論文の概要: Design and analysis of tweet-based election models for the 2021 Mexican legislative election

• arxiv url: http://arxiv.org/abs/2301.00626v2
• Date: Wed, 21 Jun 2023 08:01:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-22 17:54:14.668385
• Title: Design and analysis of tweet-based election models for the 2021 Mexican legislative election
• Title（参考訳）: 2021年メキシコ議会選挙におけるツイートベース選挙モデルの設計と分析
• Authors: Alejandro Vigna-G\'omez, Javier Murillo, Manelik Ramirez, Alberto Borbolla, Ian M\'arquez and Prasun K. Ray
• Abstract要約: 選挙日前の6ヶ月の間に、1500万件の選挙関連ツイートのデータセットを使用します。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。
• 参考スコア（独自算出の注目度）: 55.41644538483948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modelling and forecasting real-life human behaviour using online social media is an active endeavour of interest in politics, government, academia, and industry. Since its creation in 2006, Twitter has been proposed as a potential laboratory that could be used to gauge and predict social behaviour. During the last decade, the user base of Twitter has been growing and becoming more representative of the general population. Here we analyse this user base in the context of the 2021 Mexican Legislative Election. To do so, we use a dataset of 15 million election-related tweets in the six months preceding election day. We explore different election models that assign political preference to either the ruling parties or the opposition. We find that models using data with geographical attributes determine the results of the election with better precision and accuracy than conventional polling methods. These results demonstrate that analysis of public online data can outperform conventional polling methods, and that political analysis and general forecasting would likely benefit from incorporating such data in the immediate future. Moreover, the same Twitter dataset with geographical attributes is positively correlated with results from official census data on population and internet usage in Mexico. These findings suggest that we have reached a period in time when online activity, appropriately curated, can provide an accurate representation of offline behaviour.
• Abstract（参考訳）: オンラインソーシャルメディアを用いた実生活の人間行動のモデル化と予測は、政治、政府、学界、産業において活発な試みである。 2006年の創設以来、twitterは社会的行動の計測と予測に使用できる潜在的な実験室として提案されてきた。 過去10年間で、Twitterのユーザーベースは増加し、一般大衆を代表するものになっている。 ここでは、2021年のメキシコ議会選挙でこのユーザーベースを分析します。 そのために、選挙前の6ヶ月で1500万件の選挙関連ツイートのデータセットを使用します。 我々は、政党または野党に政治的選好を割り当てる異なる選挙モデルについて検討する。 地理的属性を持つデータを用いたモデルが従来のポーリング法よりも精度と精度で選挙結果を決定することがわかった。 これらの結果は, オンラインデータ分析が従来の世論調査手法を上回ることができ, 政治分析や一般予測は, 近い将来, そうしたデータを組み込むことで恩恵を受ける可能性が示唆された。 さらに、地理的属性を持つ同じtwitterデータセットは、メキシコの人口とインターネット利用に関する公式国勢調査結果と正の相関がある。 これらの結果は、オンラインアクティビティが適切にキュレートされ、オフライン動作を正確に表現できる期間に達したことを示唆している。

関連論文リスト

• ElectionSim: Massive Population Election Simulation Powered by Large Language Model Driven Agents [70.17229548653852]
  我々は,大規模言語モデルに基づく革新的な選挙シミュレーションフレームワークであるElectronSimを紹介する。 ソーシャルメディアプラットフォームからサンプリングした100万レベルの投票者プールを提示し、正確な個人シミュレーションを支援する。 PPEは、米国大統領選挙シナリオ下での我々の枠組みの性能を評価するための、世論調査に基づく大統領選挙ベンチマークである。
  論文  参考訳（メタデータ） (2024-10-28T05:25:50Z)
• Will Trump Win in 2024? Predicting the US Presidential Election via Multi-step Reasoning with Large Language Models [12.939107088730513]
  選挙予測は、限られた有権者レベルのデータ、急速に変化する政治情勢、複雑な人間の振る舞いをモデル化する必要性など、ユニークな課題を生んでいる。 政治分析のための多段階推論フレームワークを提案する。 われわれのアプローチは、2016年と2020年のアメリカ大統領選挙研究(ANES)の実際のデータに基づいて検証されている。 我々は,2024年アメリカ合衆国大統領選挙の結果を事前に予測するために,我々の枠組みを適用した。
  論文  参考訳（メタデータ） (2024-10-21T06:18:53Z)
• On the Use of Proxies in Political Ad Targeting [49.61009579554272]
  我々は、主要な政治広告主がプロキシ属性をターゲットとして緩和を回避したことを示す。 本研究は政治広告の規制に関する議論に重要な意味を持つ。
  論文  参考訳（メタデータ） (2024-10-18T17:15:13Z)
• Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
  本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。 GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
  論文  参考訳（メタデータ） (2024-07-16T05:52:26Z)
• Prediction of the 2023 Turkish Presidential Election Results Using Social Media Data [0.5156484100374059]
  我々は,従来の世論調査データとソーシャルメディアデータを組み合わせることで,トルコにおける2023年の選挙に参加する政党の投票シェアを予測することを目的とする。 私たちのアプローチは、コンテンツではなく、ソーシャルメディアのインタラクションの数を考慮したボリュームベースのアプローチです。
  論文  参考訳（メタデータ） (2023-05-28T13:17:51Z)
• Fast Few shot Self-attentive Semi-supervised Political Inclination Prediction [12.472629584751509]
  政策立案者やジャーナリストにとって、特定の場所にいる人々の政治的傾向を理解するために、ソーシャルメディア上でオンライン世論調査を作成することは、今やますます一般的になっている。 我々は、その目的をさらに進めるために、政治的傾き検出のための自己注意型半教師付きフレームワークを導入する。 資源制約のある設定でも,モデルは非常に効率的であることがわかった。
  論文  参考訳（メタデータ） (2022-09-21T12:07:16Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Predicting the 2020 US Presidential Election with Twitter [0.0]
  ソーシャルメディアデータを利用した選挙予測は、選挙戦略に大きな影響を与える可能性がある。 本稿は、Twitterデータを用いた2020年アメリカ合衆国大統領選挙の分析・予測における過去の成功方法について考察する。 これはデータの不足による選挙予測の正確な方法であるかどうかについては不確定である。
  論文  参考訳（メタデータ） (2021-07-19T14:59:25Z)
• Inferring Political Preferences from Twitter [0.0]
  ソーシャルメディアの政治的センチメント分析は、政治ストラテジストが政党や候補者のパフォーマンスを精査するのに役立つ。 選挙期間中、ソーシャルネットワークはブログ、チャット、討論、政党や政治家の展望に関する議論で溢れている。 本研究では、従来の機械学習を用いて、テキスト分類問題としてモデル化することで、ツイートに存在する政治的意見の傾きを特定することを選んだ。
  論文  参考訳（メタデータ） (2020-07-21T05:20:43Z)
• Electoral Forecasting Using a Novel Temporal Attenuation Model: Predicting the US Presidential Elections [91.3755431537592]
  予備選別世論調査データを用いて予測精度を向上させる新しいマクロスケール時間減衰(TA)モデルを開発した。 我々の仮説は、世論調査を公表するタイミングは、特に選挙直前の世論の変動に重要な役割を果たす、というものである。 我々は,48年間の平均予測誤差2.8-3.28点を蓄積するTAモデルの2つの異なる実装を提案する。
  論文  参考訳（メタデータ） (2020-04-30T09:21:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。