Los matemáticos están implementando algoritmos para detener el gerrymandering

Durante décadas, uno de esos usuarios fue Thomas Hofeller, “el Miguel Ángel del moderno gerrymander, ”Durante mucho tiempo el director oficial de redistribución de distritos del Comité Nacional Republicano, que murió en 2018.

Los esquemas de gerrymandering incluyen “agrietamiento” y “empaquetamiento” —dispersión de votos para un partido en todos los distritos, diluyendo así su poder y metiendo a votantes de ideas afines en un solo distrito, desperdiciando el poder que tendrían en otro lugar. La ciudad de Austin, Texas, está dividida, dividida en seis distritos (es la ciudad más grande de Estados Unidos que no tiene un distrito).

En 2010, toda la fuerza de la amenaza se materializó con el Proyecto de Mayoría de Redistribución de Distritos de los Republicanos, o REDMAP. Gastó $ 30 millones en elecciones legislativas estatales en votación negativa, con resultados ganadores en Florida, Carolina del Norte, Wisconsin, Michigan y Ohio. “Las victorias en 2010 les dieron el poder de dibujar los mapas en 2011”, dice David Daley, autor de, Ratf ** ked: La verdadera historia detrás del plan secreto para robar la democracia de Estados Unidos.

“Lo que solía ser un arte oscuro ahora es una ciencia oscura”.

MICHAEL LI

El hecho de que la tecnología hubiera avanzado a pasos agigantados desde el ciclo de redistribución de distritos anterior solo incrementó el resultado. “Hizo que los gerrymanders dibujados ese año fueran mucho más duraderos y perdurables que cualquier otro gerrymander en la historia de nuestra nación”, dice. “Es la sofisticación del software de computadora, la velocidad de las computadoras, la cantidad de datos disponibles, lo que hace posible que los cartógrafos partidistas pongan sus mapas en 60 o 70 iteraciones diferentes y refinen y optimicen realmente el rendimiento partidista de esos mapas. . “

Como dice Michael Li, un experto en redistribución de distritos del Brennan Center for Justice de la facultad de derecho de la Universidad de Nueva York: “Lo que solía ser un arte oscuro ahora es una ciencia oscura”. Y cuando se implementan mapas manipulados en una elección, dice, son casi imposible de superar.

Un microscopio matemático

Mattingly y su Equipo de Duke se han estado quedando despiertos hasta tarde escribiendo código que esperan producirá una “gran ganancia, algorítmicamente”, preparándose para la aplicación en la vida real de su última herramienta, que debutó en un artículo (actualmente en revisión) con el título técnicamente embriagador “Cadena de Markov de fusión y división de múltiples escalas Monte Carlo para la redistribución de distritos. “

Sin embargo, hacer avanzar el discurso técnico no es la máxima prioridad. Mattingly y sus colegas esperan educar a los políticos y al público por igual, así como a los abogados, jueces, compañeros matemáticos, científicos, a cualquier persona interesada en la causa de la democracia. En julio, Mattingly dio una conferencia pública con un título más accesible que fue directo: “¿Puedes escuchar la voluntad de la gente en la votación?

A menudo se piensa que los distritos deformes son la marca de un gerrymander. Con el mapa de 2012 en Carolina del Norte, los distritos del Congreso eran “bestias de aspecto muy extraño”, dice Mattingly, quien (con su colaborador clave, Greg Herschlag) brindó testimonio experto en algunas de las demandas subsiguientes. Durante la última década, ha habido desafíos legales en todo el país: en Illinois, Maryland, Ohio, Pensilvania, Wisconsin.

Pero si bien esos distritos desfigurados “hacen carteles, tazas de café y camisetas realmente bonitos”, dice Mattingly, “la verdad es que detener las geometrías extrañas no detendrá la manipulación”. Y, de hecho, con todos los juegos de manos tecnológicamente sofisticados, un mapa manipulado puede resultar difícil de detectar.

Estos mapas de distritos del Congreso de Carolina del Norte ilustran cómo la geometría no es un indicador a prueba de fallas de manipulación. Los tribunales consideraron que el mapa de Carolina del Norte de 2012, con sus extraños límites de distrito, era un gerrymander racial. El reemplazo, el mapa de NC 2016, parece bastante diferente y dócil en comparación, pero se consideró un gerrymander político inconstitucional. El análisis de Jonathan Mattingly de Duke y su equipo mostró que los mapas de 2012 y 2016 eran políticamente equivalentes en sus resultados partidistas. Un experto designado por el tribunal dibujó el mapa NC 2020.

JONATHAN MATTINGLY

Las herramientas desarrolladas simultáneamente por varios científicos matemáticos proporcionan lo que se llama una “prueba de valores atípicos extremos”. El enfoque de cada investigador es ligeramente diferente, pero el resultado es el siguiente: un mapa sospechoso de ser manipulado se compara con una gran colección, o “conjunto”, de mapas neutrales e imparciales. El método matemático en acción, basado en lo que se llama Algoritmos de Monte Carlo de la cadena de Markov: Genera una muestra aleatoria de mapas a partir de un universo de mapas posibles y refleja la probabilidad de que un mapa determinado satisfaga diversas consideraciones de política.

Los mapas de conjuntos están codificados para capturar varios principios utilizados para dibujar distritos, teniendo en cuenta la forma en que estos principios interactúan con la geometría geopolítica de un estado. Los principios (que varían de un estado a otro) incluyen criterios tales como mantener los distritos relativamente compactos y conectados, hacerlos aproximadamente iguales en población y preservar los condados, municipios y comunidades con intereses comunes. Y los mapas de distritos deben cumplir con la Constitución de los Estados Unidos y la Ley de Derechos Electorales de 1965.

Con la publicación de los datos de 2020 de la Oficina del Censo, Mattingly y su equipo cargarán el conjunto de datos, ejecutarán su algoritmo y generarán una colección de planes de distrito típicos y no partidistas para Carolina del Norte. A partir de esta vasta distribución de mapas, y teniendo en cuenta los patrones históricos de votación, discernirán los puntos de referencia que deberían servir como barandas. Por ejemplo, evaluarán la probabilidad relativa de que esos mapas produzcan varios resultados electorales, digamos, la cantidad de escaños ganados por demócratas y republicanos, y por qué margen: con una división de 50-50 en la votación y una votación plausible. patrones, es poco probable que un mapa neutral dé a los republicanos 10 escaños y a los demócratas solo tres (como fue el caso con ese mapa de 2012).

“Estamos usando matemáticas computacionales para averiguar qué esperaríamos como resultados para mapas no sesgados, y luego podemos comparar con un mapa en particular”, dice Mattingly.

A mediados de septiembre, anunciarán sus hallazgos y luego esperan que los legisladores estatales presten atención a las medidas de seguridad. Una vez que se propongan nuevos mapas de distrito más adelante en el otoño, analizarán los resultados y se involucrarán con el público y las conversaciones políticas que se produzcan; y si se sospecha nuevamente que los mapas están manipulados, habrá más juicios, en los que los matemáticos volverán a juegan un papel central.

“No quiero simplemente convencer a alguien de que algo anda mal”, dice Mattingly. “Quiero darles un microscopio para que puedan mirar un mapa y comprender sus propiedades y luego sacar sus propias conclusiones”.

Jonathan Mattingly
Jonathan Mattingly es matemático aplicado en la Universidad de Duke.

FOTO DE CORTESÍA

Cuando Mattingly testificó en 2017 y 2019, analizando dos iteraciones posteriores de los mapas de distrito de Carolina del Norte, el tribunal acordó que los mapas en cuestión eran gerrymanders excesivamente partidistas, que discriminaban a los demócratas. Wes Pegden, matemático de la Universidad Carnegie Mellon, testificó utilizando un método similar en un caso de Pensilvania; el tribunal acordó que el mapa en cuestión discriminaba a los republicanos.

“Los tribunales han luchado durante mucho tiempo con la forma de medir el gerrymandering partidista”, dice Li. “Pero luego pareció haber un gran avance, cuando tribunal tras tribunal eliminaron mapas utilizando algunas de estas nuevas herramientas”.

Cuando el caso de Carolina del Norte llegó a la Corte Suprema de los EE. UU. En 2019 (junto con un caso de Maryland), el matemático y genetista Eric Lander, profesor de Harvard y del . que ahora es el principal asesor científico del presidente Biden, observó en un breve que “la tecnología informática se ha puesto al día con el problema que generó “. Consideró el estándar de valores atípicos extremos, una prueba que simplemente pregunta: “¿Qué fracción de los planes de redistribución de distritos son menos extremos que el plan propuesto?”, Una “pregunta matemática cuantitativa sencilla para la que hay una derecho respuesta.”

La mayoría de los jueces concluido de otra manera.

“Los cinco jueces de la Corte Suprema son los únicos que parecían tener problemas para ver cómo funcionaban las matemáticas y los modelos”, dice Li. “Los tribunales estatales y otros tribunales federales lograron aplicarlo; esto no estaba más allá de la capacidad intelectual de los tribunales para manejarlo, como tampoco lo es un caso complejo de discriminación sexual o un caso complejo de fraude de valores. Pero cinco jueces de la Corte Suprema dijeron: ‘Esto es demasiado difícil para nosotros’ ”.

“También dijeron: ‘Esto no nos corresponde a nosotros arreglarlo, esto es para que los estados lo arreglen; esto es para que el Congreso arregle; no nos corresponde a nosotros arreglarlo ‘”, dice Li.

¿Importará?

Como lo ve Daley, la decisión de la Corte Suprema les da a los legisladores estatales “luz verde y sin límite de velocidad cuando se trata del tipo de gerrymanders partidistas que pueden promulgar cuando hagan mapas a finales de este mes”. Al mismo tiempo, dice, “la tecnología ha mejorado a un lugar tal que ahora podemos utilizar [it] para ver a través de los gerrymanders impulsados ​​por la tecnología que son creados por los legisladores “.

.

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.