基于规则的数据挖掘分析2022年美国选举选民行为与信心
计算机与社会
2025-07-22 v1 机器学习
摘要
本研究通过对2022年美国选举绩效调查（SPAE）应用基于规则的数据挖掘技术，探讨选民信任与选举过程中经历之间的关系。采用Apriori算法，并设定参数以捕获有意义的关联（支持度 >= 3%，置信度 >= 60%，提升度 > 1.5），分析揭示了人口统计属性与选举相关挑战之间的强烈联系，如注册障碍、可及性问题和排队时间。例如，报告投票站可及性为“非常容易”且持中等信心的受访者，比对选举结果缺乏信任且无注册问题的受访者，几乎高出6.12倍（提升度 = 6.12）。进一步的分析将支持度阈值调整为2%，专门检视了少数族裔选民的模式。结果显示，98.16%的黑人选民报告投票站可及性容易，同时也拥有顺畅的注册经历。此外，那些对投票计数过程充满信心的受访者几乎是两倍更可能认定为民主党支持者。这些发现凸显了提升选举可及性和为边缘化社区提供针对性支持在建立选举系统信任方面的重要作用。
引用
@article{arxiv.2507.14236,
title = {Mining Voter Behaviour and Confidence: A Rule-Based Analysis of the 2022 U.S. Elections},
author = {Md Al Jubair and Mohammad Shamsul Arefin and Ahmed Wasif Reza},
journal= {arXiv preprint arXiv:2507.14236},
year = {2025}
}