Machine Learning and Political Events: Application of a Semi-supervised Approach to Produce a Dataset on Presidential Cabinets

Resumen

Este artículo describe la creación de un novedoso conjunto de datos sobre la rotación ministerial y las dimisiones en 12 gabinetes presidenciales de América Latina desde mediados de la década de 1970 hasta principios de la década de 2020. Los indicadores sobre las llamadas a dimisión y las reasignaciones de los miembros del gabinete son totalmente novedosos. Ambos constituyen una contribución empírica relevante no solo para el estudio de la dinámica política en los sistemas presidenciales y la política de gabinete, sino también para temas de opinión pública y políticas públicas. Nos centramos en la creación del conjunto de datos utilizando algoritmos de reconocimiento óptico en archivos de informes de prensa junto con modelos de aprendizaje automático. Los modelos permitieron entrenar clasificadores semisupervisados conjuntos a lo largo de un periodo de casi 50 años. Posteriormente, proporcionamos una serie de comprobaciones de validez de medidas para validar de forma cruzada el conjunto de datos comparándolo con datos similares existentes y un análisis exploratorio.

Bastián González-Bustamante

Investigador Postdoctoral

Investigador postdoctoral en Ciencias Sociales Computacionales y docente de Gobernanza y Desarrollo en el Instituto de Administración Pública de la Facultad de Gobernanza y Asuntos Globales de la Universidad de Leiden, Países Bajos. Profesor de la Escuela de Administración Pública de la Universidad Diego Portales e Investigador Asociado en Training Data Lab, Chile.