Aplicação da Inteligência Artificial sobre dados socioeconômicos na previsão de cenários políticos : reeleição de prefeitos

Abstract

Este estudo explora a aplicação da Inteligência Artificial na previsão de cenários políticos, com foco na reeleição de prefeitos em municípios brasileiros. A pesquisa utiliza a Teoria da Escolha Racional como base teórica, combinando-a com técnicas de aprendizado de máquina para analisar dados socioeconômicos e identificar padrões que possam prever a reeleição. Foram coletados e tratados dados do Instituto de Pesquisa Econômica Aplicada e da base do Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira, além de variáveis eleitorais. A metodologia incluiu o uso de redes neurais profundas e técnicas de regularização, além de métodos para lidar com o desbalanceamento de classes. O estudo concluiu que, embora as redes neurais tenham conseguido realizar previsões um pouco acima do acaso, os modelos não alcançaram um nível de precisão que permita sua utilização como previsores confiáveis de reeleição. Os resultados indicam a necessidade de incorporar mais fontes de dados e diferentes abordagens analíticas para melhorar a eficácia dos modelos preditivos. A pesquisa sugere ainda que a integração de dados socioeconômicos com análises de conteúdo jornalístico, manifestações em redes sociais e pesquisas de opinião podem oferecer uma base mais sólida para a previsão de cenários políticos.

This study explores the application of Artificial Intelligence in forecasting political scenarios, focusing on the re-election of mayors in Brazilian municipalities. The research uses Rational Choice Theory as a theoretical foundation, combining it with machine learning techniques to analyze socioeconomic data and identify patterns that may predict re-election. Data was collected and processed from the Institute of Applied Economic Research and the database of the National Institute of Educational Studies and Research Anísio Teixeira, as well as electoral variables. The methodology included the use of deep neural networks and regularization techniques, as well as methods to address class imbalance. The study concluded that, although the neural networks managed to perform slightly better than random predictions, the models did not reach a level of accuracy that would allow their use as reliable predictors of re-election. The results indicate the need to incorporate more data sources and different analytical approaches to improve the effectiveness of predictive models. The research also suggests that integrating socioeconomic data with analyses of journalistic content, social media manifestations, and opinion polls could offer a stronger foundation for forecasting political scenarios.