Analiza różnic programowych partii politycznych

• Autorzy: Jerzy Hołubiec , Grażyna Szkatuła , Dariusz Wagner
• Języki publikacji: PL

Abstrakty

W pracy na podstawie wyników wyborów do Sejmu RP w 2001 roku utworzono reguły modelujące specyfikę programową większych partii politycznych uczestniczących w kampanii wyborczej. Przeprowadzono analizę utworzonych reguł, zwracając uwagę na różnice programowe między tymi partiami. Wynika z nich, iż rozłożenie akcentów programowych decydowało o wejściu (lub nie) partii do Sejmu. (fragment tekstu)

Słowa kluczowe

PL

Badania operacyjne; Prognozowanie; Teoria preferencji; Uczenie się

EN

Operations research; Forecasting; Preference theory; Studying

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2006
• Tom: Modelowanie preferencji a ryzyko '06
• Strony: 205--223

Twórcy

autor

Jerzy Hołubiec

• Wyższa Szkoła Informatyki Stosowanej i Zarządzania w Warszawie

autor

Grażyna Szkatuła

• Polska Akademia Nauk

autor

Dariusz Wagner

• Polska Akademia Nauk

Bibliografia

• Hołubiec J., Szkatuła G., Wagner D. (1998). Próba zastosowania uczenia maszynowego do prognozowania wyników głosowań sejmowych. [w:] Metody i zastosowania badań operacyjnych. Red. T. Trzaskalik. AE, Katów 117-127.
• Hołubiec J., Szkatuła G., Wagner D. (2002). Modelowanie preferencji wyborców w postaci reguł decyzyjnych. [w:] Modelowanie preferencji a ryzyko '01. Red. T. Trzaskalik. AE, Katowice, 133-144.
• Hołubiec J., Szkatuła G., Wagner D. (2002). Analiza obietnic wyborczych ugrupowań politycznych. [w:] Metody i techniki analizy informacji i wspomagania decyzji. Badania operacyjne i systemowe wobec wyzwań XXI wieku. Red. Z. Bubnicki, O. Hryniewicz, R. Kulikowski. Akademicka Oficyna Wydawnicza EXIT, Warszawa, III. 63-74.
• Hołubiec J., Szkatuła G., Wagner D. (2002). Modelling Electorate Preferences by Machine Learning. [in:] Proceedings of 8th IEEE International Conference on Methods and Models in Automation and Robotics MMAR 2002. Szczecin, 2-5.09.2002, Politechnika Szczecińska, Szczecin, 1383-1388.
• Hołubiec J., Szkatuła G., Wagner D. (2004). Próba oceny ważności cech w analizie preferencji wyborców. [w:] Podejmowanie decyzji, podstawy metodyczne i zastosowania. Red. R. Kulikowski, J. Kacprzyk, R. Słowiński. Problemy Współczesnej Nauki. Teoria i zastosowania. Seria: Badania Operacyjne i Systemowe. Warszawa, 1, 49-160.
• Hołubiec J., Szkatuła G., Wagner D. (2004). Analysis of Rules Describing Electorate Preferences Generated by Machine Learning Methods. [w:] Proceedings of the 10th IEEE International Conference on Methods and Models in Automation and Robotics. Międzyzdroje, Poland, 30 August - 2 September 2004. Politechnika Szczecińska, Szczecin, 1119-1124.
• Mazur M. (2002). Marketing polityczny. Wydawnictwo Naukowe PWN, Warszawa.
• Szkatuła G. (1995). Uczenie maszynowe na podstawie przykładów w przypadku błędów w danych (Machine Learning from Examples under Errors in Data; in Polish). PhD thesis, SRI PAS, Warsaw, Poland.
• Szkatuła G. (2002). Zastosowanie zmodyfikowanego zadania pokrycia w uczeniu maszynowym. [w:] Automatyka, sterowanie zarządzanie. Red. J. Gutenbaum. IBS PAN, Warszawa, 431-445.
• Szkatuła G., Hołubiec J., Wagner D. (1997). Forecasting Voting Behaviour Using Machine Learning - Poland in Transition. [in:] Transition to Advanced Market Institutions and Economies. Warszawa, 18-21.06.1997, SRI PAS, 426-429.
• Szkatuła G., Hołubiec J., Wagner D. (1997). Machine Learning from Examples for Forecasting Voting Behaviour. [in:] Methods and Models in Automation and Robotics. Międzyzdroje, 26-29.08.1997. Politechnika Szczecińska, Szczecin, 385-389.
• Szkatuła G., Hołubiec J., Wagner D. (2000). Forecasting Voting Behaviour Using Machine Learning - Poland in Transition. Annals of Operations Research, 97, 31-41.