fbpx Elezioni francesi: una piattaforma digitale per costruire un programma elettorale collettivo | Scienza in rete

Elezioni francesi: una piattaforma digitale per costruire un programma elettorale collettivo

Primary tabs

Tempo di lettura: 5 mins

Manifesti elettorali in Francia, aprile 2022. Immagine di Jean-Marc Polipré (CC BY-NC-ND 2.0).

Domani i cittadini francesi saranno chiamati a scegliere chi tra Emmanuel Macron e Marine Le Pen ricoprirà la carica di presidente della Repubblica. Nelle scorse settimane i due candidati si sono contesi soprattutto i voti di Jean-Luc Mélenchon del movimento La France insoumise, il terzo ad aver ricevuto il maggior numero di preferenze, quasi il 22% del totale, al primo turno.

Tra i sondaggi, alcuni dicono che fino al 20-30% degli elettori di Mélenchon potrebbe votare per il Rassemblement National di Marine Le Pen. Il quotidiano Libération scrive che si tratta di coloro che nel 2017 hanno votato Macron al secondo turno e sono rimasti delusi dai suoi cinque anni di governo. Già nel 2017 circa il 7% degli elettori di Mélenchon votarono per il partito sovranista guidato da Le Pen.

Proprio perché l’identità politica dei candidati sembra essere sempre meno rilevante nelle scelte elettorali, un gruppo di ricercatori francesi ha deciso di concentrarsi sui programmi più che sui candidati, coinvolgendo i cittadini in un esperimento di democrazia digitale partecipata.

Si tratta del progetto MonProgramme2022.org, una piattaforma web che permette agli utenti di esprimere una serie di preferenze sulle 120 proposte che i ricercatori hanno estratto dai programmi dei dodici candidati al primo turno delle presidenziali francesi.

«I candidati ormai sono un prodotto, per questo abbiamo deciso di concentrarci sui programmi piuttosto che sui nomi», spiega Umberto Grandi, informatico che studia la teoria della scelta sociale all’Istituto di ricerca informatica dell’Università di Tolosa e uno dei coordinatori di MonProgramme2022.

Grandi ci racconta che l’idea di MonProgramme è nata dalla collaborazione con César Hidalgo, che dirige il Center for Collective Learning, un centro sostenuto dall’Artificial and Natural Intelligence Toulouse Institute e dall’Unviersità di Tolosa.

Hidalgo ha diretto il Collective Learning group al Massachusetts Institute of Technology dal 2010 al 2019 e in quegli anni ha lanciato numerose piattaforme di condivisione e raccolta dei dati, alcune delle quali avevano come obiettivo la partecipazione democratica. Un esempio è Chilecracia, un’iniziativa lanciata quando in Cile cominciarono le proteste spontanee dei cittadini contro il carovita e la corruzione nell’ottobre del 2019 e che si conclusero alcuni mesi dopo con la riforma della costituzione. Come racconta lo stesso Hidalgo in una lettera pubblicata su Nature, in dieci giorni tra ottobre e novembre del 2019 Chilecracia 2019 raccolse 9 milioni di preferenze da più di 120 000 persone che risposero alla domanda “A quale proposta politica vorresti dare priorità?”.

«Partendo dall’esperienza di César, abbiamo pensato di collaborare perché questo esperimento fosse utile anche alla ricerca che conduco insieme a Jérôme Lang, dell’università Paris-Dauphine e che riguarda lo sviluppo di algoritmi per aggregare le preferenze individuali in preferenze collettive», spiega Grandi.

L’altro obiettivo del progetto era quello di testare il design della piattaforma e la sua usabilità. L’esperienza degli utenti è fondamentale per il successo di queste piattaforme. Per esempio, è importante capire quanto tempo i partecipanti sono disposti a trascorrere sulla piattaforma o a quante domande sono disposti a rispondere.

«Per rispondere a questo tipo di domande, gli utenti che partecipano a MonProgramme vengono assegnati in maniera casuale a uno tra tre gruppi a cui viene proposto un diverso numero di domande», spiega Grandi e aggiunge «a seconda della percentuale di completamento di ciascun gruppo potremo capire qual è il giusto equilibrio».

Come gli stessi scienziati dichiarano, MonProgramme non è stato concepito per influenzare le elezioni francesi, né per suggerire agli elettori disorientati per chi votare.

Finora sono circa 1500 le persone che hanno contribuito a MonProgramme. L’obiettivo dei ricercatori era di raccogliere 10 000 contributi, «ma ci siamo resi conto che chi ha partecipato ha espresso in media 75 preferenze, molto più di quello che ci aspettavamo», ci dice Grandi, «questo compensa in parte la minore dimensione del campione che avremo a disposizione per le nostre analisi».

Agli utenti viene presentata una sere di liste contenenti da tre a cinque proposte prese dalle 120 che i ricercatori hanno estratto dai programmi dei candidati, e per ognuna gli viene chiesto di dire se è d’accordo, in disaccordo o non sa. Le liste sono intervallate da domande in cui invece viene chiesto di ordinare per priorità le proposte con cui si è d’accordo. Man mano che il questionario va avanti, l’algoritmo ripropone alcune delle proposte scelte nelle prime domande e chiede di ordinarle per priorità con quelle scelte nelle ultime domande. In questo modo il sistema acquisisce informazioni sugli ordinamenti parziali tra le 120 proposte che poi userà per ricostruire l’intera classifica di ciascun utente senza chiedergli di ordinare per priorità le 120 proposte.

Una volta ricostruita la classifica individuale delle proposte, un secondo algoritmo le aggrega con quelle di tutti gli altri utenti che hanno partecipato a MonProgramme e mostra il risultato sotto l’etichetta “Notre Programme”. «Per ora l’aggregazione delle classifiche individuali viene effettuata da un algoritmo piuttosto semplice, ispirato a quello proposto da Jean-Charles de Borda alla fine del 1700», ci spiega Grandi «a ogni proposta viene assegnato un punteggio sulla base della posizione che occupa nella classifica individuale. Il punteggio della proposta nella classifica collettiva è la somma dei punteggi individuali».

Questo è solo un punto di partenza, perché una volta completata la raccolta delle preferenze su MonProgramme i ricercatori intendono testare diversi algoritmi, sia per la ricostruzione delle classifiche individuali che per la loro aggregazione nella classifica collettiva.

Infatti, anche la ricostruzione delle classifiche individuali è matematicamente delicata, perché si hanno a disposizione dati cosiddetti “sparsi”, cioè una serie di elenchi bucherellati costruiti a partire dalle risposte degli utenti, che possono anche essere incoerenti.

Per affrontare questo problema, il gruppo di Grandi intende sfruttare anche gli algoritmi usati nei sistemi di raccomandazione, quelli che per esempio suggeriscono la prossima serie da guardare su Netflix o il prossimo acquisto su Amazon. Una possibilità è utilizzare questa famiglia di algoritmi per costruire sequenze di domande che aiutino a capire le preferenze dei partecipanti nel minor tempo possibile. In altre parole, man mano che una persona risponde alle domande viene confrontata con le altre che hanno già risposto e l’algoritmo cerca di individuare la domanda più informativa da porre al passo successivo del questionario. «L’idea è formulare un algoritmo che sia in grado di porre la domanda che discrimina meglio tra diversi gruppi di utenti».

L’altro fronte di lavoro è quello delle proposte controverse, cioè quelle che più dividono gli utenti, che vengono ora mostrate nella pagina dei risultati sotto l’etichetta “Propositions Clivantes”. «Su questo argomento la ricerca si è interrogata molto meno, e noi cercheremo di dare il nostro contributo», conclude Grandi.

Articoli correlati

Scienza in rete è un giornale senza pubblicità e aperto a tutti per garantire l’indipendenza dell’informazione e il diritto universale alla cittadinanza scientifica. Contribuisci a dar voce alla ricerca sostenendo Scienza in rete. In questo modo, potrai entrare a far parte della nostra comunità e condividere il nostro percorso. Clicca sul pulsante e scegli liberamente quanto donare! Anche una piccola somma è importante. Se vuoi fare una donazione ricorrente, ci consenti di programmare meglio il nostro lavoro e resti comunque libero di interromperla quando credi.


prossimo articolo

Solo il 3,5% delle città europee monitorate ha una buona qualità dell’aria

Inquinamento atmosferico cittadino

Solo 13 città europee tra quelle monitorate su 370 circa rispettano il limite OMS di 5 microgrammi per metro cubo annui di PM2,5. La svedese Uppsala è la prima. Nessuna di queste è italiana. Nonostante la qualità dell'aria e le morti associate sono in continuo calo in Europa, serve fare di più.

Immagine: Uppsala, Lithography by Alexander Nay

La maggior parte delle città europee monitorate non rispetta il nuovo limite dell’OMS del 2021 di 5 microgrammi per metro cubo all’anno di concentrazione di PM2,5. L’esposizione a particolato atmosferico causa accresce il rischio di malattie cardiovascolari, respiratorie, sviluppo di tumori, effetti sul sistema nervoso, effetti sulla gravidanza.