Démêler la division et la polarisation des citoyens lors des élections

Unraveling Citizen Division and Polarization during Elections

• Auteur / Autrice : Carlos Camilo Navarrete Lizama
• Direction : Umberto Grandi
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 23/11/2023
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Laboratoire : TSE-R (Toulouse)
• Jury : Président / Présidente : Frédéric Amblard
• Jury : Examinateurs / Examinatrices : Jérôme Mengin, Stéphane Airiau
• Jury : Rapporteurs / Rapporteuses : Stefania Milan, Evangelos Pournaras

Mots clés

Mots clés contrôlés

Élections

Débats et controverses

Opinion publique

Mots clés libres

Division des citoyens

Élections

Polarisation

Citizen Division

Elections

Polarization

Résumé

Les accords et les désaccords font partie de nos interactions sociales. Bien qu'il y ait un consensus général sur le fait que les désaccords sont essentiels à notre coexistence démocratique, les événements politiques récents nous amènent à nous demander si les désaccords systématiques au sein de la population ne conduisent pas à une société plus polarisée que par le passé. Par conséquent, déterminer dans quelle mesure notre société est polarisée est une question importante à aborder aujourd'hui. Comme la plupart des études dans cette discipline portent sur les États-Unis, nous voyons une opportunité d'utiliser les techniques informatiques pour contribuer avec de approches agnostiques et de nouveaux ensembles de données qui nous permettent de quantifier et d'étudier la division et la polarisation dans le monde entier et au fil du temps. Cette thèse évalue systématiquement les mesures de l'accord, de la division et de la polarisation dans la société, en particulier pendant les élections. Nous présentons une collection de trois chapitres qui démontrent le potentiel des données collectées par les plateformes en ligne et les résultats des élections en tant que formes fiables pour capturer la division et la polarisation des citoyens. Ce travail est principalement interdisciplinaire et vise à contribuer à la communauté croissante des sciences sociales computationnelles. Notre principale contribution comprend deux propositions méthodologiques pour cartographier la division des questions et les niveaux de polarisation dans la société. Tout d'abord, nous présentons les résultats de deux systèmes de démocratie numérique mis en place par notre équipe en France et au Brésil avant leurs élections présidentielles respectives de 2022. Nous avons utilisé les données collectées pour introduire une mesure de la divisivité qui ne dépend pas des fonctions d'agrégation et qui peut cartographier les questions qui divisent. Nous avons démontré que les valeurs de notre mesure de la divisivité ne sont pas corrélées à celles obtenues à partir de leur fonction d'agrégation respective, et ces résultats sont généralisés à la fois pour les ensembles de données politiques et non politiques et pour les données synthétiques et réelles. Deuxièmement, motivés par les récents résultats inattendus des élections dans le monde, nous avons inventé le terme de polarisation électorale (PE) pour désigner le niveau de division des citoyens le jour de l'élection. Nous avons divisé notre définition en deux dimensions : la compétitivité (entre les élections) et les divisions géographiques (à l'intérieur des élections). En utilisant des données synthétiques et des données d'élections présidentielles en France, au Chili et aux États-Unis, nos résultats suggèrent que nous pouvons savoir si une élection est polarisée en sachant simplement si deux conditions sont remplies: des niveaux de participation plus élevés et des schémas de vote regroupés par régions. Notre dernière contribution analyse les données collectées par nos systèmes expérimentaux de démocratie numérique afin de déterminer dans quelle mesure les questions litigieuses et l'interface utilisateur conditionnent l'implication des citoyens dans une configuration anonyme et, par conséquent, les décisions collectives.[...]

Agreements and disagreements are part of our social interactions. While there is a main consensus that disagreements are essential for our democratic coexistence, recent political events make us question whether systematic disagreements in the population lead to a more polarized society than in the past. Therefore, identifying to what extent our society is polarized is an important issue to be tackled nowadays. As most studies in this discipline speak to the U.S. system, we visualize an opportunity to use computer science techniques to contribute with new agnostic approaches and novel datasets that allow us to quantify and study divisiveness and polarization around the world and over time. This dissertation systematically assesses measures of agreement, divisiveness, and polarization in society, specifically during elections. We present a collection of three empirical chapters that demonstrate the potential of data collected through online platforms and election outcomes as reliable forms to capture citizen division and polarization. This work is primarily interdisciplinary, aiming to contribute to the growing computational social science community. Our main contribution includes two methodological proposals for mapping the divisiveness of issues and levels of polarization in society. First, we report the findings of two digital democracy systems released by our team in France and Brazil preceding their respective 2022 presidential elections. We used the data collected to introduce a metric of divisiveness that is agnostic to aggregation functions and can map divisive issues. We demonstrated that the values of our measure for divisiveness are uncorrelated to the one obtained from its respective aggregation function, and these results are generalized both for political and non-political datasets and for synthetic and real data. Second, motivated by recent unexpected election outcomes around the world, we coined the term Election Polarization (EP) to refer to the division level of citizens on Election Day. We split our definition into two dimensions: competitiveness (Between-EP) and geographical divisions (Within-EP). To assess the EP, we propose a method that relies exclusively on election data. Using synthetic and presidential election data from France, Chile, and the United States, our results suggest that we can know whether an election is polarized by simply knowing whether two conditions are satisfied: greater participation levels and voting patterns clustered by regions. Our concluding contribution analyzes the data collected by our experimental digital democracy systems to determine to what extent contentious issues and the user interface condition citizen involvement in an anonymous setup and, consequently, collective decisions. Our motivation came from the hypothesis that individuals in face-to-face discussions prefer not to talk about contentious issues in order to avoid confrontations. We found that merely reading a divisive issue in the early stages of participation did not increase the dropout. Then, by borrowing measures of carelessness from behavioral studies, we show that the demographic characteristics of participants are associated with traditional measures of careless participation. For instance, female participants (a minoritarian group that represented around 30% of the participants in our platforms) abstained at a higher rate than male participants by responding to approval ballots. This posits evidence that just removing careless participants without any context (for instance, using the naïve approach of removing abstentions) exacerbates disparities in the representation of men/women or young/old in digital democracy setups.