← Últimos artículos
💻 computer science

One Vote, Several Parliaments: An Empirical Analysis of the Algorithmic Ambiguity of the Italian Electoral Law on the 2022 General Election Data

Este artículo valida empíricamente que el texto estatutario de la ley electoral italiana Rosatellum para la asignación de escaños admite múltiples interpretaciones algorítmicas, demostrando que, si bien la fuerza de los partidos permanece estable, el orden específico de procesamiento de las circunscripciones y la interpretación elegida alteran significativamente qué candidatos individuales son elegidos.

Autores originales: Paolo Coppola

Publicado 2026-07-14
📖 5 min de lectura🧠 Análisis profundo

Autores originales: Paolo Coppola

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tienes una pizza gigante y deliciosa que representa todos los votos emitidos en las elecciones de Italia de 2022. La ley dicta exactamente cómo cortar esta pizza: primero, cortas los trozos grandes para los distritos de ganador único, luego repartes el queso "proporcional" restante entre los partidos políticos según los votos que obtuvieron.

Pero aquí está el giro: la receta para la parte proporcional está escrita de una manera que es como un rompecabezas con instrucciones faltantes. Te dice qué hacer (cortar trozos, contar migas, mover piezas sobrantes), pero no dice en qué orden hacerlo.

Este artículo, escrito por Paolo Coppola, es como un chef superinteligente que decidió probar qué sucede si sigues esta receta de diferentes maneras. Tomaron los datos reales de las elecciones de 2022 —los votos reales de cada ciudad— y pasaron los números a través de tres "recetas" diferentes (llamadas Algoritmos A, B y C) para ver si la pizza final se veía igual.

El gran descubrimiento: El orden importa
El principal hallazgo es que el orden en el que procesas las regiones cambia quién llega a comer la pizza.

  • Algoritmo C (El Chef del Mundo Real): Es el método que realmente utilizaron los funcionarios electorales. Es como un chef que corta todas las cortezas grandes primero, y luego mira toda la mesa para decidir quién se queda con las migas extra. Este método es estable; si cambias el orden de las regiones, la lista final de quién obtiene un escaño se mantiene igual.
  • Algoritmo A (El Chef Secuencial): Esta es la forma más "natural" de leer el texto: procesar la Región 1, terminarla, luego pasar a la Región 2, y así sucesivamente. El artículo encontró que, si usas este método, el orden que elijas importa mucho.
    • Si procesas las regiones en el orden oficial, obtienes una lista de 391 personas electas.
    • Si inviertes el orden (comenzando desde el final), 6 personas diferentes pierden sus escaños y 6 personas diferentes los obtienen en su lugar.
    • Los autores realizaron una simulación con 1,000 órdenes aleatorias. Encontraron 560 resultados posibles diferentes. ¡En algunas de las órdenes aleatorias, la pizza ni siquiera se cortó por completo! En el 29% de las ejecuciones aleatorias, la receta falló al asignar uno o dos escaños, dejando al parlamento con sillas vacías. En otro 9% de las ejecuciones, el número total de escaños para cada partido político cambió, a pesar de que los votos totales no cambiaron.

El error de "Mattarella" (Algoritmo B)
Hay una tercera forma de leer la receta, similar a cómo se interpretó una ley de 1993. Los autores descubrieron que, si usas este método, hay 2 escaños que simplemente no pueden ser asignados por las reglas del texto, sin importar el orden que elijas. Es como si la receta dijera "dale la última rebanada a la persona más hambrienta", pero si todos están llenos, la rebanada simplemente se desvanece. Esto ocurrió de hecho en elecciones reales en 1994, 1996 y 2001.

¿Lo hicieron bien los chefs?
Antes de mostrar estos resultados, los autores tuvieron que demostrar que su código de computadora era perfecto. Compararon su "Algoritmo C" (el método del mundo real) contra los registros oficiales del gobierno.

  • Coincidieron en 389 de los 391 electos por nombre (99.5%).
  • ¿Las dos personas con las que no coincidieron? Son exactamente las mismas dos personas que el propio comité electoral del Parlamento italiano está investigando porque los registros oficiales son confusos o inconsistentes. Por lo tanto, el código es más preciso que el desordenado papeleo oficial en esos casos específicos.

¿Por qué es esto importante?
El artículo argumenta que la ley no es solo "vaga"; es operativamente ambigua. No es que las palabras sean difíciles de entender; es que las instrucciones no garantizan un resultado único y definido.

  • La fuerza del partido: En el método del mundo real (C), el número total de escaños para cada partido se mantiene igual. La ambigüedad solo cambia qué persona específica obtiene el escaño y qué región representa.
  • El caos: Pero si usas el método secuencial (A) con un orden aleatorio, incluso la fuerza de los partidos puede cambiar.

La conclusión
Los autores no solo supusieron; ejecutaron todo el cálculo matemático con los datos reales de 2022. Demostraron que los mismos votos, procesados con diferentes lecturas "admisibles" de la misma ley, eligen parlamentos diferentes.

  • En sus simulaciones, 119 personas diferentes fueron elegidas en algunos escenarios pero no en otros.
  • Solo 339 personas fueron elegidas en cada uno de los escenarios probados.

Así que, la próxima vez que escuches que "un voto, un parlamento", este artículo sugiere que, para los escaños proporcionales, podría ser más bien "un voto, varios parlamentos posibles", dependiendo de qué versión de la receta siga el computador. La ley funciona, pero funciona de una manera que deja el resultado final a merced de una elección de programación que el propio texto nunca definió.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →