Costumeiramente, em debates acalorados de políticos de posições opostas ao redor do mundo, há os longos discursos que precedem algum voto. Em certos momentos, há uma pressão de pares solicitando por uma definição, uma escolha, surgindo a pergunta: “Como vota Vossa Excelência”?

Afora os interesses existentes, os matemáticos hoje são capazes de prever com alguma razoabilidade sobre como votam políticos, ou mesmo qualquer outra classe. Basta haver uma base de dados dos mesmos vinculada à situações de como votaram em determinados assuntos. O que se busca é algo definido matematicamente como similaridade.

Uma das ferramentas mais utilizadas para o cálculo de similaridade é o Escalonamento Multidimensional, proposto de modo independente pelos americanos Warren Stanley Torgerson (1924 - 1999), meteorologista e psicólogo, e Joseph Bernard Kruskal, Jr. (1928 - 2010), matemático.

Tal técnica permite agrupar muitos dados pessoais, ou mesmo de objetos, em duas dimensões, como num mapa, com a finalidade de formar grupos. Mais especificamente, visa maximizar a homogeneidade dentro dos grupos e maximizar a heterogeneidade entre os grupos. Tal mapa permite, por exemplo, estimar as distâncias entre políticos, num espaço criado pelos dados fornecidos pelos mesmos em decisões e opiniões prévias.

Tais cálculos em nada diferem do que se faz num mapa entre cidades, sendo as vizinhas mais similares, e as distantes, dissimilares. Por exemplo, entre dois políticos com opiniões quaisquer, simplesmente calcula-se a distância numérica entre opiniões iguais ou diferentes da mesma forma como se mensura a distância entre duas localidades. A maneira mais simples de se efetuar tal cálculo já havia sido proposta pelo filósofo e matemático grego Pitágoras de Samos (c. 569 - c. 475 a.C.) e o célebre teorema que leva o seu nome. Tais dados são então convertidos em coordenadas numéricas, e após alguns procedimentos, resultam em informações visuais que permitem observar similaridades, que estão vinculadas ao que se costuma dizer distância euclidiana.

A técnica foi aprimorada pelos matemáticos americanos John Douglas Carroll (1939 – 2011) e Myron Wish (n. 1940). O psicólogo americano Richard Shikiar (n. 1946), demonstrou a similaridade entre candidatos à presidência americana de 1972 em memorável artigo. Mais recentemente, tal técnica foi utilizada pela primeira startup brasileira de jornalismo com foco em consultoria jurídica embasada em inteligência artificial, a www.jota.info, para avaliar como votariam deputados brasileiros em relação a Reforma da Previdência de 2019. O acerto foi superior a 95%, antecipando em alguns dias o voto definido em plenário, levando em consideração o histórico de votação parlamentar e a raspagem de dados dos mesmos publicados em redes sociais. Nada de mágica, nem mistério. Apenas conhecimento, preciso, prático e extremamente eficiente.

Pode-se ilustrar com outro exemplo de certa situação hipotética: considere 15 parlamentares de diversas matizes. Pode-se identificar como representantes de ideias à direita ou à esquerda dos principais ramos políticos, apenas para simplificar. Num determinado dia, cada parlamentar votou em dezenove anteprojetos de lei referente a determinado tema. Pode-se tabular a discordância (ou dissimilaridade) de cada parlamentar, voto a voto. Considera-se concordância de voto entre dois parlamentares quando ambos votam sim, ou não, ou ainda não votam. Esta situação pode indicar que os deputados A e B discordaram oito de dezenove vezes. Já os deputados B e C discordaram 17 de 19 vezes. A aplicação do escalonamento multidimensional proporciona um cálculo das distancias entre os deputados com relação a esta particular votação, aproximando uns e distanciando outros apenas utilizando-se do computo do voto. Em determinadas situações, padrões podem surgir, com por exemplo tendencias de votos de matizes à esquerda ou à direita do espectro político.

Certa feita, o escritor americano Gregg Edmund Easterbrook (n. 1953) afirmou: “torture os números e eles confessarão qualquer coisa” (“torture numbers, and they'll confess to anything”). Nada mais falso, pois com uma coletânea enorme de dados, denominada atualmente de Big Data, é quase difícil mentir com muitos dados à disposição. O que certamente deve prevalecer é o conhecimento e as pessoas que conhecem e entendem as técnicas matemáticas, cada vez mais próximas da compreensão mais íntima do ser humano. Até mesmo na hora do voto.

Havendo dados, um bom analista com sólida base matemática é capaz de responder. Este é o presente. O futuro estás nas mãos de todos que irão aperfeiçoar tais ferramentas para o bem público, para o progresso da humanidade. Que escolhas sábias inteligentes sejam feitas por todos, incluindo Vossas Excelências.