Fonti · Peer-reviewed · Citate nel tool
Riferimenti
accademici
Ogni componente metodologico di PoliSim è fondato su letteratura peer-reviewed. Queste fonti non sono decorative: informano direttamente la struttura dei modelli e le scelte di design del sistema.
Statistica elettorale e modelli di previsione
Stage 1 · MRP · Fondamento statistico
Wang et al. · International Journal of Forecasting · 2015
Forecasting elections with non-representative polls
Wang, W., Rothschild, D., Goel, S., & Gelman, A.
Fondamento statistico della post-stratificazione demografica. Fornisce il framework MRP per la proiezione dei consensi nei singoli collegi Camera e Senato. Errore medio documentato: 1.9 punti percentuali su sottogruppi demografici. Questo paper è il riferimento principale per la fase di calibrazione del modello sui dati ISTAT 2021.
Stage 1 · Ensemble · Validazione approccio
Graefe, A., et al. · International Journal of Forecasting · 2021
Combining forecasts for elections: Best practices and new frontiers
Graefe, A., et al.
Valida l'approccio ensemble (Ridge + Random Forest), dimostrando come l'integrazione di modelli lineari e non lineari migliori la precisione del forecasting elettorale rispetto ai modelli singoli. Base per la scelta dell'architettura Stage 1 di PoliSim.
Stage 2 · Swing model · Calibrazione collegi
Stegmaier, M., & Lewis-Beck, M. S. · Cambridge Core · 2024
Principles of Voter Sentiment Analysis and Election Prediction
Stegmaier, M., & Lewis-Beck, M. S.
Analizza la dinamica dello swing elettorale e la volatilità del voto, supportando la calibrazione del modello sui dati storici Eligendo. Fondamento teorico per l'identificazione dei collegi marginali.
Intelligenza artificiale e persuasione politica
Stage 3 · Impatto AI · Parametri ottimizzazione
American Enterprise Institute · 2025
The Impact of Generative AI on Political Persuasion and Voter Behavior
American Enterprise Institute Research Group
Documenta la capacità degli LLM di generare contenuti persuasivi calibrati per segmento. Quantifica lo spostamento di opinione fino a 25 punti percentuali rispetto ai messaggi non ottimizzati. Fornisce i parametri di riferimento per valutare l'efficacia del Message Optimizer di PoliSim.
Stage 3 · Contesto etico · AI e elezioni
MIT Technology Review · 2025
How Generative AI Reframed the 2024-2025 Global Election Cycle
MIT Editorial Board / Tech Policy Group
Esamina le sfide etiche e tecniche nell'uso dell'IA generativa per la comunicazione politica, con focus sull'accuratezza e la riduzione delle allucinazioni. Informa le scelte di design sulla trasparenza metodologica e la dichiarazione esplicita dei limiti.
Stage 3 · Segmentazione · Deep learning
Garcia, L., & Miller, J. · Frontiers in Political Science · 2025
Deep Learning for Micro-targeting and Audience Segmentation in Modern Campaigns
Garcia, L., & Miller, J.
Definisce le tecniche di segmentazione dell'audience basate su AI. Identifica la segmentazione come secondo fattore determinante dell'efficacia della comunicazione politica. Supporta l'approccio del costruttore di segmenti su dati ISTAT.
Teoria della comunicazione e framing
Stage 3 · Framing · Teoria fondante
Entman, R.M. · Journal of Communication · 1993
Framing: Toward Clarification of a Fractured Paradigm
Robert M. Entman
Teoria cardine che struttura la generazione dei messaggi attraverso quattro processi: definizione del problema, diagnosi delle cause, valutazione morale, suggerimento di soluzioni. Le quattro varianti di framing del Message Optimizer (economico, valoriale, pratico, emotivo) sono un'applicazione diretta di questo framework. Paper più citato nella storia del Journal of Communication.
Stage 3 · Framing digitale · Automazione narrativa
Schmidt, F., et al. · Media & Communication · 2024
Algorithmic Framing: The Intersection of AI and Political Discourse
Schmidt, F., et al.
Analizza l'evoluzione digitale del framing di Entman, offrendo le basi per l'automazione della narrazione politica tramite modelli di intelligenza artificiale. Informa la progettazione dei prompt di generazione varianti in Stage 3.