Wikipedia：挑战者最好的朋友？利用信息搜寻行为模式预测美国国会选举
社会与信息网络
2020-10-29 v1
摘要
选举预测长期以来一直是政治学文献中的长青话题。传统上，此类研究通过民意调查汇总、经济指标、党派归属和竞选效应来预测总体投票结果。随着在线生成数据在社会科学中的二次利用日益增多，研究人员开始参考 Facebook、Twitter、Google Trends 和 Wikipedia 等广泛使用的网络平台的元数据来校准预测模型。网络平台为选民提供了获取详细竞选相关信息的途径，也为研究人员提供了研究竞选活动受欢迎程度及围绕这些活动的公众情绪的手段。然而，以往的贡献往往忽视了传统选举变量与信息搜寻行为模式之间的交互作用。在本研究中，我们旨在通过考察现任者与挑战者竞选活动之间的信息检索差异，以及感知的候选人可行性与媒体报道对 Wikipedia 页面浏览量预测能力的影响，来统一传统与新颖的方法论。为了检验我们的假设，我们使用了 2016 年至 2018 年间美国国会（参议院和众议院）选举的选举数据。我们证明，作为信息搜寻行为模式的代理，Wikipedia 数据对于预测在媒体中报道相对较少的资金充足的挑战者的成功尤为有效。总体而言，我们的发现强调了混合数据方法在计算社会科学预测分析中的重要性。
引用
@article{arxiv.2010.14627,
title = {Wikipedia: A Challenger's Best Friend? Utilising Information-seeking Behaviour Patterns to Predict US Congressional Elections},
author = {Hamza Salem and Fabian Stephany},
journal= {arXiv preprint arXiv:2010.14627},
year = {2020}
}
备注
24 pages