○ planned · proyecto
Otorga nivel a: Community Detection · Network Science
Usa: Network Science · Graph Theory · Embeddings · Statistics · Community Detection
James Simmers (tesis doctoral) identifica ‘comunidades de interés’ para rediseñar distritos legislativos, combinando grafos de contacto por similitud socioeconómica (censo/ACS) con geolocalización de celulares anonimizados, para reducir el gerrymandering.
Hallazgos clave
- Gerrymandering: en Carolina del Norte y Ohio, un partido con ~48% del voto controla 75-80% de la legislatura.
- Modelan COIs como teselaciones (census block groups) que inducen un ‘contact graph’; detección de comunidades con contigüidad geográfica.
- Dos fuentes: censo decenal (PL94-171) + American Community Survey, más geolocalización de celulares pseudónimos.
- Similitud coseno calculada por dimensión (raza, ingreso, educación, industria, idioma, transporte…) y luego combinada.
- ‘Interacción’ = dos dwell clusters a ≤100m en la misma hora; probabilidad de co-ubicación con Bayes ingenuo integrando meses.
- Sesgo: los datos de celular subrepresentan a mayores y bajos ingresos; validan contra COIs públicas (Representable) con entropía de Shannon.
Módulos
- Motivación — gerrymandering y redistricting en EE.UU.
- Comunidades de interés — definición y sesgos de feedback.
- Modelado — teselaciones y grafos de contacto.
- Datos — censo/ACS y geolocalización de celulares.
- Métodos — similitud coseno, Bayes, Leiden.
- Resultados y validación — Shiny/Leaflet, COIs públicas.
Fuente: https://www.youtube.com/watch?v=MiLyHbS36SY · Transcript local: data/cursos/datapub-legislative-communities/legislative-communities.srt
Enlaces
Otorga nivel a: Community Detection · Network Science Usa: Network Science · Graph Theory · Embeddings · Statistics · Community Detection