Esta ferramenta radicalmente simples poderia resolver um dos piores problemas de nossa democracia

Cientistas políticos de Harvard e da Universidade de Boston estão usando algoritmos de mapeamento sofisticados para garantir que sua solução para gerrymandering seja a mais justa possível.

Esta ferramenta radicalmente simples poderia resolver um dos piores problemas de nossa democracia

O 6º distrito da Louisiana seria um distrito congressional de aparência bastante normal se não fosse pelo grande 2º distrito que corta seu meio . Os republicanos na Câmara do Estado da Louisiana projetaram o 2º distrito para separar o alto número de eleitores negros no interior de Baton Rouge do 6º distrito, que agora contém os subúrbios de Baton Rouge principalmente brancos e áreas rurais periféricas. Na verdade, isso criou um 6º distrito mal governado, onde os negros em idade eleitoral representam apenas 21,6% do eleitorado - ajudando o Partido de Trump a dominar.



Esse tipo de gerrymandering é comum, especialmente em estados com uma divisão democrata / republicana próxima (como Texas e Virgínia). Os mapas distritais são refeitos a cada década com base nos resultados do censo, geralmente pelo partido no poder na Câmara do Estado. E o processo está prestes a começar novamente. O novo censo - o primeiro a ser conduzido online - começa em 12 de março.

filme universo de steven chance, o rapper

Novos formatos de distrito são necessários para refletir as mudanças demográficas reveladas pelos dados do censo. Mas a formação dos distritos muitas vezes tem mais a ver com política do que correção demográfica e geográfica.



Grandes segmentos do público expressaram raiva sobre esse tipo de gerrymandering, especialmente por parte da maioria republicana. Se os humanos tendem a traçar limites distritais de maneira tão tendenciosa e política, o que aconteceria se o trabalho fosse entregue a um computador para traçar limites objetivos e justos? Os cientistas poderiam alimentar todos os dados do censo e geográficos em uma rede neural e deixar que o algoritmo fizesse o resto.



No entanto, tão atraente quanto um programa de computador apolítico resolvendo sons gerrymandering, parece que não é tão simples. É praticamente impossível remover os elementos políticos do mapeamento distrital, mesmo que haja tecnologia envolvida. No entanto, pesquisadores de Harvard e da Universidade de Boston desenvolveram um método enganosamente simples que mantém o processo de distribuição em mãos humanas e dá a ambas as partes uma ajuda na modelagem dos distritos, enquanto usam algoritmos de mapeamento sofisticados para garantir que sua abordagem seja a mais justa possível. Agora, se apenas as legislaturas estaduais decidirem usá-lo.

[Ilustração: FC]

Por que existe gerrymandering

Usamos distritos eleitorais para associar segmentos da população - eleitores - a lugares geográficos. Eles devem garantir que segmentos da população sejam adequadamente representados em tudo, desde distritos escolares a estaduais e à Casa Branca.



A forma desses mapas tem enormes implicações nos resultados eleitorais. É por isso que os partidos da maioria em algumas legislaturas estaduais transformaram o desenho de mapas distritais em uma arma para se ajudar a ganhar as eleições e permanecer no poder.

Os que continuam aparecendo. . . [são] estados como Carolina do Norte, Texas e Pensilvânia, diz o professor de ciências políticas da Harvard Kennedy School, Benjamin Schneer. Em grande parte por causa das linhas distritais, é comum que um partido em tais estados represente uma minoria de eleitores no estado e ainda assim tenha a maioria das cadeiras na legislatura estadual, diz Schneer. E então [eles] podem desenhar mapas que realmente beneficiem esse partido em eleições futuras.

O governo federal fornece algumas regras básicas de desenho distrital que se aplicam às eleições federais, mas deixa principalmente para os estados formarem seus distritos. Em todos os estados dos EUA, exceto sete, o partido no poder traça os limites do distrito por si mesmo ou supervisiona uma comissão que o faz. De qualquer forma, o partido minoritário quase sempre tem pouco a dizer sobre o processo.



Os partidos majoritários gerrymander de duas maneiras básicas. Um partido pode usar uma prática chamada cracking para separar as concentrações de grupos de votação (minorias, por exemplo) e espalhar seu poder de voto por vários distritos. Ou pode fazer o oposto: usando uma prática chamada embalagem, pode traçar limites distritais para concentrar membros de grupos de eleitores específicos em um distrito para criar maiorias de prováveis ​​apoiadores em distritos adjacentes.

Especialmente em estados como Carolina do Norte, Virgínia e Texas, essas táticas levaram à criação de linhas distritais loucamente traçadas, escolhidas exclusivamente para maximizar o poder eleitoral da base do partido da maioria.

E apenas em junho passado, as opções para os partidos minoritários buscarem alívio legal se estreitaram. O A Suprema Corte dos EUA disse não impediria as legislaturas estaduais em Maryland e na Carolina do Norte de desenhar mapas projetados para minimizar o poder político das minorias, exceto possivelmente em casos extremos de gerrymandering. Em sua opinião majoritária, o tribunal indicou que cabe às legislaturas estaduais e talvez ao Congresso resolver as disputas sobre os mapas distritais.

O clamor público sobre o problema levou a uma série de iniciativas eleitorais estaduais para estabelecer comissões distritais independentes, mas mesmo as comissões enfrentam um grande desafio e muita pressão política para desenhar os mapas.

[Ilustração: FC]

Um jogo de estratégia política pode ajudar

Uma ferramenta de desenho distrital que as pessoas consideram justa pode permitir que as partes resolvam as coisas juntas, sem ter que contar com o juiz para arbitrar.

Schneer, o estudante de graduação da Harvard Kennedy School Kevin DeLuca e o cientista político da Universidade de Boston Max Palmer referem-se ao método proposto para desenhar mapas de distrito como o procedimento de definição e combinação. É como um jogo de estratégia política com apenas dois movimentos.

Movimento 1 (definir): O partido majoritário vai primeiro. Ele conhece, a partir dos novos dados do censo, o tamanho e a densidade da população em todo o estado, bem como as formas dos distritos que foram usados ​​desde o último censo. Com base nessa informação, o partido desenha os distritos da forma que deseja. Mas aqui está o truque: tem que desenhar em dobro o número de distritos que são realmente necessários, dividindo os distritos que ele realmente deseja em duas partes. Se a população do estado ditasse a necessidade de cinco distritos, o partido da maioria criaria 10. A única regra é que o partido não pode desenhar distritos que circundam completamente outros distritos.

Movimento 2 (combinar): agora é a vez da parte minoritária. Sua função é simplesmente recombinar os subdistritos de volta aos distritos finais. E apenas distritos vizinhos podem ser combinados.

É isso. Ambos os lados estão cientes de que seu oponente usará seu movimento para obter o mapa mais vantajoso possível. Ao desenhar o grupo original de subdistritos, o partido da maioria estará pensando em como a minoria provavelmente os combinará. O partido minoritário deve antecipar como a maioria provavelmente desenhará os subdistritos e ter uma estratégia correspondente para recombiná-los.

Ao dar a cada parte um movimento, a estratégia Definir e Combinar reduz a capacidade das partes de empacotar ou quebrar.

É mais difícil embalar quando a outra parte pode pegar o que você combinou e desfazê-lo no segundo estágio, diz Palmer. E é mais difícil de quebrar quando, no segundo estágio, a festa do substituto pode reunir esses grupos rachados.

[Ilustração: FC]

Distraindo por algoritmo?

Para ilustrar a eficácia do procedimento no mundo real, foi necessária alguma ciência de dados. Palmer, Schneer e DeLuca começaram com a questão teórica: Qual seria a composição partidária dos distritos em um estado que implementou Definir-Combinar? O processo resultaria em distritos que tratariam os eleitores de uma forma mais inclusiva e justa do que se apenas um partido traçasse as linhas distritais?

Eles escolheram oito estados (com base na competitividade populacional e partidária) e usaram algoritmos de mapeamento para gerar uma amostra representativa de todas as maneiras possíveis de subdistritos do estado, conforme na etapa de definição do procedimento. Isso gerou milhares de mapas para cada estado, com cada subdistrito tendo metade da população de um distrito eleitoral.

Em seguida, eles examinaram as maneiras como os subdistritos poderiam ser emparelhados, como na etapa de combinação. Eles identificaram os mapas que as partes provavelmente escolheriam ao tentar ganhar tantos assentos quanto possível dentro da estrutura do procedimento Definir-Combinar. Em seguida, eles compararam esses mapas com mapas distritais que poderiam ter sido desenhados unilateralmente por cada parte.

o google + está indo embora

Palmer, Schneer e DeLuca descobriram que a implementação do Define-Combine afetou significativamente o número de assentos que cada partido conquistou na legislatura. Com um único cartógrafo, o grupo que desenhar o mapa terá uma grande vantagem no número de assentos conquistados porque esse grupo pode gerrymander. Mas no procedimento Definir-Combinar, o partido da maioria tinha uma vantagem muito menor. No final das contas, o processo produziu mapas mais moderados.

Se os algoritmos foram capazes de desenhar todos os distritos e subdistritos possíveis, você pode se perguntar por que não podemos simplesmente dar todo o trabalho de desenhar mapas para um computador. Por que não fornecer a ele todos os dados do censo, demográficos, topográficos e eleitorais que temos e permitir que o computador gere as linhas distritais mais justas possíveis?

O problema é que existem diferentes definições de justo, como Palmer apontou para mim. Mesmo se você tivesse a rede neural mais poderosa e os melhores dados, Palmer diz, você ainda teria que definir suas prioridades ao desenhar o mapa. Vamos priorizar manter condados juntos, ou cidades e outras comunidades juntas? Palmer diz. Vamos priorizar como os distritos devem ser e como as coisas devem ser compactas?

Você pode imaginar esses tipos de decisões sendo expressos nos parâmetros de uma rede neural, que são usados ​​para pesar a importância de vários tipos de dados e apontar o modelo para um resultado desejado.

Há muitas decisões lá, e essas decisões têm impacto político, disse Palmer.

Inevitavelmente, as coisas ficam muito humanas novamente muito rapidamente e a discussão começa. Mesmo uma IA avançada que poderia compreender as nuances da política humana provavelmente desenharia mapas que algum grupo de pessoas odiaria.

[Ilustração: FC]

O longo caminho para a aceitação

Os estados, e seus partidos majoritários, realmente aceitarão métodos alternativos de desenho de mapas, como Definir-Combinar?

Eles podem. As legislaturas estaduais podem ver Definir-Combinar como o menor de todos os males. A opinião pública sobre a capacidade das legislaturas estaduais de desenhar mapas justos é muito baixa, e a pressão está aumentando em muitos estados para tirar o desenho de mapas das mãos de políticos e entregá-lo a comissões independentes. Em comparação, a legislatura estadual pode realmente preferir algum tipo de [abordagem] que inclua ambas as partes no processo, mas ainda permite que ele retenha alguma medida de controle, diz Schneer.

Quando o processo legislativo ou de comissão termina em impasse, ou quando produz extrema gerrymandering, muitas vezes são os supremos tribunais estaduais que devem atuar como mediadores. O tribunal pode recrutar especialistas para desenhar meticulosamente um mapa justo, mas isso leva muito tempo. Pode ser mais fácil e rápido para o tribunal ordenar que a legislatura estadual volte à mesa e use um método simples e prescrito de criar um mapa com o qual todos possam viver. Palmer, Schneer e DeLuca acreditam que os tribunais podem ver a abordagem Definir-Combinar como tal método.

Até o momento, o método Define-Combine nunca foi tentado. Schneer e Palmer agora estão preparando o papel de pesquisa expondo a ideia. Depois de coletar algum feedback e talvez fazer alguns ajustes, eles planejam enviá-lo para publicação em um jornal de ciência política com revisão por pares.

Se a resposta for promissora, Schneer e Palmer pretendem começar a experimentar a abordagem no mundo real. Mas eles querem andar antes de correr. Em vez de usá-lo para ajudar a desenhar mapas do Congresso, eles podem primeiro sugerir que os estados o usem para algo menor, como desenhar novos distritos legislativos estaduais ou para mapear novos distritos escolares.

Eu adoraria ver essa abordagem testada em alguns lugares menores, onde ainda pode ser partidária e contenciosa, mas talvez seja um problema mais simples para começar, diz Palmer. No curto prazo, Palmer, Schneer e DeLuca esperam que sua ideia possa desencadear alguma conversa entre os legisladores estaduais.

O momento deles parece certo. O clima político está cada vez mais partidário, e está cada vez mais difícil encontrar pessoas, instituições e ideias neutras e confiáveis. Uma ferramenta colaborativa que tire um pouco da pressão partidária do redistritamento pode ser exatamente o que precisamos.


Esta história faz parte do nosso Hacking Democracy série, que examina as maneiras pelas quais a tecnologia está corroendo nossas eleições e instituições democráticas - e o que foi feito para corrigi-los. Leia mais aqui.