Legislative Vote Outcome Prediction Using Temporal Approval Patterns

Nos corredores movimentados de uma legislatura, centenas de autoridades eleitas se reúnem para decidir o destino de inúmeras propostas. Alguns projetos são pequenos ajustes em regras existentes, enquanto outros são mudanças abrangentes que podem remodelar o futuro de uma nação. Prever o resultado dessas votações é notoriamente difícil, especialmente em sistemas com muitos partidos políticos onde as alianças mudam como a areia. Diferente de uma simples pergunta de sim ou não, uma votação legislativa é o resultado de negociações complexas, do ímpeto político recente e da influência oculta dos líderes partidários. Por décadas, cientistas políticos tentaram mapear esses comportamentos, focando frequentemente em como políticos individuais votam ou analisando o texto dos projetos em si. No entanto, um desafio mais prático permanece: podemos prever se uma proposta será aprovada ou rejeitada antes mesmo que a votação final ocorra? Essa questão importa profundamente para jornalistas, grupos de fiscalização e cidadãos que precisam saber quais propostas merecem atenção imediata e quais provavelmente morrerão silenciosamente nas comissões.

Uma equipe de pesquisadores do Brasil e da Finlândia desenvolveu uma nova maneira de responder a essa pergunta, focando na Câmara dos Deputados do Brasil. Em vez de tentar adivinhar como cada um dos 513 deputados votará, eles construíram um sistema que observa os padrões mais amplos que cercam uma proposta. Eles analisaram quase 9.000 sessões de votação abrangendo duas décadas, de 2003 a 2024. A abordagem deles baseia-se em uma ideia simples, mas poderosa: o histórico de uma proposta e o sucesso recente das pessoas por trás dela detêm as chaves para o seu futuro. Ao rastrear com que frequência um partido político específico viu suas ideias serem aprovadas recentemente, quantas pessoas aderiram a uma proposta e se o governo apoia oficialmente a medida, os pesquisadores criaram um modelo capaz de prever o resultado final com alta precisão.

Os pesquisadores chamam seu sistema de VOTE-RAP. Ele funciona coletando pistas específicas e em tempo real disponíveis pouco antes de uma votação acontecer. Uma pista fundamental é a "orientação do governo", que simplesmente registra se o poder executivo do governo recomendou oficialmente que um projeto seja aprovado ou rejeitado. Outra pista é a "popularidade do partido", que mede o quão bem-sucedido um partido político tem sido em aprovar suas próprias propostas no passado muito recente. Se um partido tem vencido votos ultimamente, suas novas propostas têm maior probabilidade de sucesso. O sistema também observa as "taxas de aprovação históricas" para propostas que foram votadas múltiplas vezes e conta o número de autores por trás de um projeto, observando quando uma proposta possui um número incomumente grande de proponentes. Todas essas informações são combinadas para criar uma previsão que é segura contra um erro comum na ciência de dados conhecido como "vazamento" (leakage), onde um modelo acidentalmente usa informações futuras para fazer uma previsão sobre o passado.

Quando os pesquisadores testaram seu sistema, os resultados foram impressionantes. Em um teste rigoroso onde o modelo foi treiando com dados do passado e solicitado a prever o futuro, ele identificou corretamente o resultado das sessões de votação cerca de 93 por cento das vezes. Mais importante ainda, foi muito bom em identificar as propostas que falhariam, uma tarefa difícil, já que a maioria dos projetos é aprovada nesta legislatura. O sistema alcançou uma pontuação de 0,908 em uma escala padrão de precisão de previsão, superando significativamente métodos mais simples que apenas observam a recomendação do governo. Esse sucesso sugere que o ímpeto de eventos políticos recentes e os detalhes estruturais de uma proposta são muito mais preditivos do que se pensava anteriormente.

O estudo também testou uma abordagem diferente e mais complexa que tem sido usada nos últimos anos, uma que depende de registros detalhados de como deputados individuais votaram. Os pesquisadores descobriram que esse método, embora útil para entender o comportamento individual, falhou completamente ao ser solicitado a prever o resultado geral de uma proposta. Quando tentaram aplicar esse modelo complexo ao conjunto completo de propostas, ele não teve desempenho melhor do que um palpite aleatório. Isso aconteceu porque os registros detalhados de votação só existem para uma pequena fração de todas as propostas, e os padrões encontrados nesse pequeno grupo não se aplicavam ao restante. Essa descoberta descarta a ideia de que saber o voto de cada deputado individualmente é necessário para prever o resultado final, mostrando, em vez disso, que sinais institucionais mais amplos são suficientes.

O que torna este trabalho particularmente valioso é sua transparência. O sistema não depende de um algoritmo misterioso de "caixa preta" que não pode ser explicado. Em vez disso, utiliza fatores claros e compreensíveis que qualquer um pode inspecionar. O fator mais importante revelou-se ser a posição oficial do governo, seguido pelo tamanho do grupo que patrocina o projeto e pela popularidade recente do partido proponente. Como o modelo é construído sobre esses sinais visíveis, jornalistas e observadores podem entender exatamente por que uma previsão foi feita. Se o sistema prevê que um projeto falhará, é provável que seja porque o governo se opõe a ele ou porque o partido proponente tem perdido votos recentemente. Essa clareza permite que as partes interessadas priorizem seus esforços, focando seu escrutínio nas propostas que têm maior probabilidade de serem contenciosas ou que estão passando despercebidas.

Os pesquisadores também observaram que a precisão do sistema muda ao longo do tempo, refletindo a natureza mutável da política. Em alguns anos, o modelo foi excepcionalmente preciso, enquanto em outros, seu desempenho caiu, provavelmente devido a realinhamentos políticos súbitos ou eventos inesperados. Essa variação não é uma falha, mas uma característica realista do sistema, reconhecendo que os cenários políticos são fluidos. Ao utilizar uma linha do tempo rigorosa para seus testes, onde o modelo apenas vê o passado para prever o futuro, os pesquisadores garantiram que seus resultados reflitam o que aconteceria no mundo real, em vez de um cenário artificial onde o modelo tem permissão para espiar a chave de respostas.

Em última análise, esta pesquisa oferece uma ferramenta prática para navegar no complexo mundo da legislação. Ela demonstra que, ao focar nos sinais certos — recomendações do governo, sucesso recente do partido e a amplitude do apoio a uma proposta — é possível prever resultados legislativos com um alto grau de confiabilidade. O estudo confirma que, embora os votos individuais sejam complexos, o resultado coletivo frequentemente segue um padrão discernível impulsionado pelo ímpeto institucional. Para aqueles que acompanham a Câmara dos Deputados do Brasil, isso significa que agora há uma maneira de ver a direção provável de uma votação antes da contagem final, proporcionando uma janela mais clara para o processo democrático.