reprezentujícím, jak interaktivní je jeho skupina. Tato metoda funguje dobře v mnoha scénářích, ale může se porušit v sítích s extrémními odchylkami. Problém vyvstává v hustě propojených komunitách, kde je výjimečně aktivních několik jednotlivců. V takových případech může model přiřadit velmi vysoké skóre sociability těmto aktivním lidem a vysoké skóre interakce jejich skupině. Když se tato vysoká skóre vynásobí dohromady, výsledná pravděpodobnost může přesáhnout 1 nebo 100 procent. To je matematická nemožnost, která signalizuje, že model nedokáže přesně reprezentovat základní sociální dynamiku. Nový model vyvinutý Leinwandem a Lyzinskim je postaven na jiném matematickém základě, který byl speciálně navržen tak, aby se tomuto problému vyhnul. Jeho interní výpočty jsou konstruovány tak, že zaručuje, že konečný výsledek pro jakoukoli dvojici politiků je vždy platnou pravděpodobností, číslem mezi 0 a 1. Tím je zajištěno, že model vytváří koherentní a logickou mapu sítě, a to i v jejích nejaktivnějších a nejsložitějších oblastech. Kromě toho, že tento nový přístup nabízí nejen prevenci chyb, ale také větší flexibilitu. Nepředpokládá, že vzory připojení jsou stejné v celé síti. Některé modely mohou například implicitně předpokládat, že společensky nejaktivnější členové jedné skupiny se s největší pravděpodobností spojí s nejaktivnějšími členy jiné skupiny. Nový model však dokáže detekovat složitější vzorce. Mohla by například najít situaci, kdy umírnění členové dvou různých politických stran spolu často komunikují, zatímco nejstraničtější členové těchto stran komunikují velmi málo. Může také rozpoznat, že tendence jednotlivce vytvářet vazby se může měnit v závislosti na komunitě, se kterou komunikuje, což poskytuje podrobnější a realističtější portrét politické komunikace. Pomocí tohoto modelu Leinwand a Lyzinski analyzovali veřejnou aktivitu 475 členů 117. kongresu USA. Jejich datová sada zahrnovala každého člena, který zveřejnil alespoň 100 tweetů během čtyřměsíčního období, od 9. února 2022 do 9. června 2022. Model definoval spojení mezi libovolnými dvěma politiky, pokud jeden z nich tweetoval nebo retweetoval druhého během tohoto časového rámce. "Říkáme dvěma lidem 'propojeni', pokud jeden z dvojice tweetoval na druhého nebo retweetoval druhého během tohoto období," vysvětlil Leinwand. Modelce nebyly poskytnuty žádné informace o politické straně, jeho komoře nebo jeho politických postojích. Jejím úkolem bylo roztřídit 475 jednotlivců do skupin pouze na základě webu jejich digitálního připojení. Model identifikoval tři primární komunity. Tyto algoritmicky definované skupiny se řídily známými politickými liniemi. První skupina se skládala téměř výhradně ze senátorů. Druhá komunita se skládala převážně z demokratických členů Sněmovny reprezentantů a třetí byla složena převážně z republikánských členů Sněmovny. Analýza ukázala, že politici v těchto třech skupinách měli tendenci nejčastěji komunikovat se členy své vlastní komunity. "Republikánští kongresmani mezi sebou hodně mluvili a demokratičtí kongresmani mezi sebou hodně mluvili, i když demokratičtí kongresmani byli o něco pravděpodobnější, že budou komunikovat se senátory než jejich republikánské protějšky," řekl Leinwand. Nabídl potenciální vysvětlení tohoto vzorce. V době pozorování měli v Senátu většinu demokraté. V důsledku toho "by si člověk mohl představit, že demokratičtí kongresmani by mohli být motivováni k tomu, aby kromě svých spojenců ve Sněmovně reprezentantů zesílili poselství vedení Senátu," pokračoval. ...