Rss

  • linkedin

Archives for : vaalikone

Etäisyydet puolueista vaalikoneessa

Helsingin Sanomien vaalikoneen ympärille syntyi pientä hässäkkää kun kansanedustaja Jyrki Kasvi huomasi, ettei hän nouse äänestäjän suosituslistalla ylimmäksi, vaikka äänestäjä vastaisi kaikkiin kysymyksiin täsmällisesti samoin kuin itse Kasvi.

Hesari lähti julkisesti avaamaan tätä ilmiötä ja selvisi että Jyrki Kasvi on Hesarin käyttämän algoritmin mielestä puolueista lähempänä Feministipuoluetta kuin edustamaansa Vihreää liittoa. Ehdokassuositukset taas jäljittelevät Suomen vaalikäytäntöä ja se antaa ensimmäisiksi suosituksiksi parhaat yksittäiset osumat ”lähimmästä” puolueesta ja vasta alempana puolueriippumattomasti lähimmät yksittäiset ehdokkaat. Kohun myötä Hesari tässä kirjoituksessa avasi käyttämänsä algoritmin toimintaa ja tarjosi dataa Uudenmaan vaalipiirin Feministipuolueen sekä Vihreän liiton ehdokkaiden vastauksista.

Seuraavassa esitellään muutamia vaihtoehtoisia tapoja ehdokkaiden sekä puolueiden läheisyyden mittaamiseen, käydään läpi Hesarin algoritmissa tehdyt valinnat ja katsotaan, kuinka Jyrki Kasville olisi käynyt vaihtoehtoisilla algoritmeilla.

Kahden yksittäisen ehdokkaan välinen etäisyys

Ehdokkat vastaavat Hesarin vaalikoneessa 30 kysymykseen, joten ehdokkaiden vastausten välistä etäisyyttä toisistaan mitataan 30-ulotteisessa avaruudessa. Tämä ei suinkaan ole yksiselitteinen tehtävä. Moniulotteisten etäisyyden mittaamiseen on olemassa useita eri mittareita. Näistä tunnetuimmat ovat Euklidinen-etäisyys (katso kaava) ja Manhattan-etäisyys (tai ”taksimetriikka”,katso kaava ja havainnollistus). Kun etäisyyttä mitataan Euklidisella etäisyydellä, peruskoulussa opitut geometrian lait pätevät. Datan analysointi ei kuitenkaan ole eksaktia matematiikkaa. Manhattan-etäisyydellä on se etu, ettei se ole niin herkkä reagoimaan yksittäisiin poikkeaviin havaintoihin.

Alla olevassa kuvaajassa on (kuviteltuna) esimerkkinä kahdelta ehdokkaalta vastaukset kahteen kysymykseen. Ensimmäinen ehdokas on antanut molempiin kysymykseen vastauksen 1 (”Täysin eri mieltä”). Toinen ehdokas on vastannut 1. kysymykseen 4 (”Jokseenkin samaa mieltä”) ja 2. kysymykseen 5 (”Täysin samaa mieltä”). Näiden kahden pisteen euklidinen etäisyys (punainen jana) on 5. Tämän voi varmistaa Pythagoraan lauseen avulla: $3^2 + 4^2 = 25 = 5^2 $. Eli kaikista janoista muodostuvan kolmion kateettien neliöiden summa on sama kuin hypotenuusan neliö. Geometrisessa tulkinnassa on kuitekin muistettava, että siinä täytyy olettaa vastausvaihtoehtojen välimatkat yhtä pitkiksi. Eli esimerkiksi ero ”Täysin eri mieltä” ja ”Jokseenkin erimieltä” välillä on sama kuin ”En osaa sanoa” ja ”Jokseenkin samaa mieltä” välillä.

Kahden pisteellä merkityn ehdokkaan välinen etäisyys eri mittareilla 2-ulotteisessa koordinaatistossa.

Manhattan-etäisyys taas määritellään mustien janojen määrittelemän ”kiertoreitin” pituutena. Tämä on 3 + 4 = 7. Hesari on päätynyt käyttämään vaalikoneen algoritmissaan tätä Manhattan-etäisyyttä kahden yksittäisen ehdokkaan välisen etäisyyden mittaamiseen.

Lopuksi vielä huomio, että kumpikaan esitellyistä etäisyysmittareista ei ota huomioon kysymysten välistä korrelaatiota. Mikäli usea kysymys liittyy samaan teemaan, tämä teema tulee korostumaan myös etäisyysmittarissa.

Etäisyys ryhmästä

Kun kahden ehdokkaan välinen etäisyysmittari on päätetty, pitää seuraavaksi päättää kuinka etäisyys puolueeseen mitataan. Hesari on laskenut etäisyyden jokaiseen puolueen ehdokkaaseen erikseen ja ottanut näistä keskiarvon. Toinen vaihtoehto olisi määritellä ensin puolueryhmän keskipiste 30-ulotteisessa avaruudessa ja laskea sitten etäisyys tähän yhteen pisteiseen. Ryhmän keskipisteenkin voi määritellä usealla eri tavalla, mutta pitäydytään nyt yksinkertaisimmassa: lasketaan kaikkien vastauksien keskiarvo ryhmän sisällä.

Ero usean yksittäisen ehdokkaan etäisyyden laskemisen ja keskipisteen laskemisen välillä on ainakin se, että yksittäisten etäisyyksien tapa rankaisee vaihtelusta puolueen sisällä. Otetaan esimerkiksi kaksi kahden hengen puoluetta. Puolueen 1 edustajat ovat molemmat vastanneet kysymykseen saman vastauksen 2. Puolueen 2 edustajista toinen on vastannut samaan kysymykseen 1 ja toinen 3. Mikäli Jyrki Kasvi olisi vastannut kysymykseen myös 2, etäisyyttä puolueeseen 1 kertyy 0 + 0 = 0. Etäisyyttä puolueeseen 2 taas kertyy 1 + 1 = 2. Molempien puolueiden keskiarvo on kuitenkin sama 2, joten keskiarvoon ei etäisyyttä kerry kumpaankaan puolueeseen lainkaan. Alla oleva taulukko vielä kokoaa yhteen em. esimerkin tulokset.

Puolue Ehdokas1Ehdokas2KAEtäisyys
yksilöihin
Etäisyys
keskiarvoon
Puolue122200
Puolue213220

Yllä olevan eron syntyminen kuitenkin vaatii, että Jyrki Kasvi on vastannut kysymykseen juuri 2. Muilla vastauksilla eroa mittaustapojen välillä ei tässä esimerkissä synny.

Hesari on päätynyt algoritmissaan mittaamaan etäisyyttä yksilöiden etäisyyksien kautta.

Vastausten vaihtelu puolueen sisällä

Kun Hesarin algoritmi mittaa etäisyyttää koko puolueesta tavalla, joka oletettavasti suosii sisäisesti saman mielistä ryhmää, on kiinnostavaa kuinka yhdenmielisiä Feministipuolueen ja Vihreiden jäsenet ovat. Alla olevassa kuvaajassa on lasketty yksittäisen ehdokkaiden vastaajien etäisyydet Manhattan-etäisyydellä. Mitä punaisempi väri, sitä lähempänä kyseiset ehdokkaat ovat toisiaan. Jokainen ehdokkaan etäisyys itsestään on luonnollisesti 0, mikä näkyy punaisena halkaisijana vasemmasta alanurkasta oikeaan ylänurkkaan.

Ehdokkaat 1-10 kuuluvat feministipuolueeseen ja ehdokkaat 11-40 Vihreisiin. Vasemmassa alanurkassa oleva yhtenäinen punainen neliö (tai oikeammin Tanskan lippu yhden yksittäisen sooloilijan ansiosta) kertoo, että Feministipuolueen jäsenet ovat hyvin yhdenmielisiä keskenään. Vihreiden joukossa nähdään sekä punaista että sinistä, mikä viestii vastauksien eroista puolueen sisällä.

Ehdokkaiden etäisyys toistaan Manhattan-etäisyydellä mitattuna. Punainen väri viittaa samankaltaisuuteen ja sininen eroihin vastauksissa.

Tulokset eri mittareilla

Lopuksi kiinnostavaa on, että olisiko tulokset erilaisia, mikäli algoritmin kehityksessä olisi tehty erilaisia valintoja. Nykyinen algoritmi antaa tulokseksi, että Jyrki Kasvin läheisyys Feministipuolueen kanssa on 79.3% ja Vihreiden kanssa 77.4%. Tein laskelmat vaihtoehtoisilla aiemmin tässä blogitekstissä esitetyillä menetelmillä hyödyntäen muilta osin Hesarin käyttämää ajatusta samankaltaisuuden laskemiseen. Tulokset ovat alla olevassa taulukossa. Alkuperäisen menetelmän tulokset ovat vasemmassa ylänurkassa.

Yksilöetäisyys ->
Ryhmämittari
ManhattanEuklidinen
Yksittäiset ehdokkaatFem 79.3%, Vih 77.4%Fem 65.6%, Vih 65.5%
RyhmäkeskiarvoFem 79.8%, Vih 78.9%Fem 67.6%, Vih 71.8%

Ennakko-oletukseni oli, että siirryttäessä mittaamaan ryhmän etäisyyttä ryhmäkeskiarvolla Vihreät menisivät Feministien ohi, koska puolueen sisäisistä eroista ei enää rankaistaisi. Olin väärässä. Todellisuudessa Vihreät hieman kirivät, mutta häviävät edelleen Feministipuolueelle 0.9 % -yksiköllä.

Siirtyminen alkuperäisestä algoritmista Euklidiseen etäisyyteen tasoittaisi tilannetta enemmän. Feministipuolue voittaisi enää olemattomalla 0.1% – yksikön erolla. Mikäli muutettaisiin molempia mittaustapoja, lopulta Vihreät menisivät Feministipuolueen ohi paalupaikalle prosentein 71.8% – 67.6%.

Kehitysehdotuksia

Tässä Jyrki Kasvin tapauksessa oli hyvin pienestä kiinni, tuleeko Feministipuolue vai Vihreät voittajaksi puolueen läheisyyden vertailussa. Itse olisin algoritmin kehityksessä todennäköisesti lähtenyt liikkeelle etäisyydestä puolueen keskipisteeseen ja ainakin pohtinut puolueiden erilaisten kokojen ja kysymysten välisten korrelaatioiden huomioimista jollain tavalla. Oma tämän hetken ymmärrys aiheesta ei kuitenkaan riitä painavasti kritisoimaan algoritmin kehittäjän valintoja käytetyissä etäisyysmittareissa.

Huoleni koskee lähinnä vaalikoneen tapaa suosia ronskisti voittaja-puoluetta esiin nostetuissa ehdokkaissa nyt kun voittajapuolueen voi tiukoissa kisoissa ratkaista valinnat algoritmin kehityksessä tai muut satunnaistekijät.

Kun itse tein Hesarin vaalikoneen, klikkasin kolmen ylimmäksi nousseen ehdokkaat lisätiedot uusiin välilehtiin ja siirryin tutkimaan niitä. Ainakin itseltäni on mennyt täysin ohi, että alempana on saattanut olla muista puolueista ehdokkaita, jotka osuvat vielä paremmin omiin valintoihin. Ensimmäinen kehityskohde voisikin olla tämän asian selkeämpi viestiminen kiireiselle käyttäjälle.

Yleisemmällä tasolla tämä esimerkki havainnollistaa, kuinka todellisessa maailmassa, eksaktin matematiikan ulkopuolella, algoritmien kehitys on aina jossain määrin taidetta ja kehittäjän tekemät valinnat vaikuttavat jossain määrin tuloksiin. Tässäkin tapauksessa voittaja olisi ollut Vihreät, mikäli olisi käytetty ryhmäkeskiarvoja ja Euklidista etäisyyttä.

Mitä enemmän algoritmilla on vaikutusta ihmisiin, sitä tärkeämpää on niitä julkistaa ja altistaa kritiikille sekä kehotusehdotuksille. Tästä ryhdikäs hatun nosto Hesarille.

Facebooktwitterredditpinterestlinkedinmail

Arvot poliittisen lausahduksen takana

Vaalit kolkuttelevat jälleen oven takana ja pitäisi pystyä antamaan ääni sellaiselle taholle, jolla olisi samanlainen tärkeysjärjestys useiden keskenään osin toisiaan poissulkevien ihanteiden joukossa. Ehkä lisäksi vielä jotain ymmärrystä työkaluista haluttujen asioiden ajamiseksi. On vielä jossain määrin kohtuullinen tehtävä selvittää yksittäisen ihmisen arvomaailman prioriteetit ja kyvykkyys vaikuttaa asioiden toivotulla tavalla pitkällä tähtäimellä. Kiitos puoluekeskeisen järjestelmän yksittäisen ehdokkaan löytäminen ei vielä riitä, mikäli hänen puolueensa kautta äänet valuvatkin väärille tahoille.

Sekava puoluekenttä

Olen vuosia aina vaalien aikaan yrittänyt metsästää omaa puoluettani, mutta sellaista ei vaan tahdo löytyä. Mitä enemmän mediaa ja julkista keskustelua seuraa, sitä sekavammalta puoluekenttä vaikuttaa. Mitä esimerkiksi tarkoitetaan vasemmisto/oikeisto -jaottelulla?

Kun puhe on ulkomaan politiikasta niin vaikuttaa että oikeistossa ollaan konservatiivejä ja vasemmistossa liberaaleja. Suomessa kuitenkin Liberaalipuolue ja yksilön vapauksilla eniten ratsastavat poliitikot sijoitetaan äärioikealle. Mutta sitten jossain toisessa yhteydessä äärioikeistolla viitataankin henkilöihin, jotka saavat inspiraationsa yksilöiden vapauksia systemaattisesti murskanneesta toisen maailmansodan aikaisesta diktaattorista. Otapa siitä nyt sitten tolkkua!

Vaalikoneiden ylläpitäjät usein visualisoivat puolueiden sijaintia kaksiulotteisella arvokartalla: konservatiivi/liberaali sekä vasemmisto/oikeisto (tehty esimerkiksi täällä). Sekään ei auta, jos ei määritellä, mitä vasemmisto/oikeisto jaottelulla tarkoitetaan.

Arvomaailmaan käsiksi tekstianalyysillä

Lähdin nyt itse ottamaan selvää, mistä puolueet ovat omien kommenttiensa mukaan tehty ilman vaikeasti määriteltäviä poliittisia termejä. Viime aikoina agendallani on ollut opetella uusia tapoja repiä informaatiota kirjoitetusta tekstistä, joten päädyin tekemään pienen tekstianalyysiharjoituksen. Aineistona on vuoden 2015 eduskuntavaalien Ylen vaalikonedata ja erityisesti sanallinen kysymys: ”Mitä asioita haluat edistää tai ajaa tulevalla vaalikaudella?”.

Mukaan otin 11 ehdokasmäärältään suurimman puolueen edustajat. Tilastoanalyysin idea on seuraava: Ehdokkaiden ajatusten taustalla on useita arvomaailman ulottuvuuksia ja niiden ilmentymä on sanat, joita he vastauksessaan käyttävät. Prosessoin tekstiä ensin analyysikelpoiseen standardimuotoon (esim. turhat välisanat ja sijapäätteet sanojen lopusta pois) ja tein sitten pääkomponenttianalyysin itsenäisten arvoulottuvuuksien paikantamiseen. Löysin viisi ulottuvuutta, joille keksin niille latautuvien sanojen ja vahvimpien kommenttien perusteella järkeenkäyvät tulkinnat. Lopuksi laskin jokaisen puolueen sisällä keskiarvot kullakin ulottuvuudella. Tässä ne tulevat.

Arvoulottuvuudet

  1.  ”Paluu vanhaan” vs ”Tulevaisuus”, selittää 33% sanojen ilmaantuvuuden vaihtelusta:
  2. ”Tiukka kuri” vs ”Pehmeät arvot”, selittää 16% sanojen ilmaantuvuuden vaihtelusta:
  3. ”Paikallinen toiminta” vs ”Globaali toiminta”, selittää 14% sanojen ilmaantuvuuden vaihtelusta:
  4. ”Työnteko ja talouskasvu” vs ”Luonto ja yhdenvertaisuus”, selittää 13% sanojen ilmaantuvuuden vaihtelusta:
  5. ”Vahva julkinen sektori” vs ”Tilaa vapaille markkinoille”, selittää 12% sanojen ilmaantuvuuden vaihtelusta:

Yllättävänkin ymmärrettäviä tuloksia tuli vaikka analyysi perustuu vain tekstinpätkiin eikä täytä kaikkia tieteellisiä kriteerejä. Tulokset toki varmasti tästä tarkentuisivat, mikäli hyödynneittäisiin muidenkin kysymysten tarjoama informaatio.

Tältä pohjalta on nyt sitten vielä viikko aikaa löytää tähän hätään sopiva puolue kuntavaaleihin. Sellaisen vaalilupauksen voin jo nyt tehdä, että ääneni saa ehdokas, joka kilpaileville puolueille räksyttämisen sijaan esittelee omia ratkaisuehdotuksiaan asioiden parantamiseksi.Facebooktwitterredditpinterestlinkedinmail