One Vote, Several Parliaments: An Empirical Analysis of the Algorithmic Ambiguity of the Italian Electoral Law on the 2022 General Election Data
本論文は、イタリアのロザテッルム選挙法の議席配分に関する法定条文が複数のアルゴリズム的解釈を許容することを実証的に検証しており、政党の勢力自体は安定しているものの、選挙区の処理順序および選択された解釈によって、どの個人候補者が当選するかが著しく変化することを明らかにしている。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
想像してみてください。あなたは、イタリアの2022年選挙で投じられたすべての票を表現する、巨大で美味しそうなピザを持っています。法律は、このピザの切り分け方を正確に定めています。まず、単独当選選挙区のための大きな一切れを切り出し、次に、残った「比例配分」のチーズを、各政党が獲得した票数に基づいて分配します。
しかし、ここにひねりがあります。比例配分のレシピは、指示が欠落したパズルのような書き方になっています。そこには「スライスを切り出し、パン屑を数え、余ったピースを動かす」といった「何をすべきか」は書かれていますが、「どのような順番で」行うべきかは書かれていないのです。
パオロ・コッポラ（Paolo Coppola）によるこの論文は、超スマートなシェフが、もし異なる方法でこのレシピに従ったらどうなるかをテストすることに決めた、という物語です。彼らは実際の2022年の選挙データ（すべての町からの実際の票数）を取り上げ、その数字を3つの異なる「レシピ」（アルゴリズムA、B、Cと呼ばれます）に通して、最終的なピザが同じ見た目になるかどうかを確認しました。
大きな発見：順番が重要である
主な発見は、地域を処理する順番によって、誰がピザを食べられるかが変わるということです。
- アルゴリズムC（現実世界のシェフ）： これは選挙管理人が実際に使用している方法です。これは、シェフがまず大きな耳の部分をすべて切り出し、それから誰に余りのパン屑をあげるかを決めるためにテーブル全体を見渡すようなものです。この方法は安定しており、地域の順番を入れ替えても、誰が議席を得るかという最終的なリストは変わりません。
- アルゴリズムA（逐次処理のシェフ）： これはテキストを読み進める最も「自然」な方法です。地域1を処理し、それを終わらせてから、次に地域2へと進む、といった具合です。論文では、この方法を使うと、選ぶ順番が非常に重要になることが判明しました。
- もし公式の順序で地域を処理すれば、391人の当選者リストが得られます。
- もし順番を逆に（最後から）進めると、6人の異なる人物が議席を失い、代わりに6人の異なる人物が議席を得ることになります。
- 著者らは、1,000通りのランダムな順序を用いたシミュレーションを行いました。その結果、560通りの異なる結果が生じることがわかりました。ランダムな順序の中には、ピザが十分にスライスされないケースもありました。**29%のランダムな実行では、レシピが1つまたは2つの議席の割り当てに失敗し、議会に空席を残してしまいました。また、別の9%**の実行では、総票数は変わっていないにもかかわらず、各政党の総議席数が変化していました。
「マッタレッラ」のグリッチ（アルゴリズムB）
もう一つの方法は、1993年の法律の解釈に似た、レシピの読み方です。著者らは、この方法を用いると、ルールに従って割り当てることができない議席が2議席存在することを突き止めました。それはまるで、レシピに「最後のスライスを最も空腹な人に与える」と書いてあるのに、全員がお腹いっぱいだった場合、スライスが消えてしまうようなものです。これは、1994年、1996年、2001年の実際の選挙で実際に起こりました。
シェフたちは正しかったのか？
これらの結果を示す前に、著者らは自分たちのコンピュータ・コードが完璧であることを証明しなければなりませんでした。彼らは、自分たちの「アルゴリズムC」（現実世界のメソッド）を政府の公式記録と比較しました。
- 彼らは、当選者の391人中389人の名前を一致させました（99.5%）。
- 一致しなかった2人は、まさにイタリア議会の選挙委員会が、公式記録が混乱しているか矛盾しているとして現在調査を進めている、まさにその2人です。つまり、コードは、それらの特定のケースにおいて、乱雑な公式書類よりも正確であるということです。
なぜこれが重要なのか？
論文は、法律が単に「曖昧」なのではなく、**「操作的に曖昧（operationally ambiguous）」**であると主張しています。言葉が理解しにくいのではなく、指示が単一でユニークな結果を確定させていないのです。
- 政党の勢力： 現実世界のメソッド（C）では、各政党の総議席数は変わりません。曖昧さは、どの「特定の人物」が議席を得るか、そしてどの「地域」を代表するかを変えるだけです。
- 混沌： しかし、もしランダムな順序で逐次処理メソッド（A）を使用した場合、政党の勢力そのものが変わってしまう可能性があります。
結論
著者らは単に推測したのではなく、実際の2022年のデータを用いて完全な数学的検証を行いました。彼らは、同じ票が、同じ法律の異なる「許容される」読み方によって、異なる議会を選出することを証明しました。
- シミュレーションにおいて、あるシナリオでは当選し、別のシナリオでは当選しなかった人物は119人にのぼりました。
- テストされたすべてのシナリオにおいて、一貫して当選したのはわずか339人でした。
したがって、次に「一つの票、一つの議会」という言葉を耳にしたとき、この論文は示唆しています。比例配分の議席については、それは「一つの票、いくつかの可能な議会」に近いものであるかもしれない、と。法律は機能していますが、その仕組みは、テキスト自体が定義していないスケジュールの選択によって、最終的な結果を左右してしまうような形で機能しているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。