Neue Wellen von Statistikern, darunter ein Team in Harvard, haben Werkzeuge entwickelt, von denen sie glauben, dass sie helfen können, das seit langem bestehende Problem der Manipulation von Kongress- und Legislativbezirken in Bundesstaaten durch Parteien zu kontrollieren, die versuchen, die Waage für ihre Kandidaten zu kippen.
Gerrymandering ist seit dem 19. Jahrhundert Teil der amerikanischen Politik, mit Ergebnissen, die zumindest umstritten und manchmal illegal sind, insbesondere wenn es dazu dient, das Stimmrecht von Farbgemeinschaften zu verwässern. Der Kampf wird jedes Jahrzehnt in den Gesetzgebern der Bundesstaaten erneuert, wenn die Zahlen der Volkszählung zeigen, welche Bezirke aufgrund von Bevölkerungsverschiebungen neu ausbalanciert werden müssen. Manchmal erscheinen Verstöße offensichtlich, aber oft sind sie subtiler, und in jedem Fall können sie schwer zu beweisen sein.
Durch die Nutzung der quantitativen Leistungsfähigkeit von Big-Data-Computing haben diese Statistiker Algorithmen entwickelt, die wahrscheinlich manipulierte Karten identifizieren können, indem sie neu gezeichnete Bezirke Hunderten, sogar Tausenden von Computertests und Simulationen unterziehen. Diese Tools, die in den letzten zehn Jahren oft durch Open Source entwickelt wurden, liefern überzeugende Beweise dafür, ob ein Plan außerhalb der Norm eines „fairen“ Plans liegt. Die Tests haben in letzter Zeit an Bedeutung gewonnen und werden zunehmend als Beweis für die Rechtswidrigkeit vor Gericht verwendet.
Eine Methode begann 2020 in Harvard hat schnell Wirkung gezeigt. Es wurde von Forschern, Journalisten und Wahlanalysten verwendet und hat in jüngsten Rechtsfällen, in denen Gesetzgeber gezwungen waren, manipulierte Karten wegzuwerfen, eine bedeutende Rolle gespielt.
Genannt „redist“, Das Tool erstellt einen riesigen Pool alternativer unparteiischer Pläne (5.000 bis 10.000 aufwärts), die mit einer Karte verglichen werden können, die vorgeschlagen wird oder bereits von lokalen Gesetzgebern oder Neubezirksausschüssen verabschiedet wurde. Dieser Pool von unparteiischen Basiskarten macht es möglich zu sehen, ob die neue Karte die neuen Verschiebungen, die in der Volkszählung gezeigt werden, angemessen darstellt oder ein Ausreißer ist.
„Was der Algorithmus macht, ist, dass er anhand der Geographie und Verteilung der verschiedenen Wähler innerhalb des Staates zeigt, welche Art von parteiischem Ergebnis wir erwarten sollten“, sagte Kosuke Imai, Professor in den Abteilungen für Statistik und Regierung. „Aber wenn wir im Vergleich zu dieser unparteiischen Grundlinie etwas ganz anderes sehen und eine Partei im Rahmen des verabschiedeten Plans bevorzugen, ist das ein Beweis dafür, dass es einige andere Faktoren gibt, die Einfluss darauf haben, wann der Plan erstellt wurde.“
Betrachten Sie beispielsweise einen Fall, in dem das Tool 5.000 Simulationen durchführt und feststellt, dass die gesetzgebende Minderheitspartei im Durchschnitt etwa fünf bis sieben Sitze gewinnen sollte. Aber Simulationen, die eine von der Mehrheitspartei durchgesetzte Karte verwenden, haben ihren Rivalen nur zwei Sitze gewinnen lassen. Dies deutet auf ein seltenes oder fast unmögliches Ereignis hin und unterstützt die Wahrscheinlichkeit von Partisanenmanövern, sagten die Forscher.
Imai entwickelte Redist mit Cory McCartan, einem Doktoranden an der Graduate School of Arts and Sciences mit Schwerpunkt Statistik. Die beiden stellten fest, dass traditionelle Methoden zur Bewertung der Fairness von Plänen zur Umverteilung nicht gut funktionierten, da sie keine neutrale Grundlage für objektive Vergleiche lieferten. Fairness sei oft zu einer subjektiven Forderung geworden, sagten sie.
„Lange Zeit haben die Leute Gerrymandering betrieben und die Frage lautet: ‚Okay, wie beweise ich das?‘“, sagte McCartan. „Es ist eine Sache zu sagen: ‚Hey, ich finde, diese Karte sieht unfair aus, weil die Grenzen sehr verschnörkelt sind .“ Aber diese Dinge werden vor Gericht verhandelt, also muss ein Richter eindeutig entscheiden können: Ist das fair oder nicht?“
Die Redist-Software verwendet den sogenannten sequentiellen Monte-Carlo-Algorithmus (SMC), um ihre Simulationen auszuführen. Die Software beginnt mit einer leeren Karte, zeichnet dann jeweils eine Bezirkskarte und wiederholt dies immer wieder. Jede alternative Karte wird parallel gezeichnet und enthält die Bevölkerung, demografische Daten und die Distriktgesetze dieses Staates. Sobald diese alternativen Karten gezeichnet sind, verwendet die Redist-Software Visualisierungstools, um Benutzern zu helfen, die Daten mit Diagrammen und Grafiken zu verstehen, die die Simulationen zusammenfassen.
Im Gegensatz zu den meisten ähnlichen Algorithmen beginnt der SMC-Algorithmus nicht mit einer einzelnen Karte und ändert diese ständig. Stattdessen beginnt der Algorithmus mit einer leeren Karte und generiert neue Alternativpläne aus neuen leeren Leinwänden. Diese zufällige Generierung ermöglicht es dem Algorithmus, einzigartigere Alternativen effizient zu erkunden und eine repräsentative Stichprobe von Plänen zu generieren. Bestehende Algorithmen, die dies nicht tun, laufen Gefahr, Pläne zu untersuchen, die der Ausgangskarte sehr ähnlich sind, die möglicherweise bereits eine parteiische Tendenz hat, sagten die Forscher.
„Nehmen wir an, der verabschiedete Plan begünstigt die Demokraten“, sagte Imai. „Wenn ein Algorithmus nur sehr ähnliche Pläne auslotet [because it starts with this enacted plan], dann favorisieren vielleicht auch alle darauf basierenden Simulationspläne Demokraten. Wenn dies passiert, sieht dieser umgesetzte Plan nicht wie ein Gerrymander aus.“
Redist wurde von Klägern in Fällen von Gerrymandering eingesetzt, darunter Klagen in Alabama, New York, Ohio und South Carolina. In New York verwendete ein Wahlanalyst den SMC-Algorithmus, um 10.000 Karten zu erstellen, um zu zeigen, dass die von der demokratischen Legislative des Staates New York gezeichnete Karte ein „extremer Ausreißer“ war, der wahrscheinlich die Anzahl der republikanischen Kongresssitze von acht auf vier reduzierte. Ein staatliches Berufungsgericht ordnete die Neuzeichnung der Karte an.
In Ohio wurde Imai als sachverständiger Zeuge für Kläger vorgeladen, die die von den Republikanern kontrollierte Umverteilungskommission der Gerrymandering beschuldigten. Der SMC-Algorithmus generierte 5.000 Karten für den Fall, von denen keine für die Republikaner so günstig war wie der Vorschlag der Kommission. Der Oberste Gerichtshof des Bundesstaates ordnete an, dass das Gremium revidiert wird.
Der Algorithmus wird auch in einem Fall verwendet, der vor dem Obersten US-Gerichtshof wegen Vorwürfen rassistischer Gerrymandering in Alabama verhandelt wird. Imai diente den Klägern als Sachverständiger und argumentierte, dass seine neue Kongresskarte absichtlich die Stimmen der Schwarzen verwässere. Der Fall, der sich auf Schutzmaßnahmen im Stimmrechtsgesetz stützt, könnte eine der wenigen verbleibenden landesweiten Schutzmaßnahmen gegen manipulierte Gesetzeskarten beseitigen.
Redist ist zu einem Hauptschwerpunkt in Imais Forschungsgruppe in Harvard geworden, die als ALARM-Projekt (Algorithm-Assisted Redistricting Methodology) bezeichnet wird. Die Gruppe startete kürzlich die Simulationsprojekt zur Umverteilung von 50 Bundesstaaten und verwendet die Software, um die Umverteilungspläne im ganzen Land zu bewerten, indem 5.000 alternative Karten für jeden Staat erstellt werden.
Mit dem benutzerfreundlichen Tool können Benutzer einen Staat auswählen und die Karten erkunden. Um die Daten zugänglicher und besser verdaulich zu machen, bietet ALARM eine Aufschlüsselung der Anzahl der Kongressbezirke in diesem Bundesstaat, seine Anforderungen an die Neubezirke, seine politische Geographie und eine Zusammenfassung dessen, was der Computer gefunden hat, einschließlich Grafiken und Tabellen.
Alle Daten können heruntergeladen werden. Der Quellcode wird bereitgestellt, damit er als Vorlage verwendet werden kann, um simulierte Pläne unter verschiedenen Spezifikationen zu generieren.
Die Mitglieder der ALARM-Gruppe – darunter Studenten, Doktoranden und sogar Oberschüler – sagen, dass der Prozess streng ist, da jeder Staat unterschiedliche Regeln hat, die in den Algorithmus übersetzt werden müssen, und sie Diagnosen durchführen müssen, um sicherzustellen, dass alles reibungslos läuft .
Dennoch glauben sie, dass sich der Aufwand lohnt.
Als nächstes steht für das ALARM-Projekt ein Plan an, den sich ausweitenden Redist von der Betrachtung der parteiischen Tendenz des Gerrymandering zum rassistischen Manöver zu untersuchen und das Gerrymandering auf lokalerer Ebene zu bewerten.
„Es stellt sich immer die Frage, wie unterschiedliche Arten der Grenzziehung einigen Wählern nützen und anderen schaden können“, sagte Imai. „Für Sozialwissenschaftler ist es wichtig, die Natur dieser Art politischer Manipulationen zu verstehen und sie anzugehen.“
Zur Verfügung gestellt von der Harvard Gazette
Diese Geschichte wird mit freundlicher Genehmigung von veröffentlicht Harvard Gazette, die offizielle Zeitung der Harvard University. Weitere Universitätsnachrichten finden Sie unter Harvard.edu.