Quando gli Stati Uniti si sono ritirati dall'accordo di Parigi sul clima lo scorso anno, 20 stati, tra cui New York e California, hanno deciso di formare un nuovo, accordo non federale per affrontare il cambiamento climatico e le emissioni di gas serra.

Secondo il professore di scienze politiche della Purdue University Eric Waltenburg, molte decisioni politiche significative come questa hanno luogo a livello statale ma sono ampiamente ignorate dal pubblico. Sta collaborando con Dan Goldwasser, professore assistente di informatica, per aiutare le persone a comprendere meglio l'impatto delle decisioni prese a livello statale. Insieme conducono un progetto incentrato sullo sviluppo di un modello di previsione per prevedere il comportamento di voto del legislatore statale.

"Se il nostro progetto funziona come spero, aprirà il processo decisionale e le persone avranno un'idea migliore di quali potrebbero essere i risultati legislativi, "Ha detto Waltenburg. "Demistificare il processo legislativo statale per il pubblico".

Le legislature statali sono assemblee di membri eletti che votano le leggi e la politica per il loro stato. In una votazione per appello nominale, viene chiamato il nome di ogni legislatore, e devono indicare agli atti se sono favorevoli o contrari a un particolare atto legislativo. Utilizzando fonti pubbliche come Twitter, blog politici, resoconti dei giornali e dati storici sull'appello degli ultimi dieci anni, gli scienziati informatici che lavorano con Waltenburg utilizzeranno tecniche di apprendimento automatico per prevedere in che modo un legislatore potrebbe votare su un particolare disegno di legge.

"Quello che stiamo cercando di fare è identificare le forze chiave - le chiamo preferenze rivelate - tra i legislatori e usare quelle preferenze per prevedere i risultati, "Ha detto Waltenburg. "Abbiamo enormi quantità di dati storici sull'appello a livello statale, e con quei dati siamo in grado di produrre matrici relazionali per come ogni legislatore vota in relazione a ogni altro membro della legislatura."

In definitiva, mirano a produrre un sito Web in cui le persone potrebbero andare a prevedere l'esito di un particolare atto legislativo. Goldwasser ha aggiunto che l'impatto delle decisioni prese a livello statale è più significativo di quanto si pensi, nonostante non otterranno la stessa copertura di quelle realizzate a livello nazionale.

"Speriamo davvero che questo sia un servizio pubblico che permetta alle persone di ritenere responsabili i propri rappresentanti e almeno di prendere decisioni più informate quando si recano alle urne, " ha detto Goldwasser.

Entro la fine dell'estate, il loro progetto si sarà esteso oltre lo stato dell'Indiana fino all'Oregon e al Wisconsin, dove testeranno il loro modello di previsione sulle camere di livello inferiore di quegli stati. In definitiva, vorrebbero trasformare il loro modello da statico a dinamico, portando dati in tempo reale da Twitter e da altre fonti online in modo che il modello possa adattare la matrice relazionale all'arrivo delle preferenze rivelate.

"Una delle domande che ci poniamo è, come possiamo utilizzare risorse online come Twitter o la copertura delle notizie per aggiornare dinamicamente il modello che abbiamo su tali preferenze?" ha detto Goldwasser. "Quando non viene menzionato esplicitamente il comportamento di un legislatore statale, possiamo imparare a dedurre il loro comportamento."

Il team ha un modello statico per l'Indiana House, ma alla fine vorrebbe sviluppare un modello di previsione per tutti gli stati e le loro camere. Il loro progetto è stato uno degli otto selezionati dalla Integrative Data Science Initiative della Purdue per essere finanziato per un periodo di due anni. L'iniziativa incoraggerà la collaborazione interdisciplinare e si baserà sui punti di forza di Purdue per posizionare l'università come leader nella ricerca sulla scienza dei dati e si concentrerà su una delle quattro aree:assistenza sanitaria; difesa; etica, società e politica; e fondamentali, metodi, e algoritmi. Le spinte della ricerca dell'Integrative Data Science Initiative sono ospitate dal Discovery Park di Purdue.

"Sebbene l'idea di prevedere i voti legislativi sia un argomento di scienze politiche piuttosto convenzionale, L'esperienza di Dan ci consente di sviluppare un modello di previsione che va ben oltre ciò che la maggior parte degli scienziati politici ha ottenuto, " ha affermato Waltenburg. "Il progetto a cui stiamo lavorando è un ottimo esempio di come le risorse e la facoltà di Purdue si aiutino a vicenda a implementare idee e collaborare tra campus e discipline".