Legislative Vote Outcome Prediction Using Temporal Approval Patterns

विधायिका के हलचल भरे गलियारों में, सैकड़ों निर्वाचित अधिकारी अनगिनत प्रस्तावों के भाग्य का निर्णय करने के लिए एकत्र होते हैं। कुछ विधेयक मौजूदा नियमों में मामूली समायोजन होते हैं, जबकि अन्य व्यापक परिवर्तन होते हैं जो किसी राष्ट्र के भविष्य को नया आकार दे सकते हैं। इन मतदानों के परिणाम की भविष्यवाणी करना अत्यंत कठिन है, विशेष रूप से उन प्रणालियों में जहाँ कई राजनीतिक दल होते हैं और गठबंधन रेत की तरह बदलते रहते हैं। एक साधारण हाँ या ना के प्रश्न के विपरीत, एक विधायी मतदान जटिल वार्ताओं, हालिया राजनीतिक गति और पार्टी नेताओं के छिपे हुए प्रभाव का परिणाम होता है। दशकों से, राजनीतिक वैज्ञानिक इन व्यवहारों का मानचित्र बनाने का प्रयास कर रहे हैं, जो अक्सर इस बात पर ध्यान केंद्रित करते हैं कि व्यक्तिगत राजनेता कैसे मतदान करते हैं या विधेयानों के पाठ का विश्लेषण करते हैं। हालाँकि, एक अधिक व्यावहारिक चुनौती बनी हुई है: क्या किसी प्रस्ताव के अंतिम मतदान से पहले ही यह अनुमान लगाया जा सकता है कि वह पारित होगा या विफल होगा? यह प्रश्न पत्रकारों, निगरानी समूहों और नागरिकों के लिए गहरा महत्व रखता है जिन्हें यह जानने की आवश्यकता है कि किन प्रस्तावों पर तत्काल ध्यान देने की आवश्यकता है और कौन से संभवतः समिति में चुपचाप दम तोड़ देंगे।

ब्राजील और फिनलैंड के शोधकर्ताओं की एक टीम ने इस प्रश्न का उत्तर देने का एक नया तरीका विकसित किया है, जो ब्राज़ीलियाई चैंबर ऑफ डेप्युटीज़ (प्रतिनिधियों के सदन) पर ध्यान केंद्रित करता है। प्रत्येक 513 प्रतिनिधियों में से प्रत्येक के वोट का अनुमान लगाने की कोशिश करने के बजाय, उन्होंने एक ऐसी प्रणाली बनाई जो एक प्रस्ताव के इर्द-गिर्द व्यापक पैटर्न को देखती है। उन्होंने दो दशकों (2003 से 2024 तक) के लगभग 9,000 मतदान सत्रों का विश्लेषण किया। उनका दृष्टिकोण एक सरल लेकिन शक्तिशाली विचार पर आधारित है: एक प्रस्ताव का इतिहास और उसके पीछे के लोगों की हालिया सफलता ही उसके भविष्य की कुंजी है। यह ट्रैक करके कि किसी विशिष्ट राजनीतिक दल ने हाल ही में अपने विचारों को कितनी बार स्वीकृत कराया है, कितने लोगों ने एक प्रस्ताव पर हस्ताक्षर किए हैं, और क्या सरकार आधिकारिक रूप से इसका समर्थन करती है, शोधकर्ताओं ने एक ऐसा मॉडल बनाया है जो उच्च सटीकता के साथ अंतिम परिणाम का पूर्वानुमान लगा सकता है।

शोधकर्ता अपने सिस्टम को VOTE-RAP कहते हैं। यह वोट होने से ठीक पहले उपलब्ध विशिष्ट, वास्तविक समय के संकेतों को एकत्र करके काम करता है। एक प्रमुख संकेत "सरकारी अभिविन्यास" (government orientation) है, जो सरल शब्दों में यह रिकॉर्ड करता है कि सरकार की कार्यकारी शाखा ने आधिकारिक तौर पर किसी विधेयक को स्वीकृत या अस्वीकृत करने की सिफारिश की है या नहीं। दूसरा संकेत "पार्टी लोकप्रियता" है, जो यह मापता है कि एक राजनीतिक दल हाल के बहुत ही निकटतम अतीत में अपने स्वयं के प्रस्तावों को पारित कराने में कितना सफल रहा है। यदि कोई पार्टी हाल ही में वोट जीत रही है, तो उसके नए प्रस्तावों के सफल होने की संभावना अधिक होती है। सिस्टम "ऐतिहासिक अनुमोदन दरों" को भी देखता है जो उन प्रस्तावों के लिए हैं जिन पर कई बार मतदान किया गया है, और यह लेखकों की संख्या को गिनता है, यह नोट करते हुए कि कब किसी प्रस्ताव के पीछे असामान्य रूप से बड़ी संख्या में प्रायोजक होते हैं। इन सभी सूचनाओं को मिलाकर एक ऐसा पूर्वानुमान तैयार किया जाता है जो डेटा साइंस की एक सामान्य त्रुटि, जिसे "लीकेज" (leakage) कहा जाता है, से सुरक्षित है—जहाँ एक मॉडल अनजाने में अतीत के बारे में भविष्यवाणी करने के लिए भविष्य की जानकारी का उपयोग कर लेता है।

जब शोधकर्ताओं ने अपने सिस्टम का परीक्षण किया, तो परिणाम चौंकाने वाले थे। एक कठोर परीक्षण में, जहाँ मॉडल को अतीत के डेटा पर प्रशिक्षित किया गया था और भविष्य की भविष्यवाणी करने के लिए कहा गया था, इसने लगभग 93 प्रतिशत बार मतदान सत्रों के परिणाम को सही ढंग से पहचाना। इससे भी महत्वपूर्ण बात यह है कि यह उन प्रस्तावों को पहचानने में बहुत अच्छा था जो विफल होने वाले थे, जो एक कठिन कार्य है क्योंकि इस विधायिका में अधिकांश विधेयक स्वीकृत होते हैं। सिस्टम ने भविष्यवाणी सटीकता के एक मानक पैमाने पर 0.908 का स्कोर प्राप्त किया, जो केवल सरकार की सिफारिश देखने वाले सरल तरीकों से काफी बेहतर प्रदर्शन करता है। यह सफलता बताती है कि हाल की राजनीतिक घटनाओं की गति और एक प्रस्ताव के संरचनात्मक विवरण पहले की तुलना में कहीं अधिक भविष्य बताने वाले होते हैं।

अध्ययन ने एक अलग, अधिक जटिल दृष्टिकोण का भी परीक्षण किया जो हाल के वर्षों में उपयोग किया जाता रहा है, जो व्यक्तिगत प्रतिनिधियों के वोट के विस्तृत रिकॉर्ड पर निर्भर करता है। शोधकर्ताओं ने पाया कि यह पद्धति, हालांकि व्यक्तिगत व्यवहार को समझने के लिए उपयोगी है, किसी प्रस्ताव के समग्र परिणाम की भविष्यवाणी करने के मामले में पूरी तरह से विफल रही। जब उन्होंने इस जटिल मॉडल को सभी प्रस्तावों की श्रेणी में लागू करने की कोशिश की, तो इसने यादृच्छिक अनुमान (random guessing) से बेहतर प्रदर्शन नहीं किया। ऐसा इसलिए हुआ क्योंकि विस्तृत मतदान रिकॉर्ड केवल सभी प्रस्तावों के एक छोटे से अंश के लिए मौजूद हैं, और उस छोटे समूह में पाए गए पैटर्न शेष समूह पर लागू नहीं होते हैं। यह निष्कर्ष इस विचार को खारिज करता है कि अंतिम परिणाम की भविष्यवाणी करने के लिए प्रत्येक व्यक्तिगत प्रतिनिधि के वोट को जानना आवश्यक है, और यह दर्शाता है कि व्यापक संस्थागत संकेत पर्याप्त हैं।

जो इस कार्य को विशेष रूप से मूल्यवान बनाता है, वह है इसकी पारदर्शिता। यह प्रणाली किसी रहस्यमय "ब्लैक बॉक्स" एल्गोरिदम पर निर्भर नहीं है जिसे समझाया नहीं जा सकता। इसके बजाय, यह स्पष्ट, समझने योग्य कारकों का उपयोग करती है जिसे कोई भी निरीक्षण कर सकता है। सबसे महत्वपूर्ण कारक सरकार का आधिकारिक रुख निकला, जिसके बाद बिल प्रायोजित करने वाले समूह का आकार और प्रायोजक पार्टी की हालिया लोकप्रियता आई। क्योंकि मॉडल इन दृश्य संकेतों पर बना है, इसलिए निगरानीकर्ता समझ सकते हैं कि भविष्यवाणी क्यों की गई थी। यदि सिस्टम भविष्यवाणी करता है कि एक विधेयक विफल होगा, तो यह संभवतः इसलिए है क्योंकि सरकार इसका विरोध करती है या प्रायोजक पार्टी हाल के वोटों में हार रही है। यह स्पष्टता हितधारकों को अपने प्रयासों को प्राथमिकता देने की अनुमति देती है, जिससे वे अपना ध्यान उन प्रस्तावों पर केंद्रित कर सकें जो सबसे अधिक विवादास्पद होने की संभावना है या जो चुपचाप निकल रहे हैं।

शोधकर्ताओं ने यह भी देखा कि सिस्टम की सटीकता समय के साथ बदलती रहती है, जो राजनीति की बदलती प्रकृति को दर्शाती है। कुछ वर्षों में, मॉडल असाधारण रूप से सटीक था, जबकि अन्य वर्षों में, इसका प्रदर्शन गिर गया, जिसका कारण संभवतः अचानक राजनीतिक पुनर्गठन या अप्रत्याशित घटनाएँ थीं। यह भिन्नता कोई दोष नहीं बल्कि प्रणाली की एक यथार्थवादी विशेषता है, जो स्वीकार करती है कि राजनीतिक परिदृश्य परिवर्तनशील है। परीक्षण के लिए एक सख्त समयरेखा का उपयोग करके, जहाँ मॉडल भविष्य की भविष्यवाणी करने के लिए केवल अतीत को देखता है, शोधकर्ताओं ने यह सुनिश्चित किया कि उनके परिणाम वास्तविक दुनिया में क्या होगा उसे दर्शाते हैं, न कि एक कृत्रिम परिदृश्य को जहाँ मॉडल को उत्तर कुंजी देखने की अनुमति मिलती है।

अंततः, यह शोध विधायी दुनिया को समझने के लिए एक व्यावहारिक उपकरण प्रदान करता है। यह प्रदर्शित करता है कि सही संकेतों—सरकारी सिफारिशों, हालिया पार्टी सफलता और एक प्रस्ताव के समर्थन के विस्तार—पर ध्यान केंद्रित करके, विश्वसनीयता के उच्च स्तर के साथ विधायी परिणामों का पूर्वानुमान लगाना संभव है। अध्ययन पुष्टि करता है कि जबकि व्यक्तिगत वोट जटिल होते हैं, सामूहिक परिणाम अक्सर एक सुस्पष्ट पैटर्न का पालन करते हैं जो संस्थागत गति से संचालित होता है। ब्राज़ीलियाई चैंबर ऑफ डेप्युटीज़ को देख रहे लोगों के लिए, इसका अर्थ है कि अब अंतिम गणना से पहले वोट की संभावित दिशा देखने का एक तरीका मौजूद है, जो लोकतांत्रिक प्रक्रिया में एक स्पष्ट खिड़की प्रदान करता है।