Forense electoral

Parte de una serie sobre
Ciencia forense
Fisiológico Antropología Biología Análisis del patrón de manchas de sangre Odontología Fenotipado de ADN Perfil de ADN Entomología Epidemiología Limnología Medicamento Palinología Patología Podología Toxicología
Social Psiquiatría Psicología Psicoterapia Trabajo Social
Criminalística Contabilidad Identificación del cuerpo Química Colorimetría Forense electoral Reconstrucción facial Análisis de huellas dactilares Examen de armas de fuego Evidencia de calzado Artes forenses Perfilado Análisis de huella de guante Análisis palmprint Examen de documentos cuestionados Emparejamiento de venas Geofísica forense Geología forense
Forense digital Exámenes de computadora Análisis de los datos Estudio de base de datos Análisis de malware Dispositivos móviles Análisis de red Fotografía Análisis de video Análisis de audio
Disciplinas afines Ingenieria Eléctrica Ingenieria Investigación de incendios Detección de acelerante de fuego Fractografía Lingüística Ingeniería de materiales Ingeniería de polímeros Estadísticas Reconstrucción de colisiones de tráfico
Artículos relacionados Escena del crimen Efecto CSI Síndrome de Perry Mason Calendario de polen Marca de patín Rastrear pruebas Uso de ADN en entomología forense
Esquema Categoría
v t mi

Los análisis forenses electorales son métodos que se utilizan para determinar si los resultados de las elecciones son estadísticamente normales o estadísticamente anormales, lo que puede indicar un fraude electoral . ^[1] Utiliza herramientas estadísticas para determinar si los resultados electorales observados difieren de los patrones que ocurren normalmente. ^[2] Estas herramientas pueden ser relativamente simples, como mirar la frecuencia de números enteros y usar la ley de Benford del segundo dígito , ^[3] o pueden ser más complejas e involucrar técnicas de aprendizaje automático .

Método

El forense electoral puede utilizar varios enfoques. Algunos enfoques incluyen observar la distribución de datos, en particular la participación de los votantes , para buscar valores atípicos . Otros enfoques pueden incluir comparar la distribución observada de los propios dígitos con las distribuciones de dígitos típicas ( ley de Benford ). ^[4] Otros signos de fraude son la sobrerrepresentación de números redondos en lugar de aquellos con decimales, o la sobreabundancia de números que son múltiplos de 5 (por ejemplo, 50%, 70%, 75%). ^[5] Los enfoques más recientes y estadísticamente avanzados utilizan el aprendizaje automático , ya que el aprendizaje automático puede incorporar un gran volumen de datos y utilizar varios modelos estadísticos diferentes en lugar de uno solo. ^[4]

Aplicación

Entre 1978 y 2004, una revisión de 2010 concluyó que el 61% de las elecciones examinadas de más de 170 países mostraban algunos signos de fraude electoral, con un fraude importante en el 27% de todas las elecciones examinadas. Desde principios de la década de 2000, el análisis forense electoral se ha utilizado para examinar la integridad de las elecciones en varios países, incluidos Afganistán, Albania, Argentina, Bangladesh, Camboya, Kenia, Libia, Sudáfrica, Uganda, Venezuela y EE. UU. ^{[6] [2] [7]}

Se han utilizado herramientas de análisis forense electoral para concluir, con alta probabilidad, que los recuentos de votos han sido manipulados en elecciones oficiales en Rusia, ^[8] Ucrania, ^[9] Egipto, ^[10] y Estados Unidos. ^[11]

Comparado con otros métodos

En relación con otros métodos de monitoreo de la seguridad electoral, como el monitoreo en persona de los lugares de votación y la tabulación de votos paralela , el análisis forense de elecciones tiene ventajas y desventajas. El análisis forense electoral se considera ventajoso porque los datos son objetivos, en lugar de estar sujetos a interpretación. También permite analizar sistemáticamente los votos de todos los concursos y localidades, con conclusiones estadísticas sobre la probabilidad de fraude. ^[2]Las desventajas de la ciencia forense electoral incluyen su incapacidad para detectar realmente el fraude, solo anomalías en los datos que pueden o no ser indicativas de ello. Esto se puede abordar combinando el análisis forense electoral con el monitoreo en persona. Otra desventaja es su complejidad, que requiere un conocimiento avanzado de estadística y una potencia informática significativa. Además, los mejores resultados requieren un alto nivel de detalle, idealmente datos completos del lugar de votación con respecto a la participación de votantes , recuentos de votos para todos los temas y candidatos, y boletas válidas. Los resúmenes amplios a nivel nacional tienen una utilidad limitada. ^[2]

Referencias

1. Stewart, Charles (2011). "Tecnologías de votación" . Revista anual de ciencia política . 14 : 353–378. doi : 10.1146 / annurev.polisci.12.053007.145205 .
2. Hicken, Allen; Mebane, Walter R. (2017). Una guía para el análisis forense de las elecciones (PDF) (Informe). Centro de Estudios Políticos de la Universidad de Michigan.
3. Mebane, Walter Jr (2006). Análisis forense de elecciones: la prueba de la ley de Benford de segundo dígito y las elecciones presidenciales estadounidenses recientes (PDF) (Informe). Cornell.
4. Zhang, Malí; Álvarez, R. Michael; Levin, Ines (2019). "Análisis forense electoral: uso de aprendizaje automático y datos sintéticos para la posible detección de anomalías electorales" . PLOS ONE . 14 (10): e0223950. Código bibliográfico : 2019PLoSO..1423950Z . doi : 10.1371 / journal.pone.0223950 . PMC 6822750 . PMID 31671106 .  
5. Lacasa, Lucas; Fernández-Gracia, Juan (2019). "Análisis forense electoral: métodos cuantitativos para la detección del fraude electoral". Internacional de Ciencias Forenses . 294 : e19 – e22. arXiv : 1811.08502 . doi : 10.1016 / j.forsciint.2018.11.010 . PMID 30527668 . S2CID 54481752 .  
6. Noonan, David (30 de octubre de 2018). "¿Qué aspecto tiene una elección torcida?" . Scientific American . Consultado el 10 de agosto de 2020 .
7. "Notas sobre análisis forense electoral, sondeos a boca de urna y validación de referencia" . CÓDIGO ROJO-Robo electoral computarizado . 2018-08-08 . Consultado el 28 de noviembre de 2020 .
8. Kobak, Dmitry; Shpilkin, Sergey; Pshenichnikov, Maxim S. (marzo de 2016). "Porcentajes enteros como huellas dactilares de falsificación electoral" . Annals of Applied Statistics . 10 (1): 54–73. doi : 10.1214 / 16-AOAS904 . ISSN 1932-6157 . 
9. "La ciencia forense del fraude electoral: Rusia y Ucrania | Solicitar PDF" . ResearchGate . Consultado el 28 de noviembre de 2020 .
10. Ketchley, Neil (3 de octubre de 2019). "¿Fraude en las elecciones presidenciales egipcias de 2018?" . Política mediterránea . 0 (0): 1–13. doi : 10.1080 / 13629395.2019.1673634 . ISSN 1362-9395 . 
11. Simón, Jonathan. "Créalo (o no): las elecciones especiales de Massachusetts para el Senado de los Estados Unidos" (PDF) . Código rojo 2014 .