เลือกตั้งโปร่งใสขึ้นได้ ด้วยพลังของ Data Science
Data Science ช่วยให้การเลือกตั้งโปร่งใสและบริสุทธิ์มากขึ้น มี Use cases ดังนี้
1) ตรวจจับความผิดปกติของผลคะแนน (Anomaly Detection)
ใช้สถิติและโมเดลตรวจหาคะแนนที่ “แปลก” เช่น
- หน่วยเลือกตั้งที่มีคนมาใช้สิทธิ์ 99–100% (ผิดปกติ)
- คะแนนพุ่งผิดธรรมชาติในบางช่วงเวลา
2) ป้องกันการทุจริตรายชื่อผู้มีสิทธิ์
วิเคราะห์ฐานข้อมูลผู้มีสิทธิ์เลือกตั้งเพื่อหา
- ชื่อซ้ำ
- คนเสียชีวิตที่ยังมีสิทธิ์
- ที่อยู่ผิดปกติจำนวนมากในจุดเดียวลดโอกาสการสวมสิทธิ์หรือโหวตซ้ำ
3) ตรวจจับข่าวปลอมและข้อมูลบิดเบือน
ใช้ NLP และ AI วิเคราะห์โซเชียลมีเดียเพื่อหา
- เครือข่ายบอท
- ข่าวปลอมที่แพร่เร็วผิดปกติ
- ข้อมูลชวนเข้าใจผิดเรื่องวัน เวลา สถานที่เลือกตั้ง ช่วยให้หน่วยงานตอบสนองได้ไวขึ้น
4) เพิ่มความโปร่งใสด้วย Data Visualization
ทำแดชบอร์ดสาธารณะ เช่น
- จำนวนผู้มาใช้สิทธิ์แบบเรียลไทม์
- เปรียบเทียบสถิติย้อนหลัง
- แผนที่ผลคะแนนแบบเปิดเผยข้อมูลประชาชนและสื่อช่วยกันตรวจสอบได้
5) วิเคราะห์ความเป็นธรรมของเขตเลือกตั้ง
ใช้ข้อมูลประชากร + ภูมิศาสตร์ เพื่อตรวจว่า
- การแบ่งเขตเอื้อฝ่ายใดฝ่ายหนึ่งเกินไปหรือไม่
- เขตมีจำนวนประชากรสมดุลหรือไม่
6) ตรวจสอบกระบวนการนับคะแนน
วิเคราะห์เวลาในการรายงานผล ถ้าหน่วยใดรายงานช้าหรือเร็วผิดปกติ อาจเป็นสัญญาณให้ตรวจสอบเพิ่ม