Przestrzenne modele wyborów należą do najpopularniejszych modeli zachowań wyborczych w politologii. Ich stosowanie wymaga jednak wiedzy o rozkładzie elektoratu i pozycjach partii, które są zmiennymi niedostępnymi bezpośrednio. Naszym celem jest wypracowanie metody pozwalającej wnioskować przynajmniej o tych ostatnich na bazie dostępnych danych empirycznych, m.in. programów, głosowań parlamentarnych, wzorców tworzenia koalicji czy korelacji wyników wyborczych.
Przestrzenne modele wyborów należą do najpopularniejszych modeli zachowań wyborczych w politologii. Ich stosowanie wymaga jednak wiedzy o rozkładzie elektoratu i pozycjach partii, które są zmiennymi niedostępnymi bezpośrednio. Te ostatnie najczęściej ustala się w oparciu o opinie ekspertów (np. Chapel Hill Expert Survey). Są one jednak obciążone subiektywizmem, a ponadto nie zawsze są dostępne. Stąd też naszym celem jest wypracowanie metody pozwalającej pozycjonować przestrzennie partie na bazie danych czysto empirycznych.
Pierwszym etapem projektu jest zbadanie struktury zależności różnych wskaźników podobieństwa partii, zarówno tych znanych już w literaturze, jak i całkowicie nowych lub zapożyczonych z zupełnie innych obszarów matematyki stosowanej. Pierwszą grupą badanych wskaźników są te mierzące podobieństwo programów politycznych. Rozważamy tu m.in. wskaźniki oparte na porównywaniu rozkładów częstości słów, reprezentacji wektorowych (zarówno uzyskanych przy pomocy bardziej klasycznych technik typu word2vec, jak i dużych modeli językowych opartych na transformerach typu BERT czy GPT), czy też rozkładów tematów (zidentyfikowanych zarówno w oparciu o kodowanie ręczne – z bazy Manifesto Research Project – jak i algorytmicznie).
Kolejną grupą są wskaźniki oparte na podobieństwie zachowań parlamentarnych: tworzeniu koalicji, zgodności w głosowaniach mierzonej wskaźnikiem kappa (zob. Słomczyński i Stolicki, 2016) czy bliskości pozycji posłów w algorytmie NOMINATE (zob. Poole i Rosenthal, 1985), czy wreszcie bliskości w grafie współautorstwa inicjatyw i innych wniosków legislacyjnych.
Rozważamy także wskaźniki podobieństwa personalnego (bliskość w grafie genealogicznym, podobieństwo ścieżek kariery kandydatów na parlamentarzystów, podobieństwo demograficzne tej grupy) oraz podobieństwa wyborczego (korelacje wyników w obwodach, przepływy elektoratu, wspólni obserwatorzy w mediach społecznościowych).
Drugim etapem projektu będzie agregacja wybranych wskaźników tak, aby uzyskać dla każdej partii estymator jej pozycji (jak również jego przedziały ufności). Podstawowymi wyzwaniami będą tutaj: dobór wag, które wstępnie zamierzamy dopasować do danych referencyjnych z Chapel Hill Expert Survey za pomocą uczenia maszynowego, oraz uzyskanie odporności na braki poszczególnych kategorii danych.