Prevendo atitudes políticas a partir de dados de rastreamento na web: uma abordagem de aprendizado de máquina

Evidências anedóticas sugerem que o aumento do populismo e a subsequente polarização política podem tornar as preferências políticas dos eleitores mais detectáveis a partir de dados de rastreamento digital. Esse potencial cenário poderia expor os eleitores ao risco de serem alvo e facilmente influenciados por atores políticos. Este estudo investiga a ligação entre mais de 19.000.000 de visitas a sites, rastreadas a partir de 1.003 usuários na Alemanha, e suas respostas a questionários para explorar se as escolhas de sites podem prever com precisão as atitudes políticas em cinco dimensões: Imigração, democracia, questões (como clima e União Europeia), populismo e confiança. Nossas descobertas indicam uma capacidade limitada de identificar atitudes políticas a partir das visitas a sites dos indivíduos. Nosso algoritmo de aprendizado de máquina mais eficaz previu interesse em política e atitudes em relação à democracia, mas com dependência dos parâmetros do modelo. Embora as categorias de sites apresentassem padrões sugestivos, elas apenas marginalmente distinguiam entre indivíduos com atitudes anti- ou pró-imigração, bem como aqueles com atitudes populistas ou convencionais. Isso reafirma a confiabilidade das pesquisas na medição de atitudes em comparação com dados de rastreamento digital e, de uma perspectiva normativa, sugere que o potencial de extrair informações políticas sensíveis a partir de dados de comportamento online, que poderiam ser utilizados para microtargeting, permanece limitado.