📈 economics

Metric geometry for ranking-based voting: Tools for learning electoral structure

تُطوّر هذه الورقة إطاراً هندسياً متسقاً للقياس من أجل ترتيب الإحصائيات، يوسع نطاق مسافات "كيندال تاو" و"سبيرمان فوت فلو" لتشمل التصنيفات غير المكتملة، مما يتيح التحديد الفعال لكتل الناخبين وقوائم المرشحين عبر كل من البيانات الانتخابية الاصطناعية والواقعية.

المؤلفون الأصليون: Moon Duchin, Kristopher Tapp

نُشر 2026-02-12

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Moon Duchin, Kristopher Tapp

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك في حفل زفاف ضخم يضم 1,000 ضيف. يُطلب من الجميع ترتيب أطعمتهم المفضلة من بوفيه مفتوح: البيتزا، التاكو، السوشي، السلطة، والكعك.

ومع ذلك، هناك عقبة: بعض الأش ludzi "انتقائيون" ولا يرتبون سوى شيء واحد فقط (تصويت نقطي)، وبعضهم يرتب ثلاثة أشياء، والبعض الآخر يرتبها جميعاً. إذا حاولت مجرد "متوسط" النتائج، فستحصل على قائمة فوضوية ومربكة. والأسوأ من ذلك، إذا حاولت تجميع الناس في "قبائل عشاق الطعام"، فكيف ستحدد حتى معنى "التشابه" عندما يعطيك شخص ما نقطة بيانات واحدة بينما يعطيك آخر خمس نقاط؟

هذه الورقة البحثية، التي كتبها مون دوتشين وكريستوفر تاب، توفر "نظام تحديد المواقع" (GPS) و"آلة الفرز" الرياضية لحل هذه المشكلة بالضبط—ليس فقط للطعام، بل للانتخابات في العالم الحقيقي.

1. المشكلة: "الخريطة الناقصة"

في الرياضيات التقليدية، مقارنة قائمتين أمر سهل إذا كانت كلتا القائمتين كاملتين (على سبيل المثال، إذا قام الجميع بترتيب جميع المرشحين العشرة). لكن في الحياة الواقعية، يكون الناخبون فوضويين؛ فهم يتركون فراغات، ويتخطون مرشحين.

يجادل المؤلفان بأن معظم الأدوات الرياضية الموجودين حالياً تشبه محاولة استخدام خريطة لمدينة نيويورك للتنقل في غابة ضبابية. هذه الأدوات تعمل بشكل رائع إذا كان لديك أسماء كل الشوارع، لكنها تنهار عندما تكون نصف تلك الشوارع مفقودة.

2. الحل: طريقتان جديدتان لـ "قياس المسافة"

ابتكر الباحثان إطارين رياضيين للتعامل مع هذه التصنيفات "الضبابية". فكر في الأمر كطريقتين مختلفتين لقياس مدى "بعد" آراء شخصين عن بعضهما البعض:

مقياس "المواجهة المباشرة" (الملاكم): تخيل أن كل زوج من المرشحين يدخل حلبة ملاكمة صغيرة. إذا قال الناخب (أ) إن "البيتزا تهزم التاكو" وقال الناخب (ب) إن "التاكو يهزم البيتزا"، فهذا يعتبر "خلافاً". هذا المقياس يحصي كل تلك النزالات الصغيرة ليرى مدى اختلاف الناخبين. إنه دقيق للغاية، مثل قياس المسافة عن طريق عد كل خطوة تخطوها.
مقياس "بوردا" (بطاقة النقاط): تخيل أن كل مرشح يحصل على نقاط بناءً على ترتيبه (المركز الأول يحصل على 10 نقاط، والثاني 9، وهكذا). ينظر هذا المقياس إلى فرق "الدرجات" الإجمالي. إنه أسرع وأكثر سلاسة، مثل قياس المسافة "كما يطير الغراب في خط مستقيم".

براعة هذه الورقة تكم-ن في إثبات أنه حتى عندما يترك الناخبون فراغات، فإن هاتين الطريقتين في القياس لا تزالان تعملان بشكل مثالي وتظلان متسقتين رياضياً.

3. التطبيق: إيجاد "القبائل" و"الفرق"

بمجرد امتلاكهم لهذه الرياضيات، يمكنهم القيام بأمرين رائعين حقاً:

أ. إيجاد الكتل الناخبة (القبائل):
بدلاً من مجرد النظر إلى الملصقات السياسية للأحزاب (والتي قد تكون مضللة)، تنظر الرياضيات إلى السلوك الفعلي للناخبين. يمكنها تجميع الناس في "قبائل" بناءً على تفضيلاتهم الحقيقية. في دراستهم للانتخابات الاسكتلندية، وجدوا أنه حتى دون معرفة من هو المؤيد لـ "المحافظين" أو "العمال"، استطاعت الرياضيات تلقائياً تجميع الناخبين في معسكراتهم السياسية الصحيحة. إنه يشبه القدرة على فرز حشد إلى مجموعات بمجرد مراقبة الاتجاه الذي يسلكونه، دون سؤالهم أبداً عن أسمائهم.

ب. إيجاد قوائم المرشحين (الفرق):
يمكن للرياضيات أيضاً تجميع المرشحين معاً. إذا كانت مجموعة من الناخبين تصنف دائماً "المرشح أ" و"المرشح ب" بالقرب من بعضهما البعض، فإن الرياضيات تدرك أنهما في الأساس جزء من نفس "الفريق" أو "القائمة". يساعد هذا في فهم ما إذا كان الانتخاب يعبر حقاً عن مجموعات مختلفة من الناس، أو ما إذا كان أحد "الفرق" يهيمن على كل شيء.

4. لماذا يهم هذا؟

باستخدام هذه الأدوات، يمكننا تجاوز الأسئلة البسيطة حول "من فاز؟". يمكننا طرح أسئلة أعمق بكثير:

الاستقطاب: هل ينقسم الغرفة إلى معسكرين غاضبين، أم أن الجميع مختلفون قلياً فحسب؟
التناسب: هل حصلت "القبائل" الموجودة في الغرفة فعلياً على حصة عادلة من المقاعد في الحكومة؟

باختصار: توفر هذه الورقة البحثية عدسة مكبرة عالية التقنية للنظر في الطريقة الفوضوية، غير المكتملة، والمعقدة التي يصوت بها البشر فعلياً، مما يسمح لنا برؤية الأنماط الخفية لكيفية تنظيم أنفسنا.

ملخص تقني: الهندسة المترية للتصويت القائم على الترتيب

المؤلفون: مون دوشين وكريستوفر تاب

الهدف الجوهري: تطوير إطار هندسي متري موحد لتحليل الانتخابات القائمة على الترتيب، وتحديداً توسيع المسافات التقليدية للتباديل لتستوعب قوائم الاقتراع الجزئية (الترتيبات غير المكتملة)، والتي تشيع في الواقع العملي.

1. المشكلة: حدود مقاييس الترتيب التقليدية

في نظرية الاختيار الاجتماعي الحسابي، تُستخدم مقايیستان رئيسيتان لقياس المسافة بين الترتيبات الكاملة: تاو كيندال (الذي يقيس التبادلات الثنائية) ومسطرة سبيرمان (التي تقيس الإزاحات الموضعية). ومع ذلك، فإن هذه المقاييس مُعرفة تقليدياً للتباديل الكاملة فقط.

في الانتخابات الواقعية، غالباً ما يقدم الناخبون قوائم اقتراع جزئية (على سبيل المثال، ترتيب 2 من أصل 10 مرشحين). وتواجه الطرق القياسية صعوبة في دمج هذه "الأصوات النقطية" أو القوائم غير المكتملة دون وضع افتراضات تعسفية. علاوة على ذلك، هناك حاية لأدوات وصفية لتحديد الكتل الناخبة (مجموعات من الناخبين المتشابهين) وأجنحة المرشحين (مجموعات من المرشحين المتشابهين) لقياس الاستقطاب والتناسب.

2. المنهجية: تضمين الإحداثيات وتحقيق الرسوم البيانية

يقترح المؤلفان طريقتين رياضيتين لتمثيل قوائم الاقتراع في فضاء متري، مما يسمح بكل من الترتيبات الكاملة والجزئية:

أ. تضمين الإحداثيات (نهج الفضاء المتجهي):
يقدم البحث دالتين للتضمين ترسمان قوائم الاقتراع في $\mathbb{R}^m$ أو $\mathbb{R}^{\binom{m}{2}}$ :

تضمين بوردا ( $d_B$ ): يربط قائمة الاقتراع بمتجه حيث يمثل كل إحداثي للمرشح درجة "بوردا" الخاصة به. يستخدم المؤلفان "عرفاً متشائماً" للقوائم الجزئية، حيث يحصل المرشحون غير المذكورين على صفر نقطة. وهذا يسمح بتوسيع مسطرة سبيرمان بشكل طبيعي.
تضمين المواجهة المباشرة ( $d_H$ ): يربط قائمة الاقتراع بمتجه من المقارنات الثنائية ( $\pm 1$ للفوز/الخسارة، و $0$ للتعادل). وهذا يوسع مسافة تاو كيندال لتشمل القوائم الجزئية.

ب. رسوم الاقتراع البيانية (نهج نظرية الرسوم البيانية):
يجري المؤلفان تمثيل هذه المسافات كمسافات مسار في رسوم بيانية موزونة:

رسم الاقتراع البياني ( $G_m$ ): رسم بياني متناثر تمثل حوافه تبادلات الجيران أو اختصار/توسيع قوائم الاقتراع. ويستعيد مقياس المسار في هذا الرسم المسافة $d_H$ .
رسم الاقتراع المختصر ( $G^+_m$ ): يضيف حواف "التبادل العام" (التي تسمح للمرشحين بالقفز عبر عدة مراكز دفعة واحدة). ويستعيد مقياس المسار في هذا الرسم المسافة $d_B$ .
رسوم الاقتراع المعممة: امتداد يسمح بوجود تعادلات (مجموعات من المرشحين مرتبين بالتساوي)، مما يتيح دراسة "الأجنحة".

3. المساهمات الرئيسية

التوسيع الرياضي: أثبت البحث أن حدود دياكونيس-غراهام ( $\frac{1}{2}d_H \leq d_B \leq d_H$ ) والخصائص المترية الأخرى تظل قائمة للقوائم الجزئية تحت عرف بوردا المتشائم.
إطار توحيدي: ربط هندسة الترتيبات بثلاثة مواضيع رئيسية في الاختيار الاجتماعي: التشويه المتري، الاستقطاب، والتناسب.
مبرهنة الاستقرار: أثبتت أن الانتخابات "المستقطبة" (حيث تكون تجمعات الناخبين متباعدة بما يكفي) تؤدي إلى مجموعات ناخبين مستقرة ومتسقة بغض النظر عما إذا كان المستخدم هو $d_B$ أو $d_H$ .
خوارزميات تجميع جديدة: طورت الورقة طرقاً لـ:
- الكتل الناخبة: باستخدام طريقة $k$ -medoids (PAM) على إحداثيات التضمين.
- أجنحة المرشحين: باستخدام مقاييس عدم تشابه المرشحين ( $D_B$ ) عبر التجميع التراكمي.

4. النتائج والتحقق

تحقق المؤلفان من إطارهما باستخدام طريقتين:

التحقق الاصطناعي: باستخدام نموذج مالوز مختلط (يحاكي التجمعات المستقطبة)، أثبتا أن طرق التجميع الخاصة بهما (PAM والتجميع التراكمي) استعادت بدقة مراكز "الحقيقة الأرضية" وأحجام التجمعات، حتى مع وجود سكاني غير متوازن.
التطبيق الواقعي (الانتخابات الاسكتلندية): حللا أكثر من 1,000 انتخابات محلية (2012-2022).
- المتانة: وجدا أن الخيارات الرياضية المختلفة (L1 مقابل L2، وبوردا مقابل المواجهة المباشرة) أنتجت مجموعات ناخبين متطابقة تقريباً.
- الاكتشاف المحايد للأحزاب: بينما نجحت الطرق في تجميع المرشحين من نفس الأحزاب السياسية، فقد كشفت أيضاً عن هياكل ما بين الأحزاب (مثل العلاقة الوثيقة بين حزبي SNP وGreen) التي قد يغفل عنها التحليل الذي يركز على تسميات الأحزاب.
- الكفاءة الحسابية: أظهرا أن التجميع الاستدلالي فعال للغاية، حيث يطابق الحلول المثلى عالمياً في أكثر من 90% من الحالات.

5. الأهمية

يوفر هذا البحث أساساً رياضياً صارماً للتعلم غير الخاضع للإشراف في الانتخابات. من خلال معاملة الانتخابات كـ "سحب نقاط" في فضاء متري، يمكن للباحثين تجاوز مجرد حسابات الفائز أو الخاسر البسيطة لفهم الهندسة الهيكلية للتفضيلات السياسية. وهذا له آثار عميقة في قياس مدى استقطاب المجتمع وتحديد ما إذا كان النظام الانتخابي يوفر تمثيلاً عادلاً ومتناسباً لمختلف الكتل الناخبة.